CN114778463B - 一种无人机高光谱影像辐射定标方法 - Google Patents
一种无人机高光谱影像辐射定标方法 Download PDFInfo
- Publication number
- CN114778463B CN114778463B CN202210708892.5A CN202210708892A CN114778463B CN 114778463 B CN114778463 B CN 114778463B CN 202210708892 A CN202210708892 A CN 202210708892A CN 114778463 B CN114778463 B CN 114778463B
- Authority
- CN
- China
- Prior art keywords
- solar radiation
- data
- hyperspectral
- image data
- hyperspectral image
- 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 28
- 230000005855 radiation Effects 0.000 claims abstract description 127
- 238000001228 spectrum Methods 0.000 claims abstract description 67
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000012952 Resampling Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000002310 reflectometry Methods 0.000 claims description 22
- 230000003595 spectral effect Effects 0.000 claims description 19
- 238000000701 chemical imaging Methods 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 230000005469 synchrotron radiation Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 229920000995 Spectralon Polymers 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 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
- 229910052754 neon Inorganic materials 0.000 description 1
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Processing (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开一种无人机高光谱影像辐射定标方法,包括以下步骤:将第一太阳辐射数据重采样到高光谱影像数据的中心波长,并输出重采样后的太阳辐射光谱,定义为第二太阳辐射数据;将第二太阳辐射数据的获取时间信息和高光谱影像数据的获取时间信息进行匹配,得到高光谱影像数据中每幅高光谱影像最匹配的太阳辐射光谱,并定义为第三太阳辐射数据;根据第二太阳辐射数据和第三太阳辐射数据,计算标准白板高光谱影像DN值到太阳辐射光谱DN值的影像转换系数,对高光谱影像数据中每幅高光谱影像进行辐射定标。本发明通过利用无人机飞行过程中同步观测的太阳辐射光谱,针对画幅式高光谱相机每个像元分别进行校正,实现高光谱遥感影像的同步辐射定标。
Description
技术领域
本发明涉及植被遥感监测技术领域,尤其涉及一种无人机高光谱影像辐射定标方法。
背景技术
高光谱成像光谱仪能够同时提供二维影像信息和光谱信息,具有“图谱合一”的特性,其影像也常被称为数据立方体,因能提供丰富的窄波段信息从而具有探测岩矿、土壤、水体和植被等地表目标精细光谱信息的优势。
自20世纪80年代以来,机载成像光谱仪技术逐步成熟,被应用于多个领域的研究,从早期美国的AIS和AVIRIS、加拿大的CASI、我国的OMIS,后来发展到澳大利亚的HyMap、HySpex和美国的GAO,以及近些年美国的NEON AOP等。机载成像光谱仪能够获取高信噪比、高空间分辨率(如1m)的影像数据,但是其成本较高难以广泛应用。星载成像光谱仪包括早期的Hyperion,最新的例如日本的HISUI,意大利的PRISMA以及我国的高分-5号等,其幅宽大,成本高,信噪比较低,数据空间分辨率较低,大多为30m左右,对于大尺度的研究具备明显优势,但是对于区域景观尺度的研究空间分辨率仍然较低,尤其对于树冠或者个体尺度的研究,由于混合像元等问题导致难以开展研究。
无人机搭载成像光谱仪为这方面的研究提供了机遇,该技术具有机动灵活、高空间分辨率以及低成本的优势。随着轻小型无人机和成像光谱仪的发展,其体积、重量和成本都大幅度降低,为小尺度的研究提供了可能。Cubert S185的重量仅470g,能够放置于无人机平台进行飞行采集数据,其电池续航与无人机自身电池相当,能够完成三十分钟左右景观尺度的高光谱影像采集工作。另外,S185为画幅式光谱成像仪,具有精确快速获取所有光谱通道进行成像的优势,能够有效避免线扫式光谱仪几何配准存在的相关问题,后续处理也相对简单,能将目前针对RGB相机数据的处理方法迁移至S185,完成影像的拼接镶嵌等处理。
无人机高光谱遥感影像的获取时间通常为当地夏季时间10点30分至14点30分,期间太阳高度角较高,能够有效减少地物阴影的影响,同时由于中午太阳辐射较强,有助于提高影像信噪比。目前,S185在北方地区应用较多,且多集中在农业领域,鲜有针对南方山地森林生态系统的研究,实际上,这种地区更需要也更能发挥无人机遥感的优势,也即非接触获取传统野外测量难以到达区域的数据。
在南方地区的夏季,尤其是在丘陵地带和山区,由于温度较高,对流强烈,比较常见的是晴间多云天气,完全晴天的概率很小,难以获取完整晴天条件下的影像,导致数据的一致性和精确度性均存在较大不确定性。同时,S185的辐射定标通常在起飞前通过标准白板进行,一旦飞行过程中有云经过,前期标准白板测量的辐射值将不再适用,导致后续辐射定标数据出现偏差和错误。因此,有必要发展一种高光谱影像同步辐射定标的方法,确保辐射定标的精确度,并提高数据成功获取的机会,保证南方地区晴间多云地区能够获取完整高质量的高光谱影像数据,促进森林生态系统结构、功能和服务等领域的深入研究。
发明内容
针对上述问题,本发明提出一种无人机高光谱影像辐射定标方法,主要解决在多云条件下现有的辐射定标方法会产生数据偏差和错误的问题。
为解决上述技术问题,本发明的技术方案如下:
一种无人机高光谱影像辐射定标方法,包括以下步骤:
无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据;
地物光谱仪和标准白板于地面同步测量所述无人机在飞行期间的太阳辐射光谱,定义为第一太阳辐射数据;
提取所述高光谱影像数据和所述第一太阳辐射数据的文件名以及获取时间信息;
将所述第一太阳辐射数据重采样到所述高光谱影像数据的中心波长,并输出重采样后的太阳辐射光谱,定义为第二太阳辐射数据;
将所述第二太阳辐射数据的获取时间信息和所述高光谱影像数据的获取时间信息进行匹配,得到所述高光谱影像数据中每幅高光谱影像最匹配的太阳辐射光谱,并定义为第三太阳辐射数据;
根据所述第二太阳辐射数据和所述第三太阳辐射数据,计算标准白板高光谱影像DN值到太阳辐射光谱DN值的影像转换系数;
根据所述第三太阳辐射数据和所述影像转换系数,对所述高光谱影像数据中每幅高光谱影像进行辐射定标;
对经过所述辐射定标后的所述高光谱影像数据的反射率影像进行投影信息定义。
所述无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据之前还包括:
无人机起飞前利用高光谱成像光谱仪和标准白板记录晴朗条件下的太阳辐射光谱,关闭高光谱成像光谱仪的镜头盖记录暗电流,打开镜头盖对标准白板进行反射率模式测量,当反射率呈平稳趋近100%直线时,切换至记录辐射值模式。
所述无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据期间还包括:
利用无人机搭载的GPS模块记录所述高光谱影像数据中每幅高光谱影像的中心经纬度、高程和获取时间。
在一些实施方式中,所述提取所述高光谱影像数据的文件名和获取时间信息包括:将所述高光谱影像数据置入本地的第一文件夹中,依次获取所有所述高光谱遥感影像的文件名和获取时间信息,并输出到Excel表格中,将所述第一太阳辐射数据置入本地的第二文件夹中,依次获取所有所述第一太阳辐射数据的文件名和获取时间信息,并输出到所述Excel表格中。
在一些实施方式中,所述第二太阳辐射数据的处理过程包括:将所有所述第一太阳辐射数据重采样到所述高光谱影像数据的中心波长上,生成重采样后的所述第二太阳辐射数据;
其中,R i为所述高光谱影像数据第i个波段的反射率,为所述第一太阳辐射数据
第j个波段的光谱重采样权重,为所述高光谱影像数据第i个波段的中心波长,为所述
高光谱影像数据第i个波段的波段宽度;N为所述第一太阳辐射数据的波段数,为所述第
一太阳辐射数据第j个波段,为所述第一太阳辐射数据第j个波段数值。
在一些实施方式中,所述第三太阳辐射数据的获取过程包括:计算所述第二太阳辐射数据的获取时间信息和所述高光谱影像数据的获取时间信息之间的差值,当所述差值小于或等于5秒,则认定当前进行匹配的高光谱影像与太阳辐射光谱为同步获取的,并将经过匹配校正后的所述第二太阳辐射数据定义为所述第三太阳辐射数据。
在一些实施方式中,所述影像转换系数T i,k的计算方法为:
在一些实施方式中,所述投影信息定义包括:首先定义通用横轴墨卡托(UTM)投影和WGS84地理坐标系,然后将无人机GPS模块记录的经纬度转化为UTM地图坐标,计算UTM地图左上角角点坐标并定义地图信息,所述地图信息包括投影方式、x和y方向空间分辨率、UTM分区,以及距离单位信息,并将所述地图信息输出至ENVI文件的头文件中。
本发明的有益效果为:通过利用无人机飞行过程中同步观测的太阳辐射光谱,针对画幅式高光谱相机每个像元分别进行校正,实现高光谱遥感影像的同步辐射定标,能有效克服我国南方夏季晴间多云天气条件下高光谱数据采集的限制,确保遥感影像数据的高精度和高一致性。
附图说明
图1为本发明实施例公开的无人机高光谱影像辐射定标方法的流程示意图;
图2为第一太阳辐射数据与重采样后的第二太阳辐射数据的光谱对比示意图;
图3为高光谱影像数据单个像元处的转换系数光谱示意图;
图4a为原始影像的真色彩合成示意图;
图4b为原始影像的假色彩合成示意图;
图4c为原始影像的DN值光谱曲线示意图;
图4d为辐射定标后的真色彩合成示意图;
图4e为辐射定标后的假色彩合成示意图;
图4f为辐射定标后的影像反射率示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,下面结合附图和具体实施方式对本发明的内容做进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
本实施例提出了一种无人机高光谱影像辐射定标方法,旨在针对南方夏季晴间多云天气条件下,太阳辐射强度变化引起高光谱影像辐射定标出现偏差和错误的情况,通过利用无人机飞行过程中地面同步观测的太阳辐射光谱,针对画幅式高光谱相机每个像元分别进行校正,实现高光谱遥感影像的同步辐射定标,能有效克服我国南方夏季晴间多云天气条件下高光谱数据采集的限制,确保遥感影像数据的高精度和高一致性。
如图1所示,该方法包括以下步骤:
S1,无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据。
在本实施例中,选取夏季中午10:30-14:30晴朗小风天气,将高光谱成像光谱仪Cubert S185搭载至无人机DJI-M600上,利用Spectralon 99%标准白板记录晴朗条件下的太阳辐射光谱,无人机起飞,飞行高度为85米,按照预先设定的条带获取实验区高光谱影像。
无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据之前还包括:
S101,无人机起飞前利用高光谱成像光谱仪和标准白板记录晴朗条件下的太阳辐射光谱,关闭高光谱成像光谱仪Cubert S185的镜头盖记录暗电流,打开镜头盖对标准白板进行反射率模式测量,当反射率呈平稳趋近100%直线时,切换至记录辐射值模式。
无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据期间还包括:
S102,利用无人机搭载的GPS模块记录高光谱影像数据中每幅高光谱影像的中心经纬度、高程和获取时间。
S2,地物光谱仪和标准白板于地面同步测量无人机在飞行期间的太阳辐射光谱,定义为第一太阳辐射数据;
在本实施例中,将ASD野外地物光谱仪光纤探头垂直固定置于Spectralon标准白板上方约10cm,经过初始优化和白板测量后,每隔3~5s记录一条光谱数据,每隔两分钟对白板重新定标一次,同步记录Cubert S185高光谱遥感影像全程中的太阳辐射值。
S3,提取高光谱影像数据和第一太阳辐射数据的文件名以及获取时间信息;
在本实施例中,提取高光谱影像数据的文件名和获取时间信息包括:
将高光谱影像数据置入本地的第一文件夹中,依次获取所有高光谱遥感影像的文件名和获取时间信息,见表1,并输出到Excel表格中,将第一太阳辐射数据置入本地的第二文件夹中,依次获取所有第一太阳辐射数据的文件名和获取时间信息,并输出到Excel表格中,见表2。
表1. 部分高光谱影像数据的文件名及获取时间
表2. 部分第一太阳辐射数据(ASD同步测量太阳辐射)的文件名及获取时间
S4,将第一太阳辐射数据重采样到高光谱影像数据的中心波长,并输出重采样后的太阳辐射光谱,定义为第二太阳辐射数据;
在本实施例中,将第一太阳辐射数据(即ASD光谱)重采样到Cubert S185的中心波
长上,将重采样后的ASD光谱输出。光谱重采样使用高斯函数计算权重,假设Cubert S185第i个波段的中心波长为,波段宽度为,ASD共有N个波段,波长分别为, , …, ,反射率分别为r 1, r 2, …, r N 。
具体的,第二太阳辐射数据的处理过程包括:
将所有第一太阳辐射数据重采样到高光谱影像数据的中心波长上,生成重采样后的第二太阳辐射数据;
其中,R i为高光谱影像数据第i个波段的反射率,为第一太阳辐射数据第j个波
段的光谱重采样权重,为高光谱影像数据第i个波段的中心波长,为高光谱影像数据
第i个波段的波段宽度;N为所述第一太阳辐射数据的波段数,为所述第一太阳辐射数据
第j个波段,为所述第一太阳辐射数据第j个波段数值。
由图2可见,野外地物光谱仪ASD的光谱范围为400-2500nm,采样间隔为1nm,其光谱基本呈连续曲线。依据S185的中心波长,光谱范围为450-1000nm,采样间隔为5nm,重采样后的光谱呈离散点。
S5,将第二太阳辐射数据的获取时间信息和高光谱影像数据的获取时间信息进行匹配,得到高光谱影像数据中每幅高光谱影像最匹配的太阳辐射光谱,并定义为第三太阳辐射数据;
第三太阳辐射数据的获取过程包括:
计算第二太阳辐射数据的获取时间信息和高光谱影像数据的获取时间信息之间的差值,当差值小于或等于5秒,则认定当前进行匹配的高光谱影像与太阳辐射光谱为同步获取的,并将经过匹配校正后的第二太阳辐射数据定义为第三太阳辐射数据。
具体的,根据Cubert S185高光谱遥感影像(高光谱影像数据)GPS时间和ASD光谱数据(第二太阳辐射数据)的采集时间,计算二者的差值,根据GPS时间差将Cubert S185高光谱遥感影像和ASD光谱数据进行匹配,匹配结果见表3,当遥感影像和ASD光谱的GPS时间差在5秒之内时,两者被认为是同步获取的。
表3. 高光谱影像数据与第二太阳辐射数据的匹配结果
S6,根据第二太阳辐射数据和第三太阳辐射数据,计算标准白板高光谱影像DN值到太阳辐射光谱DN值的影像转换系数;
影像转换系数T i,k的计算方法为:
参见图3,对于450-1000nm光谱范围,S185高光谱遥感影像单个像元处的转换系数总体较平稳,除了450-500nm处转换系数偏高,主要是由蓝光波段散射引起的测量误差导致,在后续处理分析过程中可将该区域光谱予以剔除。
S7,根据第三太阳辐射数据和影像转换系数,对高光谱影像数据中每幅高光谱影像进行辐射定标;
辐射定标包括:
图4a-图4f表明,相比于原始高光谱DN值影像,经同步辐射定标后的反射率影像总体颜色更加均匀,更贴近实际场景。由图4f可见,影像植被反射率与正常植被的光谱反射率相一致,具有明显红光吸收谷和较高的近红外反射率。
S8,对经过辐射定标后的高光谱影像数据的反射率影像进行投影信息定义。
投影信息定义包括:
首先定义通用横轴墨卡托(UTM)投影和WGS84地理坐标系,然后将无人机GPS模块记录的经纬度转化为UTM地图坐标,计算UTM地图左上角角点坐标并定义地图信息,地图信息包括投影方式、x和y方向空间分辨率、UTM分区,以及距离单位信息,并将地图信息输出至ENVI文件的头文件中。
结果表明,本发明所提供的辐射定标方法,能够通过同步辐射定标快速准确获取高光谱影像反射率,明显提高数据获取的成功率、准确率和一致性,大幅度降低不稳定晴天天气条件带来的限制,保证南方地区晴间多云地区能够获取完整高质量的高光谱影像数据,获取区域和景观尺度精细尺度的光谱特征,促进森林生态系统结构、功能和服务等领域的深入研究。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (5)
1.一种无人机高光谱影像辐射定标方法,其特征在于,包括以下步骤:
无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据;
地物光谱仪和标准白板于地面同步测量所述无人机在飞行期间的太阳辐射光谱,定义为第一太阳辐射数据;
提取所述高光谱影像数据和所述第一太阳辐射数据的文件名以及获取时间信息;
将所述第一太阳辐射数据重采样到所述高光谱影像数据的中心波长,并输出重采样后的太阳辐射光谱,定义为第二太阳辐射数据;
将所述第二太阳辐射数据的获取时间信息和所述高光谱影像数据的获取时间信息进行匹配,得到所述高光谱影像数据中每幅高光谱影像最匹配的太阳辐射光谱,并定义为第三太阳辐射数据;
根据所述第二太阳辐射数据和所述第三太阳辐射数据,计算标准白板高光谱影像DN值到太阳辐射光谱DN值的影像转换系数;
根据所述第三太阳辐射数据和所述影像转换系数,对所述高光谱影像数据中每幅高光谱影像进行辐射定标;
对经过所述辐射定标后的所述高光谱影像数据的反射率影像进行投影信息定义;
所述第二太阳辐射数据的处理过程包括:将所有所述第一太阳辐射数据重采样到所述高光谱影像数据的中心波长上,生成重采样后的所述第二太阳辐射数据;
其中,R i为所述高光谱影像数据第i个波段的反射率,为所述第一太阳辐射数据第j个波段的光谱重采样权重,为所述高光谱影像数据第i个波段的中心波长,为所述高光谱影像数据第i个波段的波段宽度;N为所述第一太阳辐射数据的波段数,为所述第一太阳辐射数据第j个波段, 为所述第一太阳辐射数据在第j个波段的数值;
所述第三太阳辐射数据的获取过程包括:计算所述第二太阳辐射数据的获取时间信息和所述高光谱影像数据的获取时间信息之间的差值,当所述差值小于或等于5秒,则认定当前进行匹配的高光谱影像与太阳辐射光谱为同步获取的,并将经过匹配校正后的所述第二太阳辐射数据定义为所述第三太阳辐射数据;
所述影像转换系数T i,k的计算方法为:
2.如权利要求1所述的无人机高光谱影像辐射定标方法,其特征在于,所述无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据之前还包括:
无人机起飞前利用高光谱成像光谱仪和标准白板记录晴朗条件下的太阳辐射光谱,关闭高光谱成像光谱仪的镜头盖记录暗电流,打开镜头盖对标准白板进行反射率模式测量,当反射率呈平稳趋近100%直线时,切换至记录辐射值模式。
3.如权利要求1所述的无人机高光谱影像辐射定标方法,其特征在于,所述无人机搭载高光谱成像光谱仪获取实验区的高光谱影像数据期间还包括:
利用无人机搭载的GPS模块记录所述高光谱影像数据中每幅高光谱影像的中心经纬度、高程和获取时间。
4.如权利要求1所述的无人机高光谱影像辐射定标方法,其特征在于,所述提取所述高光谱影像数据的文件名和获取时间信息包括:
将所述高光谱影像数据置入本地的第一文件夹中,依次获取所有所述高光谱遥感影像的文件名和获取时间信息,并输出到Excel表格中,将所述第一太阳辐射数据置入本地的第二文件夹中,依次获取所有所述第一太阳辐射数据的文件名和获取时间信息,并输出到所述Excel表格中。
5.如权利要求3所述的无人机高光谱影像辐射定标方法,其特征在于,所述投影信息定义包括:
首先定义通用横轴墨卡托投影和WGS84地理坐标系,然后将无人机GPS模块记录的经纬度转化为UTM地图坐标,计算UTM地图左上角角点坐标并定义地图信息,所述地图信息包括投影方式、x和y方向空间分辨率、UTM分区,以及距离单位信息,并将所述地图信息输出至ENVI文件的头文件中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708892.5A CN114778463B (zh) | 2022-06-22 | 2022-06-22 | 一种无人机高光谱影像辐射定标方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708892.5A CN114778463B (zh) | 2022-06-22 | 2022-06-22 | 一种无人机高光谱影像辐射定标方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114778463A CN114778463A (zh) | 2022-07-22 |
CN114778463B true CN114778463B (zh) | 2022-09-23 |
Family
ID=82422409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708892.5A Active CN114778463B (zh) | 2022-06-22 | 2022-06-22 | 一种无人机高光谱影像辐射定标方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114778463B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526620B (zh) * | 2009-03-26 | 2011-07-20 | 上海大学 | 机载或星载激光扫描成像的地形校正方法 |
US8532958B2 (en) * | 2010-08-06 | 2013-09-10 | Raytheon Company | Remote identification of non-lambertian materials |
CN102540166B (zh) * | 2011-12-05 | 2013-07-10 | 北京航空航天大学 | 一种基于优化算法的高光谱传感器交叉辐射定标方法 |
AU2014360786B2 (en) * | 2013-09-26 | 2017-03-30 | Konica Minolta Laboratory U.S.A., Inc. | Method and system of calibrating a multispectral camera on an aerial vehicle |
CN103575395B (zh) * | 2013-11-08 | 2015-08-19 | 中国科学院遥感与数字地球研究所 | 一种外场绝对辐射定标方法和系统 |
CN108955883B (zh) * | 2018-07-19 | 2020-08-18 | 国家卫星气象中心 | 基于高光谱数据的遥感器辐射定标方法及定标系统 |
CN109738372A (zh) * | 2018-12-25 | 2019-05-10 | 核工业北京地质研究院 | 一种航空高光谱岩矿探测多元数据处理方法 |
CN110287587B (zh) * | 2019-06-24 | 2020-10-13 | 中国科学院遥感与数字地球研究所 | 一种确定污染云微物理属性的方法 |
-
2022
- 2022-06-22 CN CN202210708892.5A patent/CN114778463B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114778463A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
Webster et al. | Three-dimensional thermal characterization of forest canopies using UAV photogrammetry | |
CN102901516B (zh) | 一种基于绝对辐射定标的多光谱影像辐射校正方法 | |
CN108132220B (zh) | 林区机载推扫式高光谱影像的brdf归一化校正方法 | |
CN102279393A (zh) | 一种基于多光谱传感器对高光谱传感器交叉辐射定标方法 | |
CN103413272A (zh) | 低空间分辨率多源遥感图像空间一致性校正方法 | |
CN113284171B (zh) | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 | |
CN103575395A (zh) | 一种外场绝对辐射定标方法和系统 | |
CN111126203A (zh) | 基于ndvi百分比匹配的浓密植被识别方法 | |
CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
CN114202535A (zh) | 作物种植面积提取方法及装置 | |
CN110428013B (zh) | 一种农作物遥感分类方法及系统 | |
CN102798851B (zh) | 一种基于几何成像的modis lai产品验证方法 | |
CN107798668A (zh) | 基于rgb影像的无人机成像高光谱几何校正的方法及系统 | |
Weng et al. | Introduction to remote sensing systems, data, and applications | |
CN114778463B (zh) | 一种无人机高光谱影像辐射定标方法 | |
CN102590824A (zh) | 一种包含v分量的全分量偏振遥感成像测量系统及方法 | |
CN112949411A (zh) | 一种光谱图像校正方法及装置 | |
CN112213750B (zh) | 高光谱卫片全谱段逐像元成像角度参数处理方法及介质 | |
CN111680659B (zh) | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 | |
Zhong et al. | A retrieval method for land surface temperatures based on UAV broadband thermal infrared images via the three-dimensional look-up table | |
Guo et al. | Horizontal accuracy assessment of google earth data over typical regions of australia using worldview | |
Macon et al. | Seafloor and land cover classification through airborne LIDAR and hyperspectral data fusion | |
Sima et al. | Retrieval of Plateau Lake Water Surface Temperature from UAV Thermal Infrared Data | |
CN108765544B (zh) | 一种大田作物冠层表型波谱图像的实时自动较正方法与系统 |
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 |