熱紅外高光譜發射率模擬方法和系統的製作方法
2023-05-03 09:59:11
專利名稱:熱紅外高光譜發射率模擬方法和系統的製作方法
技術領域:
本發明涉及熱紅外遙感技術領域,特別是涉及一種熱紅外高光譜發射率模擬方法 和系統。
背景技術:
熱紅外遙感,是指通過紅外敏感元件,探測物體的熱輻射能量,顯示目標的輻射溫 度或熱場圖像的遙感技術的統稱,觀測波譜範圍為8.0 14μπι。目前,熱紅外遙感在農田 蒸散、土壤水分與旱情、城市熱環境遙感、森林火災監測等方面有了廣泛的應用。但由於傳 感器技術的限制,目前在軌熱紅外多光譜傳感器空間解析度和光譜解析度均較低。而熱紅 外遙感應用對熱紅外數據不斷提出更高的要求。目前國內外正在研製的熱紅外高光譜載 荷,需要地面的應用模型的預研究,進行載荷的指標論證,這就需要模擬熱紅外載荷數據, 通過模擬數據的應用研究,提出未來熱紅外高光譜載荷的具體光譜指標、信噪比、空間分辨 率等,根據不同的應用目的,提供最佳的載荷設計指標,供載荷研製部門參考。衛星遙感數據模擬的理論及技術的研究對於航天遙感器的設計及遙感應用模型 的開發、驗證具有重要的意義。國外在新衛星發射之前,都要進行相當長時間的衛星數據模 擬、驗證,並利用模擬數據進行應用模型的開發、綜合評價,用來對衛星設計的各項參數進 行有效性評價,然後以應用為導向,對衛星傳感器的有關設計參數進行修改。近幾年來,由 於我國對空間技術產業的重視和投入的加大,衛星數據模擬技術的理論與模型的研究受到 了普遍重視。高光譜衛星數據的模擬又是目前衛星數據模擬的重點研究方向,其中,由低光 譜解析度到高光譜解析度的成像模擬,目前一般採用光譜填圖的方式得到高光譜信息,這 種方法一方面需要大量的光譜資料庫信息,另一方面,得到的模擬影像是分類影像。基於生 物參量模型的光譜模擬方法需要大量成像幾何物理參數,運行速度慢。基於高光譜星載數 據源的高光譜模擬方法的缺點是數據源不能保障,且費用高,時間解析度低。目前,迫切需 要一種快速、有效的方法來實現高光譜數據的模擬。遙感圖像模擬技術是在遙感理論模型、遙感先驗知識及現有遙感圖像的基礎上, 通過數學物理計算,獲取特定條件下的模擬圖像的技術。實際上是通過對遙感成像過程中 不同因素對能量傳輸的影響進行分析,來探討改正和模擬這些影響的方法。遙感模擬圖像 不僅可以用來比較不同傳感器系統的差異,而且可以用來對新傳感器的性能進行模擬研 究。國外在遙感圖像模擬方面研究的比較早,並且開發完成了一些遙感圖像模擬軟體,用來 對傳感器設計參數進行評價與驗證。比較成功的模擬軟體產品如下1)美國新墨西哥州的PRA(Photon Research Associates)公司開發的圖像模擬軟 件GCI Toolkit,能夠適用於多雲、海洋和內陸等不同的氣象或地形條件。2)美國羅切斯特理工大學的數字圖像與遙感(WRS)實驗室研發的數字成像與遙 ^ ft^) IlM (DIRSIG,Digital Image and Remote Sensing Image Generation), ^tM C++語言編寫而成,隨後這個模型得到了不斷的完善和發展,最終形成了 DIRSIG 4. 0. 5軟 件。DIRSIG主體是由一系列基於輻射傳輸理論的子模型組成,可用於模擬可見光到熱紅外範圍內的圖像。