适用于推扫式成像光谱仪的CCD拖尾扣除方法

拖尾(smear)现象是面阵CCD器件的固有问题。在推扫式成像光谱仪中,拖尾对成像的作用形式较为特殊,传统的扣除方案已不再适用,急需新的适合这一应用场合的方法。通过建立光谱仪中拖尾现象的数学模型,分析并仿真了常规拖尾扣除方法的失真问题,提出了适合推扫式光谱仪器的新方法。新方法使用已知图像信息估计景物的光谱分布,以此计算光学暗行通道所代表的拖尾信号在每个应用通道中的贡献,进而实现拖尾现象的扣除。遥感图像处理结果的较为理想的LSF表明,新方法效果良好,适用于推扫式成像光谱仪中CCD拖尾现象的扣除。

叶片含水率推扫式高光谱成像去条纹标定法优化

由推扫式高光谱成像系统所采集的图像中会出现特有的条纹噪声,这些噪声会穿过化学计量学模型,最终出现在反映被测指标空间分布情况的可视化预测图中,干扰其空间特征的呈现及解读。以银杏叶含水率为例,基于偏最小二乘回归(PLSR)预测模型,将经去条纹标定法处理后的图像分别与原始图像及经传统均值滤波增强后的图像进行比较,研究去条纹标定法对化学计量学指标空间分布预测的改进作用。去条纹标定法和传统均值滤波增强不会对感兴趣区域均值PLSR预测模型决定系数R^(2)_(P)产生明显影响,其随主成分数增加,呈先增后减趋势,当主成分数为10时R^(2)_(P)均达到最大,且预测准度相当。将化学计量学模型应用到像素光谱,进行指标空间分布预测时,随主成分数由6增至10,模型的波段增益系数逐渐增大,导致化学计量学可视化图像中条纹噪声逐渐增加:在由原始图像或经传统均值滤波增强图像得到的含水率可视化图像中,条纹噪声逐渐增加,甚至完全湮没叶面内部含水率空间分布信息;而去条纹标定法能够明显抑制本征条纹噪声,即使当主成分数增加到8时(R^(2)_(P)为0.88),含水率可视化图像仍然几乎不见条纹干扰,在叶面空间分布的细节特征依旧清晰可辨,显著提升对含水率空间分布的预测效果。比较研究表明,去条纹标定法明显抑制推扫式高光谱成像系统本征条纹噪声,能够提高靶向指标空间分布的可视化精度;在保留空间细节免受条纹干扰的情况下,得以采用波段增益系数更大的预测模型,从而提高指标空间分布的可视化预测准度。

异步推扫式遥感立体成像仿真系统

对三线阵CCD推扫式遥感立体成像方式进行了讨论,研究了推扫式遥感成像模型中的光学共线方程成像模型,分析了地形地貌梯度对推扫式遥感成像过程的影响。最后,在基于不变轨和固定姿态的前提下,以高斯合成曲面模拟三维地形地貌梯度,用数学仿真的方法验证了地形地貌梯度对推扫式遥感成像精度的影响,并结合嫦娥一号数据进行了分析。实验结果表明:推扫式遥感立体成像过程中,地形地貌起伏的梯度变化在飞行方向上引入了相邻轨图像的信息重叠或遗漏,在推扫方向上引入了投影误差。

