CN113447136A - 多维动态混合成像方法 - Google Patents
多维动态混合成像方法 Download PDFInfo
- Publication number
- CN113447136A CN113447136A CN202110726676.9A CN202110726676A CN113447136A CN 113447136 A CN113447136 A CN 113447136A CN 202110726676 A CN202110726676 A CN 202110726676A CN 113447136 A CN113447136 A CN 113447136A
- Authority
- CN
- China
- Prior art keywords
- color
- infrared
- channel
- image
- color value
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000002156 mixing Methods 0.000 claims abstract description 16
- 230000002829 reductive effect Effects 0.000 claims abstract description 10
- 238000002310 reflectometry Methods 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 34
- 239000002131 composite material Substances 0.000 claims description 16
- 230000002194 synthesizing effect Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000002441 reversible effect Effects 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 14
- 238000003786 synthesis reaction Methods 0.000 description 14
- 230000003595 spectral effect Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本公开提供一种多维动态混合成像方法，包括：根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据所述类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像；根据采集所述卫星图像的卫星设备的太阳天顶角确定所述卫星图像的透明度因子图层；根据所述卫星图像的红外通道的亮温数据确定红外彩色云图；根据所述红外通道的阈值确定所述卫星图像的红外透明度因子图层；在多个空间方向上对所述真彩色图像、所述透明度因子图层、所述红外彩色云图和所述红外透明度因子图层进行多维混合处理，以生成彩色合成图像。通过本公开实施例，保留了色彩梯度信息，减少了色彩跳变，提高了卫星图像的对比度、还原度和图像质量。
Description
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种多维动态混合成像方法。
背景技术
卫星遥感提供了各传感器单通道灰阶影像，但在实际的遥感应用中，往往倾向选择三个不同波段的灰阶影像来对应红、绿、蓝颜色通道合成彩色影像以便于遥感影像的判读和解译。相比较于单通道的灰阶影像，彩色遥感影像提供了更丰富、更细腻的地物光谱信息，更形象、更直观地表达了地表目标物，因此更便于判识和解译地物目标。
但是，现有的卫星图像至少存在以下技术问题：
(1)现有的真彩色合成图像的合成方法对于暗目标地物，例如浓密植被区和水体，合成影像难以体现其具体的纹理和灰度信息，真彩色图像的合成质量差。
(2)在准静止气象卫星图像合成时，还存在颜色均衡问题。具体地，准静止卫星24小时不中断地对大气、云层和地表进行观测，存在着晨昏观测、上午观测、下午观测等不同观测时间，这就导致卫星图像呈现的亮度和色彩出现较大的差异和突兀。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种多维动态混合成像方法，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的卫星图像的质量差问题。
根据本公开实施例的第一方面，提供一种多维动态混合成像方法，包括：根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像；根据采集卫星图像的卫星设备的太阳天顶角确定卫星图像的透明度因子图层；根据卫星图像的红外通道的亮温数据确定红外彩色云图；根据红外通道的阈值确定卫星图像的红外透明度因子图层；在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像。
在本公开的一种示例性实施例中，根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像包括：确定经大气校正后的卫星图像的近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值；对近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值线性拉伸至高色阶范围内；对线性拉伸后的近红外通道的色彩值、线性拉伸后的红外通道的色彩值和线性拉伸后的蓝通道的色彩值进行非线性拉伸；将非线性拉伸后的近红外通道的色彩值、非线性拉伸后的红外通道的色彩值和非线性拉伸后的蓝通道的色彩值合成为真彩色图像。
在本公开的一种示例性实施例中，根据太阳天顶角确定卫星图像的透明度因子图层包括：确定太阳天顶角大于第一阈值的卫星图像的采集时段为夜间时段；确定太阳天顶角小于第二阈值的卫星图像的采集时段为白天时段；确定小于或等于第一阈值且大于或等于第二阈值的晨昏交界时段；根据采集时段对卫星图像进行拉伸处理，以确定透明度因子图层。
在本公开的一种示例性实施例中，预设第一阈值为90°，和/或预设第二阈值为80°。
在本公开的一种示例性实施例中，根据采集时段对卫星图像进行拉伸处理，以确定透明度因子图层包括：将白天时段的卫星图像的色彩值转换为第一色彩值；将夜间时段的卫星图像的色彩值转换为第二色彩值；通过反向非线性拉伸对晨昏交界时段的卫星图像渐变拉伸至高色阶范围，以向渐变拉伸后的卫星图像的每个像元分配动态透明度因子；将拉伸至高色阶范围的晨昏交界时段的卫星图像的降低至低色阶范围，以生成透明度因子图层。
在本公开的一种示例性实施例中，根据卫星图像的红外通道的亮温数据确定红外彩色云图包括：确定卫星图像的中波红外通道的色彩值和长波红外通道的色彩值；对亮温属于预设亮温范围的红外通道的色彩值线性拉伸至高色阶范围，红外通道包括中波红外通道和/或长波红外通道；将拉伸至高色阶范围的红外通道的色彩值进行非线性拉伸，以生成红外云图；根据红外云图的中波红外通道的和长波红外通道之间的亮温差确定云层图像；提取云层图像中的第一类云的色彩值，并对第一类云的色彩值进行线性拉伸；对线性拉伸后的第一类云的色彩值进行非线性拉伸，以突出显示第一类云的色彩值；将第一类云的色彩值叠加至红外云图，以生成伪彩蓝色通道的色彩值；对云层图像的第二类云的色彩值进行校正；对校正后的红外云图和伪彩蓝色通道的色彩值进行线性叠加处理，以生成伪彩绿色通道的色彩值和伪彩红色通道的色彩值；对伪彩色通道进行非线性拉伸，伪彩色通道包括伪彩蓝色通道、伪彩绿色通道和伪彩红色通道；对非线性拉伸后的伪彩色通道进行降低色阶处理；根据降低色阶后的伪彩色通道的色彩值合成红外彩色云图。
在本公开的一种示例性实施例中，根据红外通道的阈值确定卫星图像的红外透明度因子图层包括：确定伪彩蓝色通道的色彩值的最大值和第一类云的色彩值的最大值，并记作红外透明图层的基础色彩值；对红外透明图层的基础色彩值进行非线性拉伸，以为红外透明图层的每个像元分配红外动态透明度因子；降低已分配红外动态透明度因子的红外透明图层的色阶地图，以生成红外透明度因子图层。
在本公开的一种示例性实施例中，在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像包括：按照预设的空间分辨率对红外彩色云图和红外透明度因子图层进行的插值处理；以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至第一底图，以生成第二底图；在水平方向上将真彩色图像、透明度因子图层叠加至第二底图，以生成空间分辨率下的彩色合成图像。
在本公开的一种示例性实施例中，按照预设的空间分辨率对红外彩色云图和红外透明度因子图层进行的插值处理包括：确定空间分辨率为4000m的红外彩色云图；确定空间分辨率为1000m的红外透明度因子图层；将空间分辨率为4000m的红外彩色云图和空间分辨率为1000m的红外透明度因子图层插值至1000m空间分辨率。
在本公开的一种示例性实施例中，以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至第一底图，以生成第二底图包括：将指定地图背景中的地球背景灯光图像为第一地图；在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至地球背景灯光图像，以生成第二底图。
根据本公开实施例的第二方面，提供一种多维动态混合成像装置，包括：确定模块，用于根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像；确定模块还用于，根据采集卫星图像的卫星设备的太阳天顶角确定卫星图像的透明度因子图层；确定模块还用于，根据卫星图像的红外通道的亮温数据确定红外彩色云图；确定模块还用于，根据红外通道的阈值确定卫星图像的红外透明度因子图层；合成模块，用于在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像。
根据本公开的第三方面，提供一种电子设备，包括：存储器；以及耦合到存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行如上述任意一项的多维动态混合成像方法。
根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述任意一项的多维动态混合成像方法。
本公开实施例，通过在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像，充分利用了在水平方向和垂直方向的多维混合，合理嵌套得到了白天真彩色与夜晚云图的自然平滑过渡的动态效果，保留了色彩梯度信息，避免了色彩跳变，也加入一些线性和非线性增强方法，提高了图像的对比度。
进一步地，通过生成真彩色合成图像，解决了因缺少0.55微米绿光通道而无法直观呈现地表真彩效果的难题，并呈现了连续完整的直观而强大的地球彩色图像信息。
更进一步地，多维动态混合成像方案实时生成彩色图像产品，服务于多个气象、应急以及环保部门，为各气象单位的汛期业务提供了高精度的灾害天气图像产品。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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的附图。
图1示出了本公开的一个示例性实施例的多维动态混合成像方法的流程图；
图2示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图3示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图4示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图5示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图6示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图7示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图8示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图9示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图10示出了本公开的另一个示例性实施例的多维动态混合成像方法的流程图；
图11示出了本公开的另一个示例性实施例的多维动态混合成像方法的FY-4AAGRI的可见光光谱信号示意图；
图12示出了本公开的另一个示例性实施例的多维动态混合成像方法生成彩色合成图像的示意图；
图13是本公开示例性实施例中一种多维动态混合成像装置的方框图；
图14是本公开示例性实施例中一种电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
FY-4A卫星是继风云二号之后的第二代静止轨道气象卫星，采用三轴稳定控制方案，接替了自旋稳定的风云二号(FY-2)卫星，其连续、稳定运行将大幅提升静止轨道气象卫星探测水平。作为新一代静止轨道定量遥感气象卫星，FYA卫星的功能和性能实现了跨越式发展，卫星的辐射成像通道由FY-2G星的5个增加为14个，覆盖了可见光、短波红外、中波红外和长波红外等波段，接近欧美第三代静止轨道气象卫星的16个通道。星上辐射定标精度0.5K、灵敏度0.2K、可见光空间分辨率0.5km，与欧美第三代静止轨道气象卫星水平相当。
FY-4A多通道扫描成像辐射计AGRI可获取14个频谱波段数据，其中包括3个可见光/近红外波段，3个短波红外波段，2个中波红外波段，2个水汽波段和4个长波红外波段。可见/近红外波段的空间分辨率为0.5～1km，红外波段的空间分辨率为2km～4km，每隔15分钟获取一次全圆盘数据，下表列出了AGRI获取的14个通道数据对应的波段、空间分辨率，以及主要的用途。
表1 FY-4A的AGRI通道数据表
针对彩色图像产品的合成和应用，FY-4A ARGI全圆盘数据存在如下特点：
(1)FY-4A卫星还配置有912个光谱探测通道的干涉式大气垂直探测仪，光谱分辨率0.8cmp～，可在垂直方向上对大气结构实现高精度定量探测，但是FY-4A AGRI在可见光范围只有0.45～0.490μm(中心波长0.47μm，对应蓝光通道)、和0.55～0.750μm(中心波长0.65μm，对应红光通道)，与真彩色合成需要红通道(中心波长0.65μm)、绿通道(中心波长0.55μm)、蓝通道(中心波长0.47μm)相比，缺少绿色通道，并且已有的蓝通道(0.47μm)、红通道(0.65μm)和近红外通道(0.825μm)通道带宽和光谱响应差别也比较大。要想合成FY-4A真彩色图像，如何构建绿通道(0.55μm)，以及平衡各通道的能量是合成真彩色影像的关键。
(2)如图11所示，通过对比FY-4A AGRI(图11)可见光光谱响应曲线发现：在蓝通道(FY-4A AGRI的蓝通道1102)上，波谱宽度和光谱响应能力具有很强的一致性，而在红波段和近红外波段(FY-4A AGRI的红通道1104)，FY-4A的波谱范围较宽，在红波段尤为明显。
图11还示出了土壤光谱曲线1106、雪光谱曲线1108和树木光谱曲线1110。
因此，ABI模拟绿通道时使用的通道混合因子已不能够适用于FY-4A。按照ABI通道混合的方式，若需要模拟出FY-4A真彩色图像，则需要重新平衡各个通道的能量。
(3)FY-4A卫星作为静止卫星，连续24小时对地球进行不间断观测，每隔15分钟形成一个全圆盘数据，成像时刻有可能为白天、夜晚或者为白天夜晚交界(晨昏交界)，如何呈现连续完整的可视化云图信息也具有一定的挑战性。
本公开针对FY-4A卫星的彩色图像产品合成遇到的问题和挑战，提出了适用于FY-4A卫星的多维动态混合成像技术，并把研究成果和相关技术广泛应用到实际的FY-4A卫星的影像产品生产，生产系统布设在国内43个市县，在气象、生态环境、减灾等领域发挥了不可替代的作用下面结合附图对本公开示例实施方式进行详细说明。
图1至图10示出了本公开的示例性实施例的多维动态混合成像方法的流程图。
如图1所示，多维动态混合成像方法可以包括：
步骤S102，根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像。
步骤S104，根据采集卫星图像的卫星设备的太阳天顶角确定卫星图像的透明度因子图层。
步骤S106，根据卫星图像的红外通道的亮温数据确定红外彩色云图。
步骤S108，根据红外通道的阈值确定卫星图像的红外透明度因子图层。
步骤S110，在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像。
本公开实施例，通过在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像，充分利用了在水平方向和垂直方向的多维混合，合理嵌套得到了白天真彩色与夜晚云图的自然平滑过渡的动态效果，保留了色彩梯度信息，避免了色彩跳变，也加入一些线性和非线性增强方法，提高了图像的对比度，提升了卫星图像的影像视觉效果，解决了AGRI绿色通道缺失、可见光通道宽以及可见光数据和全天候的红外数据的融合问题。
在上述实施例中，通过本公开的实施例得到的彩色合成图像在分析沙尘、火点和台风等不同地表和天气现象时起到重要作用[5]，充分利用彩色合成图像研发高质量的业务产品，有利于更好地服务于社会大众。另外，本公开的彩色合成图像方案无需依赖其他遥感产品，成像速度快，能够及时的传达信息，为气象等行业应用争取了时间，发挥了该产品的最大优势。
在本公开的一种示例性实施例中，多维动态混合成像主要是进行水平方向上的平滑无缝拼接和垂直方向上的图层叠加。其中，“多维”体现在水平方向和垂直方向上，“动态”体现在透明度因子不是一成不变的，而是为每一个像元分配动态透明因子。
在本公开的一种示例性实施例中，在水平方向上基于白天真彩色图像和夜晚云图图像，使用太阳天顶角的阈值生成晨昏交界透明度因子图层，将二者图像进行平滑无缝拼接。
在本公开的一种示例性实施例中，在垂直方向上，结合了上下两层图像层，对上层的部分应用了不透明或部分透明处理。
在本公开的一种示例性实施例中，在进行彩色合成图像合成前，数据经过了大气校正、辐射校正等处理。
下面，对多维动态混合成像方法的各步骤进行详细说明。
如图2所示，根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像包括：
步骤S2022，确定经大气校正后的卫星图像的近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值。
在本公开的一种示例性实施例中，FY-4A AGRI的前3个反射通道符合人眼响应光谱段的近红外通道、红通道、蓝通道，中心波长分别为0.47μm、0.65μm和0.82μm。
在上述实施例中，通过公式(2)生成“类绿色通道”，并通过公式(1)和公式(3)平衡红通道和蓝通道的能量值，得到了真彩色合成所需的红通道的色彩值
绿通道的色彩值
和蓝通道的色彩值
N、R、B分别表示经过大气校正后的AGRI的0.82μm通道的反射率、0.65μm通道的反射率和0.47μm通道的反射率，Linear表示线性拉伸，Nonlinear表示非线性拉伸。
在本公开的一种示例性实施例中，a1、a2、a3分别为绿通道合成的归一化距离加权系数，对应的值分别为0.5、0.3、0.2。
在本公开的一种示例性实施例中，b1、b2分别为红通道校正的系数，对应的值分别为0.2、0.2。
步骤S2024，对近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值线性拉伸至高色阶范围内。
在本公开的一种示例性实施例中，通过公式(4)、公式(5)和公式(6)对这三个通道进行了高色阶变换，将其线性拉伸到范围[0，4095]，得到线性拉伸后的红通道的色彩值
绿通道的色彩值
和蓝通道的色彩值
其中，4095表示12位色阶的最大值，这样既保证了影像色彩真实性，又兼顾了信息细节，避免了合成过程中色彩跳变，保证了红绿蓝通道增强处理过程中数据信息完整性。
步骤S2026，对线性拉伸后的近红外通道的色彩值、线性拉伸后的红外通道的色彩值和线性拉伸后的蓝通道的色彩值进行非线性拉伸。
在本公开的一种示例性实施例中，单通道图像增强过程中构建表2所示的非线性高色阶调整曲线，并通过公式(7)、公式(8)和公式(9)进行非线性拉伸，得到非线性拉伸后的红通道的色彩值
绿通道的色彩值
和蓝通道的色彩值
用于调整三个通道的亮度。
表2非线性亮度拉伸表
| 输入值 | 输出值 |
| 64 | 0 |
| 336 | 432 |
| 832 | 1808 |
| 1200 | 2448 |
| 4080 | 4080 |
步骤S2028，将非线性拉伸后的近红外通道的色彩值、非线性拉伸后的红外通道的色彩值和非线性拉伸后的蓝通道的色彩值合成为真彩色图像。
在本公开的一种示例性实施例中，真彩色图像合成时使用线性归一化方法，将高色阶数据梯度从4096降到256，合成后的真彩色图像VRGB的空间分辨率为1000m。
如图3所示，根据太阳天顶角确定卫星图像的透明度因子图层包括：
步骤S3042，确定太阳天顶角大于第一阈值的卫星图像的采集时段为夜间时段。
步骤S3044，确定太阳天顶角小于第二阈值的卫星图像的采集时段为白天时段。
步骤S3046，确定小于或等于第一阈值且大于或等于第二阈值的晨昏交界时段。
在上述实施例中，太阳天顶角是指太阳光线入射方向和天顶方向的夹角，太阳高度角指太阳光的入射方向和地平面之间的夹角，太阳天顶角和太阳高度角互为余角。通过确定卫星图像的太阳天顶角阈值，可以区分图像像元是白天、夜间或晨昏交界。
在本公开的一种示例性实施例中，将太阳天顶角小于80°时定义为白天，大于90°时定义为夜晚，介于80°到90°之间时认为是晨昏交界，对卫星图像中的晨昏交界部分进行拉伸处理得到Z1，使白天与夜晚交界处色彩平滑过渡。
步骤S3048，根据采集时段对卫星图像进行拉伸处理，以确定透明度因子图层。
在本公开的一种示例性实施例中，通过公式(10)、公式(11)和公式(12)对卫星图像进行拉伸处理，依次得到对Z1进行线性处理的结果Z2和非线性处理的结果Z3，以确定透明度因子图层，sunZenith表示卫星图像的太阳天顶角，
在本公开的一种示例性实施例中，将卫星图像的太阳天顶角小于80°的变为4095，大于90°的变为0，介于80°到90°之间的进行反向线性拉伸到高色阶[0，4095]。
Z2＝Linear(Z1)，公式(11)
Z3＝NonLinear(Z2)，公式(12)
在本公开的一种示例性实施例中，通过表3和公式(12)对Z2进行非线性拉伸，将介于80°到90°之间的太阳天顶角进行了渐变拉伸，为其每一个像元分配了动态透明度因子。最后同样降低高色阶数据到255个梯度，得到了晨昏交界动态透明度因子图层Valpha，实现了晨昏交界处平滑过渡。
表3非线性亮度拉伸表
| 输入值 | 输出值 |
| 0 | 0 |
| 2048 | 1024 |
| 3072 | 2048 |
| 4080 | 4080 |
如图4所示，预设第一阈值为90°，和/或预设第二阈值为80°。
如图5所示，根据采集时段对卫星图像进行拉伸处理，以确定透明度因子图层包括：
步骤S5042，将白天时段的卫星图像的色彩值转换为第一色彩值。
步骤S5044，将夜间时段的卫星图像的色彩值转换为第二色彩值。
步骤S5046，通过反向非线性拉伸对晨昏交界时段的卫星图像渐变拉伸至高色阶范围，以向渐变拉伸后的卫星图像的每个像元分配动态透明度因子。
步骤S5048，将拉伸至高色阶范围的晨昏交界时段的卫星图像的降低至低色阶范围，以生成透明度因子图层。
在本公开的一种示例性实施例中，
在本公开的一种示例性实施例中，地表和云的发射率在通道3(3.7μm)、通道4(10.7μm)和通道5(11.8μm)表现为不同的特征：在通道3上低云和雾及其小水滴组的发射率明显低于陆地和水体。基于此差异，低云和雾与邻近的晴空区域形成鲜明对比，这个对比度在通道4或者通道5上表现微弱，几乎没有差别，因为大多数地球物体在这些波长下的发射率接近统一。FY-4A ARGI有类似的通道设置，云在热红外波段有较低的亮温，这些特征为判断判云提供了有利条件。
如图6所示，根据卫星图像的红外通道的亮温数据确定红外彩色云图包括：
步骤S6062，确定卫星图像的中波红外通道的色彩值和长波红外通道的色彩值。
步骤S6064，对亮温属于预设亮温范围的红外通道的色彩值线性拉伸至高色阶范围，红外通道包括中波红外通道和/或长波红外通道。
在本公开的一种示例性实施例中，使用中波红外通道(3.7μm)与长波红外通道(10.8μm)进行夜间云图生成。
步骤S6066，将拉伸至高色阶范围的红外通道的色彩值进行非线性拉伸，以生成红外云图。
在本公开的一种示例性实施例中，BT8、BT12分别表示第8通道(3.5μm～4.0μm)的亮温与第12通道(10.3μm～11.3μm)的亮温，
表示数据细节信息，将亮温在[180，310]范围内的色彩值进行线性拉伸，得到高色阶数据
通过公式(13)和(14)来保留数据细节信息。
在本公开的一种示例性实施例中，通过表4进行非线性拉伸，通过公式(15a)来突出云信息
云信息
作为红外云区指数，可以保留云区细节信息。
表4非线性亮度拉伸表
| 输入值 | 输出值 |
| 800 | 0 |
| 2400 | 2048 |
| 3808 | 4080 |
在本公开的一种示例性实施例中，将FY4A/AGRI卫星的10.8μm通道亮温在云区间对应的[BTmin,BTmax]的色彩值范围进行高色阶线性拉伸，得到红外云区指数
具体地计算方法参见公式(15b)如下：
步骤S6068，根据红外云图的中波红外通道的和长波红外通道之间的亮温差确定云层图像。
步骤S6070，提取云层图像中的第一类云的色彩值，并对第一类云的色彩值进行线性拉伸。
在本公开的一种示例性实施例中，用第12通道亮温和第8通道的亮温差识别低云，提取差值范围在[-10，10]范围内的低云数据区域
通过公式(16)和公式(17)将低云区域数据进行线性拉伸，结果记作
用于保留数据细节信息。
进一步地，通过表5进行非线性拉伸，结果记作
突出显示低云信息。
表5非线性亮度拉伸表
| 输入值 | 输出值 |
| 1760 | 0 |
| 2048 | 240 |
| 2720 | 2048 |
| 4080 | 4080 |
步骤S6072，对线性拉伸后的第一类云的色彩值进行非线性拉伸，以突出显示第一类云的色彩值。
步骤S6074，将第一类云的色彩值叠加至红外云图，以生成伪彩蓝色通道的色彩值。
在本公开的一种示例性实施例中，将低云数据
叠加到红外云图上
得到伪彩蓝色通道的色彩值
在本公开的一种示例性实施例中，采用3.7μm与10.8μm通道的亮温差识别中低云，提取差值范围内的低云数据区域，并将低云区域数据进行线性增强，以提升低云的渐变和饱和效果，通过公式(19)得到低云指数即为伪彩蓝色通道的色彩值
步骤S6076，对云层图像的第二类云的色彩值进行校正。
在本公开的一种示例性实施例中，通过公式(20)和公式(21)纠正高云颜色色彩，确保合成后色彩值为白色。
步骤S6078，对校正后的红外云图和伪彩蓝色通道的色彩值进行线性叠加处理，以生成伪彩绿色通道的色彩值和伪彩红色通道的色彩值。
步骤S6080，对伪彩色通道进行非线性拉伸，伪彩色通道包括伪彩蓝色通道、伪彩绿色通道和伪彩红色通道。
在本公开的一种示例性实施例中，通过公式(22)和公式(23)进行通道混合运算，分别得到伪彩绿色通道的色彩值
和伪彩红色通道的色彩值
步骤S6082，对非线性拉伸后的伪彩色通道的色彩值进行降低色阶处理，得到降阶后的伪彩蓝色通道的色彩值
伪彩绿色通道的色彩值
和伪彩红色通道的色彩值
在本公开的一种示例性实施例中，通过公式(24)、公式(25)、公式(26)和表6对三个伪彩色通道的色彩值进行非线性拉伸，用于提高云区亮度。
表6非线性亮度拉伸表
| 输入值 | 输出值 |
| 0 | 0 |
| 1024 | 2096 |
| 2048 | 3072 |
| 4080 | 3600 |
步骤S6084，根据降低色阶后的伪彩色通道的色彩值合成红外彩色云图。
在本公开的一种示例性实施例中，最后降低高色阶进行三通道伪彩色合成，得到红外彩色云图(IRGB)，空间分辨率为4000m。
如图7所示，根据红外通道的阈值确定卫星图像的红外透明度因子图层包括：
步骤S7082，确定伪彩蓝色通道的色彩值的最大值和第一类云的色彩值的最大值，并记作红外透明图层的基础色彩值。
步骤S7084，对红外透明图层的基础色彩值进行非线性拉伸，以为红外透明图层的每个像元分配红外动态透明度因子。
在本公开的一种示例性实施例中，通过公式(27)对同一位置取
通道和
通道的最大值，作为红外透明度图层的基础数据
在本公开的一种示例性实施例中，通过表7和公式(28)进行非线性拉伸，为红外彩色云图上的每一个像元分配动态透明度因子
表7非线性亮度拉伸表
| 输入值 | 输出值 |
| 0 | 0 |
| 1760 | 2048 |
| 3520 | 4080 |
步骤S7086，降低已分配红外动态透明度因子的红外透明图层的色阶地图，以生成红外透明度因子图层。
在本公开的一种示例性实施例中，通过降低色阶梯度，得到红外动态透明度因子图层Ialpha，空间分辨率为4000m。
在本公开的一种示例性实施例中，通过针对红外云图生成一个动态透明度因子图层，使红外彩色云图和真彩色云图嵌套成图时云和地表背景之间的色彩过渡更加自然。
如图8所示，在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像包括：
步骤S8102，按照预设的空间分辨率对红外彩色云图和红外透明度因子图层进行的插值处理。
步骤S8104，以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至第一底图，以生成第二底图。
步骤S8106，在水平方向上将真彩色图像、透明度因子图层叠加至第二底图，以生成空间分辨率下的彩色合成图像。
在本公开的一种示例性实施例中，在混合成像时，通过对各个图层不同维度之间需要合理嵌套，生成了高质量的彩色合成图像。
在本公开的一种示例性实施例中，首先将空间分辨率为4000m的红外彩色云图(IRGB)和红外动态透明度因子图层(Ialpha)插值到1000m分辨率。
在本公开的一种示例性实施例中，在空间分辨率一致的情况下，以城市背景灯光图像为底图，首先在垂直方向上，将伪彩色云图(IRGB)结合红外动态透明度因子图层(Ialpha)叠加在城市背景灯光图像上。
在本公开的一种示例性实施例中，在水平方向上，将真彩色合成图像(VRGB)结合晨昏交界透明度因子图层也进一步叠加在城市背景灯光图像上。
如图9所示，按照预设的空间分辨率对红外彩色云图和红外透明度因子图层进行的插值处理包括：
步骤S9102，确定空间分辨率为4000m的红外彩色云图。
步骤S9104，确定空间分辨率为1000m的红外透明度因子图层。
步骤S9106，将空间分辨率为4000m的红外彩色云图和空间分辨率为1000m的红外透明度因子图层插值至1000m空间分辨率。
在本公开的一种示例性实施例中，从而生成1000m空间分辨率的FY-4A AGRI彩色合成图像的产品。
如图10所示，以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至第一底图，以生成第二底图包括：
步骤S1002，将指定地图背景中的地球背景灯光图像为第一地图。
步骤S1004，在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至地球背景灯光图像，以生成第二底图。
如图12所示，将上述实施例生成的真彩色图像1202、晨昏交界动态透明度因子图层1204、红外彩色云图1208和红外透明度因子图层1210叠加至城市夜景灯光背景图1206，合成得到多维动态混合成像1212，在清晰显示白天时段和夜间时段的卫星图像的同时，提高了图像对比度、纹理和分辨率，还直观显示了昼夜分界线1214，提高了卫星图像的还原度。
对应于上述方法实施例，本公开还提供一种多维动态混合成像装置，可以用于执行上述方法实施例。
图13是本公开示例性实施例中一种多维动态混合成像装置的方框图。
参考图13，多维动态混合成像装置1300可以包括：
确定模块1302，用于根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像。
确定模块1302还用于，根据采集卫星图像的卫星设备的太阳天顶角确定卫星图像的透明度因子图层。
确定模块1302还用于，根据卫星图像的红外通道的亮温数据确定红外彩色云图。
确定模块1302还用于，根据红外通道的阈值确定卫星图像的红外透明度因子图层。
合成模块1304，用于在多个空间方向上对真彩色图像、透明度因子图层、红外彩色云图和红外透明度因子图层进行多维混合处理，以生成彩色合成图像。
在本公开的一种示例性实施例中，确定模块1302还用于：确定经大气校正后的卫星图像的近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值；对近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值线性拉伸至高色阶范围内；对线性拉伸后的近红外通道的色彩值、线性拉伸后的红外通道的色彩值和线性拉伸后的蓝通道的色彩值进行非线性拉伸；将非线性拉伸后的近红外通道的色彩值、非线性拉伸后的红外通道的色彩值和非线性拉伸后的蓝通道的色彩值合成为真彩色图像。
在本公开的一种示例性实施例中，确定模块1302还用于：确定太阳天顶角大于第一阈值的卫星图像的采集时段为夜间时段；确定太阳天顶角小于第二阈值的卫星图像的采集时段为白天时段；确定小于或等于第一阈值且大于或等于第二阈值的晨昏交界时段；根据采集时段对卫星图像进行拉伸处理，以确定透明度因子图层。
在本公开的一种示例性实施例中，确定模块1302还用于：将白天时段的卫星图像的色彩值转换为第一色彩值；将夜间时段的卫星图像的色彩值转换为第二色彩值；通过反向非线性拉伸对晨昏交界时段的卫星图像渐变拉伸至高色阶范围，以向渐变拉伸后的卫星图像的每个像元分配动态透明度因子；将拉伸至高色阶范围的晨昏交界时段的卫星图像的降低至低色阶范围，以生成透明度因子图层。
在本公开的一种示例性实施例中，确定模块1302还用于：确定卫星图像的中波红外通道的色彩值和长波红外通道的色彩值；对亮温属于预设亮温范围的红外通道的色彩值线性拉伸至高色阶范围，红外通道包括中波红外通道和/或长波红外通道；将拉伸至高色阶范围的红外通道的色彩值进行非线性拉伸，以生成红外云图；根据红外云图的中波红外通道的和长波红外通道之间的亮温差确定云层图像；提取云层图像中的第一类云的色彩值，并对第一类云的色彩值进行线性拉伸；对线性拉伸后的第一类云的色彩值进行非线性拉伸，以突出显示第一类云的色彩值；将第一类云的色彩值叠加至红外云图，以生成伪彩蓝色通道的色彩值；对云层图像的第二类云的色彩值进行校正；对校正后的红外云图和伪彩蓝色通道的色彩值进行线性叠加处理，以生成伪彩绿色通道的色彩值和伪彩红色通道的色彩值；对伪彩色通道进行非线性拉伸，伪彩色通道包括伪彩蓝色通道、伪彩绿色通道和伪彩红色通道；对非线性拉伸后的伪彩色通道进行降低色阶处理；根据降低色阶后的伪彩色通道的色彩值合成红外彩色云图。
在本公开的一种示例性实施例中，确定模块1302还用于：确定伪彩蓝色通道的色彩值的最大值和第一类云的色彩值的最大值，并记作红外透明图层的基础色彩值；对红外透明图层的基础色彩值进行非线性拉伸，以为红外透明图层的每个像元分配红外动态透明度因子；降低已分配红外动态透明度因子的红外透明图层的色阶地图，以生成红外透明度因子图层。
在本公开的一种示例性实施例中，合成模块1304还用于：按照预设的空间分辨率对红外彩色云图和红外透明度因子图层进行的插值处理；以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和红外透明度因子图层叠加至第一底图，以生成第二底图；在水平方向上将真彩色图像、透明度因子图层叠加至第二底图，以生成空间分辨率下的彩色合成图像。
由于装置1300的各功能已在其对应的方法实施例中予以详细说明，本公开于此不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图14来描述根据本发明的这种实施方式的电子设备1400。图14显示的电子设备1400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示，电子设备1400以通用计算设备的形式表现。电子设备1400的组件可以包括但不限于：上述至少一个处理单元1410、上述至少一个存储单元1420、连接不同系统组件(包括存储单元1420和处理单元1410)的总线1430。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1410执行，使得所述处理单元1410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1410可以执行如本公开实施例所示的方法。
存储单元1420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)14201和/或高速缓存存储单元14202，还可以进一步包括只读存储单元(ROM)14203。
存储单元1420还可以包括具有一组(至少一个)程序模块14205的程序/实用工具14204，这样的程序模块14205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1400也可以与一个或多个外部设备1440(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1400交互的设备通信，和/或与使得该电子设备1400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1450进行。并且，电子设备1400还可以通过网络适配器1460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1460通过总线1430与电子设备1400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
综上，通过本公开的实施例至少实现了以下技术效果：
(1)本公开提供了一种FY-4A真彩色合成图像的方法，根据0.47μm、0.65μm和0.82μm三个通道的反射特性，以及AGRI的光谱响应函数，采用归一化距离加权算法，实现了类0.55μm光谱通道合成，解决了没有绿光(0.55μm)通道而造成的无法直观呈现地表真彩色效果的缺陷。
(2)真彩色合成图像的生成过程中充分利用了在水平方向和垂直方向的多维混合，合理嵌套得到了白天真彩色与夜晚云图的自然平滑过渡的动态效果，整个技术实现过程中保留了色彩梯度信息，避免了色彩跳变，也加入一些线性和非线性增强方法，提高了图像的对比度，呈现了连续完整的直观而强大的地球彩色图像信息，能够方便预报员和决策者在时间紧迫的情况下，不需要浏览或者挖掘大量数据，就可以直接从图像中提取信息。
(3)本公开提出的多维动态混合成像技术不局限于静止卫星平台，也可以在极轨卫星平台上进行尝试，多光谱成像是快速进行可视化的比较实用的方法，有效使用这种强大而直观的彩色合成图像以及衍生其他产品非常有价值。随着传感器不断向高光谱能力发展，数千个光谱窄通道被用于解决更广泛的光谱区域，快速有效的提取信息服务于社会大众变得越来越迫切和极具挑战。
根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和构思由权利要求指出。
Claims (10)
1.一种多维动态混合成像方法，其特征在于，包括：
根据可见光的反射率数据确定卫星图像的类绿色通道的色彩值，并根据所述类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像；
根据采集所述卫星图像的卫星设备的太阳天顶角确定所述卫星图像的透明度因子图层；
根据所述卫星图像的红外通道的亮温数据确定红外彩色云图；
根据所述红外通道的阈值确定所述卫星图像的红外透明度因子图层；
在多个空间方向上对所述真彩色图像、所述透明度因子图层、所述红外彩色云图和所述红外透明度因子图层进行多维混合处理，以生成彩色合成图像。
2.如权利要求1所述的多维动态混合成像方法，其特征在于，根据可见光的反射率数据确定所述卫星图像的类绿色通道的色彩值，并根据所述类绿色通道的色彩值、红色通道的色彩值和蓝色通道的色彩值生成真彩色图像包括：
确定经大气校正后的所述卫星图像的近红外通道的色彩值、红外通道的色彩值和蓝通道的色彩值；
对所述近红外通道的色彩值、所述红外通道的色彩值和所述蓝通道的色彩值线性拉伸至高色阶范围内；
对线性拉伸后的近红外通道的色彩值、线性拉伸后的红外通道的色彩值和线性拉伸后的蓝通道的色彩值进行非线性拉伸；
将非线性拉伸后的近红外通道的色彩值、非线性拉伸后的红外通道的色彩值和非线性拉伸后的蓝通道的色彩值合成为所述真彩色图像。
3.如权利要求1所述的多维动态混合成像方法，其特征在于，根据太阳天顶角确定所述卫星图像的透明度因子图层包括：
确定所述太阳天顶角大于第一阈值的卫星图像的采集时段为所述夜间时段；
确定所述太阳天顶角小于第二阈值的卫星图像的采集时段为所述白天时段；
确定小于或等于所述第一阈值且大于或等于所述第二阈值的所述晨昏交界时段；
根据所述采集时段对所述卫星图像进行拉伸处理，以确定所述透明度因子图层。
4.如权利要求3所述的多维动态混合成像方法，其特征在于，还包括：
预设所述第一阈值为90°，和/或预设所述第二阈值为80°。
5.如权利要求3所述的多维动态混合成像方法，其特征在于，根据所述采集时段对所述卫星图像进行拉伸处理，以确定所述透明度因子图层包括：
将所述白天时段的卫星图像的色彩值转换为第一色彩值；
将所述夜间时段的卫星图像的色彩值转换为第二色彩值；
通过反向非线性拉伸对所述晨昏交界时段的卫星图像渐变拉伸至高色阶范围，以向所述渐变拉伸后的卫星图像的每个像元分配动态透明度因子；
将拉伸至所述高色阶范围的晨昏交界时段的卫星图像的降低至低色阶范围，以生成所述透明度因子图层。
6.如权利要求1-5中任一项所述的多维动态混合成像方法，其特征在于，根据所述卫星图像的红外通道的亮温数据确定红外彩色云图包括：
确定所述卫星图像的中波红外通道的色彩值和长波红外通道的色彩值；
对亮温属于预设亮温范围的红外通道的色彩值线性拉伸至高色阶范围，所述红外通道包括所述中波红外通道和/或所述长波红外通道；
将拉伸至高色阶范围的红外通道的色彩值进行非线性拉伸，以生成红外云图；
根据所述红外云图的中波红外通道的和长波红外通道之间的亮温差确定云层图像；
提取所述云层图像中的第一类云的色彩值，并对所述第一类云的色彩值进行线性拉伸；
对线性拉伸后的第一类云的色彩值进行非线性拉伸，以突出显示所述第一类云的色彩值；
将所述第一类云的色彩值叠加至所述红外云图，以生成伪彩蓝色通道的色彩值；
对所述云层图像的第二类云的色彩值进行校正；
对校正后的红外云图和所述伪彩蓝色通道的色彩值进行线性叠加处理，以生成所述伪彩绿色通道的色彩值和伪彩红色通道的色彩值；
对伪彩色通道进行非线性拉伸，所述伪彩色通道包括所述伪彩蓝色通道、伪彩绿色通道和伪彩红色通道；
对非线性拉伸后的伪彩色通道进行降低色阶处理；
根据降低色阶后的伪彩色通道的色彩值合成所述红外彩色云图。
7.如权利要求6所述的多维动态混合成像方法，其特征在于，根据所述红外通道的阈值确定所述卫星图像的红外透明度因子图层包括：
确定所述伪彩蓝色通道的色彩值的最大值和所述第一类云的色彩值的最大值，并记作红外透明图层的基础色彩值；
对所述红外透明图层的基础色彩值进行非线性拉伸，以为所述红外透明图层的每个像元分配红外动态透明度因子；
降低已分配所述红外动态透明度因子的红外透明图层的色阶地图，以生成所述红外透明度因子图层。
8.如权利要求7所述的多维动态混合成像方法，其特征在于，在多个空间方向上对所述真彩色图像、所述透明度因子图层、所述红外彩色云图和所述红外透明度因子图层进行多维混合处理，以生成彩色合成图像包括：
按照预设的空间分辨率对所述红外彩色云图和所述红外透明度因子图层进行的插值处理；
以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和所述红外透明度因子图层叠加至所述第一底图，以生成第二底图；
在水平方向上将所述真彩色图像、所述透明度因子图层叠加至所述第二底图，以生成所述空间分辨率下的彩色合成图像。
9.如权利要求8所述的多维动态混合成像方法，其特征在于，按照预设的空间分辨率对所述红外彩色云图和所述红外透明度因子图层进行的插值处理包括：
确定空间分辨率为4000m的红外彩色云图；
确定空间分辨率为1000m的红外透明度因子图层；
将空间分辨率为4000m的红外彩色云图和空间分辨率为1000m的红外透明度因子图层插值至1000m空间分辨率。
10.如权利要求8所述的多维动态混合成像方法，其特征在于，以指定地图背景为第一底图，在垂直方向上将空间分辨率一致的红外彩色云图和所述红外透明度因子图层叠加至所述第一底图，以生成第二底图包括：
将所述指定地图背景中的地球背景灯光图像为第一地图；
在垂直方向上将空间分辨率一致的红外彩色云图和所述红外透明度因子图层叠加至所述地球背景灯光图像，以生成第二底图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110726676.9A CN113447136B (zh) | 2021-06-29 | 2021-06-29 | 多维动态混合成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110726676.9A CN113447136B (zh) | 2021-06-29 | 2021-06-29 | 多维动态混合成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113447136A true CN113447136A (zh) | 2021-09-28 |
| CN113447136B CN113447136B (zh) | 2022-05-10 |
Family
ID=77813871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110726676.9A Active CN113447136B (zh) | 2021-06-29 | 2021-06-29 | 多维动态混合成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113447136B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117523153A (zh) * | 2024-01-08 | 2024-02-06 | 中国核动力研究设计院 | 一种堆芯数据的三维可视化方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0194268A1 (en) * | 1984-08-24 | 1986-09-17 | Hughes Aircraft Co | SYSTEM AND METHOD FOR IMAGING QUASISTATIONARY REAL IMAGE DATA IN IDEALIZED IMAGES. |
| EP0738902A2 (de) * | 1995-04-22 | 1996-10-23 | GRUNDIG E.M.V. Elektro-Mechanische Versuchsanstalt Max Grundig | Verfahren und Einrichtung zur Aufbereitung von Wettersatellitenbildern |
| CA2491794A1 (en) * | 2004-01-14 | 2005-07-14 | Yun Zhang | Method for generating natural colour satellite images |
| CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
| CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
| CN104502999A (zh) * | 2014-12-10 | 2015-04-08 | 中国科学院遥感与数字地球研究所 | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 |
| KR102000630B1 (ko) * | 2018-12-20 | 2019-07-16 | 한국해양과학기술원 | 위성 영상 기반의 구름 탐지 장치 및 그 방법 |
-
2021
- 2021-06-29 CN CN202110726676.9A patent/CN113447136B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0194268A1 (en) * | 1984-08-24 | 1986-09-17 | Hughes Aircraft Co | SYSTEM AND METHOD FOR IMAGING QUASISTATIONARY REAL IMAGE DATA IN IDEALIZED IMAGES. |
| EP0738902A2 (de) * | 1995-04-22 | 1996-10-23 | GRUNDIG E.M.V. Elektro-Mechanische Versuchsanstalt Max Grundig | Verfahren und Einrichtung zur Aufbereitung von Wettersatellitenbildern |
| CA2491794A1 (en) * | 2004-01-14 | 2005-07-14 | Yun Zhang | Method for generating natural colour satellite images |
| CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
| CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
| CN104502999A (zh) * | 2014-12-10 | 2015-04-08 | 中国科学院遥感与数字地球研究所 | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 |
| KR102000630B1 (ko) * | 2018-12-20 | 2019-07-16 | 한국해양과학기술원 | 위성 영상 기반의 구름 탐지 장치 및 그 방법 |
Non-Patent Citations (3)
| Title |
|---|
| 张鹏等: "《基于自然环境模拟的预报云图仿真系统》", 《系统仿真学报》 * |
| 瞿建华等: "《基于FY-3D的MERSI全球晴空数据合成技术》", 《气象科技》 * |
| 鄢俊洁等: "《风云三号D星的中分辨率光谱成像仪的轨道间数据融合技术》", 《气象科技》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117523153A (zh) * | 2024-01-08 | 2024-02-06 | 中国核动力研究设计院 | 一种堆芯数据的三维可视化方法及装置 |
| CN117523153B (zh) * | 2024-01-08 | 2024-03-26 | 中国核动力研究设计院 | 一种堆芯数据的三维可视化方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113447136B (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schmit et al. | Applications of the 16 spectral bands on the Advanced Baseline Imager (ABI) | |
| Richter | Correction of satellite imagery over mountainous terrain | |
| Ridge et al. | The COMPLETE survey of star-forming regions: Phase I data | |
| Peddle et al. | Reflectance processing of remote sensing spectroradiometer data | |
| Rautiainen et al. | Coupling forest canopy and understory reflectance in the Arctic latitudes of Finland | |
| Baum et al. | Introduction to MODIS cloud products | |
| Molthan et al. | Satellite observations monitor outages from Superstorm Sandy | |
| CN116519557B (zh) | 一种气溶胶光学厚度反演方法 | |
| Miller et al. | The dark side of hurricane matthew: Unique perspectives from the VIIRS day/night band | |
| WO2006135376A2 (en) | System and method for infrared sensor simulation | |
| US20140212061A1 (en) | System and method for atmospheric parameter enhancement | |
| Hu et al. | Retrieval of the canopy leaf area index in the BOREAS flux tower sites using linear spectral mixture analysis | |
| CN113447136B (zh) | 多维动态混合成像方法 | |
| CN108885277A (zh) | 信息处理设备、信息处理方法和程序 | |
| Schmit et al. | ABI imagery from the GOES-R series | |
| Hünerbein et al. | Cloud mask algorithm from the EarthCARE Multi-Spectral Imager: the M-CM products | |
| Mikelsons et al. | Global clear sky near-surface imagery from multiple satellite daily imagery time series | |
| Amin et al. | Optical algorithm for cloud shadow detection over water | |
| CN110261341A (zh) | 一种基于静止气象卫星数据的火山灰云检测方法及系统 | |
| Jang et al. | Thermal‐water stress index from satellite images | |
| Broomhall et al. | Correcting Himawari-8 Advanced Himawari Imager data for the production of vivid true-color imagery | |
| Cao et al. | Fine scale optical remote sensing experiment of mixed stand over complex terrain (FOREST) in the Genhe reserve area: Objective, observation and a case study | |
| Feng et al. | Site testing campaign for the Large Optical/infrared Telescope of China: overview | |
| Oguro et al. | Comparisons of Brightness Temperatures of Landsat‐7/ETM+ and Terra/MODIS around Hotien Oasis in the Taklimakan Desert | |
| Dech et al. | Operational value-adding to AVHRR data over Europe: methods, results, and prospects |
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 |