CN115861136A - 一种基于航空遥感***的影像分辨率重建方法 - Google Patents

一种基于航空遥感***的影像分辨率重建方法 Download PDF

Info

Publication number
CN115861136A
CN115861136A CN202211458317.0A CN202211458317A CN115861136A CN 115861136 A CN115861136 A CN 115861136A CN 202211458317 A CN202211458317 A CN 202211458317A CN 115861136 A CN115861136 A CN 115861136A
Authority
CN
China
Prior art keywords
remote sensing
flight
resolution
wave bands
multispectral
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
Application number
CN202211458317.0A
Other languages
English (en)
Other versions
CN115861136B (zh
Inventor
朱金彪
潘洁
蒋雯
吴亮
汤洪彪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Aerospace Information Research Institute of CAS
Original Assignee
Northwestern Polytechnical University
Aerospace Information Research Institute of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University, Aerospace Information Research Institute of CAS filed Critical Northwestern Polytechnical University
Priority to CN202211458317.0A priority Critical patent/CN115861136B/zh
Publication of CN115861136A publication Critical patent/CN115861136A/zh
Application granted granted Critical
Publication of CN115861136B publication Critical patent/CN115861136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及一种基于航空遥感***的影像分辨率重建方法,包括:1)计算遥感飞机最终的飞行绝对航高;2)根据遥感飞机最终的飞行绝对航高进行遥感飞行,获取航空遥感***中不同遥感设备对应的遥感数据;3)根据相对航高计算可以进行分辨率重建的遥感设备的影像分辨率GSD;4)进行分辨率重建,生成等效分辨率是GSD/n的遥感数据;5)验证遥感数据的等效分辨率是否约等于GSD/n;6)验证遥感数据的相对几何精度。本发明针对航空遥感***中的某些遥感设备进行分辨率重建,提高其产品的分辨率,在同时满足航空遥感***中不同遥感设备指标要求的情况下,实现对测区的一次性航空遥感作业,因此,能够提高作业效率,减少重复作业。

Description

一种基于航空遥感***的影像分辨率重建方法
技术领域
本发明属于航空、遥感、光电领域,具体涉及一种基于航空遥感***的影像分辨率重建方法。
背景技术
航空遥感***,就是把各种对地观测载荷集成在一架飞机上,通过航空飞行,实现对地观测。在建的国家重大科技基础设施“航空遥感***”,配备两架新舟六零遥感飞机和十多种新型遥感设备及高性能地面数据处理***等,形成在国内最先进的航空遥感***。中国科学院空天信息创新研究院作为航空遥感***的运行单位将面向国内外用户开放共享,使其成为开展我国地球***科学研究的有效技术手段,成为提高和发展我国遥感信息科学与技术的实验平台,成为我国空间科技发展的重要数据源,促进遥感设备和遥感数据的产业化。遥感飞机技术指标先进,具有全天候飞行作业的能力,可装载航空照相机、成像光谱仪、成像雷达等多种遥感器。遥感飞机面向国家重大需求,累计承担了100多项各种类型的航空遥感技术与应用项目,飞行面积超过200万平方公里,在遥感综合应用实验、重大自然灾害监测、遥感设备自主研发等方面发挥了重要作用。
航空遥感***中一般会搭载合成孔径雷达和可见光遥感设备,合成孔径雷达适合在尽可能高的空中进行飞行作业,而可见光遥感设备适合在尽可能低的空中进行飞行作业,为了满足各自的指标要求,需要在不同高度飞行、需要更多的飞行架次才能完成所有的遥感任务。这样将会导致飞行架次、飞行航线、飞行时间的冗余及飞行效率的降低。
发明内容
本发明的目的是提供一种基于航空遥感***的影像分辨率重建方法,本发明针对航空遥感***中的某些遥感设备(如ADS80、ADS100等)进行分辨率重建,提高其产品的分辨率,在同时满足航空遥感***中不同遥感设备指标要求(飞行高度、分辨率等)的情况下,实现对测区的一次性航空遥感作业(飞得高的话,航线数减少),因此,能够提高作业效率,减少重复作业。
为了达到上述目的,本发明采用如下技术方案:
一种基于航空遥感***的影像分辨率重建方法,包括以下步骤:
步骤1)根据航空遥感***的指标和飞行测区的地理环境计算遥感飞机最终的飞行绝对航高H;
步骤2)根据遥感飞机最终的飞行绝对航高H进行遥感飞行,获取航空遥感***中不同遥感设备对应的遥感数据;
步骤3)根据遥感飞机最终的飞行相对航高Hmax计算进行分辨率重建的遥感设备的空间分辨率GSD;
步骤4)进行分辨率重建,生成等效分辨率是GSD/n的遥感数据;其中,n为遥感设备CCD像元大小与其等效CCD像元大小的比值取整之后的数值;
步骤5)验证遥感数据的等效分辨率是否约等于GSD/n;
步骤6)验证遥感数据的相对几何精度。
进一步地,所述步骤1)中计算遥感飞机最终的飞行绝对航高H的方法是:
(1)根据航空遥感***的指标确定遥感飞机的绝对航高最大高度HR,即遥感飞机能飞行的极限绝对高度;HR同时是遥感飞机的气压高度,其对应的GNSS高度HGNSS=HR+hGR,hGR=HGNSS-HR
其中,HR是已知值,hGR是遥感飞机的GNSS高度与气压高度的差值;
在飞行过程中,航空遥感***中的各个设备对应的GNSS高度分别是hGNSS1,hGNSS2,……hGNSSn,其中,令:
Figure BDA0003954469470000021
其中,w是配备GNSS接收机的设备的数量,w≥3;
(2)根据航空遥感***的指标确定不同遥感设备的必要飞行相对航高h1,h2,h3……,并比较其大小,找出其中的最大值hmax,其中,hmax属于GNSS高度;
Figure BDA0003954469470000022
将Hmax作为遥感飞机最终的飞行相对航高;Hmax同时属于遥感飞机的GNSS高度;
(3)根据飞行测区的地理环境确定飞行测区的平均海拔高度h;
(4)计算遥感飞机最终的飞行绝对航高:
H=Hmax+h-hGR=Hmax+h-HGNSS+HR
H同时是最终的遥感飞机的气压高度。
进一步地,所述步骤3)中计算进行分辨率重建的遥感设备的影像分辨率的方法是:
根据中心投影原理:
Figure BDA0003954469470000031
其中,f是航空遥感设备的焦距,a是遥感设备中的CCD像元大小,f,a均是常数;Hmax是相对航高,R是空间分辨率GSD;
那么,根据中心投影公式,空间分辨率GSD为:
Figure BDA0003954469470000032
