CN110782429A - 一种基于星载遥感相机的成像质量评估方法 - Google Patents
一种基于星载遥感相机的成像质量评估方法 Download PDFInfo
- Publication number
- CN110782429A CN110782429A CN201910920501.4A CN201910920501A CN110782429A CN 110782429 A CN110782429 A CN 110782429A CN 201910920501 A CN201910920501 A CN 201910920501A CN 110782429 A CN110782429 A CN 110782429A
- Authority
- CN
- China
- Prior art keywords
- pixel
- imaging
- pixel array
- contrast
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于星载遥感相机的成像质量评估方法,在卫星平台沿传感器探元排列方向进行推扫成像的情况下,所述卫星平台的载荷和/或地面基站的计算终端执行以下步骤:基于所述传感器探元推扫成像获取的像元阵列进行质量评估,并至少获取所述像元阵列的校正参数;在基于所述校正参数对所述像元阵列内的像元进行分区处理后,剔除串扰区域以生成初始残像。
Description
技术领域
本发明属于遥感技术领域,涉及一种遥感相机的成像质量评估方法,具体涉及一种通过定量评估遥感相机成像质量对辐射定标过程的影响,并通过补偿不利的影响提高辐射定标效果的方法,尤其涉及一种基于星载遥感相机的成像质量评估方法。
背景技术
推扫式空间遥感相机利用卫星和地面的相对运动进行扫描成像。在固定的轨道上,卫星和地面的相对速度基本保持不变,因此分辨率越高,积分时间越短。为了解决由于积分时间短带来的曝光能量不足的问题,一般采用TDI(Time Delay Integration)CCD作为遥感相机探测器。TDICCD器件的优点是在运动中利用多级光敏元件对同一目标进行多次积分,通过各级弱信号进行叠加从而得到增强的信号,提供***的信噪比。然而,TDICCD成像对卫星姿态控制精度要求很高,任何控制精度误差都会带来较大的TDICCD累积误差,使得成像调制传递函数(MTF)下降,且积分技术越大,MTF下降越明显。为了保证TDICCD成像质量,研究人员开展了相应的研究工作。
例如,文献[1]Wang D,Zhang T,Kuang H.Clocking smear analysis andreduction for multi phase TDI CCD in remote sensing system.[J].OpticsExpress,2011,19(6):4868-80.对时钟导致的模糊现象进行了深入分析,提出通过改变转移时钟的时序关系降低模糊现象,从而保证MTF不下降。
例如,文献[2]Deng X.Factors Affecting the TDI-CCD Camera Image Qualityin the Lunar Orbiter[J].Spacecraft Engineering,2010.公开了像移匹配对MTF的影响,并进行了分析和数学建模。文献[3]庄绪霞,王治乐,阮宁娟,et al.像移对星载TDICCD相机成像品质的影响分析[J].航天返回与遥感,2013(6).分析了像移引起图像模糊和几何变形的机理,研究了像移降质和几何方面的评价参量。依据TDICCD的工作原理,建立了像移影响下TDICCD相机空变降质模型,并以此为基础,计算并分析了不同形式、不同方向上的像移影响下的像质下降情况,从图像模糊和几何变形两个角度分析非推扫像移造成的像质下降,从而建立了像移与扩散函数及传递函数之间的关系。
例如,文献[4]徐茜,苗丽峰,王跃明,et al.8192像元TDI-CCD相机信噪比的深入分析[J].红外技术,2008,30(12):683-687.对于TDICCD的信噪比以及降噪技术进行了具体研究。但是以上文献都是分别单独从信噪比和像移两个方面展开研究,并为考虑到信噪比、像移、MTF三者之间的制约关系。实际上,积分级数的增加有利于提高相机的信噪比,但却对卫星的姿态控制精度提出更高的要求。如果卫星姿态的控制进行度达不到要求,那么相机的MTF就会下降。因此在积分级数的设置中必须进行一个折中的优化选择。而且图像信噪比反映了图像的弧度分辨率,图像的MTF则反映了图像的空间分辨率。因此,文献[5]薛旭成,石俊霞,吕恒毅,et al.空间遥感相机TDI CCD积分级数和增益的优化设置[J].光学精密工程,2011(4):857-863.提出联合信噪比和MTF作为图像质量的优化指标,对积分级数进行了优化选择和设置,其中积分技术能够解决光能量不足的问题,并有效地提高信噪比,但同时会使得图像的MTF下降,因此文献[5]通过增加增益解决光能量不足的问题,增益的增加对信噪比和MTF没有影响。
文献[6]张过,李立涛.遥感25号无场化相对辐射定标[J].测绘学报,2017(08):75-82.公开了利用不依赖于地面均匀行的无场化90°偏航辐射定标方法,其中90°偏航辐射定标是将卫星平台或相机旋转90°,同时校正地球自转引起的偏流角,使得线阵CCD传感器与卫星轨道推扫方向平行,卫星沿着轨道推扫成像获取辐射定标数据,进行相对辐射定标的方法。该方法还包括以下步骤:1、条带噪声抑制和对比度提升;2、偏航定标数据规定化;3、定标参数求解。利用文献[5]可以对文献[6]公开的相对辐射定标方法中的定标图像进行评价,并基于评价结果对定标图像进行修正,提高定标的效果。
但是,利用文献[5]对文献[6]公开的相对辐射定标图像进行评估存在以下几个问题:首先,TDICCD的优点是可以增加积分时间提高信噪比,但是TDICCD对像移匹配有严格的要求,并且对像移的要求随着积分级数的增加而更加严格,像移的不匹配会导致MTF的下降,尤其是在遥感相机进行相对辐射定标对地面的均匀场景推扫成像时,由于地球的自转,需要相机根据偏流角旋转相应的角度,使得CCD线列沿着实际像移方向成像,在CCD按偏流角旋转的同时也会实时对CCD积分时间作出修正,当CCD电荷转移速度与像移速度不匹配时,会显著降低图像的MTF,因此对积分时间有严格的要求;其次,在CCD进行90°偏航辐射定标时,定标成像的图像是对同一场景成像的像元成斜线的排列,如图3所示,由于不同的探元对同一场景的成像响应函数不同,因此图像会产生条纹噪声,而条纹噪声也会降低图像的MTF;最后,针对如何保证偏航辐射定标时作为基准参考的是同一地物在不同列的数据这一问题,需要利用偏航辐射定标数据夹角的检测结果来进行区分每行不同的探元的对同一地物的成像数据,导致敏捷型卫星需要具有精准的角测量仪器来获取角测量结果,不仅增加了卫星平台的负担,而且还因为标定数据的结果依赖偏航辐射定标数据夹角的精确度,需要卫星载荷增加额外的开销对夹角数据进行校准。此外,场景的动态辐射特性变化、CCD线阵转向的不确定性、CCD各个探元响应的不确定性等,给非均匀性校正带来了很大的困难。例如,通过90°偏航,即探元线阵排列的方向与成像方向平行,可以得到如图3所示的成像数据。如图3所示,每行为同一探元对同一定标场景的像元,例如A或者B或者C或者D或者E。不同列的像元A、B、C、D、E表示同一个探元生成的像元。在不考虑其他影响因素的情况下,理论上传感器的每个探元依次对同样的场景成像。例如,图3中第一列的探元对像元A、B、C、D、E分别成像,第二列探元分别对像元A、B、C、D、E分别成像,第三列探元分别对像元A、B、C、D、E分别成像,从而每个探元都对同一个场景A成像。但是,场景的动态辐射特性变化、CCD线阵转向的不确定性、CCD各个探元响应的不确定性均会造成不同探元生成的相同的像元的信噪比、对比度以及清晰度不同。CCD线阵转向的不确定性指的是CCD线阵转动的精度问题。由于卫星在执行正常推扫成像的过程中,为了减小地球自转所带来的影响,需要旋转CCD线阵来补偿地球自转带来的偏流角,从而使得CCD线阵能够沿卫星的实际飞行方向进行成像。但是,由于振动、空间环境变化、机械本身固有的转动偏差可能导致CCD线阵转向具有一定的不确定性,从而无法使得卫星沿CCD线阵的排列方向进行成像,导致图4中每行对同一定标场景成像A可能出现其他定标场景的像元,即出现了串扰,导致定标的图像存在大量的条纹噪声。
综上,需要对相对辐射定标的成像质量进行评估,即通过评估定标场景生成的像元阵列,能够对图像的信噪比、对比度等参数进行估计,从而识别锁定每个像元中的串扰部分,剔除定标图像的串扰部分后的图像为初始残像。从初始残像中提取相应的均匀性最好的部分进行相对定标处理,能够大大提高相对定标的精确度。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术中的90°偏航标定数据的结果依赖偏航辐射定标数据夹角的精确度的问题,本发明基于夹角的不确定度对处理后的成像数据进行评估,根据评估结果对每行像元进行非均匀取值,从而因为夹角的不确定,出现每行像元中的部分像元可能存在非同一场景单元的成像数据的情况,采用非均匀的方式对每行的每个像元进行取值,提取每个像元中只包含同一场景单元的成像数据,排除像元因包含不同场景单元的数据而造成的定标场景辐射不均匀的影响。
一种基于星载遥感相机的成像质量评估方法,在卫星平台沿传感器探元排列方向进行推扫成像的情况下,所述卫星平台的载荷和/或地面基站的计算终端执行以下步骤:基于所述传感器探元推扫成像获取的像元阵列进行质量评估,并至少获取所述像元阵列的校正参数;通过该设置方式,本发明的成像质量评估方法,针对90°偏航标定数据的结果依赖偏航辐射定标数据夹角的精确度,导致部分像元可能存在非同一场景单元的成像数据的问题,即出现串扰区域的问题,采用信噪比进行初步评估得到初始串扰区域,并利用对比度估计对串扰区域再次评估以提出初始串扰区域中的串扰区域,不仅能够准确、无遗漏的确定和识别串扰区域,还能够通过剔除串扰区域来排除像元因包含不同场景单元的数据而造成的定标场景辐射不均匀的影响,从而提高相对辐射定标的准确性;在基于所述校正参数对所述像元阵列内的像元进行分区处理后,剔除串扰区域以生成初始残像。
根据一个优选实施方式,所述载荷和/或计算终端进行质量评估的步骤如下:基于先验知识对所述像元阵列进行信噪比估计;基于所述像元阵列的信噪比对所述像元阵列划分初始串扰区域,并进行对比度估计;其中,所述校正参数至少包括信噪比估计以及对比度估计。
根据一个优选实施方式,所述载荷和/或计算终端按照如下步骤进行信噪比估计:基于至少一个像元对所述像元阵列进行分割形成若干个子像元阵列,并基于所述子像元阵列进行局部噪声估计;以分割后的像元阵列的灰度的最大值作为信号的估计值。本发明基于传感器探元成像时以像元为单位的特点,采用分块分区的思想的信噪比估计方法,不仅能够尽量地提高噪声估计的精度,而且在实际应用中,本发明利用图像中灰度最大值作为信号的估计,得到信噪比更接近实际值;此外,其他的噪声估计方法,例如实验室积分球方法,其在进行理论估算时,并没有完全考到复杂空间环境对相机信噪比的影响,因此理论估算比实验室测量得到的信噪比偏高,而本发明对实际的像元阵列进行分块估计,面对复杂空间环境可以在积分的思想,将像元分为多个子阵列进行估计,得到的信噪比估计更符合实际信噪比的比值。
根据一个优选实施方式,在所述载荷和/或计算终端对所述像元阵列进行对比度估计的情况下,所述载荷和/或计算终端执行以下步骤:基于所述像元阵列内的对同一场景成像的若干像元进行直线检测以划分若干矩形区域;以若干矩形区域为单位分别进行信噪比估计,并对所述矩形区域内的每个像元划分初始串扰区域。通过该设置方式,能够进一步地提高对比度评估的准确性,本发明采用LSD直线检测的方法,对像元阵列中的对同一场景成像的像元进行检测和划分,形成彼此若干个斜向的矩形区域,通过在矩形区域内进行对比度估计,不仅缩小了计算区域,减小了对比度估计的时间复杂度,还增加了对比度估计的准确性以及区分度,从而能够有效地对每个像元中的非均匀区域进行识别。
根据一个优选实施方式,所述载荷和/或计算终端进行对比度估计的步骤至少包括:基于所述矩形区域内的亮度的极大值和极小值获取所述矩形区域内的第一对比度估计值;基于所述第一对比度估计值与所述矩形区域内的每个像元的亮度的极大值和极小值获取第二对比度估计值;基于所述第二对比度估计值删除所述初始串扰区域内的串扰区域生成每个像元的初始残像。
根据一个优选实施方式,在所述载荷和/或计算终端计算第二对比度估计值的情况下,所述载荷和/或计算终端基于每个矩形区域内的第一时间生成的像元计算第二对比度估计值。
根据一个优选实施方式,所述载荷和/或计算终端按照如下步骤删除所述初始串扰区域内的串扰区域生成每个像元的初始残像:删除每个初始串扰区域内的亮度超过第二对比度估计值的第一阈值的部分。
根据一个优选实施方式,所述载荷和/或计算终端根据所述初始残像执行定标数据处理,步骤如下:基于所述初始残像进行去噪处理,并对每个像元的初始残像的高频进行放大生成增强残像;对增强残像的尺寸进行等比例放大和裁剪以替代所述初始残像,从而生成第一像元阵列以增强同一场景单元成像的像元构成的直线的细节;基于所述第一像元阵列内每个探元的灰度值进行移位以使得第一像元阵列中的每一行的像元为多个所述传感器探元对同一场景的成像,每一列的像元为不同的所述传感器探元的成像。
一种基于星载遥感相机的成像质量评估***,至少包括搭载在卫星平台上的载荷和传感器探元以及与所述卫星平台通信的地面基站的计算终端。在所述卫星平台沿所述传感器探元排列方向进行推扫成像的情况下,所述载荷和/或地计算终端被配置为:基于所述传感器探元推扫成像获取的像元阵列进行质量评估,并至少获取所述像元阵列的校正参数;在基于所述校正参数对所述像元阵列内的像元进行分区处理后,剔除串扰区域以生成初始残像。
根据一个优选实施方式,所述载荷和/或计算终端被配置为按如下方式进行质量评估:基于先验知识对所述像元阵列进行信噪比估计;基于所述像元阵列的信噪比对所述像元阵列划分初始串扰区域,并进行对比度估计;其中,所述校正参数至少包括信噪比估计以及对比度估计。
附图说明
图1是本发明的方法的一个优选实施方式的流程示意图;
图2是本发明的***的一个有效实施方式的模块示意图;
图3是现有技术中采用90°偏航相对辐射定标生成的图像阵列;和
图4是图3生成的图像阵列经过规定化处理后的图像阵列。
附图标记列表
1:飞行平台 2:传感器
3:计算终端 11:载荷
具体实施方式
下面结合附图3至4进行详细说明。
串扰区域:由于振动、空间环境变化、机械本身固有的转动偏差可能导致CCD线阵转向具有一定的不确定性,从而无法使得卫星沿CCD线阵的排列方向进行成像,导致图4中每行对同一定标场景成像的像元可能出现其他定标场景的像元,即出现了串扰。
实施例1
本实施例公开了一种评估方法,可以是一种成像质量评估方法,也可以是一种用于相对辐射定标成像质量评估方法,也可以是一种基于星载遥感相机的成像质量评估方法,该方法可以由本发明的***和/或其他可替代的零部件实现。比如,通过使用本发明的***中的各个零部件实现本实施例公开的方法。在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
优选地,辐射定标是建立辐射量与探测器输出量的数据联系的过程。目的是消除传感器本身的误差,确定传感器入瞳处的准确辐射值。遥感相机或传感器的辐射定标技术主要包括相对辐射定标(也称均匀性校正)和绝对辐射定标两个部分。相对辐射定标是矫正探测器不同像元(探元)响应度的过程,造成这种响应度和偏置不同的原因,除了有工艺水平不同之外,还包括其他多种因素,例如传感器自身的非均匀性、传感器工作时引入的非均匀性、外界输入相关的非均匀性和光学***的影响。由于传感器工艺比较成熟,目前可见光探测器件一般不需要均匀性校正,因此相对辐射定标主要用于红外波段。焦平面器件的众多探元对辐射的响应不一致,相互之间也没有一定的关系,并且一般光敏元(探元)的响应率并不呈线性,这些都给非均匀性校正带来了很大的困难。优选地,定标不确定性是由定标测量数据链在传递过程中的各种不确定性所决定的。不同的测量链会引入不同的测量误差,最终合成定标精度。辐射定标中的绝对精度就是计量学的中的不确定性。定标不确定性必须依据国际标准化组织认可的《测量不确定性政策实施指南》来确定,即先建立被测量和各种影响量的数据模型,然后通过对数学模型求偏微分得出各影响量的传播关系和各分量的标准的不确定性,最终根据合成不确定性公式,算出被测量的总合成标准不确定性。优选地,定标的不确定因素至少包括场景的动态辐射特性变化、CCD线阵转向的不确定性、CCD各个探元响应的不确定性。例如,通过90°偏航,即探元线阵排列的方向与成像方向平行,可以得到如图3所示的成像数据。如图3所示,每行为同一探元对同一定标场景的像元,例如A或者B或者C或者D或者E。不同列的像元A、B、C、D、E表示同一个探元生成的像元。通过以上设置方式,在不考虑其他影响因素的情况下,理论上传感器2上的每个探元依次对同样的场景成像。例如,图3中第一列的探元对像元A、B、C、D、E分别成像,第二列探元分别对像元A、B、C、D、E分别成像,第三列探元分别对像元A、B、C、D、E分别成像,从而每个探元都对同一个场景A成像。但是,场景的动态辐射特性变化、CCD线阵转向的不确定性、CCD各个探元响应的不确定性均会造成不同探元生成的相同的像元的信噪比、对比度以及清晰度不同。优选地,CCD线阵转向的不确定性指的是CCD线阵转动的精度问题。由于卫星在执行正常推扫成像的过程中,为了减小地球自转所带来的影响,需要旋转CCD线阵来补偿地球自转带来的偏流角,从而使得CCD线阵能够沿卫星的实际飞行方向进行成像。但是,由于振动、空间环境变化、机械本身固有的转动偏差可能导致CCD线阵转向具有一定的不确定性,从而无法使得卫星沿CCD线阵的排列方向进行成像,导致图4中每行对同一定标场景成像A可能出现其他定标场景的像元,即出现了串扰,导致定标的图像存在大量的条纹噪声。
优选地,由辐射定标的流程可知,遥感相机一般先进行相对定标,然后进行绝对定标。相对定标和绝对定标之间存在着一定的联系和影响。一方面,相对定标的精度会对像元产生影响。例如,使用调制传递函数(Modulation Transfer Function,MTF)作为像元评价手段时,MTF本质上就是图像对比度。而相对定标是校正探元的非均匀性,如果相对定标不准确,像元空间的对比度就必然存在误差,就会对图像的MTF产生影响,另一方面,绝对定标不会影响像质,但是绝对定标是在相对定标认为准确的基础上进行的,因此,如果相对定标的误差不能被消除,就必然会对绝对定标产生影响,辐射定标误差也会在这个过程中被传递。
综上,需要对相对辐射定标的成像质量进行评估,即通过评估定标场景生成的像元阵列,能够对图像的信噪比、对比度等参数进行估计,从而识别锁定每个像元中的串扰部分,剔除串扰部分后提取相应的均匀性最好的部分进行相对定标处理,能够大大提高相对定标的精确度。
一种基于星载遥感相机的成像质量评估方法,至少包括如图1所示的步骤流程。步骤如下:
S100:卫星平台1的载荷11和/或地面基站的计算终端3基于所述传感器探元推扫成像获取的像元阵列进行质量评估。优选地,通过质量评估至少能够获得像元阵列的校正参数。优选地,卫星平台1采用90°偏航的方式进行推扫成像。优选地。推扫成像指利用半导体材料制成的CCD,组成线阵列或者是面阵列传感器,采用广角光学***,在整个视场内借助飞行平台1的移动,像刷子一样扫除一条带状轨迹,获取沿着飞行方向的地面的二维图像。优选地,每个传感器探元对每个定标场景都生成一个像元。优选地,推扫成像生成的像元阵列如图3所示。
优选地,所述载荷11和/或计算终端3进行质量评估至少包括对生成的像元阵列的信噪比和对比度进行评估。优选地,校正参数至少包括信噪比估计和对比度估计。优选地,所述载荷11和/或计算终端3进行质量评估的步骤如下:
S101:基于先验知识对所述像元阵列进行信噪比估计。优选地,空间光学遥感相机的CCD线阵探元在辐射传输和成像的光电转换中会受到各种随机因素的干扰,从而产生各种类型的噪声。优选地,噪声在成像后的遥感图像总通过噪声点的形式表现出来。噪声的多少,即信噪比的大小影响传感器的成像性能。通过对遥感图像的噪声或者信噪比的估计能够至少部分地完成对遥感图像的质量评估。优选地,信噪比的定义为信号功率的平方与噪声功率的平方的比值。优选地,图像可以分为平坦区域与纹理区域。在人眼视觉中,平坦区域的噪声会受到更多的关注。通常用平坦区域的方差作为图像噪声估计。优选地,信噪比的在轨测试可以基于相对辐射定标,选定辐射均匀的区域、场景进行成像。优选地,选择不同反射率的均匀场景,如高反射率的冰盖、中等反射率的戈壁和沙漠、低反射率的水体,计算图像的均值和方差,分别得到信号与噪声的估计。
优选地,卫星平台1采用90°偏航的方式进行推扫成像,得到的图像以像元为单位进行划分。优选地,对于如图3所示的像元阵列,认为像元阵列构成的图像可以划分平坦区域和条纹区域。优选地,可以选择2个像元为一组对像元阵列进行分割,或者选择3个像元为一组对象元阵列进行分割。优选地,由于平坦区域和边缘处有不同的局部方差,可以利用图像局部方差的最大值作为图像信号的方差。图像局部方差的最大值和最小值的比值作为图像的信噪比估计。优选地,没个像素在所述阵列图像中的局部方差为:
其中μg为局部的均值,通过如下公式可以得到:
其中,p和q是局部方差的区域窗口尺寸。例如,选择每行3个为一组进行分割,那么p=1,q=3。优选地,在噪声信息没有大到能够淹没图像信息的情况下,图像纹理区域的局部方差通常要大于含有噪声的平坦区域。基于此,判定方差小的区域为平坦区域,方差大的区域作为纹理区域。优选地,还可以以全部像元阵列的方差的a倍作为纹理区域和平坦区域分割的阈值。优选地,当方差的大小大于全部像元阵列的方差的a倍时,判定为纹理区域。当方差小于全部像元阵列的方差的a倍时,判定为平坦区域。优选地,计算平坦区域的平均值为1/N∑Nδ2作为最终的噪声估计值。优选地,以像元阵列中的最大灰度值作为输入信号,那么信噪比估计为最大灰度值的平方与1/N∑Nδ2之比。优选地,参数a不仅受相机本身因素的影响,还受到在卫星在轨运行时的环境影响。优选地,参数a无法通过解析计算得到定量信息。优选地,选择一系列灰度分布均匀且几乎无噪的图片,加入一系列不同的高斯白噪声,调节参数a的大小,可以获得估计值与加入的噪声值之间误差最小时的参数a的定量大小。通过该设置方式,能够尽量地提高噪声估计的精度。而且在实际应用中,卫星在轨测试常采用相对辐射定标,在传感器探元成像的动态范围内,选择不同反射率的均匀场景图像进行成像。例如,高反射率的冰盖、中反射率的戈壁和沙漠、低反射率的水体等。对低反射率的水体等场景获取定标图像时,其图像灰度均值过小,得到的信噪比会偏小。而本发明利用图像中灰度最大值作为信号的估计,得到信噪比更接近实际值。此外,其他的噪声估计方法,例如实验室积分球方法,其在进行理论估算时,并没有完全考到复杂空间环境对相机信噪比的影响,因此理论估算比实验室测量得到的信噪比偏高,而本发明对实际的像元阵列进行测量,得到的信噪比估计更符合实际信噪比的比值。
S102:基于像元阵列的信噪比对像元阵列划分初始串扰区域。优选地,由于90°偏航标定数据的结果依赖偏航辐射定标数据夹角的精确度的问题,当夹角转向的角度不确定的情况下,从而无法使得卫星沿传感器探元线阵的排列方向进行成像,导致图4中每行对同一定标场景成像的像元可能出现其他定标场景的像元。优选地,由于每个传感器探元的响应参数不同,因此当同一个传感器探元对不同的场景进行成像时,其信噪比不同。不同的传感器2对同一个场景进行成像时,其信噪比不同。基于以上原理,可以通过像元阵列进行分区域的信噪比估计,根据信噪比估计值的分布判断每个像元是否存在串扰区域。优选地,根据信噪比估计划分的串扰区域为初始串扰区域。由于信噪比估计值不确定度较大,因此信噪比估计划分的初始串扰区域不能准确的定位每个像元中非同一场景单元的成像数据。需要通过对初始串扰区域内的对比度进行估计来划分同一场景的均匀成像区域。
优选地,在载荷11和/或计算终端3对像元阵列进行对比度估计的情况下,载荷11和/或计算终端3执行以下步骤:
S103:基于像元阵列内的对同一场景成像的若干像元进行直线检测以划分若干矩形区域。优选地,由于像元阵列中包括斜向排列的多个像元,因此可以根据LSD方法检测多个像元构成的直线。优选地,LSD检测直线的步骤如下:
a、尺度缩放选择参数1,即表示不进行高斯采样。优选地,由于采样会破坏像元阵列之中各个传感器探元之间非线性响应的关系,因此不进行高斯采样。
b、计算每一个像素点的梯度值和梯度方向,并进行伪排序。优选地,梯度值越大,越是显著的边缘点,因此更适合作为种子点。但是由于对梯度值进行完全排序时间开销过大,因此简单的将梯度值划分1024个等级,这1024个等级涵盖了梯度由0~255的变化范围,这种排序是线性时间开销。优选地,种子点从梯度值最高的1024开始依次向下搜索,将相同梯度值的像素点放入同一个链表中,由此得到1024个链表,按梯度值的从小到的顺序合成一个包含1024个链表的状态表。状态表中的点全部设置为无使用状态。
c、将梯度值小于p的点设置为可使用状态,并取出状态表中梯度值最大的点,并作为起始点,向周围在角度容忍度内的方向进行搜索。优选地,向周围在角度容忍度内的方向搜索,即是根据梯度角方向相似的方向进行搜索,从而进行区域扩散。优选地,对扩散后的区域进行矩形拟合,生成矩形R。优选地,p可以是所有梯度值的期望,或者可以手动设定。优选地,梯度值小于p的点往往出现在平滑区域,或者仅仅是低频的噪声,会严重影响直线角度的计算。因此在LSD中,梯度幅值小于p的像素点将被拒绝参与到矩形R的构建中。优选地,对扩散后的区域进行矩形拟合实质是像素点数据灰度值的移动过程,并不是数据点的采样。
d、判断矩形R内的同性点的密度是否满足阈值F。优选地,若不满足,则截断矩形R,变为多个满足阈值D的矩形框。优选地,阈值F可以是传感器中实际参与成像探元的个数的三分之一来设定,这样可以剔除长度较短的直线。
通过以上设置方式,可以检测出像元阵列中相同像元构成的斜线矩形R,并且还可以获得斜线与飞行平台沿轨向的之间的夹角α。
根据一个优选实施方式,载荷11和/或计算终端3进行对比度估计的步骤至少包括:
S104:基于矩形区域R内的亮度的极大值和极小值获取矩形区域R内的第一对比度估计值。优选地,第一对比度估计值由下述公式计算:
其中,C为第一对比度估计值。Imax为矩形区域R内的亮度的极大值。Imin为矩形区域R内的亮度的极小值。通过该设置方式,能够得到对同一场景成像的不同传感器探元之间的对比度的均值。
S105:基于第一对比度估计值与矩形区域R内的每个像元的亮度的极大值和极小值获取第二对比度估计值。优选地,第二对比度估计值由下述公式计算:
其中,C‘为像元的第二对比度估计值。Imax为矩形区域R内每个像元的亮度的极大值。Imin为矩形区域R内每个像元的亮度的极小值。优选地,第二对比度的估计值为该矩形区域R内每个像元的亮度范围与该矩形区域R内的对比度均值的比值。通过该设置方式,能够更加准确和快捷的得到每个像元的对比度估计。
优选地,在载荷11和/或计算终端3计算第二对比度估计值的情况下,载荷11和/或计算终端3基于每个矩形区域R内的第一时间生成的像元计算第二对比度估计值。优选地,由于90°偏航推扫成像的特点,其成像得到的像元阵列的第一时间生成的像元,大部分是没有其他场景的像元。因此,通过每个矩形区域R内的第一时间生成的像元作为基准,不仅可以提高对比度估计计算的时间复杂度,还可以提高串扰区域划分的准确度,能够更加精准的剔除串扰区域。
S200:在基于校正参数对像元阵列内的像元进行分区处理后,剔除串扰区域以生成初始残像。通过该设置方式,对像元阵列内的每个像元进行分区处理后,采取剔除操作来剔除初始串扰区域内的串扰区域。剔除操作具有两种功能,其一是准确地挑选出初始串扰区域内的串扰区域,其二是将挑选出的串扰区域删除。通过剔除操作能够检测出每个像元成像中是否存在其他场景成分的成像,通过将像元中其他场景的成像的成分删除,能够在不需要依赖偏航辐射定标数据夹角的精确度的情况下,即不需要卫星载荷增加软硬件开销对夹角数据进行校准的情况下,能够更加精准地得到定标成像数据,为相对辐射定标减少误差。
优选地,基于第二对比度估计值删除初始串扰区域内的串扰区域,从而生成每个像元的初始残像。通过该设置方式,能够在各个不同探元成像的像元的第一对比度估计值基础上利用第二对比对估计值来筛选每个像元初始串扰区域内的对比度偏差较大的区域。尽管利用第一对比度估计值,即均值,来筛选初始串扰区域内的对比度偏差较大的串扰区域较为粗糙,结果不够精准,并且筛选的范围较大,可能会覆盖非串扰区域,但是采用此种计算方法不仅能够快速地筛选出串扰区域,节省卫星载荷的计算开销,还能够保证初始串扰区域筛选后的区域无串扰区域。尽管该筛选方式筛选的串扰区域过多、过大,但能够避免筛选后的区域无串扰,从而保证后续辐射定标数据的准确性。
优选地,初始串扰区域内的串扰区域的划分方式为:每个初始串扰区域内的亮度超过第二对比度估计值的第一阈值的部分。优选地,第二对比度估计值为矩形区域R内的第一时间生成的像元计算第二对比度估计值。优选地,第一阈值为第二对比度估计值的5%。超过第二对比度估计值的5%可以被人眼明显看出对比度的不同,因此其像元包括两个不同场景的成像。通过该设置方式,可以通过每个像元成像的对比度和信噪比的非均匀性来判断串扰区域的存在,还可以更加精准的划分串扰区域,并得到推扫成像中带有其他场景成分的像元,将其他场景成分的像元剔除,能够更加精准地得到定标成像数据,为相对辐射定标减少误差。
S300:载荷11和/或计算终端3根据初始残像执行定标数据处理,步骤如下:
S301:基于初始残像进行去噪处理,并对每个像元的初始残像的高频进行放大生成增强残像。优选地,像元阵列如图3所示。像元阵列是以传感器探元生成的像元为单位的。例如,第一个探元在沿飞行平台1的飞行方向第一次成像采样生成A像元。第一个探元在第二次成像采样生成B像元,第二个探元在第二次采样生成A像元。第一个探元在第三次采样生成C像元,第二个探元在第三次采样生成B像元,第三个探元在第三次采样生成A像元。优选地,基于像元阵列进行去噪处理。优选地,像元阵列是由每列的传感器探元的像元构成,初始图像中的A、B、C、D、E斜向排列。由于每个列的探元不同,而不同的探元响应函数不同,并且由于定标场景动态辐射特性,因此初始图像中的每列的像元A不同,导致像元阵列出现斜线的条纹噪声。
优选地,去噪处理即将初始图像的图像数据通过低通滤波器,去除低频的噪声。优选地,低通滤波器可以是指数低通滤波器。通过该设置方式,初始图像经过傅里叶变换,得到其频域的频谱,利用低通滤波器将低频的噪声分量滤出后得到像元的高频分量,通过对高频分量进行放大,能够增强像元同一场景单元成像的像元所构成的斜向直线的细节。
优选地,对增强残像的尺寸进行等比例放大和裁剪以替代所述初始残像。通过该设置方式,能够对原有的大范围剔除了串扰区域的像元阵列进行增补,不仅使得各个像元的尺寸一致,便于后续的处理,还增强同一场景单元成像的像元构成的直线细节。优选地,进行等比例放大和裁剪会牺牲传感器像元阵列内的内容和细节要素,从而缩减相对辐射定标的数据量。但事实上,丰富的定标数据源可能会带来相反的技术效果,由于数据较为丰富,从而定标的图像数据必然无法保证均匀性,使得定标数据驳杂,不利于相对辐射定标,。因此单一的通过等比例放大,能够保证像元内图像的数据的均匀性。此外,由于采用第二对比度估计值这种较为粗糙的筛选方法,导致剔除后的初始残像的定标数据较少,且尺寸不一,不利于后续的图像处理,因此通过等比例放大和裁剪,能够统一初始残像的图像尺寸。
S302:优选地,基于第一像元阵列内每个探元的灰度值进行移位以使得第一像元阵列中的每一行的像元为多个传感器探元对同一场景的成像,每一列的像元为不同的传感器探元的成像。如图4所示,根据夹角α以及如下公式对像元阵列进行处理,公式如下:
其中,DN为按图像行存储的一维初始图像的灰度数据,DN[m+n·t]表示初始图像中第m行第n列出图像的灰度值。t表示参与成像的探元的数量。K1=tanα,K2=tan(90°-α)
S303:以理想参考累积概率分布函数为基准对每个探员的累积概率分布函数按下列公式进行直方图规定化处理,获得各个探元的相对辐射定标参数。
公式如下:
f(k-x)≤f(k)≤f(k+y)
其中,x,y取值范围为[2bits-1],bits为传感器2获得传感器图像的量化单位。通过以上算法,能够较好的反映出每个探元之间的辐射响应差异,并且应用相应的相对辐射定标参数后的整体列值分布变化均匀地符合实际场景变化的规律、CCD抽头间的辐射亮度差异。
优选地,为了满足在传感器探元在不同辐亮度响应区间内的响应函数存在差异,并且不同探元的响应函数也存在差异,因此为了满足传感器各个探元全动态范围的辐射定标,本实施例公开的方法采用选取多种类型的地面场景作为定标场景。优选地,根据现有探元的动态范围以及单个场地的辐反射特性将地面场景场地划分为高反射场景、中等反射场景以及低反射场景。优选地,以全色波段450nm~900nm,即可见光-近红外波段为例,将地面场景中的反射率高于35%以上的设定为高反射场景。将反射率处于15%~34%内的设定为中等反射场景。将反射率低于15%的设定为低反射场景。通过以上设置方式,本发明的有益效果是:可以根据不同地面场景的触发来分类进行成像,从而能够分类辐射标定、校正不同响应范围内的成像数据,能够获得单个探元在不同辐亮度响应区间的响应特性,并全面地覆盖探元的响应范围,避免不同响应范围的数据混合,降低定标数据的准确性。
优选地,传感器探元多场景辐射定标的精度受多个环节的影响,其中场景的具体特征是本发明使用的首要前提,因此必须确保所选场景的表面特性、大气特点和均匀面积符合在轨场地定标的具体要求,详细的选取原则如下:
a、场景反射特性涵盖高、中、低等多种地物类型;
b、单个场景的空间特性和发射特性相对均匀,在传感器2波段范围内反射率变化平缓;
c、场景位于高海拔地区,周边大气相对干洁,且大气相对稳定;
d、各场景可被卫星遥感其同一轨观测图像覆盖;
e、场景均匀区域面积应该大于待定标传感器2的10像元×10像元,并且场景周边无大目标遮挡物;
f、各场景具备开展星-地同步观测试验的交通条件。
优选地,根据以上条件,通过先验知识挑选,可以得到相应的均匀场景。例如,我国的敦煌辐射校正场,其高反射场景位于敦煌辐射校正场北侧,场区总面积约为6km×4km,均匀的高反射场景区面积为400m×400m,地理坐标为N40°28′,E94°22′,该区域可见光-近红外波段反射率约为35%~45%,不同传感器2探元件光谱反射率变化小于1%。中等反射场景可以选取敦煌辐射校正场资源卫星场区,该场区位于敦煌市西侧约30km处的戈壁滩上。总面积约为30km×35km,中等反射场景区域面积550m×550m,地理坐标为N40°05′27.75″,E94°23′39″,海拔高度为1229m。该场区具有较高的稳定性和均匀性,可见光-近红外波段反射率约为15%~30%,不同传感器2探元间光谱反射率变化约为1%~2%。低反射场景可以选取辐射校正场南侧南湖水体,场区夏秋季节的面积约为3.5km×1.2km,地理坐标为N39°52′,E94°07′,平均水深约为5m,水体无污染,特性均匀。
实施例2
本实施例公开了一种评估***,可以是一种成像质量评估***,也可以是一种遥感相机成像质量评估***,也可以是一种基于星载遥感相机的成像质量评估***,也可以是一种基于成像质量评估的校正***,该***可以由本发明的***和/或其他可替代的零部件实现。比如,通过使用本发明的***中的各个零部件实现本实施例公开的方法。在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
如图2所示,一种基于星载遥感相机的成像质量评估***,至少包括搭载在卫星平台1上的载荷11和传感器探元以及与卫星平台1通信的地面基站的计算终端3。优选地卫星平台1可以是航天器。航天器可以是人造地球卫星、载人飞船、空间探测器和航天飞机等。优选地,传感器探元是搭载在卫星平台1上的高级光学***,可以用来获取地球目标信息的传感器。传感器探元可以是遥感相机、CCD等传感器,也可以是由多个CCD构成的传感器探元线阵列。优选地,传感器2内的探元,即光敏元件按照线排列的方式构成传感器。传感器探元可以是线阵列的CCD。CCD指的是电荷耦合器件,是一种半导体器件。CCD是一种用电荷量表示信号大小,用耦合方式传输信号的探测元件。优选地,传感器探元能绕卫星平台1航轴旋转。优选地,航轴指卫星平台1沿其飞行方向的轴线。优选地,传感器探元以线阵推扫的方式成像。优选地。推扫成像指利用半导体材料制成的CCD,组成线阵列或者是面阵列传感器,采用广角光学***,在整个视场内借助卫星平台1的移动,像刷子一样扫除一条带状轨迹,获取沿着飞行方向的地面的二维图像。优选地,卫星平台1还搭载有载荷11。优选地,载荷11可以是计算芯片、电路等,例如CPU、GPU、集成电路、FPGA、单片机、MCU、ARM架构的系列芯片等。优选地,地面基站至少包括计算终端3。计算终端3指的是电脑、服务器等计算设备。优选地,***至少包括存储介质。存储介质用于存储处理的数据。优选地,存储介质可以是随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
优选地,在卫星平台1沿传感器探元排列方向进行推扫成像的情况下,载荷11和/或地计算终端3配置为能够基于传感器探元推扫成像获取的像元阵列进行质量评估。优选地,载荷11和/或地计算终端3至少能够获取像元阵列的校正参数。优选地,卫星平台1采用90°偏航的方式进行推扫成像。优选地,每个传感器探元对每个定标场景都生成一个像元。优选地,推扫成像生成的像元阵列如图3所示。
优选地,所述载荷11和/或计算终端3进行质量评估至少包括对生成的像元阵列的信噪比和对比度进行评估。优选地,校正参数至少包括信噪比估计和对比度估计。优选地,所述载荷11和/或计算终端3进行质量评估的步骤如下:
S10、基于先验知识对所述像元阵列进行信噪比估计。优选地,空间光学遥感相机的CCD线阵探元在辐射传输和成像的光电转换中会受到各种随机因素的干扰,从而产生各种类型的噪声。优选地,噪声在成像后的遥感图像总通过噪声点的形式表现出来。噪声的多少,即信噪比的大小影响传感器的成像性能。通过对遥感图像的噪声或者信噪比的估计能够至少部分地完成对遥感图像的质量评估。优选地,信噪比的定义为信号功率的平方与噪声功率的平方的比值。优选地,图像可以分为平坦区域与纹理区域。在人眼视觉中,平坦区域的噪声会受到更多的关注。通常用平坦区域的方差作为图像噪声估计。优选地,信噪比的在轨测试可以基于相对辐射定标,选定辐射均匀的区域、场景进行成像。优选地,选择不同反射率的均匀场景,如高反射率的冰盖、中等反射率的戈壁和沙漠、低反射率的水体,计算图像的均值和方差,分别得到信号与噪声的估计。
优选地,卫星平台1采用90°偏航的方式进行推扫成像,得到的图像以像元为单位进行划分。优选地,对于如图3所示的像元阵列,认为像元阵列构成的图像可以划分平坦区域和条纹区域。优选地,可以选择2个像元为一组对像元阵列进行分割,或者选择3个像元为一组对象元阵列进行分割。优选地,由于平坦区域和边缘处有不同的局部方差,可以利用图像局部方差的最大值作为图像信号的方差。图像局部方差的最大值和最小值的比值作为图像的信噪比估计。优选地,没个像素在所述阵列图像中的局部方差为:
其中μg为局部的均值,通过如下公式可以得到:
其中,p和q是局部方差的区域窗口尺寸。例如,选择每行3个为一组进行分割,那么p=1,q=3。优选地,在噪声信息没有大到能够淹没图像信息的情况下,图像纹理区域的局部方差通常要大于含有噪声的平坦区域。基于此,判定方差小的区域为平坦区域,方差大的区域作为纹理区域。优选地,还可以以全部像元阵列的方差的a倍作为纹理区域和平坦区域分割的阈值。优选地,当方差的大小大于全部像元阵列的方差的a倍时,判定为纹理区域。当方差小于全部像元阵列的方差的a倍时,判定为平坦区域。优选地,计算平坦区域的平均值为1/N∑Nδ2作为最终的噪声估计值。优选地,以像元阵列中的最大灰度值作为输入信号,那么信噪比估计为最大灰度值的平方与1/N∑Nδ2之比。优选地,参数a不仅受相机本身因素的影响,还受到在卫星在轨运行时的环境影响。优选地,参数a无法通过解析计算得到定量信息。优选地,选择一系列灰度分布均匀且几乎无噪的图片,加入一系列不同的高斯白噪声,调节参数a的大小,可以获得估计值与加入的噪声值之间误差最小时的参数a的定量大小。通过该设置方式,能够尽量地提高噪声估计的精度。而且在实际应用中,卫星在轨测试常采用相对辐射定标,在传感器探元成像的动态范围内,选择不同反射率的均匀场景图像进行成像。例如,高反射率的冰盖、中反射率的戈壁和沙漠、低反射率的水体等。对低反射率的水体等场景获取定标图像时,其图像灰度均值过小,得到的信噪比会偏小。而本发明利用图像中灰度最大值作为信号的估计,得到信噪比更接近实际值。此外,其他的噪声估计方法,例如实验室积分球方法,其在进行理论估算时,并没有完全考到复杂空间环境对相机信噪比的影响,因此理论估算比实验室测量得到的信噪比偏高,而本发明对实际的像元阵列进行测量,得到的信噪比估计更符合实际信噪比的比值。
S20、基于像元阵列的信噪比对像元阵列划分初始串扰区域。优选地,由于90°偏航标定数据的结果依赖偏航辐射定标数据夹角的精确度的问题,当夹角转向的角度不确定的情况下,从而无法使得卫星沿传感器探元线阵的排列方向进行成像,导致图4中每行对同一定标场景成像的像元可能出现其他定标场景的像元。优选地,由于每个传感器探元的响应参数不同,因此当同一个传感器探元对不同的场景进行成像时,其信噪比不同。不同的传感器2对同一个场景进行成像时,其信噪比不同。基于以上原理,可以通过像元阵列进行分区域的信噪比估计,根据信噪比估计的值的分布判断每个像元是否存在串扰区域。优选地,根据信噪比估计划分的串扰区域为初始串扰区域。由于信噪比估计值不确定度较大,因此信噪比估计划分的初始串扰区域不能准确的定位每个像元中非同一场景单元的成像数据。需要通过对初始串扰区域内的对比度进行估计来划分同一场景的均匀成像区域。
优选地,在载荷11和/或计算终端3对像元阵列进行对比度估计的情况下,载荷11和/或计算终端3执行以下步骤:
S21、基于像元阵列内的对同一场景成像的若干像元进行直线检测以划分若干矩形区域。优选地,由于像元阵列中包括斜向排列的多个像元,因此可以根据LSD方法检测多个像元构成的直线。优选地,LSD检测直线的步骤如下:
a、尺度缩放选择1,即表示不进行高斯采样。优选地,由于采样会破坏像元阵列之中各个传感器探元之间非线性响应的关系,因此不进行高斯采样。
b、计算每一个像素点的梯度值和梯度方向,并进行伪排序。优选地,梯度值越大,越是显著的边缘点,因此更适合作为种子点。但是由于对梯度值进行完全排序时间开销过大,因此简单的将梯度值划分1024个等级,这1024个等级涵盖了梯度由0~255的变化范围,这种排序是线性时间开销。优选地,种子点从梯度值最高的1024开始依次向下搜索,将相同梯度值的像素点放入同一个链表中,由此得到1024个链表,按梯度值的从小到的顺序合成一个包含1024个链表的状态表。状态表中的点全部设置为无使用状态。
c、将梯度值小于p的点设置为可使用状态,并取出状态表中梯度值最大的点,并作为起始点,向周围在角度容忍度内的方向进行搜索。优选地,向周围在角度容忍度内的方向搜索,即是根据梯度角方向相似的方向进行搜索,从而进行区域扩散。优选地,对扩散后的区域进行矩形拟合,生成矩形R。优选地,p可以是所有梯度值的期望,或者可以手动设定。优选地,梯度值小于p的点往往出现在平滑区域,或者仅仅是低频的噪声,会严重影响直线角度的计算。因此在LSD中,梯度幅值小于p的像素点将被拒绝参与到矩形R的构建中。优选地,对扩散后的区域进行矩形拟合实质是像素点数据灰度值的移动过程,并不是数据点的采样。
d、判断矩形R内的同性点的密度是否满足阈值F。优选地,若不满足,则截断矩形R,变为多个满足阈值D的矩形框。优选地,阈值F可以是传感器中实际参与成像探元的个数的三分之一来设定,这样可以剔除长度较短直线。
通过以上设置方式,可以检测出像元阵列中相同像元构成的斜线矩形R,并且还可以获得斜线与飞行平台沿轨向的之间的夹角α。
根据一个优选实施方式,载荷11和/或计算终端3进行对比度估计的步骤至少包括:
S22、基于矩形区域R内的亮度的极大值和极小值获取矩形区域R内的第一对比度估计值。优选地,第一对比度估计值由下述公式计算:
其中,C为第一对比度估计值。Imax为矩形区域R内的亮度的极大值。Imin为矩形区域R内的亮度的极小值。通过该设置方式,能够得到对同一场景成像的不同传感器探元之间的对比度的均值。
S23、基于第一对比度估计值与矩形区域R内的每个像元的亮度的极大值和极小值获取第二对比度估计值。优选地,第二对比度估计值由下述公式计算:
其中,C‘为像元的第二对比度估计值。Imax为矩形区域R内每个像元的亮度的极大值。Imin为矩形区域R内每个像元的亮度的极小值。优选地,第二对比度的估计值为该矩形区域R内每个像元的亮度范围与该矩形区域R内的对比度均值的比值。通过该设置方式,能够更加准确和快捷的得到每个像元的对比度估计。
优选地,在载荷11和/或计算终端3计算第二对比度估计值的情况下,载荷11和/或计算终端3基于每个矩形区域R内的第一时间生成的像元计算第二对比度估计值。优选地,由于90°偏航推扫成像的特点,其成像得到的像元阵列的第一时间生成的像元,大部分是没有其他场景的像元。因此,通过每个矩形区域R内的第一时间生成的像元作为基准,不仅可以提高对比度估计计算的时间复杂度,还可以提高串扰区域划分的准确度,能够更加精准的剔除串扰区域。
优选地,在基于校正参数对像元阵列内的像元进行分区处理后,载荷11和/或计算终端3剔除串扰区域以生成初始残像。优选地,基于第二对比度估计值删除初始串扰区域内的串扰区域,从而生成每个像元的初始残像。优选地,初始串扰区域内的串扰区域的划分方式为:每个初始串扰区域内的亮度超过第二对比度估计值的第一阈值的部分。优选地,第二对比度估计值为矩形区域R内的第一时间生成的像元计算第二对比度估计值。优选地,第一阈值为第二对比度估计值的5%。超过第二对比度估计值的5%可以被人样明显看出度的不同,因此其像元包括两个不同场景的成像。通过该设置方式,可以通过每个像元成像的对比度和信噪比的非均匀性来判断串扰区域的存在,还可以更加精准的划分串扰区域,并得到推扫成像中带有其他场景成分的像元,将其他场景成分的像元剔除,能够更加精准地得到定标成像数据,为相对辐射定标减少误差。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种基于星载遥感相机的成像质量评估方法,其特征在于,在卫星平台(1)沿传感器探元(2)排列方向进行推扫成像的情况下,所述卫星平台(1)的载荷(11)和/或地面基站的计算终端(3)执行以下步骤:
基于所述传感器探元(2)推扫成像获取的像元阵列进行质量评估,并至少获取所述像元阵列的校正参数;
在基于所述校正参数对所述像元阵列内的像元进行分区处理后,剔除串扰区域以生成初始残像。
2.根据权利要求1所述的成像质量评估方法,其特征在于,所述载荷(11)和/或计算终端(3)进行质量评估的步骤如下:
基于先验知识对所述像元阵列进行信噪比估计;
基于所述像元阵列的信噪比对所述像元阵列划分初始串扰区域,并进行对比度估计;其中,
所述校正参数至少包括信噪比估计以及对比度估计。
3.根据前述权利要求之一所述的成像质量评估方法,其特征在于,所述载荷(11)和/或计算终端(3)按照如下步骤进行信噪比估计:
基于至少一个像元对所述像元阵列进行分割形成若干个子像元阵列,并基于所述子像元阵列进行局部噪声估计;
以分割后的像元阵列的灰度的最大值作为信号的估计值。
4.根据前述权利要求之一所述的成像质量评估方法,其特征在于,在所述载荷(11)和/或计算终端(3)对所述像元阵列进行对比度估计的情况下,所述载荷(11)和/或计算终端(3)执行以下步骤:
基于所述像元阵列内的对同一场景成像的若干像元进行直线检测以划分若干矩形区域;
以若干矩形区域为单位分别进行信噪比估计,并对所述矩形区域内的每个像元划分初始串扰区域。
5.根据前述权利要求之一所述的成像质量评估方法,其特征在于,所述载荷(11)和/或计算终端(3)进行对比度估计的步骤至少包括:
基于所述矩形区域内的亮度的极大值和极小值获取所述矩形区域内的第一对比度估计值;
基于所述第一对比度估计值与所述矩形区域内的每个像元的亮度的极大值和极小值获取第二对比度估计值;
基于所述第二对比度估计值删除所述初始串扰区域内的串扰区域,从而生成每个像元的初始残像。
6.根据前述权利要求之一所述的成像质量评估方法,其特征在于,在所述载荷(11)和/或计算终端(3)计算第二对比度估计值的情况下,所述载荷(11)和/或计算终端(3)基于每个矩形区域内的第一时间生成的像元计算第二对比度估计值。
7.根据前述权利要求之一所述的成像质量评估方法,其特征在于,所述载荷(11)和/或计算终端(3)按照如下步骤删除所述初始串扰区域内的串扰区域生成每个像元的初始残像:
删除每个初始串扰区域内的亮度超过第二对比度估计值的第一阈值的部分。
8.根据前述权利要求之一所述的成像质量评估方法,其特征在于,所述载荷(11)和/或计算终端(3)根据所述初始残像执行定标数据处理,步骤如下:
基于所述初始残像进行去噪处理,并对每个像元的初始残像的高频进行放大生成增强残像;
对增强残像的尺寸进行等比例放大和裁剪以替代所述初始残像,从而生成第一像元阵列以增强同一场景单元成像的像元构成的直线的细节;
基于所述第一像元阵列内每个探元的灰度值进行移位以使得第一像元阵列中的每一行的像元为多个所述传感器探元(2)对同一场景的成像,每一列的像元为不同的所述传感器探元(2)的成像。
9.一种基于星载遥感相机的成像质量评估***,至少包括搭载在卫星平台(1)上的载荷(11)和传感器探元(2)以及与所述卫星平台(1)通信的地面基站的计算终端(3),其特征在于,在所述卫星平台(1)沿所述传感器探元(2)排列方向进行推扫成像的情况下,所述载荷(11)和/或地计算终端(3)被配置为:
基于所述传感器探元(2)推扫成像获取的像元阵列进行质量评估,并至少获取所述像元阵列的校正参数;
在基于所述校正参数对所述像元阵列内的像元进行分区处理后,剔除串扰区域以生成初始残像。
10.根据前述权利要求9所述的校正***,其特征在于,所述载荷(11)和/或计算终端(3)被配置为按如下方式进行质量评估:
基于先验知识对所述像元阵列进行信噪比估计;
基于所述像元阵列的信噪比对所述像元阵列划分初始串扰区域,并进行对比度估计,其中,
所述校正参数至少包括信噪比估计以及对比度估计。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291593.6A CN114708204B (zh) | 2019-09-26 | 2019-09-26 | 一种推扫成像的优化处理方法及*** |
CN201910920501.4A CN110782429B (zh) | 2019-09-26 | 2019-09-26 | 一种基于星载遥感相机的成像质量评估方法 |
CN202210308576.9A CN114708211B (zh) | 2019-09-26 | 2019-09-26 | 一种卫星遥感成像的优化处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920501.4A CN110782429B (zh) | 2019-09-26 | 2019-09-26 | 一种基于星载遥感相机的成像质量评估方法 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210308576.9A Division CN114708211B (zh) | 2019-09-26 | 2019-09-26 | 一种卫星遥感成像的优化处理方法及*** |
CN202210291593.6A Division CN114708204B (zh) | 2019-09-26 | 2019-09-26 | 一种推扫成像的优化处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110782429A true CN110782429A (zh) | 2020-02-11 |
CN110782429B CN110782429B (zh) | 2022-04-15 |
Family
ID=69384574
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210308576.9A Active CN114708211B (zh) | 2019-09-26 | 2019-09-26 | 一种卫星遥感成像的优化处理方法及*** |
CN202210291593.6A Active CN114708204B (zh) | 2019-09-26 | 2019-09-26 | 一种推扫成像的优化处理方法及*** |
CN201910920501.4A Active CN110782429B (zh) | 2019-09-26 | 2019-09-26 | 一种基于星载遥感相机的成像质量评估方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210308576.9A Active CN114708211B (zh) | 2019-09-26 | 2019-09-26 | 一种卫星遥感成像的优化处理方法及*** |
CN202210291593.6A Active CN114708204B (zh) | 2019-09-26 | 2019-09-26 | 一种推扫成像的优化处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN114708211B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001263A (zh) * | 2020-07-28 | 2020-11-27 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种线阵扫描遥感器基准探元的选取方法及*** |
CN112669265A (zh) * | 2020-12-17 | 2021-04-16 | 华中科技大学 | 基于傅里叶变换和图像梯度特征实现表面缺陷检测的方法 |
CN113724202A (zh) * | 2021-08-03 | 2021-11-30 | 哈尔滨工程大学 | 基于一维傅里叶变换的图像传感器校正效果量化评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120013777A1 (en) * | 2010-07-16 | 2012-01-19 | Omnivision Technologies, Inc. | Cmos image sensor with improved photodiode area allocation |
CN103024303A (zh) * | 2011-09-20 | 2013-04-03 | 比亚迪股份有限公司 | 图像像素阵列及图像像素单元 |
CN103748868A (zh) * | 2011-08-31 | 2014-04-23 | 索尼公司 | 成像设备、信号处理方法及程序 |
CN105185805A (zh) * | 2015-09-28 | 2015-12-23 | 合肥芯福传感器技术有限公司 | 用于mems图像传感器的新型伞式结构像元和像元阵列 |
CN105304656A (zh) * | 2014-06-23 | 2016-02-03 | 上海箩箕技术有限公司 | 光电传感器 |
US20180234644A1 (en) * | 2017-02-14 | 2018-08-16 | Cista System Corp. | Multispectral sensing system and method |
CN109712089A (zh) * | 2018-12-14 | 2019-05-03 | 航天恒星科技有限公司 | 适用于出口型遥感卫星红外短波载荷相对辐射校正的方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2737376B1 (fr) * | 1995-07-28 | 1997-10-17 | Centre Nat Etd Spatiales | Procede et dispositif pour l'acquisition d'une image par echantillonnage par une barrette ou matrice de detecteurs optiques elementaires a transfert de charge |
JPH11339020A (ja) * | 1998-05-28 | 1999-12-10 | Hitachi Medical Corp | 画像処理装置 |
US20080114546A1 (en) * | 2006-11-15 | 2008-05-15 | Space Systems/Loral, Inc. | Image navigation and registration accuracy improvement using parametric systematic error correction |
US8452123B2 (en) * | 2008-01-18 | 2013-05-28 | California Institute Of Technology | Distortion calibration for optical sensors |
CN103400345A (zh) * | 2013-07-18 | 2013-11-20 | 西南交通大学 | 一种降低tdi-ccd相机图像模糊度的方法 |
US20170084007A1 (en) * | 2014-05-15 | 2017-03-23 | Wrnch Inc. | Time-space methods and systems for the reduction of video noise |
CN108154479A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种对遥感图像进行图像校正的方法 |
CN108269243B (zh) * | 2018-01-18 | 2021-08-31 | 福州鑫图光电有限公司 | 一种图像信噪比的增强方法及终端 |
CN108961163A (zh) * | 2018-06-28 | 2018-12-07 | 长光卫星技术有限公司 | 一种高分辨率卫星影像超分辨重建方法 |
CN110111274B (zh) * | 2019-04-28 | 2020-06-19 | 张过 | 一种星载推扫式光学传感器外方位元素定标方法 |
-
2019
- 2019-09-26 CN CN202210308576.9A patent/CN114708211B/zh active Active
- 2019-09-26 CN CN202210291593.6A patent/CN114708204B/zh active Active
- 2019-09-26 CN CN201910920501.4A patent/CN110782429B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120013777A1 (en) * | 2010-07-16 | 2012-01-19 | Omnivision Technologies, Inc. | Cmos image sensor with improved photodiode area allocation |
CN103748868A (zh) * | 2011-08-31 | 2014-04-23 | 索尼公司 | 成像设备、信号处理方法及程序 |
CN103024303A (zh) * | 2011-09-20 | 2013-04-03 | 比亚迪股份有限公司 | 图像像素阵列及图像像素单元 |
CN105304656A (zh) * | 2014-06-23 | 2016-02-03 | 上海箩箕技术有限公司 | 光电传感器 |
CN105185805A (zh) * | 2015-09-28 | 2015-12-23 | 合肥芯福传感器技术有限公司 | 用于mems图像传感器的新型伞式结构像元和像元阵列 |
US20180234644A1 (en) * | 2017-02-14 | 2018-08-16 | Cista System Corp. | Multispectral sensing system and method |
CN109712089A (zh) * | 2018-12-14 | 2019-05-03 | 航天恒星科技有限公司 | 适用于出口型遥感卫星红外短波载荷相对辐射校正的方法 |
Non-Patent Citations (3)
Title |
---|
WANG LIN等: "No-reference remote sensing image quality assessment using a comprehensive evaluation factor", 《PROCEEDINGS OF SPIE》 * |
张贵祥 等: "多TDICCD拼接遥感相机成像串扰分析与抑制", 《光学学报》 * |
朱宏殷: "星上成像均匀性及实时自动调光的研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001263A (zh) * | 2020-07-28 | 2020-11-27 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种线阵扫描遥感器基准探元的选取方法及*** |
CN112001263B (zh) * | 2020-07-28 | 2024-02-09 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种线阵扫描遥感器基准探元的选取方法及*** |
CN112669265A (zh) * | 2020-12-17 | 2021-04-16 | 华中科技大学 | 基于傅里叶变换和图像梯度特征实现表面缺陷检测的方法 |
CN113724202A (zh) * | 2021-08-03 | 2021-11-30 | 哈尔滨工程大学 | 基于一维傅里叶变换的图像传感器校正效果量化评价方法 |
CN113724202B (zh) * | 2021-08-03 | 2023-10-13 | 哈尔滨工程大学 | 基于一维傅里叶变换的图像传感器校正效果量化评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114708211B (zh) | 2024-06-11 |
CN110782429B (zh) | 2022-04-15 |
CN114708211A (zh) | 2022-07-05 |
CN114708204A (zh) | 2022-07-05 |
CN114708204B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ryan et al. | IKONOS spatial resolution and image interpretability characterization | |
CN110782429B (zh) | 一种基于星载遥感相机的成像质量评估方法 | |
Duggin et al. | Assumptions implicit in remote sensing data acquisition and analysis | |
Gladkova et al. | Quantitative restoration for MODIS band 6 on Aqua | |
Pagnutti et al. | Radiometric characterization of IKONOS multispectral imagery | |
CN106940887B (zh) | 一种gf-4卫星序列图像云与云***影检测方法 | |
WO2010005926A2 (en) | Processing of remotely acquired imagery | |
CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
CN110689505B (zh) | 一种基于场景的星载遥感仪器自适应校正方法和*** | |
Slocum et al. | Combined geometric-radiometric and neural network approach to shallow bathymetric mapping with UAS imagery | |
US10810704B2 (en) | Method for processing an optical image acquired in the presence of aerosols and/or clouds in the atmosphere | |
CN113610729A (zh) | 高光谱遥感影像星地协同大气校正方法、***及存储介质 | |
Rauchmiller Jr et al. | Measurement of the Landsat Thematic Mapper modulation transfer function using an array of point sources | |
Sihler et al. | In-operation field-of-view retrieval (IFR) for satellite and ground-based DOAS-type instruments applying coincident high-resolution imager data | |
Brell et al. | The EnMAP satellite–Data product validation activities | |
Alici | Extraction of modulation transfer function by using simulated satellite images | |
CN111199557A (zh) | 一种遥感器衰变的定量分析方法及*** | |
Lin et al. | SNPP VIIRS spectral bands co-registration and spatial response characterization | |
Türkmenoğlu et al. | On-orbit modulation transfer function estimation For RASAT | |
CN113936009A (zh) | 一种气象卫星洪涝监测的云阴影去除方法、装置及设备 | |
Reulke et al. | Improvement of spatial resolution with staggered arrays as used in the airborne optical sensor ADS40 | |
EP1144946A1 (en) | Improved method of processing data and data processing apparatus | |
Huang et al. | Spaceborne SAR wave mode data as big data for global ocean wave observation | |
Crespi et al. | Radiometric quality and DSM generation analysis of CartoSat-1 stereo imagery | |
Mokashi | Empirical Satellite Characterization for Realistic Imagery Generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |