基于辐射度的地表高分辨率光谱信息遥感反演方法
本发明涉及一种迭代反演算法，尤其涉及复杂地表高分辨率光学波段遥感信号(温度和反射率)的优化反演方法。
背景技术：
随着高空间分辨率卫星和无人机技术的快速发展，高空间分辨率遥感影像的应用越来越广泛。相对于已有的低空间分辨率数据，高空间分辨率数据可以提供地表更加精细的空间信息及其对应的光谱或者温度信息，在农业估产、城市规划、城市热岛、环境保护、干旱和火灾监测等领域，高空间分辨率遥感手段逐渐成为了研究和应用重要的数据来源。
以往的遥感反演算法和遥感产品大多基于极轨卫星和气象卫星低空间分辨率数据。目前，现有的基于高空间分辨率的遥感产品反演算法大多是直接从低分辨率迁移而来。相对于低空间分辨率数据，高空间分辨率数据除了能提供更多的信息量，也更容易受到地表三维结构的影响，即临近像元效应，而针对低空间分辨率的反演算法通常忽略该影响。对于低空间分辨率像元，空间分辨率通常大于500米，平坦地表的临近像元效应可忽略不计，而高分卫星和无人机获取的高空间分辨率像元的分辨率可达0.1米到10米，临近建筑或植被冠层对目标像元的影响难以忽略。因此需要在遥感反演过程中考虑临近像元产生的多次散射效应。
综上所述，现有的高空间分辨率反演算法和产品，没有考虑地表三维结构产生的多次散射影响，导致反演的地表温度和反射率结果存在不确定性，因此基于三维辐射度理论，通过辐射平衡和遥感观测作为约束，提出了一种考虑多次散射影响的高空间分辨率地表温度和反射率的反演方法。
技术实现要素：
为了解决上述技术所存在的不足之处，本发明基于辐射度的三维辐射传输技术，提供了一种可以消除地表多次散射项的高空间分辨率温度和反射率的反演方法。其中，本专利声明基于gpu的辐射度方法进行优化反演，相对于现有的cpu方法例如基于图形学的辐射度模型rgm和利用有孔介质的快速辐射度模型rapid，该基于gpu的方法速度更快，更加具有实用化的价值。
为了解决以上技术问题，本发明采用的技术方案是：基于辐射度的地表高分辨率光谱信息遥感反演方法，包括以下步骤：
s1、三维场景重建；
s2、角度归一化；
s3、设定传感器和光源；
s4、计算形状因子；
s5、设定温度和反射率初值；
s6、通过gpu快速辐射度方法输出模拟影像；
s7、阈值判断；
s8、优化面元的温度和反射率；
s9、流程结束并输出结果。
进一步地，步骤s1中，三维无人机/有人机观测平台得到一系列遥感图像，随后通过二维运动图像的三维重建的方法进行地表三维重建得到地表三维结构信息及其对应的光谱或者温度信息；sfm方法处理步骤包括：图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程构建和正射校正。
进一步地，步骤s2中，对不同角度观测的遥感信号进行匀色，以消除角度效应影响，并通过核驱动方法实现，核驱动方法如下：
其中，t为遥感观测信号；θs为太阳观测天顶角；θv为传感器观测天顶角；
进一步地，步骤s3中，根据传感器的位置、观测视场和视场角给定三维场景的观测矩阵；根据太阳的位置设定光源向量。
进一步地，步骤s4中，通过计算机图形学的原理，逐面元计算面元间的形状因子，该形状因子与面元i和面元j的形状及角度有关，计算公式如下：
其中，fi，j为形状因子；ai和aj分别为面元i和面元j的面积，则dai和daj分别为其微分结果；θi为面元i的角度；θj为面元j的角度；r为面元间的距离。
进一步地，步骤s5中，三维场景中植被面元的初始温度设定为空气温度+1℃，土壤和建筑面元的初始温度设定为空气温度+10℃；根据波谱库设定植被、土壤和建筑的初始光谱信息。
进一步地，步骤s6中，面元辐射度是指离开面元表面的辐射通量密度，面元的辐射度公式如下：
其中，bi为面元i的辐射度；ei表示面元的自身发射项；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；fi，j为形状因子；bj为面元j的辐射度；nf为面元的总数；
该公式表示面元的辐射度包括面元的发射项和与临近像元的多次散射项。
进一步地，步骤s7中，逐像元进行实测影像与模拟影像的比对，判断其差异是否满足阈值条件；通常条件下，温度阈值小于0.1℃认为满足条件跳过优化，反射率阈值小于0.001认为满足条件跳过优化。
进一步地，步骤s8中，对于不满足阈值的像元，需要对其所对应的面元温度进行修正，以模拟和实测影像比对结果作为约束，通过高斯-赛德尔迭代方法进行修改，优化公式为：
其中，bi，step为优化后的辐射度结果，f为优化的比例；bi，ini和bj，ini分别为初始状态时候面元i和面元j的辐射度，ei，ini表示初始状态面元的自身发射项；在循环过程中，bi，ini和bj，ini，ei，ini也可认为是当前循环步长的上一个循环对应的状态。
进一步地，步骤s9中，重复步骤s6-s8，直到所有像元满足阈值条件；此时的面元温度和反射率则为地物真实的温度和反射率，对结果图像进行输出，保存为tif格式。
本方法通过现有的软件和技术从无人机或者高分数据提取地表三维结构，在反演过程种以面元间的形状因子确定临近像元的影响，通过高斯-赛德尔的迭代方法以辐射平衡和高空间分辨率观测作为约束，不断进行地表辐射传输的优化得到，最终消除掉多次散射影响，得到地表真实的温度和反射率结果，
本发明针对复杂地表高分辨率无人机/有人机观测多次散射项影响，基于三维辐射度理论，提出了一种去除多次散射项影响得到地表真实温度和反射率的方法，特别地考虑了地表复杂三维结构造成的影响，消除或减小了临近地物对目标地物造成的遥感信号不确定性。
本发明充分考虑地表多次散射影响，使得反演的温度和反射率结果兼具稳定性和准确性；基于gpu而不是cpu的策略，令本发明更具有反演的实用性，该方法有望成为从无人机或有人机高分辨率地表温度和反射率生产的有效工具。
附图说明
图1为本发明的整体流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示的基于辐射度的地表高分辨率光谱信息遥感反演方法，包括以下步骤：
s1、三维场景重建；
三维无人机/有人机观测平台得到一系列遥感图像，随后通过二维运动图像的三维重建(structurefrommotion)的方法进行地表三维重建得到地表三维结构信息及其对应的光谱或者温度信息；该步骤为进行观测结果多次散射项消除的前置步骤，sfm方法处理步骤包括：图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程(dem)构建和正射校正。面元是组成复杂场景的基本单元，通常为三角形或者四边形。
s2、角度归一化；
对不同角度观测的遥感信号进行匀色，以消除角度效应影响，并通过核驱动方法实现，核驱动方法如下：
其中，t为遥感观测信号；θs为太阳观测天顶角；θv为传感器观测天顶角；
s3、设定传感器和光源；
根据传感器的位置、观测视场和视场角给定三维场景的观测矩阵；根据太阳的位置设定光源向量。
s4、计算形状因子；
通过计算机图形学的原理，逐面元计算面元间的形状因子，该形状因子与面元i和面元j的形状及角度有关，计算公式如下：
其中，fi，j为形状因子；ai和aj分别为面元i和面元j的面积，则dai和daj分别为其微分结果；θi为面元i的角度；θj为面元j的角度；r为面元间的距离。
s5、设定温度和反射率初值；
三维场景中植被面元的初始温度设定为空气温度+1℃，土壤和建筑面元的初始温度设定为空气温度+10℃；根据波谱库设定植被、土壤和建筑的初始光谱信息。
s6、通过gpu快速辐射度方法输出模拟影像；
面元辐射度是指离开面元表面的辐射通量密度，面元的辐射度公式如下：
其中，bi为面元i的辐射度；ei表示面元的自身发射项；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；fi，j为形状因子；bj为面元j的辐射度；nf为面元的总数；
该公式表示面元的辐射度包括面元的发射项和与临近像元的多次散射项。计算多次散射项时会考虑该面元与临近所有面元的贡献。平台基于vulkanapi框架可以实现window、linux和andiron操作系统的跨平台应用，以nvidia显卡设备作为运算单元。然后联立所有面元的辐射度方程计算辐射度结果。
s7、阈值判断；
逐像元进行实测影像与模拟影像的比对，判断其差异是否满足阈值条件；通常条件下，温度阈值小于0.1℃认为满足条件跳过优化，反射率阈值小于0.001认为满足条件跳过优化。
s8、优化面元的温度和反射率；
对于不满足阈值的像元，需要对其所对应的面元温度进行修正，以模拟和实测影像比对结果作为约束，通过高斯-赛德尔迭代方法进行修改，优化公式为：
其中，bi，step为优化后的辐射度结果，f为优化的比例；bi，ini和bj，ini分别为初始状态时候面元i和面元j的辐射度，ei，ini表示初始状态面元的自身发射项；在循环过程中，bi，ini和bi，ini，ei，ini也可认为是当前循环步长的上一个循环对应的状态。
s9、流程结束并输出结果。
重复步骤s6-s8，直到所有像元满足阈值条件；此时的面元温度和反射率则为地物真实的温度和反射率，对结果图像进行输出，保存为tif格式。
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！