幻德國宇航中心(DLR)設計的光學遙感系統模擬軟體SENSOR (Software Environment for the Simulation of Optical Remote Sensing systems),其設計思路是 採用模擬光學遙感系統成像過程的方法,模擬出傳感器在假定環境下的光學圖像,參與傳 感器系統優化分析。此外,歐空局的SPECTRA項目中,也開發了一套基於VB的遙感圖像仿真模擬軟體 SLC。以上國外遙感圖像模擬軟體中,德國航天中心和瑞士蘇黎世大學聯合開發的高光 譜成像儀仿真系統軟體SENS0R,可以實現高光譜遙感圖像的模擬。該軟體已成功應用於歐 空局的項目APEX (Airborne PRISM Experiment),其模擬數據在機載成像光譜儀的性能指 標驗證和數據處理算法開發中發揮了重要的作用。但它所採用的高光譜模擬方法仍然是基 於光譜填圖的思想。
發明內容
(一)要解決的技術問題 本發明要解決的技術問題是提供一種針對8. 0 14 μ m波譜範圍,基於熱機載光 譜成像儀(Thermal Airborne Spectrographic Imager, TASI)多光譜熱紅外發射率數據的 熱紅外高光譜發射率光譜模擬方法和系統,克服現有技術中遙感數據的獲取受到傳感器技 術的限制,以及高光譜解析度、高空間解析度及高信噪比不能同時保證的問題,並為載荷指 標論證提供熱紅外高光譜發射率模擬數據源。(二)技術方案為了解決上述技術問題,本發明提供一種熱紅外高光譜發射率模擬方法,其包括 以下過程Sl 利用熱紅外多光譜傳感器獲取多光譜發射率原始影像數據,對該數據進行溫 度與發射率分離,獲得低維多光譜發射率影像數據;S2:從影像中選擇地物類型,利用熱紅外多光譜傳感器獲取所述地物類型所對應 的連續光譜數據;S3 利用獲取的所述連續光譜數據建立正交變換的高維標準基向量;S4:利用所述高維標準基向量生成分別與所述熱紅外多光譜傳感器的波段對應的 低維基向量和高維標準基向量;S5:將所述低維基向量作為特徵提取係數矩陣,對所述特徵提取係數矩陣與所述 低維多光譜發射率影像數據進行模式分解,即矩陣偽逆運算,獲得與所述多光譜發射率原 始影像各像元對應的地物特徵參量矩陣;S6:將地物特徵參量矩陣與所述高維標準基向量進行矩陣運算,模擬得到與所述 多光譜發射率原始影像各像元對應的各波段的高光譜信息。上述熱紅外高光譜發射率模擬方法中,所述過程S3具體包括利用熱紅外多光譜傳感器獲取的熱紅外光譜範圍內的所述連續光譜數據進行歸 一化處理,得到不同種影像地物的標準化參考光譜,作為正交變換的高維標準基向量,其 中,歸一化處理的歸一式為
糊綱其中,k代表地物類型的種類,Rk(A)為不同種影像地物光譜發射率, / Rk(A) IdA表示在連續波長範圍內求光譜發射率之和,Pk(A)為影像地物發射率在連 續波段上的歸一化結果。上述熱紅外高光譜發射率模擬方法中,所述過程S4和S5具體包括從所述高維標準基向量中,生成與所述熱紅外多光譜傳感器的波段對應的低維基 向量,作為特徵提取係數矩陣MiXk,其矩陣元素為
("ΡΛ^λPlk=^i——其中,i代表所述熱紅外多光譜傳感器的不同波段,λ si和λ ei分別為波段i的起 始波長和終止波長,為波段i的波長寬度;將所述特徵提取係數矩陣與所述低維多光譜發射率影像數據按式Ckxn = (MiXkTMiXk)-1MixkWixn進行矩陣偽逆運算,提取所述多光譜發射率原始影像數據中各像元的 地物特徵參量矩陣;其中,Iiixn為所述多光譜原始影像數據的發射率矩陣,列數η為影像的總像素數, Ckxn即為得到的地物特徵參量矩陣。上述熱紅外高光譜發射率模擬方法中,所述過程S6具體包括將所述地物特徵參量矩陣與所述高維標準基向量按式Rmxn = HmxkCkxn進行矩陣運 算,得到與所述多光譜發射率原始影像各像元對應的高光譜信息;其中,Hmxk為所述高維標準基向量組成的矩陣,m代表所述熱紅外多光譜傳感器的 波段數,Rmxn為模擬得到的m個波段η個像素的高光譜影像立方體。上述熱紅外高光譜發射率模擬方法中,所述影像地物類型包括建築物、植被、水和土壤。本發明還提供了一種熱紅外高光譜發射率模擬系統,其包括熱紅外多光譜傳感器,用於獲取多光譜發射率原始影像數據;影像地物發射率數據單元,其包括不同種類影像地物的連續光譜數據;數據處理裝置,分別與所述熱紅外多光譜傳感器和所述影像地物發射率數據單元 連接,利用所述影像地物連續光譜數據在所述多光譜發射率原始影像數據中提取各像元的 地物特徵參量,再利用所述地物特徵參量構建重構變換矩陣,進行光譜重構,模擬獲取高光 譜{曰息ο上述熱紅外高光譜發射率模擬系統中,所述數據處理裝置進一步包括數據預處理單元,對所述多光譜發射率原始影像數據進行溫度與發射率分離,獲 得低維多光譜發射率影像數據,作為低維多光譜數據輸入;影像地物選擇單元,結合應用目的和原始影像地物類別,選擇影像地物類型,獲得 所選擇的影像地物在熱紅外光譜範圍內的光譜發射率數據;歸一化單元,與所述影像地物選擇單元連接,利用熱紅外光譜範圍內的所述連續光譜數據進行歸一化處理,得到不同種影像地物的標準化參考光譜,作為正交變換的高維 標準基向量;低維化單元,與所述歸一化單元連接,根據所述高維標準基向量生成與所述熱紅 外多光譜傳感器的波段對應的低維基向量,作為特徵提取係數矩陣;通用光譜分解單元,分別與所述數據預處理單元和所述低維化單元連接,將所述 特徵提取係數矩陣與所述低維多光譜發射率影像數據進行矩陣偽逆運算,得到地物特徵參
量矩陣;高維化單元,與所述通用光譜分解單元連接,根據所述高維標準基向量生成與所 述熱紅外多光譜傳感器的波段對應的高維基向量,作為高維模擬轉換係數矩陣;模擬單元,與所述高維化單元連接,將所述高維模擬轉換係數矩陣與地物特徵參 量矩陣進行矩陣運算,得到與所述低維多光譜發射率影像數據中各像元對應的、與所述熱 紅外多光譜傳感器波段一致的高光譜信息。上述熱紅外高光譜發射率模擬系統中,所述熱紅外多光譜傳感器的光譜範圍為 8. 0 14 μ m。(三)有益效果上述技術方案可以從熱紅外TASI多光譜發射率數據及其它熱紅外多光譜衛星遙 感數據中重構得到連續的具有較高光譜解析度的高光譜數據,在滿足原始多光譜遙感數據 具有的高空間解析度、高信噪比的同時,提高了多光譜數據的光譜解析度。
圖1為本發明實施例的熱紅外高光譜發射率模擬方法的流程圖;圖2為本發明實施例的TASI多光譜發射率原始影像某一像元的光譜;圖3為利用圖1所述方法獲得的對應像元的模擬發射率光譜;圖4對圖2和圖3數據進行對比,其中,覆蓋32個波段的波譜曲線對應的是原始 TASI多光譜發射率數據,覆蓋61個波段的波譜曲線對應的是經過模擬處理後該像元對應 的高光譜發射率光譜;圖5為本發明實施例的基於TASI影像的熱紅外高光譜發射率模擬系統結構圖。
具體實施例方式下面結合附圖和實施例,對本發明的具體實施方式
