本發(fā)明涉及光譜數(shù)據(jù)處理分析領(lǐng)域，尤其是涉及一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法。

背景技術(shù)：

1、火星車載多光譜相機具備多波段成像能力，能夠同時提供空間信息和光譜信息，用于研究火星表面的物質(zhì)組成和分布。隨著多光譜相機在火星表面物質(zhì)探測中的應(yīng)用不斷增加，實時化、精細化的數(shù)據(jù)處理已成為當前火星原位科學(xué)探測的研究熱點之一。沙塵覆蓋程度估計是研究火星表面環(huán)境變化的重要內(nèi)容，因為沙塵活動能夠反映火星的氣候和表面過程。此外，準確估計火星表面區(qū)域的沙塵覆蓋程度，對于科學(xué)選取無沙塵覆蓋的高價值目標區(qū)域進行進一步定性和定量研究具有重要意義。

2、目前，對火星沙塵覆蓋程度進行探測的方法主要存在以下不足：

3、1)探測精度低：現(xiàn)有研究使用軌道器熱輻射光譜儀數(shù)據(jù)進行火星沙塵探測，制作的沙塵覆蓋指數(shù)產(chǎn)品空間尺度大但分辨率低；而利用火星車多光譜相機數(shù)據(jù)對火星塵埃沉積的研究主要依賴定標數(shù)據(jù)，未充分利用科學(xué)數(shù)據(jù)，因此也未能反映火星表面沙塵覆蓋在小范圍內(nèi)的空間分布特征。

4、2)計算復(fù)雜度高：現(xiàn)有方法通常借助較為復(fù)雜的圖像變換算法，如主成分分析、最小噪聲分離，方法涉及計算協(xié)方差矩陣、特征值和特征向量，計算量較大，處理大量數(shù)據(jù)耗時長；而基于圖像去相關(guān)拉伸處理的方法仍需對數(shù)據(jù)進行特征分解和拉伸，同樣不適合用于大規(guī)模的實時數(shù)據(jù)處理。

5、3)自動化程度低：現(xiàn)有方法中，基于主成分分析、最大噪聲分離的方法需要從變換后的主成分中選取與火星沙塵覆蓋最相關(guān)的分量，再開展進一步分析；基于去相關(guān)拉伸的方法需要人為指定輸入波段，并對拉伸結(jié)果進行目視判讀，從而確定沙塵覆蓋情況；基于純凈像元指數(shù)的方法通常涉及多次迭代，需要人工干預(yù)和參數(shù)調(diào)整來最終確定不同類別像素，且結(jié)果缺乏對沙塵覆蓋區(qū)域的連續(xù)表示；上述方法都難以實現(xiàn)大規(guī)模自動處理和分析。

6、因此，亟需設(shè)計一種基于多光譜的沙塵覆蓋指圖像構(gòu)建方法，以減少計算復(fù)雜度并提高自動化程度，使用原位觀測更精細地估計火星表面的沙塵覆蓋程度。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法。

2、本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

3、一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，包括以下步驟：

4、s1：獲取多光譜相機數(shù)據(jù)的圖像文件和傳感器參數(shù)，對圖像文件和傳感器參數(shù)進行預(yù)處理，得到多光譜圖像各個波段的反射率因子；

5、s2：輸入多光譜圖像，對反射率因子進行波段計算，獲取沙塵覆蓋指數(shù)；

6、s3：根據(jù)沙塵覆蓋指數(shù)的數(shù)據(jù)確定分類閾值、劃分類別，生成沙塵覆蓋程度專題圖。

7、進一步地，步驟s1包括：

8、s11：矯正圖像文件中每個像元的灰度值，得到輻射亮度值；

9、s12：根據(jù)輻射亮度值，選取感興趣區(qū)域，統(tǒng)計并輸出各個感興趣區(qū)域的平均輻射亮度值；

10、s13：根據(jù)平均輻射亮度值與實驗室建模反射率因子得到二維散點，將輻射亮度值轉(zhuǎn)換為反射率因子；

11、s14：根據(jù)圖像文件中各幅子圖像的窗口編號確定相對位置關(guān)系，將其拼接為一幅完整的單波段圖像，并將多幅單波段圖像按照波段順序合并輸出為一幅多光譜圖像。

12、進一步地，矯正圖像文件中每個像元的灰度值的過程具體為：每個像元的灰度值乘以絕對輻射定標參數(shù)得到輻射亮度值。

13、進一步地，反射率因子的計算表達式為：

14、r*＝rad/k

15、式中，rad為輻射亮度值，k為最佳擬合直線的斜率，r*為反射率因子。

16、進一步地，沙塵覆蓋指數(shù)的表達式為：

17、dci＝(k12+k23)·s

18、

19、

20、式中，dci為沙塵覆蓋指數(shù)，k12、k23分別為第一波段斜率和第二波段斜率，其中，b1、b2、b3分別為藍、綠、紅波段上的反射率因子值，λ1、λ2、λ3分別為藍、綠、紅波段對應(yīng)的波長值，s為各個波段反射率因子之和。

21、進一步地，步驟s3包括：

22、s31：根據(jù)沙塵覆蓋指數(shù)結(jié)果直方圖計算平均值與標準差；

23、s32：根據(jù)沙塵覆蓋指數(shù)和閾值劃分區(qū)域；

24、s33：以探測場景合成圖像為底圖，根據(jù)區(qū)域劃分結(jié)果得到沙塵覆蓋程度專題圖。

25、進一步地，閾值的具體取值方法為：根據(jù)沙塵覆蓋指數(shù)的平均值μdci和沙塵覆蓋指數(shù)的標準差σdci，得到t1＝μdci-σdci和t2＝μdci+σdci分別作為界定有沙塵覆蓋區(qū)域的下限與上限。

26、進一步地，沙塵覆蓋程度專題圖包括：使用不同顏色表示各個區(qū)域的分類圖、使用漸變色帶映射沙塵覆蓋程度的估計圖。

27、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

28、1)本發(fā)明通過反射率因子和波段計算的方式，以較小計算復(fù)雜度放大光譜反射率差異，有效區(qū)分了沙塵不同覆蓋程度的區(qū)域，具有數(shù)據(jù)處理速度快、算法自動化程度高、結(jié)果精度高等優(yōu)點。

29、2)本發(fā)明可以根據(jù)不同科學(xué)探測場景下沙塵覆蓋指數(shù)的數(shù)值分布情況，實現(xiàn)自動的閾值計算和類別識別，無需人工干預(yù)。

30、3)本發(fā)明的方法既能夠區(qū)分出探測場景中無沙塵覆蓋的高價值目標區(qū)域和陰影遮擋嚴重的無效區(qū)域，又可以估計有沙塵區(qū)域的覆蓋程度差異，用途多樣。

技術(shù)特征：

1.一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，步驟s1包括：

3.根據(jù)權(quán)利要求2所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，所述矯正圖像文件中每個像元的灰度值的過程具體為：每個像元的灰度值乘以絕對輻射定標參數(shù)得到輻射亮度值。

4.根據(jù)權(quán)利要求2所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，所述反射率因子的計算表達式為：

5.根據(jù)權(quán)利要求1所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，所述沙塵覆蓋指數(shù)的表達式為：

6.根據(jù)權(quán)利要求1所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，步驟s3包括：

7.根據(jù)權(quán)利要求6所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，所述閾值的具體取值方法為：根據(jù)沙塵覆蓋指數(shù)的平均值μdci和沙塵覆蓋指數(shù)的標準差σdci，得到t1＝μdci-σdci和t2＝μdci+σdci分別作為界定有沙塵覆蓋區(qū)域的下限與上限。

8.根據(jù)權(quán)利要求6所述的一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，其特征在于，所述沙塵覆蓋程度專題圖包括：使用不同顏色表示各個區(qū)域的分類圖、使用漸變色帶映射沙塵覆蓋程度的估計圖。

技術(shù)總結(jié)
本發(fā)明涉及一種基于多光譜的沙塵覆蓋圖像構(gòu)建方法，包括以下步驟：獲取多光譜相機的圖像文件和傳感器參數(shù)，對圖像文件和傳感器參數(shù)進行預(yù)處理，得到多光譜圖像各個波段的反射率因子；輸入多光譜圖像，對反射率因子進行波段計算，獲取沙塵覆蓋指數(shù)；根據(jù)沙塵覆蓋指數(shù)的數(shù)據(jù)確定分類閾值、劃分類別，生成沙塵覆蓋程度專題圖。現(xiàn)有技術(shù)相比，本發(fā)明具有以較小計算復(fù)雜度放大光譜反射率差異，有效區(qū)分沙塵不同覆蓋程度的區(qū)域，具有數(shù)據(jù)處理速度快、算法自動化程度高、結(jié)果精度高等優(yōu)點。

技術(shù)研發(fā)人員：柳思聰,林藝璋,張婕,童小華,謝歡,馮永玖,金雁敏,都科丞
受保護的技術(shù)使用者：同濟大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10