推扫式多挡增益光谱成像模拟及噪声分析

综合性遥感监测对载荷的灵敏度和动态范围都有较高的要求,为此提出一种基于逐像元多挡增益切换的光谱成像方法。不同于帧增益或者行列增益切换的成像方式,该方法利用4T-APS CMOS探测器无破坏读出的特点,可以进行像元级的增益优化。这种方式可以兼顾水体、植被、云层等多要素的成像需求,极大地提高了载荷的研制效益。其基本原理为探测器先进行全局曝光,然后根据多级积分电容的饱和判断,选取不饱和的最高增益信号以增益码加信号的形式下传。地面根据增益码对应的定标系数反推出像元真实辐射值。由于谱段多且为分段响应,为保证系统的定量化应用,建立多挡增益光谱成像模型并进行噪声分析具有重要意义。通过对噪声类型的分析,建立了多挡增益下的泊松-高斯噪声模型。基于该模型计算了像元受噪声影响以低增益读出的概率。结果表明,虽然噪声会影响读出增益的变化,但影响区间极小,入瞳辐亮度在5 mW·cm^(-2)·μm^(-1)·sr^(-1)以内,信号比增益挡位辐亮度分界值小0.05 mW·cm^(-2)·μm^(-1)·sr^(-1)即可保证正常读出的概率大于99.6%。随着信号增强,光子噪声增大,增益减小,影响区间扩大。根据多挡增益信噪比模型,分析得出光谱模式与合并通道模式下的信噪比变化。最后,利用宽波段成像光谱仪(WIS)数据作为入瞳辐亮度进行了四挡增益的推扫式光谱成像模拟,分析了多挡增益光谱图像的固有特点。根据噪声模型对中心波长为0.443μm的光谱图像添加1~3σ的随机噪声,分析了噪声对地物目标所处增益的影响。结果显示,在满足信噪比指标的前提下,该系统的单挡动态范围为74 dB,总动态范围可达114 dB。该方法不但提高了水体等弱信号的信噪比,而且可以保证建筑、云层等亮目标不饱和。成像模拟及噪声分析不仅有利于该载荷的后续研制,也可以为同类光谱仪器的设计提供参考。

基于有理函数模型的线阵推扫式卫星近似核线影像的生成

针对线阵推扫式传感器的成像几何特点,提出一种基于有理函数模型的线阵推扫式卫星近似核线影像的生成方法。该方法以有理函数模型描述推扫式传感器的成像几何关系,并采用投影轨迹法建立线阵推扫式影像的扩展核线模型。试验表明该方法能生成子像素级的近似核线影像,算法简单可靠。

基于单像素成像的遥感图像分辨率增强模型

目前对地遥感的最主要途径之一便是通过遥感相机获得目标物信息,然而遥感相机的分辨率直接影响成像质量。结合遥感相机的推扫式成像技术,文章提出了一种基于单像素成像的超分辨增强技术模型,该模型能够简化重建过程,其设计目标是基于单像素超分辨的技术手段将航天遥感相机的图像分辨率增强4倍。为了验证该设计思想及其重建效果,文章设置了超分辨增强仿真试验,最终仿真试验结果表明,基于单像素的超分辨模型可以将图像的信噪比提高1.1倍,且重建的图像具有明显的抑制噪声的效果,起到了良好的降噪功能,相较于其他传统图像分辨率增强方法(如双三次内插、超深超分辨神经网络)具有更高的优越性。该方法可为地理遥感探测、土地资源探查与管理、气象观测与预测、目标毁伤情况实时评估等诸多领域的图像处理和应用提供有力支持。

一种适用于空空导弹的激光灰度成像引信技术

针对空空导弹激光引信易受云烟雾、地海杂波干扰的问题,提出了一种适用于空空导弹的激光灰度成像引信技术。采用推扫式线阵成像探测方式,即随着弹目交会运动并根据激光回波幅度对目标逐行扫描灰度成像。通过渐进式目标识别算法处理逐行累积而成的灰度轮廓像可实现激光引信精细化探测,从而提高其抗干扰的能力。原理样机试验验证数据表明,激光灰度成像技术可较好地运用到激光引信中,验证试验获取的图像、数据,为激光引信抗干扰研究提供了技术储备。

基于高光谱成像的肉品检测去条带噪声方法

推扫式高光谱成像系统通常因电荷耦合器件(Charge Coupled Device,CCD)各像元响应不一致而产生条带噪声,该研究以猪肉为研究对象,设计一种基于多块标准反射率板进行逐波段逐像素相对辐射定标的去除条带噪声方法。该方法基于最小二乘法,利用不同反射率标准板的反射率值与CCD输出值,采用多项式拟合出接近于各个波段逐像元真实响应函数的拟合响应函数;选取每一波段图像中的任一像元作为参考,将其余像元与参考像元的拟合响应函数做差,作为其余像元的补偿函数,再采用样本的输出值加补偿值以校正样本。分别采用逐波段逐像素相对辐射定标法和传统矩匹配法对猪肉高光谱图像进行处理,并以四阶标准反射率板各反射区均值与参考值的绝对误差评估反射率校正结果。结果表明,逐波段逐像素相对辐射定法在有效去除条带噪声的同时,不会产生新的噪声,同时能够保持原始图像的灰度分布,校正后图像条带系数最大值比原始图像减少63.5%;相比矩匹配法,反射率误差大幅下降,其中条带系数最大波段(200波段)4个反射区的绝对误差为0.003~0.089,随机抽取波段(300波段)4个反射区的绝对误差为0.009~0.083。该研究为消除条带噪声提供了一种可靠方法,同时为提高后续基于推扫式光谱成像的指标空间可视化精度奠定了良好的基础。

基于多时相航空高光谱遥感影像的冬小麦长势空间变异研究

精准农业技术是基于农田信息在空间和时间上存在的差异而实施的变量管理技术,本研究以2001年～2002年度在国家精准农业研究示范基地开展的冬小麦变量施肥对比试验为基础,获取冬小麦拔节期、灌浆初期及乳熟期的推扫式成像光谱仪(pushbroom hyperspectral imager,PHI)航空高光谱影像数据,提取反映冬小麦长势光谱参数,进行变量施肥处理区与常规处理区冬小麦长势空间变异的对比。研究发现,变量区与对照区光谱反射率分散度最大的区域主要集中在红边及近红外反射平台的附近,其中,乳熟期冬小麦光谱分散度最大,其次为拔节期和灌浆期。通过对比不同时相冬小麦长势信息,发现拔节期变量区作物长势空间变异程度要高于对照区,经过变量施肥处理后,灌浆期和乳熟期变量施肥区冬小麦长势空间变异程度低于对照区;对冬小麦产量的分析发现,变量区产量的总体空间变异小于对照区,但变量区总体产量略低于对照区。研究表明,利用遥感影像数据,可以及时获取作物长势的空间变异情况,为农业管理的生产、决策及时提供信息。

WorldView-2核线影像立体测图研究

卫星遥感影像大多是线阵推扫式成像模型,且分辨率越来越高,研究遥感影像数字测图具有重要现实意义。线阵推扫式成像方式与传统框幅式摄影测量不同,线阵CCD的每一扫描行都具有独立的外方位元素,这使得高分辨率遥感影像的核线模型不再是一直线,而是类似于双曲线的形状。比较框幅式摄影测量与推扫式成像核线模型之间的差异,在具有约束条件的情况下,线阵遥感影像的匹配方法仍可在接近一维的形式下进行,加快影像处理的速度。

基于多重分形参数的高光谱数据特征提取

针对单一分形维数不能表征高光谱数据光谱局部吸收特征的问题,提出了基于光谱概率测度的多重分形参数特征提取方法.基于光谱信息度量进行光谱概率测度的计算,基于配分函数法估计得到尺度函数;通过对尺度函数求导计算出Holder指数,并对尺度函数勒让德Legendre变换计算出多重分形谱;从多重分形谱和Holder指数之间的函数关系提取表征多重分形谱形态的4个多重分形谱参数作为光谱特征参数;并应用于基于最小距离准则的航空推扫式高光谱成像仪(PHI,Prush-broom Hyperspectral Imager)图像监督分类.结果证明:利用基于光谱概率测度的多重分形参数特征提取方法提取的光谱特征参数进行分类得到的总体分类正确率达94.789%,分类精度明显高于利用信息量维数和多重分形谱特征提取方法进行分类的结果,证明了基于光谱概率测度的多重分形参数特征提取方法提取的多重分形参数的有效性和可靠性.