专利名称：无人机光学遥感影像数据处理方法及装置的利记博彩app
技术领域：
本发明涉及一种遥感影像数据处理方法，具体地涉及一种无人机光学遥感影像数据处理方法。本发明还涉及一种实现上述方法的装置。
背景技术：
自上世纪60年代民用空间对地观测技术发展以来，遥感载荷技术正朝着追求高分辨率和应用实用化的方向发展。无人机遥感作为一种新型的遥感数据获取手段，具有续航时间长、影像实时传输、高危地区探测、成本低、高分辨率、机动灵活等优点，是卫星遥感与有人机航空遥感的有力补充，可广泛应用于国家生态环境保护、矿产资源勘探、海洋环境 监测、土地利用调查和国土资源监测等领域。因此，无人机遥感已经成为世界各国争相研究的热点课题，现已逐步从研究开发发展到实际应用阶段，将成为未来主要航空遥感技术之
o遥感反演地表参数的精度是衡量遥感载荷应用性能的重要方面，对于地表参数反演，机载和星载的主要区别是传感器测得的辐射受到大气层的影响不一样，对于机载传感器，地物的反射辐射和发射辐射仅受到从地面到飞机飞行高度这一层大气的影响，而星载传感器受到了整个大气层的影响。目前，利用机载遥感技术反演地表反射率，难点主要在大气校正、双向反射分布函数校正、邻近效应校正三个方面，特别是邻近效应校正，由于机载数据的空间分辨率高，因而邻近效应的影响更为显著。在机载数据的大气水汽反演方面，由于仅受到从地表到飞机飞行高度这一层大气的影响，需要进行从地表到飞机飞行高度这一层的大气水汽到整个大气层大气水汽的转换。目前关于地表温度的机载遥感反演算法，可以根据传感器通道数的不同，划分为单通道算法、分裂窗算法和多通道算法。然而，利用传感器探测到的地物发射辐射推断出相应的地表温度和比辐射率却非常棘手。其中地表温度和通道比辐射率都是待求参数，但是N个通道观测的热辐射却对应N+1个未知数(N个通道比辐射率和I个地表温度)，由此导致地表温度和比辐射率的反演成为一个欠定问题。
发明内容
本发明的目的在于提供一种无人机光学遥感影像数据处理方法。本发明的又一目的在于提供一种用于实现上述方法的装置。为实现上述目的，本发明提供的无人机光学遥感影像数据处理方法，其步骤包括A)无人机光学遥感影像数据预处理；B)对无人机光学遥感影像数据进行大气水汽反演，得到大气水汽含量产品；C)利用步骤B的大气水汽含量产品，对无人机光学遥感影像数据进行地表反射率反演，得到地表反射率产品；D)利用步骤B的大气水汽含量产品和步骤C的地表反射率产品，对无人机光学遥感影像数据进行地表温度反演，得到地表温度产品。所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行预处理过程是(I)根据影像数据本身，对无人机光学遥感影像数据进行相对辐射定标，消除由于各个探测元的响应差异在影像上产生的条纹；(2)根据无人机传感器的辐射定标系数，对无人机光学遥感影像数据进行绝对辐射定标，将影像灰度值转换为辐射亮度。所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行大气水汽反演过程是(I)根据水汽通道和相邻两个大气窗口通道的辐射亮度计算比值指数；
(2)根据比值指数和拟合系数计算大气斜程水汽；(3)根据大气斜程水汽和大气水汽比计算大气垂直水汽。所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行地表反射率反演过程是(I)根据气溶胶光学厚度、大气水汽含量、飞行高度、地表高程、太阳天顶角、观测天顶角和相对方位角参数及大气参数查找表，计算得到朗伯均一地表反射率；(2)根据朗伯均一地表反射率计算得到周围环境平均地表反射率；(3)根据朗伯均一地表反射率和周围环境平均反射率逐像元计算得到朗伯非均一地表反射率；(4)根据步骤3得到的朗伯非均一地表反射率再计算周围环境平均地表反射率，重复步骤2和步骤3进行迭代，直到两次计算的朗伯非均一地表反射率之差小于设定的阈值，迭代结束。