CN113469899A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113469899A CN113469899A CN202110624174.5A CN202110624174A CN113469899A CN 113469899 A CN113469899 A CN 113469899A CN 202110624174 A CN202110624174 A CN 202110624174A CN 113469899 A CN113469899 A CN 113469899A
- Authority
- CN
- China
- Prior art keywords
- data
- matching
- radiation correction
- inter
- corrected
- 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 94
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000012937 correction Methods 0.000 title claims abstract description 79
- 230000003287 optical effect Effects 0.000 title claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 75
- 230000007704 transition Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 26
- 238000012952 Resampling Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000002187 spin decoupling employing ultra-broadband-inversion sequences generated via simulated annealing Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了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,该方法包括:获取统计样本数据以及待校正数据,分别将统计样本数据和待校正数据的每景数据中相邻两片数据进行片间匹配得到片间匹配结果;根据片间匹配结果计算片间偏移量,根据相邻两片的片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据;根据重构后的统计样本数据确定相对辐射校正系数,根据相对辐射校正系数对重构后的待校正数据进行第一次相对辐射校正得到第一相对辐射校正数据,以及根据预设矩匹配法对第一相对辐射校正数据进行第二次相对辐射校正得到第二相对辐射校正数据。本申请解决了现有技术中遥感影像辐射校正效果较差的技术问题。
Description
技术领域
本申请涉及航天光学遥感影像处理技术领域,尤其涉及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。
背景技术
光学遥感卫星相机一般采用多个全色多光谱TDICCD进行反射镜拼接。但是采用反射镜拼接方法会使影像搭接区会产生渐晕现象,其中,产生渐晕现象的原因主要包括如下两个因素:一是由反射镜的遮挡导致拼接中心处成像面上的光能量损失引起的渐晕;二是由光线在反射镜棱边发生直边衍射导致生成的图像在搭接区随与搭接中心距离的变化而产生明暗条纹引起的渐晕。其中反射镜遮挡对渐晕的影响更大,在一些实际应用中可以忽略衍射导致的光强分布不均,因此,如何消除由反射镜的遮挡导致的渐晕现象是航天光学遥感影像处理中的一个重要环节。
目前,常见的解决由反射镜的遮挡导致的渐晕现象的方法包括查表法、逐行扫描法和函数逼近法等方法。参见申请号2017106446289《一种基于大数据统计的遥感卫星相对辐射定标处理方法》的专利介绍了一种基于查表法对0级数据进行相对辐射校正的方法,该方法的具体过程为:统计一段时间内每个探元的归一化直方图,将所有非搭接区的探元直方图加和并归一化作为期望直方图。搭接区和非搭接区的每个探元的直方图均与期望直方图进行匹配,生成查找表,然后根据查找表对0级数据进行相对辐射校正。但是现有技术对于搭接区的探元,由于反射镜的遮挡,在入射辐亮度相同的条件下输出的DN值较非搭接区的探元输出的DN值小,且越远离非搭接区的探元输出的DN值越小,这就使得搭接区内越远离非搭接区的探元直方图分布宽度越窄且越集中在低端,进而使得探元直方图与期望直方图的差异越大,导致匹配精度越低,生成的查找表精度也越低,进而导致遥感影像辐射校正效果较差。
发明内容
本申请解决的技术问题是:针对现有技术中遥感影像辐射校正效果较差。本申请提供了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,本申请实施例所提供的方案中,通过搭接区同名像元畸变修正后、再辐射能量加和的方法来重建辐射模型,通过矩匹配方法对搭接区边缘进行过渡性匀色处理,解决多光谱影像搭接区条带噪声问题。这样可使搭接区像元的直方图较不进行辐射能量重构时更接近于期望直方图,生成的查找表精度高,进而提高辐射校正效果。
第一方面,本申请实施例提供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,该方法包括:
获取统计样本数据以及待校正数据,分别将所述统计样本数据和所述待校正数据的每景数据中相邻两片数据进行片间匹配得到片间匹配结果,其中,所述统计样本数据和所述待校正数据包含至少一景0级数据,每景0级数据包含N片数据,N∈[3,16];
根据所述片间匹配结果计算所述相邻两片数据的片间偏移量,根据所述片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据;
根据所述重构后的统计样本数据确定相对辐射校正系数,根据所述相对辐射校正系数对所述重构后的待校正数据进行第一次相对辐射校正得到第一相对辐射校正数据,以及根据预设矩匹配法对所述第一相对辐射校正数据进行第二次相对辐射校正得到第二相对辐射校正数据。
本申请实施例所提供的方案中,通过搭接区同名像元畸变修正后、再辐射能量加和的方法来重建辐射模型,通过矩匹配方法对搭接区边缘进行过渡性匀色处理,解决多光谱影像搭接区条带噪声问题。这样可使搭接区像元的直方图较不进行辐射能量重构时更接近于期望直方图,生成的查找表精度高,进而提高辐射校正效果。
可选地,分别将所述统计样本数据和所述待校正数据每景0级数据中相邻两片数据进行片间匹配得到片间匹配结果,包括:
分别对所述统计样本数据和所述待校正数据中的搭接区进行增强处理得到增强后的统计样本数据和增强后的待校正数据,以及分别对所述增强后的统计样本数据和所述增强后的待校正数据中的搭接区进行特征点提取;
对所述特征点进行匹配确定出匹配点对,并计算所述匹配点对对应的第一相关系数以及确定出所述第一相关系数大于预设相关系数阈值的第一匹配点对;
对所述第一匹配点对进行松弛匹配得到松弛匹后的第二匹配点对,对所述第二匹配点对进行最小二乘法匹配得到同名点对。
可选地,对所述特征点进行匹配确定出匹配点对,包括:
根据所述相邻两片数据中第一片数据的特征点构建一个目标窗口,在所述相邻两片数据中的第二片数据上构建一个搜索窗口以及一个匹配窗口,其中,所述搜索窗口尺寸大于所述目标窗口尺寸,所述匹配窗口与所述目标窗口尺寸相同;
将所述匹配窗口在所述搜索窗口上逐个像素移动,并将所述目标窗口与所述匹配窗口进行比较确定相关系数,根据所述相关系数确定出所述匹配点对。
可选地,根据所述片间匹配结果计算所述相邻两片数据的片间偏移量,包括:
根据所述片间匹配结果确定出所述相邻两片数据之间的搭接区中每一所述同名点对的位置信息。
根据所述位置信息计算得到同一搭接区内所述每一同名点对的位置偏差,根据所述位置偏差计算同一搭接区内所有的所述同名点对的平均偏差,将所述平均偏差作为所述片间偏移量。
可选地,根据所述片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据,包括:
根据所述偏移量确定出第一片数据中搭接区的每个像元在第二片数据上的第一同名点,并计算所述第一同名点的像方坐标,其中,所述第一片数据和所述第二片数据是所述相邻两片数据;
根据所述偏移量确定出所述第二片数据中搭接区的每个像元在所述第一片数据上的第二同名点,并计算所述第二同名点的像方坐标;
根据所述像方坐标以及预设双线性内插法对所述同名点的像元进行灰度重采样得到每个所述搭接区中每个像元及其同名点的辐射能量,并将每对同名点的辐射能量相加得到所述重构后的统计样本数据和所述重构后的待校正数据。
可选地,根据所述重构后的统计样本数据计算辐射校正系数,包括:
根据所述重构后的统计样本数据构建探测器各波段搭接区和非搭接区每个探元的直方图,并将所述直方图进行归一化处理得到归一化直方图;
将相同波段所有探元的直方图相加得到期望直方图,将所述期望直方图进行归一化处理得到归一化期望直方图;
将所述归一化直方图与所述归一化期望直方图进行匹配得到灰度查找表,其中,所述灰度查找表为所述相对辐射校正系数的一种形式。
可选地,根据预设矩匹配法对所述第一辐射校正数据进行二次相对辐射校正得到第二辐射校正数据,包括:
根据所述矩匹配法调整每片数据所对应的第一辐射校正数据中过渡区像元的均值和方差,直到调整后过渡区的单个像元的均值和方差与整个过渡区的均值和方差一致为止,其中,所述过渡区是指搭接区和非搭接区之间的区域。
可选地,根据所述矩匹配法调整每片数据所对应的第一辐射校正数据中过渡区像元的均值和方差,包括:
其中,Y表示第i列图像各像素校正后的灰度值;X表示第i列图像各像素校正前的灰度值;σr表示过渡区(10列)的标准方差;μr表示过渡区(10列)的均值;σi表示第i个像元的标准方差;μi表示第i个像元的均值。
附图说明
图1为本申请实施例所提供的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的流程示意图;
图2为本申请实施例所提供的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的流程示意图;
图3为本申请实施例所提供的一种每景0级数据中分片数据和搭接区的结构示意图(以4片为例);
图4为本申请实施例所提供的一种采用双线性内插法进行同名像元灰度重采样的示意图;
图5a为本申请实施例所提供的一种现有技术处理效果示意图;
图5b为本申请实施例所提供的一种现有技术处理效果示意图;
图6a为本申请实施例所提供的一种处理效果示意图;
图6b为本申请实施例所提供的一种处理效果示意图。
具体实施方式
本申请实施例提供的方案中,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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所有其它实施例,都属于本申请保护的范围。
为了更好的理解上述技术方案,以下结合说明书附图对本申请实施例所提供的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做进一步详细的说明,该方法具体实现方式可以包括以下步骤(方法流程如图1和图2所示):
步骤101,获取统计样本数据以及待校正数据,分别将所述统计样本数据和所述待校正数据的每景数据中相邻两片数据进行片间匹配得到片间匹配结果,其中,所述统计样本数据和所述待校正数据包含至少一景0级数据,每景0级数据包含N片数据,N∈[3,16]。
具体的,在本申请实施例所提供的方案中,统计样本数据包含多景0级数据,待校正数据可包含一景0级数据,也可包含多景0级数据。每景0级数据均为分片数据,且每景0级数据的分片数据的数量与光学遥感卫星全色多光谱相机(Panchromatic and multi-spectral sensor,PMS)采用的时间延时积分电荷耦合器件(Time Delangand IntrationCharge Couple Device,TDICCD)的数量相同,例如,一个光学遥感卫星全色多光谱相机PMS采用N片TDICCD进行反射镜拼接,则其0级数据就分为N片,第1片与第2片之间、第2片与第3片间…第N-1片与第N片间均存在搭接区,每台相机各谱段搭接区宽度固定,量级为几十至几百像元。片间匹配,通过第1片与第2片之间、第2片与第3片间…第N-1片与第N片间搭接区的同名点对匹配来实现,其中,N N∈[3,16]。
由于光学遥感卫星全色多光谱相机一般采用多个TDICCD进行反射镜拼接,为了保证影像的内部几何精度,在获取统计样本数据以及待校正数据之后,需要将统计样本数据中所有0级数据和待校正数据中所有0级数据分别进行相邻片片间匹配得到相邻片片间匹配结果,其中,片间匹配结果为同一景0级数据中相邻片在像方坐标系下的位置偏差。具体的,分别将统计样本数据以及待校正数据中每景0级数据的N片数据中相邻片数据进行片间匹配得到片间匹配结果的方式有多种,下面以其中一种较佳的为例进行说明。
在一种可能实现的方式中,分别将所述统计样本数据和所述待校正数据的每景数据中相邻两片数据进行片间匹配得到片间匹配结果,包括:
分别对所述统计样本数据和所述待校正数据中的搭接区进行增强处理得到增强后的统计样本数据和增强后的待校正数据,以及分别对所述增强后的统计样本数据和所述增强后的待校正数据中的搭接区进行特征点提取;
对所述特征点进行匹配确定出匹配点对,并计算所述匹配点对对应的第一相关系数以及确定出所述第一相关系数大于预设相关系数阈值的第一匹配点对;
对所述第一匹配点对进行松弛匹配得到松弛匹后的第二匹配点对,对所述第二匹配点对进行最小二乘法匹配得到同名点对。
为了便于理解上述片间匹配的过程,下面对统计样本数据以及待校正数据单景0级数据内相邻两片数据进行片间匹配的过程简要介绍。
一、对统计样本数据中单景0级数据进行片间匹配过程。
具体的,在本申请实施例所提供的方案中,对统计样本数据中每景0级数据的搭接区进行增强处理,其中,对搭接区进行增强处理的方式有多种,在此并不做限定,例如,使用Wallis滤波器对搭接区进行增强处理。对每景0级数据的搭接区进行增强处理,可以增强搭接区原始影像的反差并同时压制噪声,特别是可以大大增强影像中不同尺度的影像纹理模式,进而能够在后续提取影像中的点特征时可提高点特征的数量和精度,从而在影像匹配中则提高了匹配结果的可靠性及精度。
进一步,在对每景0级数据的搭接区进行增强处理之后,为了实现片间匹配还需要对每景0级数据的每片数据进行特征点提取。具体的,对每片数据进行特征点提取的方式有多种,例如,基于影像金字塔,在参考影像上逐级提取特征点,作为匹配控制点。特征点提取采用Forstner算子和SUSAN算子(Small univalue segment assimilating nucleus)。
进一步,在对每片数据进行特征点提取之后,对相邻两片数据中的特征点进行匹配确定出匹配点对。具体的,对相邻两片数据中的特征点进行匹配确定出匹配点对的方式有多种,下面以其中一种为例进行说明。
在一种可能实现的方式中,对所述特征点进行匹配确定出匹配点对,包括:
根据所述相邻两片数据中第一片数据的特征点构建一个目标窗口,在所述相邻两片数据中的第二片数据上构建一个搜索窗口以及一个匹配窗口,其中,所述搜索窗口尺寸大于所述目标窗口尺寸,所述匹配窗口与所述目标窗口尺寸相同;
将所述匹配窗口在所述搜索窗口上逐个像素移动,并将所述目标窗口与所述匹配窗口进行比较确定相关系数,根据所述相关系数确定出所述匹配点对。
具体的,根据任一景0级数据中相邻两片数据中第一片数据的特征点构建一个目标窗口,例如,目标窗口的尺寸为m×n,m和n为不小于1的正整数;然后在所述任一景0级数据中相邻两片数据中的第二片数据中构建一个搜索窗口,其中,搜索窗口的尺寸大于目标窗口的尺寸,再在搜索窗口上构建一个与目标窗口的尺寸相同的匹配窗口,例如,当目标窗口的尺寸为m×n时,匹配窗口的尺寸也为m×n。
进一步,在搜索窗口上将匹配窗口进行逐像素移动,并将目标窗口与匹配窗口进行匹配比较确定出匹配点对,其中,匹配点对包括特征点以及与特征点匹配的匹配点,其中,匹配点是指与目标窗口匹配的匹配窗口的中心像素点,即在本申请实施例所提供的方案中,基于建立影像金字塔,采取由粗到精的匹配策略,将上层的配准控制点RCP(Registration Control Points)作为下层的控制点,从而可以有效减小搜索范围,提高匹配的成功率。
进一步,在确定出特征点对应的匹配点对之后,计算匹配点对与特征点之间的第一相关系数。当匹配窗口与目标窗口最相似时,最相似的匹配窗口的中心像素点,即与特征点匹配的同名特征点,此时,匹配点对之间的相关系数最大。在确定出第一相关系数之后,确定出第一相关系数小于预设相关系数阈值的第一匹配点对。
进一步,在确定出第一相关系数小于预设相关系数阈值的第一匹配点对之后,为了获得可靠性更高的结果,需要对第一匹配点对进行整体松弛法匹配。为了便于理解下面对松弛法匹配过程进行简要介绍。
具体的,在本申请实施例所提供的方案中,松弛法是利用邻域内的上下文信息,考虑的是对象之间的约束性和一致性,并通过迭代计算最终获得整体上最一致、最兼容的结果,并通过松弛法匹配重新得到这些相关系数小于阈值的第二匹配点对,其中,第二匹配点对对较原先的结果,其可靠性有明显的提高。
进一步,为了保证影像配准结果的可靠性,在对对松弛法匹配后的第二匹配点对执行最小二乘法匹配,其中,最小二乘法充分利用影像窗口内的信息进行平差计算,使影像匹配可以达到0.1甚至0.01像素的高精度。最小二乘法影像匹配的初值给定的越准确,收敛就越快,对于那些经多次迭代不收敛的特征点对将被剔除,不参与后面的小面元微分纠正,以保证影像配准结果的可靠性。
二、待校正数据的每景0级数据中相邻两片数据之间的片间匹配过程。
具体的,在本申请实施例所提供的方案中,待校正数据中每景0级数据片间匹配过程与统计样本数据中每景0级数据片间匹配过程相似,在此不做赘述。
步骤102,根据所述片间匹配结果计算所述相邻两片数据的片间偏移量,根据所述片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据。
在本申请实施例所提供的方案中,分别将所述统计样本数据和所述待校正数据中每景0级数据中相邻两片数据之间进行片间匹配得到片间匹配结果之后,需要根据所述片间匹配结果计算相邻两片数据的片间偏移量。具体的,根据所述片间匹配结果计算相邻两片数据的片间偏移量的方式有多种,下面以其中一种较佳的为例进行说明。
在一种可能实现的方式中,根据所述片间匹配结果计算所述相邻两片数据的片间偏移量,包括:
根据所述片间匹配结果确定出所述相邻两片数据之间的搭接区中每一所述同名点对的位置信息。
根据所述位置信息计算得到同一搭接区内所述每一同名点对的位置偏差,根据所述位置偏差计算同一搭接区内所有的所述同名点对的平均偏差,将所述平均偏差作为所述片间偏移量。
具体的,在本申请实施例所提供的方案中,每景0级数据是由多个全色多光谱TDICCD进行反射镜拼接得到的,因此,任意两个探测器形成的相邻两片数据之间存在搭接区。为了便于理解下面以每景0级数据包含4片数据举例的形式进行说明。
例如,参见图3,每景0级数据包括4片数据,分别为第1片数据、第2片数据、第3片数据以及第4片数据,另外每景0级数据还包括3个搭接区,分别为第1搭接区、第2搭接区以及第3搭接区,其中,第1搭接区位于第1片数据和第2片数据之间,一部分在第1片数据上,另一部分在第2片数据上;第2搭接区位于第2片数据和第3片数据之间,一部分在第2片数据上,另一部分在第3片数据上;第3搭接区位于第3片数据和第4片数据之间,一部分在第3片数据上,另一部分在第4片数据上。
进一步,在本申请实施例所提供的方案中,计算片间偏移量之前,对于每个搭接区,需要确定相邻两片数据中第一片数据(左片数据)与第二片数据(右片数据)匹配的所有同名点,然后将匹配的两片中所有对应同名点位置坐标相减并进行平均值计算,得到左右两片的偏移量,即Δx和Δy,具体的Δx和Δy表达式如下所示:
其中,i为同名点对的编号,i=1,2,…,N,N为任一搭接区匹配到的同名点对数量;(xi,L,yi,L)表示第i个同名点对在任一景0级数据中左侧片上的像方坐标;(xi,R,yi,R)为第i个同名点对在该任一景0级数据中右侧片上的像方坐标。
进一步,在一种可能实现的方式中,根据所述片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据,包括:
根据所述偏移量确定出第一片数据中搭接区的每个像元在第二片数据上的第一同名点,并计算所述第一同名点的像方坐标,其中,所述第一片数据和所述第二片数据是所述相邻两片数据;
根据所述偏移量确定出所述第二片数据中搭接区的每个像元在所述第一片数据上的第二同名点,并计算所述第二同名点的像方坐标;
根据所述像方坐标以及预设双线性内插法对所述同名点的像元进行灰度重采样得到所述相邻两片数据中每片数据的搭接区内每个像元及其同名点的辐射能量,并将每对同名点的辐射能量相加得到所述重构后的统计样本数据和所述重构后的待校正数据。
具体的,对于匹配的两片数据(即左片数据和右片数据)进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据的过程如下所示:
(1)同名像元像方坐标计算。
若左片搭接区内任一像元PL,其像方坐标为(xL,yL),该像元在右片上的同名点PR的像方坐标为(xR,yR),其中,xR=xL-Δx,yR=yL-Δy。右片中同名点像元像方坐标计算过程同理,在此不做赘述。
(2)同名像元灰度重采样
根据偏移量确定出左片数据上搭接区中的每个像元在其片间匹配的右片数据上的同名点的像方坐标之后,需要根据像方坐标以及预设双线性内插法对同名点的像元进行灰度重采样得到每片数据的搭接区内每个像元及其同名点的辐射能量。具体的。参见图4,本申请实施例所提供的方案采用双线性内插法进行同名像元灰度重采样,该方法的重采样函数是对辛克函数的更粗略近似,用如下三角形线性函数表达:
W(xc)=1-|xc|(0≤|xc|≤1)
当实施双线性内插时,需要有被采样点PR周围4个已知像素的亮度值参加计算,即
其中,Wx1表示采样点PR左上方像素P11的重采样函数,Wx1=1-Δm,Δm表示像素PR和像素P11两点x坐标差值的绝对值;Wx2表示采样点PR左下方像素P21的重采样函数,Wx2=Δm;Wy1表示采样点PR右上方像素P12的重采样函数,Wy1=1-Δn,Δn表示像素PR和像素P12两点y坐标差值的绝对值;Wy2表示采样点PR右下方像素P22的重采样函数,Wy2=Δn;
右片同理。
(3)定标数据搭接区辐射能量重构
步骤103,根据所述重构后的统计样本数据确定相对辐射校正系数,根据所述相对辐射校正系数对所述重构后的待校正数据进行第一次相对辐射校正得到第一相对辐射校正数据,以及根据预设矩匹配法对所述第一相对辐射校正数据进行第二次相对辐射校正得到第二相对辐射校正数据。
在一种可能实现的方式中,根据所述重构后的统计样本数据计算辐射校正系数,包括:
根据所述重构后的统计样本数据构建探测器各波段搭接区和非搭接区每个探元的直方图,并将所述直方图进行归一化处理得到归一化直方图;
将相同波段所有探元的直方图相加得到期望直方图,将所述期望直方图进行归一化处理得到归一化期望直方图;
将所述归一化直方图与所述归一化期望直方图进行匹配得到灰度查找表,其中,所述灰度查找表为所述相对辐射校正系数的一种形式。
进一步,在一种可能实现的方式中,根据预设矩匹配法对所述第一辐射校正数据进行二次相对辐射校正得到第二辐射校正数据,包括:
根据所述矩匹配法调整每片数据所对应的第一辐射校正数据中过渡区像元的均值和方差,直到调整后过渡区的单个像元的均值和方差与整个过渡区的均值和方差一致为止,其中,所述过渡区中的像元一部分位于搭接区,一部分位于非搭接区,例如,过渡区包括10个像元,5个像元在搭接区,5个像元在非搭接区。
在一种可能实现的方式中,
根据所述矩匹配法调整每片数据所对应的第一辐射校正数据中过渡区像元的均值和方差,包括:
其中,Y表示第i列图像各像素校正后的灰度值;X表示第i列图像各像素校正前的灰度值;σr表示过渡区(10列)的标准方差;μr表示过渡区(10列)的均值;σi表示第i个像元的标准方差;μi表示第i个像元的均值。
具体的,在本申请实施例所提供的方案中,直方图匹配过程如下所示:
(1)每个探元直方图统计
统计能量重构后的各片各波段搭接区和非搭接区每个探元的直方图,并归一化处理,即使每个探元的直方图曲线与横轴的积分面积为1。
(2)期望直方图统计
将同一波段各片上所有探元的直方图加和得到期望直方图,并进行归一化处理,即使期望直方图曲线与横轴的积分面积为1。
(3)直方图匹配
将每个探元归一化直方图与该波段的期望直方图进行匹配,得到灰度查找表。
进一步,通过直方图匹配确定出辐射校正系数之后,需要对整景影像进行第一次相对辐射校正。具体的,采用直方图匹配法得到的辐射校正系数对搭接区能量重构后的0级数据(分片)所有探元进行一次相对辐射校正。
进一步,在对搭接区能量重构后的0级数据(分片)所有探元进行一次相对辐射校正之后,需要对过渡区进行第二次相对辐射校正。具体过程为:
采用矩匹配法对一次相对辐射校正后数据(分片)中搭接区向非搭接区过渡区像元(10列)进行二次相对辐射校正。调整过度区内每个探元的均值和方差,使其与整过渡区(10列)的均值和方差一致,以提升过渡区的辐射一致性。利用公式:
其中,Y表示第i行图像各像素校正后的灰度值;X表示第i行图像各像素校正前的灰度值;σr表示过渡区的标准方差;μr表示过渡区的均值;σi表示第i个像元的标准方差;μi表示第i个像元的均值。
应理解,在本申请实施例所提供的方案中,通过采用矩匹配法对一次相对辐射校正后数据(分片)中搭接区向非搭接区过渡区像元(10列)进行二次相对辐射校正之后,还需要对二次相对辐射校正后数据(分片)进行几何传感器校正,得到传感器校正影像(整景)。
为了便于理解上述相对辐射校正的效果,下面以应用于“高景一号卫星地面数据处理系统”中,处理多光谱数据超过10万景。以高景一号01星数据为例,对本发明的效果进行说明。
1、验证数据说明
多光谱“水体、薄云、水体+薄云”影像搭接区较易出现条纹。测试数据选取了两景高景一号01星数据,一景观测目标为“水体+薄云”,另一景的观测目标为“江水”。
2、验证方法说明
比较本申请所提供的方案与现有技术在处理效果上的差异。
3、验证结果
参见图5(a)和图5(b),为本申请实施例提供的一种现有技术处理效果示意图;参见图6(a)和图6(b)为本申请实施例提供的一种处理效果示意图;其中,图5(a)和图6(a)是对海水+薄云处理效果图,图5(b)和6(b)是对江水的处理效果图。通过分别将图5(a)、图5(b)与图6(a)和图6(b)对比后可知,采用现有技术“水体”或是“水体+薄云”的影像呈现明显搭接区条纹;采用本申请所提供的技术,“水体”或是“水体+薄云”的影像中搭接区条纹消失,影像辐射一致性显著增强。
本申请实施例所提供的方案中,通过搭接区同名像元畸变修正后、再辐射能量加和的方法来重建辐射模型,通过矩匹配方法对搭接区边缘进行过渡性匀色处理,解决多光谱影像搭接区条带噪声问题。这样可使搭接区像元的直方图较不进行辐射能量重构时更接近于期望直方图,生成的查找表精度高,进而提高辐射校正效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种基于辐射能量重构的光学遥感卫星相对辐射校正方法,其特征在于,包括:
获取统计样本数据以及待校正数据,分别将所述统计样本数据和所述待校正数据的每景数据中相邻两片数据进行片间匹配得到片间匹配结果,其中,所述统计样本数据和所述待校正数据包含至少一景0级数据,每景0级数据包含N片数据,N∈[3,16];
根据所述片间匹配结果计算所述相邻两片数据的片间偏移量,根据所述片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据;
根据所述重构后的统计样本数据确定相对辐射校正系数,根据所述相对辐射校正系数对所述重构后的待校正数据进行第一次相对辐射校正得到第一相对辐射校正数据,以及根据预设矩匹配法对所述第一相对辐射校正数据进行第二次相对辐射校正得到第二相对辐射校正数据。
2.如权利要求1所述的方法,其特征在于,分别将所述统计样本数据和所述待校正数据每景0级数据中相邻两片数据进行片间匹配得到片间匹配结果,包括:
分别对所述统计样本数据和所述待校正数据中的搭接区进行增强处理得到增强后的统计样本数据和增强后的待校正数据,以及分别对所述增强后的统计样本数据和所述增强后的待校正数据中的搭接区进行特征点提取;
对所述特征点进行匹配确定出匹配点对,并计算所述匹配点对对应的第一相关系数以及确定出所述第一相关系数大于预设相关系数阈值的第一匹配点对;
对所述第一匹配点对进行松弛匹配得到松弛匹后的第二匹配点对,对所述第二匹配点对进行最小二乘法匹配得到同名点对。
3.如权利要求2所述的方法,其特征在于,对所述特征点进行匹配确定出匹配点对,包括:
根据所述相邻两片数据中第一片数据的特征点构建一个目标窗口,在所述相邻两片数据中的第二片数据上构建一个搜索窗口以及一个匹配窗口,其中,所述搜索窗口尺寸大于所述目标窗口尺寸,所述匹配窗口与所述目标窗口尺寸相同;
将所述匹配窗口在所述搜索窗口上逐个像素移动,并将所述目标窗口与所述匹配窗口进行比较确定相关系数,根据所述相关系数确定出所述匹配点对。
4.如权利要求3所述的方法,其特征在于,根据所述片间匹配结果计算所述相邻两片数据的片间偏移量,包括:
根据所述片间匹配结果确定出所述相邻两片数据之间的搭接区中每一所述同名点对的位置信息。
根据所述位置信息计算得到同一搭接区内所述每一同名点对的位置偏差,根据所述位置偏差计算同一搭接区内所有的所述同名点对的平均偏差,将所述平均偏差作为所述片间偏移量。
5.如权利要求1~4任一项所述的方法,其特征在于,根据所述片间偏移量进行搭接区能量重构得到重构后的统计样本数据以及重构后的待校正数据,包括:
根据所述偏移量确定出第一片数据中搭接区的每个像元在第二片数据上的第一同名点,并计算所述第一同名点的像方坐标,其中,所述第一片数据和所述第二片数据是所述相邻两片数据;
根据所述偏移量确定出所述第二片数据中搭接区的每个像元在所述第一片数据上的第二同名点,并计算所述第二同名点的像方坐标;
根据所述像方坐标以及预设双线性内插法对所述同名点的像元进行灰度重采样得到所述搭接区中每个像元及其同名点的辐射能量,并将每对同名点的辐射能量相加得到所述重构后的统计样本数据和所述重构后的待校正数据。
6.如权利要求1~4任一项所述的方法,其特征在于,根据所述重构后的统计样本数据计算辐射校正系数,包括:
根据所述重构后的统计样本数据构建探测器各波段搭接区和非搭接区每个探元的直方图,并将所述直方图进行归一化处理得到归一化直方图;
将相同波段所有探元的直方图相加得到期望直方图,将所述期望直方图进行归一化处理得到归一化期望直方图;
将所述归一化直方图与所述归一化期望直方图进行匹配得到灰度查找表,其中,所述灰度查找表为所述相对辐射校正系数的一种形式。
7.如权利要求1~4任一项所述的方法,其特征在于,根据预设矩匹配法对所述第一辐射校正数据进行二次相对辐射校正得到第二辐射校正数据,包括:
根据所述矩匹配法调整每片数据所对应的第一辐射校正数据中过渡区像元的均值和方差,直到调整后过渡区的单个像元的均值和方差与整个过渡区的均值和方差一致为止,其中,所述过渡区是指搭接区和非搭接区之间的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110624174.5A CN113469899B (zh) | 2021-06-04 | 2021-06-04 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110624174.5A CN113469899B (zh) | 2021-06-04 | 2021-06-04 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469899A true CN113469899A (zh) | 2021-10-01 |
CN113469899B CN113469899B (zh) | 2023-12-29 |
Family
ID=77872361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110624174.5A Active CN113469899B (zh) | 2021-06-04 | 2021-06-04 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469899B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134820A (zh) * | 2024-05-08 | 2024-06-04 | 中国科学院空天信息创新研究院 | 自适应光学遥感影像相对辐射校正方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509275A (zh) * | 2011-11-25 | 2012-06-20 | 北京航空航天大学 | 一种基于像元成像区域合成的遥感图像重采样方法 |
CN102609918A (zh) * | 2012-02-15 | 2012-07-25 | 国家海洋局第二海洋研究所 | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 |
CN102819827A (zh) * | 2012-07-10 | 2012-12-12 | 武汉大学 | 一种基于灰度分割的自适应矩匹配条带噪声去除方法 |
CN103778637A (zh) * | 2014-01-24 | 2014-05-07 | 北京空间机电研究所 | 一种基于直方图平衡的side-slither辐射定标处理方法 |
CN104766328A (zh) * | 2015-04-16 | 2015-07-08 | 武汉大学 | 基于路径追踪的遥感影像Bowtie效应纠正方法 |
CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
WO2017113818A1 (zh) * | 2015-12-31 | 2017-07-06 | 深圳市道通智能航空技术有限公司 | 一种无人机及其全景拼接方法、装置和系统 |
CN107562791A (zh) * | 2017-08-01 | 2018-01-09 | 中国资源卫星应用中心 | 一种基于大数据统计的遥感卫星相对辐射定标处理方法 |
CN107563964A (zh) * | 2017-08-22 | 2018-01-09 | 长光卫星技术有限公司 | 大面阵亚米级夜景遥感影像的快速拼接方法 |
CN112634132A (zh) * | 2020-11-20 | 2021-04-09 | 中国资源卫星应用中心 | 一种卫星影像的海图要素采集方法及装置 |
CN112884672A (zh) * | 2021-03-04 | 2021-06-01 | 南京农业大学 | 一种基于同期卫星影像的多架次无人机影像相对辐射校正方法 |
-
2021
- 2021-06-04 CN CN202110624174.5A patent/CN113469899B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509275A (zh) * | 2011-11-25 | 2012-06-20 | 北京航空航天大学 | 一种基于像元成像区域合成的遥感图像重采样方法 |
CN102609918A (zh) * | 2012-02-15 | 2012-07-25 | 国家海洋局第二海洋研究所 | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 |
CN102819827A (zh) * | 2012-07-10 | 2012-12-12 | 武汉大学 | 一种基于灰度分割的自适应矩匹配条带噪声去除方法 |
CN103778637A (zh) * | 2014-01-24 | 2014-05-07 | 北京空间机电研究所 | 一种基于直方图平衡的side-slither辐射定标处理方法 |
CN104766328A (zh) * | 2015-04-16 | 2015-07-08 | 武汉大学 | 基于路径追踪的遥感影像Bowtie效应纠正方法 |
CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
WO2017113818A1 (zh) * | 2015-12-31 | 2017-07-06 | 深圳市道通智能航空技术有限公司 | 一种无人机及其全景拼接方法、装置和系统 |
CN107562791A (zh) * | 2017-08-01 | 2018-01-09 | 中国资源卫星应用中心 | 一种基于大数据统计的遥感卫星相对辐射定标处理方法 |
CN107563964A (zh) * | 2017-08-22 | 2018-01-09 | 长光卫星技术有限公司 | 大面阵亚米级夜景遥感影像的快速拼接方法 |
CN112634132A (zh) * | 2020-11-20 | 2021-04-09 | 中国资源卫星应用中心 | 一种卫星影像的海图要素采集方法及装置 |
CN112884672A (zh) * | 2021-03-04 | 2021-06-01 | 南京农业大学 | 一种基于同期卫星影像的多架次无人机影像相对辐射校正方法 |
Non-Patent Citations (3)
Title |
---|
BAOGUI QI等: "On-Board, Real-Time Preprocessing System for Optical Remote-Sensing Imagery", 《SENSORS》, pages 1 - 18 * |
刘丹: "云顶高度计算中气象卫星最优影像匹配技术的研究", 《万方数据》, pages 1 - 76 * |
雷学武: "/012+3*//4 星上定标数据在辐射校正中的应用", 《国土资源遥感》, pages 1 - 4 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134820A (zh) * | 2024-05-08 | 2024-06-04 | 中国科学院空天信息创新研究院 | 自适应光学遥感影像相对辐射校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113469899B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110023810B (zh) | 光学系统像差的数字校正 | |
US8995753B2 (en) | Stereo distance measurement apparatus and stereo distance measurement method | |
CN108288256B (zh) | 一种多光谱马赛克图像复原方法 | |
KR102018789B1 (ko) | 지형정규화 모델 평가 방법, 및 이를 이용한 식생지수 맵의 지형효과 보정방법 및 그 장치 | |
CN113533256B (zh) | 一种光谱反射率的确定方法、装置及设备 | |
CN112287904B (zh) | 基于卫星影像的机场目标识别方法和装置 | |
CN110520768B (zh) | 高光谱光场成像方法和系统 | |
CN106887016B (zh) | 一种gf-4卫星序列图像自动相对配准方法 | |
CN107727231B (zh) | 一种对光谱成像仪条带噪声进行修正的方法 | |
WO2018209703A1 (en) | Method and system for snapshot multi-spectral light field imaging | |
CN109308702A (zh) | 一种目标实时识别定位方法 | |
WO2023273412A1 (zh) | 一种光谱反射率的确定方法、装置及设备 | |
CN112529807A (zh) | 卫星影像的相对辐射校正方法和装置 | |
Deidda et al. | Pre-processing of high resolution satellite images for sea bottom classification. | |
Cui et al. | Multiscale Intensity Propagation to Remove Multiplicative Stripe Noise From Remote Sensing Images. | |
Kurmi et al. | Pose error reduction for focus enhancement in thermal synthetic aperture visualization | |
CN113469899A (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 | |
Xu et al. | Hyperspectral image reconstruction based on the fusion of diffracted rotation blurred and clear images | |
Liu et al. | A general relative radiometric correction method for vignetting and chromatic aberration of multiple CCDs: Take the Chinese series of Gaofen satellite Level-0 images for example | |
CN115988334B (zh) | 一种自校正的数字化相机移动遥感系统及方法 | |
CN111595781B (zh) | 一种曲面拟合的地面高光谱影像反射率校正方法 | |
CN107392948B (zh) | 一种分振幅实时偏振成像系统的图像配准方法 | |
CN110969650B (zh) | 一种基于中心投影的强度图像与纹理序列间的配准方法 | |
CN116109535A (zh) | 一种图像融合方法、设备及计算机可读存储介质 | |
CN114565653A (zh) | 一种存在旋转变化和尺度差异的异源遥感图像匹配方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |