基于在軌分類統(tǒng)計的熱紅外影像輻射校正方法

張炳先， 李巖， 何紅艷

(北京空間機(jī)電研究所,北京 100076)

?

基于在軌分類統(tǒng)計的熱紅外影像輻射校正方法

張炳先， 李巖， 何紅艷

(北京空間機(jī)電研究所,北京 100076)

相對輻射校正精度直接影響影像的應(yīng)用效果，因此高精度的相對輻射校正是衛(wèi)星影像處理的關(guān)鍵環(huán)節(jié)。目前熱紅外影像相對輻射校正的常用方法是借用星上黑體數(shù)據(jù)獲取校正參數(shù)，因受到采樣數(shù)據(jù)不足的限制，處理模型無法真實反映衛(wèi)星載荷在軌工作狀態(tài)，故無法滿足高精度相對輻射校正的需要。因此，結(jié)合熱紅外載荷的工作特點，設(shè)計了基于在軌分類統(tǒng)計的熱紅外影像輻射校正方法，用以彌補(bǔ)星上校正精度低的不足。該方法利用衛(wèi)星影像中地物類型豐富的特點，采用在軌獲取的原始影像作為樣本數(shù)據(jù)得到校正參數(shù)，彌補(bǔ)了星上校正樣本不足的缺陷； 同時考慮到探元在不同能量下具有不同的光電響應(yīng)狀態(tài)，引入了分類思想進(jìn)一步提高校正精度。結(jié)果表明，上述方法相對于星上校正方法能更好地抑制影像中的系統(tǒng)條帶噪聲，為提高判讀精度提供了良好基礎(chǔ)。

熱紅外影像； 輻射校正； 分類； 在軌統(tǒng)計

0 引言

熱紅外成像偵察能夠感知目標(biāo)的熱紅外波譜信息，大氣穿透力強(qiáng)，可用于夜間偵察，在目標(biāo)狀態(tài)判斷和偽裝揭露等方面具有優(yōu)勢。由于現(xiàn)有制造工藝水平和材料的限制，熱紅外傳感器中各探測單元的響應(yīng)特性不完全一致，導(dǎo)致像元之間存在一定的非均勻性，使熱紅外影像中常出現(xiàn)深淺相間的條紋狀噪聲； 當(dāng)影像被增強(qiáng)后，這種噪聲會更加突出，呈百葉窗狀，嚴(yán)重影響了熱紅外影像的質(zhì)量和解析度。對熱紅外影像進(jìn)行相對輻射校正，就是為了校正熱紅外載荷各個探元響應(yīng)度差異而對衛(wèi)星遙感器測量的原始數(shù)字計數(shù)值進(jìn)行再量化的一種處理過程[1-3]。相對輻射校正通過對實驗室校正數(shù)據(jù)進(jìn)行分析，擬合出不同探元的光電響應(yīng)模式，并求取相應(yīng)的輻射校正系數(shù)或查找表，用于消除因探元響應(yīng)不一致引起的條帶效應(yīng)，使這些條帶的影響降低到最小程度或被徹底去除。相對輻射校正的前提和基礎(chǔ)是精確的校正系數(shù)。目前熱紅外影像主要是通過星上校正數(shù)據(jù)來獲取校正系數(shù)，由于熱紅外相機(jī)星上校正裝置受到星上載荷空間和重量的限制，導(dǎo)致用于校正的樣本數(shù)據(jù)不足，只能通過簡單的線性模型來擬合探元的光電響應(yīng)函數(shù)； 這與探元的實際在軌光電響應(yīng)函數(shù)以及地物目標(biāo)特性存在偏差，不能很好地描述復(fù)雜場景下目標(biāo)溫度特性，因此星上校正數(shù)據(jù)滿足不了熱紅外影像高精度相對輻射校正的需求。在使用星上校正數(shù)據(jù)進(jìn)行相對輻射校正后，某些復(fù)雜區(qū)域的影像仍存在均勻性不佳的現(xiàn)象，主要表現(xiàn)為條紋噪聲。這種非均勻性降低了最終輸出影像的清晰度，影響了目視判讀和溫度反演的精度，已成為進(jìn)一步提高影像質(zhì)量的瓶頸，并在一定程度上限制了熱紅外影像的應(yīng)用。

鑒于上述情況，本文通過研究熱紅外載荷的工作特點，提出了一種基于在軌分類統(tǒng)計的熱紅外影像相對輻射校正方法。該方法利用衛(wèi)星影像中地物類型豐富的特點，采用在軌獲取的原始影像作為樣本數(shù)據(jù)來獲取相對輻射校正系數(shù)，以彌補(bǔ)星上校正數(shù)據(jù)不足的缺陷； 同時考慮到熱紅外成像探元在不同輻射能量下具有不同的光電響應(yīng)狀態(tài)[4]，本方法引入了分類思想，對不同輻射能量情況下的校正參數(shù)分別進(jìn)行分類統(tǒng)計，以進(jìn)一步提高相對輻射校正的精度； 并通過實驗證明該方法相對于星上校正方法能更好地抑制影像中的系統(tǒng)條帶噪聲。

1 研究方法

通過對星上校正數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)，星上校正數(shù)據(jù)主要存在2個方面的問題： ①不能完全覆蓋探元的感光范圍[5-9]，對于12 bit 量化的成像數(shù)據(jù), 星上校正數(shù)據(jù)獲取的灰度值(DN)最小值為2 692 ，最大值為3 441，高亮度區(qū)域和低亮度區(qū)域校正數(shù)據(jù)明顯缺失； ②星上校正數(shù)據(jù)依賴于黑體數(shù)據(jù)，只能同時獲取2個灰度值，所以只能采取簡單的線性模型進(jìn)行擬合，采樣間隔較大等問題使得采用不能完全覆蓋亮度區(qū)域的校正數(shù)據(jù)進(jìn)行擬合得到的校正系數(shù)并不能正確反映出探元在不同感光區(qū)域的實際光電響應(yīng)規(guī)律。因此，對采用局部數(shù)據(jù)擬合分析獲取輻射校正系數(shù)的有效性存在疑問。

潘志強(qiáng)等[4]通過對衛(wèi)星在軌影像的分析發(fā)現(xiàn)，探元在不同的感光區(qū)域具有不同的光電響應(yīng)函數(shù)，其中，在中等亮度區(qū)域探元的光電響應(yīng)函數(shù)為線性模型。由于校正數(shù)據(jù)主要集中在中等亮度區(qū), 并且在該區(qū)域探元的光電響應(yīng)函數(shù)呈線性分布，因此星上校正采用線性模型計算中等亮度區(qū)域的相對輻射校正參數(shù)是較為合理的。但是，采用中等亮度區(qū)域的光電響應(yīng)函數(shù)直接替代探元在低亮度區(qū)和高亮度區(qū)的光電響應(yīng)函數(shù)，在理論上沒有支撐，在實際中也存在問題，因為探元在不同的亮度區(qū)域的光電響應(yīng)函數(shù)是不同的[5]。因此，為了正確反映探元的光電響應(yīng)函數(shù)，需要對探元的不同感光范圍分別進(jìn)行擬合處理, 其處理流程如圖1所示。

圖1 基于在軌分類統(tǒng)計的熱紅外影像相對輻射校正流程圖

1.1 K均值分類

考慮到探元載荷主要是對低、中和高亮度3個區(qū)間段的響應(yīng)存在較大差異，本文以影像的灰度量化信息作為樣本集，取k=3，用X1,X2,X3分別表示低、中及高亮度地物聚類樣本集，處理流程見圖2。

若d1

圖2 K均值算法處理示意圖

Fig.2 Sketch map of K-MEANS processing

如圖2所示，假設(shè)k=3；m1,m2,m3分別為3個樣本聚類的初始中心值；d1,d2,d3分別為樣本mp到m1,m2,m3的距離。若d1

假設(shè)熱紅外遙感影像采用BN位量化，那么使用

(1)

m2=2BN-1,

(2)

(3)

計算3個樣本聚類的初始中心值m1,m2和m3，式中BN為量化的位數(shù)。計算每個樣本數(shù)據(jù)xj(j=1,2,3,…,N)到3個樣本聚類中心m1,m2,m3的距離dti，即

dti=d(xj,mi)=‖xj-mi‖,i=1,2,3 。

(4)

取dti中的最小值所對應(yīng)聚類中心，將xj分配到對應(yīng)的類別中。當(dāng)所有樣本數(shù)據(jù)全部分配結(jié)束后，重新計算每個聚類的中心，即

(5)

式中：Ni為第i個地物聚類Xi中的樣本數(shù)目；N為參與統(tǒng)計的樣本總數(shù)目；mi為樣本的均值。

多次遍歷所有的樣本數(shù)據(jù)，并反復(fù)計算聚類中心，直到mi(i=1,2,3)的變化小于域值即停止迭代，此時便可得到低亮度(Dl)、中亮度和高亮度(Dh)分段區(qū)間[0,Dl)，[Dl,Dh)和[Dh,Dmax]。

1.2 分段輻射校正參數(shù)獲取

由于探元在低亮度區(qū)域的光電響應(yīng)函數(shù)往往具有較高的非線性特征，無法用數(shù)學(xué)函數(shù)去精確地擬合，而2個DN值的誤差在影像中卻會被肉眼所察覺而形成噪聲，因此需要對低亮度區(qū)進(jìn)行逐灰度級處理。考慮到若探元載荷之間不存在光電響應(yīng)差異，那么在載荷獲取相似灰度地物類型的地面區(qū)域時，其對應(yīng)的灰度直方圖分布就會相似或者相同，因此，本文對低亮度區(qū)間[0,Dl)采用直方圖匹配處理的方式，逐灰度級地得到低亮度區(qū)域的校正參數(shù)。圖3為直方圖匹配示意圖。

(a) 綜合直方圖 (b) 期望直方圖

圖3 直方圖匹配處理示意圖

Fig.3 Sketch map of histogram matching

先將影像中每行數(shù)據(jù)的相同探元的直方圖進(jìn)行合并，獲得每個探元的綜合直方圖； 再將每個探元的綜合直方圖進(jìn)行合并，即可獲得所有探元的綜合直方圖。對于直方圖匹配算法來說， 所有探元的綜合直方圖就是期望直方圖，建立查找表的原理是使匹配處理后每個探元的綜合直方圖的概率密度函數(shù)與期望直方圖的概率密度函數(shù)相同。

因此，首先統(tǒng)計每個探元綜合直方圖的概率密度函數(shù)和期望直方圖的概率密度函數(shù)。令每個探元灰度值為k時對應(yīng)的概率密度函數(shù)為pk，即

(6)

(7)

式中nj為此探元的灰度值為j的像素個數(shù)。

然后計算低亮度區(qū)間的期望直方圖的概率密度函數(shù)Sk，即

(8)

(9)

式中rj為所有探元中灰度值為j的像元個數(shù)。

在獲取探元的概率密度函數(shù)及期望的概率密度函數(shù)后，便可計算低亮度區(qū)間的輻射校正參數(shù)，具體計算方法為： 在標(biāo)準(zhǔn)累計概率密度函數(shù)上找出灰度值L，使得SL≤pk≤SL+1； 若|pk-SL|-|pk-SL+1|≤0，則用灰度值L代替灰度值k； 若|pk-SL|-|pk-SL+1|>0，則用灰度值(L+1)代替灰度值k。

由于探元在中間亮度區(qū)域的光電響應(yīng)函數(shù)往往具有較高的線性特征，因此可以對中間亮度區(qū)間[Dl,Dh)進(jìn)行最小二乘擬合處理，得到中間亮度區(qū)間的輻射校正系數(shù)[10]，最終得到該區(qū)間的輻射校正查找表，具體計算步驟如下：

1)計算中間亮度區(qū)間不同輻亮度下影像的整體灰度均值Zk及每個探元的灰度均值zi,k，“k=1,2,3，…”，其中k對應(yīng)的最大值為中間區(qū)間的不同輻亮度級數(shù)的個數(shù)； “i=1,2,3，…”，i的最大值為探元的個數(shù)。

2)將單一探元在不同輻亮度下的灰度均值與不同輻亮度下整景影像的灰度均值通過最小二乘進(jìn)行線性擬合，得到每個探元的增益Ki和偏置Ci，即

Zk=zi,kKi+Ci。

(10)

通過對實際在軌影像進(jìn)行分析發(fā)現(xiàn)，在高亮度感光區(qū)域，由于能量充足，探元在這段區(qū)域內(nèi)的光電響應(yīng)函數(shù)趨于1∶1 的關(guān)系。因此，對高亮度感光區(qū)域，本文采用斜率為1、截距為0 的線性模型，以保持輸入與輸出1∶1 的關(guān)系不變。

1.3 過渡區(qū)處理

上述處理模型是基于分段進(jìn)行處理的，在處理過程中難免會遇到輻射校正參數(shù)在邊緣處斷裂的現(xiàn)象。然而考慮到地物的灰度分布是一個連續(xù)的函數(shù)，因此需要在獲取分段輻射校正參數(shù)的分段處進(jìn)行過渡區(qū)處理，以保證輻射校正參數(shù)灰度分布的連續(xù)性。具體處理步驟如下。

(11)

(12)

式中：DNDl+5為低端區(qū)間在灰度值(Dl+5)校正后所對應(yīng)的灰度值；DNDl-5為低端區(qū)間在灰度值(Dl-5)校正后所對應(yīng)的灰度值。然后建立低亮度過渡區(qū)間的輻射校正查找表。

(13)

(14)

式中：DNDh+5為高端區(qū)間在灰度值(Dh+5)校正后所對應(yīng)的灰度值；DNDh-5為高端區(qū)間在灰度值(Dh-5)校正后所對應(yīng)的灰度值。然后建立高端過渡區(qū)間的輻射校正查找表。

2 實驗與分析

為了驗證本文算法的有效性，從中國資源衛(wèi)星應(yīng)用中心提供的熱紅外成像數(shù)據(jù)中選取若干區(qū)域的數(shù)據(jù)進(jìn)行實驗。各實驗區(qū)域的影像大小都為512像元×512像元。采用本文算法與已有的基于星上校正數(shù)據(jù)的校正算法分別對該數(shù)據(jù)進(jìn)行處理，并對處理結(jié)果進(jìn)行了目視比較分析和定量分析。具體實驗結(jié)果如圖4和圖5所示。

(a) 原始影像(b) 使用星上校正數(shù)據(jù)校正的影像 (c) 使用本文方法校正的影像

圖4 陸地區(qū)域熱紅外影像不同方法輻射校正結(jié)果對比

Fig.4 Comparison of radiometric correction results of thermal-infrared image covered land area by using different methods

(a) 原始影像(b) 使用星上校正數(shù)據(jù)校正的影像 (c) 使用本文方法校正的影像

圖5 水域區(qū)域熱紅外影像不同方法輻射校正結(jié)果對比

Fig.5 Comparison of radiometric correction results of thermal-infrared image covered water area by using different methods

通過目視可以看出，圖4和圖5中2種校正方法獲得的校正影像的質(zhì)量相比于原始影像均有了很大的提高，但在圖4中，采用星上校正數(shù)據(jù)校正的影像仍存在大量的殘余條帶噪聲，且分布較為分散，說明利用星上校正數(shù)據(jù)無法很好地消除能量較低區(qū)域中存在的系統(tǒng)條帶噪聲。圖5中的水域區(qū)域同樣也說明了上述情況。然而，對于圖5中的能量充足區(qū)域，無論是采用星上校正的方法，還是采用本文方法都能夠獲得較好的校正效果。這正好驗證了本文開頭的假設(shè)，即探元在不同亮度區(qū)域的光電響應(yīng)函數(shù)存在明顯差異。為了進(jìn)一步驗證本文算法的有效性，本文選取廣義噪聲對校正前、后影像進(jìn)行定量比較，廣義噪聲的計算公式為[11]

(15)

(16)

Re=E/Ave,

(17)

式中：m′和n′分別為影像的列數(shù)和行數(shù)；Ave為整景影像的均值；DNi′j′為影像第j′行第i′列的DN值；E為各列DN 值的平均值與整景影像均值差絕對值的平均；Re為通過該景影像計算得到的廣義噪聲。若相對輻射校正的精度較差, 則計算出來的廣義噪聲值越大。對圖4和圖5的廣義噪聲計算結(jié)果對比如表1所示。

表1 本文算法與已有算法處理結(jié)果的廣義噪聲值

從表1可以看出，圖4中的地物類型較為均一，因此其廣義噪聲值整體偏小； 而圖5中的地物類型對比差異較大，因此其廣義噪聲值整體偏大。通過表1的對比可以看出，本文方法無論是對低對比度區(qū)域的校正，還是對高對比度區(qū)域的校正，都具有良好的效果。

3 結(jié)論

本文根據(jù)實際生產(chǎn)實驗中的經(jīng)驗和原則，分析了已有基于星上校正的熱紅外影像輻射校正方法的不足和局限性，提出了一種基于在軌分類統(tǒng)計的熱紅外影像輻射校正方法。該方法針對探元在不同能量段具有不同的光電響應(yīng)函數(shù)的情況，引入了K均值分類的思想，對原始影像的地物進(jìn)行粗分類； 然后對不同分類段的結(jié)果進(jìn)行了輻射校正參數(shù)求解。實驗結(jié)果表明，本文方法能夠很好地去除影像中的系統(tǒng)條帶噪聲，為熱紅外影像的后續(xù)應(yīng)用(尤其是目標(biāo)判讀精度的提高)提供良好的基礎(chǔ)。

[1] Horn B K P,Woodham R J.Destriping Landsat MSS images by histogram modification[J].Computer Graphics and Image Processing,1979,10(1):69-83.

[2] Singh A.Thematic Mapper radiometric correction research and development results and performance[J].Photogrammetric Engineering and Remote Sensing,1985,51:1379-1383.

[3] 郭建寧,于晉,曾湧,等.CBERS-01/02衛(wèi)星CCD圖像相對輻射校正研究[J].中國科學(xué)E輯:信息科學(xué),2005,35(s1):11-25. Guo J N,Yu J,Zeng Y,et al.Study on the relative radiometric correction of CBERS satellite CCD image[J].Science in China Series E Engineering & Materials Science,2005,48(s2):12-28.

[4] 潘志強(qiáng),顧行發(fā),劉國棟,等.基于探元直方圖匹配的CBERS-01星CCD數(shù)據(jù)相對輻射校正方法[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2005,30(10):925-927. Pan Z Q,Gu X F,Liu G D,et al.Relative radiometric correction of CBERS-01 CCD data based on detector histogram matching[J].Geomatics and Information Science of Wuhan University,2005,30(10):925-927.

[5] Weinreb M P,Xie R,Lienesch J H,et al.Destriping GOES images by matching empirical distribution functions[J].Remote Sensing of Environment,1989,29(2):185-195.

[6] Wegener M.Destriping multiple sensor imagery by improved histogram matching[J].International Journal of Remote Sensing,1990,11(5):859-875.

[7] Weinreb M,Hamilton G,Brown S,et al.Nonlinearity corrections in calibration of advanced very high resolution radiometer infrared channels[J].Journal of Geophysical Research,1990,95(c5):7381-7388.

[8] Wack E C.SWIR nonlinear radiometric response due to errors in relative spectral response[C]//Proceedings of SPIE 3117,Earth Observing Systems II.San Diego,CA,USA:SPIE,1997,3117:217-224.

[9] Raytheon S T X.CBESR Radiometric Algorithm Theoretical Basis Document[M].Beijing:National Association of Local Remote Sensing Application,2002:87-93.

[10]王小燕,龍小祥.資源一號02B星相機(jī)相對輻射校正方法分析[J].航天返回與遙感,2008,29(2):29-34. Wang X Y,Long X X.Analysis of relative radiometric correction method of CBERS-02B camera[J].Spacecraft Recovery & Remote Sensing,2008,29(2):29-34.

[11]王密,張炳先,潘俊.基于分段輻射校正的星載TDI-CCD成像數(shù)據(jù)輻射處理方法[J].中國科學(xué):信息科學(xué),2011,41(s):32-41. Wang M,Zhang B X,Pan J.Radiometric correction method of TDI-CCD imaging data based on segmentation[J].Science China Series E Engineering & Materials Science,2011,41(s):32-41.

(責(zé)任編輯： 邢宇)

Radiometric calibration method of thermal-infrared images based on on-orbit classification and statistics

ZHANG Bingxian， LI Yan， HE Hongyan

(BeijingInstituteofSpaceMechanicsandElectricity，Beijing100076，China)

Relative radiometric calibration precision will affect the application of satellite images, and hence high precision relative radiometric is very important. Nowadays, the ordinary radiometric calibration method of the thermal-infrared images is the on-orbit radiometric calibration which has fewer sample data and lower accuracy, therefore the result of on-orbit radiometric calibration can't satisfy the application requirement. In view of such a situation, a new radiometric calibration method of the thermal-infrared images based on classification and statistics is proposed in this paper. The new method adopts the original satellite images as sample data to calculate the parameters based on rich types of surface feature in satellite images to solve the problem of insufficient sample data of on-orbit radiometric calibration, meanwhile it introduces classification into the construction of the new calibration model by considering the different characteristics of photoelectric response function that the satellite payload will have in different radiometric energy so as to improve the precision of radiometric calibration. The experimental results show that the proposed method performs better than the ordinary on-orbit radiometric calibration method.

thermal-infrared images； radiometric calibration； classification； on-orbit statistics

10.6046/gtzyyg.2016.04.04

張炳先,李巖,何紅艷.基于在軌分類統(tǒng)計的熱紅外影像輻射校正方法[J].國土資源遙感,2016,28(4)：24-29.(Zhang B X,Li Y,He H Y.Radiometric calibration method of thermal-infrared images based on on-orbit classification and statistics[J].Remote Sensing for Land and Resources,2016,28(4)：24-29.)

2015-05-19；

2015-06-17

TP 751.1; P 236

A

1001-070X(2016)04-0024-06

張炳先(1986-),男,博士,工程師,主要從事衛(wèi)星影像處理方面的研究。Email： zbx@whu.edu.cn。