所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行地表温度反演过程是(I)根据普朗克函数将辐射亮度转换为亮度温度；(2)根据地表反射率计算归一化植被指数，并计算植被覆盖度；(3)根据归一化植被指数和植被覆盖度计算地表比辐射率；(4)根据地表比辐射率、大气水汽含量和亮度温度计算地表温度。本发明提供的实现上述方法的装置，其包括数据预处理模块进行相对辐射定标和绝对辐射定标；以及
大气水汽反演模块计算大气水汽含量；以及地表反射率反演模块计算地表反射率；以及地表温度反演模块计算地表温度。本发明的无人机光学遥感影像数据处理方法是通过大气水汽比来实现从地表到飞机飞行高度这一层的大气水汽到整个大气层的大气水汽的转换。本发明的无人机光学遥感影像数据处理方法是通过对朗伯均一地表反射率进行迭代来实现邻近效应校正，得到精度更高，更接近真实值的朗伯非均一地表反射率。本发明的无人机光学遥感影像数据处理方法是通过建立普适性分裂窗算法来实现不需要辅助数据只从数据本身对热红外数据进行大气校正。
本发明的无人机光学遥感影像数据处理装置是通过数据预处理模块、大气水汽反演模块、地表反射率反演模块和地表温度反演模块来实现从可见光到热红外光谱范围的大气和地表参数的一体化反演，具有操作简单、实用性强、精度高及可扩展性的特点。
图I是本发明无人机光学遥感影像数据处理流程示意图。图2是本发明无人机大气水汽反演算法系数拟合流程示意图。图3是本发明无人机大气水汽含量反演流程示意图。图4是本发明无人机可见光及近红外地表反射率反演流程示意图。图5是本发明无人机热红外地表比辐射率计算流程示意图。
图6是本发明采用的普适性分裂窗算法系数拟合流程示意图。图7是本发明无人机热红外地表温度反演流程示意图。
具体实施例方式本发明提供的无人机光学遥感影像数据处理方法包括数据预处理模块、大气水汽反演模块、地表反射率反演模块、地表温度反演模块。I、数据预处理模块(I)相对辐射定标相对辐射定标是通过调整每个探测元的响应值，消去偏移值带来的影响，将各个探测元的输出值调整到同一个基准上，使各个探测元对相同的输入产生相同的输出值Y= (X- U ^ O r/ O j+ u r (I)式中，X和Y为变换前后的影像灰度值；U i为第i列影像灰度值的平均值；O i为第i列影像灰度值的标准差；U r为整幅图像影像灰度值的平均值；O ^为整幅图像影像灰度值的标准差。(2)绝对辐射定标无人机传感器获取的数据为影像灰度值，需要经过辐射定标将影像灰度值转换为辐射亮度Lsensor = DN*gain+offset (2)式中,DN为影像灰度值；LsensOT为福射亮度,单位为WnT2Sr4 ii nT1 ;gain和offset分别为增益值和偏移值，单位为WnT2Si^1 y m_i。2、大气水汽反演模块(I)大气水汽反演算法通过940nm处的水汽通道及其两侧的大气窗口通道来计算比值指数Rindex Rtndex =~^~— (3)
WrlLrl+Wr2Lr2
X— XX — X其中， =—/ 和 =/。
wr2wrlwr2wrl式中，Lm为水汽通道的辐射亮度；Lrt和Lrf为大气窗口通道的辐射亮度；wrt和Wt2为权重系数；、ffl为水汽通道的中心波长八和X u为大气窗口通道的中心波长。
通过比值指数Rindex计算大气水汽含量Wp Rindex = exp (_a+b (Wp)c) (4)式中，a、b和c为拟合系数。(2)拟合系数的确定从ASTER波谱库(URL http://speclib. jpl. nasa. gov/)中选取 6 条地物波谱,包括裸土、植被、雪和沙，给定不同的地表和大气条件以及太阳和观测几何，利用大气辐射传输模型M0DTRAN，模拟得到不同大气和地表条件下水汽通道和大气窗口通道的辐射亮度，通过公式(3)计算得到比值指数Rindex。根据比值指数Rindex和模拟时输入的大气水汽含量，通过公式⑷拟合得到系数a，b和c (如图2所示)。(3)斜程水汽到垂直水汽的转换
