CN114693512A - 一种基于近场图像的远场遥感图像转化方法 - Google Patents
一种基于近场图像的远场遥感图像转化方法 Download PDFInfo
- Publication number
- CN114693512A CN114693512A CN202210257960.0A CN202210257960A CN114693512A CN 114693512 A CN114693512 A CN 114693512A CN 202210257960 A CN202210257960 A CN 202210257960A CN 114693512 A CN114693512 A CN 114693512A
- Authority
- CN
- China
- Prior art keywords
- field
- far
- remote sensing
- image
- ground
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 23
- 238000002310 reflectometry Methods 0.000 claims abstract description 23
- 230000005855 radiation Effects 0.000 claims abstract description 16
- 230000008878 coupling Effects 0.000 claims abstract description 13
- 238000010168 coupling process Methods 0.000 claims abstract description 13
- 238000005859 coupling reaction Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 4
- 210000001747 pupil Anatomy 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 16
- 238000003384 imaging method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于近场图像的远场遥感图像转化方法。该方法包括:对近场高分辨率图像进行像素级分割,得到目标区域地物材质类别信息和几何结构信息;建立地物反射模型并以地物材质类别信息和几何结构信息为输入得到地面端元反射率信息;建立地物反射及大气散射的耦合非线性混合模型,以地面端元反射率信息和太阳辐射作为输入并结合遥感平台辐射定标系数得到远场遥感图像;同时,基于近场相机辐射定标系数及地面实测数据反演地面端元反射率,并经上述耦合非线性混合模型及远场平台辐射定标系数得到远场遥感图像,与上述远场图像进行校准,完成远场遥感图像的转化。本发明以近场图像和太阳辐射作为输入得到远场遥感图像,与现有遥感图像仿真生成方法相比,本发明可实现无需地面目标区域的高精度三维数字模型,并同时能够提高图像转化生成的质量和速度。
Description
技术领域
本发明涉及计算机图像处理领域,特别涉及一种基于近场图像的远场遥感图像转化方法。
背景技术
随着遥感技术的不断发展,在航天侦查等军事需求的驱动下,遥感传感器的空间分辨率不断得到提升,加之卫星的飞行与拍摄不受国界和地理条件限制,能够实现更加随意有针对性的拍摄,航天卫星图像的应用也越来越广泛,尤其对于军事战场态势评估、作战决策等,鉴于卫星图像回访时间长、获取困难、费用高等局限,高质量的近远场图像转化对基于卫星图像的相关研究具有十分重要的意义。
现有的远场遥感图像生成方法主要通过建立全链路仿真模型仿真生成。全链路仿真模型主要包括地面三维数字仿真模型、地物反射模型、大气传输模型、遥感器成像模型等,通过建立三维数字仿真模型,并赋予几何、材质等信息,继而通过地物反射模型、大气传输模型等仿真计算得到远场遥感图像,是卫星仿真图像的重要获取途径。但在实际应用中存在如下局限:首先庞大的三维仿真模型存在细节不足及计算量大、仿真速度慢的问题,其次,地物反射模型多采用双向反射分布函数,但实测光谱数据难以消除大气下行辐射过程中的散射及临近地物多次反射对入射光线的影响,导致仿真图像真实性较差,当前的研究将地面作用和大气作用分开考虑,简化了问题,但未考虑地面作用和大气传输过程的复杂耦合作用,使得研究意义具有一定的局限性。
发明内容
双向反射分布函数可有效描述不同地物的反射特性,基于双向反射分布函数建模,对入射辐射充分考虑大气下行辐射过程的散射作用和地面临近地物的反射作用,优化修正地物反射模型;同时,基于图像处理算法,借助于近场高分辨率图像的像素级分割、反演,可以实现在不需要三维数字场景模型的基础上由近场图像转化为远场遥感图像。
(一)本发明要解决的技术问题
本发明提供一种基于近场图像的远场遥感图像转化方法。本方法是对当前遥感图像仿真方法的改进和扩展,充分考虑大气下行辐射过程的散射作用及临近效应,优化双向反射分布函数地物反射模型;考虑混合像元模型的耦合性,建立耦合非线性混合模型;借助近场图像的分割、反演及校准,克服当前仿真质量差、速度慢等问题。
(二)本发明所采取的技术方案
