一种基于相对辐射校正系数检测探元响应状态变化的方法

摘要

本发明针对当前星上相机探元响应状态变化难以检测的问题，提出了一种基于相对辐射校正系数检测探元响应状态变化的方法，具体为：生成单探元灰度直方图和综合灰度直方图；基于生成的单探元灰度直方图和综合灰度直方图，构建灰度映射关系；以综合灰度直方图作为基准，基于不同时期的单探元灰度直方图以及建立的灰度映射关系，计算得到不同的相对辐射校正系数；通过对比相对辐射校正系数中单探元灰度映射的变化情况，完成对探元响应状态变化的检测。本发明实现了光学相机探元响应变化程度的检测，通过本发明提供的方法可以解决相机常态运行过程中探元响应变化检测的问题，为长期监测光学卫星相机探元响应稳定性提供了参考依据。

说明书

技术领域

本发明属于高分光学遥感卫星数据预处理领域，特别是涉及到一种利用相对辐射校正系数检测探元响应状态变化的方法。

背景技术

高分辨率光学遥感卫星相机探元响应状态的不断变化，会引起地面图像辐射质量的不断变化。当变化积累到一定程度时，会造成地面处理系统中相对辐射校正系数的不适应，出现肉眼可见的系统性辐射异常,在严重的情况下，甚至会形成坏像元，影响相机成像。在此情况下，需要重新开展数据统计、生产相对辐射校正系数以及进行一系列复杂的辐射质量检验，用于保障系统整体辐射质量恢复正常水平,因此，有必要定期检测探元响应状态的变化程度，既可以反映相机各探元的老化程度，又可以在响应状态变化引起辐射质量异常前及时发现、早做预防。但由于星上探元变化比较微妙，在图像上表现为渐变，目前地面还没有较好的方法可以实现有效检测。为了满足检测需求，如何通过常态化业务开展，尤其是结合相对辐射校正系数计算和更新实现相机探元状态的变化检测是一个难题。

发明内容

针对当前星上相机探元响应状态变化难以检测的问题，本发明提出了一种基于相对辐射校正系数检测探元响应状态变化的方法，可以实现星上相机状态变化检测。

本发明的技术方案如下：一种基于相对辐射校正系数检测探元响应状态变化的方法，包括如下步骤：

S1、统计多轨数据的灰度值，将同一波段、增益、积分级数的灰度值通过灰度直方图归类，生成单探元灰度直方图和综合灰度直方图；

S2、利用灰度映射模型，基于生成的单探元灰度直方图和综合灰度直方图，构建灰度映射关系；

S3.统计得到多个不同时间周期的单探元灰度直方图以及某个时间周期的综合直方图，并将单探元灰度直方图和综合直方图分别转化为单探元灰度概率密度函数和综合灰度概率密度函数，以综合灰度概率密度函数作为基准，以单探元概率密度函数为输入，基于构建的灰度映射关系，计算得到不同时间周期的多个相对辐射校正系数；

S4.基于相对辐射校正系数，生成单探元灰度映射曲线，通过对比不同时间周期的多个相对辐射校正系数中同一探元灰度映射的变化情况，完成对星上相机探元响应状态变化的检测。

进一步地，S1所述多轨数据大于等于100轨。

更进一步地，S1所述综合灰度直方图是S1所述单探元灰度直方图合并求平均得到的。

进一步地，S2所述灰度映射模型选用直方图匹配模型。

本发明的有益效果：本发明提供了一种基于相对辐射校正系数检测探元响应状态变化的方法，实现了光学相机探元响应变化程度的检测，通过本发明提供的方法可以解决相机常态运行过程中探元响应变化检测的问题，为长期监测光学卫星相机探元响应稳定性提供了参考依据。

附图说明

图1为本发明的流程图。

图2为本发明的灰度映射关系图。

图3为本发明的灰度映射曲线图。

具体实施方式

以下结合附图和实施例详细说明本发明技术方案。

图1表示的是基于相对辐射校正系数检测探元响应状态变化的流程图，以下针对实施例流程中的各步骤，对本发明方法做进一步详细描述。

步骤1，统计多轨数据的灰度值，计算得到单探元灰度直方图和综合灰度直方图。

由于单轨数据不足以刻画探元的整体特性，需要统计多轨数据(至少积累100轨以上的数据)，使得探元成像结果覆盖不同地物，包含低、中、高等全部亮度区域，以消除相机噪声、探元灰度覆盖不全、无法反映整体灰度分布等的影响；统计的卫星影像要求具有相同的增益和积分级数，即必须是相同拍摄模式下的影像。

为满足数据统计要求，从存储卫星下传数据的二进制文件中解析出影像，并将所有统计数据进行归类，将同一类中的数据进行统计叠加，实际中通常将同一波段、增益、积分级数的灰度值通过灰度直方图归类，生成单探元灰度直方图，所有的单探元灰度直方图合并求平均得到综合灰度直方图。灰度直方图的横坐标对应于卫星影像的灰度值，若8位量化，则横坐标为0-255的整数；纵坐标为单个探元拍摄的地物中所对应的灰度值出现的次数。

步骤2，基于单探元灰度直方图和综合灰度直方图建立灰度映射关系

在卫星影像相对辐射校正的分析过程中，发现高分辨率卫星影像在低亮度区域的辐射响应与中高亮度区域不同，因此在实际应用中采用非线性模型建立灰度映射关系。

考虑到非线性模型(即分段线性模型)拐点难以确定，因此在实际应用中采用直方图匹配模型建立灰度映射关系。对于直方图匹配模型来说，所有探元的综合灰度直方图就是期望灰度直方图，建立灰度映射的原理是使匹配处理后单探元灰度概率密度函数和综合灰度概率密度函数相同(见图2)，因此，需将灰度直方图进一步转化为灰度概率密度函数，进而建立单探元灰度概率密度函数和综合灰度概率密度函数。

步骤3，基于探元灰度直方图和灰度映射关系计算相对辐射校正系数。

在实际操作过程中，需要将单探元灰度直方图转化为单探元灰度概率密度函数，将综合直方图转化为综合灰度概率密度函数，并以某个时期的综合灰度概率密度函数作为标准，以单探元灰度直方图为输入，校正单探元灰度概率密度函数，从而生成相对辐射校正系数。

为了满足探元响应特性变化检测的要求，需保证综合灰度直方图不变，基于不同时期的单探元灰度直方图以及建立的灰度映射关系，计算得到不同的相对辐射校正系数。

步骤4，对比不同的相对辐射校正系数中单探元灰度映射的变化(见图3)，实现对探元响应状态变化的检测。

由于相对辐射校正系数生成过程中，保证了单一变量(单探元灰度直方图变化，综合灰度直方图不变)，因此单探元灰度映射的变化完全能够反映探元响应状态的变化。

本文中所描述的具体实例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。