CN111595781A - 一种曲面拟合的地面高光谱影像反射率校正方法 - Google Patents
一种曲面拟合的地面高光谱影像反射率校正方法 Download PDFInfo
- Publication number
- CN111595781A CN111595781A CN202010413379.4A CN202010413379A CN111595781A CN 111595781 A CN111595781 A CN 111595781A CN 202010413379 A CN202010413379 A CN 202010413379A CN 111595781 A CN111595781 A CN 111595781A
- Authority
- CN
- China
- Prior art keywords
- data
- standard
- reflector
- dark current
- reflectivity
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 103
- 238000002310 reflectometry Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001228 spectrum Methods 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 abstract description 3
- 238000000701 chemical imaging Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种曲面拟合的地面高光谱影像反射率校正方法,首先,获取目标物高光谱影像、标准反射板高光谱影像和暗电流数据,将标准反射板高光谱影像减去暗电流数据得到标准反射板校正数据,或者在标准反射板高光谱影像中裁剪出标准反射板覆盖部分数据,减去对应位置的暗电流数据得到标准反射板的待拟合反射板数据,利用待拟合反射板数据拟合出最佳曲面模型,估计出覆盖目标物高光谱影像幅面的标准反射板校正数据;然后目标物高光谱影像减去暗电流数据得到目标物校正数据;最后,除以标准反射板校正数据,乘以标准反射板反射率标准数值,得到目标物高光谱反射率影像。本发明考虑到了双点光源的影响,有效改进了传统的标准反射板反射率校正方法。
Description
技术领域
本发明涉及遥感技术领域,更具体的说是涉及一种曲面拟合的地面高光谱影像反射率校正方法。
背景技术
高光谱成像技术具有光谱分辨率高、“图谱合一”的独特优势,是遥感技术发展过程中重大的科技突破之一。其技术日趋成熟,尤其是地面高光谱成像仪的小型化和市场化,高光谱成像已经突破传统的遥感应用领域,在医学成像、法医刑侦、食品检测以及文化遗产保护等多个民用领域得到成功应用。而反射率是物质本质属性之一,是高光谱成像描述探测目标的基本数据。因此,将高光谱影像的原始像元亮度值(DN值)转化为反射率,是高光谱影像应用常见的处理流程,对于高光谱影像的信息提取和定量分析都至关重要。
对于地面高光谱成像技术而言,标准反射板反射率校正是最为常见的一种方法。但是,现有研究和技术一般没有考虑到光源对反射率校正的影响。因为其研究对象一般观察范围较小,能够使用灯光室,构造漫反射光源,在理想的环境下采集数据。但是,在实际的文物保护修复工程中,经常面对室内的较大型不可移动文物(如寺观壁画),需要在现场较大范围采用人工光源进行高光谱成像,难以构造理想的漫反射环境。
与遥感中主要利用太阳电磁辐射为能量来源不同,为了适应实验室、不可移动文化遗产现场、食品安全检测等室内数据采集环境,地面成像光谱仪经常使用人工光源。光源一般选择在短波红外波段仍有较好辐射能量的卤素灯、氙气灯等。按照空间上的分布,可以将光源分为双点光源、多点光源、以及线状光源。根据实际工程应用目的不同,三种光源均有着广泛的应用。在实际工程中,发现双点光源的光强呈现随着距离光源中心的距离增加而衰减的现象。光强的变化极大影响了后续反射率校正的准确性,而现有技术并没有考虑这个因素,使得传统的反射率校正方法存在着一定的误差。
因此如何改进已有的反射率校正方式,提高双点光源下的反射率校正的准确性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种曲面拟合的地面高光谱影像反射率校正方法。首先,获取目标物高光谱影像、标准反射板高光谱影像和暗电流数据,判断标准反射板是否完全覆盖标准反射板高光谱影像,将标准反射板高光谱影像减去暗电流数据得到标准反射板校正数据,或者在标准反射板高光谱影像中裁剪出标准反射板覆盖部分数据,减去对应位置的暗电流数据得到标准反射板的待拟合反射板数据,利用标准反射板的待拟合反射板数据采用最小二乘法拟合出曲面模型,估计出覆盖目标物高光谱影像幅面的标准反射板校正数据;然后目标物高光谱影像减去扩展为目标物高光谱影像行列数的暗电流数据得到目标物校正数据;最后,除以标准反射板校正数据,乘以标准反射板反射率标准数值,得到目标物高光谱反射率影像。本发明考虑到了双点光源的影响,有效改进了传统的标准反射板反射率校正方法。
为了实现上述目的,本发明采用如下技术方案:
一种曲面拟合的地面高光谱影像反射率校正方法,包括以下具体步骤:
步骤1:采集目标物高光谱影像、标准反射板高光谱影像和暗电流数据,判断标准反射板是否完全覆盖所述标准反射板高光谱影像,如果是,则将所述标准反射板高光谱影像减去所述暗电流数据得到标准反射板校正数据并进入步骤3;否则进入步骤2;
步骤2:利用所述标准反射板高光谱影像构建曲面模型,从而获取与所述标准反射板高光谱影像行列数相同的所述标准反射板校正数据;
步骤21:利用所述标准反射板高光谱影像和所述暗电流数据获取待拟合反射板数据;
步骤211:裁剪采集的所述标准反射板高光谱影像,使裁剪后的数据都是所述标准反射板覆盖区域的高光谱数据,从而获得新标准反射板数据;
步骤212:裁剪出所述暗电流数据中与所述新标准反射板数据位置相同的暗电流数据作为裁剪后暗电流数据;
步骤213:将所述裁剪后暗电流数据扩展至所述新标准反射板数据相同大小,获得新暗电流数据;
步骤214:用所述新标准反射板数据减去所述新暗电流数据,获得所述待拟合反射板数据;
步骤22:根据所述待拟合反射板数据利用最小二乘法拟合出所述曲面模型;
步骤221:根据所述待拟合反射板数据,建立坐标系,使得数据全部位于第一象限,且以一个像素为单位长度,获取每个像素点所对应的x值和y值,使得左下角第一个点的坐标为(1,1);
步骤222:以每个所述像素点对应的高光谱影像灰度值作为Z值,从而获取整个所述待拟合反射板数据的所述像素点的表示(xi,yi,zi)(i=1,2,3,...,n);
步骤223:在双点光源的情况下,对所述待拟合反射板数据进行曲面拟合,首先构造一个曲面函数,然后采用最小二乘法代入所述(xi,yi,zi)(i=1,2,3,...n)求得所述曲面函数的所有参数,从而获得所述曲面模型;
步骤23:将所述目标物高光谱影像行列数代入所述曲面模型,拟合出与所述标准反射板高光谱影像行列数相同的所述标准反射板校正数据。
步骤3:将所述暗电流数据扩展为与所述目标物高光谱影像行列数相同的暗电流校正数据;
步骤4:用所述目标物高光谱影像减去扩展后的所述暗电流校正数据,得到目标物校正数据;
步骤5:将所述目标物校正数据逐波段逐像素除以所述标准反射板校正数据,然后再乘以所述标准反射板的反射率标准数值,得到目标物高光谱反射率影像,从而完成反射率校正。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种曲面拟合的地面高光谱影像反射率校正方法。首先,获取目标物高光谱影像、标准反射板高光谱影像和暗电流数据,如果标准反射板完全覆盖标准反射板高光谱影像,将标准反射板高光谱影像减去暗电流数据得到标准反射板校正数据,否则裁剪出标准反射板覆盖部分的标准反射板高光谱影像,并裁剪出与裁剪的标准反射板高光谱影像位置相同的暗电流数据,扩展到相同大小后,用裁剪出的标准反射板高光谱影像减去裁剪出的暗电流数据后作为待拟合反射板数据;然后,利用处理后的待拟合反射板数据的像元亮度(DN)值数据,建立曲面函数,再利用最小二乘算法,求出曲面函数的所有参数,最终获得曲面模型;再将目标物高光谱影像行列数代入曲面模型拟合出标准反射板校正数据;最后,再利用采集的目标物的高光谱影像减去扩展为目标物高光谱影像行列数的暗电流校正数据得到目标物校正数据,除以标准反射板校正数据,乘以标准反射板反射率标准数值,得到目标物高光谱反射率影像,从而完成DN值到反射率的转化,实现反射率校正。本发明在考虑双点光源对数据的影响的基础上,有效改进了传统标准反射板反射率校正方法,从而提高了反射率校正的精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的曲面拟合的地面高光谱影像反射率校正方法流程图;
图2附图为本发明提供的本发明校正结果与传统校正结果对比图;
图3附图为本发明提供的曲面拟合校正结果与传统校正结果评价对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种曲面拟合的地面高光谱影像反射率校正方法,包括以下具体步骤:
S1:采集目标物高光谱影像、标准反射板高光谱影像和暗电流数据,判断标准反射板是否完全覆盖标准反射板高光谱影像,即标准反射板高光谱影像是否覆盖单景拍摄区域,如果是,则将标准反射板高光谱影像减去暗电流数据得到标准反射板校正数据并进入S3,否则进入S2;
S2:利用标准反射板高光谱影像构建标准反射板数据的模型,从而获取与目标物高光谱影像行列数相同的标准反射板校正数据;
S21:裁剪获取的标准反射板高光谱影像,裁剪后的数据都是所述标准反射板覆盖区域的高光谱数据,获得裁剪后的新标准反射板数据;
S22:裁剪出暗电流数据中与新标准反射板数据位置相同的暗电流数据作为裁剪后暗电流数据;
S23:将裁剪后的暗电流数据扩展至裁剪后的新标准反射板数据相同大小,获得新暗电流数据;
S24:用新标准反射板数据减去新暗电流数据,获得待拟合反射板数据;
S25:建立坐标系,使得待拟合反射板数据中的数据全部位于第一象限,且以一个像素为单位长度,获取每个像素点所对应的x值和y值,使得左下角第一个点的坐标为(1,1);
S26:以像素点对应的高光谱影像像元亮度值(DN值)作为Z值,从而获取每个基础数据的像素点的表示(xi,yi,zi)(i=1,2,3,...n);
S27:在双点光源的情况下,对待拟合反射板数据进行曲面拟合,构造一个曲面函数,根据(xi,yi,zi)(i=1,2,3,...n)利用最小二乘法求解构造的曲面函数,求得曲面函数的所有参数,从而获得曲面模型;
S28:将目标物高光谱影像的行列数代入曲面模型,拟合出一个和目标物高光谱影像行列数相同的标准反射板数据,将拟合后的标准反射板数据作为标准反射板校正数据;
S3:将暗电流数据扩展为与目标物高光谱影像行列数相同的暗电流校正数据;
S4:用目标物的高光谱影像减去扩展后的暗电流校正数据,得到目标物校正数据;
S5:将目标物校正数据的每一个像素值逐波段除以标准反射板校正数据对应的像素值,然后再乘以标准反射板反射率标准数值,得到目标物高光谱反射率影像,从而完成反射率校正。
实施例
对一幅全部由同一棉布覆盖的木板进行试验,利用400-1000nm波长范围的高光谱成像仪器对其进行数据采集,同时,将99%的标准反射板放在试验样本前,作为标准反射板数据。
对获取的高光谱数据进行传统标准反射板反射率校正,获得校正后数据;然后对校正后数据进行非监督分类,发现对于同一物质的高光谱影像呈现了明显的从中心到周围反射率衰减的现象,说明双点光源的光强衰减对传统标准反射板反射率校正的影响,证明了传统标准反射板反射率校正存在一定的局限性。
按照本发明的流程进行高光谱影像反射率校正。首先,利用已获取的标准反射板数据,裁剪出尽量大的标准反射板的数据,减去扩展后的暗电流数据后作为待拟合反射板数据;然后,建立标准反射板模型,通过对标准反射板数据的定量分析可以发现其模型比较符合高斯曲面,所以建立高斯曲面函数,以一个像素为单位,作为x值和y值,再以对应像素点的DN值作为Z值,然后,利用最小二乘算法,带入标准反射板数据的x值、y值以及z值,求出一个关于像素位置和DN值的函数,即为所求曲面模型;再根据高光谱数据的尺寸大小,带入与之对应的x值和y值,从而求出z值,即可以拟合出一个和高光谱数据尺寸相同大小的标准反射板数据,从而得到校正用标准反射板数据;然后,再利用采集的高光谱数据减去扩展为高光谱数据尺寸大小的暗电流数据,得到目标物校正数据;最后,目标物校正数据除以所获得校正用标准反射板数据,再乘以标准反射板的标称值,实现像素对像素的校正,从而完成DN值到反射率的转化。目标物校正数据是1392*1000像元,然后有1040个波段,标准反射板校正数据也是如此,运算的话就是目标物校正数据的每个波段每个像元的值除以标准反射板校正数据的波段像元的值。
如图2(a)所示对本发明提出的曲面拟合的标准反射板反射率校正后随机一波段进行显示,图2(b)所示为相同波段的传统标准反射板校正结果,图中x轴和y轴分别为高光谱图像的空间坐标,以像素为单位,图中所示亮暗变化为校正后图像的反射率高低(其值为0-1),以反射率乘以100显示(其值为0-100)。
同时,利用均值、标准差和离散系数来评价校正后的反射率精度,对理论上均匀分布的数据而言,标准差和离散系数应该越小越好。图3所示为曲面拟合校正结果与传统校正结果评价对比曲线图,其中图3(a)所示为本发明提出的曲面拟合标准反射板反射率校正和传统标准反射板校正的全波段均值和标准差的结果,图3(b)所示为本发明提出的曲面拟合标准反射板反射率校正和传统标准反射板校正的全波段离散系数结果,结果发现两种方法的均值在全波段相差不大,但是本发明曲面拟合校正法的标准差和离散系数均小于传统方法,说明经本发明曲面拟合校正后数据离散程度低,校正精度明显高于传统校正方法。结果发现相对于传统标准反射板反射率校正而言,本发明校正后数据的反射率差异明显减少,数据分布更加均匀,说明本发明在考虑双点光源对数据的影响的基础上,有效改进了传统标准反射板反射率校正方法,解决了因双点光源的原因而产生的光强衰减对地面高光谱反射率校正的影响。
本发明的优越性:
(1)针对现有校正方式没有考虑光源影响的局限性,本发明独创性提出利用曲面拟合的方式,根据已有的标准反射板数据,构造曲面模型,利用数学方法求解模型,最后利用求出的曲面模型拟合出和高光谱影像尺寸大小相同的标准反射板数据,区别于传统的标准反射板反射率校正,有效提高了在使用双点光源的情况下的反射率转化的准确性。
(2)区别于传统的标准反射板反射率校正的求解暗电流数据的平均值后再扩展,本发明创新性整体利用暗电流数据,将暗电流数据剔除出为0的一行,整体扩展。本发明对暗电流的利用更加符合暗电流的定义,有效改进了传统标准反射板反射率校正。
(3)本发明提出使用标准反射板的整体校正,实现像素对像素的校正,每个像素点的标准反射板数据对应相同位置的高光谱数据。区别于传统的标准反射板反射率校正的求平均数的方法,本发明的整体校正方法,结合本发明提出的拟合标准反射板数据的方法,有效解决了因为光源的光强衰减而导致的高光谱影像反射率值校正精度不高的问题。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种曲面拟合的地面高光谱影像反射率校正方法,其特征在于,包括以下具体步骤:
步骤1:采集目标物高光谱影像、标准反射板高光谱影像和暗电流数据,判断标准反射板是否完全覆盖所述标准反射板高光谱影像,如果是,则将所述标准反射板高光谱影像减去所述暗电流数据后得到标准反射板校正数据并进入步骤3;否则进入步骤2;
步骤2:利用所述标准反射板高光谱影像构建曲面模型,从而获取与所述标准反射板高光谱影像行列数相同的所述标准反射板校正数据;
步骤3:将所述暗电流数据扩展为与所述目标物高光谱影像行列数相同的暗电流校正数据;
步骤4:用所述目标物高光谱影像减去扩展后的所述暗电流校正数据,得到目标物校正数据;
步骤5:将所述目标物校正数据除以求得的所述标准反射板校正数据,然后乘以所述标准反射板的反射率标准数值,得到目标物高光谱反射率影像,从而完成反射率校正。
2.根据权利要求1所述的一种曲面拟合的地面高光谱影像反射率校正方法,其特征在于,所述步骤2的具体实现过程为:
步骤21:利用所述标准反射板高光谱影像和所述暗电流数据获取待拟合反射板数据;
步骤22:根据所述待拟合反射板数据利用最小二乘法拟合出所述曲面模型;
步骤23:将所述目标物高光谱影像行列数代入所述曲面模型,拟合出与所述标准反射板高光谱影像行列数相同的所述标准反射板校正数据。
3.根据权利要求2所述的一种曲面拟合的地面高光谱影像反射率校正方法,其特征在于,所述步骤21的具体实现过程为:
步骤211:在所述标准反射板高光谱影像中裁剪所述标准反射板覆盖区域的高光谱数据,从而获得新标准反射板数据;
步骤212:裁剪出所述暗电流数据中与所述新标准反射板数据位置相同的暗电流数据作为裁剪后暗电流数据;
步骤213:将所述裁剪后暗电流数据扩展至所述新标准反射板数据相同大小,获得新暗电流数据;
步骤214:用所述新标准反射板数据减去所述新暗电流数据,获得所述待拟合反射板数据。
4.根据权利要求2所述的一种曲面拟合的地面高光谱影像反射率校正方法,其特征在于,所述步骤22的具体实现过程为:
步骤221:根据所述待拟合反射板数据,建立坐标系,使得数据全部位于第一象限,且以一个像素为单位长度,获取每个像素点所对应的x值和y值,使得左下角第一个点的坐标为(1,1);
步骤222:以每个所述像素点对应的影像灰度值作为Z值,从而获取整个所述待拟合反射板数据的所述像素点表示(xi,yi,zi)(i=1,2,3,...n);
步骤223:在双点光源的情况下,对所述待拟合反射板数据进行曲面拟合,首先构造一个曲面函数,然后采用最小二乘法代入(xi,yi,zi)(i=1,2,3,...,n),求得所述曲面函数的所有参数,从而获得所述曲面模型。
5.根据权利要求1所述的一种曲面拟合的地面高光谱影像反射率校正方法,其特征在于,所述步骤3的具体实现过程为:所述暗电流数据为两行数据,一行为0,一行为所述暗电流数据,选取有数据的一行,重复扩展为与所述标准反射板高光谱影像的行数相同的所述暗电流校正数据,从而获得暗电流立方体。
6.根据权利要求1所述的一种曲面拟合的地面高光谱影像反射率校正方法,其特征在于,所述步骤5具体实现方法为:利用所述目标物校正数据逐波段逐像素除以所述标准反射板校正数据,再乘以所述标准反射板的所述反射率标准数值,得到所述目标物高光谱反射率影像,从而完成反射率校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413379.4A CN111595781B (zh) | 2020-05-15 | 2020-05-15 | 一种曲面拟合的地面高光谱影像反射率校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413379.4A CN111595781B (zh) | 2020-05-15 | 2020-05-15 | 一种曲面拟合的地面高光谱影像反射率校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111595781A true CN111595781A (zh) | 2020-08-28 |
CN111595781B CN111595781B (zh) | 2023-06-27 |
Family
ID=72185722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010413379.4A Active CN111595781B (zh) | 2020-05-15 | 2020-05-15 | 一种曲面拟合的地面高光谱影像反射率校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111595781B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114965306A (zh) * | 2022-05-27 | 2022-08-30 | 淮阴师范学院 | 一种测量反射率的光学传感器的标定方法 |
CN117405605A (zh) * | 2023-12-15 | 2024-01-16 | 浙江大学 | 高光谱图像获取中消除光场非均匀分布的校正***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004045096A (ja) * | 2002-07-09 | 2004-02-12 | Matsushita Electric Works Ltd | 生体成分の定量装置 |
CN101832926A (zh) * | 2010-03-19 | 2010-09-15 | 江南大学 | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 |
US20140268136A1 (en) * | 2013-03-15 | 2014-09-18 | P & P Optica, Inc. | Apparatus and method for optimizing data capture and data correction for spectroscopic analysis |
CN104568778A (zh) * | 2015-01-15 | 2015-04-29 | 浙江理工大学 | 一种基于高光谱成像的纺织品成分鉴别方法 |
CN105675549A (zh) * | 2016-01-11 | 2016-06-15 | 武汉大学 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
CN107976428A (zh) * | 2017-11-17 | 2018-05-01 | 中国计量大学 | 水产品化学污染物的无损实时检测方法与装置 |
CN108416357A (zh) * | 2018-03-01 | 2018-08-17 | 北京建筑大学 | 一种彩绘类文物隐含信息的提取方法 |
CN108738335A (zh) * | 2016-01-14 | 2018-11-02 | 耶拿分析仪器股份公司 | 具有二维光谱的光谱仪 |
CN109974854A (zh) * | 2019-03-18 | 2019-07-05 | 石河子大学 | 一种框幅式fpi高光谱图像的辐射校正方法 |
US20200025613A1 (en) * | 2018-03-27 | 2020-01-23 | Flying Gybe Inc. | Hyperspectral sensing system and processing methods for hyperspectral data |
-
2020
- 2020-05-15 CN CN202010413379.4A patent/CN111595781B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004045096A (ja) * | 2002-07-09 | 2004-02-12 | Matsushita Electric Works Ltd | 生体成分の定量装置 |
CN101832926A (zh) * | 2010-03-19 | 2010-09-15 | 江南大学 | 一种利用高光谱图像技术进行苹果粉质化无损检测方法 |
US20140268136A1 (en) * | 2013-03-15 | 2014-09-18 | P & P Optica, Inc. | Apparatus and method for optimizing data capture and data correction for spectroscopic analysis |
CN104568778A (zh) * | 2015-01-15 | 2015-04-29 | 浙江理工大学 | 一种基于高光谱成像的纺织品成分鉴别方法 |
CN105675549A (zh) * | 2016-01-11 | 2016-06-15 | 武汉大学 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
CN108738335A (zh) * | 2016-01-14 | 2018-11-02 | 耶拿分析仪器股份公司 | 具有二维光谱的光谱仪 |
CN107976428A (zh) * | 2017-11-17 | 2018-05-01 | 中国计量大学 | 水产品化学污染物的无损实时检测方法与装置 |
CN108416357A (zh) * | 2018-03-01 | 2018-08-17 | 北京建筑大学 | 一种彩绘类文物隐含信息的提取方法 |
US20200025613A1 (en) * | 2018-03-27 | 2020-01-23 | Flying Gybe Inc. | Hyperspectral sensing system and processing methods for hyperspectral data |
CN109974854A (zh) * | 2019-03-18 | 2019-07-05 | 石河子大学 | 一种框幅式fpi高光谱图像的辐射校正方法 |
Non-Patent Citations (4)
Title |
---|
MIAOLE HOU 等: "Virtual restoration of stains on ancient paintings with maximum noise fraction transformation based on the hyperspectral imaging", 《JOURNAL OF CULTURAL HERITAGE》 * |
NING PAN 等: "Extracting faded mural patterns based on the combination of spatial-spectral feature of hyperspectral image", 《JOURNAL OF CULTURAL HERITAGE》 * |
PINGPING ZHOU 等: "Virtual Restoration of Stained Chinese Paintings Using Patch-Based Color Constrained Poisson Editing with Selected Hyperspectral Feature Bands", 《REMOTE SENSING》 * |
