一种基于噪声因子的高光谱卫星遥感影像辐射质量评价方法技术

本发明专利技术的高光谱遥感影像噪声因子计算方法，能够有效地判断出高光谱卫星遥感影像中的条带噪声，根据计算出的噪声因子的数值大小可将噪声分成轻微噪声、严重噪声和无效波段三类，方便进行噪声种类及严重程度的判断。同时，本发明专利技术的高光谱卫星遥感影像质量评价方法可以有效地计算出相对辐射校正精度，能够有效地估算出遥感影像相对辐射校正前后差异及校正精度，能够综合的评估高光谱卫星遥感影像的辐射质量。射质量。射质量。

【技术实现步骤摘要】
一种基于噪声因子的高光谱卫星遥感影像辐射质量评价方法


[0001]本专利技术涉及大气遥感
，特别是涉及种基于噪声因子的高光谱卫星影像质量评价方法。

技术介绍

[0002]星载高光谱相机在获取地物反射的太阳光谱辐射时，会在上行和下行两次辐射传输中受到大气吸收的影响，减弱了有效信号的能量，造成一些气体强吸收波段数据的信噪比偏低。一般在400
‑
2500nm的观测光谱范围中存在多个大气强烈的吸收波段，其中有部分波段的观测数据受到大气中的水汽等吸收气体的影响，导致信号能量很弱，这些波段的观测数据的噪声相对严重。在通过相对辐射校正处理方法消除了探元响应不一致引起的辐射不均匀后，由于相对辐射校正方法对所有波段采用同样的校正模型，从校正效果来看不同谱段有较大差异。
[0003]高光谱卫星影像数据的大气吸收波段的信号强度较弱，存在多种成因的噪声，其中存在非均衡性导致的复杂条带噪声；部分短波红外波段还存在明显的分片特征，各片间分布规律明显不同。为了有针对性的处理不同波段的噪声问题，首先对大气吸收波段数据的特征进行分析。
[0004]第一类：轻微的条带噪声波段数据。这一类数据主要集中在紫外吸收波段(390nm—405nm)以及近红外的水汽吸收波段(920nm—970nm)。轻微条带噪声数据的影像清晰度较好，尽管出现了一些稀疏的条带噪声，并且这种噪声呈现出纵向条纹分布的一致方向性，且条纹宽度通常较窄，同时条带噪声还具有一定的明暗度。。第二类：严重的条带噪声波段数据。这一类数据主要集中在短波红外几个水汽吸收带(1095nm—1165nm；1310nm—1360nm；1420nm—1510nm；1755nm—1805nm；1940nm—2025nm以及2395nm—2500nm)。严重条带噪声波段数据的噪声特别明显，噪声也存在一致的方向性，呈纵向条纹分布，条纹的宽度不一，有宽条纹和细条纹，而且条带噪声具有一定的明暗度。第三类：无效波段数据。这一类数据主要是集中在短波红外的强水汽吸收带(1360nm—1420nm以及1805nm—1940nm)。这一类数据的DN值响应都非常低，经过多景数据的统计，除了个别高亮地物外，大多数自然地物的灰度值在这些波段的都偏低，这些波段数据由于大气水汽强吸收的影响，信号能量较弱，信噪比极低，噪声信息特别明显。
[0005]目前，对于高光谱卫星影像噪声估算的方法较少，而且没有对噪声的严重程度进行分类，也没有对相对辐射校正进行精度评价，形成卫星质量的综合评价，因此需要一种基于噪声因子的高光谱卫星影像辐射质量评价方法来实现这些技术难题。

