專利名稱：一種自動提取偽不變特征的遙感圖像相對輻射校正方法
技術領域：
本發(fā)明涉及遙感圖像輻射校正技術，具體的說，涉及一種自動提取偽不變特征的遙感圖像相對輻射校正技術。
背景技術：
遙感圖像的輻射校正一直是遙感數據處理的主要難點之一。近些年來，隨著定量遙感技術迅速發(fā)展，特別是利用多傳感器、多時相遙感數據進行土地利用和土地覆蓋變化監(jiān)測、全球資源環(huán)境分析、氣候變化監(jiān)測等的廣泛應用，使得遙感圖像輻射校正方法的研究越來越受到重視。目前遙感圖像的輻射校正方法可以分為兩類，絕對輻射校正(AbsoluteRadiometric Correction)禾口相對福身寸校正(Relative Radiometric Correction)。絕對輻射校正是基于大氣輻射傳輸物理過程的，將遙感圖像的DN(digitalnumber)值轉換為地表反射率或地表反射輻亮度的方法。研究者們發(fā)展了很多算法來消除太陽輻照度、大氣和傳感器差異帶來的影響，例如6S、M0DTRAN等輻射傳輸模型。該類方法較復雜，需要利用一系列參數(例如，衛(wèi)星過境時的地物反射率、大氣能見度、太陽天頂角和衛(wèi)星傳感器標定參數等)。獲得這些參數的代價昂貴，又不易實現，尤其對于歷史存檔數據，獲取這些參數更加困難。相對輻射校正是一種常用方法，它不需要遙感圖像獲取時的大氣狀況等參數，而是利用圖像像元灰度值，建立多時相遙感圖像各個波段之間的變換關系，對遙感圖像進行歸一化處理。根據變換關系的不同，相對輻射校正又可分為線性相對輻射校正與非線性相對輻射校正兩類。線性相對輻射校正對地物的光譜特性保持較好，較為常用，這類方法假設目標圖像的像元與參考圖像的像元是線性相關的。這個假設意味著在兩圖像時間間隔內采樣點的光譜反射率特征沒有發(fā)生變化。為使線性相對輻射校正中線性關系成立，一般假設目標圖像與參考圖像像元值有相同的物理單位，比如都是DN值或者反射率，這點限制了線性相對輻射校正的適用領域，使之無法用于不同物理量之間的轉換。相對輻射校正可以提高數據的光譜一致性，而對物理量絕對精度缺乏驗證?；趥尾蛔兲卣?Pseudo-Invariant Features, PIFs)的線性相對輻射輻射校正是近年來的研究熱點。PIFs是指遙感圖像中那些光譜特性在短時間內變化不大的點，比如不透水層、路面、屋頂和停車場等。PIFs物理含義清晰，是線性輻射校正建立線性關系的依據。目前的PIFs提取算法有很多，存在的主要問題包括人機交互性強，數據通用性差，魯棒性不高等。實際工程應用需要一個自動的、穩(wěn)定的PIFs提取算法。

發(fā)明內容
本發(fā)明的目的是針對遙感應用，提供一種自動的航天遙感圖像相對輻射校正技術，特別是對于那些大氣參數及傳感器輔助信息缺失或傳感器定標精度不高的遙感圖像的輻射校正。本技術基于典型相關分析自動提取PIFs，并將相對輻射校正技術適用性擴展到不同物理量綱的數據。
本發(fā)明的基本思路為針對波長在可見光與近紅外范圍內的多光譜航天遙感圖像，對于DN值的目標圖像，在滿足傳感器觀測角度在正負十度之間，能見度大于30km的情況下，選擇一個與其具有重疊區(qū)域的、已經轉換到地表反射率的參考圖像。先對兩圖像進行預處理，選出重疊區(qū)域對應的象素點，繼而在這些象素點中采用典型相關分析的方法自動尋找其中典型相關點集，然后從這些典型相關點集中進一步篩選出PIFs，用最終篩選出的PIFs擬合出一個線性關系，最后用該線性關系對目標圖像進行相對輻射校正處理。所述的目標圖像與參考圖像可以來自同種傳感器，比如Landsat TM/ETM+，也可以來自不同傳感器，比如目標圖像為Landsat TM/ETM+，參考圖像為MODIS Terra M0D09GA產
P
BFI ο本發(fā)明的技術方案提供的自動提取偽不變特征的遙感圖像相對輻射校正方法，其特征在于包括以下實施步驟A根據目標圖像信息，確定與其匹配的參考圖像；B對目標圖像與參考圖像進行預處理，包括坐標重投影、幾何配準、計算地理重疊區(qū)域、各波段象素點對應，并使用掩膜技術排除極值點、過飽和點、云、云下陰影及水體的象素占.C使用典型相關分析從獲取的點集中提取典型相關點集；D從提取的典型相關點集中篩選PIFs ；E使用提取的PIFs計算各波段的線性關系，用這些線性關系對目標圖像各波段象素點進行線性變換，將DN值直接轉換到地表反射率。上述實施步驟的特征在于步驟A中所述根據目標圖像信息，主要包括目標圖像的傳感器類型、成像大致時間、坐標范圍與投影等信息，這些信息用于確定需要的參考圖像。步驟A中確定與其匹配的參考圖像，主要包括要求參考圖像為地表反射率數據，與目標圖像的成像時間相近(可以是不同年份的，但月份要求在一個月以內，成像時刻在1小時以內)，具有相近的成像幾何，傳感器觀測角差異在10°以內，同時要求目標圖像能見度大于30km。步驟B中所述的預處理主要包括坐標重投影、幾何配準、計算重疊區(qū)域及波段對應等處理。對于不同傳感器數據，考慮分辨率一致性處理。步驟B中使用掩膜技術，將一些過亮及過暗的點及一些飽和的點去除，這樣可以去除圖像中的云與陰影，或者針對某一具體傳感器數據，設計專門的云與陰影檢測算法。步驟C中所述典型相關分析，主要包括具有仿射不變性的特征的典型相關分析算法，以便從目標圖像DN值與參考圖像地表反射率之間選出具有近似線性關系的典型相關點集。比如多元變化檢測(Multivariate Alteration Detection, MAD)變換、迭代的多元變化檢算法(iteratively re-weighted modification of the MAD transformation,IR-MAD)。步驟D中從提取的典型相關點集中篩選PIFs，篩選的步驟包括通過NDVI排除植被象素點，選擇傳感器觀測角差異小的點，保留同質區(qū)域內的象素點，對于不同傳感器數據，處理的步驟及采用的算法會有差異。步驟E中計算線性關系，常用最小二乘法，也可使用正交回歸法。步驟E的其它處理與一般的線性相對輻射校正相同。
本發(fā)明與現有技術相比有如下特點該算法直接將目標圖像DN值轉換到地表反射率，具有處理流程簡單、無需人工交互、運算速度快的特點，而且在算法的穩(wěn)定性以及適用性上都具有優(yōu)勢。對于定標精度高、輔助信息完整的遙感圖像建議采用傳統(tǒng)的處理流程，而對于無法使用傳統(tǒng)方式處理的遙感圖像，本發(fā)明提供了一種簡單的解決方案。該技術使用典型相關分析的辦法自動提取典型相關點集，并從這些點中自動提取PIFs，自動化程度高、通用性強，不僅適用于同種傳感器數據，對于滿足要求的不同種傳感器數據同樣適用。


圖1是定量化的遙感圖像相對輻射校正流程2是大氣輻射傳輸示意3是Landsat TM/ETM+數據與MODIS Terra M0D09GA產品象素對應示意4是Landsat TM/ETM+數據與MODIS Terra M0D09GA產品拓撲關系示意5是PIFs篩選流程6是傳統(tǒng)的絕對輻射校正處理流程示意7是本發(fā)明的處理流程示意8是Landsat TM/ETM+標準分幅數據示意圖
具體實施例方式本技術的思想是使用線性相對輻射校正直接將DN值轉換到地表反射率，其核心假設為在一定條件下PIFs在目標圖像的DN值與在參考圖像的地表反射率之間存在近似線性關系。該假設基于如下推導一般遙感圖像輻射定標過程使用的是線性公式，比如⑴Lb = Gain*DNb+Bias (1)其中kin與Bias是定標系數。公式(1)將DN值轉換到表觀輻射亮度Lb。由表觀輻射亮度Lb轉換到表觀反射率P，計算采用公式O)
n*Lh*d2ρ= 人-(2)
ESUNx *cos6>其中d為日地距離，ESUNa為太陽常數，θ為太陽天頂角。這些變量對于成像時間近似、地理覆蓋范圍不大的單景遙感圖像而言近似是常量，此時Lb與P之間滿足近似的線性關系。由表觀反射率P “ λ )轉換到地表反射率是基于遙感輻射傳輸方程，見公式⑶
_8]咖=*!^ ^° ⑷+1^ ^(3)其中λ為中心波長，<ρ (人)>為大氣平均反射率，六(入)，8(人)，((人)與SU)是傳感器獲取的不同組分，其在大氣中的傳輸路徑見圖2。Α(λ)為光線射入大氣，經大氣的傳輸與散射后進入傳感器的部分；Β( λ)為太陽一地表一傳感器的路徑傳輸；C(X)為地表“臨近效應”;S(X)為大氣半球反照率。公式(3)在能見度相對高并且單景圖像覆蓋地理范圍不大時，S(A)<p (λ)>值很小，并且<Ρ (λ )>值近似為常量，此時公式(3)退化為線性形式，見公式
權利要求
1.一種自動提取偽不變特征的遙感圖像相對輻射校正方法，該方法針對波長在可見光到近紅外范圍內的多光譜航天遙感數據，直接將目標圖像DN(digital number)值轉換到地表反射率，具體包括以下步驟步驟1，根據目標圖像，確定匹配的參考圖像，要求參考圖像為地表反射率數據，與目標圖像的成像時間近似(可以是不同年的，但月份要求在一個月以內，成像時刻在1小時以內)，傳感器觀測角差異在10°以內，同時要求目標圖像能見度大于30km ；步驟2，對目標圖像與參考圖像進行預處理，包括重投影，幾何配準，計算地理重疊區(qū)域，各波段象素點對應，排除極值點、過飽和點、云、云下陰影及水體所在象素點；步驟3，使用典型相關分析從步驟2獲取的點集中提取典型相關點集；步驟4，從步驟3提取的典型相關點集中篩選偽不變特征點集O^seudo-InvariantFeatures, PIFs)，篩選的步驟包括通過植被指數(NDVI)排除植被象素點，按照傳感器觀測角差異大小對剩余點排序，保留角度相對一致的點，對于不同傳感器數據，保留同質區(qū)域內的象素點；步驟5，使用步驟4提取的PIFs計算各波段線性關系，并使用這些線性關系對目標圖像各波段象素點進行線性變換，將DN值直接轉換到地表反射率。
2.根據權利要求1中所述的技術方案，其特征在于用線性關系將DN值轉換到地表反射率，前提是DN值轉換到表觀輻射亮度、再轉換到表觀反射率、最后轉換到地表反射率，三步轉換的過程線性關系都近似成立，步驟1中所述的“要求參考圖像為地表反射率數據，與目標圖像的成像時間近似(可以是不同年的，但月份要求在一個月以內，成像時刻在1小時以內)，傳感器觀測角差異在10°以內，同時要求目標圖像能見度大于30km”僅是保證線性關系成立的一種情況，根據具體數據及對結果精度的要求不同，對目標圖像及參考圖像的要求可以變化。
3.根據權利要求1中所述的技術方案，其特征在于步驟2中對數據的預處理中，對不同傳感器數據、分辨率差異超過3倍時，采用求加權η乘積再求和的方式完成每個象素點的對應，采用公式為以5lc^')，即第t個參考數據i=l象素點覆蓋范圍內包含了 η個目標圖像的象素，目標圖像象素值《與所占面積比率A'乘積的和即為對應象素點的值。
4.根據權利要求1中所述的技術方案，其特征在于步驟2中排除的象素點包括極值點、過飽和點、云、云下陰影及水體所在象素點，對不同源的數據，確定這些象素點的算法也不同，對具體的確定異常點、云、云下陰影、水體的方法并不做限定。
5.根據權利要求1中所述的技術方案，其特征在于選用具有線性不變性的典型相關分析算法提取典型相關點集。
6.根據權利要求1中所述的技術方案，其特征在于步驟4從典型相關點集中提取PIFs的步驟包括排除植被象素點、篩選觀測角度差異小的象素點、選擇同質區(qū)域內的象素點三步，對不同源的數據，這三步的處理會有差異，對具體的排除植被象素點與篩選觀測角度差異小的象素點的處理算法并不做限定。
7.根據權利要求1中所述的技術方案，其特征在于步驟4對于不同傳感器數據，保留位于同質區(qū)域的象素點，方法是通過一個3*3的窗口，計算每個特征不變點所在3*3窗口內的所有象素的最大值與最小值的差，當差值小于某一域值時將其劃分為同質點，不同傳感器數據域值不同，域值的確定依據統(tǒng)計經驗。
8.根據權利要求1中所述的技術方案，其特征在于所述處理流程不僅適用于同種傳感器數據，還可以用于滿足條件的不同種傳感器數據。
全文摘要
本發(fā)明針對波長在可見光與近紅外范圍內的多光譜航天遙感數據提供一種自動提取偽不變特征點的遙感圖像相對輻射校正技術。該技術主要包括以下步驟針對DN值的目標圖像，找到匹配的地表反射率的參考圖像；對兩圖像進行預處理；利用典型相關分析技術尋找典型相關的點集；在典型相關點集中篩選偽不變特征點；用偽不變特征點擬合線性關系，并利用該關系對目標圖像進行線性相對輻射校正處理。該算法直接將目標圖像DN值轉換到地表反射率，具有處理流程簡單、無需人工交互、處理速度快的特點，算法穩(wěn)定，可用于相同或不同傳感器之間的相對輻射校正。尤其適用于輔助信息缺失或定標精度不高、不適合絕對輻射校正的遙感數據的輻射處理。
文檔編號G06T7/00GK102565778SQ20111041089
公開日2012年7月11日 申請日期2011年12月12日 優(yōu)先權日2011年12月12日
發(fā)明者唐亮, 唐娉, 胡昌苗 申請人:中國科學院遙感應用研究所