进一步地,所述步骤4)中分辨率重建的方法是:
(1)使用遥感设备采集具备CCD错排波段的数据和包括红、绿、蓝、近红外在内的多光谱波段的数据;
其中,CCD错排波段是指遥感设备CCD阵列中的两个相同波段错位排列在一起,所述遥感设备包括ADS80或ADS100;所述ADS80采集具备CCD错排全色波段和包括红、绿、蓝、近红外在内的多光谱波段的数据,其波长范围分别是465nm-680nm、608nm-662nm、533nm-587nm、428nm-492nm、833nm-887nm;
所述ADS100采集具备CCD错排绿色波段和包括红、蓝、近红外在内的波段的数据,其波长范围分别是525nm-585nm、619nm-651nm、435nm-495nm、808nm-882nm;
所述ADS80的两个全色波段和包括红、绿、蓝、近红外在内的多光谱波段排列在一起,两个全色波段错排在一起;
所述ADS100的两个绿色波段和包括近红外、蓝、红在内的多光谱波段排列在一起,两个绿色波段错排在一起;
(2)根据CCD错排波段的几何特征计算等效CCD的像元大小p1
其中,遥感设备的CCD像元大小是p0
(3)计算等效分辨率GSD/n的大小;
其中,
Figure BDA0003954469470000033
即n是整数,且n≥2。
(4)确定全灰度值范围和共同均值;其中全灰度值范围等于所有参于融合的波段的最大灰度值范围,共同均值位于全灰度值范围的中心;
(5)对所有参于融合的波段进行直方图标准化;
(6)计算所有参于融合的波段的平均灰度值、标准偏差和协方差矩阵;
(7)根据各波段的平均灰度值和标准偏差,将各波段的直方图拉伸到全灰度值范围内;
(8)对于ADS80,利用选定的多光谱波段、全色波段和最小二乘法计算多光谱波段权重:
Figure BDA0003954469470000041
其中,m≤多光谱波段总数;PanOrig是参于融合的全色波段;
Figure BDA0003954469470000042
是用于模拟新全色影像的多光谱波段权重,/>
Figure BDA0003954469470000043
是经过多元回归分析和最小二乘法计算得出的;Multii是参于融合的多光谱波段,Multii对应不同的多光谱波段;
(9)对于ADS80,利用多光谱波段权重、参与融合的多光谱波段和加权最小二乘法生成新全色影像:
Figure BDA0003954469470000044
其中,m≤多光谱波段总数;NewPanSyn是参于融合的新全色波段,NewPanSyn与PanOrig有相似的灰度值,但两者不相等。
(10)对于ADS80,利用全色波段、一个或多个标准化多光谱波段和新全色波段生成一个或多个融合的多光谱波段:
Figure BDA0003954469470000045
其中,k=1,2,3…,m,m≤多光谱波段总数;
(11)对于ADS80,根据CCD错排全色波段和融合的多光谱波段生成等效分辨率是GSD/n的真彩色遥感数据及彩红外遥感数据;对于ADS100,根据CCD错排绿色波段和直方图标准化的多光谱波段生成等效分辨率是GSD/n的真彩色遥感数据及彩红外遥感数据。
进一步地,所述步骤5)中验证遥感数据的等效分辨率是否约等于GSD/n的方法是:
(1)不使用CCD错排波段,直接融合多光谱波段生成分辨率是GSD的遥感数据;
(2)在步骤4)中的遥感数据和步骤5)中的遥感数据中选择具备直线边缘的同一块地物;
(3)使用图像处理软件分别打开上述两种遥感数据,将图像窗口均缩放为1:1,选择标尺工具,分别量测出该地物直线边缘的长度L1和L2,若L2/L1≈n,则遥感数据的等效分辨率约等于GSD/n。
进一步地,所述步骤6)中验证遥感数据的相对几何精度的方法是:
(1)利用POS解算数据对步骤4)中的遥感数据进行几何校正,生成2级产品,在遥感图像处理平台中打开该2级产品的数据,选择合适波段组合显示;
(2)在2级产品的影像上选取特征直线作为检查线,按相等间隔选取检查线上的三个点作为检查点;根据这三个检查点的像素坐标(X1,Y1),(X2,Y2),(X3,Y3)按照下式进行直线拟合,计算得出直线参数(A,B,C):
AX+BY+C=0
(3)在检查线上另选N个检查点,按照下式计算N个检查点到直线AX+BY+C=0的距离:
Figure BDA0003954469470000051
式中,(xi,yi)是检查点在影像上的像素坐标;
(4)计算相对几何中误差:
Figure BDA0003954469470000052
若σ≤1,则遥感数据的相对几何精度≤1个像元,满足飞行任务几何精度指标验证要求;反之,则不满足指标要求。
由于采取了以上技术方案,本发明的优点在于:
1、实现一机多用,通过一次飞行,就可以获取多种遥感数据,取代传统航空遥感一机一用的行业模式;
2、实现时空一致性背景下的航空遥感作业,避免冗余飞行,减少飞行航线的同时,减少了飞机飞行时间、飞行架次、耗油量,减轻了空中作业强度、后期数据处理的难度,节省了成本,提高了作业效率;
3、解决遥感设备参数不全或参数变化等问题,可以生成一系列等效参数,如相对航高、旁向CCD个数、焦距、CCD像元大小、视场角和飞行航线数等,为后续的作业规划提供了基本保障;
4、飞行航线能够兼容不同的遥感设备,确保GSD指标、旁向重叠率指标、航线覆盖面积指标等同时满足要求。
附图说明
图1为本发明的基于航空遥感***的影像分辨率重建方法流程图;
图2为本发明的分辨率重建示意图;
图3为本发明的遥感设备中心投影示意图;
图4a,图4b,图4c为本发明的CCD错排波段及不同遥感设备的波段排列示意图;其中,图4a为遥感设备CCD阵列中的两个相同波段错位排列示意图;图4b为ADS80的两个全色波段和红、绿、蓝、近红外等多光谱波段排列示意图;图4c为ADS100的两个绿色波段和近红外、蓝、红等多光谱波段排列示意图。
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、完整的描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
参见图1,图2,图3,本发明的一种基于航空遥感***的影像分辨率重建方法,针对航空遥感***中的某些遥感设备(如ADS80、ADS100等)进行分辨率重建,提高其产品的分辨率,在同时满足航空遥感***中不同遥感设备指标要求(飞行高度、分辨率等)的情况下,实现对测区的一次性航空遥感作业(飞得高的话,航线数减少)。其步骤包括:
步骤1)根据航空遥感***的指标和飞行测区的地理环境计算遥感飞机最终的飞行绝对航高H;
其中,根据航空遥感***的指标确定遥感飞机的绝对航高最大高度HR(即遥感飞机能飞行的极限绝对高度);HR同时是遥感飞机的气压高度,其对应的GNSS高度HGNSS=HR+hGR,hGR=HGNSS-HR
其中,HR是已知值,hGR是遥感飞机的GNSS高度与气压高度的差值;
航空遥感***包括作业管理***、定位定向***(POS)和遥感设备,这些***和设备均配备了GNSS接收机,每个GNSS接收机解算出来的GNSS高度都不一样。在飞行过程中,对应的GNSS高度分别是hGNSS1,hGNSS2,……hGNSSn,其中,令:
Figure BDA0003954469470000071
其中,w是配备GNSS接收机的设备的数量,w≥3;
其中,根据航空遥感***的指标确定不同遥感设备的必要飞行相对航高h1,h2,h3……,比较这些高度值的大小,找出其中的最大值hmax,其中,hmax属于GNSS高度。
Figure BDA0003954469470000072
将Hmax作为遥感飞机最终的飞行相对航高;Hmax同时属于遥感飞机的GNSS高度;
其中,根据飞行测区的地理环境确定飞行测区的平均海拔高度h;
其中,计算遥感飞机最终的飞行绝对航高:
H=Hmax+h-hGR=Hmax+h-HGNSS+HR
H同时是最终的遥感飞机的气压高度。
气压高度和GNSS高度是两个完全不同的高度体系。气压高度是基于标准大气压,GNSS高度则是基于近似的椭球体,两者之间根据飞行时的大气环境不同,存在近似的线性差异。这种差异很难满足飞行安全的间隔。
当前航空业采用的高度基准是气压高度,从空域、仪表进离场程序的设计、到空中交通指挥等全部基于气压高度,因此遥感飞机的飞行高度就是气压高度,而航空遥感***中遥感设备采用的飞行高度则是GNSS高度,需要考虑两者的差异,用于后续计算。
步骤2)根据遥感飞机最终的飞行绝对航高H进行遥感飞行,获取航空遥感***中不同遥感设备对应的遥感数据;
步骤3)如图3所示,根据遥感飞机最终的飞行相对航高Hmax计算可以进行分辨率重建的遥感设备的影像分辨率GSD;
