基于无人机热红外遥感图像提取滴灌棉花冠层温度及精度评价

【目的】提高基于热红外遥感图像滴灌棉花冠层温度提取精度,为棉花水分状况精准监测提供技术支撑。【方法】以不同水分处理的苗期、蕾期棉花为研究对象,利用无人机获取试验小区热红外遥感图像,使用便携式手持测温仪测量田间辐射校正板及水桶中的水温,对热红外影像进行温度校正。采用Otsu算法、Canny边缘检测算法对热红外遥感图像进行掩膜处理剔除土壤背景,通过波段运算提取棉花冠层温度,绘制棉花冠层温度频率直方图并对其进行优化。利用便携式手持测温仪同步测量棉花冠层温度,与提取的冠层温度进行一致性分析,验证热红外遥感图像提取棉花冠层温度的精度。【结果】Canny边缘检测算法剔除土壤背景提取冠层图像准确率大于Otsu算法(91.90%>82.52%、92.76%>80.60%),剔除土壤背景效果最优。Otsu算法和Canny边缘检测算法剔除土壤背景后构建的冠层温度直方图均呈偏态分布,但Canny边缘检测算法剔除土壤背景后构建的冠层温度直方图形状比Otsu算法光滑,噪声少,并且Canny边缘检测算法2年冠层平均温度最低(29.95、30.54℃),与实测温度差值最小(2.78、3.43℃)。去除Canny边缘检测算法的温度直方图两端1%温度信息后,提取的冠层温度与实测温度相关性最高(2年试验r由0.88、0.93提高到了0.94、0.95),RMSE最低(2年RMSE由2.78、2.87℃下降到1.59、1.43℃)。【结论】Canny边缘检测算法提高了无人机热红外遥感图像棉花冠层温度提取精度,且温度直方图两端1%温度优化后有助于提高棉花冠层温度提取精度。

基于列相关的热红外高光谱遥感图像非均匀性校正

由于探测单元之间响应不一致、电子增益和偏置发生变化、焦平面污染和损伤等因素,推扫式热红外成像光谱仪获取的图像常常表现为图像列之间不均匀,条带噪声严重,影响了热红外高光谱遥感图像的后续处理和应用。结合推扫式成像光谱仪非均匀性的来源和成因,以相邻地物的相关性为理论基础,提出了适用于热红外高光谱遥感图像的非均匀性校正方法。该方法的步骤是,首先逐波段对原始热红外高光谱遥感图像进行标准矩匹配校正,得到标准矩匹配校正图像;然后,以标准矩匹配校正图像为基础,选择相邻两列像元中相同的地物像元;最后,用两列中相同的地物像元,通过线性回归得到后一列的校正系数,并对其进行校正,顺次遍历一个波段的所有列,完成一个波段图像的非均匀性校正。按照此过程,遍历一幅热红外高光谱遥感图像的所有波段,完成一幅热红外高光谱遥感图像的非均匀性校正。将该方法应用于推扫式热红外光谱成像仪实际获取图像的非均匀性校正中。结果表明,相比矩匹配方法,在保证非均匀性校正效果的情况下,本文方法的各列均值和标准差更符合实际情况。

聚类分割的交互式遥感热红外图像模糊增强

交互式遥感热红外图像在边缘区域的像素呈现较强交互干扰,缺少必要区分过程,导致增强后的交互式遥感热红外图像视觉效果差、抗噪性能差、增强效率低。提出基于聚类分割的交互式遥感热红外图像模糊增强方法,采用模糊C均值聚类算法,对交互式遥感热红外图像聚类分割处理,对边缘区域特殊及弱小交互目标分割,进一步区分交互区域的干扰,缩短后期增强所用的时间。采用中值滤波方法去除交互式遥感热红外图像中存在的噪声,结合Sobel算子和二阶微分算子的拉普拉斯算子对去噪后的交互式遥感热红外图像进行锐化处理,通过图像去噪和图像锐化实现交互式遥感热红外图像的模糊增强。仿真实验可知,所提方法进行交互式遥感热红外图像模糊增强所获取的图像清晰度较高、抗噪性能较佳、增强效率较高。

基于局部非线性地理加权回归模型的地表 温度降尺度算法研究

地表温度(land surface temperature,LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述。由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用。采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据。目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系。针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression,NL-GWR)的地表温度降尺度算法。选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index,NDVI)、归一化差异建筑指数(normalized difference build-up index,NDBI)以及数字高程模型(digital elevation model,DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)地表温度空间分辨率从1000 m提升到100 m,并将基于地理加权回归(geographically weighted regression,GWR)与NL-GWR模型的降尺度结果进行对比分析。实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96℃)和平均绝对误差(1.63℃)。