CN112529807A - 卫星影像的相对辐射校正方法和装置 - Google Patents
卫星影像的相对辐射校正方法和装置 Download PDFInfo
- Publication number
- CN112529807A CN112529807A CN202011479652.XA CN202011479652A CN112529807A CN 112529807 A CN112529807 A CN 112529807A CN 202011479652 A CN202011479652 A CN 202011479652A CN 112529807 A CN112529807 A CN 112529807A
- Authority
- CN
- China
- Prior art keywords
- image
- satellite
- relative radiation
- pixel
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012937 correction Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 65
- 239000000523 sample Substances 0.000 claims abstract description 61
- 230000004075 alteration Effects 0.000 claims abstract description 11
- 239000013589 supplement Substances 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 3
- 238000004532 chromating Methods 0.000 claims 1
- 238000001444 catalytic combustion detection Methods 0.000 description 18
- 230000004044 response Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000009436 residential construction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开提供了卫星影像的相对辐射校正方法和装置,其中方法包括:获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元;建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正;对相对辐射校正后的卫星影像进行丢线处理;对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像;对局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。以此方式,能够对卫星影像进行有效相对辐射校正,消除卫星影像的条纹或带状辐射差异现象以及卫星影像间的色差。
Description
技术领域
本公开的实施例一般涉及卫星影像处理技术领域,并且更具体地,涉及卫星影像的相对辐射校正方法和装置。
背景技术
高分六号卫星是国家高分辨率对地观测系统重大专项的重要组成部分,它是一颗低轨光学遥感卫星,也是我国首颗精准农业观测的高分卫星,具有高分辨率和宽覆盖相结合特点。其图像数据主要应用于农业生产动态监测、环境治理、森林资源监管、灾害风险调查,兼顾环保、国安和住建等应用需求。
高分六号卫星有效载荷部分包括三个分系统:高分相机分系统、宽幅相机分系统和数据传输分系统。其中高分相机分系统由一台TDI-CCD推扫式相机组成,宽幅相机分系统由一台线阵CMOS推扫式相机组成。线阵推扫式传感器在成像过程中易受到相机光学空间响应不均匀、各探元响应不同等因素的影响,导致获取的卫星影像经常具有明显的条纹或带状辐射差异现象。这种条带包括探测器之间、扫描线之间及多个扫描行的条带,此现象也会造成不同的CCD片间的色差。
发明内容
根据本公开的实施例,提供了一种能够对卫星影像进行有效相对辐射校正的方案,消除卫星影像的条纹或带状辐射差异现象以及卫星影像间的色差。
在本公开的第一方面,提供了一种卫星影像的相对辐射校正方法,包括:
获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元;
建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正;
对相对辐射校正后的卫星影像进行丢线处理;
对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像;
对局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述建立直方图查找表,确定相对辐射标定系数,包括:
确定多个影像区域的统计直方图,所述统计直方图为所述影像区域内的像素的灰度值的统计直方图;
选取一个统计直方图为基准探元期望直方图,将其他统计直方图与所述基准探元期望直方图进行匹配,使其他统计直方图的像素灰度值的概率密度函数与所述基准探元期望直方图的概率密度函数相同;
计算每个统计直方图中像素灰度值的累计概率密度函数和所述基准探元期望直方图的累计概率密度函数;
