[發明專利]一種多光譜遙感衛星影像的霧霾分量模擬方法

有效

• 申請號: 202010117221.2
• 申請日: 2020-02-25
• 公開（公告）號: CN111489420B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 楊敬鈺;郭建華;岳煥景;李坤
• 申請（專利權）人: 天津大學
• 主分類號: G06T11/60
• 分類號: G06T11/60
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 潘俊達

本發明屬于遙感影像技術領域，具體涉及一種多光譜遙感衛星影像的霧霾分量模擬方法，包括以下步驟：步驟一、對多光譜遙感影像數據進行預處理；步驟二、初始化計算基準霧透射率圖；步驟三、初始化計算遙感影像每個位置處對應的霧厚度相關物理量；步驟四、初始化全局大氣光值；步驟五、初始化若干段不同波段對應的波長值；步驟六、對多光譜每個通道進行霧合成模擬計算。與現有技術相比，本發明充分考慮到了霧在多光譜衛星影像上的特性，使得合成模擬的霧影像數據十分逼真，而且需人為設定參數較少，僅需通過設定步驟二中不同的ω值即可獲得不同霧濃度的合成模擬影像數據，另外，合成的效率也得到了巨大的提升。

技術領域

本發明屬于遙感影像技術領域，具體涉及一種多光譜遙感衛星影像的霧霾分量模擬方法。

背景技術

隨著深度學習技術的快速發展，基于深度學習的遙感圖像處理技術也取得了令人矚目的成就。但是在遙感圖像復原這方面的研究甚少，尤其是針對遙感影像去霧的研究。究其原因發現影響深度學習技術在遙感去霧領域的發展最為關鍵的一個因素為：很少有可用于訓練深度學習網絡的成對無霧和有霧遙感數據。在正常的衛星影像數據中實驗科研人員很難找到滿足要求的同一地方且地表變化較小的有霧和無霧數據對。因此，對于深度學習方法來說，通過模擬合成帶霧的影像數據來訓練深度學習網絡參數變得尤為重要。

早期的遙感影像霧的合成方法大致可分為兩類：(1)均勻霧模擬方法，將傳輸設置為全局常數，生成具有均勻霧的影像；(2)非均勻霧模擬方法，采用從真實模糊圖像中提取的傳輸作為霧罩，生成具有非均勻霧的影像。非均勻霧模擬方法比均勻霧模擬方法更接近真實霧的狀態情形。但是，大多數的霧模擬方法都假設霧合成方法獨立于波長和霧的厚度。他們假設多光譜影像所有通道的霧透射率圖(haze?transmissionmap)都相同。然而，在遙感圖像中，霧的濃度會隨著波長的增加而逐漸減小，不同波段霧的透射率是不同的。此外，根據大氣散射理論，不同的霧厚度大氣條件也會影響霧的霧透射，霧濃度越厚影響越大。因此，在合成帶霧多光譜影像數據時，不僅要考慮霧的非均勻性空間變化狀態，同時也要考慮波長和霧厚度大氣條件對霧的透射率的影響。

因此，在綜合考慮上述因素的情況下，發明了一種多光譜衛星遙感影像的霧合成模擬方法。

發明內容

本發明的目的在于：針對現有技術的不足，而提供的一種多光譜遙感衛星影像的霧霾分量模擬方法，通過該方法能快速獲取不同霧濃度的合成模擬影像數據，同時還大大提高了合成霧的效果和合成的效率。

為實現上述目的，本發明采用如下技術方案：

一種多光譜遙感衛星影像的霧霾分量模擬方法，包括以下步驟：

步驟一、對多光譜遙感影像數據進行預處理；

步驟二、初始化計算基準霧透射率圖t(x)；

步驟三、初始化計算遙感影像每個位置處對應的霧厚度相關物理量γ(x)；

步驟四、初始化全局大氣光值A；

步驟五、初始化若干段不同波段對應的波長值λ_j；

步驟六、對多光譜每個通道進行霧合成模擬計算。

作為對本發明中所述的多光譜遙感衛星影像的霧霾分量模擬方法的改進，所述步驟一中對多光譜遙感影像數據的預處理包括對多光譜遙感影像數據進行大氣校正，采用ENVI5.2軟件中的FLAASH大氣校正模型進行影像的大氣校正。

作為對本發明中所述的多光譜遙感衛星影像的霧霾分量模擬方法的改進，所述步驟二中基準霧透射率圖的具體計算公式為：

t(x)＝1-ω*ρ_band9(x)，