一种基于辐射传输模拟的遥感影像融合方法
【技术领域】
[0001] 本发明涉及遥感监测领域，尤其涉及一种基于辐射传输模拟的遥感影像融合方 法。
【背景技术】
[0002] 自20世纪70年代以来，国际国内已经发射了多种空间分辨率和光谱分辨率的 遥感传感器，如如搭载于美国陆地资源卫星的Themat ic Mapper (TM)、法国的Systeme Probatoried'Observation dela Tarre(SPOT)、印度的 Indian Space Research(IRS)_lC、 Advanced Spaceborn Thermal Emission and Reflection Radiometer(ASTER)、中巴 资源卫星（China-brazil Earth Resource Satellite, CBERS)、我国的环境 I 号小卫 星（HJl)等，针对于水色遥感，还有专门的水色遥感传感器，如SeaWiFS(Sea-Viewing Wide Field-of-View Sensor)、MERIS(Medium Resolution Imaging Spectrometer)、 GOCI(Geostationary Ocean Color Imager)、MODIS (Moderate Resolution Imaging Spectroradiometer)等，但是，针对于环境遥感监测而言，这些遥感传感器往往难以在时 间分辨率和光谱分辨率同时满足要求，因此，多种遥感图像融合方法应运而生，人们往往通 过图像融合，将低空间分辨率和较高光谱分辨率的数据进行融合，生成新的遥感图像，以提 高图像的空间分辨率和光谱分辨率。
[0003] 通常的图像融合算法都是将高空间分辨率图像的空间信息，提取并加 入到较低空间分辨率影像中的一系列图像融合算法，如（1)彩色变换算法，如 Intensity-Hue-Saturation(IHS)变换算法、YIQ变换算法；（2)统计/数值算法，如比 值算法、主成分分析算法、高通滤波算法、基于小波变换的算法等。这些方法算法大多针 对全色影像和多光谱影像，这些影像的空间分辨率差异不大，此外，这些方法融合后的 影像，其光谱信息丢失严重；针对于水色遥感，美国NASA提出了国际水色SHffiIOS计划 (Sensor Intercomparison and Merger for Biological and Interdisciplinary Oceanic Studies)，目的在于建立一套方法，将 M0S、0CTS、PL0DER、SeaWiFS、M0DIS、MISR、MERIS 等 海洋水色传感器的资料进行数据融合，从而得到尽可能好的全球数据覆盖，产生时空分辨 率更高的新的数据产品。经过多年的研究，已经陆续提出多种对多个卫星数据进行融合的 方法，包括简单平均、主观分析、条件松弛分析、优化插值、空间分析法等。这些方法，关注的 重点是光谱一时间分辨率两个维度的融合，对空间分辨率的考虑较少，而且要求融合的数 据具有相似的波段设置。但是，内陆二类水体的空间复杂性和光谱复杂性，决定了参与融合 的影像是具有较高空间分辨率的陆地观测卫星数据（如HJ-ICCD数据、TM/ETM+/0LI数据 等），与具有较高光谱分辨率的水色卫星数据（如MERIS数据、GOCI数据等）。这些数据在 空间和光谱分辨率上的双重差异，迫切需要提供新的图像融合算法。
【发明内容】
[0004] 本发明的目的是提供一种基于辐射传输模拟的遥感影像融合方法，以解决传统算 法造成光谱畸变，严重地影像参数定量估算的精度的技术问题。
[0005] 为了解决上述技术问题，本发明提供了一种基于辐射传输模拟的遥感影像融合方 法，包括如下步骤：步骤Sl，获得水色三要素；以及步骤S2,通过所述水色三要素获得初步 融合结果。
[0006] 进一步，所述步骤Sl中获得水色三要素的方法包括：利用多光谱高空间分辨率影 像，通过水面反射率模拟模型推算得到水色三要素，即叶绿素 a浓度(；hla，悬浮物浓度Cs，有 色可溶性有机物的吸收系数&_(λ'），其中λ'为有色可溶性有机物设定的光谱波长。
[0007] 进一步，通过水面反射率模拟模型推算得到水色三要素的方法如下：步骤S101， 建立水面反射率模拟模型；步骤S102,将水面反射率模拟模型通过非线性最小二乘优化算 法获得水色二要素。
[0008] 进一步，所述步骤SlOl中建立水面反射率模拟模型的方法如下：
[0009] 首先建立水表面遥感反射率与水表面以下遥感反射率r "之间的关系式，即
[0011] 式中，ξ为离散作用系数，Γ是气水界面折射系数，r"为水表面以下遥感反射率， 波长为λ ;以及
[0012] 再建立水面反射率模拟模型，即
[0014] ;式中，为非色素颗粒物的比吸收系数，为色素颗粒物的比吸收系 数，(6(/?为非色素颗粒物的比散射系数，％为非色素颗粒物的后向散射概率，S为黄质的 斜率指数，bw( λ)为纯水的散射系数。
[0015] 进一步，所述步骤S102中将水面反射率模拟模型通过非线性最小二乘优化算法 获得水色三要素的方法包括：
[0016] 通过非线性最小二乘优化算法，将所述水面反射率模拟模型通过最小化式J = (Rn-R) T(Rn-R)求取得到水色三要素的含量；
[0017] 其中Rn为水表面遥感反射率R J勺观测值，R为水表面遥感反射率R J勺模拟值。
[0018] 进一步，所述步骤S2中通过所述水色三要素获得初步融合结果的方法包括：
[0019] 将水色三要素代入到水面反射率模拟模型中，即
[0020] Rrs( λ ) = g(Cchla，CTSM，aCMM);以获得高光谱高空间分辨率影像在各个波段处的 R"，即作为初步融合结果。
[0021] 进一步，所述遥感影像融合方法还包括：
[0022] 步骤S3,对初步融合结果进行修正，以获得融合影像；
[0023] 即将权重系数修正后叠加上原始高光谱低空间分辨率影像的光谱信息，以获得所 述融合影像。
[0024] 进一步，将权重系数修正后叠加上原始高光谱低空间分辨率影像的光谱信息以获 得融合影像的方法包括：
[0027] 式中，Ωη代表高光谱低空间分辨率像元范围内的像元集，n为多光谱高空间分辨 率像元个数；上标h代表高空间分辨率像元，上标1代表低空间分辨率像元；下标inv代表 初步融合得到的结果，下标LRHI代表高光谱低空间分辨率影像；
为初步融合得到 的高光谱高空间分辨率像元覆盖范围内的像元集；
是初步融合结果退化得到的 低分辨率影像；
代表原始高光谱低空间分辨率影像；
为修正后的像元 值，即所述融合影像。
[0028] 本发明的有益效果是，本发明的遥感影像融合方法克服了传统的融合算法造成光 谱信息丢失严重的技术问题；并且每个波段的空间分布信息都由严格的物理模型推导得 来，而不是在所有波段上都采用全色影像的空间分布信息，高光谱的信息损失较小；本算法 基于水面反射率模拟模型推导高光谱数据的波谱，因此，突破了水色遥感图像融合中对不 同影像波段需要严格匹配的局限，其适用性更强。
【附图说明】
[0029] 图1是遥感影像融合方法的算法流程图；
[0030] 图2是水面反射率模拟模型推算得到水色三要素的算法流程图；
[0031] 图3是本发明的遥感影像融合算法的原理框图。
【具体实施方式】
[0032] 现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以 示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0033] 实施例1