CN113806937A - 混合地物类型的光谱双向反射分布函数建模方法及装置 - Google Patents

混合地物类型的光谱双向反射分布函数建模方法及装置 Download PDF

Info

Publication number
CN113806937A
CN113806937A CN202111091866.4A CN202111091866A CN113806937A CN 113806937 A CN113806937 A CN 113806937A CN 202111091866 A CN202111091866 A CN 202111091866A CN 113806937 A CN113806937 A CN 113806937A
Authority
CN
China
Prior art keywords
distribution function
feature
spectral
type
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
Application number
CN202111091866.4A
Other languages
English (en)
Other versions
CN113806937B (zh
Inventor
陈伟力
王淑华
王广平
陈艳
刘畅
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.)
Beijing Institute of Environmental Features
Original Assignee
Beijing Institute of Environmental Features
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 Beijing Institute of Environmental Features filed Critical Beijing Institute of Environmental Features
Priority to CN202111091866.4A priority Critical patent/CN113806937B/zh
Publication of CN113806937A publication Critical patent/CN113806937A/zh
Application granted granted Critical
Publication of CN113806937B publication Critical patent/CN113806937B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • 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
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种混合地物类型的光谱双向反射分布函数建模方法及装置，其中方法包括：确定所需建模的混合地物类型所包括的至少两种地物类型；针对所述至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值；基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值；根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。本方案，能够准确得到混合地物类型的空间反射分布特性。

Description

混合地物类型的光谱双向反射分布函数建模方法及装置
技术领域
本发明实施例涉及遥感探测技术领域，特别涉及一种混合地物类型的光谱双向反射分布函数建模方法及装置。
背景技术
双向反射分布函数能够描述各种不同表面的空间反射分布特性，在目标光散射特性、地物遥感等领域都有广泛的应用。目前主要利用光谱双向反射分布函数对地物地表进行遥感探测。为了便于对地物地表的空间散射特性和光谱特征的研究，可以对地物类型的光谱双向反射分布函数进行建模，以能够更快速的计算出不同入射条件、探测条件下的双向反射分布函数值，得出该地物类型的空间反射分布特性。
在实际的遥感探测过程中，探测到的目标背景可能对应多种不同的地物类型，而针对这种复杂的混合地物类型的目标，如何进行光谱双向反射分布函数的建模，目前尚未有相应方案。因此，亟需提供一种混合地物类型的光谱双向反射分布函数建模方法。
发明内容
本发明实施例提供了一种混合地物类型的光谱双向反射分布函数建模方法及装置。
第一方面，本发明实施例提供了一种混合地物类型的光谱双向反射分布函数建模方法，包括：
确定所需建模的混合地物类型所包括的至少两种地物类型；
针对所述至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值；
基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值；
根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
优选地，所述获取该地物类型所对应样本在若干种条件下的双向反射分布函数测量值，包括：
确定参考板以及所述参考板的双向反射分布函数；
确定在所述若干种测量条件中每一种测量条件下，该地物类型所对应样本在该测量条件下的光谱反射亮度以及所述参考板在该测量条件下的光谱反射亮度，利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值；所述若干种测量条件中的每一种测量条件均包括：入射光波长、入射条件和探测条件；所述入射条件包括入射角和入射方位角，所述探测条件包括探测角和探测方位角。
优选地，所述利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值，包括：
根据该测量条件中的入射光波长，将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到该地物类型所对应样本上，基于该测量条件中的探测角和探测方位角的方向，测量得到该地物类型所对应样本的第一光谱反射亮度；
将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到所述参考板上，基于该测量条件中的探测角和探测方位角的方向，测量得到所述参考板的第二光谱反射亮度；
根据所述第一光谱反射亮度与所述第二光谱反射亮度的比值，与所述参考板的双向反射分布函数的乘积，得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值。
优选地，所述确定预先构建的地物地表双向反射分布函数模型中的未知参数的值，包括：
确定该地物地表反射分布函数模型中未知参数的数量；
针对每一种地物类型，均执行：针对所述若干种测量条件中的每一个相同入射光波长，利用与该数量相同的包括有该入射光波长的测量条件得到的该地物类型的测量值，代入至该地物地表反射分布函数模型中，解算出该地物类型中，每一个入射光波长对应该地物地表反射分布函数模型中各未知参数的值。
优选地，所述根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型，包括：
针对每一个入射光波长，根据所述至少两种地物类型中每一种地物类型对应该入射光波长的各未知参数的值，确定出各未知参数对应的拟合值，将给未知参数对应的拟合值代入该地物地表反射分布函数模型中，得到该入射光波长对应的混合地物类型的光谱双向反射分布函数模型。
优选地，在所述得到混合地物类型的光谱双向反射分布函数模型之后，还包括：
利用得到的该混合地物类型的光谱双向反射分布函数模型，计算在验证条件下的方向半球反射率的计算值；
基于所述验证条件测量得到该混合地物类型的半球反射率的观测值；
根据所述计算值和所述观测值的差值，确定是否对该混合地物类型的光谱双向反射分布函数模型进行调整。
优选地，所述至少两种地物类型中不同地物类型所对应样本均为各向同性。
第二方面，本发明实施例还提供了一种混合地物类型的光谱双向反射分布函数建模装置，包括：
地物类型确定单元，用于确定所需建模的混合地物类型所包括的至少两种地物类型；
获取单元，用于针对所述至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值；
未知参数确定单元，用于基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值；
模型建立单元，用于根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
第三方面，本发明实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种混合地物类型的光谱双向反射分布函数建模方法及装置，通过对混合地物类型中每一种地物类型均测量出对应的双向反射分布函数测量值，以利用这些测量值确定出地物地表双向反射分布函数模型中的未知参数的值，基于各地物类型分布对应的未知参数的值，可以得到混合地物类型的光谱双向反射分布函数模型。可见该混合地物类型的光谱双相反数分布函数模型，将每一种地物类型均考虑在内，因此利用该模型计算得到的光谱双向反射分布函数值，能够准确的得到该混合地物类型的空间反射分布特性。
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，下面描述中的附图是本发明的一些实施例，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是本发明一实施例提供的一种混合地物类型的光谱双向反射分布函数建模方法流程图；
图2是本发明一实施例提供的一种计算设备的硬件架构图；
图3是本发明一实施例提供的一种混合地物类型的光谱双向反射分布函数建模装置结构图；
图4是本发明一实施例提供的另一种混合地物类型的光谱双向反射分布函数建模装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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的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。
如前所述，对地物类型的光谱双向反射分布函数进行建模，无需进行实际测量，即可直接利用建模方程快速计算出该地物类型的双向反射分布函数值，进而分析得出该地物类型的空间反射分布特性。针对单一地物类型可以基于统计模型得到地物地表双向反射分布函数模型，但是在实际遥感探测过程中，目标背景对应多种不同的地物类型，比如，沙地、植被、建筑物的混合地物类型，再比如，水泥地、沙地、植被的混合地物类型，等等。面对如此复杂的地物类型，如何进行双向反射分布函数的建模，是一种挑战。
考虑到基于统计模型得到的地物地表双向反射分布函数模型，是针对宽波段范围建立的模型，即不考虑入射波长的值，都采用同一个函数模型进行计算，如若针对复杂的混合地物类型仅采用统计模型来进行计算，可能无法准确的确定出遥感探测得到的目标地物地表类型，因此，可以考虑基于比较测量法对不同地物类型的样本进行测量，利用测量值构建混合地物类型的双向反射分布函数模型。
下面描述以上构思的具体实现方式。
请参考图1，本发明实施例提供了一种混合地物类型的光谱双向反射分布函数建模方法，该方法包括：
步骤100，确定所需建模的混合地物类型所包括的至少两种地物类型。
步骤102，针对该至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值。
步骤104，基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值。
步骤106，根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
本发明实施例中，通过对混合地物类型中每一种地物类型均测量出对应的双向反射分布函数测量值，以利用这些测量值确定出地物地表双向反射分布函数模型中的未知参数的值，基于各地物类型分布对应的未知参数的值，可以得到混合地物类型的光谱双向反射分布函数模型。可见该混合地物类型的光谱双相反数分布函数模型，将每一种地物类型均考虑在内，因此利用该模型计算得到的光谱双向反射分布函数值，能够准确的得到该混合地物类型的空间反射分布特性。
下面描述图1所示的各个步骤的执行方式。
首先针对步骤100，确定所需建模的混合地物类型所包括的至少两种地物类型。
常见的地物类型可以包括水泥地、农地、绿林地、房屋、芦苇、沙地等。对于混合地物类型可以包括至少两种地物类型，比如，该混合地物类型为农地和沙地，再比如，该混合地物类型为农地、房屋和水泥地。因此，针对混合地物类型建模需要先确定出该混合地物类型所包括的至少两种地物类型。本实施例以三种地物类型(类型A、类型B和类型C)为例进行说明。
然后针对步骤102，针对该至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值。
为了能够对混合地物类型的光谱双向反射分布函数建模，首先需要针对单种地物类型计算模型的未知参数，然后对混合地物类型的未知参数进行拟合，得到最优拟合值之后，得到适用于混合地物类型的模型。
为了能够计算出模型中的未知参数，本步骤102中需要对每一种地物类型的样本进行双向反射分布函数值的实际测量。
该样本是该对应地物类型的实体，比如当地物类型为花草时，该样本可以是一块草皮，当地物类型为建筑物时，该样本可以是一块墙皮等等。
以地物类型A为例，对本步骤102中获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值的方式进行说明，地物类型B、地物类型C的获取方式相同。
双向反射分布函数值的测量方式可以包括多种方式，优选地，本发明一个实施例中，采用比较测量法进行测量，具体地，本步骤102中，获取该地物类型所对应样本在若干种条件下的双向反射分布函数测量值，可以包括：
S1：确定参考板以及所述参考板的双向反射分布函数。
S2：确定在所述若干种测量条件中每一种测量条件下，该地物类型所对应样本在该测量条件下的光谱反射亮度以及所述参考板在该测量条件下的光谱反射亮度，利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值；所述若干种测量条件中的每一种测量条件均包括：入射光波长、入射条件和探测条件；所述入射条件包括入射角和入射方位角，所述探测条件包括探测角和探测方位角。
在本发明一个实施例中，该利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值，具体可以包括：
S21：根据该测量条件中的入射光波长，将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到该地物类型所对应样本上，基于该测量条件中的探测角和探测方位角的方向，测量得到该地物类型所对应样本的第一光谱反射亮度；
S22：将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到所述参考板上，基于该测量条件中的探测角和探测方位角的方向，测量得到所述参考板的第二光谱反射亮度；
S23：根据所述第一光谱反射亮度与所述第二光谱反射亮度的比值，与所述参考板的双向反射分布函数的乘积，得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值。
比如，可以使用如下公式(1)计算得到该地物类型所对应样本在每一个测量条件下的双向反射分布函数测量值：
Figure BDA0003267650230000071
其中，fr(θi,φi,θr,φr,λ)表示波长为λ时样本的双向反射分布函数，Ltest(θi,φi,θr,φr,λ)表示入射光沿(θi,φi)方向入射到该地物类型所对应样本上，在(θr,φr)方向的光谱反射亮度，Lbai(θi,φi,θr,φr,λ)表示入射光沿(θ,φi)方向入射到白板上，在(θr,φr)方向的光谱反射亮度，θi、θr表示入射角及探测角，φi、φr表示入射方位角和探测方位角，θ表示任意的一个入射角，ρ(λ)为该白板的半球反射率。
本发明一个实施例中，在确定地物类型所对应样本的双向反射分布函数时，至少可以使用比较测量法得到。比较测量法是通过被测参数与某个标准量(参考板)进行比较，从而得出被测参数相对于标准量的偏差值，由于标准量是已知的，因此可以得出北侧参数。为了得到各地物类型所对应样本的双向反射分布函数测量值，可以确定参考板，且该参考板的双向反射分布函数需要是已知的，优选地，该参考板可以是标准的白板，白板的双向反射分布函数为ρ(λ)/π，其中，ρ(λ)为该白板的半球反射率。通过将混合地物类型中每一种地物类型的样本均以该白板作为参考板，如此测得的不同地物类型样本的双向分布函数测量值差距更小，使得后续对混合地物类型的光谱双向反射分布函数建模更加准确。
在本发明实施例中，测量条件中的入射光波长是对应的一个窄波段，该窄波段不大于0.5μm。比如，测量条件中的入射光波长为3.0～3.2μm的波段范围、3.2～3.4μm的波段范围等等。以若干种测量条件中包括P1、P2、…、Pm共m(m为不小于2的整数)个波段，如此可以针对地物类型A的P1波段测量得到多个双向反射分布函数测量值，针对地物类型A的P2波段测量得到多个双向反射分布函数测量值，…，针对地物类型A的Pm波段测量得到多个双向反射分布函数测量值。同理，地物类型B、地物类型C也可以针对这m个波段分别得到对应的多个双向反射分布函数测量值。
在本发明一个实施例中，测量条件中的入射角、入射方位角、探测角、探测方位角，均是每间隔一个角度得到一个测量条件，比如，针对同一个入射光波长，比如P1波段的测量条件1为：入射角20°、入射方位角30°、探测角20°、探测方位角30°，测量条件2为入射角30°、入射方位角30°、探测角30°、探测方位角30°，测量条件3为入射角30°、入射方位角40°、探测角30°、探测方位角40°……。
接下来针对步骤104，基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值。
在本发明一个实施例中，可以针对混合地物类型中包括的至少两个地物类型，预先构建地物地表双向反射分布函数模型，构建的地物地表双向反射分布函数模型可以是现有模型，也可以是根据混合地物类型针对性构建的。目前常用的基于统计模型的地物表面双向反射分布函数模型，其综合考虑了菲涅尔反射率、阴影以及表面粗糙的分布特性等。模型假设该至少两种地物类型中不同地物类型所对应样本均为各向同性的,故双向反射分布函数一般表示为
Figure BDA0003267650230000081
其中
Figure BDA0003267650230000082
比如，构建如下地物地表双向反射分布函数模型：
Figure BDA0003267650230000091
其中，H为拟合参数，F(β,n)为菲涅耳反射系数，fsh(γ)为阴影函数，γ表示散射角，式(2)中各计算式如下所示：
Figure BDA0003267650230000097
Figure BDA0003267650230000092
sin(βt)＝sin(β)/n (5)
Figure BDA0003267650230000093
Figure BDA0003267650230000094
Figure BDA0003267650230000095
其中，kγ为拟合参数，表示阴影宽度，变化范围为(0,1)；σ2表示平均坡度的平方(即粗糙度)；n为样本表面折射率，βt为折射角，β为入射角(是散射角γ补角的一半，即β＝0.5*(π-γ))。
本发明一个实施例中，在得出上述地物地表双向反射分布函数模型之后，至少可以利用如下方式确定预先构建的地物地表双向反射分布函数模型中的未知参数的值：
S41：确定该地物地表反射分布函数模型中未知参数的数量；
S42：针对每一种地物类型，均执行：针对所述若干种测量条件中的每一个相同入射光波长，利用与该数量相同的包括有该入射光波长的测量条件得到的该地物类型的测量值，代入至该地物地表反射分布函数模型中，解算出该地物类型中，每一个入射光波长对应该地物地表反射分布函数模型中各未知参数的值。
假设地物地表反射分布函数模型中未知参数的数量为3个，比如为参数X1、X2和X3，那么需要使用该入射光波长的3个测量值进行结算，将每一个测量值代入式(2)中的
Figure BDA0003267650230000096
如此可以解算出X1、X2和X3的值。举例来说，针对地物类型A的P1波段得出X1、X2和X3的值分别为XA11、XA12、XA13，针对地物类型A的P2波段得出X1、X2和X3的值分别为XA21、XA22、XA23，……，针对地物类型A的Pm波段得出X1、X2和X3的值分别为XAm1、XAm2、XAm3。同理针对地物类型B、地物类型C均可以得出各波段对应各未知参数的值。
最后针对步骤106，根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
本发明实施例中，在利用步骤104得到各地物类型针对各波段分别得到了各未知参数的值之后，可以利用如下方式得到：针对每一个入射光波长，根据所述至少两种地物类型中每一种地物类型对应该入射光波长的各未知参数的值，确定出各未知参数对应的拟合值，将给未知参数对应的拟合值代入该地物地表反射分布函数模型中，得到该入射光波长对应的混合地物类型的光谱双向反射分布函数模型。
继续以步骤104中的举例进行说明，针对入射光波长为P1波段，地物类型A对应各未知参数的值为XA11、XA12、XA13，地物类型B对应各未知参数的值为XB11、XB12、XB13，地物类型C对应各未知参数的值为XC11、XC12、XC13，那么针对未知参数X1、X2、X3可以确定是否具有一定规律，比如可以利用每一个未知参数对应各地物类型的值计算平均值、方差等作为该未知参数的拟合值。如此，可以得到X1的拟合值Xh1，X2的拟合值Xh2，X3的拟合值Xh3，将未知参数X1、X2和X3的拟合值Xh1、Xh2、Xh3代入上述公式(2)中，得到该混合地物类型的光谱双向反射分布函数模型。
本发明实施例中，可以针对每一个波段得到一个混合地物类型的光谱双向反射分布函数模型，也可以针对所有波段同时得到一个混合地物类型的光谱双向反射分布函数模型。如此可以利用该光谱双向反射分布函数模型模拟分析混合地物类型的表面的光学散射特性。
在光谱双向反射分布函数建模时，采用基于统计模型的地表双向反射分布函数模型来模拟样本在某个单波段时的双向反射分布函数，通过对测量光谱范围内单个波长建模，分别获得不同波长对应未知参数的拟合值。用不同波长对应不同的拟合值来模拟样本的光谱双向反射分布函数随波长的变化。
为了确定得到的混合地物类型的光谱双向反射分布函数模型的准确性，在得到混合地物类型的光谱双向反射分布函数模型之后，还可以包括：利用得到的该混合地物类型的光谱双向反射分布函数模型，计算在验证条件下的方向半球反射率的计算值；基于所述验证条件测量得到该混合地物类型的半球反射率的观测值；根据所述计算值和所述观测值的差值，确定是否对该混合地物类型的光谱双向反射分布函数模型进行调整。
混合地物类型的光谱双向反射分布函数模型验证可以通过比较基于光谱双向反射分布函数模型计算的方向半球反射率与实验测量的观测值进行比较来完成。方向半球反射率ρr(λ)定义为样本在半球空间的反射通量与总入射通量的比值。ρr(λ)与双向反射分布函数的关系如下式所示：
Figure BDA0003267650230000111
其中，Ωr为反射空间角。
通过比较样本在波段范围内的基于光谱双向反射分布函数模型计算的方向半球反射率与实际测量的观测值验证分析混合地物类型的光谱双向反射分布函数建模结果的有效性。基于混合地物类型的光谱双向反射分布函数模型可对混合地物类型样本的光谱散射特性进行系统分析，对目标探测、识别以及特征提取具有重要的研究价值。
本发明一个实施例中，若计算值和观测值的差值大于预设阈值，则需要对该混合地物类型的光谱双向反射分布函数模型进行调整，即调整未知参数X1、X2和X3的拟合值；否则，确定得到的该混合地物类型的光谱双向反射分布函数模型是有效的。需要说明的是，在调整未知参数X1、X2和X3的拟合值时，可以重新使用不同的测量条件测量得到未知参数的值，以利用重新得到的值确定拟合值。
如图2、图3所示，本发明实施例提供了一种混合地物类型的光谱双向反射分布函数建模装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图2所示，为本发明实施例提供的一种混合地物类型的光谱双向反射分布函数建模装置所在计算设备的一种硬件架构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的计算设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图3所示，作为一个逻辑意义上的装置，是通过其所在计算设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种混合地物类型的光谱双向反射分布函数建模装置，包括：
地物类型确定单元301，用于确定所需建模的混合地物类型所包括的至少两种地物类型；
获取单元302，用于针对所述至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值；
未知参数确定单元303，用于基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值；
模型建立单元304，用于根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
在本发明一个实施例中，所述获取单元302，具体用于：确定参考板以及所述参考板的双向反射分布函数；确定在所述若干种测量条件中每一种测量条件下，该地物类型所对应样本在该测量条件下的光谱反射亮度以及所述参考板在该测量条件下的光谱反射亮度，利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值；所述若干种测量条件中的每一种测量条件均包括：入射光波长、入射条件和探测条件；所述入射条件包括入射角和入射方位角，所述探测条件包括探测角和探测方位角。
在本发明一个实施例中，所述获取单元302在执行所述利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值时，具体包括：根据该测量条件中的入射光波长，将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到该地物类型所对应样本上，基于该测量条件中的探测角和探测方位角的方向，测量得到该地物类型所对应样本的第一光谱反射亮度；将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到所述参考板上，基于该测量条件中的探测角和探测方位角的方向，测量得到所述参考板的第二光谱反射亮度；根据所述第一光谱反射亮度与所述第二光谱反射亮度的比值，与所述参考板的双向反射分布函数的乘积，得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值。
在本发明一个实施例中，所述未知参数确定单元303，具体用于确定该地物地表反射分布函数模型中未知参数的数量；针对每一种地物类型，均执行：针对所述若干种测量条件中的每一个相同入射光波长，利用与该数量相同的包括有该入射光波长的测量条件得到的该地物类型的测量值，代入至该地物地表反射分布函数模型中，解算出该地物类型中，每一个入射光波长对应该地物地表反射分布函数模型中各未知参数的值。
在本发明一个实施例中，所述模型建立单元304，具体用于针对每一个入射光波长，根据所述至少两种地物类型中每一种地物类型对应该入射光波长的各未知参数的值，确定出各未知参数对应的拟合值，将给未知参数对应的拟合值代入该地物地表反射分布函数模型中，得到该入射光波长对应的混合地物类型的光谱双向反射分布函数模型。
在本发明一个实施例中，请参考图4，该装置还可以包括：
验证单元305，用于利用得到的该混合地物类型的光谱双向反射分布函数模型，计算在验证条件下的方向半球反射率的计算值；基于所述验证条件测量得到该混合地物类型的半球反射率的观测值；根据所述计算值和所述观测值的差值，确定是否对该混合地物类型的光谱双向反射分布函数模型进行调整。
在本发明一个实施例中，所述至少两种地物类型中不同地物类型所对应样本均为各向同性。
可以理解的是，本发明实施例示意的结构并不构成对一种混合地物类型的光谱双向反射分布函数建模装置的具体限定。在本发明的另一些实施例中，一种混合地物类型的光谱双向反射分布函数建模装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本发明任一实施例中的一种混合地物类型的光谱双向反射分布函数建模方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时，使所述处理器执行本发明任一实施例中的一种混合地物类型的光谱双向反射分布函数建模方法。
具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
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在计算机可读取的存储介质中，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：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种混合地物类型的光谱双向反射分布函数建模方法，其特征在于，包括：
确定所需建模的混合地物类型所包括的至少两种地物类型；
针对所述至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值；
基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值；
根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
2.根据权利要求1所述的方法，其特征在于，所述获取该地物类型所对应样本在若干种条件下的双向反射分布函数测量值，包括：
确定参考板以及所述参考板的双向反射分布函数；
确定在所述若干种测量条件中每一种测量条件下，该地物类型所对应样本在该测量条件下的光谱反射亮度以及所述参考板在该测量条件下的光谱反射亮度，利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值；所述若干种测量条件中的每一种测量条件均包括：入射光波长、入射条件和探测条件；所述入射条件包括入射角和入射方位角，所述探测条件包括探测角和探测方位角。
3.根据权利要2所述的方法，其特征在于，所述利用比较测量法得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值，包括：
根据该测量条件中的入射光波长，将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到该地物类型所对应样本上，基于该测量条件中的探测角和探测方位角的方向，测量得到该地物类型所对应样本的第一光谱反射亮度；
将该波长的入射光沿该测量条件中入射角和入射方位角方向入射到所述参考板上，基于该测量条件中的探测角和探测方位角的方向，测量得到所述参考板的第二光谱反射亮度；
根据所述第一光谱反射亮度与所述第二光谱反射亮度的比值，与所述参考板的双向反射分布函数的乘积，得到该地物类型所对应样本在该测量条件下的双向反射分布函数测量值。
4.根据权利要2所述的方法，其特征在于，所述确定预先构建的地物地表双向反射分布函数模型中的未知参数的值，包括：
确定该地物地表反射分布函数模型中未知参数的数量；
针对每一种地物类型，均执行：针对所述若干种测量条件中的每一个相同入射光波长，利用与该数量相同的包括有该入射光波长的测量条件得到的该地物类型的测量值，代入至该地物地表反射分布函数模型中，解算出该地物类型中，每一个入射光波长对应该地物地表反射分布函数模型中各未知参数的值。
5.根据权利要4所述的方法，其特征在于，所述根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型，包括：
针对每一个入射光波长，根据所述至少两种地物类型中每一种地物类型对应该入射光波长的各未知参数的值，确定出各未知参数对应的拟合值，将给未知参数对应的拟合值代入该地物地表反射分布函数模型中，得到该入射光波长对应的混合地物类型的光谱双向反射分布函数模型。
6.根据权利要1所述的方法，其特征在于，在所述得到混合地物类型的光谱双向反射分布函数模型之后，还包括：
利用得到的该混合地物类型的光谱双向反射分布函数模型，计算在验证条件下的方向半球反射率的计算值；
基于所述验证条件测量得到该混合地物类型的半球反射率的观测值；
根据所述计算值和所述观测值的差值，确定是否对该混合地物类型的光谱双向反射分布函数模型进行调整。
7.根据权利要1-6中任一所述的方法，其特征在于，所述至少两种地物类型中不同地物类型所对应样本均为各向同性。
8.一种混合地物类型的光谱双向反射分布函数建模装置，其特征在于，包括：
地物类型确定单元，用于确定所需建模的混合地物类型所包括的至少两种地物类型；
获取单元，用于针对所述至少两种地物类型中每一种地物类型，获取该地物类型所对应样本在若干种测量条件下的双向反射分布函数测量值；
未知参数确定单元，用于基于针对每一种地物类型得到的测量值，确定预先构建的地物地表双向反射分布函数模型中的未知参数的值；
模型建立单元，用于根据确定的未知参数的值，得到混合地物类型的光谱双向反射分布函数模型。
9.一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项所述的方法。
CN202111091866.4A 2021-09-17 2021-09-17 混合地物类型的光谱双向反射分布函数建模方法及装置 Active CN113806937B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111091866.4A CN113806937B (zh) 2021-09-17 2021-09-17 混合地物类型的光谱双向反射分布函数建模方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111091866.4A CN113806937B (zh) 2021-09-17 2021-09-17 混合地物类型的光谱双向反射分布函数建模方法及装置

Publications (2)

Publication Number Publication Date
CN113806937A true CN113806937A (zh) 2021-12-17
CN113806937B CN113806937B (zh) 2023-05-02

Family

ID=78939502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111091866.4A Active CN113806937B (zh) 2021-09-17 2021-09-17 混合地物类型的光谱双向反射分布函数建模方法及装置

Country Status (1)

Country Link
CN (1) CN113806937B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6921898B1 (en) * 2002-06-20 2005-07-26 The United States Of America As Represented By The Secretary Of The Navy Bi-directional reflectance distribution function determination by large scale field measurement
CN103942431A (zh) * 2014-04-21 2014-07-23 浙江大学 一种面向遥感地物的双向反射率分布的建模方法
CN109932341A (zh) * 2019-03-11 2019-06-25 北京环境特性研究所 野外环境下典型目标的双向反射分布函数测量方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6921898B1 (en) * 2002-06-20 2005-07-26 The United States Of America As Represented By The Secretary Of The Navy Bi-directional reflectance distribution function determination by large scale field measurement
CN103942431A (zh) * 2014-04-21 2014-07-23 浙江大学 一种面向遥感地物的双向反射率分布的建模方法
CN109932341A (zh) * 2019-03-11 2019-06-25 北京环境特性研究所 野外环境下典型目标的双向反射分布函数测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHEN WEILI等: "Color Reconstruction of Medium Infrared Polarization Images Based on HSV and Wavelet Packet Transform", 《6TH INTERNATIONAL SYMPOSIUM ON ADVANCED OPTICAL MANUFACTURING AND TESTING TECHNOLOGIES: OPTICAL SYSTEM TECHNOLOGIES FOR MANUFACTURING AND TESTING》 *
张徐洲;杜朋朋;何勇;方慧;: "植物BRDF研究及应用进展", 光谱学与光谱分析 *
王安祥;吴振森;曹运华;: "硅太阳能电池板的光谱BRDF测量及色度特性的研究", 红外与激光工程 *
陈伟力;李军伟;孙仲秋;王淑华;王静;陈艳;邓蓉;: "典型卫星表面材料可见光偏振特性分析", 光学学报 *

Also Published As

Publication number Publication date
CN113806937B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
Calders et al. Variability and bias in active and passive ground-based measurements of effective plant, wood and leaf area index
Morsdorf et al. Estimation of LAI and fractional cover from small footprint airborne laser scanning data based on gap fraction
Paletto et al. Forest canopy cover and canopy closure: comparison of assessment techniques
Tang et al. Retrieval of vertical LAI profiles over tropical rain forests using waveform lidar at La Selva, Costa Rica
CN103196838B (zh) 一种海岸河口富营养化高光谱遥感监测方法
Song et al. Using multi-angle hyperspectral data to monitor canopy leaf nitrogen content of wheat
CN105352895A (zh) 高光谱遥感数据植被信息提取方法
CN111062251A (zh) 基于无人机成像的农田棉蚜为害等级模型的监测方法
Korhonen et al. Tropical forest canopy cover estimation using satellite imagery and airborne lidar reference data
CN109521437B (zh) 面向植被生化参数探测的多光谱激光雷达波长选择方法
Richards et al. A continental biomass stock and stock change estimation approach for Australia
Elsherif et al. Estimation of vegetation water content at leaf and canopy level using dual-wavelength commercial terrestrial laser scanners
Sačkov et al. Integration of tree allometry rules to treetops detection and tree crowns delineation using airborne lidar data
Kanmani et al. Estimation of soil moisture for different crops using SAR polarimetric data
Liu et al. Point cloud intensity correction for 2D LiDAR mobile laser scanning
Tesfamichael et al. A semi-variogram approach for estimating stems per hectare in Eucalyptus grandis plantations using discrete-return lidar height data
Bernier et al. From plots to landscape: a k-NN-based method for estimating stand-level merchantable volume in the Province of Québec, Canada
CN113806937B (zh) 混合地物类型的光谱双向反射分布函数建模方法及装置
Deo Modelling and mapping of above-ground biomass and carbon sequestration in the cool temperate forest of north-east China
Marino et al. Airborne hyperspectral remote sensing applications in urban areas: Asbestos concrete sheeting identification and mapping
Herodowicz‐Mleczak et al. Estimating soil surface roughness with models based on the information about tillage practises and soil parameters
Yang et al. A Seven‐Parameter BRDF Model with Double‐Peak Characteristic Suitable for Sandy Soil
Verlinden et al. Modeling woody vegetation resources using Landsat TM imagery in northern Namibia
CN113884444A (zh) 模型建立方法、预测spad值的方法、装置及电子设备
Zheng Land surface temperature retrieval in urban areas from high spatial resolution thermal infrared data

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