从公式(4)得到的大气水汽含量为斜程水汽，要得到垂直水汽，需要经过斜程水汽到垂直水汽的转换。与星载传感器不同，无人机传感器接收到的来自地物的反射辐射仅受到从地表到飞机飞行高度这一层大气的影响，而星载传感器受到了整个大气层的影响。因此，无人机传感器的斜程水汽Wp表示为
W W,、Wp=~v— + ~h— (5)
cos Os cos Ov式中，Wv为从太阳到地表路径上的垂直水汽；Wh为从地表到无人机传感器路径上的垂直水汽；0 s为太阳天顶角；0 v为观测天顶角。大气水汽比Rw定义为从大气层顶到某一高度上的垂直水汽与从大气层顶到地表的垂直水汽之比 (6)
L 」 w W W
Vv式中，Ws为从大气层顶到无人机传感器高度上的垂直水汽。根据斜程水汽Wp和大气水汽比Rw，从太阳到地表路径上的垂直水汽Wv表示为
W
W =-^- (7)v I , I-Rw
cosOs cosOv大气水汽含量反演流程如图3所示，其步骤为I)根据公式(3)，通过无人机传感器940nm处的水汽通道和相邻两个大气窗口通
道的辐射亮度计算比值指数Rindex。2)根据公式⑷，通过比值指数Rindrai和拟合系数a，b和c计算斜程水汽Wp。3)根据公式(7)，通过斜程水汽Wp和水汽比Rw计算大气垂直水汽Wv。3、地表反射率反演模块(I)大气参数查找表从无人机传感器获得的辐射亮度转换为地表反射率需要经过大气校正。利用大气辐射传输模型逐像元进行大气校正是非常复杂的计算，需要占用大量的计算机时间和资源，所以要在业务化运行系统中实时地调用大气辐射传输模型几乎是不可能的，查找表可用于解决这个矛盾。根据无人机机载传感器的特性，基于大气辐射传输模型M0DTRAN，建立以气溶胶光学厚度、大气水汽含量、飞行高度、地表高程、太阳天顶角、观测天顶角和相对方位角为索引的多维大气参数查找表。表I为大气参数查找表的模型输入参数的设置。表I大气参数查找表的模型输入参数设置
模型输入参数 #1 #2 #3 #4 #5 #6 #7 #8-
气溶胶光学厚度 0.05 0.1 0.3 0.6 1.0 1.5 — —
水汽含量(g.cm-2)0.10.51.52.53.55——
传感器高度(km)1234567—
地表闻程(km)00.5I1.522.5——
观测天顶角(°)033.6——————
太阳天顶角(°)010203040506070
相对方位角(°)0306090120150180—(2)大气校正基于朗伯均一地表假定，传感器所接收的辐射亮度Lsenstff表示为
MsE0Psl「+ td [/Is )1「e吻' + td (//v )1L =L +L-WJL-V；J (9)
semor p式中 为大气层顶的太阳辐照度；S为大气半球反射率为从太阳到地表路径上的直射透过率；U s = cos e s为太阳天顶角0 s的余弦值为从地表到传感器路径上的直射透过率；yv = cos ev为观测天顶角ev的余弦值；T为大气光学厚度；td(Us)为从太阳到地表路径上的散射透过率v)为从地表到传感器路径上的散射透过率；LP为大气路径辐射；P sl为朗伯均一地表反射率。通过公式(9)可以看出，从传感器所接收的辐射亮度Lsmsm反演得到朗伯均一地表反射率P sl需要知道6个大气参数e-*、e-七、td( ii s)、td( ii v)、LP和S。这6个大气参数与地表无关，只与大气状况有关。大气层顶的太阳辐照度Etl可以通过大气层顶的太阳辐照度曲线与传感器的通道响应函数卷积计算得到。根据6个大气参数W、e-七、td (ii s)、td (ii v)、Lp和S，朗伯均一地表反射率P sl表示为Psl = —,-r-(「一——4~ nr _ ----r (10)
冗[Lsemor ~LP)S + ^lsE0 [e-T + td [/Is)][e-T A + (从)](3)大气参数计算给定地表反射率P : = O、P 2 = 0. 5和P3 = I. 0，运行3次M0DTRAN可以得到以下参数 从地表到传感器路径上的直射透过率从地表到传感器路径上的直射透过率ft可以通过M0DTRAN输出的结果与传感器的通道响应函数卷积得到。 从太阳到地表路径上的直射透过率
根据公式
权利要求
1.一种无人机光学遥感影像数据处理方法，其步骤包括 A)无人机光学遥感影像数据预处理； B)对无人机光学遥感影像数据进行大气水汽反演，得到大气水汽含量产品； C)利用步骤B的大气水汽含量产品，对无人机光学遥感影像数据进行地表反射率反演，得到地表反射率产品； D)利用步骤B的大气水汽含量产品和步骤C的地表反射率产品，对无人机光学遥感影像数据进行地表温度反演，得到地表温度产品。
2.根据权利要求I所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行预处理过程是 (1)根据影像数据本身，对无人机光学遥感影像数据进行相对辐射定标，消除由于各个探测元的响应差异在影像上产生的条纹； (2)根据无人机传感器的辐射定标系数，对无人机光学遥感影像数据进行绝对辐射定标，将影像灰度值转换为辐射亮度。
3.根据权利要求I所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行大气水汽反演过程是 (1)根据水汽通道和相邻两个大气窗口通道的辐射亮度计算比值指数； (2)根据比值指数和拟合系数计算大气斜程水汽； (3)根据大气斜程水汽和大气水汽比计算大气垂直水汽。
4.根据权利要求I所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行地表反射率反演过程是 (1)根据气溶胶光学厚度、大气水汽含量、飞行高度、地表高程、太阳天顶角、观测天顶角和相对方位角参数及大气参数查找表，计算得到朗伯均一地表反射率； (2)根据朗伯均一地表反射率计算得到周围环境平均地表反射率； (3)根据朗伯均一地表反射率和周围环境平均反射率逐像元计算得到朗伯非均一地表反射率； (4)根据步骤3得到的朗伯非均一地表反射率再计算周围环境平均地表反射率，重复步骤2和步骤3进行迭代，直到两次计算的朗伯非均一地表反射率之差小于设定的阈值，迭代结束。
5.根据权利要求I所述的无人机光学遥感影像数据处理方法，其中，对无人机光学遥感影像数据进行地表温度反演过程是 (1)根据普朗克函数将辐射亮度转换为亮度温度； (2)根据地表反射率计算归一化植被指数，并计算植被覆盖度； (3)根据归一化植被指数和植被覆盖度计算地表比辐射率； (4)根据地表比辐射率、大气水汽含量和亮度温度计算地表温度。
6.一种实现权利要求I所述方法的装置，其包括 数据预处理模块进行相对辐射定标和绝对辐射定标；以及 大气水汽反演模块计算大气水汽含量；以及 地表反射率反演模块计算地表反射率；以及 地表温度反演模块计算地表温度。
全文摘要
一种无人机光学遥感影像数据处理方法，其步骤包括A)无人机光学遥感影像数据预处理；B)对无人机光学遥感影像数据进行大气水汽反演，得到大气水汽含量产品；C)利用步骤B的大气水汽含量产品，对无人机光学遥感影像数据进行地表反射率反演，得到地表反射率产品；D)利用步骤B的大气水汽含量产品和步骤C的地表反射率产品，对无人机光学遥感影像数据进行地表温度反演，得到地表温度产品。
文档编号G01W1/02GK102736128SQ20111028130
公开日2012年10月17日 申请日期2011年9月21日 优先权日2011年9月21日
发明者吴骅, 唐伯惠, 段四波 申请人:中国科学院地理科学与资源研究所