CN113516767B - 一种三维复杂地表遥感光学特征反演方法及系统 - Google Patents
一种三维复杂地表遥感光学特征反演方法及系统 Download PDFInfo
- Publication number
- CN113516767B CN113516767B CN202110794684.7A CN202110794684A CN113516767B CN 113516767 B CN113516767 B CN 113516767B CN 202110794684 A CN202110794684 A CN 202110794684A CN 113516767 B CN113516767 B CN 113516767B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- remote sensing
- dimensional scene
- optical characteristics
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 56
- 238000002310 reflectometry Methods 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000015654 memory Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/06—Ray-tracing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种三维复杂地表遥感光学特征反演方法及系统,包括:对获取的遥感图像进行地表三维重建,获得三维场景;对所述三维场景中的信息进行预处理,获得处理后的信息;基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。本发明降低了临近地物对目标地物造成的遥感信号不确定性,提升了光学特征反演结果的准确性。
Description
技术领域
本发明涉及反演技术领域,特别是涉及一种三维复杂地表遥感光学特征反演方法及系统。
背景技术
随着高空间分辨率卫星和无人机技术的快速发展,高空间分辨率遥感影像的应用越来越广泛。相对于已有的低空间分辨率数据,高空间分辨率数据可以提供地表更加精细的空间信息以及对应的光谱或温度信息,在农业估产、城市规划、城市热岛、环境保护、干旱和火灾监测等领域,高空间分辨率遥感手段逐渐成为了研究和应用重要的数据来源。
现有的基于高空间分辨率的遥感产品反演算法大多是直接从低分辨率迁移而来。相对于低空间分辨率数据,高空间分辨率数据更容易受到地表三维结构的影响,即邻近像元效应,而针对低空间分辨率的反演算法忽略该影响。对于低空间分辨率像元,空间分辨率通常大于500米,平坦地表的临近像元效应可忽略不计,而高分卫星和无人机获取的高空间分辨率像元的分辨率可达0.1米到10米,临近建筑或植被冠层对目标像元的影响难以忽略。可见,现有的遥感反演过程中未考虑邻近像元产生的多次散射效应,使得最终的高空间反演结果不准确。
发明内容
针对于上述问题,本发明提供一种地表遥感光学特征反演方法及系统,实现了提升地表遥感光学特征反演结果的精准度的目的。
为了实现上述目的,本发明提供了如下技术方案:
一种三维复杂地表遥感光学特征反演方法,包括:
对获取的遥感图像进行地表三维重建,获得三维场景;
对所述三维场景中的信息进行预处理,获得处理后的信息;
基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;
将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;
如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。
可选地,所述对获取的遥感图像进行地表三维重建,获得三维场景,包括:
对获取的遥感图像进行地表三维测量,获得地表三维结构信息以及所述地表对应的光谱和/或温度信息;
基于所述地表三维结构信息以及所述地表对应的光谱和/或温度信息进行场景构建,得到三维几何结构和属性信息。
可选地,所述对三维场景中的信息进行预处理,获得处理后的信息,包括:
对所述三维场景中的实测遥感图像进行角度归一化处理,获得归一化后的实测遥感图像;
确定所述三维场景的观测矩阵和光源向量;
确定所述三维场景中植被面元的初始温度和初始反射率。
可选地,所述基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像,包括:
基于所述观测矩阵、所述光源向量、所述初始温度和初始反射率,对所述三维场景的图像进行逆向光线追踪处理,获得模拟图像。
可选地,所述对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,包括:
确定优化比例,并基于所述优化比例对所述模拟图像的像元的光学特征进行优化;
若优化后的模拟图像中的所有像元满足阈值条件,控制停止优化;
或者,若优化次数达到循环次数阈值,控制停止优化。
一种三维复杂地表遥感光学特征反演系统,包括:
重建单元,用于对获取的遥感图像进行地表三维重建,获得三维场景;
预处理单元,用于对所述三维场景中的信息进行预处理,获得处理后的信息;
模拟单元,用于基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;
比对单元,用于将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;
确定单元,用于如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。
可选地,所述重建单元包括:
测量子单元,用于对获取的遥感图像进行地表三维测量,获得地表三维结构信息以及所述地表对应的光谱和/或温度信息;
构建子单元,用于基于所述地表三维结构信息以及所述地表对应的光谱和/或温度信息进行场景构建,得到三维几何结构和属性信息。
可选地,所述预处理单元包括:
归一化子单元,用于对所述三维场景中的实测遥感图像进行角度归一化处理,获得归一化后的实测遥感图像;
第一确定子单元,用于确定所述三维场景的观测矩阵和光源向量;
第二确定子单元,用于确定所述三维场景中植被面元的初始温度和初始反射率。
可选地,所述模拟单元具体用于:
基于所述观测矩阵、所述光源向量、所述初始温度和初始反射率,对所述三维场景的图像进行逆向光线追踪处理,获得模拟图像。
可选地,所述确定单元包括:
第三确定子单元,用于确定优化比例,并基于所述优化比例对所述模拟图像的像元的光学特征进行优化;
优化控制子单元,用于若优化后的模拟图像中的所有像元满足阈值条件,控制停止优化;
或者,若优化次数达到循环次数阈值,控制停止优化。
相较于现有技术,本发明提供了一种三维复杂地表遥感光学特征反演方法及系统,包括:对获取的遥感图像进行地表三维重建,获得三维场景;对所述三维场景中的信息进行预处理,获得处理后的信息;基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。本发明降低了临近地物对目标地物造成的遥感特征不确定性,提升了光学特征反演结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种三维复杂地表遥感光学特征反演方法的流程示意图;
图2为本发明实施例提供的一种基于光线追踪方法的地表高分辨率温度和反射率反演方法的流程示意图;
图3为本发明实施例提供的一种三维复杂地表遥感光学特征反演方法的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种三维复杂地表遥感光学特征反演方法,参见图1,该方法可以包括以下步骤:
S101、对获取的遥感图像进行地表三维重建,获得三维场景。
在本发明实施例中遥感图像是高分辨率遥感图像,主要是通过无人机或者有人机的观测平台得到的一系列遥感图像。在获得了遥感图像之后,通过二维运动图像的三维重建(Structure From Motion,SFM)的方法进行地表三维重建,得到三维场景,该三维场景中包括地表三维结构信息和其对应的光谱、温度信息。需要说明的是,该步骤为进行观测结果多次散射项消除的基础,SFM方法处理步骤主要包括图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程(DEM)构建和正射校正。
S102、对三维场景中的信息进行预处理,获得预处理后的信息。
三维场景中包括地表三维结构信息、对应的光谱或者温度信息等,由于后续需要生成模拟图像,为了能够使得信号便于处理,需要对相关的信号进行处理,例如,对实测遥感图像角度归一化、设定传感器和光源设定、设定温度和反射率初值,等等。
S103、基于处理后的信息,对三维场景的图像进行模拟,获得模拟图像。
通过GPU(Graphics Processing Unit,图形处理器)快速光线追踪平台计算模拟图像。具体的,生成模拟图像的过程在本申请后续的实施例中进行说明。
S104、将实测遥感图像与模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件。
S105、如果否,对模拟图像的像元的光学特征进行优化,直至模拟图像所有像元满足阈值条件,将优化后的光学特征确定为目标光学特征。
在本发明实施例中光学特征包括温度和反射率。实测遥感图像是指通过有人机或者无人机实测的遥感图像。对实测遥感图像和模拟图像进行逐个像元的判断,即将实测遥感图像中的第一像元,和在模拟图像中与第一像元对应的第二像元进行比较,若是对温度进行优化,则比较两个像元的温度差,若温度差小于温度阈值则认为满足条件跳过优化,否则,通过高斯-赛德尔迭代方法进行优化。
每优化一次就会重新生成模拟图像,然后再对实测遥感图像和模拟图像中的每一像元进行比对,检测比对结果是否满足阈值条件,以确定是否进行下次优化,循环执行这个过程,直到图像上所有像元满足阈值条件,或者达到循环次数跳出循环。此时优化后的光学特征则为消除了地表组分间多次散射后真实的温度和反射率,输出该光学特征的结果。
本发明实施例提供了一种三维复杂地表遥感光学特征反演方法,包括:对获取的遥感图像进行地表三维重建,获得三维场景;对所述三维场景中的信息进行预处理,获得处理后的信息;基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。本发明降低了临近地物对目标地物造成的遥感特征不确定性,提升了光学特征反演结果的准确性。
下面对本发明实施例中可能包括的实施方式进行说明。
以光学特征包括温度和反射率为例,参见图2,其示出了本发明实施例提供的一种基于光线追踪方法的地表高分辨率温度和反射率反演方法。
对应于图1的实施例中重建三维场景的步骤,在一种可能的实施方式中,对获取的遥感图像进行地表三维重建,获得三维场景,包括:对获取的遥感图像进行地表三维重建,获得地表三维结构信息以及所述地表对应的光谱和/或温度信息;基于所述地表三维结构信息以及所述地表对应的光谱和/或温度信息进行场景构建,得到三维几何结构和属性信息。
具体的,无人机或者有人机观测平台得到的一系列遥感图像,随后通过二维运动图像的三维重建(SFM)的方法进行地表三维重建得到地表三维结构信息及其对应的光谱或者温度信息,该步骤为进行观测结果多次散射项消除的前置步骤,SFM方法处理步骤包括:图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程(DEM)构建和正射校正。在通过对场景构建后可以得到三维几何结构和属性信息,从而可以确定对应的三维场景。
在本发明实施例中,对三维场景中的信息进行预处理,获得处理后的信息,可以是对信息的格式和标准化进行处理,也可以是针对信息的类别不同进行相关处理,例如,三维场景中的实测遥感图像进行角度归一化处理,获得归一化的实测遥感图像,确定三维场景的观测矩阵和光源向量,以及植被面元的初始温度和初始反射率。
在图2中,在对遥感观测进行角度归一化时,通过核驱动的方法实现,即无人机或者有人机的不同观测角度所观测遥感观测的半经验半物理匀色,核驱动方法如下:
其中,T为遥感观测信号,θs为太阳观测天顶角,θv为传感器观测天顶角,为传感器和太阳间相对方位角,K′LSF为Li-Strahler-Friedl辐射传输核,KLI为Li-Strahler几何光学核,Kjump为临近像元核,fLSF,fLI和fjump分别为辐射传输核、几何光学核、临近像元核的核系数;fiso为各项同性核“1”的核系数。
传感器和光源设定:根据传感器的位置、观测视场和视场角给定三维场景的观测矩阵,根据太阳的位置设定光源向量。
设定温度和反射率初值:三维场景中植被面元的初始温度设定为空气温度+1℃,土壤和建筑面元的初始温度设定为空气温度+10℃。根据波谱库设定植被、土壤和建筑的初始光谱信息。
通过GPU快速光线追踪平台计算模拟图像,平台基于Vulkan API框架可以实现Window、Linux和Andiron操作系统的跨平台应用,以NVIDIA显卡设备作为运算单元。以逆向光线追踪技术进行遥感图像模拟,其原理为:
Lo(q,ω0)=Lε(q,ω0)+∫4πf(q,ωi,ωo,λ)Li((q,ωi)|cosθi|dω
其中,Li(q,ωi)、Le(q,ω0)和Lo(q,ω0)分别为碰撞点q入射、自身发射和传感器接收到的辐射亮度;f(q,ωi,ωo,λ)为光子在λ波段经过第q次碰撞时的散射相函数;ωi和ωo分别为入射和反射的方向;θi为入射的天顶角。进行光线传输过程中,判断光线与面元是否碰撞,采用了包围盒技术进行加速。需要说明的是,在该公式中,ωi和ωo分别是太阳和观测的方向,传感器和光源位置设定,Li是初始反射率和光源向量的确定,Le是设定的温度确定的。
需要说明的是,逆向追踪是指从传感器发射若干的光子,并认为光子碰撞到的点对模拟信号是有贡献的。光子的发射方式是通过传感器的观测角度确定,碰撞点即为这个光子与各种地物的几何碰撞点,如叶片、土壤等。
有人机或者无人机实测的遥感图像与模拟图像进行比对,判断是否满足阈值。对于遥感图像和模拟图像进行逐个像元的判断,通常条件下温度阈值小于0.1℃认为满足条件跳过优化,反射率阈值小于0.001认为满足条件跳过优化。
优化像元的温度/反射率:通常初始结果难以满足条件,随后通过高斯-赛德尔迭代方法进行优化,优化公式为:
其中,Bi,step为优化后的辐射度结果,f为优化的比例。
循环执行上述生成模拟图像到实测图像与模拟图像进行比对的过程,直到模拟图像上所有像元满足阈值条件,或者达到循环次数跳出循环。此时优化后的地表温度和反射率结果则为消除了地表组分间多次散射后真实的温度和反射率,输出结果。
本发明实施例通过现有的软件和技术从无人机或者高分数据提取地表三维结构,在反演过程种以光线追踪技术确定临近像元的影响,通过高斯-赛德尔的迭代方法以辐射平衡和高空间分辨率观测作为约束,不断进行地表辐射传输的优化得到,最终消除掉多次散射影响,得到地表真实的温度和反射率结果。
参见图3,在本发明实施例中还提供了一种三维复杂地表遥感光学特征反演系统,包括:
重建单元10,用于对获取的遥感图像进行地表三维重建,获得三维场景;
预处理单元20,用于对所述三维场景中的信息进行预处理,获得处理后的信息;
模拟单元30,用于基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;
比对单元40,用于将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;
确定单元50,用于如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。
进一步地,所述重建单元包括:
测量子单元,用于对获取的遥感图像进行地表三维测量,获得地表三维结构信息以及所述地表对应的光谱和/或温度信息;
构建子单元,用于基于所述地表三维结构信息以及所述地表对应的光谱和/或温度信息进行场景构建,得到三维几何结构和属性信息。
进一步地,所述预处理单元包括:
归一化子单元,用于对所述三维场景中的实测遥感图像进行角度归一化处理,获得归一化后的实测遥感图像;
第一确定子单元,用于确定所述三维场景的观测矩阵和光源向量;
第二确定子单元,用于确定所述三维场景中植被面元的初始温度和初始反射率。
进一步地,所述模拟单元具体用于:
基于所述观测矩阵、所述光源向量、所述初始温度和初始反射率,对所述三维场景的图像进行逆向光线追踪处理,获得模拟图像。
进一步地,所述确定单元包括:
第三确定子单元,用于确定优化比例,并基于所述优化比例对所述模拟图像的像元的光学特征进行优化;
优化控制子单元,用于若优化后的模拟图像中的所有像元满足阈值条件,控制停止优化;
或者,若优化次数达到循环次数阈值,控制停止优化。
本发明提供了一种三维复杂地表遥感光学特征反演系统,包括:重建单元对获取的遥感图像进行地表三维重建,获得三维场景;预处理单元对所述三维场景中的信息进行预处理,获得处理后的信息;模拟单元基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;比对单元将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;确定单元如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率。本发明降低了临近地物对目标地物造成的遥感特征不确定性,提升了光学特征反演结果的准确性。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项的三维复杂地表遥感光学特征反演方法的步骤。
本发明实施例还提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现的三维复杂地表遥感光学特征反演方法的步骤。
需要说明的是,上述处理器或GPU可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(Programmable Logic Device,PLD)、现场可编程门阵列(Field Programmable GateArray,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
需要说明的是,上述计算机存储介质/存储器可以是只读存储器(ReadOnlyMemory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic RandomAccess Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CompactDisc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
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以所述权利要求的保护范围为准。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种三维复杂地表遥感光学特征反演方法,其特征在于,包括:
对获取的遥感图像进行地表三维重建,获得三维场景;
对所述三维场景中的信息进行预处理,获得处理后的信息;
基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;
将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;
如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率;
所述基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像,包括:
基于观测矩阵、光源向量、初始温度和初始反射率,对所述三维场景的图像进行逆向光线追踪处理,获得模拟图像,
原理为:
Lo(q,ω0)=Ls(q,ω0)+∫4πf(q,ωi,ωo,λ)Li(q,ωi)|cosθi|dω
其中,Li(q,ωi)、Le(q,ω0)和Lo(q,ω0)分别为碰撞点q入射、自身发射和传感器接收到的辐射亮度;f(q,ωi,ωo,λ)为光子在λ波段经过第q次碰撞时的散射相函数;ωi和ωo分别为入射和反射的方向;θi为入射的天顶角,进行光线传输过程中,判断光线与面元是否碰撞,采用了包围盒技术进行加速;在上述公式中,ωi和ωo分别是太阳和观测的方向,传感器和光源位置设定,Li是初始反射率和光源向量的确定,Le是设定的温度确定的。
2.根据权利要求1所述的方法,其特征在于,所述对获取的遥感图像进行地表三维重建,获得三维场景,包括:
对获取的遥感图像进行地表三维测量,获得地表三维结构信息以及所述地表对应的光谱和/或温度信息;
基于所述地表三维结构信息以及所述地表对应的光谱和/或温度信息进行场景构建,得到三维几何结构和属性信息。
3.根据权利要求2所述的方法,其特征在于,所述对三维场景中的信息进行预处理,获得处理后的信息,包括:
对所述三维场景中的实测遥感图像进行角度归一化处理,获得归一化后的实测遥感图像;
确定所述三维场景的观测矩阵和光源向量;
确定所述三维场景中植被面元的初始温度和初始反射率。
4.根据权利要求1所述的方法,其特征在于,所述对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,包括:
确定优化比例,并基于所述优化比例对所述模拟图像的像元的光学特征进行优化;
若优化后的模拟图像中的所有像元满足阈值条件,控制停止优化;
或者,若优化次数达到循环次数阈值,控制停止优化。
5.一种三维复杂地表遥感光学特征反演系统,其特征在于,包括:
重建单元,用于对获取的遥感图像进行地表三维重建,获得三维场景;
预处理单元,用于对所述三维场景中的信息进行预处理,获得处理后的信息;
模拟单元,用于基于所述处理后的信息,对所述三维场景的图像进行模拟,获得模拟图像;
比对单元,用于将实测遥感图像与所述模拟图像的每一像元进行比对,检测比对结果是否满足阈值条件;
确定单元,用于如果否,对所述模拟图像的像元的光学特征进行优化,直至所述模拟图像所有像元满足所述阈值条件,将所述优化后的光学特征确定为目标光学特征,所述光学特征包括温度和反射率;
所述模拟单元具体用于:
基于观测矩阵、光源向量、初始温度和初始反射率,对所述三维场景的图像进行逆向光线追踪处理,获得模拟图像,
原理为:
Lo(q,ω0)=Le(q,ω0)+∫4πf(q,ωi,ωo,λ)Li(q,ωi)|cosθi|dω
其中,Li(q,ωi)、Le(q,ω0)和Lo(q,ω0)分别为碰撞点q入射、自身发射和传感器接收到的辐射亮度;f(q,ωi,ωo,λ)为光子在λ波段经过第q次碰撞时的散射相函数;ωi和ωo分别为入射和反射的方向;θi为入射的天顶角,进行光线传输过程中,判断光线与面元是否碰撞,采用了包围盒技术进行加速;在上述公式中,ωi和ωo分别是太阳和观测的方向,传感器和光源位置设定,Li是初始反射率和光源向量的确定,Le是设定的温度确定的。
6.根据权利要求5所述的系统,其特征在于,所述重建单元包括:
测量子单元,用于对获取的遥感图像进行地表三维测量,获得地表三维结构信息以及所述地表对应的光谱和/或温度信息;
构建子单元,用于基于所述地表三维结构信息以及所述地表对应的光谱和/或温度信息进行场景构建,得到三维几何结构和属性信息。
7.根据权利要求6所述的系统,其特征在于,所述预处理单元包括:
归一化子单元,用于对所述三维场景中的实测遥感图像进行角度归一化处理,获得归一化后的实测遥感图像;
第一确定子单元,用于确定所述三维场景的观测矩阵和光源向量;
第二确定子单元,用于确定所述三维场景中植被面元的初始温度和初始反射率。
8.根据权利要求5所述的系统,其特征在于,所述确定单元包括:
第三确定子单元,用于确定优化比例,并基于所述优化比例对所述模拟图像的像元的光学特征进行优化;
优化控制子单元,用于若优化后的模拟图像中的所有像元满足阈值条件,控制停止优化;
或者,若优化次数达到循环次数阈值,控制停止优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110794684.7A CN113516767B (zh) | 2021-07-14 | 2021-07-14 | 一种三维复杂地表遥感光学特征反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110794684.7A CN113516767B (zh) | 2021-07-14 | 2021-07-14 | 一种三维复杂地表遥感光学特征反演方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516767A CN113516767A (zh) | 2021-10-19 |
CN113516767B true CN113516767B (zh) | 2023-12-29 |
Family
ID=78067170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110794684.7A Active CN113516767B (zh) | 2021-07-14 | 2021-07-14 | 一种三维复杂地表遥感光学特征反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516767B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116754076B (zh) * | 2023-05-22 | 2024-05-10 | 华南理工大学 | 一种城市复杂三维场景高异质性地表温度的反演方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324106A (zh) * | 2011-06-02 | 2012-01-18 | 武汉大学 | 一种顾及地表光谱信息的sfs三维重建加密稀疏dem方法 |
CN106383965A (zh) * | 2016-10-13 | 2017-02-08 | 国家卫星气象中心 | 一种三维数值大气可视化支撑系统 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN113012276A (zh) * | 2021-01-27 | 2021-06-22 | 中国科学院空天信息创新研究院 | 基于辐射度的地表高分辨率光谱信息遥感反演方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2953313B1 (fr) * | 2009-11-27 | 2012-09-21 | Thales Sa | Systeme optronique et procede d'elaboration d'images en trois dimensions dedies a l'identification |
US10248744B2 (en) * | 2017-02-16 | 2019-04-02 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for acoustic classification and optimization for multi-modal rendering of real-world scenes |
US10467454B2 (en) * | 2017-04-26 | 2019-11-05 | Mashgin Inc. | Synchronization of image data from multiple three-dimensional cameras for image recognition |
-
2021
- 2021-07-14 CN CN202110794684.7A patent/CN113516767B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324106A (zh) * | 2011-06-02 | 2012-01-18 | 武汉大学 | 一种顾及地表光谱信息的sfs三维重建加密稀疏dem方法 |
CN106383965A (zh) * | 2016-10-13 | 2017-02-08 | 国家卫星气象中心 | 一种三维数值大气可视化支撑系统 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN113012276A (zh) * | 2021-01-27 | 2021-06-22 | 中国科学院空天信息创新研究院 | 基于辐射度的地表高分辨率光谱信息遥感反演方法 |
Non-Patent Citations (2)
Title |
---|
A modular CNN-based building detector for remote sensing images;Dimitrios Konstantinidis等;Computer Networks;第168卷;1-8 * |
基于宽光谱光学遥感图像的细分光谱光学遥感图像的模拟;陈方;牛铮;覃驭楚;付安民;;光电工程(第05期);93-100 * |
Also Published As
Publication number | Publication date |
---|---|
CN113516767A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qi et al. | LESS: LargE-Scale remote sensing data and image simulation framework over heterogeneous 3D scenes | |
JP7413321B2 (ja) | 日常シーン復元エンジン | |
Brunner et al. | Building height retrieval from VHR SAR imagery based on an iterative simulation and matching technique | |
Gastellu-Etchegorry et al. | Simulation of satellite, airborne and terrestrial LiDAR with DART (I): Waveform simulation with quasi-Monte Carlo ray tracing | |
Balz et al. | Potentials and limitations of SAR image simulators–A comparative study of three simulation approaches | |
CN102982560B (zh) | 根据rgb和深度图像的表面分割 | |
Brunner et al. | Radar imaging simulation for urban structures | |
CN102968521B (zh) | 基于gpu编程的红外反射特性仿真方法 | |
Xue et al. | Shortwave radiation calculation for forest plots using airborne LiDAR data and computer graphics | |
CN113505486B (zh) | 一种三维复杂地表叶面积指数反演方法及系统 | |
US20180039860A1 (en) | Image processing apparatus and image processing method | |
CN113516767B (zh) | 一种三维复杂地表遥感光学特征反演方法及系统 | |
CN105900143A (zh) | 从图像确定镜面反射性 | |
Overby et al. | A rapid and scalable radiation transfer model for complex urban domains | |
Liu et al. | Building height detection from high-resolution TerraSAR-X imagery and GIS data | |
WO2020206774A1 (en) | Systems and methods for positioning | |
CN113012276B (zh) | 基于辐射度的地表高分辨率光谱信息遥感反演方法 | |
EP3236237A1 (en) | Image information processing device, image information processing system, image information processing method, and recording medium storing image information processing program | |
Wang et al. | Research on method of high-precision 3D scene optical remote sensing imaging simulation | |
Liu et al. | Development of building height data in Peru from high-resolution SAR imagery | |
CN115170442B (zh) | 基于点光源的绝对辐射校正方法、装置、设备和介质 | |
Shen et al. | Accurate extraction of brick shapes in masonry walls from dense terrestrial laser scanning point cloud | |
Madsen et al. | Outdoor illumination estimation in image sequences for augmented reality | |
US20210383546A1 (en) | Learning device, image processing device, learning method, image processing method, learning program, and image processing program | |
Balz et al. | Improved real-time SAR simulation in urban areas |
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 |