根据中心投影原理:
Figure BDA0003954469470000073
其中,f是航空遥感设备的焦距,a是遥感设备中的CCD像元大小,f,a均是常数;Hmax是相对航高,R是空间分辨率GSD。
那么,空间分辨率GSD为:
Figure BDA0003954469470000074
步骤4)进行分辨率重建,生成等效分辨率是GSD/n的遥感数据;n为遥感设备CCD像元大小与其等效CCD像元大小的比值取整之后的数值;
其中,使用遥感设备采集具备CCD错排波段的数据和红、绿、蓝、近红外等多光谱波段的数据;还可以采集近红外波段的数据用于后面和红、绿波段生成彩红外影像。加入这些波段的波长范围等参数。
其中,CCD错排波段是指遥感设备CCD阵列中的两个相同波段错位排列在一起,如图4a:
其中,所述遥感设备包括ADS80、ADS100等设备;
其中,ADS80可以采集具备CCD错排全色波段和红、绿、蓝、近红外等多光谱波段的数据,其波长范围分别是(465nm-680nm)、(608nm-662nm)、(533nm-587nm)、(428nm-492nm)、(833nm-887nm);
其中,ADS100可以采集具备CCD错排绿色波段和红、蓝、近红外等波段的数据,其波长范围分别是(525nm-585nm)、(619nm-651nm)、(435nm-495nm)、(808nm-882nm);
其中,ADS80的CCD错排全色波段和红、绿、蓝、近红外等多光谱波段的排列如图4b,两个全色波段错排在一起。
其中,ADS100的近红外、蓝、红和CCD错排绿色波段等多光谱波段的排列如图4c所示:两个绿色波段错排在一起。
其中,根据CCD错排波段的几何特征计算等效CCD的像元大小p1
其中,遥感设备的CCD像元大小是p0
如图2所示的是错排全色波段由一个ccd像元变成半个ccd像元的过程,即这半个像元对应的有全色、红绿蓝近红外五个波段,于是相当于用半个像元来采集数据了,因此分辨率得以提高一倍。具体来说,图2是当错排全色波段每走完一步,即从最左边的位置到走过四个小格的过程中,总会有一个小格被全红绿蓝近红外五个波段采集到,就像原来每一个大格被这五个波段采集到一样,相当于用这个小格即半个ccd像元来采集数据,所以提供了分辨率。如果小格是原来的1/3,即错位1/3格,分辨率就变成原来的1/3。此为一个像元大变小的过程,另一个过程就是全色与红绿蓝红外融合的过程。
其中,计算等效分辨率GSD/n的大小;
其中,
Figure BDA0003954469470000081
即n是整数,且n≥2。
其中,确定全灰度值范围和共同均值。其中全灰度值范围等于所有参于融合的波段的最大灰度值范围,共同均值位于全灰度值范围的中心;
其中,对所有参于融合的波段进行直方图标准化;
其中,计算所有参于融合的波段的平均灰度值、标准偏差和协方差矩阵等;
其中,根据各波段的平均灰度值和标准偏差,将各波段的直方图拉伸到全灰度值范围内;
其中,对于ADS80,利用选定的多光谱波段、全色波段和最小二乘法计算多光谱波段权重:
Figure BDA0003954469470000091
其中,m≤多光谱波段总数;PanOrig是参于融合的全色波段;
Figure BDA0003954469470000092
是用于模拟新全色影像的多光谱波段权重,/>
Figure BDA0003954469470000093
是经过多元回归分析和最小二乘法计算得出的;Multii是参于融合的多光谱波段,Multii对应不同的多光谱波段。
其中,对于ADS80,利用多光谱波段权重、参与融合的多光谱波段和加权最小二乘法生成新全色影像:
Figure BDA0003954469470000094
其中,m≤多光谱波段总数;NewPanSyn是参于融合的新全色波段,NewPanSyn与PanOrig有相似的灰度值,但两者不相等。
其中,对于ADS80,利用全色波段、一个或多个多光谱波段和新全色波段生成一个或多个融合的多光谱波段:
Figure BDA0003954469470000095
其中,k=1,2,3…,m,m≤多光谱波段总数;
其中,对于ADS80,根据CCD错排全色波段和融合的多光谱波段生成等效分辨率是GSD/n的真彩色遥感数据及彩红外遥感数据;对于ADS100,根据CCD错排绿色波段和直方图标准化的多光谱波段生成等效分辨率是GSD/n的真彩色遥感数据及彩红外遥感数据。