技术实现思路

[0006]为解决上述技术问题，本专利技术的目的通过以下的技术方案实现：一种基于噪声因子的高光谱卫星影像辐射质量评价方法，包括以下步骤：
[0007]A、在高光谱遥感影像中选取均匀地物，根据影像列灰度均值和列灰度均值比因子
计算条带噪声因子；
[0008]B、基于条带噪声因子参数针对吸收波段数据噪声进行统计分析，并针对波段噪声数据的条带噪声因子阈值进行归纳；
[0009]C、根据整景均匀影像平均行标准差对遥感影像相对辐射校正前后进行评价；
[0010]D、基于多个子图的相对辐射校正精度对高光谱影像进行质量评价。
[0011]本专利技术与现有技术相比，具有如下优点和有益效果：
[0012]本专利技术的高光谱遥感影像条带噪声因子计算方法，能够有效地判断出高光谱遥感影像中的条带噪声，根据噪声因子的数值大小可将噪声分成轻微噪声、严重噪声和无效波段三类，方便进行噪声种类及严重程度的判断。同时，本专利技术的相对辐射精度验证方法可以有效地对相对辐射校正进行评价，能够有效地估算出遥感影像相对辐射校正前后差异及校正精度。
附图说明
[0013]图1是本专利技术方法的流程图；
[0014]图2是无噪声波段和轻微条带噪声波段的条带噪声因子估算结果；
[0015]图3是严重条带噪声波段的条带噪声因子估算结果；
[0016]图4是高光谱卫星短波红外波段相对辐射校正前各探元列均值；
[0017]图5是计算高光谱卫星影像相对辐射校正精度流程图；
[0018]图6是高光谱卫星影像的相对辐射校正精度。
具体实施方式
[0019]下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。
[0020]本实施例以GF
‑
5高光谱卫星影像为例，详细说明利用本专利技术计噪声因子及相对辐射校正精度的过程。根据图1所示的方法流程图，方法包括步骤：
[0021]步骤1：选择地物均匀的高光谱卫星遥感影像，并根据式(1)—式(3)统计计算影像的均值及列均值比因子。
[0022]计算影像灰度列均值,影像灰度值记为IMG(m,n)，其中m和n分别代表影像的总行数和总列数；第j个探元(第j列)的列均值的计算公式为：
[0023][0024]计算整景影像的均值及列均值比因子δ
j
:
[0025][0026][0027]计算条带噪声因子:
[0028]Δ
j
＝|δ
j+1
‑
δ
j
|
ꢀꢀꢀꢀ
(4)
[0029][0030]步骤2：利用式(4)—式(5)计算的条带噪声因子值判断噪声的严重复杂程度，通过对大量波段数据噪声进行分析可以设置噪声因子阈值将噪声程度分为轻微噪声(0.05—0.45)、严重噪声(0.45—0.9)和无效波段(0.9—10)三类，无噪声波段和轻微条带噪声波段的条带噪声因子估算结果如图2所示，严重条带噪声波段的条带噪声因子估算结如图3所示。
[0031]步骤3：选取海洋等均匀场景进行成像，计算各个探元的标准差，根据遥感影像在各个探元相对辐射校正前后的列均值和标准差曲线，对相对辐射校正前后各个探元的列均值进行判断，初步评估相对辐射校正效果，并根据式(6)计算相对定标精度，GF
‑
5卫星高光谱相机短波红外B10波段相对辐射校正前各探元列均值如图4所示。
[0032]选取海洋和沙漠等均匀场景进行成像，计算各个探元的标准差
[0033][0034]根据遥感影像在各个探元相对辐射校正前后的列均值和标准差曲线，对相对辐射校正前后各个探元的列均值进行判断，初步评估相对辐射校正效果。
[0035]步骤4：选择影像中的多个均匀场景的子图像，每个子图像的内部要求地物均匀且单一，计算每个子图块的均值，利用式(8)—式(11)计算高光谱影像的辐射校正精度E，计算流程如图5所示，GF
‑
5卫星高光谱影像的相对辐射校正精度如图6所示。
[0036]计算相对定标精度RE:
[0037][0038]选择影像中的多个均匀场景的子图像，每个子图像的内部要求地物均匀且单一，计算每个子图块的均值，第k个子图块的均值为：
[0039][0040]计算列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于噪声因子的高光谱卫星影像辐射质量评价方法，其特征在于：包括：A、在高光谱遥感影像中选取均匀地物，根据影像列灰度均值和列灰度均值比因子计算条带噪声因子；B、基于条带噪声因子参数针对吸收波段数据噪声进行统计分析，并针对波段噪声数据的条带噪声因子阈值进行归纳；C、根据整景均匀影像平均行标准差对遥感影像相对辐射校正前后进行评价；D、基于多个子图的相对辐射校正精度对高光谱影像进行质量评价。2.根据权利要求1所述的基于噪声因子的高光谱卫星影像辐射质量评价方法，其特征在于，所述A具体包括：A1、计算影像灰度列均值,影像灰度值记为IMG(m,n)，其中m和n分别代表影像的总行数和总列数；第j个探元即第j列的列均值的计算公式为：DN
i,j
为整景影像第i行、第j列像元DN值；A2、计算整景影像的均值及列均值比因子δ
j
::A3、计算噪声因子Δ:Δ
j
＝|δ
j+1
‑
δ
j
|3.根据权利要求1所述的基于噪声因子的高光谱卫星影像辐射质量评价方法，其特征在于，所述B具体包括：B1、根据噪声因子值判断噪声的严重复杂程度，噪声的复杂程度与噪声严重...

【专利技术属性】
技术研发人员：唐洪钊，肖晨超，尚坤，窦显辉，陈辉，张鸿赓，朱广彬，傅征博，胡芬，
申请(专利权)人：自然资源部国土卫星遥感应用中心，
类型：发明
国别省市：