法律状态公告日
法律状态信息
法律状态
2020-04-14
授权
授权
2018-02-02
实质审查的生效 IPC(主分类):G06F17/30 申请日:20170801
实质审查的生效
2018-01-09
公开
公开
技术领域
本发明属于在轨卫星遥感图像处理技术领域,尤其涉及一种基于大数据统计的遥感卫星相对辐射定标处理方法。
背景技术
目前,主流国产遥感卫星辐射主要采用统计法来对遥感图像产品进行系统辐射校正,该方法在目前的情况下,为最优解决方案。在此种方法以前主要采用实验室系数校正法进行校正。
与实验室系数法相比较,统计法具有明显优势。传统的实验室系数是从发射前实验室获得的,由于地面环境和太空环境不同,上天后,相机的各种状态发生变化,导致实验室系数在各谱段、片间和搭接区出现异常,地面修正十分困难。统计法出现后,抛弃了严格相机器件的模型,仅根据地面系统大量数据统计结果获得各个探元一致性的差异,从而提高辐射校正精度。
由于统计法采用的是查找表的方法,因此,传统意义上的相机探元的线性模型被抛弃,取而代之的是非线性模型,这种非线性模型适应性非常广泛,适用于各类可见光相机,乃至红外相机等。因此,采用统计法后,国产遥感卫星的产品辐射质量有明显的提高。且该方法由于采用地面数据统计,因此可以阶段性调整和修正,在一定程度上适应了目前的辐射校正质量。
但是目前采用的统计法自身也有缺陷。普通统计法由于采用离线人工统计,通常选取800-2000景不等的图像进行统计,然后计算其概率。这种方法耗时长 (通常3-4周),而且统计结果通常受人为影响(不同的人选择的图不同),且样本不全(不能覆盖所有范围)。因此统计法通常在一定时间后,需要再次统计。耗费人力和时间,并且在统计参数交替时间产品生产容易出次品。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一种基于大数据统计的遥感卫星相对辐射定标处理方法,解决了目前遥感卫星相对辐射校正人工效率低,且样本统计补全的问题。
为了解决上述技术问题,本发明公开了一种基于大数据统计的遥感卫星相对辐射定标处理方法,包括:
采用遥感卫星0级条带数据全统计的方法,对数据进行直方图统计;
根据直方图统计,进行统计概率的解算,并对DN值为0和DN值为最大量化值进行边界处理;
对直方图和统计概率进行匹配,将每个探元的每个DN值的ADDN(i,j)与相同DN值的
根据所述查找表对0级数据进行相对辐射校正。
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,所述采用遥感卫星0级条带数据全统计的方法,对数据进行直方图统计,包括:
以任务单模式,从0级数据库中读取0级条带数据,统计每个探元在各个 DN值的分布,并放在直方图统计表格中。
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,所述根据直方图统计,进行统计概率的解算,包括:
根据直方图统计,确定DNstatistics(i,j)和
根据所述DNstatistics(i,j)和
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,通过如下公式(1),计算得到
其中,maxquantization表示DN值量化最大值,Numpixel表示探元个数。
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,通过如下步骤计算得到ADDN(i,j)和
根据所述DNstatistics(i,j)和
其中,maxquantization表示DN值量化最大值;
通过如下公式(4)和(5),计算得到ADDN(i,j)和
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,在对DN值为0和DN值为最大量化值进行边界处理时,包括:
若DN值为0和DN值为最大量化值的与DN值为1和DN值为最大量化值-1有连续性,没有突变,则不做处理;
若DN值为0和DN值为最大量化值的与DN值为1和DN值为最大量化值-1不连续性,有突变,则作置零处理。
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,还包括:
将所述查找表以TIFF文件的格式保存,放入系统中作为配置参数。
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,在对数据进行直方图统计时,采用无差别全数据统计。
在上述基于大数据统计的遥感卫星相对辐射定标处理方法中,对直方图和统计概率进行匹配采用期望均值和每个探元之间的匹配。
本发明具有以下优点:
(1)本发明所述的基于大数据统计的遥感卫星相对辐射定标处理方法,采用自动统计系统生产过程中所有数据进行计算:采用无差别统计,统计的范围为本卫星本谱段的所有数据,而不是样本数据,该统计消除了人为选取样本的差异,覆盖了所有数据的范围,相较于传统的统计法更为全面,更为科学,更为准确。
(2)本发明所述的基于大数据统计的遥感卫星相对辐射定标处理方法,有利于精确的更新图像的辐射校正参数,使得系统研制人员和运行人员从繁忙的统计工作中解放出来,并有利于精确跟踪相机的质量变化,为进一步分析相机的工作提供全面的数据支撑。
附图说明
图1是本发明实施例中一种基于大数据统计的遥感卫星相对辐射定标处理方法的步骤流程图;
图2是本发明实施例中一种统计直方图的期望示例图;
图3是本发明实施例中一种统计直方图累积概率的期望示例图;
图4是本发明实施例中一种概率匹配原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明公共的实施方式作进一步详细描述。
本发明公开了一种基于大数据统计的遥感卫星相对辐射定标处理方法,该方法首次应用于高分重大专项(民用部分)地面系统的高分一号(GF-1)卫星和高分二号(GF-1)卫星,继而成功的应用于商业遥感卫星高景一号(SuperView -1)卫星,适用于在轨推扫式光学遥感卫星相对辐射定标,本方法提高了在轨相对校正精度和速度,并可实现在线在轨相对辐射定标系数更新。
参照图1,示出了本发明实施例中一种基于大数据统计的遥感卫星相对辐射定标处理方法的步骤流程图。在本发明实施例中,所述基于大数据统计的遥感卫星相对辐射定标处理方法,包括:
步骤101,采用遥感卫星0级条带数据全统计的方法,对数据进行直方图统计。
在本实施例中,在对数据进行直方图统计时,采用无差别全数据统计。
优选的,以任务单模式(数据的位置和格式),从0级数据库中读取0级条带(或景)数据,统计每个探元在各个DN值(Digital Number,遥感影像像元亮度值)的分布,并放在直方图统计表格中。
步骤102,根据直方图统计,进行统计概率的解算,并对DN值为0和DN 值为最大量化值进行边界处理。
在本实施例中,统计概率的解算流程如下:
根据直方图统计,确定DNstatistics(i,j)和
具体的:
通过如下公式(1),计算得到
其中,maxquantization表示DN值量化最大值,Numpixel表示探元个数。
通过如下步骤计算得到ADDN(i,j)和
根据所述DNstatistics(i,j)和
其中,其中,PDN(i,j)表示第i个探元DN值为j的概率,
通过如下公式(4)和(5),计算得到ADDN(i,j)和
在本发明的一优选实施例中,在对DN值为0和DN值为最大量化值进行边界处理时,具体可以包括:
若DN值为0和DN值为最大量化值的与DN值为1和DN值为最大量化值-1有连续性,没有突变,则不做处理。
若DN值为0和DN值为最大量化值的与DN值为1和DN值为最大量化值-1不连续性,有突变,则作置零处理。
步骤103,对直方图和统计概率进行匹配。
在本实施例中,对直方图和统计概率进行匹配采用期望均值和每个探元之间的匹配:将每个探元的每个DN值的ADDN(i,j)与相同DN值的
步骤104,根据所述查找表对0级数据进行相对辐射校正。
在本实施例中,根据所述查找表对0级数据进行相对辐射校正,也即,用查找表中的DN值代替原始DN值。
在本发明的一优选实施例中,所述基于大数据统计的遥感卫星相对辐射定标处理方法,还可以包括:
步骤105,将所述查找表以TIFF文件的格式保存,放入系统中作为配置参数。
综上所述,本发明所述的基于大数据统计的遥感卫星相对辐射定标处理方法,采用自动统计系统生产过程中所有数据进行计算:采用无差别统计,统计的范围为本卫星本谱段的所有数据,而不是样本数据,该统计消除了人为选取样本的差异,覆盖了所有数据的范围,相较于传统的统计法更为全面,更为科学,更为准确。
其次,本发明所述的基于大数据统计的遥感卫星相对辐射定标处理方法,有利于精确的更新图像的辐射校正参数,使得系统研制人员和运行人员从繁忙的统计工作中解放出来,并有利于精确跟踪相机的质量变化,为进一步分析相机的工作提供全面的数据支撑。
本说明中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
机译: 数据块级别的大数据统计数据
机译: 数据块级别的大数据统计
机译: 数据块级别的大数据统计