作進一步詳細描述。以下實施 例用於說明本發明,但不用來限制本發明的範圍。圖1示出了本發明實施例的模擬方法的流程圖,如圖所示,本實施例的熱紅外高 光譜發射率模擬方法包括以下過程本實施例中,熱紅外多光譜傳感器選用TASI傳感器。Si、利用TASI傳感器獲取所述TASI多光譜發射率原始影像數據,並對該數據進行 溫度與發射率分離,從而獲得TASI低維多光譜發射率影像數據;圖2為TASI多光譜發射率原始影像數據中某一像元的光譜,由於TASI原始影像 只有32個波段,因此其光譜表現為折線形式,圖中橫軸是波段編號,縱軸表示發射率。S2、以城市熱能耗監測為目的,選擇影像地物類型,利用熱紅外多光譜傳感器獲取所述影像地物類型所對應的連續光譜數據;本實施例所選用的TASI數據是以城市熱能耗監測為目的,獲取的是石家莊城市 數據,城市裡的主要地物類型是房屋、植被、水和土壤,所以從已有典型地物發射率波譜庫 獲取植物、水、土壤、水泥這四種不同典型地物的連續光譜數據,作為後續正交子空間投影 變換的基礎。本實施例中所述的TASI低維多光譜發射率影像數據通常指維數不超過10。S3、利用獲取的地物連續光譜數據建立正交變換的高維標準基向量;對波長範圍為8 14 μ m的地物連續光譜數據進行歸一化處理/ |Pk(A)|cU = / dA (k = w, V, s,c ;分別代表水、植被、土壤和水泥)上式中,PkU)的計算方法如下
權利要求
1.一種熱紅外高光譜發射率模擬方法,其特徵在於,包括以下過程51利用熱紅外多光譜傳感器獲取多光譜發射率原始影像數據,對該數據進行溫度與 發射率分離,獲得低維多光譜發射率影像數據;52從影像中選擇地物類型,利用熱紅外多光譜傳感器獲取所述地物類型所對應的連 續光譜數據;53利用獲取的所述連續光譜數據建立正交變換的高維標準基向量;S4:利用所述高維標準基向量生成分別與所述熱紅外多光譜傳感器的波段對應的低維 基向量和高維標準基向量;S5:將所述低維基向量作為特徵提取係數矩陣,對所述特徵提取係數矩陣與所述低維 多光譜發射率影像數據進行模式分解,即矩陣偽逆運算,獲得與所述多光譜發射率原始影 像各像元對應的地物特徵參量矩陣;S6:將地物特徵參量矩陣與所述高維標準基向量進行矩陣運算,模擬得到與所述多光 譜發射率原始影像各像元對應的各波段的高光譜信息。
2.如權利要求1所述的熱紅外高光譜發射率模擬方法,其特徵在於,所述過程S3具體 包括利用熱紅外多光譜傳感器獲取的熱紅外光譜範圍內的所述連續光譜數據進行歸一化 處理,得到不同種影像地物的標準化參考光譜,作為正交變換的高維標準基向量,其中,歸 一化處理的歸一式為 \ λ眷^!聊其中,k代表地物類型的種類,&( λ)為不同種影像地物光譜發射率,/ Rk(A)dA表 示在連續波長範圍內求光譜發射率之和,Pk(A)為影像地物發射率在連續波段上的歸一化結果。
3.如權利要求2所述的熱紅外高光譜發射率模擬方法,其特徵在於,所述過程S4和S5 具體包括從所述高維標準基向量中,生成與所述熱紅外多光譜傳感器的波段對應的低維基向 量,作為特徵提取係數矩陣MiXk,其矩陣元素為K其中,i代表所述熱紅外多光譜傳感器的不同波段,λ si和λ ei分別為波段i的起始波 長和終止波長,f'&為波段i的波長寬度;將所述特徵提取係數矩陣與所述低維多光譜發射率影像數據按式Ckxn = (MiXkTMiXk)-1MixkTOixn進行矩陣偽逆運算,提取所述多光譜發射率原始影像數據中各像元的 地物特徵參量矩陣;其中,Rixn為所述多光譜原始影像數據的發射率矩陣,列數η為影像的總像素數,Ckxn 即為得到的地物特徵參量矩陣。
