CN113125351B - 一种多时次遥感影像优化合成方法及系统 - Google Patents

一种多时次遥感影像优化合成方法及系统 Download PDF

Info

Publication number
CN113125351B
CN113125351B CN202110318296.1A CN202110318296A CN113125351B CN 113125351 B CN113125351 B CN 113125351B CN 202110318296 A CN202110318296 A CN 202110318296A CN 113125351 B CN113125351 B CN 113125351B
Authority
CN
China
Prior art keywords
matrix
gamma
zenith angle
remote sensing
weight
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
Application number
CN202110318296.1A
Other languages
English (en)
Other versions
CN113125351A (zh
Inventor
范锦龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Satellite Meteorological Center
Original Assignee
National Satellite Meteorological Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Satellite Meteorological Center filed Critical National Satellite Meteorological Center
Priority to CN202110318296.1A priority Critical patent/CN113125351B/zh
Publication of CN113125351A publication Critical patent/CN113125351A/zh
Application granted granted Critical
Publication of CN113125351B publication Critical patent/CN113125351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种多时次遥感影像优化合成方法及系统，涉及遥感影像处理领域。该方法包括：获取光谱波段数据、太阳天顶角和观测天顶角；对应生成矩阵以及三个赋值为0的权重矩阵γ1、γ2以及γ3；根据预设规则对三个矩阵进行赋值；将三个矩阵叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；重复上述过程，直至所有波段均完成上述步骤，生成完整输出文件。本发明能够达到提取出最优质影像的效果。

Description

一种多时次遥感影像优化合成方法及系统
技术领域
本发明涉及遥感影像处理领域，尤其涉及一种多时次遥感影像优化合成方法及系统。
背景技术
极轨卫星依倾斜轨道对地球进行光学成像，获得的影像在几何纠正以后，在低纬度地区，前后两个轨道影像间的重叠区域比较小，有时甚至还有缝隙，而在地球极区之外的高纬度地区，影像间的重叠区域很大，一日内有时可获得多达5幅影像，只有把这些影像合成为一幅高质量的影像，才能保持与低纬度地区的影像一致，生成一幅完整的全球影像。
具有地理坐标的同一地区多幅影像可以通过图像拼接的方式进行合成，最终的影像到底是取自哪一幅，是否取自质量最好的影像，没有办法控制。为了去除云的影响，通常采用植被指数最大值法将10天的影像合成为一幅影像，但是高纬度地区遥感影像的光照条件变化比较大、观测几何带来的畸变也比较严重，植被指数最大值法也不是把质量最好的影像取出来。且现有技术方案是适当约束卫星观测角，把卫星观测角较小的影像数据取出来。但并没有考虑太阳的光照条件。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种多时次遥感影像优化合成方法及系统。
本发明解决上述技术问题的技术方案如下：一种多时次遥感影像优化合成方法，包括：
步骤1，获取待处理区域的待合成的n个光学遥感影像文件，所述光学遥感影像文件包括：光谱波段数据、太阳天顶角和观测天顶角；
步骤2，根据每个光学遥感影像文件中的光谱波段数据的同一波段数据生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3；
步骤3，计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行比较，根据第一组阈值VZA1对第一权重矩阵γ1进行赋值；
步骤4，将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，根据比较结果，对第二权重矩阵γ2进行赋值；
步骤5，对所述光谱波段矩阵Ref中每一波段层进行数值有效性计算，根据计算结果对第三权重矩阵γ3进行赋值；
步骤6，将所述第一权重矩阵γ1、所述第二权重矩阵γ2以及所述第三权重矩阵γ3进行叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；