一种基于近场图像的远场遥感图像转化方法,其特征在于,包括如下步骤:
(1)利用图像分割方法对近场高分辨率图像进行像素级分割,从而得到目标区域的地物材质类别信息和几何结构信息;
(2)综合考虑太阳入射辐射过程中的大气散射作用和临近地物反射效应,建立地物反射率模型,并以地物材质类别信息、几何结构信息为输入计算得到地面端元反射率信息;
(3)建立地面端元至远场像元的耦合非线性混合模型,由地面端元反射率信息计算合成远场入瞳处辐亮度,进而根据远场遥感平台的辐射定标系数,将辐亮度转化输出远场遥感图像;
(4)基于近场相机平台的辐射定标系数及地面实测反射率数据,建立近场图像与地面对应端元实测数据的映射关系并反演得到地面端元反射率信息,经由上述耦合非线性混合模型和远场遥感辐射定标系数得到远场遥感图像,与步骤三中得到的远场遥感图像进行校准,完成最终远场遥感图像的转化。
(三)本发明的有益效果
由于采用了上述的技术方案,本发明的有益效果是:与当前遥感卫星仿真生成方法相比,本方法所建模型充分考虑了地物反射特性、大气散射作用、地物临近效应的综合影响,提升仿真转化质量;充分利用近场图像的分割、反演及校准,可以实现无需建立地面三维数字仿真模型,可大大节省远场遥感图像的转化生成时间;同时,近场图像的反演映射关系具有针对不同来源近场图像的通用性;转化生成的高质量远场遥感图像可进一步应用于基于卫星图像的目标检测、战场毁伤评估等任务。
附图说明
为了更清楚地说明本发明的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一些实施例,对于本领域普通技术人员来讲,在没有做出创造性劳动前提下,还可以根据这些附图获得其他的附图。
图1:基于近场图像的远场遥感图像转化方法流程图。
具体实施方式
为使得本发明的发明目的,特征,优点能够更加的明显和易懂,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,下面所描述的实施例仅是本发明的一部分实施例,而非全部的实施例。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的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。
(1)对近场高分辨率图像进行像素级分割,得到目标区域的地物材质类别信息和几何结构信息;
远场遥感传感器单个像元对地观测成像时覆盖地表的一定范围,由于地表实物具有异质异构的特性,单个像元视场范围内可能存在不同材质类型的地物或者是同种材质类型但呈现出不同的几何结构,因此,目标成像区域内精细的地物材质信息和几何结构信息对于成像的质量具有重要的作用。
本方法建立语义分割网络模型,通过对目标成像区域所获取的近场高分辨率图像数据集进行训练与测试,根据不同的地物材质类别、不同的几何结构下所呈现出的地物辐射照度的差异,对图像像素值进行阈值划分以实现图像分割。最终将输入图像的像素点区分为不同类别的材质和不同的几何结构特征。
即像素级分割方法采用语义分割网络模型构建,对输入近场图像的所有像素点进行分类得到不同类别地物材质信息和几何结构信息;其中,几何结构信息以像素级平面角度信息进行表示,用于地物反射率计算,以代替大规模高精度三维数字模型的建立。
(2)建立地物反射率模型,并以地物材质类别信息、几何结构信息为输入计算得到地面端元反射率信息;
本方法考虑地物反射模型的精准表达,充分考虑太阳入射辐射过程中的大气散射效应、地物临近效应因素的影响,采用积分形式将双向反射分布函数模型的单方向入射光谱优化为空间内多角度综合入射对应特定出射方向的地物反射模型;以近场图像经语义分割模型所得到的地物材质信息和几何结构信息作为输入,输出地物反射率信息;
即搭建地物反射率模型基于双向反射分布函数进行优化,综合考虑太阳下行辐射过程中大气散射及邻近地物的多次反射效应,模型的入射辐射为经大气多次散射及邻近地物反射的多角度入射辐射能量的综合
(3)建立地面端元至远场像元的耦合非线性混合模型,由地面端元反射率信息计算合成远场入瞳处辐亮度,进而根据远场遥感平台的辐射定标系数,将辐亮度转化输出远场遥感图像;
本方法以近场高分辨率图像像素对应地面范围作为端元尺度,综合遥感像元所对应地面范围内各端元之间的异质异构特性的线性合成和地物临近效应及大气散射作用所带来的非线性作用,建立地物、大气强相关的耦合非线性混合模型,以实现近场像素级地面端元数据至远场低分辨率遥感像元之间的高质量转换。
(4)基于近场相机平台的辐射定标系数及地面实测反射率数据,建立近场图像与地面对应端元实测数据的映射关系并反演得到反射率信息,经由上述耦合非线性混合模型和远场遥感辐射定标系数得到远场遥感图像,与上述远场图像进行校准,完成远场遥感图像的转化。
以近场图像和太阳辐射作为输入,经所建立的映射关系和大气传输过程,反演得到远场遥感图像,并将得到的图像与步骤三中得到的遥感图像进行校准,最终输出所需远场遥感图像,至此完成近场高分辨率图像到远场低分辨率遥感图像的转化过程。
应当认识到,以上描述只是本发明的一个特定实施例,本发明并不仅仅局限于以上图示或描述的特定的结构,权利要求将覆盖本发明的实质精神及范围内的所有变化方案。
Claims (5)
1.一种基于近场图像的远场遥感图像转化方法,其特征在于包括如下步骤:
步骤一:利用图像分割方法对近场高分辨率图像进行像素级分割,从而得到目标区域的地物材质类别信息和几何结构信息;
步骤二:建立地物反射率模型,并以地物材质类别信息、几何结构信息为输入计算得到地面端元反射率信息;
步骤三:建立地面端元至远场像元的耦合非线性混合模型,由地面端元反射率信息计算合成远场入瞳处辐亮度,进而根据远场遥感平台的辐射定标系数,将辐亮度转化输出远场遥感图像;
步骤四:基于近场相机平台的辐射定标系数及地面实测反射率数据,建立近场图像与地面对应端元实测数据的映射关系并反演得到地面端元反射率信息,经由上述耦合非线性混合模型和远场遥感辐射定标系数得到远场遥感图像,与步骤三中得到的远场遥感图像进行校准,完成最终远场遥感图像的转化。
2.根据权利要求1所述的一种基于近场图像的远场遥感图像转化方法,其特征在于,所述的步骤一中的像素级分割方法采用语义分割网络模型构建,对输入近场图像的所有像素点进行分类得到不同类别地物材质信息和几何结构信息;其中,几何结构信息以像素级平面角度信息进行表示,用于地物反射率计算,以代替大规模高精度三维数字模型的建立。
3.根据权利要求1所述的一种基于近场图像的远场遥感图像转化方法,其特征在于,所述的步骤二中搭建地物反射率模型基于双向反射分布函数进行优化,综合考虑太阳下行辐射过程中大气散射及邻近地物的多次反射效应,模型的入射辐射为经大气多次散射及邻近地物反射的多角度入射辐射能量的综合。
4.根据权利要求1所述的一种基于近场图像的远场遥感图像转化方法,其特征在于,所述步骤三中以近场高分辨率像素所对应地物范围作为地物端元尺度,综合考虑各端元之间的异物异构特性、邻近反射以及大气散射效应,建立地物反射及大气散射的耦合非线性混合模型,将远场遥感像元所对应地物范围内的多端元数据经临近效应及大气散射作用合成得到远场遥感入瞳处辐亮度,并经遥感平台辐射定标系数转化得到远场遥感图像。
5.根据权利要求1所述的一种基于近场图像的远场遥感图像转化方法,其特征在于:所述步骤四中通过近场图像与地面实测数据的映射关系反演所得远场遥感图像与步骤三中经近场图像分割、地物反射模型、耦合非线性混合模型所得远场遥感图像进行校准,实现近场图像到远场图像的高质量转化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210257960.0A CN114693512A (zh) | 2022-03-16 | 2022-03-16 | 一种基于近场图像的远场遥感图像转化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210257960.0A CN114693512A (zh) | 2022-03-16 | 2022-03-16 | 一种基于近场图像的远场遥感图像转化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693512A true CN114693512A (zh) | 2022-07-01 |
Family
ID=82138941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210257960.0A Pending CN114693512A (zh) | 2022-03-16 | 2022-03-16 | 一种基于近场图像的远场遥感图像转化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693512A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020096622A1 (en) * | 2001-01-23 | 2002-07-25 | Steven Adler-Golden | Methods for atmospheric correction of solar-wavelength Hyperspectral imagery over land |
CN103699543A (zh) * | 2012-09-28 | 2014-04-02 | 南京理工大学 | 基于遥感图像地物分类的信息可视化方法 |
CN111563962A (zh) * | 2020-04-09 | 2020-08-21 | 中国科学院空天信息创新研究院 | 一种基于几何辐射一体化采样的遥感图像仿真方法 |
US20210142447A1 (en) * | 2019-07-01 | 2021-05-13 | David P. Groeneveld | Method to Correct Satellite Data to Surface Reflectance Using Scene Statistics |
WO2021184891A1 (zh) * | 2020-03-20 | 2021-09-23 | 中国科学院深圳先进技术研究院 | 遥感影像地物分类方法及*** |
-
2022
- 2022-03-16 CN CN202210257960.0A patent/CN114693512A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020096622A1 (en) * | 2001-01-23 | 2002-07-25 | Steven Adler-Golden | Methods for atmospheric correction of solar-wavelength Hyperspectral imagery over land |
CN103699543A (zh) * | 2012-09-28 | 2014-04-02 | 南京理工大学 | 基于遥感图像地物分类的信息可视化方法 |
US20210142447A1 (en) * | 2019-07-01 | 2021-05-13 | David P. Groeneveld | Method to Correct Satellite Data to Surface Reflectance Using Scene Statistics |
WO2021184891A1 (zh) * | 2020-03-20 | 2021-09-23 | 中国科学院深圳先进技术研究院 | 遥感影像地物分类方法及*** |
CN111563962A (zh) * | 2020-04-09 | 2020-08-21 | 中国科学院空天信息创新研究院 | 一种基于几何辐射一体化采样的遥感图像仿真方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146787B (zh) | 一种基于插值的双相机光谱成像***的实时重建方法 | |
CN109725317B (zh) | 一种基于一维综合孔径微波辐射计的海面亮温成像仿真方法 | |
Zhou et al. | Tracking nonrigid motion and structure from 2D satellite cloud images without correspondences | |
CN111581884A (zh) | 一种星载多分辨率目标光学辐射图像仿真方法 | |
CN116245757B (zh) | 多模态数据的多场景通用性遥感影像云修复方法和*** | |
CN111738916B (zh) | 一种基于统计学的遥感影像广义阴影光谱重建方法和*** | |
CN113379661A (zh) | 红外与可见光图像融合的双分支卷积神经网络及融合方法 | |
CN116402942A (zh) | 一种融合多尺度图像特征的大规模建筑物三维重建方法 | |
CN114117886A (zh) | 一种用于多光谱遥感水深反演方法 | |
CN108318458B (zh) | 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法 | |
Zhang et al. | Guided hyperspectral image denoising with realistic data | |
CN112050793A (zh) | 一种WorldView-2立体双介质水深探测方法 | |
CN116342452A (zh) | 图像生成方法和融合成像*** | |
CN117314811A (zh) | 基于混合模型的sar-光学图像融合方法 | |
CN116721243A (zh) | 一种空谱特征约束的深度学习大气校正方法及*** | |
CN114693512A (zh) | 一种基于近场图像的远场遥感图像转化方法 | |
CN109472237B (zh) | 一种可见光遥感卫星影像的大气订正方法和*** | |
Li et al. | Imaging simulation and learning-based image restoration for remote sensing time delay and integration cameras | |
Han et al. | Hypothetical visible bands of advanced meteorological imager onboard the geostationary Korea multi-purpose satellite-2A using data-to-data translation | |
CN115060656B (zh) | 基于稀疏先验实测点的卫星遥感水深反演方法 | |
Wang et al. | Interference image registration combined by enhanced scale-invariant feature transform characteristics and correlation coefficient | |
CN116128762A (zh) | 卫星影像预处理方法、装置、电子设备及存储介质 | |
Geiss et al. | Strictly enforcing invertibility and conservation in CNN-based super resolution for scientific datasets | |
CN116310228A (zh) | 一种针对遥感场景的表面重建与新视图合成方法 | |
CN113124821B (zh) | 一种基于曲面镜和平面镜的结构测量方法 |
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 |