【技术实现步骤摘要】
本专利技术涉及一种数字靶标构建与应用方法，特别涉及一种基于原始高光谱遥感影像的数字靶标构建及成像信噪比、成像光谱准确度质量评价方法。
技术介绍
1、近年来，数字孪生(digital twin,dt)技术成为智能制造、工业互联网等领域的研究热点，其最主要的特点是：模型通过传感器随时获取物理实体的数据，并随着实体一起演变，一起成熟甚至一起衰老。人们可以利用模型进行分析、预测、诊断或者训练，对物理实体进行优化和决策。遥感载荷数字模型(remote sensing digital model,rsdm)是数字孪生技术在遥感载荷研制过程的一种应用形式，是未来遥感载荷数字化、智能化制造的核心内容。
2、高光谱成像技术作为新兴的光学遥感技术，在短短几十年里发展迅速。其特点是可以获取地物的光谱数据立方体。光谱数据立方体包含二维空间纹理信息及一维光谱信息，其中光谱信息又称“地物指纹”，不同地物具有不同的光谱特性，可以据此对不同地物进行分类和定量化分析。
3、高光谱遥感载荷相比全色、多光谱载荷结构设计复杂、指标参数众多，其对应的数字模型构建复杂。数字模型的输出体现在对观测对象的成像结果和成像质量的评价，数字靶标作为理想条件下的数字模型的观测对象，具有高精度、定量化的特点。高光谱遥感载荷的数字模型构建尚处于研究探索阶段，其适用的数字靶标设计与构建同样是新兴的研究方向。
4、传统的实体靶标或数字图像靶标的设计针对全色、rgb彩色相机，评价指标也是单一的调制传递函数、信噪比等，且靶标内容与真实高光谱遥感影像内容差异大，
技术实现思路
1、本专利技术的目的是提供一种基于原始高光谱遥感影像的数字靶标构建及成像信噪比、成像光谱准确度质量评价方法，以解决传统的实体靶标或数字图像靶标评价指标单一、靶标内容与真实高光谱遥感影像内容差异大、以致对其仿真成像，不能直观地评价高光谱遥感载荷数字模型的实际成像效果，以及直接将真实的原始高光谱遥感影像用于高光谱遥感载荷数字模型仿真成像时，又因原始高光谱遥感影像包含其来源载荷自身的误差，会使成像效果产生较大误差的技术问题。
2、为解决上述技术问题，本专利技术所采用的技术方案是：
3、一种基于原始高光谱遥感影像的数字靶标构建方法，其特殊之处在于：
4、所述基于原始高光谱遥感影像的数字靶标用作高光谱遥感载荷数字模型仿真成像过程的观测对象；
5、包括以下步骤：
6、步骤1：根据高光谱遥感载荷数字模型参数，选取原始高光谱遥感影像数据；
7、步骤2：对步骤1中选取的原始高光谱遥感影像数据进行地物分类，得到地物分类标注数据；
8、步骤3：根据步骤1中选取的原始高光谱遥感影像数据和步骤2中得到的地物分类标注数据，统计所有类别地物的特征光谱；
9、步骤4：根据步骤1中选取的原始高光谱遥感影像数据的高光谱图像立方体大小、步骤2中得到的地物分类标注数据以及步骤3中统计得到的所有类别地物的特征光谱，构建基于原始高光谱遥感影像的数字靶标雏形；
10、步骤5：根据高光谱遥感载荷数字模型参数，对步骤4中构建的基于原始高光谱遥感影像的数字靶标雏形进行空间维重采样；
11、步骤6：根据高光谱遥感载荷数字模型参数，对步骤5中进行空间维重采样后的基于原始高光谱遥感影像的数字靶标雏形进行光谱维重采样，得到所要构建的基于原始高光谱遥感影像的数字靶标，构建完成。
12、进一步地，步骤1中，根据高光谱遥感载荷数字模型参数，选取原始高光谱遥感影像数据时，其选取原则为：
13、要求所选取的原始高光谱遥感影像数据的空间分辨率、光谱分辨率、谱段数、幅宽均大于等于高光谱遥感载荷数字模型的相应指标参数。
14、进一步地，步骤2中，对步骤1中选取的原始高光谱遥感影像数据进行地物分类时，采用的分类方法为有监督分类方法、无监督分类方法或者人工标注方法；
15、所述有监督分类方法是指：利用已知类别地物的光谱信息或者再加上其空间纹理信息，将整幅原始高光谱遥感影像数据根据实测地物种类划分为图像块，并给同一类地物图像块赋予同一个地物分类标注值，得到地物分类标注数据；
16、所述无监督分类方法是指：采用高光谱聚类的方法，利用光谱相似度信息将整幅原始高光谱遥感影像数据根据预设的拟划分的地物种类数量聚类划分为图像块，并给同一类地物图像块赋予同一个地物分类标注值，得到地物分类标注数据；