根据每个统计直方图中的累计概率密度函数进行最小二乘线性拟合,计算增益系数和偏置系数,所述增益系数和偏置系数即为相对辐射标定系数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正,包括:
采用公式Lp=ap*DNp+bp对所述卫星影像的每个影像区域进行相对辐射校正,其中,Lp为相对辐射校正后第p个像素的灰度值,DNp为原始第p个像素的灰度值,ap为第p个像素的增益系数,bp为第p个像素的偏置系数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述对相对辐射校正后的卫星影像进行丢线处理,包括:
对于丢失一行的影像数据,利用丢失行的上下行的影像数据,通过插值的方法予以弥补,实现丢线处理,对于丢失的多行影像数据,利用多项式拟合的方法,对丢失的影像数据进行弥补。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,还包括:
采用公式判断相对辐射校正后的卫星影像是否存在丢线,Gij表示相对辐射校正后的第i行第j列像素的灰度值,gij表示为某一像素被计算前的输入灰度值,M表示整个影像所有像素灰度值的平均值,D表示整个影像所有像素灰度值的标准偏差,mi表示每条扫描线上像素灰度平均值,di表示每条扫描线上像素灰度的标准偏差,i表示像素的横坐标,j表示像素的纵坐标;
若Gij的值等于整个像幅灰度值得平均值M,则第i行存在丢线。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像,包括:
对于条带的左边界的第i列像素和右边界的第j列像素,分别向左右扩展h列,确定对应的第m列像素和第n列像素,作为参考列;
计算参考列像素值的标准差σn、σm和均值un、um;
计算参考列之间的标准差Δσ和均值Δu,其中:
计算每个局部条带列的标准差和均值的理想统计量σx和ux,其中,
σx=σm+Δσ*(x-m),
ux=um+Δu*(x-m),
x为k和l之间的数;
由理想统计量计算局部条带列的增益系数和偏置系数ax和bx,其中,
利用公式DNm=ax+DNm+bx对局部条带列中的每个像素列进行校正,实现地物的均匀变化。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述对局部条带处理后的卫星影像进行去重叠和去色差,包括:
利用特征区域匹配算法对卫星影像的子影像进行配准,并对配准后的进行去色差,具体包括:
在相邻子影像上选取相同数量的影像块,分别统计这些影像块的标准差σr、σf和均值ur、uf,其中,r和f表示子影像的编号;
然后计算相邻子影像的增益系数al和偏置系数bl,其中,
最后通过公式Il+1=al*Il+bl实现子影像间的校正处理,其中,al和bl分别为第l+1个子影像相对于第l个子影像的增益系数和偏置系数,Il和Il+1分别为第l个和第l+1个子影像的灰度值。
在本公开的第二方面,提供了一种卫星影像的相对辐射校正装置,包括:
卫星影像获取模块,用于获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元;
直方图查找表建立模块,用于建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正;
丢线处理模块,用于对相对辐射校正后的卫星影像进行丢线处理;
局部条带处理模块,用于对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像;
去重叠和去色差模块,用于对局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。
在本公开的第三方面,提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
通过本公开的卫星影像的相对辐射校正方法,能够对卫星影像进行有效相对辐射校正,消除卫星影像的条纹或带状辐射差异现象以及卫星影像间的色差。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了本公开实施例一的卫星影像的相对辐射校正方法的流程图;
图2示出了本公开实施例二的相对辐射标定系数确定方法的流程图;
图3示出了本公开实施例三的卫星影像的相对辐射校正装置的功能结构示意图;
图4示出了本公开实施例四的卫星影像的相对辐射校正设备的结构示意图;
图5为丢线处理前的卫星影像;
图6为丢线处理后的卫星影像;
图7为局部条带列处理前的卫星影像;
图8为局部条带列处理后的卫星影像。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本公开实施例的卫星影像的相对辐射校正方法,能够对卫星影像进行有效相对辐射校正,消除卫星影像的条纹或带状辐射差异现象以及卫星影像间的色差。
具体地,如图1所示,为本公开实施例一的卫星影像的相对辐射校正方法的流程图。从图1中可以看出,本实施例的方法,可以包括以下步骤:
S101:获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元。
DN是卫星影像像元亮度值,记录着地物的灰度值,是一个整数值,值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。这里需要明确的是卫星图像的内容就是记录DN值后反映的。然而当考虑形成DN值结果时物理因素的干扰,就会发现其实DN值并未真正反映地物的灰度值,比如说传感器、大气、地形和高度角所造成的能量的损失,都会使最终被量化的辐射能量减小。
辐射亮度值是卫星上接受的辐射亮度,是辐射定标的结果之一,表示某一个面积辐射能量的总和,其具体含义是单位面积,单位波长,单位立体角的辐射通量,单位为W/cm2.um.sr(瓦特/平方厘米.微米.球面度),辐射亮度值包括物体反射的辐射能量,还包括临近地物的贡献值,也包含云层的影响。
由于高分六号卫星包括三个分系统:高分相机分系统、宽幅相机分系统和数据传输分系统。其中高分相机分系统由一台TDI-CCD推扫式相机组成,宽幅相机分系统由一台线阵CMOS推扫式相机组成。线阵推扫式传感器在成像过程中易受到相机光学空间响应不均匀、各探元响应不同等因素的影响,导致获取的卫星影像经常具有明显的条纹或带状辐射差异现象。这种条带包括探测器之间、扫描线之间及多个扫描行的条带,此现象也会造成不同的CCD片间的色差。
因此,卫星影像往往需要进行相对辐射校正。即将未定标的DN图像转成辐射亮度值图像。在校正过程中,首先需要获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元。即卫星影像是由探元阵列采集到的辐射亮度值一条一条拼接而成的,每个影像区域为探元阵列一次采集到的辐射亮度值,并且每个影像区域中的一个像素对应探元阵列中的一个探元。
S102:建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正。
由于探元阵列中的探元之间存在辐射响应差异,因此探元阵列中的探元采集到的辐射亮度值也不准确,例如,一个探元采集到的辐射亮度值偏大,而另一探元采集到的辐射亮度值偏心,并且这两个探元采集到的辐射亮度值可能都不是真实的地物的灰度值,因此,需要对探元阵列中的探元采集到的辐射亮度值进行校正。将未定标的DN图像转成辐射亮度值图像,需要用一个线性转换公式及偏移和增益就可以完成,偏移和增益系数一般在元数据文件中获取。在本实施例中,通过建立直方图查找表的形式确定平偏移系数和增益系数(即相对辐射标定系数)。具体地,如图2所示,为本公开实施例二的相对辐射标定系数确定方法的流程图。
本实施例的确定相对辐射标定系数的方法,可以包括以下步骤:
S201:确定多个影像区域的统计直方图,所述统计直方图为所述影像区域内的像素的灰度值的统计直方图。
以某个探元的直方图作为期望直方图,其他探元的直方图可以看作是原始直方图,将每个探元的原始直方图匹配到期望直方图上,可以得到该探元的直方图查找表。具体地,先确定探元阵列中每个探元在多个影像区域中对应的DN值(辐射亮度值),然后对每个探元的DN值进行统计,生成统计直方图,生成的统计直方图为探元在各个影像区域中的DN值、同一DN值的数量以及对应数量的占比。例如,某探元的DN值包括36、78、156,对应的数量分别为4、15、36,占比分别为7.3%、27.3%和65.4%。
S202:选取一个统计直方图为基准探元期望直方图,将其他统计直方图与所述基准探元期望直方图进行匹配,使其他统计直方图的像素灰度值的概率密度函数与所述基准探元期望直方图的概率密度函数相同。
S203:计算每个统计直方图中像素灰度值的累计概率密度函数和所述基准探元期望直方图的累计概率密度函数。
S204:根据每个统计直方图中的累计概率密度函数进行最小二乘线性拟合,计算增益系数和偏置系数,所述增益系数和偏置系数即为相对辐射标定系数。
在本实施例中,当生成统计直方图后,可以选取一个统计直方图为基准探元期望直方图,将其他统计直方图与所述基准探元期望直方图进行匹配,使其他统计直方图的像素灰度值的概率密度函数与所述基准探元期望直方图的概率密度函数相同。
具体地,求取影像每个统计直方图的概率密度和期望直方图的概率密度pi(k),
某个设定探元对应的统计直方图作为期望直方图,概率密度函数P(l),
对照查找表的生成,用同样的方法处理所有的像素,这样就可以获得该影像的直方图查找表。
将直方图查找表进行最小二乘线性拟合计算增益系数ap和偏置系数bp。
利用相对辐射定标系数,构建相对辐射校正模型,解算传感器各像素间的增益系数和偏置系数,对待校正CCD子影像各像素DN值进行转换,消除像素间辐射响应差异,实现相对辐射校正。
相对辐射校正模型如下式所示。
Lp=ap*DNp+bp,
其中,Lp为相对辐射校正后第p个像素的DN(灰度)值,DNp为原始第p个像素的灰度值,ap为第p个像素的增益系数,bp为第p个像素的偏置系数。
对相对辐射校正后的卫星影像进行丢线处理。
S103:对相对辐射校正后的卫星影像进行丢线处理。
在完成对卫星影像的相对辐射校正后,可以进一步对辐射校正后的卫星影像进行丢线处理。具体地,高分六号卫星影像成像时,时而会出现分段或整行、多行黑线,这些均称为影像丢行。这可能是由于某一扫描线上故障造成的扫描线脱落。在本实施例中,当丢失一行时,可以利用上下行的影像数据,通过插值的方法予以弥补,当丢失2~5行时,可以利用多项式拟合的方法,对丢失的影像数据进行弥补,当丢失多余5行或是由空洞引起的丢行问题就不再加以处理。
在本实施例中,可以利用公式对是否丢线进行判断,其中,Gij表示相对辐射校正后的第i行第j列像素的灰度值,gij表示为某一像素被计算前的输入灰度值,M表示整个影像所有像素灰度值的平均值,D表示整个影像所有像素灰度值的标准偏差,mi表示每条扫描线上像素灰度平均值,di表示每条扫描线上像素灰度的标准偏差,i表示像素的横坐标,j表示像素的纵坐标。
按照上面查找丢行的公式。如果第i行丢失数据,由于该行上所有像元都是零级灰值,故mi和di计算出来也为零值,最后计算的Gij的灰度值应该等于整个像幅灰度值得平均值M,即计算出来第i行的所有像元的灰度值都相等(也即等于某一常数时),说明第i行需进行丢行修补。
如图5所示为丢线处理前的卫星影像,图6所示为丢线处理后的卫星影像。从图5和图6中可以看出,丢线处理后的卫星影像中消除了之前存在的黑线。
S104:对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像。
受卫星相机镜头畸变的影响,中心成像和边缘成像的辐射特性存在较大的区别,故使影像区域间产生局部条带,需进行局部条带处理。
为了降低局部条带现象对影像质量的影响,利用探元之间的相关性对局部条带的子影像进行校正处理。
具体地,已知条带的左右边界k,l分别向外扩展一定的列数。找到正常像素所对应的两列(m列,n列)。
以选出的两列(m列,n列)作为参考列,分别计算参考列像素DN值得标准差σn、σm和均值un、um。
计算参考列之间的标准差Δσ和均值Δu。
计算每个局部条带列的标准差和均值的理想统计量:
σx=σm+Δσ*(x-m)
ux=um+Δu*(u-m)
x为k和l之间的数;
由理想统计量计算局部条带列的增益系数和偏置系数ax和bx,其中,
对局部条带列中的每个像素列进行校正,实现地物的均匀变化:
DNm=ax+DNm+bx。
对于整幅影像,每遇到一个局部条带区域,重复上述步骤,直至整幅影像的局部条带区域处理完毕。
如图7所示,为局部条带列处理前的卫星影像,图8为局部条带处理后的卫星影像。对比图7和图8可以明显看出局部条带处理后消除了图7中存在的局部条带。
S105:局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。
高分六号卫星相机的相邻的像区域一般都有一定的重合区域,当重合区域完全匹配时,两幅影像也就能够完全拼接,所以拼接问题的实质是重叠区的配准问题。
在匹配的过程中,将左边的影像作为参考影像,参考影像位置保持不变,右侧影像为浮动影像,对二者的特征区域进行匹配。以GF-6卫星全色2米分辨率影像为例,影像之间设定搭接像元为120个像元,为保证选择的特征区域大部分在重叠区域内,设定浮动影像左侧的5个像元宽度范围为可能的重叠区域。设定特征区域大小为50×50个像元。根据各个特征区域匹配情况,可以判断待拼接影像是否存在重叠区域,当重叠区配准算法返回没有重叠的区域后,需要根据相邻CCD片配准的情况推断配准参数。
卫星高分相机焦面由8片全色多光谱集成TDI-CCD,宽幅相机焦面由8片多光谱八色集成CMOS,均采用反射镜光学拼接。不同的CCD片对地物响应的不一致性会造成影像的CCD片出现不同程度的色差,这样不仅影响了整幅影响的视觉效果,也掩盖了影像真实的辐射信息和光谱信息,相对辐射校正处理中需要去除CCD片间的色差。
为了使多个CCD子影像灰度均匀分布,根据相邻CCD子影像数据统计特征,以其中一个CCD子影像为标准对他们进行辐射校正。对所有CCD进行处理,完成整景影像的校正处理,得到灰度分布均匀的影像,步骤如下:
在相邻CCD影像上均匀地选取相同数量的影像块,分别统计这些影像块的标准差σr、σf和均值ur、uf,其中,r和f表示子影像的编号。
计算相邻CCD的增益系数al和偏置系数bl。
Il+1=al*Il+bl
进一步通过公式实现CCD片间的校正处理。
al和bl分别为第l+1个子影像相对于第l个子影像的增益系数和偏置系数,Il和Il+1分别为第l个和第l+1个子影像的灰度值。
对所有CCD影像按上述步骤处理,完成整景影像的校正处理,使影响在视觉上均匀一致。
本实施例的方法,能够对卫星影像进行有效相对辐射校正,消除卫星影像的条纹或带状辐射差异现象以及卫星影像间的色差。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
如图3所示,为本公开实施例三的卫星影像的相对辐射校正装置的功能结构示意图,本实施例的卫星影像的相对辐射校正装置,包括:
卫星影像获取模块301,用于获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元;
直方图查找表建立模块302,用于建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正;
丢线处理模块303,用于对相对辐射校正后的卫星影像进行丢线处理;
局部条带处理模块304,用于对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像;
去重叠和去色差模块305,用于对局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图4示出了本公开实施例四的卫星影像的相对辐射校正设备的结构示意图。图4示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统包括中央处理单元(CPU)401,其可以基于存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也基于需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,基于需要安装在驱动器410上,以便于从其上读出的计算机程序基于需要被安装入存储部分408。
特别地,基于本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的方法中限定的上述功能。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种卫星影像的相对辐射校正方法,其特征在于,包括:
获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元;
建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正;
对相对辐射校正后的卫星影像进行丢线处理;
对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像;
对局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。
2.根据权利要求1所述的卫星影像的相对辐射校正方法,其特征在于,所述建立直方图查找表,确定相对辐射标定系数,包括:
确定多个影像区域的统计直方图,所述统计直方图为所述影像区域内的像素的灰度值的统计直方图;
选取一个统计直方图为基准探元期望直方图,将其他统计直方图与所述基准探元期望直方图进行匹配,使其他统计直方图的像素灰度值的概率密度函数与所述基准探元期望直方图的概率密度函数相同;
计算每个统计直方图中像素灰度值的累计概率密度函数和所述基准探元期望直方图的累计概率密度函数;
根据每个统计直方图中的累计概率密度函数进行最小二乘线性拟合,计算增益系数和偏置系数,所述增益系数和偏置系数即为相对辐射标定系数。
3.根据权利要求2所述的卫星影像的相对辐射校正方法,其特征在于,所述根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正,包括:
采用公式Lp=ap*DNp+bp对所述卫星影像的每个影像区域进行相对辐射校正,其中,Lp为相对辐射校正后第p个像素的灰度值,DNp为原始第p个像素的灰度值,ap为第p个像素的增益系数,bp为第p个像素的偏置系数。
4.根据权利要求3所述的卫星影像的相对辐射校正方法,其特征在于,所述对相对辐射校正后的卫星影像进行丢线处理,包括:
对于丢失一行的影像数据,利用丢失行的上下行的影像数据,通过插值的方法予以弥补,实现丢线处理,对于丢失的多行影像数据,利用多项式拟合的方法,对丢失的影像数据进行弥补。
6.根据权利要求5所述的卫星影像的相对辐射校正方法,其特征在于,所述对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像,包括:
对于条带的左边界的第i列像素和右边界的第j列像素,分别向左右扩展h列,确定对应的第m列像素和第n列像素,作为参考列;
计算参考列像素值的标准差σn、σm和均值un、um;
计算参考列之间的标准差Δσ和均值Δu,其中:
计算每个局部条带列的标准差和均值的理想统计量σx和ux,其中,
σx=σm+Δσ*(x-m),
ux=um+Δu*(x-m),
x为k和l之间的数;
由理想统计量计算局部条带列的增益系数和偏置系数ax和bx,其中,
利用公式DNm=ax+DNm+bx对局部条带列中的每个像素列进行校正,实现地物的均匀变化。
8.一种卫星影像的相对辐射校正装置,其特征在于,包括:
卫星影像获取模块,用于获取待校正的卫星影像,所述卫星影像包括多个影像区域,每个影像区域中的一个像素对应一个卫星探元;
直方图查找表建立模块,用于建立直方图查找表,确定相对辐射标定系数,根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正;
丢线处理模块,用于对相对辐射校正后的卫星影像进行丢线处理;
局部条带处理模块,用于对丢线处理后的卫星影像进行局部条带处理,补充丢失的影像;
去重叠和去色差模块,用于对局部条带处理后的卫星影像进行去重叠和去色差,使卫星影像的整体辐射达到一致。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479652.XA CN112529807B (zh) | 2020-12-15 | 2020-12-15 | 卫星影像的相对辐射校正方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479652.XA CN112529807B (zh) | 2020-12-15 | 2020-12-15 | 卫星影像的相对辐射校正方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529807A true CN112529807A (zh) | 2021-03-19 |
CN112529807B CN112529807B (zh) | 2022-11-08 |
Family
ID=75000197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011479652.XA Active CN112529807B (zh) | 2020-12-15 | 2020-12-15 | 卫星影像的相对辐射校正方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529807B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077468A (zh) * | 2021-06-08 | 2021-07-06 | 自然资源部国土卫星遥感应用中心 | 高光谱卫星影像的辐射异常的质量检测方法和装置 |
CN113379621A (zh) * | 2021-05-19 | 2021-09-10 | 中国资源卫星应用中心 | 一种基于统计样本定权的光学遥感卫星相对辐射校正方法 |
CN113409366A (zh) * | 2021-06-29 | 2021-09-17 | 中国科学院空天信息创新研究院 | 一种遥感卫星影像的辐射校正方法及装置 |
CN113486728A (zh) * | 2021-06-15 | 2021-10-08 | 北京道达天际科技有限公司 | 基于特征融合的地表三维变化检测方法和装置 |
CN113570523A (zh) * | 2021-07-31 | 2021-10-29 | 中国人民解放军61646部队 | 针对光学图像的相对辐射校正系数自动生成和外推方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1601559A (zh) * | 2004-10-21 | 2005-03-30 | 武汉大学 | 一种推扫式卫星影像ccd相对辐射校正方法 |
CN108154479A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种对遥感图像进行图像校正的方法 |
CN109829074A (zh) * | 2019-01-22 | 2019-05-31 | 苏州中科天启遥感科技有限公司 | 目标区域正射影像检索方法、存储介质、电子设备 |
US20200074605A1 (en) * | 2018-08-31 | 2020-03-05 | International Business Machines Corporation | Enhancing temporal and spatial resolution and correcting data anomalies of remote sensed data for estimating high spatio-temporal resolution vegetation indices |
-
2020
- 2020-12-15 CN CN202011479652.XA patent/CN112529807B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1601559A (zh) * | 2004-10-21 | 2005-03-30 | 武汉大学 | 一种推扫式卫星影像ccd相对辐射校正方法 |
CN108154479A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种对遥感图像进行图像校正的方法 |
US20200074605A1 (en) * | 2018-08-31 | 2020-03-05 | International Business Machines Corporation | Enhancing temporal and spatial resolution and correcting data anomalies of remote sensed data for estimating high spatio-temporal resolution vegetation indices |
CN109829074A (zh) * | 2019-01-22 | 2019-05-31 | 苏州中科天启遥感科技有限公司 | 目标区域正射影像检索方法、存储介质、电子设备 |
Non-Patent Citations (4)
Title |
---|
李海超 等: "一种推扫式卫星图像的相对辐射校正方法", 《光电工程》 * |
焦彦平 等: "线阵CCD卫星图像自适应条带噪声去除", 《装备学院学报》 * |
王伟: "高分辨率立体测绘卫星影像质量提升和典型要素提取", 《中国博士学位论文全文数据库 基础科学辑》 * |
胡国军: "三线阵CCD摄影测量卫星的数据传输与预处理研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379621A (zh) * | 2021-05-19 | 2021-09-10 | 中国资源卫星应用中心 | 一种基于统计样本定权的光学遥感卫星相对辐射校正方法 |
CN113379621B (zh) * | 2021-05-19 | 2024-04-09 | 中国资源卫星应用中心 | 一种基于统计样本定权的光学遥感卫星相对辐射校正方法 |
CN113077468A (zh) * | 2021-06-08 | 2021-07-06 | 自然资源部国土卫星遥感应用中心 | 高光谱卫星影像的辐射异常的质量检测方法和装置 |
CN113077468B (zh) * | 2021-06-08 | 2021-08-31 | 自然资源部国土卫星遥感应用中心 | 高光谱卫星影像的辐射异常的质量检测方法和装置 |
CN113486728A (zh) * | 2021-06-15 | 2021-10-08 | 北京道达天际科技有限公司 | 基于特征融合的地表三维变化检测方法和装置 |
CN113409366A (zh) * | 2021-06-29 | 2021-09-17 | 中国科学院空天信息创新研究院 | 一种遥感卫星影像的辐射校正方法及装置 |
CN113409366B (zh) * | 2021-06-29 | 2022-11-22 | 中国科学院空天信息创新研究院 | 一种遥感卫星影像的辐射校正方法及装置 |
CN113570523A (zh) * | 2021-07-31 | 2021-10-29 | 中国人民解放军61646部队 | 针对光学图像的相对辐射校正系数自动生成和外推方法 |
