CN114596234A - 一种复杂山地的ndvi地形阴影效应校正方法 - Google Patents
一种复杂山地的ndvi地形阴影效应校正方法 Download PDFInfo
- Publication number
- CN114596234A CN114596234A CN202210280527.9A CN202210280527A CN114596234A CN 114596234 A CN114596234 A CN 114596234A CN 202210280527 A CN202210280527 A CN 202210280527A CN 114596234 A CN114596234 A CN 114596234A
- Authority
- CN
- China
- Prior art keywords
- ndvi
- red
- shadow
- nir
- correction
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 75
- 230000000694 effects Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005855 radiation Effects 0.000 claims abstract description 40
- 238000002310 reflectometry Methods 0.000 claims description 18
- 238000001579 optical reflectometry Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 108010014172 Factor V Proteins 0.000 claims description 3
- 239000000443 aerosol Substances 0.000 claims description 3
- 239000005364 simax Substances 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种NDVI地形阴影效应校正方法，以解决受太阳高度角和方位角影响而导致的复杂山地阴影区域NDVI较光照区域偏低的问题。该方法以光照区域和阴影区域的太阳辐射差异为基础，引入反映阴影强度的可变系数(α)来模拟阴影区域所接受不到的太阳直射光反射率，阴影区域的模拟太阳直射光反射率作为补偿量与原始反射率一起用于计算校正后的NDVI。本发明公开的方法能够避免本影区域的过度校正，同时，改善落影区域的校正不足，校正后的NDVI不会存在异常值，以一种简单而稳健的方式提高复杂山地NDVI的校正精度。
Description
技术领域
本发明属于遥感影像地形校正技术领域，具体地说，涉及一种复杂山地的NDVI地形阴影效应校正方法。
背景技术
NDVI是多种植被指数中应用最多最广泛的一种，相对于其他植被指数，NDVI的优点在于增强了对植被的响应能力，同时可以消除一部分地形及阴影的影响。然而，这些影响的消除是不完全的，特别是地形起伏较大的复杂山地区域。
山地区域的遥感影像因地形引起目标辐射特性差异，面向太阳的表面通常比背离太阳的表面接收到更多的辐射，即地形阴影效应。反映在遥感影像上则形成光照区和阴影区，其中，光照区由面向太阳的表面构成，阴影区则由背离太阳的表面以及山体的影子投射在邻近区域的表面构成。阴影的存在导致同一地物的光谱响应存在差异，进而导致同一区域内相同地物的NDVI值出现明显差异，影响地物解译、分类与反演的结果。因此，如何消除阴影对NDVI的影响这一问题显得格外重要。
目前，对于NDVI地形阴影效应的校正方法通常是基于地形校正模型的校正方法，此类方法需要先对各个波段的光谱信息进行改正，再计算NDVI。其缺点在于，影像获取时，如果太阳高度角较低，并且，研究区位于地势较为陡峭的山地中，则在本影区域极易出现过度校正的情况，同时极易产生异常值，而落影区域极易出现校正不足的情况。
综上，提供一种简单高效的NDVI地形阴影效应校正方法以反演更精确的NDVI是急需解决的一个问题。
发明内容
本发明要解决的技术问题在于克服现有技术的不足，针对现有方法存在的复杂山地阴影区域NDVI校正后失真和异常的问题，提供一种复杂山地的NDVI地形阴影效应校正方法，以光照区域和阴影区域的太阳辐射差异为基础，通过阴影区域地物固有的反射率特性来模拟阴影区域所接受不到的太阳直射光反射率，并将其作为补偿量与原始反射率一起用于计算校正后的NDVI，从而实现NDVI地形阴影效应的校正。
为解决上述技术问题，本发明采用技术方案的基本构思是：
一种复杂山地的NDVI地形阴影效应校正方法，包括以下步骤：
步骤1，获取复杂山地的多光谱影像数据和同区域的数字高程模型DEM数据。
步骤2，根据DEM数据计算天空观测因子和地形观测因子。
步骤3，通过影像成像时间获取太阳天顶角和方位角，并由6S模型计算太阳直射辐射、天空散射辐射、地形反射辐射。
步骤4，构建阴影指数，并通过阴影指数计算反映阴影强度的可变系数α。
步骤5，利用影像的红波段和近红外波段反射率并结合天空观测因子、地形观测因子、太阳直射辐射、天空散射辐射、地形反射辐射和可变系数α计算红波段和近红外波段的模拟太阳直射光反射率补偿量。
步骤6，构建NDVI校正公式，实现NDVI地形阴影效应校正。
步骤7，评估校正结果。
进一步地，步骤1中，多光谱影像数据为经过消除大气干扰的反射率数据，数字高程模型DEM数据替换为坡度和坡向数据。
进一步地，步骤2包括：通过步骤1中的DEM数据按照以下公式计算天空观测因子Vd和地形观测因子Ct：
Vd≈(1+cosθS)/2
Ct＝1-Vd
式中，θs是每个像元的坡度数据。
进一步地，步骤3为：根据影像拍摄区域的大气模式、气溶胶含量参数(或能见度)、目标高度参数、传感器高度参数、光谱参数和地表反射率类型通过6S大气校正模型计算红波段和近红外波段的太阳直射辐射Ed、天空散射辐射Ef、地形反射辐射Ea。
进一步地，步骤4中：根据步骤1得到的反射率数据，所述阴影指数SI按照公式SI＝(ρCoastal-ρGreen)/(ρCoastal+ρGreen+2×ρNIR)计算获得，求取SI的阈值c；
式中，ρCoastal、ρGreen和ρNIR分别为海岸波段、绿波段和近红外波段的反射率；
当SI小于c时，所述α＝0；
当SI大于c时，α＝(SI-c)/(SImax-c)
式中SImax为SI的最大值。
进一步地，步骤5中，红波段和近红外波段的模拟太阳直射光反射率补偿量按照以下公式计算：
ρdc_Red＝α×ρRed×Ed_Red/(Ef_Red×Vd+Ea_Red×Ct)
ρdc_NIR＝α×ρNIR×Ed_NIR/(Ef_NIR×Vd+Ea_NIR×Ct)
式中，ρdc_Red和ρdc_NIR分别为红波段的模拟太阳直射光反射率补偿量和近红外波段的模拟太阳直射光反射率补偿量，ρRed和ρNIR分别为红波段和近红外波段反射率，Ed_Red和Ed_NIR分别为红波段和近红外波段的太阳直射辐射，Ef_Red和Ef_NIR分别为红波段和近红外波段的天空散射辐射，Ea_Red和Ea_NIR分别为红波段和近红外波段的地形反射辐射。
进一步地，步骤6中：第五步中模拟的红波段和近红外波段太阳直射光反射率补偿量与原始反射率一起用于计算校正后的NDVI，从而获得NDVI的校正公式：
NDVIcorr＝(ρNIR+ρdc_NIR-ρRed-ρdc_Red)/(ρNIR+ρdc_NIR+ρRed+ρdc_Red)
式中，NDVIcorr为地形阴影效应校正后的NDVI值。
进一步地，步骤7为：
校正结果的评估方式包括：校正前后的NDVI与验证NDVI的密度散点图对比；根据阴影类型(本影和落影)对比阴坡与阳坡的NDVI；校正前后的NDVI与验证NDVI的剖面线对比。评价标准为：密度散点图的动态范围关于1：1线高度对称，且不发生“外溢”现象；校正后本影和落影的NDVI接近阳坡的NDVI；校正后的NDVI剖面线接近验证NDVI剖面线。
采用上述技术方案后，本发明与现有技术相比具有以下有益效果。
本发明提供的复杂山地的NDVI地形阴影效应校正方法，以光照区域和阴影区域的太阳辐射差异为基础，引入反映阴影强度的可变系数(α)来模拟阴影区域所接受不到的太阳直射光反射率，阴影区域的模拟太阳直射光反射率作为补偿量与原始反射率一起用于计算校正后的NDVI。校正后，避免了本影区域NDVI过度校正的现象，校正后的NDVI不会存在异常值，改善了落影区域NDVI校正不足的现象。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本申请的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，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附图。在附图中：
图1为本发明具体流程示意图；
图2为本发明实施例多光谱影像数据和DEM数据示意图；
图3为本发明实施例阴影指数SI和可变系数α示意图；
图4为本发明实施例NDVI校正结果示意图；
图5为本发明实施例校正前后的NDVI与验证NDVI的密度散点图；
图6为本发明实施例子区域NDVI校正结果示意图；
图7为本发明实施例子区域NDVI剖面线示意图。
需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
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，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一
本发明提供了一种复杂山地的NDVI地形阴影效应校正方法，如图1所示，本发明包括如下步骤：
步骤1，获取复杂山地的多光谱影像数据和同区域的数字高程模型DEM数据，如图2所示。
具体地，获取云南省高黎贡山地区的两期Landsat8 OLI多光谱影像，成像时间为2014年1月22日和2014年4月12日，两幅影像的太阳高度角分别为39.26°和62.60°。图2(a)为1月份的影像，用于NDVI地形阴影效应校正实验；图2(b)为4月份的影像，用于验证校正结果。两幅影像均做了辐射定标和黑暗像元法大气校正处理。图2(c)为DEM数据。
步骤2，根据DEM数据计算天空观测因子和地形观测因子。
通过DEM数据按照以下公式计算天空观测因子Vd和地形观测因子Ct：
Vd≈(1+cosθS)/2
Ct＝1-Vd
式中，θs是每个像元的坡度数据。
步骤3，通过影像成像时间获取太阳天顶角和方位角，并由6S模型计算太阳直射辐射、天空散射辐射、地形反射辐射。
具体地，根据影像拍摄区域的大气模式、气溶胶含量参数(或能见度)、目标高度参数、传感器高度参数、光谱参数和地表反射率类型通过6S大气校正模型计算红波段和近红外波段的太阳直射辐射Ed、天空散射辐射Ef、地形反射辐射Ea。
步骤4，构建阴影指数，并通过阴影指数计算反映阴影强度的可变系数α，如图3所示。
根据步骤1得到的反射率数据，图3(a)为所述阴影指数SI，按照公式SI＝(ρCoastal-ρGreen)/(ρCoastal+ρGreen+2×ρNIR)计算获得。
式中，ρCoastal、ρGreen和ρNIR分别为海岸波段、绿波段和近红外波段的反射率。
图3(b)为SI结合其阈值c所计算的可变系数α，具体计算方式如下：
当SI小于c时，所述α＝0；
当SI大于c时，α＝(SI-c)/(SImax-c)，
式中，SImax为SI的最大值。
步骤5，利用影像的红波段和近红外波段反射率并结合天空观测因子、地形观测因子、太阳直射辐射、天空散射辐射、地形反射辐射和可变系数α计算红波段和近红外波段的模拟太阳直射光反射率补偿量。
具体地，红波段和近红外波段的模拟太阳直射光反射率补偿量按照以下公式计算：
ρdc_Red＝α×ρRed×Ed_Red/(Ef_Red×Vd+Ea_Red×Ct)
ρdc_NIR＝α×ρNIR×Ed_NIR/(Ef_NIR×Vd+Ea_NIR×Ct)
式中，ρdc_Red和ρdc_NIR分别为红波段的模拟太阳直射光反射率补偿量和近红外波段的模拟太阳直射光反射率补偿量，ρRed和ρNIR分别为红波段和近红外波段反射率，Ed_Red和Ed_NIR分别为红波段和近红外波段的太阳直射辐射，Ef_Red和Ef_NIR分别为红波段和近红外波段的天空散射辐射，Ea_Red和Ea_NIR分别为红波段和近红外波段的地形反射辐射。
步骤6，构建NDVI校正公式，实现NDVI地形阴影效应校正，如图4所示。
具体地，第五步中模拟的红波段和近红外波段太阳直射光反射率补偿量与原始反射率一起用于计算校正后的NDVI，从而获得NDVI的校正公式：
NDVIcorr＝(ρNIR+ρdc_NIR-ρRed-ρdc_Red)/(ρNIR+ρdc_NIR+ρRed+ρdc_Red)
式中，NDVIcorr为地形阴影效应校正后的NDVI值。
图4(a)、(b)、(c)分别为验证NDVI，校正前的NDVI和地形阴影效应校正后的NDVI。可以看到，校正前后的NDVI值范围相同，表明所述方法校正后不会产生异常值，保证了校正后没有额外误差的引入。
步骤7，评估校正结果。
具体地，校正结果的评估方式包括：校正前后的NDVI与验证NDVI的密度散点图对比；根据阴影类型(本影和落影)对比阴坡与阳坡的NDVI；校正前后的NDVI与验证NDVI的剖面线对比。评价标准为：密度散点图的动态范围关于1：1线高度对称，且不发生“外溢”现象；校正后本影和落影的NDVI接近阳坡的NDVI；校正后的NDVI剖面线接近验证NDVI剖面线。
图5(a)和(b)分别为校正前和校正后的NDVI与验证NDVI之间的密度散点图。可以看到，原始NDVI与验证NDVI的散点图中，点分布集中，聚集在1:1线的两侧，具有一定对称性，但在验证NDVI＝0.8处，原始NDVI出现了降低，即动态范围“外溢”，表明阴影区域的NDVI较低。然而，校正后NDVI与验证NDVI的散点分布具有高度对称性，并且动态范围没有“外溢”，表明阴影区域的NDVI被成功校正。
为了进一步评估校正效果，选择一块子区域进行详细分析(图4中的红框部分)，如图6所示，图中的白色虚线为剖面线。图6(a)为实验影像及阴坡中本影和落影的分布情况，图6(b)为验证影像，图6(c)和(d)分别为校正前的NDVI和验证NDVI，图6(e)为校正后的NDVI。可以看到，校正前阴坡的NDVI明显低于阳坡，校正后阴坡的NDVI基本与阳坡相同，且校正后的NDVI更接近验证NDVI。另外，所述校正方法在光照非常弱的区域不会造成过度校正，且对本影和落影有着相同的校正效果，传统的地形校正模型很难达到这一效果。
剖面线验证结果如图7所示，图中的虚线为验证NDVI，实线为校正前后的NDVI，其中图7(a)为校正前，图7(b)为校正后。可以看到，校正后的NDVI剖面线与验证NDVI基本重合，表明所述方法在本影和落影区域都有良好的校正效果。
综上，本发明在此实施例中能够简单高效地校正NDVI地形阴影效应。
以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。
Claims (8)
1.一种复杂山地的NDVI地形阴影效应校正方法，其特征在于，该方法包括以下骤：
步骤1，获取复杂山地的多光谱影像数据和同区域的数字高程模型DEM数据；
步骤2，根据DEM数据计算天空观测因子和地形观测因子；
步骤3，通过影像成像时间获取太阳天顶角和方位角，并由6S模型计算太阳直射辐射、天空散射辐射、地形反射辐射；
步骤4，构建阴影指数，并通过阴影指数计算反映阴影强度的可变系数α；
步骤5，利用影像的红波段和近红外波段反射率并结合天空观测因子、地形观测因子、太阳直射辐射、天空散射辐射、地形反射辐射和可变系数α计算红波段和近红外波段的模拟太阳直射光反射率补偿量；
步骤6，构建NDVI校正公式，实现NDVI地形阴影效应校正；
步骤7，评估校正结果。
2.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤1中，多光谱影像数据为经过消除大气干扰的反射率数据，数字高程模型DEM数据替换为坡度和坡向数据。
3.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤2中，通过步骤1中的DEM数据按照以下公式计算天空观测因子Vd和地形观测因子Ct：
Vd≈(1+cosθS)/2
Ct＝1-Vd
式中，θs是每个像元的坡度数据。
4.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤3为：根据影像拍摄区域的大气模式、气溶胶含量参数(或能见度)、目标高度参数、传感器高度参数、光谱参数和地表反射率类型通过6S大气校正模型计算红波段和近红外波段的太阳直射辐射Ed、天空散射辐射Ef、地形反射辐射Ea。
5.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤4中，根据步骤1得到的反射率数据，所述阴影指数SI按照公式SI＝(ρCoastal-ρGreen)/(ρCoastal+ρGreen+2×ρNIR)计算获得，求取SI的阈值c；
式中，ρCoastal、ρGreen和ρNIR分别为海岸波段、绿波段和近红外波段的反射率；
当SI小于c时，所述α＝0；
当SI大于c时，α＝(SI-c)/(SImax-c)
式中SImax为SI的最大值。
6.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤5中，红波段和近红外波段的模拟太阳直射光反射率补偿量按照以下公式计算：
ρdc_Red＝α×ρRed×Ed_Red/(Ef_Red×Vd+Ea_Red×Ct)
ρdc_NIR＝α×ρNIR×Ed_NIR/(Ef_NIR×Vd+Ea_NIR×Ct)
式中，ρdc_Red和ρdc_NIR分别为红波段的模拟太阳直射光反射率补偿量和近红外波段的模拟太阳直射光反射率补偿量，ρRed和ρNIR分别为红波段和近红外波段反射率，Ed_Red和Ed_NIR分别为红波段和近红外波段的太阳直射辐射，Ef_Red和Ef_NIR分别为红波段和近红外波段的天空散射辐射，Ea_Red和Ea_NIR分别为红波段和近红外波段的地形反射辐射。
7.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤6中构建NDVI的校正公式：步骤5中模拟的红波段和近红外波段太阳直射光反射率补偿量与原始反射率一起用于计算校正后的NDVI，从而获得NDVI的校正公式：
NDVIcorr＝(ρNIR+ρdc_NIR-ρRed-ρdc_Red)/(ρNIR+ρdc_NIR+ρRed+ρdc_Red)
式中，NDVIcorr为地形阴影效应校正后的NDVI值。
8.根据权利要求1所述的复杂山地的NDVI地形阴影效应校正方法，其特征在于，所述步骤7为：
校正结果的评估方式为：校正前后的NDVI与验证NDVI的密度散点图对比；根据阴影类型(本影和落影)对比阴坡与阳坡的NDVI；校正前后的NDVI与验证NDVI的剖面线对比；评价标准为：密度散点图的动态范围关于1：1线高度对称，且不发生“外溢”现象；校正后本影和落影的NDVI接近阳坡的NDVI；校正后的NDVI剖面线接近验证NDVI剖面线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210280527.9A CN114596234B (zh) | 2022-03-21 | 2022-03-21 | 一种复杂山地的ndvi地形阴影效应校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210280527.9A CN114596234B (zh) | 2022-03-21 | 2022-03-21 | 一种复杂山地的ndvi地形阴影效应校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114596234A true CN114596234A (zh) | 2022-06-07 |
| CN114596234B CN114596234B (zh) | 2022-12-16 |
Family
ID=81810056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210280527.9A Active CN114596234B (zh) | 2022-03-21 | 2022-03-21 | 一种复杂山地的ndvi地形阴影效应校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114596234B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116862798A (zh) * | 2023-07-07 | 2023-10-10 | 昆明理工大学 | 一种光学卫星遥感影像的地形阴影效应校正方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
| CN108151719A (zh) * | 2017-12-07 | 2018-06-12 | 福州大学 | 一种验证地形阴影校正效果的方法 |
| CN108986040A (zh) * | 2018-06-12 | 2018-12-11 | 南京大学 | 一种基于遥感多光谱影像的ndvi阴影影响去除方法 |
| US20190310184A1 (en) * | 2016-08-17 | 2019-10-10 | Sony Corporation | Signal processing apparatus, signal processing method, and progress |
| US20210166020A1 (en) * | 2019-06-25 | 2021-06-03 | Southeast University | Method and apparatus for extracting mountain landscape buildings based on high-resolution remote sensing images |
| CN113870147A (zh) * | 2021-10-19 | 2021-12-31 | 北京航空航天大学 | 一种考虑阴影区域的遥感图像brdf校正方法 |
-
2022
- 2022-03-21 CN CN202210280527.9A patent/CN114596234B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
| US20190310184A1 (en) * | 2016-08-17 | 2019-10-10 | Sony Corporation | Signal processing apparatus, signal processing method, and progress |
| CN108151719A (zh) * | 2017-12-07 | 2018-06-12 | 福州大学 | 一种验证地形阴影校正效果的方法 |
| CN108986040A (zh) * | 2018-06-12 | 2018-12-11 | 南京大学 | 一种基于遥感多光谱影像的ndvi阴影影响去除方法 |
| US20210166020A1 (en) * | 2019-06-25 | 2021-06-03 | Southeast University | Method and apparatus for extracting mountain landscape buildings based on high-resolution remote sensing images |
| CN113870147A (zh) * | 2021-10-19 | 2021-12-31 | 北京航空航天大学 | 一种考虑阴影区域的遥感图像brdf校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| 汪凌霄: "玛纳斯河流域山区积雪遥感识别研究", 《中国优秀硕士学位论文全文数据库-基础科学辑》 * |
| 韩红印: "高分辨率光学遥感图像阴影检测与补偿技术研究", 《中国博士学位论文全文数据库-工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116862798A (zh) * | 2023-07-07 | 2023-10-10 | 昆明理工大学 | 一种光学卫星遥感影像的地形阴影效应校正方法 |
| CN116862798B (zh) * | 2023-07-07 | 2024-01-12 | 昆明理工大学 | 一种光学卫星遥感影像的地形阴影效应校正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114596234B (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020015326A1 (zh) | 一种地表类型数据支持的遥感图像云阴影检测方法 | |
| CN108986040B (zh) | 一种基于遥感多光谱影像的ndvi阴影影响去除方法 | |
| CN111795936B (zh) | 一种基于查找表的多光谱遥感影像大气校正系统、方法及存储介质 | |
| CN109325973B (zh) | 一种城市河网区水体大气校正方法 | |
| JP2010217107A (ja) | 日射量の評価方法および評価装置 | |
| CN108885277B (zh) | 信息处理设备和信息处理方法 | |
| JP4678649B2 (ja) | 画像処理装置 | |
| Bruce et al. | Pre-processing methodology for application to Landsat TM/ETM+ imagery of the wet tropics | |
| CN109974854B (zh) | 一种框幅式fpi高光谱图像的辐射校正方法 | |
| CN104966298A (zh) | 一种基于微光云图数据的夜间低云大雾监测方法 | |
| CN114596234B (zh) | 一种复杂山地的ndvi地形阴影效应校正方法 | |
| JP6964834B2 (ja) | 画像処理装置および画像処理方法 | |
| CN110120077A (zh) | 一种基于卫星姿态调整的面阵相机在轨相对辐射定标方法 | |
| CN110987183A (zh) | 多光谱成像系统及方法 | |
| CN112418133A (zh) | 一种基于多源遥感影像的秸秆焚烧监测方法 | |
| CN113970376A (zh) | 一种基于海洋区域再分析资料的卫星红外载荷定标方法 | |
| Santosa | Evaluation of satellite image correction methods caused by differential terrain illumination | |
| Yang et al. | A correction method of NDVI topographic shadow effect for rugged terrain | |
| CN113218874A (zh) | 一种基于遥感影像获取地表目标物反射率方法及系统 | |
| US20210123800A1 (en) | System for measuring components of solar radiation | |
| WO2010002379A1 (en) | Digital camera control system | |
| CN111175231B (zh) | 冠层植被指数的反演方法、装置及服务器 | |
| CN111667432B (zh) | 一种基于物理模型的遥感影像阴影去除方法 | |
| Konarska et al. | Applications of dual-wavelength hemispherical photography in urban climatology and urban forestry | |
| CN116862798B (zh) | 一种光学卫星遥感影像的地形阴影效应校正方法 |
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 |