17、所述人工标注方法是指：目视判读整幅原始高光谱遥感影像数据或者采用实地调研的方法，将整幅原始高光谱遥感影像数据同一类地物提取划分出来，并给同一类地物图像块赋予同一个地物分类标注值，得到地物分类标注数据；
18、所述地物分类标注数据为原始高光谱遥感影像数据尺寸大小的单通道图像数据。
19、进一步地，步骤3中，根据步骤1中选取的原始高光谱遥感影像数据和步骤2中得到的地物分类标注数据，统计所有类别地物的特征光谱时，将每类地物地物图像区域内所有像元光谱的均值作为该类地物的特征光谱，具体如下式[1]所示：
20、
21、式[1]中：spk为第k类地物的特征光谱，k∈{1,2,…,l}，l为地物类别总数；roik为第k类地物的地物图像区域；spi为第k类地物的地物图像区域内第i个像元的光谱；s为第k类地物的地物图像区域内包含的像元总数。
22、进一步地，所述步骤4具体为：
23、步骤4.1：根据步骤1中选取的原始高光谱遥感影像数据的高光谱图像立方体大小，构建与其同样大小的数据立方体；
24、步骤4.2：对于所有类别地物，分别根据步骤2中得到的地物分类标注数据，提取该类地物所处的图像位置坐标，该类地物在步骤4.1中构建的所述数据立方体中的图像位置坐标与提取的所述该类地物所处的图像位置坐标相同，并在步骤4.1中构建的所述数据立方体中对该类地物中的所有像元赋值步骤3中统计得到的该类地物的特征光谱，即得到基于原始高光谱遥感影像的数字靶标雏形，基于原始高光谱遥感影像的数字靶标雏形构建完成。
25、进一步地，为了保证不损失空间维调制度，步骤5中，根据高光谱遥感载荷数字模型参数，对步骤4中构建的基于原始高光谱遥感影像的数字靶标雏形进行空间维重采样时，空间维重采样算法采用最近邻插值算法。
26、进一步地，为了保证光谱曲线的连续性和平滑性，步骤6中，根据高光谱遥感载荷数字模型参数，对步骤5中进行空间维重采样后的基于原始高光谱遥感影像的数字靶标雏形进行光谱维重采样时，光谱维重采样算法采用样条插值算法。
2本文档来自技高网...
【技术保护点】
1.一种基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
2.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
3.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
4.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
5.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
6.根据权利要求5所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
7.根据权利要求6所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
8.一种基于原始高光谱遥感影像的数字靶标的成像信噪比质量评价方法，其特征在于，包括以下步骤：
9.一种基于原始高光谱遥感影像的数字靶标的成像光谱准确度质量评价方法，其特征在于，包括以下步骤：
10.根据权利要求9所述的基于原始高光谱遥感影像的数字靶标的成像光谱准确度质量评价方法，其特征在于：
【技术特征摘要】
1.一种基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
2.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
3.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
4.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
5.根据权利要求1所述的基于原始高光谱遥感影像的数字靶标构建方法，其特征在于：
6.根据权利要求5所述的基于...
【专利技术属性】
技术研发人员：王一豪，程娟，陈军宇，王爽，张耿，李思远，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。