[發明專利]一種考慮陰影區域的遙感圖像BRDF校正方法

在審

• 申請號: 202111213273.0
• 申請日: 2021-10-19
• 公開（公告）號: CN113870147A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 賈國瑞;趙慧潔
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/136;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于遙感圖像處理技術領域，具體涉及對機載遙感圖像的二向反射分布函數BRDF的校正方法。本發明為了解決現有技術中遙感圖像的BRDF校正不穩定、不準確的技術問題，首先通過研究，明確半經驗模型的目標分類不準確性主要受陰影區域影響，包括云產生的陰影、建筑物的陰影等，然后為了減小陰影產生的影響，創造性的將云、建筑物和地形起伏產生的陰影區域分類引入經典的半經驗模型，并且加入了地形起伏對照明觀測幾何的影響計算，從兩個方面對半經驗模型BRDF校正做了適應性的改進和調整，實現了機載遙感圖像的BRDF校正更為穩定、準確。

技術領域

本發明屬于遙感圖像處理技術領域，具體涉及對機載遙感圖像的二向反射分布函數BRDF的校正方法。

背景技術

在遙感成像過程中的地物二向反射的物理特性被研究人員抽象為二向反射分布函數(Bidirectional Reflectance Distribution Function,BRDF)，在遙感領域，它是定量描述地物反射率與照明觀測幾何關系的函數。從模型的物理意義角度，通常將現有的BRDF模型分為：經驗模型及半經驗模型。經驗模型基于簡單的數學函數，一般采用多項式擬合反射率分布的形式，半經驗模型對部分物理機理做近似處理，能夠很好把握操作實用性(反演穩定性)和物理意義的健全性之間的平衡，具有靈活性強和能夠快速反演的優勢，主要將其分為非線性模型和線性“核驅動”模型兩類。但是基于經驗模型的BRDF校正對光照、環境等因素敏感，造成校正結果的不穩定。基于半經驗模型的BRDF校正雖然克服了穩定性的問題，但是依賴于目標分類的準確性，若目標分類準確度不夠，將會造成后續計算產生嚴重偏差。尤其是在機載遙感圖像應用場景，由于機載遙感圖像相對星載遙感圖像的分辨率高、視場角大，地物目標分類不準確的問題更為突出，造成目前機載環境的遙感圖像BRDF校正效果不佳。

目前國內外專利文獻未提出該技術問題，中外文期刊會議文獻中雖有提出類似問題，如《MODIS反演多云地區地表反照率的一種新方法及其反演試驗》、《考慮地物時空異質性的云下中分辨率成像光譜儀(MODIS)波段反射率恢復》，但是它們都是針對云覆蓋區域利用多時相數據恢復云下地表反射率，即用其它無云時段的數據去補充有云時段像元的遙感數據，存在時間上空間上的“拼接”，無法保證數據的真實性、實時性、完整性，實際未對基于半經驗模型的BRDF校正進行改進，仍然存在校正不穩定、不準確的缺陷。

發明內容

本發明為了解決現有技術中遙感圖像的BRDF校正不穩定、不準確的技術問題，首先通過研究，明確半經驗模型的目標分類不準確性主要受陰影區域影響，包括云產生的陰影、建筑物的陰影等，然后為了減小陰影產生的影響，創造性的將云、建筑物和地形起伏產生的陰影區域分類引入經典的半經驗模型，并且加入了地形起伏對照明觀測幾何的影響計算，從兩個方面對半經驗模型BRDF校正做了適應性的改進和調整，實現了機載遙感圖像的BRDF校正更為穩定、準確。

一種考慮陰影區域的遙感圖像BRDF校正方法，其特征在于，包括以下步驟：

步驟1、獲取高光譜遙感反射率圖像，作為輸入數據；

步驟2、對步驟1中遙感圖像的每個像元，計算其地物類型指數BCI、陰影指數SI，對二者進行閾值分割，實現該像元的地物分類，包括濃密植被、稀疏植被、水體、裸土、巖石、人工材質、陰影：

地物類型指數BCI計算：

BCI＝(NDVI+C_forst-C_soil-C_water)

式中，NDVI為歸一化植被指數，C_forst是森林指數，C_soil是裸土指數；C_water是水體指數；

陰影指數SI計算：

SI＝(ρ_NIR+ρ_SWIR)/2