4.如權利要求3所述的熱紅外高光譜發射率模擬方法,其特徵在於,所述過程S6具體包括將所述地物特徵參量矩陣與所述高維標準基向量按式Rmxn = HmxkCkxn進行矩陣運算, 得到與所述多光譜發射率原始影像各像元對應的高光譜信息;其中,Hmxk為所述高維標準基向量組成的矩陣,m代表所述熱紅外多光譜傳感器的波段 數,Rmxn為模擬得到的m個波段η個像素的高光譜影像立方體。
5.如權利要求1-4任一項所述的熱紅外高光譜發射率模擬方法,其特徵在於,所述地 物類型包括建築物、植被、水和土壤。
6.一種熱紅外高光譜發射率模擬系統,其特徵在於,包括 熱紅外多光譜傳感器,用於獲取多光譜發射率原始影像數據; 影像地物發射率數據單元,其包括不同種類影像地物的連續光譜數據;數據處理裝置,分別與所述熱紅外多光譜傳感器和所述影像地物發射率數據單元連 接,利用所述影像地物連續光譜數據在所述多光譜發射率原始影像數據中提取各像元的地 物特徵參量,再利用所述地物特徵參量構建重構變換矩陣,進行光譜重構,模擬獲取高光譜 fn息ο
7.如權利要求6所述的熱紅外高光譜發射率模擬系統,其特徵在於,所述數據處理裝置進一步包括數據預處理單元,對所述多光譜發射率原始影像數據進行溫度與發射率分離,獲得低 維多光譜發射率影像數據,作為低維多光譜數據輸入;影像地物選擇單元,結合應用目的和原始影像地物類別,選擇影像地物類型,獲得所選 擇的影像地物在熱紅外光譜範圍內的光譜發射率數據;歸一化單元,與所述影像地物選擇單元連接,利用熱紅外光譜範圍內的所述連續光譜 數據進行歸一化處理,得到不同種影像地物的標準化參考光譜,作為正交變換的高維標準 基向量;低維化單元,與所述歸一化單元連接,根據所述高維標準基向量生成與所述熱紅外多 光譜傳感器的波段對應的低維基向量,作為特徵提取係數矩陣;通用光譜分解單元,分別與所述數據預處理單元和所述低維化單元連接,將所述特徵 提取係數矩陣與所述低維多光譜發射率影像數據進行矩陣偽逆運算,得到地物特徵參量矩 陣;高維化單元,與所述通用光譜分解單元連接,根據所述高維標準基向量生成與所述熱 紅外多光譜傳感器的波段對應的高維基向量,作為高維模擬轉換係數矩陣;模擬單元,與所述高維化單元連接,將所述高維模擬轉換係數矩陣與地物特徵參量矩 陣進行矩陣運算,得到與所述低維多光譜發射率影像數據中各像元對應的、與所述熱紅外 多光譜傳感器波段一致的高光譜信息。
8.如權利要求6或7所述的熱紅外高光譜發射率模擬系統,其特徵在於,所述熱紅外多 光譜傳感器的光譜範圍為8. 0 14 μ m。
全文摘要
本發明公開了一種熱紅外高光譜發射率模擬方法和系統,利用所述影像地物連續光譜數據在所述TASI多光譜發射率原始影像數據中提取各像元的地物特徵參量,再利用所述地物特徵參量構建重構變換矩陣,進行光譜重構,模擬獲取熱紅外高光譜信息。本發明可以從熱紅外TASI多光譜發射率數據及其它熱紅外多光譜衛星遙感數據中模擬得到連續的具有較高光譜解析度的熱紅外高光譜數據,在滿足原始多光譜遙感數據具有的高空間解析度、高信噪比的同時,得到了高光譜解析度的熱紅外數據。
文檔編號G01S17/89GK102073039SQ20101058221
公開日2011年5月25日 申請日期2010年12月6日 優先權日2010年12月6日
發明者張立福, 楊杭, 王晉年, 童慶禧, 陳小平 申請人:中國科學院遙感應用研究所