一种遥感影像程辐射估计方法与流程

本发明属于遥感图像智能处理技术领域，尤其涉及一种遥感影像成像时刻的各波段程辐射估计方法，即一种遥感影像程辐射估计方法。

背景技术：

大气层顶传感器入瞳处辐亮度包括地物反射的能量和大气上行散射的能量(即程辐射)，程辐射降低了遥感影像的对比度，故一般需要通过大气校正来去除大气的影响。简单大气校正需要顾及遥感影像各个波段的程辐射。

暗目标法(dos)是最常用的程辐射估计方法。该方法假设遥感影像中存在地表反射率几乎为0的“暗”目标，而该目标在遥感影像上的dn值的能量均来自于程辐射，故每个波段的最小值为程辐射。一般而言，较大面积的清澈水体在近红外的吸收较强，反射率接近于0。然而，实际上，该方法常常会失效，如对于稠密植被的阴影而言，一般被认为是暗目标，但其仍然能接收到大气散射能量，故程辐射会被高估。为解决此问题，多波段回归算法(mbr)可以根据某波段的程辐射估计另外一个波段的程辐射；后有研究人员根据mbr改进得到了协方差矩阵法(cmm)。但mbr和cmm法均需要提前精确地估计出某个波段的程辐射，依然没有从根本上解决程辐射估计的问题。

技术实现要素：

有鉴于此，本发明提出一种遥感影像程辐射估计方法，该方法能够依据遥感影像自身特征评估成像时刻的各波段程辐射，具有简单易行，结果准确的特点。

为了实现上述目的，本发明采用的技术方案为：

一种遥感影像程辐射估计方法，包括以下步骤：

(1)搜索遥感影像的像元，将具有相同地表覆盖类型的阴影像元和光照像元组成一对；所述遥感影像包含多个波段的图像；

(2)根据步骤(1)所得的多对像元中各像元在各波段下所接收到的辐射能量，针对每个波段，均利用下式进行统计回归，估计出遥感影像成像时刻各个波段的程辐射：

rshadow＝v·rsunlit+(1-v)·rpath

其中，

式中，rshadow为阴影像元接收到的辐射能量，rsunlit为光照像元接收到的辐射能量，rpath为程辐射，为大气下行散射能量，rdirect为大气下行直射能量。

进一步的，步骤(1)的具体方式为：

(101)利用影像分割方法将遥感影像分割为均质的斑块，每个斑块中均包含多个像元，然后利用斑块平均亮度、与邻域亮斑块的对比度、斑块尺寸特征作为分类特征以提取阴影，并将阴影边界两侧的与阴影边界水平距离在两个像元以内的所有像元作为半影像元；

(102)将分别位于阴影边界两侧的处于同一水平方向上且相隔四个半影像元的阴影像元和光照像元组成像元对，计算各像元对的光谱相关系数和亮度比值；对所有像元对的光谱相关系数和亮度比值进行由大到小的排序，取光谱相关系数处于前50％且亮度比值处于后50％的像元对为具有相同地表覆盖类型的阴影像元和光照像元对。

本发明与背景技术相比具有如下优点：

1、本发明依据阴影成像模型中程辐射的建模，使用具有相同地表覆盖的阴影像元和光照像元间的回归关系求取各波段的程辐射，方法简单易行，便于实现。

2、本发明方法能够在遥感影像上缺少暗目标的情况下精确地评估各个波段的程辐射值。

附图说明

图1是本发明实施例中程辐射估计方法的流程图。

图2是本发明实施例所使用的遥感影像图。

图3是本发明实施例的阴影区域提取结果图。

图4是本发明实施例中搜索具有相同地表覆盖的光照像元和阴影像元的原理示意图。

图5是本发明实施例中搜索出的与阴影像元具有相同地表覆盖类型的光照像元。

图6是本发明实施例中搜索出的与光照像元具有相同地表覆盖类型的阴影像元。

图7是本发明实施例中蓝光波段光照像元与阴影像元的回归结果。

图8是本发明实施例中绿光波段光照像元与阴影像元的回归结果。

图9是本发明实施例中红光波段光照像元与阴影像元的回归结果。

图10是本发明实施例中近红外波段光照像元与阴影像元的回归结果。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

如图1所示，一种遥感影像程辐射估计方法，其包括以下步骤：

(1)影像分割。使用面向对象分割算法将遥感影像分割为均质的斑块，并依据视觉效果选取最优分割尺度。遥感影像包含多个波段的成像图像，此为公知常识，不再赘述。

(2)阴影区域提取。根据分割的斑块，使用波段平均亮度、与邻域斑块的亮度差异、斑块面积作为特征进行分类，提取影像中的阴影区域。

(3)阴影像元及与其地表覆盖相同的光照像元的搜索。由于阴影提取不可避免的会出现误差，故假定阴影提取边界内外的各两个像素均为半影像元。如图4所示，以阴影区域的最外侧像元为边界，假设边界左右各2像素缓冲区内的像元为半影像元，2像素缓冲区外的像元为阴影像元或光照像元；以水平方向上四个连续半影像元两端的光照像元和阴影像元为一对(如图4中的a像元和b像元)，即，每对像元中的光照像元和阴影像元分别位于阴影边界的两侧，且这两个像元相隔四个半影像元；分别计算阴影像元与其对应光照像元的光谱相关系数以及亮度比值，然后对光谱相关系数和亮度比值分别进行由大到小排序，在此假设光谱相关系数处于前50％，且亮度比值处于后50％的像元对为地表覆盖相同的阴影像元和光照像元。

(4)基于阴影像元与光照像元回归的程辐射估计。根据步骤(3)中搜索到的具有相同地表覆盖的若干对阴影像元和光照像元，针对每个波段，统计该波段下搜索到的各像元所接收的辐射能量，利用下式进行统计回归，得到遥感影像获取时刻各个波段的程辐射：

rshadow＝v·rsunlit+(1-v)·rpath，

其中，

式中，rshadow为阴影像元接收到的辐射能量，rsunlit为光照像元接收到的辐射能量，rpath为程辐射，为大气下行散射能量，rdirect为大气下行直射能量。

上述方法的原理如下：

由于阴影像元仅接收到大气散射光，而直射光被物体遮挡，故传感器层阴影像元接收到的辐射能量如下：

其中，rshadow为阴影像元接收到的辐射能量，为大气下行散射能量，ρ1某地表覆盖类型的反射率，τ^↑为大气上行透过率，rpath为程辐射。传感器层光照像元接收到的辐射能量如下：

其中，rsunlit为光照像元接收到的辐射能量，rdirect为大气下行直射能量，ρ2为某地表覆盖类型的反射率。假设阴影像元与光照像元的地表覆盖类型相同，则有：

ρ1＝ρ2(3)

令则阴影像元的辐射能量和光照像元的辐射能量有如下关系：

rshadow＝v·rsunlit+(1-v)·rpath(4)

为了验证本方法的有效性，对图2进行阴影提取得到图3，然后利用图3提取具有相同地表覆盖类型的光照像元图5和阴影像元图6，最后根据各个波段的dn值(即遥感影像像元亮度值)进行统计回归，得到各个波段的程辐射(如图7～10)：蓝光波段的程辐射dn值为298.24，绿光波段的程辐射dn值为357.19，红光波段的程辐射dn值为154.14，近红外波段的程辐射dn值为61.54。

该方法利用遥感影像上阴影区域与光照区域成像的辐射能量差异，使用回归方法计算各个波段的程辐射。具体来说，首先，提取遥感影像上的阴影像元；然后在水平方向上利用光谱夹角和光谱欧式距离度量搜索距离为4的具有相同地表覆盖的阴影像元和光照像元；最后用统计回归的方法得到各个波段的程辐射值。该方法不需要假设遥感影像上有反射率接近于0的暗目标，适用于所有有阴影的遥感影像程辐射估计。

总之，本发明实现了遥感影像的程辐射估计，采用阴影区与光照区的统计回归关系，估计出各个波段的程辐射值。该方法能够在遥感影像上不存在暗目标的情况下依然很好地估计程辐射的值。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，一切利用本发明构思的发明创造均在保护之列。