宋育霖 等: "光学扩散特征的生鲜肉细菌总数的无损检测方法", 《光谱学与光谱分析》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114965306A (zh) * | 2022-05-27 | 2022-08-30 | 淮阴师范学院 | 一种测量反射率的光学传感器的标定方法 |
CN114965306B (zh) * | 2022-05-27 | 2024-02-20 | 淮阴师范学院 | 一种测量反射率的光学传感器的标定方法 |
CN117405605A (zh) * | 2023-12-15 | 2024-01-16 | 浙江大学 | 高光谱图像获取中消除光场非均匀分布的校正***及方法 |
CN117405605B (zh) * | 2023-12-15 | 2024-03-05 | 浙江大学 | 高光谱图像获取中消除光场非均匀分布的校正***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111595781B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106871925B (zh) | 一种在轨综合动态调整的遥感卫星相对辐射定标处理方法 | |
CN112258579B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
US20100008595A1 (en) | Automated atmospheric characterization of remotely sensed multi-spectral imagery | |
CN108154479A (zh) | 一种对遥感图像进行图像校正的方法 | |
CN106940887B (zh) | 一种gf-4卫星序列图像云与云***影检测方法 | |
JP2014515587A (ja) | デジタル画像装置用の画像処理パイプラインの学習 | |
CN107958450B (zh) | 基于自适应高斯滤波的全色多光谱影像融合方法及*** | |
JP5988093B2 (ja) | 画像処理装置、物体識別装置、及びプログラム | |
CN111595781B (zh) | 一种曲面拟合的地面高光谱影像反射率校正方法 | |
CN106600646B (zh) | 一种红外摆扫相机在轨图像均匀性校正方法 | |
CN102324098A (zh) | 一种结合实验室定标和均匀景统计的相对辐射定标方法 | |
WO2014007925A1 (en) | System and method for residual analysis of images | |
CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
CN105701776B (zh) | 一种用于自动光学检测的镜头畸变矫正方法及*** | |
US7796153B1 (en) | Equalization system and method for an imaging sensor | |
CN113218874A (zh) | 一种基于遥感影像获取地表目标物反射率方法及*** | |
CN116612080B (zh) | 基于高光谱图像波谱曲线的变化检测方法 | |
CN109350018B (zh) | 应用于手掌疱疹检测***的基于图像的手掌检测方法 | |
CN115988334A (zh) | 一种自校正的数字化相机移动遥感***及方法 | |
CN108154478B (zh) | 一种遥感图像处理方法 | |
CN110197178A (zh) | 一种图谱特征融合深度网络的大米种类快速鉴别检测装置及其检测方法 | |
CN115115653A (zh) | 一种冷热冲击试验箱精细化温度校准方法 | |
CN114170668A (zh) | 一种高光谱人脸识别方法及*** | |
Lyu et al. | Reflectance reconstruction of hyperspectral image based on gaussian surface fitting | |
CN108844637B (zh) | 一种基于图像质量的InGaAs FPAs组件性能评估装置及其应用 |
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 |