CN113570523B (zh) * | 2021-07-31 | 2022-01-28 | 中国人民解放军61646部队 | 针对光学图像的相对辐射校正系数自动生成和外推方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112529807B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112529807B (zh) | 卫星影像的相对辐射校正方法和装置 | |
CN112287904B (zh) | 基于卫星影像的机场目标识别方法和装置 | |
US9300865B2 (en) | Random imaging | |
US8879865B2 (en) | Panchromatic sharpening method of spectral image based on fusion of overall structural information and spatial detail information | |
US20100008595A1 (en) | Automated atmospheric characterization of remotely sensed multi-spectral imagery | |
Gladkova et al. | Quantitative restoration for MODIS band 6 on Aqua | |
CN106940887B (zh) | 一种gf-4卫星序列图像云与云下阴影检测方法 | |
CN106887016B (zh) | 一种gf-4卫星序列图像自动相对配准方法 | |
US8374433B2 (en) | Apparatus, method, and manufacture for correcting color shading in CMOS image sensors | |
WO2014007925A1 (en) | System and method for residual analysis of images | |
US7796153B1 (en) | Equalization system and method for an imaging sensor | |
CN114241064B (zh) | 一种遥感卫星内外方位元素实时几何定标方法 | |
Di Bisceglie et al. | Destriping MODIS data using overlapping field-of-view method | |
CN114708204A (zh) | 一种推扫成像的优化处理方法及系统 | |
CN107220947B (zh) | 一种遥感图像相对辐射校正方法及系统 | |
CN112085684A (zh) | 一种遥感图像融合的方法及装置 | |
Bhatt et al. | Image registration for meteorological applications: Development of a generalized software for sensor data registration at isro | |
Bekhtin et al. | Algorithmic supply of IR sensors with FPN using texture homogeneity levels | |
CN113469899B (zh) | 一种基于辐射能量重构的光学遥感卫星相对辐射校正方法 | |
KR101737426B1 (ko) | 최소 잡음 비율 변환기법을 이용한 위성 또는 항공기에서 촬영된 영상의 인위적인 잡음신호 보정 방법 | |
CN115203911A (zh) | 遥感载荷在轨绝对辐射定标系数业务化计算方法及装置 | |
Fallah et al. | Intensifying the spatial resolution of 3D thermal models from aerial imagery using deep learning-based image super-resolution | |
CN110580692B (zh) | 一种多线列时差扫描图像辐射一致性校正方法 | |
Eremeev et al. | Image structure restoration from sputnik with multi-matrix scanners | |
CN113436096A (zh) | 一种基于像元标定的推扫式高光谱成像条带噪声消除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 100085 room 703, 7 / F, block C, 8 malianwa North Road, Haidian District, Beijing Applicant after: Beijing daoda Tianji Technology Co.,Ltd. Address before: 100085 room 703, 7 / F, block C, 8 malianwa North Road, Haidian District, Beijing Applicant before: Beijing daoda Tianji Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |