CN114136445B - 一种提高无人机机载高光谱辐射校正精度的方法 - Google Patents
一种提高无人机机载高光谱辐射校正精度的方法 Download PDFInfo
- Publication number
- CN114136445B CN114136445B CN202111467018.9A CN202111467018A CN114136445B CN 114136445 B CN114136445 B CN 114136445B CN 202111467018 A CN202111467018 A CN 202111467018A CN 114136445 B CN114136445 B CN 114136445B
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- reflectivity
- value
- image
- radiance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 139
- 238000012937 correction Methods 0.000 title claims abstract description 31
- 230000005855 radiation Effects 0.000 title claims abstract description 28
- 238000002310 reflectometry Methods 0.000 claims abstract description 146
- 239000004744 fabric Substances 0.000 claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000012795 verification Methods 0.000 claims description 18
- 238000012952 Resampling Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004836 empirical method Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000017020 Ipomoea batatas Species 0.000 description 1
- 235000002678 Ipomoea batatas Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000002689 soil Substances 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
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- 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
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0297—Constructional arrangements for removing other types of optical noise or for performing calibration
-
- 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
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种提高无人机机载高光谱辐射校正精度的方法,属于无人机低空遥感技术领域。本发明提高无人机机载高光谱辐射校正精度方法的具体步骤为:步骤一:无人机在飞行前,通过地物光谱仪获得参考靶标布在各波段对应的中心波长下的反射率;步骤二:无人机在飞行过程中,通过高光谱相机获得无人机高光谱相机采集的原始DN值影像,通过地物光谱仪测得与原始DN值影像获取时间同步的其他地物的光谱信息;步骤三:利用经验线性法对步骤二中的DN值进行反演获得反射率影像;步骤四:通过对无人机飞行前的标准板进行校准获得的原始DN值影像进行反演获得反射率;步骤五:对获得的三种反射率进行误差求解。
Description
技术领域
本发明涉及无人机低空遥感技术领域,具体为一种提高无人机机载高光谱辐射校正精度的方法。
背景技术
近年来,基于无人机(UAV)的遥感技术已经成为一种研究地表物体特性的新型遥感技术,获取精确的反射率产品是光学遥感应用的基础。然而,虽然无人机遥感技术得到了广泛应用,但无人机遥感产品数据的质量、标准化、规范化都面临着一些问题和挑战。
现有的无人机在研究地表特性时,地面物体反射的辐射经过大气再被无人机搭载的传感器接收,这期间会受到大气层的干扰以及光照变化的影响等,导致传感器所接收的辐射能量不能完全反映地物真实的辐射能量,进而对后续反演地面物体的反射率造成影响,导致获得的地物反射率与其真实值之间有一定偏差,以及传统的无人机辐射定位方式采用的是飞行前对飞行器所搭载的相机进行标定板校准的方法,该方法没有考虑到无人机传感器离地有一定高度造成的大气水汽的影响,以及随着飞行时间的延长,太阳光照和大气条件可能产生变化,导致飞行时间越长就越可能出现测量值与真实值之间偏差越大,该方法校准精度低。
发明内容
本发明的目的在于提供一种提高无人机机载高光谱辐射校正精度的方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:提高无人机机载高光谱辐射校正精度方法的具体步骤为:
步骤一:无人机在飞行前,通过地物光谱仪对地面上设置的参考靶标布进行光谱采集,获得参考靶标布在各波段对应的中心波长下的反射率,靶标布为使用聚四氟乙烯喷涂的具有50%标准反射比的1×1m方块布,靶标布是近朗伯面的漫反射表面,7个靶标布的颜色分别为浅灰、黑色、红色、绿色、深灰、白色、蓝,7个靶标布设置为不同颜色,便于对不同位置的光谱信息进行记录,地物光谱仪用于对350-2500nm波长范围的光谱数据进行采集,中心波长是一个波段范围内的峰值位置;
步骤二:无人机在飞行过程中,通过高光谱相机对地面上设置的参考靶标布进行光谱采集,获得无人机高光谱相机采集的原始DN值影像,通过地物光谱仪测得与原始DN值影像获取时间同步的其他地物的光谱信息,无人机高光谱影像共有176个波段,波长范围为400-1000nm,平均每个波段宽约3.5nm,每个波段都有其中心波长,故截取地物光谱仪测得的400-1000nm的波长数据作为和高光谱影像对比研究的对象,其他地物的光谱信息指沥青公路、石子、沙子、红薯藤、水稻、水面和泥土地的光谱信息;
步骤三:利用经验线性法对步骤二中的DN值进行反演获得反射率影像;
步骤四:通过对无人机飞行前的标准板进行校准获得的原始DN值影像进行反演获得反射率;
步骤五:对获得的靶标布的地面实测反射率、经验线性法反演的反射率、飞行前校准标准板获取的反射率进行误差求解;
步骤六:基于步骤五求出的误差值结合皮尔森相关系数对使用地面光谱仪实测地物光谱,同步高光谱无人机飞行作业的经验线性法,与传统的飞行前校准标准板的方法求得的反射率进行精度验证。
进一步的,所述步骤三中利用经验线性法获取反射率影像的具体步骤为:
Step1:通过ENVI软件对高光谱影像的176个波段的中心波长进行重采样,对高光谱影像进行重采样,是因为地物光谱仪获取的波长信息都是整数,而高光谱影像的176个波段的中心波长都是小数,不利于两者之间计算、对比;
Step2:重采样后,基于无人机高光谱原始DN值影像对地面上设置的7个参考靶标布的感兴趣区进行提取,感兴趣区通常指人为在影像上划定的一系列像素点,用于统计某一类地物在遥感影像上的光谱、纹理等特征,此处的感兴趣区位于7个靶标布的中心部分;
Step3:对于每一类感兴趣区,对其中属于176个波段的中心波长上的像素点进行提取,并对提取的所有像素点的各个中心波长的均值进行计算,使用均值有效避免了单个像素带来的不确定性,使提取的数据具有代表性,且提取感兴趣区有效减少数据的运算时间;
Step4:对地物光谱仪在400-1000nm范围内与重采样后高光谱影像的整数值中心波长对应的176行整数波长数据进行提取,将地物光谱仪上的光纤头垂直向下对准每个靶标布,对每个靶标布的辐亮度进行三次测量,并求出三次测量结果的均值,对辐亮度均值进行求解,使得用于计算的辐亮度值具有代表性;
Step6:基于Step4中的数据,将原始DN值影像转化为辐亮度影像;
Step7:通过线性经验法将高光谱辐亮度影像转换为反射率影像。
进一步的,所述Step6中将原始DN值影像转化为辐亮度影像采用的具体公式为:
Radiance(x)=a(x)×DN(x)+b(x);
其中,Radiance(x)是辐亮度单元,单位为μW·cm-2·Sr-1·nm-1,a(x)、b(x)是辐射定标系数,DN(x)是原始高光谱影像的数字信号数值,x是原始高光谱影像的像元序列,Radiance(x)的具体数值为由地物光谱仪多次测得的辐亮度计算出的均值,Radiance(x)=a(x)×DN(x)+b(x)表示通过已知参数Radiance(x)和DN(x),结合对应的中心波长,求得高光谱DN值影像在176个波段上分别对应的辐射定标系数a(x)和b(x);
将计算的各个波长的辐射定标系数a(x)、b(x)在ENVI软件中应用到原始DN值影像,获得高光谱辐亮度影像。
进一步的,所述Step7中通过线性经验法将高光谱辐亮度影像转换为反射率影像的具体方法为:
(1)利用地面光谱仪实测的反射率和无人机高光谱相机传感器接收到的辐亮度的点数据之间进行线性拟合,构建辐射亮度转换为反射率的方程;
(2)构建的辐射亮度转换为反射率方程的具体公式为:
其中,表示在λ波长下通过原始高光谱DN值影像反演的高光谱辐亮度影像上的地面物体的辐射亮度,表示在λ波长下测得的向下光谱辐射亮度总和,表示在λ波长下与时间相对应的光谱背景辐射亮度,φtargets(λ)表示在地面光谱仪实测的地面物体在λ波长下的反射率;
②基于①分别得到各个波段对应的中心波长下这些点数据之间的线性回归方程;
(5)通过176个中心波长分别对应的系数和补偿值对高光谱辐亮度影像的176个波段进行计算,即可求出对应的高光谱反射率影像,再对176个波段分别求出的反射率影像都除以10000即可获得反演的反射率影像,此处求得的反射率影像上的反射率是扩大10000倍的结果,因此需要除以10000后才能得到反演的反射率影像。
其中,表示求得的高光谱辐亮度影像上目标地物在λ波长下的反射率是扩大10000倍的结果,因此,实际获得反演的放射率为φobject(λ)是高光谱影像上的目标地物在λ波长下的反射率,是在λ波长下由传感器测得的地面物体的辐射亮度。
进一步的,Step4中对高光谱数据的光谱信息重采样的具体方法为:先将无人机高光谱原始DN值影像加载到ENVI软件中,导出原始DN值影像中176个中心波长的值到Excel表格中,接着通过四舍五入规律将处于小数值状态的中心波长转换为整数值状态,接着将这176个处于整数值状态的中心波长存储到txt文本中,每个波长为一行共176行,然后使用ENVI软件中的Spectral Resampling工具,导入波长的文本文件作为重采样后的中心波长值,即可完成原始DN值影像的重采样,ENVI软件是一个完整的遥感图像处理平台,SpectralResampling工具为波普重采样工具。
进一步的,所述步骤四中通过对无人机飞行前的标准板进行校准获得的原始DN值影像进行反演获得反射率,采用的具体公式为:
其中,φ′object(λ)表示在λ波长下目标地物的反射率,DNpixel表示高光谱DN值影像中单个像元的DN值,DNblack表示盖上镜头盖后高光谱相机采集的暗背景值,通常视为仪器噪声;DNpanel表示高光谱相机对着99%反射率的标准朗伯板测得的DN值,表示像元的DN值和标准板的DN值分别去除噪声后进行的比值,用以得到目标像元较为准确的反射率,高光谱相机对99%反射率的标准朗伯板获取的DN值即可表征当前环境下相机传感器所能接收到的最大辐射能量,而采集的高光谱影像上单个像元的DN值,又可以表征传感器所接收的地表物体反射的辐射能量。
进一步的,所述步骤五中对获得的靶标布的地面实测反射率、经验线性法反演的反射率、飞行前校准标准板获取的反射率进行误差求解的具体公式为:
均方根误差RMSE的具体公式为:
其中,u表示通过经验线性法或标准板校准法计算得到的反射率,表示反射率观测值,f表示地面实测的遥感反射率,表示反射率真值,n为验证点个数,(ui)-(fi)表示第i个验证点观测值与真值之间的误差,用于对n个验证点的平均误差进行求解;
平均无偏绝对百分比误差ε的具体公式为:
其中,u表示通过经验线性法或标准板校准法计算得到的反射率,表示反射率观测值,f表示地面实测的遥感反射率,表示反射率真值,n为验证点个数,表示反射率观测值和反射率真值之间的相对偏差,表示n个验证点的平均无偏绝对百分比误差,乘以200%用于对平均无偏绝对误差的值进行放大,便于直观观测,本实验中对于高光谱影像在400-1000nm范围内的每个波段的中心波长,分别使用7个靶标布的地面实测和方法计算的反射率数据,故n取值为7。
进一步的,所述步骤六中对两种方法求得的反射率精度进行验证的具体方法为:
<1>使用皮尔森相关系数R对各靶标布上DN值和辐亮度值之间的相关度进行计算,具体的计算公式为:
其中,j=1,2,3,4,5,6,7,表示第j个靶标布,p表示各个波段上靶标布的DN值,q表示各个波段上靶标布的辐亮度值,Cov(uj,fj)表示p、q两个变量之间的协方差,Var(pj)表示各个波段上7个靶标布DN值之间的方差,Var(qj)表示各个波段上7个靶标布辐亮度值之间的方差,R(pj,qj)用以反映两个变量p和q之间的线性相关程度;
<2>基于<1>中的皮尔森相关系数R对决定系数R2进行求解,通过R2大小对每个中心波长下反演的7个靶标布的反射率值和地面实测的反射率值的变化趋势进行分析,进而对两种方法求得的反射率精度进行验证,R2范围通常在0-1之间,值越高,说明两组数据之间的相关性越强。
进一步的,所述地物光谱仪型号为SR-8800,其测量范围为350-2500nm,所述高光谱相机型号为Gaiasky-mini2-VN,搭载相机的飞行器型号为大疆M600 Pro,其飞行高度为350m,地面分辨率为12cm,高光谱相机在400-1000nm波长范围内共有176个波段组合,光谱分辨率为3.5nm。
与现有技术相比,本发明所达到的有益效果是:
1.本发明使用地物光谱仪实测地物光谱信息,同步高光谱无人机飞行作业过程,最终结合原始高光谱DN值影像与地面实测地物光谱数据,进行高光谱400-1000nm波长范围内各个波段的线性拟合,处理原始高光谱DN值影像反演获得高光谱反射率影像,该方法获取无人机高光谱影像反射率的精度相较于传统的飞行前校准标准板的方法有较大提高。
2.本发明只需携带可测量地物的光谱仪,同步对高光谱无人机飞行过程的地面光谱进行测量,对地物光谱的测量方法也较为简单和容易上手,后期数据处理速度与传统方法差别不大,且无需考虑高光谱无人机的载重限制,太阳光照较为稳定的情况下,经验线性法相较于传统的飞行前标准板校准的方法,可以反演出更高精度的高光谱反射率影像,该方法适用范围广。
3.本发明通过地物光谱仪对目标地物的辐亮度和反射率进行测量,高光谱相机对原始DN值影像进行采集,将DN值影像转化为辐亮度影像,再将获取的辐亮度影像通过经验线性法转化为反射率影像,此过程无需考虑大气中水汽等气体和太阳光辐射变化的影响,进而保证获取的高光谱反射率影像准确,有利于后期影像识别。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种提高无人机机载高光谱辐射校正精度的方法的总体流程结构示意图;
图2是本发明一种提高无人机机载高光谱辐射校正精度的方法的176个波段上DN值和辐亮度的R2统计结果示意图;
图3是本发明一种提高无人机机载高光谱辐射校正精度的方法的176个波段上辐亮度和扩大10000倍反射率的R2统计结果示意图;
图4是本发明一种提高无人机机载高光谱辐射校正精度的方法的浅灰色靶标的反射率对比示意图;
图5是本发明一种提高无人机机载高光谱辐射校正精度的方法的黑色靶标的反射率对比示意图;
图6是本发明一种提高无人机机载高光谱辐射校正精度的方法的红色靶标的反射率对比示意图;
图7是本发明一种提高无人机机载高光谱辐射校正精度的方法的红色靶标的反射率对比示意图;
图8是本发明一种提高无人机机载高光谱辐射校正精度的方法的深灰色靶标的反射率对比示意图;
图9是本发明一种提高无人机机载高光谱辐射校正精度的方法的白色靶标的反射率对比示意图;
图10是本发明一种提高无人机机载高光谱辐射校正精度的方法的蓝色靶标的反射率对比示意图;
图11是本发明一种提高无人机机载高光谱辐射校正精度的方法的两种方法的均方根误差对比示意图;
图12是本发明一种提高无人机机载高光谱辐射校正精度的方法的两种方法的平均无偏绝对百分比误差对比示意图;
图13是本发明一种提高无人机机载高光谱辐射校正精度的方法的两种方法的皮尔森系数对比示意图。
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。
实施例:
步骤Ⅰ:对高光谱影像进行重采样;
重采样的具体步骤为:先将无人机高光谱原始DN值影像加载到ENVI软件中,导出原始DN值影像中176个中心波长的值到Excel表格中,接着通过四舍五入规律将处于小数值状态的中心波长转换为整数值状态,接着将这176个处于整数值状态的中心波长存储到txt文本中,每个波长为一行共176行,然后使用ENVI软件中的Spectral Resampling工具,导入波长的文本文件作为重采样后的中心波长值,即可完成原始DN值影像的重采样,ENVI软件是一个完整的遥感图像处理平台,Spectral Resampling工具为波普重采样工具;
步骤Ⅱ:建立感兴趣区并导出像素值;
建立感兴趣区并导出像素值的具体步骤为:在ENVI软件中右击重采样后的DN值影像,点击新建感兴趣区按钮对影像上7个靶标布的中心部分建立感兴趣区,建立完成后统计该区域内的光谱信息,将光谱信息导出为文本文件;
步骤Ⅲ:通过经验线性法反演获取反射率影像,具体步骤为:
步骤Ⅲ(1):将高光谱原始DN值影像转化为辐亮度影像,具体方法为:
ⅰ.取每组感兴趣区的DN值均值,作为7个靶标布用于计算的高光谱影像原始DN值,通过地物光谱仪对地面上设置的7个靶标布的辐亮度和反射率连续测量三次,对三次测量结果的均值进行计算,对于地物光谱仪实测数据,在400-1000nm波段范围内重采样,使其波长对应于重采样后高光谱影像的中心波长的数值,获得176行有效数据,与高光谱影像波段数一致;
ⅱ.以7个靶标布的原始影像DN值为横坐标,地面实测辐亮度值为纵坐标,使用经验线性法进行拟合,将高光谱数据原始DN值校正为辐亮度单元,单位是μW·cm-2·Sr-1·nm-1,其公式为:
Radiance(x)=a(x)×DN(x)+b(x);
其中,Radiance(x)是辐亮度单元,单位为μW·cm-2·Sr-1·nm-1,a(x)、b(x)是辐射定标系数,DN(x)是原始高光谱影像的数字信号数值,x是原始高光谱影像的像元序列,Radiance(x)的具体数值为由地物光谱仪多次测得的辐亮度计算出的均值,Radiance(x)=a(x)×DN(x)+b(x)表示通过已知参数Radiance(x)和DN(x),结合对应的中心波长,求得高光谱DN值影像在176个波段上分别对应的辐射定标系数a(x)和b(x);
ⅲ.对各个波段上的辐亮度值、DN值的皮尔森相关系数R和决定系数R2进行计算,相关系数R的计算公式为:
其中,j=1,2,3,4,5,6,7,表示第j个靶标布,p表示各个波段上靶标布的DN值,q表示各个波段上靶标布的辐亮度值,Cov(uj,fj)表示p、q两个变量之间的协方差,Var(pj)表示各个波段上7个靶标布DN值之间的方差,Var(qj)表示各个波段上7个靶标布辐亮度值之间的方差,R(pj,qj)用以反映两个变量p和q之间的线性相关程度;
对于本实验而言,R2值越高,说明在高光谱176个波段上使用7个靶标布的高光谱DN值数据拟合对应地面光谱仪实测辐亮度数据效果越好,使用原始高光谱DN值影像反演正确辐亮度影像的效果就越佳,将176个波段上DN值和辐亮度的R2之间的关系通过图2进行描述,由图2可知,这176个波段的R2最低值也超过0.96,且R2的平均值为0.988,计算各个波段的相关系数R也都为正值,说明对于这7个靶标布,高光谱影像上各个波段的DN值和对应地面上实测的辐亮度存在显著正相关关系,对于同一波段,高光谱影像上的DN值越大,地面实测的辐亮度相应越强,这一特征有利于我们通过计算高光谱影像上176个波段分别对应辐射定标系数a(x)和b(x)来反演正确的高光谱辐亮度影像;
ⅳ.将上述计算得到的176个波段各自的辐射定标系数a(x)和b(x)分别记录到对应的文本文件中,打开ENVI软件,对高光谱原始DN值影像应用辐射定标系数使其转换为辐亮度影像,打开辐射校正工具栏使用工具进行辐射定位,分别导入之前记录的辐射定标系数的文本文件,即可完成对高光谱影像176个波段的快速定标,辐射定标后高光谱原始DN值影像即转换为辐亮度影像;
步骤Ⅲ(2):将辐亮度影像转换为反射率影像,具体方法为:
㈠.将地物光谱仪测得的各中心波长下7个靶标布的反射率乘以10000倍,再与辐亮度影像上对应地物的辐亮度进行拟合,反射率乘以10000倍是因为转换后的辐亮度影像其辐射亮度的数值较大,若不放大将影响拟合效果,计算各个中心波长下辐亮度和扩大10000倍反射率的决定系数R2,将176个波段上辐亮度和扩大10000倍反射率的R2之间的关系通过图3进行描述,由图3可知,R2最小值也超过0.975,且计算所有176个中心波长的R2的平均值为0.993,计算知各组中心波长下辐亮度和扩大10000倍的反射率数据的R值也均为正数,说明对于每个中心波长,其辐亮度值和扩大10000倍的反射率呈显著正相关关系,辐亮度值越大,反射率相应就越大;
㈡.通过构建的辐射亮度转换为反射率的方程,对各波段的反射率影像进行获取,方程的具体公式为:
其中,表示在λ波长下通过原始高光谱DN值影像反演的高光谱辐亮度影像上的地面物体的辐射亮度,表示在λ波长下测得的向下光谱辐射亮度总和,表示在λ波长下与时间相对应的光谱背景辐射亮度,φtargets(λ)表示在地面光谱仪实测的地面物体在λ波长下的反射率;
②基于①分别得到各个波段对应的中心波长下这些点数据之间的线性回归方程;
(5)通过176个中心波长分别对应的系数和补偿值对高光谱辐亮度影像的176个波段进行计算,即可求出对应的高光谱反射率影像,再对176个波段分别求出的反射率影像都除以10000即可获得反演的反射率影像,此处求得的反射率影像上的反射率是扩大10000倍的结果,因此需要除以10000后才能得到反演的反射率影像;
其中,表示求得的高光谱辐亮度影像上目标地物在λ波长下的反射率是扩大10000倍的结果,因此,实际获得反演的放射率为φobject(λ)是高光谱影像上的目标地物在λ波长下的反射率,是在λ波长下由传感器测得的地面物体的辐射亮度;
步骤Ⅳ:对使用地面光谱仪实测地物光谱,同步高光谱无人机飞行作业的经验线性法,与传统的飞行前校准标准板的方法求得的反射率进行精度验证,具体的验证步骤为:
对于步骤Ⅲ中最终反演的反射率影像,应用和之前DN值影像相同的感兴趣区,统计反射率影像上7个靶标布的波长-反射率信息并导出到文本文件中,对于使用飞行前校准标准板获取的反射率影像重采样后的影像,划定其中7个靶标布的感兴趣区,并导出7个靶标布的波长-反射率信息到文本文件中,此处导出到文本文件里的波长是400-1000nm范围内的176个波段的中心波长,反射率是7个靶标布的感兴趣区象元的各个中心波长反射率均值,将文本文件中的波长-反射率数据转出到Excel表格,最终获得在400-1000nm范围内的176个中心波长下,浅灰、黑、红、绿、深灰、白、蓝共7个靶标布的地面实测反射率、经验线性法反演的反射率、飞行前标准板方法的反射率,并将得到的波长-反射率对比结果通过图4、图5、图6、图7、图8、图9和图10进行描述;
通过图4、图5、图6、图7、图8、图9和图10直观观测可知,使用经验线性法获取的7个地面靶标的反射率结果明显优于飞行前校准标准板的方法,获得的反射率值一直围绕在实测值附近,且波动幅度较小,为了进一步衡量这两种获取反射率方法的精度,采用均方根误差RMSE、平均无偏绝对百分比误差ε和皮尔森相关系数R进行精度验证,它们的公式分别为:
均方根误差RMSE的具体公式为:
其中,u表示通过经验线性法或标准板校准法计算得到的反射率,表示反射率观测值,f表示地面实测的遥感反射率,表示反射率真值,n为验证点个数,(ui)-(fi)表示第i个验证点观测值与真值之间的误差,用于对n个验证点的平均误差进行求解;
平均无偏绝对百分比误差ε的具体公式为:
其中,u表示通过经验线性法或标准板校准法计算得到的反射率,表示反射率观测值,f表示地面实测的遥感反射率,表示反射率真值,n为验证点个数,表示反射率观测值和反射率真值之间的相对偏差,表示n个验证点的平均无偏绝对百分比误差,乘以200%用于对平均无偏绝对误差的值进行放大,便于直观观测,本实验中对于高光谱影像在400-1000nm范围内的每个波段的中心波长,分别使用7个靶标布的地面实测和方法计算的反射率数据,故n取值为7;
皮尔森相关系数R的具体公式为:
其中,j=1,2,3,4,5,6,7,表示第j个靶标布,p表示各个波段上靶标布的DN值,q表示各个波段上靶标布的辐亮度值,Cov(uj,fj)表示p、q两个变量之间的协方差,Var(pj)表示各个波段上7个靶标布DN值之间的方差,Var(qj)表示各个波段上7个靶标布辐亮度值之间的方差,R(pj,qj)用以反映两个变量p和q之间的线性相关程度;
将精度验证结果通过图11、图12和图13进行描述,对于经验线性法和标准板校准法,统计它们在高光谱400-1000nm范围内176个波段的关于地面7个靶标的计算反射率和地面实测反射率的平均误差,统计结果如表一所示:
表1两种方法在高光谱影像所有波段上的平均误差
由表一可知,对于获取高光谱影像的反射率,使用地面光谱仪实测地物光谱,同步高光谱无人机飞行作业的经验线性法,总体性能要优于传统的飞行前校准标准板的方法,实验使用了地面7个靶标布来验证两种方法获取高光谱影像反射率的精度,其中经验线性法获取的反射率在各波段的RMSE均值为0.019,优于标准板校准法的0.056;经验线性法在各波段上的ε值范围在3.86%-13.28%之间,平均ε值为7.68%,标准板校准法的ε值范围为13.97%-30.61%,平均ε值为20.54%,说明经验线性法获取的平均无偏绝对百分比误差要优于标准板校准法,表现为其靶标布在400-1000nm波长上的反射率值纵向上更接近于地面实测值;经验线性法和标准板校准法的皮尔森相关系数均超过0.99,说明在高光谱反射率影像400-1000nm波长范围内的176个波段对应的中心波长下,无论是使用经验线性法还是标准板校准法,其反演的7个靶标布的反射率值都与对应地面实测反射率值呈显著正相关关系,表现为每个中心波长下反演的7个靶标布的反射率值和地面实测的反射率值变化趋势高度相似;
综上所述,使用地面光谱仪实测地物光谱,同步高光谱无人机飞行作业的经验线性法,其获取高光谱反射率影像的精度,要高于传统的飞行前对高光谱相机进行标准板校准的方法。
需要说明的是,在本文中,诸如第一和第二等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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种提高无人机机载高光谱辐射校正精度的方法,其特征在于:提高无人机机载高光谱辐射校正精度方法的具体步骤为:
步骤一:无人机在飞行前,通过地物光谱仪对地面上设置的参考靶标布进行光谱采集,获得参考靶标布在各波段对应的中心波长下的反射率;
步骤二:无人机在飞行过程中,通过高光谱相机对地面上设置的参考靶标布进行光谱采集,获得无人机高光谱相机采集的原始DN值影像,通过地物光谱仪测得与原始DN值影像获取时间同步的其他地物的光谱信息;
步骤三:利用经验线性法对步骤二中的DN值进行反演获得反射率影像;
所述步骤三中利用经验线性法获取反射率影像的具体步骤为:
Step1:通过ENVI软件对高光谱影像的176个波段的中心波长进行重采样;
Step2:重采样后,基于无人机高光谱原始DN值影像对地面上设置的7个参考靶标布的感兴趣区进行提取;
Step3:对于每一类感兴趣区,对其中属于176个波段的中心波长上的像素点进行提取,并对提取的所有像素点的各个中心波长的均值进行计算;
Step4:对地物光谱仪在400-1000nm范围内与重采样后高光谱影像的整数值中心波长对应的176行整数波长数据进行提取,将地物光谱仪上的光纤头垂直向下对准每个靶标布,对每个靶标布的辐亮度进行三次测量,并求出三次测量结果的均值;
Step6:基于Step4中的数据,将原始DN值影像转化为辐亮度影像;
Step7:通过线性经验法将高光谱辐亮度影像转换为反射率影像;
步骤四:通过对无人机飞行前的标准板进行校准获得的原始DN值影像进行反演获得反射率;
步骤五:对获得的靶标布的地面实测反射率、经验线性法反演的反射率、飞行前校准标准板获取的反射率进行误差求解;
步骤六:基于步骤五求出的误差值结合皮尔森相关系数对使用地面光谱仪实测地物光谱,同步高光谱无人机飞行作业的经验线性法,与传统的飞行前校准标准板的方法求得的反射率进行精度验证。
2.根据权利要求1所述的一种提高无人机机载高光谱辐射校正精度的方法,其特征在于:所述Step6中将原始DN值影像转化为辐亮度影像采用的具体公式为:
Radiance(x)=a(x)×DN(x)+b(x);
其中,Radiance(x)是辐亮度单元,单位为μW·cm-2·Sr-1·nm-1,a(x)、b(x)是辐射定标系数,DN(x)是原始高光谱影像的数字信号数值,x是原始高光谱影像的像元序列,Radiance(x)的具体数值为由地物光谱仪多次测得的辐亮度计算出的均值,Radiance(x)=a(x)×DN(x)+b(x)表示通过已知参数Radiance(x)和DN(x),结合对应的中心波长,求得高光谱DN值影像在176个波段上分别对应的辐射定标系数a(x)和b(x);
将计算的各个波长的辐射定标系数a(x)、b(x)在ENVI软件中应用到原始DN值影像,获得高光谱辐亮度影像。
3.根据权利要求2所述的一种提高无人机机载高光谱辐射校正精度的方法,其特征在于:所述Step7中通过线性经验法将高光谱辐亮度影像转换为反射率影像的具体方法为:
(1)利用地面光谱仪实测的反射率和无人机高光谱相机传感器接收到的辐亮度的点数据之间进行线性拟合,构建辐射亮度转换为反射率的方程;
(2)构建的辐射亮度转换为反射率方程的具体公式为:
其中,表示在λ波长下通过原始高光谱DN值影像反演的高光谱辐亮度影像上的地面物体的辐射亮度,表示在λ波长下测得的向下光谱辐射亮度总和,表示在λ波长下与时间相对应的光谱背景辐射亮度,φtargets(λ)表示在地面光谱仪实测的地面物体在λ波长下的反射率;
②基于①分别得到各个波段对应的中心波长下这些点数据之间的线性回归方程;
5.根据权利要求4所述的一种提高无人机机载高光谱辐射校正精度的方法,其特征在于:Step4中对高光谱数据的光谱信息重采样的具体方法为:先将无人机高光谱原始DN值影像加载到ENVI软件中,导出原始DN值影像中176个中心波长的值到Excel表格中,接着通过四舍五入规律将处于小数值状态的中心波长转换为整数值状态,接着将这176个处于整数值状态的中心波长存储到txt文本中,每个波长为一行共176行,然后使用ENVI软件中的Spectral Resampling工具,导入波长的文本文件作为重采样后的中心波长值,即可完成原始DN值影像的重采样。
8.根据权利要求7所述的一种提高无人机机载高光谱辐射校正精度的方法,其特征在于:所述步骤六中对两种方法求得的反射率精度进行验证的具体方法为:
<1>使用皮尔森相关系数R对各靶标布上DN值和辐亮度值之间的相关度进行计算,具体的计算公式为:
其中,j=1,2,3,4,5,6,7,表示第j个靶标布,p表示各个波段上靶标布的DN值,q表示各个波段上靶标布的辐亮度值,Cov(uj,fj)表示p、q两个变量之间的协方差,Var(pj)表示各个波段上7个靶标布DN值之间的方差,Var(qj)表示各个波段上7个靶标布辐亮度值之间的方差,R(pj,qj)用以反映两个变量p和q之间的线性相关程度;
<2>基于<1>中的皮尔森相关系数R对决定系数R2进行求解,通过R2大小对每个中心波长下反演的7个靶标布的反射率值和地面实测的反射率值的变化趋势进行分析,进而对两种方法求得的反射率精度进行验证。
9.根据权利要求8所述的一种提高无人机机载高光谱辐射校正精度的方法,其特征在于:所述地物光谱仪型号为SR-8800,其测量范围为350-2500nm,所述高光谱相机型号为Gaiasky-mini2-VN,搭载相机的飞行器型号为大疆M600 Pro,其飞行高度为350m,地面分辨率为12cm,高光谱相机在400-1000nm波长范围内共有176个波段组合,光谱分辨率为3.5nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467018.9A CN114136445B (zh) | 2021-12-03 | 2021-12-03 | 一种提高无人机机载高光谱辐射校正精度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467018.9A CN114136445B (zh) | 2021-12-03 | 2021-12-03 | 一种提高无人机机载高光谱辐射校正精度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114136445A CN114136445A (zh) | 2022-03-04 |
CN114136445B true CN114136445B (zh) | 2022-08-02 |
Family
ID=80388063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111467018.9A Active CN114136445B (zh) | 2021-12-03 | 2021-12-03 | 一种提高无人机机载高光谱辐射校正精度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114136445B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116576966A (zh) * | 2023-07-11 | 2023-08-11 | 中国科学院合肥物质科学研究院 | 在轨光谱响应函数修正方法、装置、计算机设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7969573B2 (en) * | 2005-10-04 | 2011-06-28 | Agency For Science, Technology And Research | Method and system for obtaining n and k map for measuring fly-height |
CN104122210B (zh) * | 2014-07-02 | 2017-01-25 | 中国林业科学研究院林业研究所 | 一种基于最佳指数‑相关系数法的高光谱波段提取方法 |
CN109900361B (zh) * | 2017-12-08 | 2020-11-20 | 核工业北京地质研究院 | 一种适用于航空高光谱影像大气辐射校正的方法 |
CN109459392B (zh) * | 2018-11-06 | 2019-06-14 | 南京农业大学 | 一种基于无人机多光谱影像的水稻地上部生物量估测方法 |
CN109738369B (zh) * | 2018-12-10 | 2021-05-18 | 核工业北京地质研究院 | 一种采用航空高光谱遥感玉器的考古探测方法 |
CN109596534B (zh) * | 2018-12-19 | 2021-05-28 | 塔里木大学 | 一种校正空间内不同方位的光谱图像的方法及装置 |
-
2021
- 2021-12-03 CN CN202111467018.9A patent/CN114136445B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114136445A (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051222A (zh) | 一种基于高分卫星影像的河湖水质监测方法 | |
CN108985959B (zh) | 一种基于地表温度反演技术的小麦白粉病遥感监测方法 | |
CN104266982B (zh) | 一种大面积虫害量化监测系统 | |
CN113447137B (zh) | 一种面向无人机宽波段热像仪的地表温度反演方法 | |
CN109870419B (zh) | 一种采用航空高光谱数据预测黑土氮磷钾含量的方法 | |
CN109269641B (zh) | 一种用于天绘一号卫星的多传感器协同辐射定标方法 | |
CN109253976B (zh) | 基于光感模块的高光谱实时辐射定标方法 | |
CN109974854B (zh) | 一种框幅式fpi高光谱图像的辐射校正方法 | |
CN110388986B (zh) | 基于tasi数据的土地表面温度反演方法 | |
CN113570538B (zh) | 一种叶片rgb图像偏态分布参数信息采集及分析方法 | |
CN104318550A (zh) | 八通道多光谱成像数据处理方法 | |
CN114136445B (zh) | 一种提高无人机机载高光谱辐射校正精度的方法 | |
Liu et al. | Estimating wheat fractional vegetation cover using a density peak k-means algorithm based on hyperspectral image data | |
CN105181606A (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
CN111104888A (zh) | Aviris高分辨率数据支持的云检测算法自动生成技术 | |
CN115015258B (zh) | 一种农作物长势与土壤水分关联确定方法及相关装置 | |
CN115759524A (zh) | 一种基于遥感影像植被指数的土壤生产力等级识别方法 | |
CN104360351A (zh) | 一种基于遥感数据的农业区地表温度高精度反演方法 | |
CN108489606B (zh) | 一种应用于太阳观测的可调谐滤光器在线标定方法 | |
CN104198397B (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 | |
CN110702228B (zh) | 一种航空高光谱影像的边缘辐射校正方法 | |
Zhang et al. | Analysis of vegetation indices derived from aerial multispectral and ground hyperspectral data | |
CN113884444A (zh) | 模型建立方法、预测spad值的方法、装置及电子设备 | |
CN113029977B (zh) | 一种针对宽视场角多光谱传感器的自动交叉辐射定标方法 | |
CN114755189B (zh) | 一种特征优选的自注意力机制高光谱卫星lai反演方法 |
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 |