步骤7，依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；
步骤8，重复步骤2至步骤7，直至所有波段均完成上述步骤，生成完整输出文件。
本发明的有益效果是：通过对遥感影像文件中光谱波段数据、太阳天顶角和观测天顶角数据的集成可以保证数据的全面性，进一步可以提高对于遥感影像的成像质量，另外通过给予卫星观测角、太阳光照条件以及所需区域的图像一体性不同的权重，一方面可以方便计算，另一方面便于后续提取出最优质的影像。
进一步，n个光学遥感影像文件的空间维度相同，
进一步，步骤2具体为：
根据每个光学遥感影像文件中的光谱波段数据的同一波段数据按照文件的顺序叠放生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角按照文件的顺序叠放生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角按照文件的顺序叠放生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3。
进一步，计算正午时刻的太阳天顶角SZA12的具体公式为：
SZA12＝Latitude-δ
其中，Latitude为影像像元的维度，δ为当天的太阳赤纬；
Latitude＝Lat-nl*ppi
其中，Lat为输入影像的最北纬度坐标，nl为像元的行数，ppi为像元的分辨率；
Figure BDA0002991708160000031
其中，DAY为当天在年中的日计数，π为圆周率。
进一步，步骤3之前还包括：
若光学遥感影像文件中的数据非经纬度投影数据，则将像元的坐标相应转为经纬度投影数据。
进一步，步骤3具体为：
计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行差值的绝对值的计算，当绝对值小于第一组阈值SZA1时，对第一权重矩阵γ1中像元的对应位置赋值第一权重数，当绝对值在第一组阈值SZA1的第一个和第二个值之间，则对第一权重矩阵γ1中像元的对应位置赋值第二权重数。
进一步，步骤4具体为：
将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，若像元的数值小于第二组阈值VZA2中的第一个值，则对第二权重矩阵γ2中像元的对应位置赋值第三权重数，若像元的数值在第二组阈值VZA2和第一个值和第二个值之间，则对第二权重矩阵γ2中像元的对应位置赋值第四权重数。
进一步，步骤5具体为：
对所述光谱波段矩阵Ref中每一波段层的有效值进行判断，并计算出背景值不为0的像元总数，通过对不同波段的背景值不为0的像元总数的比较，对第三权重矩阵γ3中像元总数最高的波段对应位置赋值第五权重数，对第三权重矩阵γ3中像元总数第二多的波段对应位置赋值第六权重数。
本发明解决上述技术问题的另一种技术方案如下：一种多时次遥感影像优化合成系统，包括：
获取模块，用于获取待处理区域的待合成的n个光学遥感影像文件，所述光学遥感影像文件包括：光谱波段数据、太阳天顶角和观测天顶角；
生成模块，用于根据每个光学遥感影像文件中的光谱波段数据的同一波段数据、太阳天顶角和观测天顶角，对应生成光谱波段矩阵Ref、太阳天顶角矩阵SZA和观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3；
第一赋值模块，用于计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行比较，根据第一组阈值，对第一权重矩阵γ1进行赋值；
第二赋值模块，用于将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，根据比较结果，对第二权重矩阵γ2进行赋值；
第三赋值模块，用于对所述光谱波段矩阵Ref中每一波段层进行数值有效性计算，根据计算结果对第三权重矩阵γ3进行赋值；
选取模块，用于将所述第一权重矩阵γ1、所述第二权重矩阵γ2以及所述第三权重矩阵γ3进行叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；
输出模块，用于依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；
重复模块，用于重复生成模块至输出模块，直至所有波段均完成上述步骤，生成完整输出文件。
本发明的有益效果是：通过对遥感影像文件中光谱波段数据、太阳天顶角和观测天顶角数据的集成可以保证数据的全面性，进一步可以提高对于遥感影像的成像质量，另外通过给予卫星观测角、太阳光照条件以及所需区域的图像一体性不同的权重，一方面可以方便计算，另一方面便于后续提取出最优质的影像。
进一步，n个光学遥感影像文件的空间维度相同。
进一步，生成模块具体用于：
根据每个光学遥感影像文件中的光谱波段数据的同一波段数据按照文件的顺序叠放生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角按照文件的顺序叠放生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角按照文件的顺序叠放生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3。
进一步，计算正午时刻的太阳天顶角SZA12的具体公式为：
SZA12＝Latitude-δ
其中，Latitude为影像像元的维度，δ为当天的太阳赤纬；
Latitude＝Lat-nl*ppi
其中，Lat为输入影像的最北纬度坐标，nl为像元的行数，ppi为像元的分辨率；
Figure BDA0002991708160000061
其中，DAY为当天在年中的日计数，π为圆周率。
进一步，还包括：
转换模块，用于若光学遥感影像文件中的数据非经纬度投影数据，则将像元的坐标相应转为经纬度投影数据。
进一步，第一赋值模块具体用于：
计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行差值的绝对值的计算，当绝对值小于第一组阈值SZA1的第一个值时，对第一权重矩阵γ1中像元的对应位置赋值第一权重数，当绝对值在第一组阈值SZA1的第一个和第二个值之间，则对第一权重矩阵γ1中像元的对应位置赋值第二权重数。
进一步，第二赋值模块具体用于：
将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，若像元的数值小于第二组阈值VZA2中的第一个值，则对第二权重矩阵γ2中像元的对应位置赋值第三权重数，若像元的数值在第二组阈值VZA2和第一个值和第二个值之间，则对第二权重矩阵γ2中像元的对应位置赋值第四权重数。
进一步，第三赋值模块具体用于：
对所述光谱波段矩阵Ref中每一波段层的有效值进行判断，并计算出背景值不为0的像元总数，通过对不同波段的背景值不为0的像元总数的比较，对第三权重矩阵γ3中像元总数最高的波段对应位置赋值第五权重数，对第三权重矩阵γ3中像元总数第二多的波段对应位置赋值第六权重数。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明一种多时次遥感影像优化合成方法的实施例提供的流程示意图；
图2为本发明一种多时次遥感影像优化合成系统的实施例提供的结构框架图；
图3为本发明一种多时次遥感影像优化合成方法的实施例提供的输入影像图；
图4为本发明一种多时次遥感影像优化合成方法的实施例提供的第一生成结果图；
图5为本发明一种多时次遥感影像优化合成方法的实施例提供的第二生成结果图；
图6为本发明一种多时次遥感影像优化合成方法的实施例提供的第三生成结果图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种多时次遥感影像优化合成方法，包括：
步骤1，获取待处理区域的待合成的n个光学遥感影像文件，所述光学遥感影像文件包括：光谱波段数据、太阳天顶角和观测天顶角；
步骤2，根据每个光学遥感影像文件中的光谱波段数据的同一波段数据生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3；
步骤3，计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行比较，根据第一组阈值VZA1对第一权重矩阵γ1进行赋值；
步骤4，将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，根据比较结果，对第二权重矩阵γ2进行赋值；
步骤5，对所述光谱波段矩阵Ref中每一波段层进行数值有效性计算，根据计算结果对第三权重矩阵γ3进行赋值；
步骤6，将所述第一权重矩阵γ1、所述第二权重矩阵γ2以及所述第三权重矩阵γ3进行叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；
步骤7，依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；
步骤8，重复步骤2至步骤7，直至所有波段均完成上述步骤，生成完整输出文件。
在一些可能的实施方式中，通过对遥感影像文件中光谱波段数据、太阳天顶角和观测天顶角数据的集成可以保证数据的全面性，进一步可以提高对于遥感影像的成像质量，另外通过给予卫星观测角、太阳光照条件以及所需区域的图像一体性不同的权重，一方面可以方便计算，另一方面便于后续提取出最优质的影像。
需要说明的是，光学遥感影像文件中的光谱波段数据为由不同波段所组成的图像组，并非平面图片，第一权重矩阵γ1与太阳天顶角矩阵SZA维数相同，同理，第二权重矩阵γ2以及第三权重矩阵γ3也均与其对应的观测天顶角矩阵VZA、光谱波段矩阵Ref维数相同，矩阵叠加计算仅做相同位置的数字叠加即可，根据指数矩阵λ，提取数值矩阵η中的数据，将数据作为该波段的输出数据，可以理解为，将同一波段的光谱波段数据按照文件的顺序依次取出并集合成数值矩阵η，根据指数矩阵λ中的具体数值以及位置判定应将数值矩阵中的哪一层数据进行输出，例如，指数矩阵λ第一行第一列的数字若为2，那么则代表，第一行第一列这个位置的像元最优的图像为第二层图像，在数值矩阵η中找到第二层的图像，将数值矩阵η中的第二层的图像作为第一行第一列这个位置的最优图像输出。
优选地，在上述任意实施例中，n个光学遥感影像文件的空间维度相同。
需要说明的是，所有遥感影像文件的空间维度均相同，都为影像数据的列数为NS，行数为NL，波段数量为NB。
优选地，在上述任意实施例中，步骤2具体为：
根据每个光学遥感影像文件中的光谱波段数据的同一波段数据按照文件的顺序叠放生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角按照文件的顺序叠放生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角按照文件的顺序叠放生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3。
优选地，在上述任意实施例中，计算正午时刻的太阳天顶角SZA12的具体公式为：
SZA12＝Latitude-δ
其中，Latitude为影像像元的维度，δ为当天的太阳赤纬；
Latitude＝Lat-nl*ppi
其中，Lat为输入影像的最北纬度坐标，nl为像元的行数，ppi为像元的分辨率；
Figure BDA0002991708160000101
其中，DAY为当天在年中的日计数，π为圆周率。
优选地，在上述任意实施例中，步骤3之前还包括：
若光学遥感影像文件中的数据非经纬度投影数据，则将像元的坐标相应转为经纬度投影数据。
优选地，在上述任意实施例中，步骤3具体为：
计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行差值的绝对值的计算，当绝对值小于第一组阈值SZA1的第一个值时，对第一权重矩阵γ1中像元的对应位置赋值第一权重数，当绝对值在第一组阈值SZA1的第一个和第二个值之间，则对第一权重矩阵γ1中像元的对应位置赋值第二权重数。
需要说明的是，第一权重数可为2，第二权重数可为1，上述规定并非限定，可根据实际情况或习惯进行调整。
优选地，在上述任意实施例中，步骤4具体为：
将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，若像元的数值小于第二组阈值VZA2中的第一个值，则对第二权重矩阵γ2中像元的对应位置赋值第三权重数，若像元的数值在第二组阈值VZA2和第一个值和第二个值之间，则对第二权重矩阵γ2中像元的对应位置赋值第四权重数。
需要说明的是，第三权重数可以为2，第四权重数可以为1，上述规定并非限定，可根据实际情况或习惯进行调整，为便于理解，以SZA1＝20，SZA2＝35，VZA1＝40，VZA2＝53为例进行说明，如图3所示，输入影像为风云三号C星VIRR数据，影像空间范围经度为-160至-150，纬度为60-70，观测时间分别为2020/06/21 19:35，2020/06/21 21:15，2020/06/2122:55，2020/06/22 00:35，2020/06/22 02:15，合成结果如图4所示，影像空间范围经度为-80至-70，纬度为60-70，合成结果如图5所示，影像空间范围经度为-110至-10，纬度为50-60，合成结果如图6所示，另外，对在权重矩阵中像元的对应位置进行赋值做进一步解释，权重矩阵为三维矩阵，以第一行第一列这个位置为例，将所有层的第一行第一列位置组成一个“像元矩阵”，并将该“像元矩阵”中每一层的数值与第一阈值VZA1进行比较，若第二层的数据比第一阈值VZA1小，则对第二权重矩阵γ2中第二层的第一行第一列位置赋值第三权重数，以此类推。
优选地，在上述任意实施例中，步骤5具体为：
对所述光谱波段矩阵Ref中每一波段层的有效值进行判断，并计算出背景值不为0的像元总数，通过对不同波段的背景值不为0的像元总数的比较，对第三权重矩阵γ3中像元总数最高的波段对应位置赋值第五权重数，对第三权重矩阵γ3中像元总数第二多的波段对应位置赋值第六权重数。
需要说明的是，第五权重数可以为2，第六权重数可以为1，第七权重数可以为0，上述规定并非限定，可根据实际情况或习惯进行调整。
如图2所示，一种多时次遥感影像优化合成系统，包括：
获取模块，用于获取待处理区域的待合成的n个光学遥感影像文件，所述光学遥感影像文件包括：光谱波段数据、太阳天顶角和观测天顶角；
生成模块，用于根据每个光学遥感影像文件中的光谱波段数据的同一波段数据、太阳天顶角和观测天顶角，对应生成光谱波段矩阵Ref、太阳天顶角矩阵SZA和观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3；
第一赋值模块，用于计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行比较，根据第一组阈值，对第一权重矩阵γ1进行赋值；
第二赋值模块，用于将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，根据比较结果，对第二权重矩阵γ2进行赋值；
第三赋值模块，用于对所述光谱波段矩阵Ref中每一波段层进行数值有效性计算，根据计算结果对第三权重矩阵γ3进行赋值；
选取模块，用于将所述第一权重矩阵γ1、所述第二权重矩阵γ2以及所述第三权重矩阵γ3进行叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；
输出模块，用于依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；
重复模块，用于重复生成模块至输出模块，直至所有波段均完成上述步骤，生成完整输出文件。
在一些可能的实施方式中，通过对遥感影像文件中光谱波段数据、太阳天顶角和观测天顶角数据的集成可以保证数据的全面性，进一步可以提高对于遥感影像的成像质量，另外通过给予卫星观测角、太阳光照条件以及所需区域的图像一体性不同的权重，一方面可以方便计算，另一方面便于后续提取出最优质的影像。
优选地，在上述任意实施例中，n个光学遥感影像文件的空间维度相同。
优选地，在上述任意实施例中，生成模块200具体用于：
根据每个光学遥感影像文件中的光谱波段数据的同一波段数据按照文件的顺序叠放生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角按照文件的顺序叠放生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角按照文件的顺序叠放生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3。
优选地，在上述任意实施例中，计算正午时刻的太阳天顶角SZA12的具体公式为：
SZA12＝Latitude-δ
其中，Latitude为影像像元的维度，δ为当天的太阳赤纬；
Latitude＝Lat-nl*ppi
其中，Lat为输入影像的最北纬度坐标，nl为像元的行数，ppi为像元的分辨率；
Figure BDA0002991708160000131
其中，DAY为当天在年中的日计数，π为圆周率。
优选地，在上述任意实施例中，还包括：
转换模块，用于若光学遥感影像文件中的数据非经纬度投影数据，则将像元的坐标相应转为经纬度投影数据。
优选地，在上述任意实施例中，第一赋值模块300具体用于：
计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行差值的绝对值的计算，当绝对值小于第一组阈值SZA1的第一个值时，对第一权重矩阵γ1中像元的对应位置赋值第一权重数，当绝对值在第一组阈值SZA1的第一个和第二个值之间，则对第一权重矩阵γ1中像元的对应位置赋值第二权重数。
优选地，在上述任意实施例中，第二赋值模块400具体用于：
将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，若像元的数值小于第二组阈值VZA2中的第一个值，则对第二权重矩阵γ2中像元的对应位置赋值第三权重数，若像元的数值在第二组阈值VZA2和第一个值和第二个值之间，则对第二权重矩阵γ2中像元的对应位置赋值第四权重数。
优选地，在上述任意实施例中，第三赋值模块500具体用于：
对所述光谱波段矩阵Ref中每一波段层的有效值进行判断，并计算出背景值不为0的像元总数，通过对不同波段的背景值不为0的像元总数的比较，对第三权重矩阵γ3中像元总数最高的波段对应位置赋值第五权重数，对第三权重矩阵γ3中像元总数第二多的波段对应位置赋值第六权重数。
可以理解，在一些实施例中，可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是，上述各实施例是与在先方法实施例对应的产品实施例，对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
上述方法如果以软件功能单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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)执行本发明各个实施例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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种多时次遥感影像优化合成方法，其特征在于，包括：
步骤1，获取待处理区域的待合成的n个光学遥感影像文件，所述光学遥感影像文件包括：光谱波段数据、太阳天顶角和观测天顶角；
步骤2，根据每个光学遥感影像文件中的光谱波段数据的同一波段数据生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3；
步骤3，计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行比较，根据比较结果，利用第一组阈值SZA1对第一权重矩阵γ1进行赋值；
步骤4，将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，根据比较结果，对第二权重矩阵γ2进行赋值；
步骤5，对所述光谱波段矩阵Ref中每一波段层进行数值有效性计算，根据计算结果对第三权重矩阵γ3进行赋值；
步骤6，将所述第一权重矩阵γ1、所述第二权重矩阵γ2以及所述第三权重矩阵γ3进行叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；
步骤7，依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；
步骤8，重复步骤2至步骤7，直至所有波段均完成上述步骤，生成完整输出文件；
其中，步骤3具体为：
计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行差值的绝对值的计算，当绝对值小于第一组阈值SZA1的第一个值时，对第一权重矩阵γ1中像元的对应位置赋值第一权重数，当绝对值在第一组阈值SZA1的第一个和第二个值之间，则对第一权重矩阵γ1中像元的对应位置赋值第二权重数；
步骤4具体为：
将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA1进行比较，若像元的数值小于第二组阈值VZA1中的第一个值，则对第二权重矩阵γ2中像元的对应位置赋值第三权重数，若像元的数值在第二组阈值VZA1的第一个值和第二个值之间，则对第二权重矩阵γ2中像元的对应位置赋值第四权重数。
2.根据权利要求1所述的一种多时次遥感影像优化合成方法，其特征在于，n个光学遥感影像文件的空间维度相同。
3.根据权利要求1所述的一种多时次遥感影像优化合成方法，其特征在于，步骤2具体为：
根据每个光学遥感影像文件中的光谱波段数据的同一波段数据按照文件的顺序叠放生成光谱波段矩阵Ref，根据每个光学遥感影像文件中的太阳天顶角按照文件的顺序叠放生成太阳天顶角矩阵SZA，根据每个光学遥感影像文件中的观测天顶角按照文件的顺序叠放生成观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3。
4.根据权利要求1所述的一种多时次遥感影像优化合成方法，其特征在于，计算正午时刻的太阳天顶角SZA12的具体公式为：
SZA12＝Latitude-δ
其中，Latitude为影像像元的维度，δ为当天的太阳赤纬；
Latitude＝Lat-nl*ppi
其中，Lat为输入影像的最北纬度坐标，nl为像元的行数，ppi为像元的分辨率；
Figure FDA0003881201250000031
其中，DAY为当天在年中的日计数，π为圆周率。
5.根据权利要求4所述的一种多时次遥感影像优化合成方法，其特征在于，步骤3之前还包括：
若光学遥感影像文件中的数据非经纬度投影数据，则将像元的坐标相应转为经纬度投影数据。
6.根据权利要求1所述的一种多时次遥感影像优化合成方法，其特征在于，步骤5具体为：
对所述光谱波段矩阵Ref中每一波段层的有效值进行判断，并计算出背景值不为0的像元总数，通过对不同波段的背景值不为0的像元总数的比较，对第三权重矩阵γ3中像元总数最高的波段对应位置赋值第五权重数，对第三权重矩阵γ3中像元总数第二多的波段对应位置赋值第六权重数。
7.一种多时次遥感影像优化合成系统，其特征在于，包括：
获取模块，用于获取待处理区域的待合成的n个光学遥感影像文件，所述光学遥感影像文件包括：光谱波段数据、太阳天顶角和观测天顶角；
生成模块，用于根据每个光学遥感影像文件中的光谱波段数据的同一波段数据、太阳天顶角和观测天顶角，对应生成光谱波段矩阵Ref、太阳天顶角矩阵SZA和观测天顶角矩阵VZA，同时生成三个赋值为0的权重矩阵γ1、γ2以及γ3；
第一赋值模块，用于计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行比较，根据第一组阈值，对第一权重矩阵γ1进行赋值；
第二赋值模块，用于将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA2进行比较，根据比较结果，对第二权重矩阵γ2进行赋值；
第三赋值模块，用于对所述光谱波段矩阵Ref中每一波段层进行数值有效性计算，根据计算结果对第三权重矩阵γ3进行赋值；
选取模块，用于将所述第一权重矩阵γ1、所述第二权重矩阵γ2以及所述第三权重矩阵γ3进行叠加计算，生成最终权重矩阵γ，对所述最终权重矩阵γ中每个像元按波段层取最大值，并根据选取结果生成指数矩阵λ；
输出模块，用于依次读取n个光学遥感影像文件中同一波段的光谱波段数据，生成数值矩阵η，根据所述指数矩阵λ，提取所述数值矩阵η中的数据，将所述数据作为该波段的输出数据；
重复模块，用于重复生成模块至输出模块，直至所有波段均完成上述步骤，生成完整输出文件；
其中，步骤3具体为：
计算正午时刻的太阳天顶角SZA12，将所述太阳天顶角矩阵SZA中各像元的数值与所述正午时刻的太阳天顶角SZA12进行差值的绝对值的计算，当绝对值小于第一组阈值SZA1的第一个值时，对第一权重矩阵γ1中像元的对应位置赋值第一权重数，当绝对值在第一组阈值SZA1的第一个和第二个值之间，则对第一权重矩阵γ1中像元的对应位置赋值第二权重数；
步骤4具体为：
将所述观测天顶角矩阵VZA中各像元的数值与第二组阈值VZA1进行比较，若像元的数值小于第二组阈值VZA1中的第一个值，则对第二权重矩阵γ2中像元的对应位置赋值第三权重数，若像元的数值在第二组阈值VZA1的第一个值和第二个值之间，则对第二权重矩阵γ2中像元的对应位置赋值第四权重数。
8.根据权利要求7所述的一种多时次遥感影像优化合成系统，其特征在于，n个光学遥感影像文件的空间维度相同。
CN202110318296.1A 2021-03-25 2021-03-25 一种多时次遥感影像优化合成方法及系统 Active CN113125351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110318296.1A CN113125351B (zh) 2021-03-25 2021-03-25 一种多时次遥感影像优化合成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110318296.1A CN113125351B (zh) 2021-03-25 2021-03-25 一种多时次遥感影像优化合成方法及系统

Publications (2)

Publication Number Publication Date
CN113125351A CN113125351A (zh) 2021-07-16
CN113125351B true CN113125351B (zh) 2022-11-29

Family

ID=76773873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110318296.1A Active CN113125351B (zh) 2021-03-25 2021-03-25 一种多时次遥感影像优化合成方法及系统

Country Status (1)

Country Link
CN (1) CN113125351B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886793A (zh) * 2017-01-23 2017-06-23 西安电子科技大学 基于判别信息和流形信息的高光谱图像波段选择方法
CN107274380A (zh) * 2017-07-07 2017-10-20 北京大学 一种无人机多光谱影像快速拼接方法
CN108627879A (zh) * 2018-05-10 2018-10-09 中南林业科技大学 一种多源气象卫星云检测方法
CN108961199A (zh) * 2018-07-19 2018-12-07 中国科学院遥感与数字地球研究所 多源遥感数据时空融合方法及装置
CN109961418A (zh) * 2019-03-19 2019-07-02 中国林业科学研究院资源信息研究所 一种基于多时相光学遥感数据的无云影像合成算法
CN110334581A (zh) * 2019-05-09 2019-10-15 宁波市测绘设计研究院 一种多源遥感影像变化检测方法
RU2712464C1 (ru) * 2019-04-08 2020-01-29 Федеральное государственное бюджетное учреждение науки Ордена Трудового Красного Знамени Институт солнечно-земной физики Сибирского отделения Российской академии наук (ИСЗФ СО РАН) Способ измерения вертикальных профилей показателя преломления воздуха для коррекции солнечных изображений
CN111062267A (zh) * 2019-11-28 2020-04-24 内蒙古农业大学 一种时间序列遥感影像降维方法
CN111583132A (zh) * 2020-04-20 2020-08-25 国家卫星气象中心(国家空间天气监测预警中心) 一种去除遥感影像异常条带式噪声的方法、装置、设备及介质
CN112053350A (zh) * 2020-09-04 2020-12-08 国家卫星气象中心(国家空间天气监测预警中心) 一种感兴趣区域遥感数据拼接裁剪处理方法、装置及计算机设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130314699A1 (en) * 2012-05-25 2013-11-28 Solmetric Corp. Solar resource measurement system
CN103578110B (zh) * 2013-11-12 2016-06-08 河海大学 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法
WO2018028191A1 (zh) * 2016-08-10 2018-02-15 福州大学 一种基于波段比模型和太阳高度角的tavi计算方法
CN109101894B (zh) * 2018-07-19 2019-08-06 山东科技大学 一种地表类型数据支持的遥感图像云阴影检测方法
CN111123382B (zh) * 2019-12-25 2020-11-13 中国科学院遥感与数字地球研究所 一种气溶胶和地表参数联合反演方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886793A (zh) * 2017-01-23 2017-06-23 西安电子科技大学 基于判别信息和流形信息的高光谱图像波段选择方法
CN107274380A (zh) * 2017-07-07 2017-10-20 北京大学 一种无人机多光谱影像快速拼接方法
CN108627879A (zh) * 2018-05-10 2018-10-09 中南林业科技大学 一种多源气象卫星云检测方法
CN108961199A (zh) * 2018-07-19 2018-12-07 中国科学院遥感与数字地球研究所 多源遥感数据时空融合方法及装置
CN109961418A (zh) * 2019-03-19 2019-07-02 中国林业科学研究院资源信息研究所 一种基于多时相光学遥感数据的无云影像合成算法
RU2712464C1 (ru) * 2019-04-08 2020-01-29 Федеральное государственное бюджетное учреждение науки Ордена Трудового Красного Знамени Институт солнечно-земной физики Сибирского отделения Российской академии наук (ИСЗФ СО РАН) Способ измерения вертикальных профилей показателя преломления воздуха для коррекции солнечных изображений
CN110334581A (zh) * 2019-05-09 2019-10-15 宁波市测绘设计研究院 一种多源遥感影像变化检测方法
CN111062267A (zh) * 2019-11-28 2020-04-24 内蒙古农业大学 一种时间序列遥感影像降维方法
CN111583132A (zh) * 2020-04-20 2020-08-25 国家卫星气象中心(国家空间天气监测预警中心) 一种去除遥感影像异常条带式噪声的方法、装置、设备及介质
CN112053350A (zh) * 2020-09-04 2020-12-08 国家卫星气象中心(国家空间天气监测预警中心) 一种感兴趣区域遥感数据拼接裁剪处理方法、装置及计算机设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FY-3C中分辨率成像光谱仪数据的窄波段地表反照率验证研究;赵春亮等;《遥感技术与应用》;20200229;第35卷(第01期);全文 *
应用单波段亮度变化率获取无云干扰的卫星数据;曲卫平等;《光谱学与光谱分析》;20061128(第11期);全文 *
长时间序列遥感影像数据构建的关键技术与方法研究;卓国浩;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20190515(第05期);全文 *

Also Published As

Publication number Publication date
CN113125351A (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
Lanaras et al. Super-resolution of Sentinel-2 images: Learning a globally applicable deep neural network
Chierchia et al. A nonlocal structure tensor-based approach for multicomponent image recovery problems
CN113327218B (zh) 一种基于级联网络的高光谱与全色图像融合方法
US20100231765A1 (en) Method and arrangement for generating a color video signal
CN106887016B (zh) 一种gf-4卫星序列图像自动相对配准方法
CN108921035B (zh) 基于空间引力和像元聚集度的亚像元定位方法和系统
CN104318583B (zh) 一种可见光宽带光谱图像配准方法
CN108961199A (zh) 多源遥感数据时空融合方法及装置
CN114972545B (zh) 一种高光谱卫星的在轨数据快速预处理方法
CN112529807A (zh) 卫星影像的相对辐射校正方法和装置
CN107437237B (zh) 一种区域无云影像合成方法
Li et al. A pseudo-siamese deep convolutional neural network for spatiotemporal satellite image fusion
CN113125351B (zh) 一种多时次遥感影像优化合成方法及系统
CN114897711A (zh) 一种视频中图像处理方法、装置、设备及存储介质
Wei et al. Enblending mosaicked remote sensing images with spatiotemporal fusion of convolutional neural networks
CN113935917A (zh) 一种基于云图运算和多尺度生成对抗网络的光学遥感影像薄云去除方法
CN108985154B (zh) 基于影像聚集度的小尺寸地物亚像元定位方法和系统
CN115689941A (zh) 一种跨域生成对抗的sar影像补偿方法及计算机可读介质
CN115861552A (zh) 基于深度学习的地貌晕渲图生成方法及系统
Luo et al. CSAFNet: Channel similarity attention fusion network for multispectral pansharpening
CN115330618A (zh) 基于视频卫星影像和范围矢量的局部正射校正方法
CN109086655B (zh) 基于对称初始化和聚集度优化的亚像元定位方法和系统
CN110766079B (zh) 用于屏幕异常画面检测的训练数据的生成方法与装置
Narmadha et al. Survey on image processing under image restoration
Gomes et al. Comparing classification accuracy of NDVI with DEM derived attributes using multi-scalar approach in Geographic Information Systems

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