通常情况下,选择全色波段与其他多光谱波段进行融合的原因在于:
红、绿、蓝、近红外等四个多光谱波段的波长范围均比全色波段范围狭窄,因此,多光谱波段的光谱分辨率比全色波段的光谱分辨率高(光谱分辨率和波长相关,波长范围越小,光谱分辨率越高,就像刻度尺的精度一样),而光谱波长范围狭窄,必须使用较大的瞬时视场角(IFOV)才能获得足够的成像信噪比,所以其空间分辨率比全色波段低;另外,传感器是需要获得一定光能才能响应的,对于多光谱波段来说,传感器接收到光信号前会有一个分光的过程,将入射的白光分解成所需的红、绿、蓝光束和近红外光束,然后传感器才能分别接受这些光束,而对于全色波段来说,传感器摄取的是单波段,不存在分光过程。光的入射能量一致,分光后能量降低,所以多光谱波段对应的空间分辨率也随之降低了。
一幅遥感影像中,全色波段保留着空间分辨率,多光谱波段保留着光谱信息,各司其职,后期的遥感处理将两者融合在一起,便可以得到了既有高空间分辨率又有光谱分辨率的影像。
现在等效全色波段的空间分辨率进一步得以提高,于是融合生成的遥感影像的空间分辨率也随之提高。
步骤5)验证遥感数据的等效分辨率是否约等于GSD/n;
其中,不使用CCD错排波段,直接融合多光谱波段生成分辨率是GSD的遥感数据;
其中,在步骤4)中的遥感数据和步骤5)中的遥感数据中选择具备直线边缘的同一块地物;
其中,使用图像处理软件如Photoshop分别打开上述两种数据,将图像窗口均缩放为1:1,选择标尺工具,分别量测出该地物直线边缘的长度L1和L2,若L2/L1≈n,则遥感数据的等效分辨率约等于GSD/n。
步骤6)验证遥感数据的相对几何精度。
其中,利用POS解算数据对步骤4)中的遥感数据进行几何校正,生成2级产品,在ENVI中打开该2级产品数据,选择合适波段组合显示;
其中,在2级产品影像上选取特征直线如公路作为检查线,按相等间隔选取检查线上的三个点作为检查点。根据这三个检查点的像素坐标(X1,Y1),(X2,Y2),(X3,Y3)按照下式进行直线拟合,计算得出直线参数(A,B,C):
AX+BY+C=0
其中,在检查线上另选N个检查点,按照下式计算这些点到直线AX+BY+C=0的距离:
Figure BDA0003954469470000101
式中,(xi,yi)是检查点在影像上的像素坐标。
其中,计算相对几何中误差:
Figure BDA0003954469470000111
若σ≤1,则遥感数据的相对几何精度≤1个像元,满足飞行任务几何精度指标验证要求;反之,则不满足指标要求。
其中,所述步骤4)中的CCD是指电荷耦合器件,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,具有自扫描、感受波谱范围宽、畸变小、体积小、重量轻、***噪声低、功耗小、寿命长、可靠性高等一系列优点,并能做成集成度非常高的组合件。CCD由许多感光单位组成,通常以百万像素为单位。当CCD表面受到光线照射时,每个感光单位会将电荷反映在组件上,所有的感光单位所产生的信号加在一起,就构成了一幅完整的画面;
其中,所述步骤1)中选择相对航高Hmax作为最终实际飞行的相对航高,是因为飞得越高,航线越少,飞行所需的架次越少,有利于提高工作效率;同时飞得越高,越适合合成孔径雷达,虽然不适合可见光遥感设备,但可以通过所述步骤4)提高影像分辨率以抵消航高变高带来的分辨率下降问题。
其中,所述步骤3)中的遥感设备具备CCD错排波段,如错排全色波段或错排绿色波段,类似的遥感设备有ADS80或ADS100等。
CCD(Charge-coupled Device,电荷耦合元件)可以称为CCD图像传感器。CCD是一种半导体器件,能够把光学影像转化为数字信号。CCD上植入的微小光敏物质称作像素(Pixel)。一块CCD上包含的像素数越多,其提供的画面分辨率也就越高。CCD的作用就像胶片一样,但它是把图像像素转换成数字信号。CCD上有许多排列整齐的电容,能感应光线,并将影像转变成数字信号。经由外部电路的控制,每个小电容能将其所带的电荷转给它相邻的电容。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (6)

1.一种基于航空遥感***的影像分辨率重建方法,其特征在于,包括以下步骤:
步骤1)根据航空遥感***的指标和飞行测区的地理环境计算遥感飞机最终的飞行绝对航高H;
步骤2)根据遥感飞机最终的飞行绝对航高H进行遥感飞行,获取航空遥感***中不同遥感设备对应的遥感数据;
步骤3)根据遥感飞机最终的飞行相对航高Hmax计算进行分辨率重建的遥感设备的空间分辨率GSD;
步骤4)进行分辨率重建,生成等效分辨率是GSD/n的遥感数据;其中,n为遥感设备CCD像元大小与其等效CCD像元大小的比值取整之后的数值;
步骤5)验证遥感数据的等效分辨率是否约等于GSD/n;
步骤6)验证遥感数据的相对几何精度。
2.如权利要求1所述的一种基于航空遥感***的影像分辨率重建方法,其特征在于:所述步骤1)中计算遥感飞机最终的飞行绝对航高H的方法是:
(1)根据航空遥感***的指标确定遥感飞机的绝对航高最大高度HR,即遥感飞机能飞行的极限绝对高度;HR同时是遥感飞机的气压高度,其对应的GNSS高度HGNSS=HR+hGR,hGR=HGNSS-HR
其中,HR是已知值,hGR是遥感飞机的GNSS高度与气压高度的差值;
在飞行过程中,航空遥感***中的各个设备对应的GNSS高度分别是hGNSS1,hGNSS2,……hGNSSn,其中,令:
Figure FDA0003954469460000011
其中,w是配备GNSS接收机的设备的数量,w≥3;
(2)根据航空遥感***的指标确定不同遥感设备的必要飞行相对航高h1,h2,h3……,并比较其大小,找出其中的最大值hmax,其中,hmax属于GNSS高度;
Figure FDA0003954469460000012
将Hmax作为遥感飞机最终的飞行相对航高;Hmax同时属于遥感飞机的GNSS高度;
(3)根据飞行测区的地理环境确定飞行测区的平均海拔高度h;
(4)计算遥感飞机最终的飞行绝对航高:
H=Hmax+h-hGR=Hmax+h-HGNSS+HR
H同时是最终的遥感飞机的气压高度。
3.如权利要求2所述的一种基于航空遥感***的影像分辨率重建方法,其特征在于:所述步骤3)中计算进行分辨率重建的遥感设备的影像分辨率的方法是:
根据中心投影原理:
Figure FDA0003954469460000021
其中,f是航空遥感设备的焦距,a是遥感设备中的CCD像元大小,f,a均是常数;Hmax是相对航高,R是空间分辨率GSD;
那么,根据中心投影公式,空间分辨率GSD为:
Figure FDA0003954469460000022
4.如权利要求3所述的一种基于航空遥感***的影像分辨率重建方法,其特征在于:所述步骤4)中分辨率重建的方法是:
(1)使用遥感设备采集具备CCD错排波段的数据和包括红、绿、蓝、近红外在内的多光谱波段的数据;
其中,CCD错排波段是指遥感设备CCD阵列中的两个相同波段错位排列在一起,所述遥感设备包括ADS80或ADS100;所述ADS80采集具备CCD错排全色波段和包括红、绿、蓝、近红外在内的多光谱波段的数据,其波长范围分别是465nm-680nm、608nm-662nm、533nm-587nm、428nm-492nm、833nm-887nm;
所述ADS100采集具备CCD错排绿色波段和包括红、蓝、近红外在内的波段的数据,其波长范围分别是525nm-585nm、619nm-651nm、435nm-495nm、808nm-882nm;
所述ADS80的两个全色波段和包括红、绿、蓝、近红外在内的多光谱波段排列在一起,两个全色波段错排在一起;
所述ADS100的两个绿色波段和包括近红外、蓝、红在内的多光谱波段排列在一起,两个绿色波段错排在一起;
(2)根据CCD错排波段的几何特征计算等效CCD的像元大小p1
其中,遥感设备的CCD像元大小是p0
(3)计算等效分辨率GSD/n的大小;
其中,
Figure FDA0003954469460000031
即n是整数,且n≥2;
(4)确定全灰度值范围和共同均值;其中全灰度值范围等于所有参于融合的波段的最大灰度值范围,共同均值位于全灰度值范围的中心;
(5)对所有参于融合的波段进行直方图标准化;
(6)计算所有参于融合的波段的平均灰度值、标准偏差和协方差矩阵;
(7)根据各波段的平均灰度值和标准偏差,将各波段的直方图拉伸到全灰度值范围内;
(8)对于ADS80,利用选定的多光谱波段、全色波段和最小二乘法计算多光谱波段权重:
Figure FDA0003954469460000032
其中,m≤多光谱波段总数;PanOrig是参于融合的全色波段;
Figure FDA0003954469460000033
是用于模拟新全色影像的多光谱波段权重,/>
Figure FDA0003954469460000034
是经过多元回归分析和最小二乘法计算得出的;Multii是参于融合的多光谱波段,Multii对应不同的多光谱波段;
(9)对于ADS80,利用多光谱波段权重、参与融合的多光谱波段和加权最小二乘法生成新全色影像:
Figure FDA0003954469460000035
其中,m≤多光谱波段总数;NewPanSyn是参于融合的新全色波段,NewPanSyn与PanOrig有相似的灰度值,但两者不相等;
(10)对于ADS80,利用全色波段、一个或多个标准化多光谱波段和新全色波段生成一个或多个融合的多光谱波段:
Figure FDA0003954469460000036
其中,k=1,2,3…,m,m≤多光谱波段总数;
(11)对于ADS80,根据CCD错排全色波段和融合的多光谱波段生成等效分辨率是GSD/n的真彩色遥感数据及彩红外遥感数据;对于ADS100,根据CCD错排绿色波段和直方图标准化的多光谱波段生成等效分辨率是GSD/n的真彩色遥感数据及彩红外遥感数据。
5.如权利要求4所述的一种基于航空遥感***的影像分辨率重建方法,其特征在于:所述步骤5)中验证遥感数据的等效分辨率是否约等于GSD/n的方法是:
(1)不使用CCD错排波段,直接融合多光谱波段生成分辨率是GSD的遥感数据;
(2)在步骤4)中的遥感数据和步骤5)中的遥感数据中选择具备直线边缘的同一块地物;
(3)使用图像处理软件分别打开上述两种遥感数据,将图像窗口均缩放为1:1,选择标尺工具,分别量测出该地物直线边缘的长度L1和L2,若L2/L1≈n,则遥感数据的等效分辨率约等于GSD/n。
6.如权利要求5所述的一种基于航空遥感***的影像分辨率重建方法,其特征在于:所述步骤6)中验证遥感数据的相对几何精度的方法是:
(1)利用POS解算数据对步骤4)中的遥感数据进行几何校正,生成2级产品,在遥感图像处理平台中打开该2级产品的数据,选择合适波段组合显示;
(2)在2级产品的影像上选取特征直线作为检查线,按相等间隔选取检查线上的三个点作为检查点;根据这三个检查点的像素坐标(X1,Y1),(X2,Y2),(X3,Y3)按照下式进行直线拟合,计算得出直线参数(A,B,C):
AX+BY+C=0
(3)在检查线上另选N个检查点,按照下式计算N个检查点到直线AX+BY+C=0的距离:
Figure FDA0003954469460000041
式中,(xi,yi)是检查点在影像上的像素坐标;
(4)计算相对几何中误差:
Figure FDA0003954469460000042
若σ≤1,则遥感数据的相对几何精度≤1个像元,满足飞行任务几何精度指标验证要求;反之,则不满足指标要求。
CN202211458317.0A 2022-11-17 2022-11-17 一种基于航空遥感***的影像分辨率重建方法 Active CN115861136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211458317.0A CN115861136B (zh) 2022-11-17 2022-11-17 一种基于航空遥感***的影像分辨率重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211458317.0A CN115861136B (zh) 2022-11-17 2022-11-17 一种基于航空遥感***的影像分辨率重建方法

Publications (2)

Publication Number Publication Date
CN115861136A true CN115861136A (zh) 2023-03-28
CN115861136B CN115861136B (zh) 2023-09-19

Family

ID=85664444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211458317.0A Active CN115861136B (zh) 2022-11-17 2022-11-17 一种基于航空遥感***的影像分辨率重建方法

Country Status (1)

Country Link
CN (1) CN115861136B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934771A (zh) * 2019-03-08 2019-06-25 北京航空航天大学 基于循环神经网络的无监督遥感图像超分辨率重建方法
CN111637872A (zh) * 2020-05-14 2020-09-08 中国人民解放军空军预警学院 一种光学微小卫星可见光与红外双波段亚像元成像装置
US20200302249A1 (en) * 2019-03-19 2020-09-24 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Multi-Spectral Image Fusion Using Unrolled Projected Gradient Descent and Convolutinoal Neural Network
CN114034306A (zh) * 2022-01-07 2022-02-11 中国科学院空天信息创新研究院 一种基于航空遥感***的飞行航线设计方法
CN114936971A (zh) * 2022-06-08 2022-08-23 浙江理工大学 一种面向水域的无人机遥感多光谱图像拼接方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934771A (zh) * 2019-03-08 2019-06-25 北京航空航天大学 基于循环神经网络的无监督遥感图像超分辨率重建方法
US20200302249A1 (en) * 2019-03-19 2020-09-24 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Multi-Spectral Image Fusion Using Unrolled Projected Gradient Descent and Convolutinoal Neural Network
CN111637872A (zh) * 2020-05-14 2020-09-08 中国人民解放军空军预警学院 一种光学微小卫星可见光与红外双波段亚像元成像装置
CN114034306A (zh) * 2022-01-07 2022-02-11 中国科学院空天信息创新研究院 一种基于航空遥感***的飞行航线设计方法
CN114936971A (zh) * 2022-06-08 2022-08-23 浙江理工大学 一种面向水域的无人机遥感多光谱图像拼接方法及***

Also Published As

Publication number Publication date
CN115861136B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN111537515A (zh) 基于三维实景模型的铁塔螺栓缺陷展示方法和***
CN109443537B (zh) 一种基于多次像面的光谱成像仪
US20080050009A1 (en) Topographic measurement using stereoscopic picture frames
Cook et al. IKONOS technical performance assessment
US20230186503A1 (en) Method for troubleshooting hidden dangers of trees near power transmission lines by combining icesat-2 with jl-1 images
CN114034306B (zh) 一种基于航空遥感***的飞行航线设计方法
CN102163264B (zh) 一种高光谱数据质量与应用能力的评价方法
CN105403199B (zh) 基于无人机的毒品原植物种植侦测方法及***
CN111126203A (zh) 基于ndvi百分比匹配的浓密植被识别方法
Zaman et al. Retrieval of spectral reflectance of high resolution multispectral imagery acquired with an autonomous unmanned aerial vehicle
Nocerino et al. Geometric calibration and radiometric correction of the maia multispectral camera
CN106123915A (zh) 一种基于直接点扩散函数的气动退化图像复原***
CN113177512A (zh) 一种星星间交叉辐射定标的匹配阈值分析方法
Kerekes et al. Hyperspectral imaging systems
CN110689505B (zh) 一种基于场景的星载遥感仪器自适应校正方法和***
Huang et al. Design and demonstration of airborne imaging system for target detection based on area-array camera and push-broom hyperspectral imager
CN115861136B (zh) 一种基于航空遥感***的影像分辨率重建方法
Rodionov et al. Airborne hyperspectral systems for solving remote sensing problems
Minwalla et al. Flight test evaluation of a prototype optical instrument for airborne sense-and-avoid applications
Wang et al. A method for generating true digital orthophoto map of UAV platform push-broom hyperspectral scanners assisted by lidar
Liu et al. Remote sensing and scene reconstruction of traffic accident based on unmanned aerial vehicle platform
Xi et al. Ams-3000 large field view aerial mapping system: Basic principles and the workflow
CN117848503B (zh) 高精度目标三维复原的多谱段偏振智能探测装置及方法
Tian et al. Flight parameter setting of unmanned aerial vehicle hyperspectral load
Kerekes Optical sensor technology

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