专利名称：高光谱图像的模拟方法
技术领域：
本发明涉及图像模拟方法，特别是一种针对高光谱图像的模拟方法。
背景技术：
随着遥感科学的日新月异，地物探测向着多尺度、多光谱甚至是超光谱方向发展， 过去的宽波段成像往往不能满足各种地物目标探测和相关特征研究的需要，因此迫切需要大量高光谱的遥感影像作为基础数据。然而由于受到大气影像和探测器观测条件等方面的限制，无法获得足够数量和精度的遥感图像。为此图像模拟技术得到了快速发展。现有的光学图像模拟方法主要有两种，一是利用高光谱分辨率图像作为数据源， 将数据源覆盖范围内的光谱段进行重新的细化分，进而获取具有新的波段范围的模拟图像，如叶泽田等用机载高光谱图像模拟星载宽光谱图像，陈方等采用多光谱遥感图像和光谱数据库，将宽光谱细分得到高光谱图像。二是利用一系列的生物、物理、大气模型进行耦合运算，计算新的模拟数据，如Verhoef等M利用PROSPECT和GeoSAIL模型计算叶片的光谱反射率、单叶片的透射率及地表状况等参数，再通过M0DTRAN4模型加入大气影响模拟出传感器接收到的图像。前一类的模拟方法将模拟的数据源局限于获取数量相对较少、获取的条件与成本相对较高的高光谱图像上，后一类模拟方法的模拟计算复杂度很高，只能在理论上计算一定数量模拟数据，难以生成可视的模拟图像。
发明内容
本发明的目的是提供一种高光谱图像的模拟方法，要解决现有获取高光谱图像原始数据成本高和模拟计算复杂度高的技术问题；运用本方法可通过可见光图像和少量分类光谱对高光谱图像进行模拟，实现高精度的高光谱模拟图像。为实现上述目的，本发明采用如下技术方案一种高光谱图像的模拟方法，由图像分类、类内灰度分析和光谱重采样三个过程组成，具体步骤如下步骤一拍摄可见光图像。步骤二 对所拍摄的图像依照图像中不同的地物进行分类，得到相应的分类图。步骤三对得到的分类图进行类内灰度分析，对每一分类中的所有像元在红(R)、 绿(G)、蓝(B)三个波段的灰度值进行统计分析，得到每个像元在红(R)、绿(G)、蓝(B)三个波段的权重系数。步骤四经过类内灰度分析得到的权重系数结合采样函数对图像分类光谱进行光谱重采样，形成新的光谱数据。步骤五将新的光谱值映射到每个波段的图像对应像元的灰度值，生成模拟的高光谱图像。对得到的分类图进行类内灰度分析，所述类内灰度分析具体分析步骤如下步骤一从分类图中，找出某一类别的所有像元。步骤二 这里设定某一分类中所有像元经过统计，得到灰度均值和灰度分布方差，首先根据灰度均值和灰度分布方差确定权重系数的范围。步骤四计算在红(R)、绿(G)、蓝(B)三个波段中每个元素的权重系数。经过类内灰度分析得到的权重系数结合采样函数对图像分类光谱进行光谱重采样，所述光谱重采样的具体步骤如下步骤一将在红(R)、绿(G)、蓝(B)三个波段中每个元素的权重系数应用到全波段光谱中。步骤二 将三个波段的权重系数设定在三个中心波长的位置，其余波段的权重值由三角函数确定，结合权重系数和三角函数定义采样函数。步骤三对图像分类光谱进行单波段重采样后，重新生成了单波段的新模拟光谱数据。所述分类光谱为分类地物的光谱，采用野外地物光谱仪对分类地物进行实地的测量，获得该类地物的光谱辐亮度数据和光谱反射率数据或采用地物光谱数据库中相应地物种类的光谱作为分类地物光谱。所述光谱值映射到灰度值的映射方式采用线性或非线性方式。与现有技术相比本发明具有以下特点和有益效果高光谱图像的模拟是获取和研究地物光谱特征的一种高效手段。例如在地物光者目标的光谱特征与分布特征的研究中，够可以采用模拟手段实现特征研究。减少了由于设备、探测条件和成本等实地高光谱探测方面的限制。在地面测量与空中测量数据间相关性的研究中，通过该方法可以获得大量的高光谱图像和数据来支持以上的研究。大幅提高了数据获取效率，降低研究成本。I、本发明对原始数据的要求少，只需要可见光图像和根据典型的地物进行分类的光谱数据，进行高光谱图像模拟，降低了获取高光谱图像的成本和探测条件的诸多限制。2、本发明的模拟方法整个计算过程简便，模拟效果好、精度高，经模拟与实测光谱对比，差别小于10%。3、本发明适用范围广，不仅适用于高光谱图像模拟、仿真、探测器模拟验证、目标特征研究，还适用于多光谱和超高光谱的图像模拟。
下面结合附图对本发明做进一步详细的说明。图I是本发明基于可见光图像的高光谱图像模拟流程图。图2是本发明中的类内灰度分析流程图。图3是本发明中的光谱重采样示意图。图4是本发明的三角函数示意图。
具体实施例方式下面结合附图和实施例对本发明的进行详细的描述。参见图I所示，本发明基于可见光图像的高光谱图像模拟流程图。这种高光谱图像的模拟方法，由图像分类、类内灰度分析和光谱重采样三个过程组成，具体步骤如下步骤一拍摄可见光图像。步骤二 根据所拍摄的可见光图像，对所拍摄的图像依照图像中不同的地物进行分类，得到相应的分类图。
步骤三对得到的分类图进行类内灰度分析，对每一分类中的所有像元在红(R)、 绿(G)、蓝(B)三个波段的灰度值进行统计分析，得到每个像元在红(R)、绿(G)、蓝(B)三个波段的权重系数。步骤四经过类内灰度分析得到的权重系数结合采样函数对图像分类光谱进行光谱重采样，形成新的光谱数据。步骤五将新的光谱值映射到每个波段的图像对应像元的灰度值，生成模拟的高光谱图像。所述分类光谱为分类地物的光谱，可以采用野外地物光谱仪(美国ASD公司的 FieldSpec3-Hi-Res产品和配套白板)对分类地物进行实地的测量，获得该类地物的光谱辐亮度数据和光谱反射率数据。也可选用地物光谱数据库中相应地物种类的光谱作为分类地物光谱。参见图2所示，本发明中的类内灰度分析流程图。对得到的分类图进行类内灰度分析，所述类内灰度分析具体分析步骤如下步骤一从分类图中，找出某一类别的所有像元。步骤二 这里设定某一分类中所有像元经过统计，得到灰度均值
权利要求
1.一种高光谱图像的模拟方法，其特征在于由图像分类、类内灰度分析和光谱重采样三个过程组成，具体步骤如下步骤一拍摄可见光图像；步骤二 根据所拍摄的可见光图像，对所拍摄的图像依照图像中不同的地物进行分类， 得到相应的分类图；步骤三对得到的分类图进行类内灰度分析，对每一分类中的所有像元在红(R)、绿 (G)、蓝(B)三个波段的灰度值进行统计分析，得到每个像元在红(R)、绿(G)、蓝(B)三个波段的权重系数；步骤四经过类内灰度分析得到的权重系数结合采样函数对图像分类光谱进行光谱重采样，形成新的光谱数据；步骤五将新的光谱值映射到每个波段的图像对应像元的灰度值，生成模拟的高光谱图像。
2.根据权利要求I所述的高光谱图像的模拟方法，其特征在于对得到的分类图进行类内灰度分析，所述类内灰度分析具体分析步骤如下步骤一从分类图中，找出某一类别的所有像元；步骤二 这里设定某一分类中所有像元经过统计，得到灰度均值和灰度分布方差，首先根据灰度均值和灰度分布方差确定权重系数的范围；步骤四计算在红(R)、绿(G)、蓝(B )三个波段中每个元素的权重系数。
3.根据权利要求I所述的高光谱图像的模拟方法，其特征在于经过类内灰度分析得到的权重系数结合采样函数对图像分类光谱进行光谱重采样，所述光谱重采样的具体步骤如下步骤一将在红(R)、绿(G)、蓝(B)三个波段中每个元素的权重系数应用到全波段光谱中；步骤二 将三个波段的权重系数设定在三个中心波长的位置，其余波段的权重值由三角函数确定，结合权重系数和三角函数定义采样函数；步骤三对图像分类光谱进行单波段重采样后，重新生成了单波段的新模拟光谱数据。
4.根据权利要求I所述的高光谱图像的模拟方法，其特征在于所述分类光谱为分类地物的光谱，采用野外地物光谱仪对分类地物进行实地的测量，获得该类地物的光谱辐亮度数据和光谱反射率数据或采用地物光谱数据库中相应地物种类的光谱作为分类地物光-i'Tfe P曰。
5.根据权利要求I所述的高光谱图像的模拟方法，其特征在于所述光谱值映射到灰度值的映射方式采用线性或非线性方式。
全文摘要
一种高光谱图像的模拟方法，其由图像分类、类内灰度分析和光谱重采样三个过程组成，步骤如下拍摄可见光图像；对所拍摄的图像依照图像中不同的地物进行分类，得到相应的分类图；对得到的分类图进行类内灰度分析，对每一分类中的所有像元在红、绿、蓝三个波段的灰度值进行统计分析，得到每个像元在红、绿、蓝三个波段的权重系数；经过类内灰度分析得到的权重系数结合采样函数对图像分类光谱进行光谱重采样，形成新的光谱数据。本发明降低了获取高光谱图像的成本和探测条件的诸多限制，计算过程简便，模拟效果好、精度高，不仅适用于高光谱图像模拟、仿真、探测器模拟验证、目标特征研究，还适用于多光谱和超高光谱的图像模拟。
文档编号G06T11/00GK102609963SQ20121001550
公开日2012年7月25日 申请日期2012年1月18日 优先权日2012年1月18日
发明者余松林, 林伟, 王吉远, 苏荣华, 陈玉华 申请人:中国人民解放军61517部队