CN113052153B - 遥感反射率影像的检验方法、装置、电子设备及存储介质 - Google Patents
遥感反射率影像的检验方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113052153B CN113052153B CN202110611426.0A CN202110611426A CN113052153B CN 113052153 B CN113052153 B CN 113052153B CN 202110611426 A CN202110611426 A CN 202110611426A CN 113052153 B CN113052153 B CN 113052153B
- Authority
- CN
- China
- Prior art keywords
- image
- reference sample
- point set
- detected
- data
- 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.)
- Active
Links
- 238000002310 reflectometry Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000013074 reference sample Substances 0.000 claims abstract description 155
- 230000003595 spectral effect Effects 0.000 claims abstract description 64
- 238000001228 spectrum Methods 0.000 claims abstract description 59
- 238000005070 sampling Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005316 response function Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 7
- 239000000523 sample Substances 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 240000004282 Grewia occidentalis Species 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供一种遥感反射率影像的检验方法、装置、电子设备及存储介质，方法包括：获取待检影像的影像数据，影像数据包括时间数据、空间数据和光谱参量；基于时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集；基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点；基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性。本实施例能够从大范围的第一参考样点集中确定适用于当前地理位置和影像采集时间的第二参考样点集，实现大范围的应用，以及实现反射率影像的真实性检验。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种遥感反射率影像的检验方法、装置、电子设备及存储介质。
背景技术
对叶面积指数、温度和植被覆盖度等遥感产品进行真实性检验，评价遥感产品的精度和不确定性，是提高遥感产品定量化生产水平，从而提高遥感应用的精度，扩展其应用范围的重要手段。目前，遥感产品的真实性检验方法主要为直接检验和交叉检验。
直接检验通过将地面实测数据作为参数数据对遥感产品进行检验，但是地面实测数据的获取难度大，覆盖范围有限，而且计算方式复杂，不适用于快速、大范围、长时间的工程化应用。交叉检验通过将已知精度的遥感产品作为参数数据对待检遥感产品进行检验，但是该方法主要针对于叶面积指数、温度和植被覆盖度等，而没有针对于高光谱反射率，并且该方法主要为区域尺度试验，不利于准确、大范围的工程化应用。
发明内容
本申请实施例的目的在于提供一种遥感反射率影像的检验方法、装置、电子设备及存储介质，旨在解决当前针对高光谱反射率产品的真实性检验方法存在适用范围小和准确性低等局限性的问题。
第一方面，本申请实施例提供了一种遥感反射率影像的检验方法，包括：
获取待检影像的影像数据，影像数据包括时间数据、空间数据和光谱参量；
基于时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集；
基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点；
基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性。
在本实施例中，通过时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集，从而能够从大范围的第一参考样点集中确定适用于当前地理位置和影像采集时间的第二参考样点集，也就是说，在任一时间和/或地理位置的反射率影像均能够从第一参考样点集中得到第二参考样点集，实现反射率影像检验方法的大范围应用；由于相比叶面积指数、温度和植被覆盖度等遥感产品，高光谱遥感反射率影像的光谱信息更多，利用常规的检验方法无法保证其真实性检验的准确性，所以本实施例基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点，光谱匹配能够有效降低高光谱遥感反射率影像的光谱冗余，使得高光谱遥感反射率影像和第二参考样点集在光谱尺度上相一致，从而提高真实性检验的检验准确度；最后基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性，本申请从时间、空间和光谱等多个尺度对高光谱遥感反射率影像进行处理，实现高光谱遥感反射率影像的大范围应用和有效提高准确度。
在一实施例中，基于时间数据和空间数据，将待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集，包括：
在第一参考样点集中，基于待检影像的空间数据进行地理分布检索，得到与待检影像在空间上匹配的第三参考样点集；
在第三参考样点集中，基于待检影像的时间数据进行时间检索，得到与待检影像在时间上和空间上均匹配的第二参考样点集。
在本实施例中，通过地理分布检索，确定符合待检影像的采集位置的第三参考样点集，再在第三参考样点集的基础上通过时间检索，确定符合待检影像的采集时间的第二参考样点集，从而能够对不同位置和/或不同时间采集的待检影像进行真实性检验，扩大了高光谱遥感反射率影像的真实性检验方法的适用范围。
在一实施例中，基于时间数据和空间数据，将待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集之前，还包括：
分析待检影像的影像特性，影像特性包括光谱特性，空间特性和重访周期特性；
基于影像特性，构建用于检验待检影像真实性的第一参考样点集。
在本实施例中，基于待检影像的原有特性，确定第一参考样点集，而无需获取地面实测数据作为参考数据，本申请结合待检影像的原有特征建立第一参考样点集，该数据集具备覆盖范围大、时间跨度长等优点，增大了待检影像的适用范围，以及更加符合待检影像真实性检验标准，提高检验准确度。
在一实施例中，基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点，包括：
对待检影像进行掩膜处理，得到第一影像；
基于光谱参量与第二参考样点集中各个波段的光谱响应函数，对第一影像与第二参考样点集进行波段间的光谱匹配，得到与第二参考样点集光谱匹配的第二影像；
基于第二参考样点集中的像元分辨率数据，对待检影像与第二参考样点集进行分辨率匹配，得到与第二参考样点集分辨率匹配的目标点。
在本实施例中，通过掩膜处理能够提取待检影像的有效像元，避免无效像元对匹配准确度的不利干扰，以及减少匹配过程的数据量，从而提高匹配准确度和匹配效率；通过波段间的光谱匹配，以减少待检影像的光谱信息冗余，有效提高检验准确度，以及再次利用空间分辨率等空间数据实现分辨率匹配，以进一步多尺度匹配，提高检验准确度。
在一实施例中，基于光谱参量与第二参考样点集中各个波段的光谱响应函数，对第一影像与第二参考样点集进行波段间的光谱匹配，得到与第二参考样点集光谱匹配的第二影像，包括：
根据第一影像的各波段中心波长与第二参考样点集中每个波段的光谱响应函数，确定目标数据，目标数据包含第一影像在目标波段范围内的各波段中心波长，以及与各波段中心波长对应的反射率值和光谱响应值；
对光谱响应值进行归一化处理，得到目标光谱响应值；
对目标光谱响应值和反射率值进行积分处理，得到第二影像。
在本实施例中，通过归一化处理和积分处理，得到第二影像，实现第一影像与第二参考样点集之间的光谱匹配，从而有效降低待检影像的信息冗余，使得匹配结果更加准确和提高匹配效率。
在一实施例中，基于第二参考样点集中的像元分辨率数据，对第二影像与第二参考样点集进行分辨率匹配，得到与第二参考样点集分辨率匹配的目标点，包括：
基于第二参考样点集中各个样点的坐标信息，确定各个样点在第二影像中的位置；
以样点在第二影像中的位置为中心，向外扩展若干个像素点，生成与第二参考样点集的像元分辨率数据相同的多个影像块；
对多个影像块进行均值处理，得到目标点。
在本实施例中，通过确定样点在第二影像的位置，并基于该位置拓展像素点，以生成与第二参考样点集分辨率匹配的目标点，进一步从空间尺度上保证目标点的匹配结果准确度。
在一实施例中，第二参考样点集包括多个样点数据，基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性，包括：
针对目标点的每个目标波段，计算所有目标点和所述样点数据之间的反射率平均误差；
对所有所述目标波段的所述反射率平均误差进行均值处理，得到目标点与第二参考样点集之间的所述反射率相对误差；
将所述反射率相对误差与预设误差阈值对比，确定所述待检影像的真实性。
在本实施例中，通过计算每个目标波段的平均误差，在对所有目标波段的平均误差取均值，使得反射率相对误差的结果更加准确，避免单一波段存在不稳定值对误差结果造成不利影响。
第二方面，本申请实施例提供了一种遥感反射率影像的检验装置，包括：
获取模块，用于获取待检影像的影像数据，影像数据包括时间数据、空间数据和光谱参量；
第一匹配模块，用于基于时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集；
第二匹配模块，用于基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点；
确定模块，用于基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性。
第三方面，本申请实施例提供了一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行上述第一方面任一项的检验方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一项的检验方法。
需要说明的是，第二方面至第四方面的有益效果请参见上述第一方面的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的遥感反射率影像的检验方法的实现流程图；
图2为本申请实施例提供的遥感反射率影像的检验装置的结构示意图；
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如相关技术记载，直接检验通过将地面实测数据作为参数数据对遥感产品进行检验，但是地面实测数据的获取难度大，覆盖范围有限，而且计算方式复杂，不适用于快速、大范围、长时间的工程化应用。交叉检验通过将已知精度的遥感产品作为参数数据对待检遥感产品进行检验，但是该方法主要针对于叶面积指数、温度和植被覆盖度等，而没有针对于高光谱反射率，并且该方法主要为区域尺度试验，不利于准确、大范围的工程化应用。
针对上述现有技术中的问题，本申请提供了一种遥感反射率影像的检验方法，通过时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集，从而能够从大范围的第一参考样点集中确定适用于当前地理位置和影像采集时间的第二参考样点集，实现大范围的应用；再基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点，并基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性，从而实现反射率影像的真实性检验。
参见图1，图1示出了本申请实施例提供的一种遥感反射率影像的检验方法的实现流程图。本申请实施例中下述的遥感反射率影像的检验方法可应用于电子设备，电子设备包括但不限于智能手机、平板电脑、桌上型计算机、超级计算机、物理服务器和云服务器等计算机设备。本申请实施例的遥感反射率影像的检验方法，包括步骤S101至S104，详述如下：
步骤S101，获取待检影像的影像数据，影像数据包括时间数据、空间数据和光谱参量。
在本步骤中，待检影像为高光谱遥感反射率影像，时间数据为待检影像的采集时间，包括年、月和日等；空间数据包括影像所在空间范围的四角坐标和影像的像元分辨率大小等，例如空间分辨率为30米。光谱参量包括波段范围、波段个数、光谱分辨率和各个波段的中心波长等，示例性地，波段范围为400-2500nm，波段个数为166个，VNIR的光谱分辨率为10nm，SWIR的光谱分辨率为20nm，以及各波段对应的中心波长。
步骤S102，基于时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集。
在本步骤中，第一参考样点集为基于多个地理范围和采集时间范围的遥感影像构建的参考数据，其包含多个样点的像元分辨率、空间坐标、采集时间、地理分布区域，以及各个波段的反射率值、波段范围和对应光谱响应函数等信息。在本实施例中，第一参考样点集基于大范围的影像数据分析构建得到，其覆盖国内面积80%以上，包括农田、森林、丘陵、戈壁、沙漠等多种自然区。
通过时间匹配和空间匹配，确定与待检影像在时间上和空间上均匹配的第二参考样点集。可选地，基于待检影像的时间数据，匹配到第一参考样点集中采集时间为上述时间数据的样点数据，再基于待检影像的空间数据，匹配到上述样点数据中采集位置为上述空间数据的样点数据，得到第二参考样点集。
在一实施例中，在第一参考样点集中，基于待检影像的空间数据进行地理分布检索，得到与待检影像在空间上匹配的第三参考样点集；在第三参考样点集中，基于待检影像的时间数据进行时间检索，得到与待检影像在时间上和空间上均匹配的第二参考样点集。
在本实施例中，先以待检影像的四角坐标进行地理分布检索，得到地理分布上匹配的参考数据，再以待检影像的采集日期为中心，设定时间跨度，进行时间尺度上检索，得到与待检影像在时间尺度和地理分布上相匹配的第二参考样点集。
在一实施例中，步骤S102之前，还包括：分析待检影像的影像特性，影像特性包括光谱特性，空间特性和重访周期特性；基于影像特性，构建用于检验待检影像真实性的第一参考样点集。
在本实施例中，示例性地，待检影像为ZY1E高光谱反射率影像。对需要进行真实性检验的ZY1E高光谱反射率影像进行分析，得到该影像的影像特性，影像特性包括波段范围400-2500nm、波段个数为166个、VNIR的光谱分辨率为10nm、SWIR的光谱分辨率为20nm、各波段对应的中心波长、空间分辨率30m、幅宽60km和重访周期3天。
再根据上述影像特性，构建面向该影像真实性检验的第一参考样点；示例性地，以Landsat 8地表反射率影像为基础构建第一参考样点集，所需数据包括Landsat 8地表反射率影像和光谱响应函数信息。每个样点包含空间分辨率30米、空间坐标、数据获取年月日、分布区域以及6个波段的反射率值。6个波段分别为蓝波段（450-515nm）、绿波段（525-600nm）、红波段（630-680nm）、近红外波段（845-885nm）、SWIR-1（1560-1660nm）和SWIR-2（2100-2300nm）。Landsat 8参考样点数据集覆盖国内面积80%以上，包括农田、森林、山地、戈壁等多种气候带和自然区。
步骤S103，基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点。
在本步骤中，通过光谱匹配确定生成与第二参考样点集最匹配的目标点。光谱匹配包括各个波段的光谱参量的匹配，以及像元分辨率的匹配。
在一实施例中，步骤S103，包括：对待检影像进行掩膜处理，得到第一影像；基于光谱参量与第二参考样点集中各个波段的光谱响应函数，对第一影像与第二参考样点集进行波段间的光谱匹配，得到与第二参考样点集光谱匹配的第二影像；基于第二参考样点集中的像元分辨率数据，对第二影像与第二参考样点集进行分辨率匹配，得到与第二参考样点集分辨率匹配的目标点。
在本实施例中，利用待检影像的质量控制文件，对待检影像进行掩膜处理（掩膜受云、雾等天气因素影响的非有效像元），提取待检影像的有效像元，得到第一影像。基于第一影像，根据第二参考样点集的各个波段的光谱响应函数（光谱范围和光谱响应值），生成与第二参考样点集在波段光谱尺度上匹配的第二影像；根据第二参考样点集的各个样点的坐标信息和像元分辨率，对第二影像进行空间关联和加权平均处理，生成与第二参考样点集的像元分辨率相匹配的目标点。
可选地，根据第一影像的各波段中心波长与第二参考样点集中每个波段的光谱响应函数，确定目标数据，目标数据包含第一影像在目标波段范围内的各波段中心波长，以及与各波段中心波长对应的反射率值和光谱响应值；
对光谱响应值进行归一化处理，得到目标光谱响应值；
对目标光谱响应值和反射率值进行积分处理，得到第二影像。
在本实施例中，示例性地，设第二参考样点集有n个波段，基于第二参考样点集中每个波段的光谱响应函数，与第一影像的各波段中心波长进行匹配，生成目标数据，目标数据包含n个波段，每一波段包含在该波段范围中的第一影像的各波段中心波长和对应的光谱响应值。针对目标数据，对n个波段分别进行归一化处理，生成目标光谱响应值。即目标光谱响应值包含n个波段，每一波段包含在该波段范围中的第一影像的各波段中心波长和对应的归一化权重。针对每一个波段而言，归一化具体公式为：
其中，i、k表示波长，a、b表示在该波段范围内的起始波长和截止波长，
、W k 代表波长i、k对应的光谱响应值，P k 表示波长k在a到b波段范围内的归一化权重。
针对目标光谱响应值和反射率值，对n个波段分别进行积分，生成与第二参考样点集在波段光谱尺度上匹配的第二影像。针对每一个波段而言，积分具体公式为：
其中，ρ k 代表波长k对应的高光谱反射率值，ρ表示在a到b波段范围内对应的总的反射率值。
可选地，基于第二参考样点集中各个样点的坐标信息，确定各个样点在第二影像中的位置；以样点在第二影像中的位置为中心，向外扩展若干个像素点，生成与第二参考样点集的像元分辨率数据相同的多个影像块；对多个影像块进行均值处理，得到目标点。
在本实施例中，示例性地，对于任一样点A在第二影像中的位置坐标为（0，0），以（0，0）为中心向外拓展一个像素点，则得到由（-1，-1）、（-1，0）、（-1，1）、（0，-1）、（0，0）、（0，1）、（1，-1）、（1，0）和（1，1）组成的大小为3*3、并与第二参考样点集的像元分辨率数据相同的影像块B，对影像块B的9个像素点进行均值处理，则得到目标点C。
可选地，第二参考样点集的像元分辨率和第二影像的像元分辨率相同，如上述的30米，因此目标点的像元分辨率也为30米。
步骤S104，基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性。
在本实施例中，可以基于误差计算公式计算目标点第二参考样点集之间的反射率相对误差。
在一实施例中，针对所述目标点的每个目标波段，计算所有所述目标点和所述样点数据之间的反射率平均误差；对所有所述目标波段的所述反射率平均误差进行均值处理，得到所述目标点与所述第二参考样点集之间的所述反射率相对误差；将反射率相对误差与预设误差阈值对比，确定待检影像的真实性。
在本实施例中，预设误差阈值是进一步利用待影像的空间数据，根据待检影像所在的空间地理分布，制定差异化的误差值。可以理解的是，预设误差是根据待检影像所在空间地理分布有关，即不同自然区或气候带的误差阈值不同。通过针对不同空间地理位置的待检影像采用其对应的预设误差阈值进行检验，进一步提高检验准确性。示例性地，针对目标点的6个波段，分别计算对应所有样点的平均误差，将该平均误差作为该波段的总误差；然后求取6个波段的平均误差作为目标点的反射率相对误差。计算误差的具体公式为：
其中A为目标点的反射率值，B为第二参考样点集中的样点反射率值。
进一步地，示例性地，目标点所在区域为丘陵地带，误差阈值可以为40%，若反射率相对误差大于40%，则判定待检影像不合格，反之则判断待检影像合格。
为了执行上述方法实施例对应的方法，以实现相应的功能和技术效果，下面提供一种遥感反射率影像的检验装置。参见图2，图2是本申请实施例提供的一种遥感反射率影像的检验装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的遥感反射率影像的检验装置，包括：
获取模块201，用于获取待检影像的影像数据，影像数据包括时间数据、空间数据和光谱参量；
第一匹配模块202，用于基于时间数据和空间数据，对待检影像与预设的第一参考样点集进行匹配，得到与待检影像在时间上和空间上均匹配的第二参考样点集；
第二匹配模块203，用于基于光谱参量，对待检影像与第二参考样点集进行光谱匹配，得到与第二参考样点集光谱匹配的目标点；
确定模块204，用于基于目标点与第二参考样点集之间的反射率相对误差，确定待检影像的真实性。
在一实施例中，第一匹配模块202，包括：
第一检索单元，用于在第一参考样点集中，基于待检影像的空间数据进行地理分布检索，得到与待检影像在空间上匹配的第三参考样点集；
第二检索单元，用于在第三参考样点集中，基于待检影像的时间数据进行时间检索，得到与待检影像在时间上和空间上均匹配的第二参考样点集。
在一实施例中，上述检验装置，还包括：
分析模块，用于分析待检影像的影像特性，影像特性包括光谱特性，空间特性和重访周期特性；
构建模块，用于基于影像特性，构建用于检验待检影像真实性的第一参考样点集。
在一实施例中，第二匹配模块203，包括：
掩膜处理单元，用于对待检影像进行掩膜处理，得到第一影像；
第一匹配单元，用于基于光谱参量与第二参考样点集中各个波段的光谱响应函数，对第一影像与第二参考样点集进行波段间的光谱匹配，得到与第二参考样点集光谱匹配的第二影像；
第二匹配单元，用于基于第二参考样点集中的像元分辨率数据，对第二影像与第二参考样点集进行分辨率匹配，得到与第二参考样点集分辨率匹配的目标点。
在一实施例中，第一匹配单元，包括：
第一匹配子单元，用于根据第一影像的各波段中心波长与第二参考样点集中每个波段的光谱响应函数，确定目标数据，目标数据包含第一影像在目标波段范围内的各波段中心波长，以及与各波段中心波长对应的反射率值和光谱响应值；
第一处理子单元，用于对光谱响应值进行归一化处理，得到目标光谱响应值；
第二处理子单元，用于对目标光谱响应值和反射率值进行积分处理，得到第二影像。
在一实施例中，第二匹配单元，包括：
确定子单元，用于基于第二参考样点集中各个样点的坐标信息，确定各个样点在第二影像中的位置；
生成子单元，用于以样点在第二影像中的位置为中心，向外扩展若干个像素点，生成与第二参考样点集的像元分辨率数据相同的多个影像块；
第三处理子单元，用于对多个影像块进行均值处理，得到目标点。
在一实施例中，确定模块204，包括：
计算单元，用于针对目标点的每个波段，计算每个波段对应的所有样点数据的平均误差；
均值处理单元，用于对所有波段的平均误差进行均值处理，得到目标点与第二参考样点集之间的反射率相对误差；
对比单元，用于将反射率相对误差与预设误差阈值对比，确定待检影像的真实性。
上述的遥感反射率影像的检验装置可实施上述方法实施例的遥感反射率影像的检验方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图3为本申请一实施例提供的电子设备的结构示意图。如图3所示，该实施例的电子设备3包括：至少一个处理器30（图3中仅示出一个）处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
所述电子设备3可以是智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算设备。该电子设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解，图3仅仅是电子设备3的举例，并不构成对电子设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述电子设备3的内部存储单元，例如电子设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述电子设备3的外部存储设备，例如所述电子设备3上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器31还可以既包括所述电子设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (9)
1.一种遥感反射率影像的检验方法，其特征在于，包括：
获取待检影像的影像数据，所述影像数据包括时间数据、空间数据和光谱参量；
基于所述时间数据和所述空间数据，对所述待检影像与预设的第一参考样点集进行匹配，得到与所述待检影像在时间上和空间上均匹配的第二参考样点集；
基于所述光谱参量，对所述待检影像与所述第二参考样点集进行光谱匹配，得到与所述第二参考样点集光谱匹配的目标点；
基于所述目标点与所述第二参考样点集之间的反射率相对误差，确定所述待检影像的真实性；
其中，所述基于所述光谱参量，对所述待检影像与所述第二参考样点集进行光谱匹配，得到与所述第二参考样点集光谱匹配的目标点，包括：
对所述待检影像进行掩膜处理，得到第一影像；
基于所述光谱参量与所述第二参考样点集中各个波段的光谱响应函数，对所述第一影像与所述第二参考样点集进行波段间的光谱匹配，得到与所述第二参考样点集光谱匹配的第二影像；
基于所述第二参考样点集中的像元分辨率数据，对所述第二影像与所述第二参考样点集进行分辨率匹配，得到与所述第二参考样点集分辨率匹配的所述目标点。
2.根据权利要求1所述的检验方法，其特征在于，所述基于所述时间数据和所述空间数据，将所述待检影像与预设的第一参考样点集进行匹配，得到与所述待检影像在时间上和空间上均匹配的第二参考样点集，包括：
在所述第一参考样点集中，基于所述待检影像的空间数据进行地理分布检索，得到与所述待检影像在空间上匹配的第三参考样点集；
在所述第三参考样点集中，基于所述待检影像的时间数据进行时间检索，得到与所述待检影像在时间上和空间上均匹配的所述第二参考样点集。
3.根据权利要求1所述的检验方法，其特征在于，所述基于所述时间数据和空间数据，将所述待检影像与预设的第一参考样点集进行匹配，得到与所述待检影像在时间上和空间上均匹配的第二参考样点集之前，还包括：
分析所述待检影像的影像特性，所述影像特性包括光谱特性，空间特性和重访周期特性；
基于所述影像特性，构建用于检验所述待检影像真实性的第一参考样点集。
4.根据权利要求1所述的检验方法，其特征在于，所述基于所述光谱参量与所述第二参考样点集中各个波段的光谱响应函数，对所述第一影像与所述第二参考样点集进行波段间的光谱匹配，得到与所述第二参考样点集光谱匹配的第二影像，包括：
根据所述第一影像的各波段中心波长与所述第二参考样点集中每个波段的光谱响应函数，确定目标数据，所述目标数据包含所述第一影像在目标波段范围内的各波段中心波长，以及与所述各波段中心波长对应的反射率值和光谱响应值；
对所述光谱响应值进行归一化处理，得到目标光谱响应值；
对所述目标光谱响应值和所述反射率值进行积分处理，得到所述第二影像。
5.根据权利要求1所述的检验方法，其特征在于，所述基于所述第二参考样点集中的像元分辨率数据，对所述第二影像与所述第二参考样点集进行分辨率匹配，得到与所述第二参考样点集分辨率匹配的所述目标点，包括：
基于所述第二参考样点集中各个样点的坐标信息，确定各个所述样点在所述第二影像中的位置；
以所述样点在所述第二影像中的位置为中心，向外扩展若干个像素点，生成与所述第二参考样点集的像元分辨率数据相同的多个影像块；
对多个所述影像块进行均值处理，得到所述目标点。
6.根据权利要求1所述的检验方法，其特征在于，所述第二参考样点集包括多个样点数据，所述基于所述目标点与所述第二参考样点集之间的反射率相对误差，确定所述待检影像的真实性，包括：
针对所述目标点的每个目标波段，计算所有所述目标点和所述样点数据之间的反射率平均误差；
对所有所述目标波段的所述反射率平均误差进行均值处理，得到所述目标点与所述第二参考样点集之间的所述反射率相对误差；
将所述反射率相对误差与预设误差阈值对比，确定所述待检影像的真实性。
7.一种遥感反射率影像的检验装置，其特征在于，包括：
获取模块，用于获取待检影像的影像数据，所述影像数据包括时间数据、空间数据和光谱参量；
第一匹配模块，用于基于所述时间数据和所述空间数据，对所述待检影像与预设的第一参考样点集进行匹配，得到与所述待检影像在时间上和空间上均匹配的第二参考样点集；
第二匹配模块，用于基于所述光谱参量，对所述待检影像与所述第二参考样点集进行光谱匹配，得到与所述第二参考样点集光谱匹配的目标点；
确定模块，用于基于所述目标点与所述第二参考样点集之间的反射率相对误差，确定所述待检影像的真实性；
其中，所述第二匹配模块，包括：
掩膜处理单元，用于对所述待检影像进行掩膜处理，得到第一影像；
第一匹配单元，用于基于所述光谱参量与所述第二参考样点集中各个波段的光谱响应函数，对所述第一影像与所述第二参考样点集进行波段间的光谱匹配，得到与所述第二参考样点集光谱匹配的第二影像；
第二匹配单元，用于基于所述第二参考样点集中的像元分辨率数据，对所述第二影像与所述第二参考样点集进行分辨率匹配，得到与所述第二参考样点集分辨率匹配的所述目标点。
8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至6中任一项所述的检验方法。
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的检验方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110611426.0A CN113052153B (zh) | 2021-06-02 | 2021-06-02 | 遥感反射率影像的检验方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110611426.0A CN113052153B (zh) | 2021-06-02 | 2021-06-02 | 遥感反射率影像的检验方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113052153A CN113052153A (zh) | 2021-06-29 |
| CN113052153B true CN113052153B (zh) | 2021-09-17 |
Family
ID=76518600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110611426.0A Active CN113052153B (zh) | 2021-06-02 | 2021-06-02 | 遥感反射率影像的检验方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113052153B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114252404B (zh) * | 2021-12-27 | 2022-12-20 | 中科星通(廊坊)信息技术有限公司 | 一种高光谱卫星下的产品真实性检验系统及方法 |
| CN116678849B (zh) * | 2023-08-04 | 2023-10-27 | 自然资源实物地质资料中心 | 一种岩心光谱扫描仪的质量控制方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111879709A (zh) * | 2020-07-15 | 2020-11-03 | 中国科学院空天信息创新研究院 | 湖泊水体光谱反射率检验方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103198478A (zh) * | 2013-03-25 | 2013-07-10 | 北京航空航天大学 | 基于协整理论的光谱匹配检测方法 |
| CN103198483B (zh) * | 2013-04-07 | 2015-09-30 | 西安电子科技大学 | 基于边缘和光谱反射率曲线的多时相遥感图像配准方法 |
| CN108961325B (zh) * | 2018-06-13 | 2021-12-24 | 中国科学院光电研究院 | 多/高光谱遥感图像波段间配准方法 |
| US11640653B2 (en) * | 2019-07-01 | 2023-05-02 | Advanced Remote Sensing Inc. | Method to correct satellite data to surface reflectance using scene statistics |
-
2021
- 2021-06-02 CN CN202110611426.0A patent/CN113052153B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111879709A (zh) * | 2020-07-15 | 2020-11-03 | 中国科学院空天信息创新研究院 | 湖泊水体光谱反射率检验方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113052153A (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nuthammachot et al. | Combined use of Sentinel-1 and Sentinel-2 data for improving above-ground biomass estimation | |
| Raczko et al. | Comparison of support vector machine, random forest and neural network classifiers for tree species classification on airborne hyperspectral APEX images | |
| Peng et al. | Assessment of plant species diversity based on hyperspectral indices at a fine scale | |
| Berberoglu et al. | Assessing different remote sensing techniques to detect land use/cover changes in the eastern Mediterranean | |
| CN109974665B (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
| Lin et al. | Radiometric normalization and cloud detection of optical satellite images using invariant pixels | |
| Vargo et al. | Anthropogenic warming forces extreme annual glacier mass loss | |
| Wu et al. | Assessing woody biomass in African tropical savannahs by multiscale remote sensing | |
| CN113052153B (zh) | 遥感反射率影像的检验方法、装置、电子设备及存储介质 | |
| Hally et al. | Advances in active fire detection using a multi-temporal method for next-generation geostationary satellite data | |
| Malahlela | Inland waterbody mapping: Towards improving discrimination and extraction of inland surface water features | |
| Liu et al. | A physical explanation of the variation in threshold for delineating terrestrial water surfaces from multi-temporal images: effects of radiometric correction | |
| CN107895136B (zh) | 一种煤矿区域识别方法及系统 | |
| CN114219847B (zh) | 基于物候特征的作物种植面积确定方法、系统及存储介质 | |
| US10650498B2 (en) | System, method, and non-transitory, computer-readable medium containing instructions for image processing | |
| CN112446397A (zh) | 基于遥感和随机森林的产草量估算方法、装置及存储介质 | |
| Ariza et al. | Empirical line model for the atmospheric correction of sentinel-2A MSI images in the Caribbean Islands | |
| CN113033063A (zh) | 海表温度的反演方法、装置、电子设备及存储介质 | |
| CN115825388A (zh) | 一种重金属估算模型的训练方法、估算方法、装置及设备 | |
| Chraibi et al. | Stability in time and consistency between atmospheric corrections: Assessing the reliability of Sentinel-2 products for biodiversity monitoring in tropical forests | |
| de Vries et al. | Robust global detection of forced changes in mean and extreme precipitation despite observational disagreement on the magnitude of change | |
| Tian et al. | Classification of planted forest species in southern China with airborne hyperspectral and LiDAR data | |
| Végh et al. | Remote sensing of forest diversities: the effect of image resolution and spectral plot extent | |
| CN117664874A (zh) | 一种基于空天地结合的河口地区咸潮上溯监测方法及系统 | |
| CN116824410A (zh) | 针对高光谱遥感影像数据的植被覆盖度的反演方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |