北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

基于ENVI二次开发的Resonon高光谱图像拼接与几何校正评估

日期: 2020-07-09
浏览次数: 163

摘要

针对推扫式成像光谱仪获取的狭带影像需要经过几何校正才能拼接形成空间二维影像的问题,提出了基于ENVI二次开发的高光谱推扫图像拼接技术。基于单应映射建立光谱仪倾斜状态下与正射状态下图像上的二维点之间的关系,校正由姿态变化引起的图像畸变结合GPS数据修正因飞行速度变化引起的狭带重叠将校正后的狭带影像拼接起来。在ENVI二次开发平台上进行技术集成,实现了Resonon推扫高光谱狭带影像的自动校正拼接。对河北保定郊区高光谱影像的校正拼接实验证明,该方法与光谱仪自带拼接软件校正结果接近经纬度坐标差均在1m以内,均方根误差约为0.7389能够满足一般高光谱遥感应用中的地理精度要求。


研究目的:

根据单应映射原理,建立光谱仪倾斜和正射状态下像点的映射关系,利用GPS/INS组合导航数据校正狭带影像中的畸变,拼接成一幅完整的影像,并在ENVI二次开发平台上实现推扫狭带影像的自动校正和拼接。


推扫成像畸变原因:

推扫式成像是利用飞行平台的向前运动,借助于与飞行方向垂直的扫描线记录而构成二维图像。推扫型成像光谱仪通常采用一个垂直于运动方向的面阵CCD来感应地面响应在飞行平台向前运动中完成二维空间扫描,平行于平台运动方向通过光栅和棱镜分光完成光谱维扫描,因此,CCD上一个点对应一个谱段,一条线对应一个谱面。CCD探测器每次成像是空间一条线上的光谱信息。为了获得空间二维图像,再通过机械推扫,完成整个平面的图像和光谱数据采集。

推扫成像时,CCD探测器所记录的高光谱图像数据是沿着飞行方向的条幅,由于搭载光谱仪的飞行平台在飞行过程中,不能一直保证理想的姿态正射获取影像,速度和姿态的不稳定导致飞行平台的位置、航偏角、俯仰角和横滚角不断随机变化,引起光谱仪拍摄时外方位元素也不断随机变化。因此,CCD曝光时每条扫描线对应的光谱仪外方位元素不一致引起了图像的几何畸变:

1. 飞行平台姿态不稳定造成地面扫描行之间相互交错,图像扭曲变形,影响后期地物目标的解析和判别。

2. 飞行平台速度不稳定易造成扫描行之间的行间距忽大忽小,出现重叠或间隙,为了获得地面的完整影像,通常推扫成像需保证一定的采样率。因此,在图像拼接时就需要借助GPS位置信息对重叠的扫描行进行几何纠正和图像融合处理。


IDL实现

IDL是美国ITT VIS公司推出的第四代交互式、跨平台、面向矩阵处理的编程语言,具有快速的数据分析、图像处理和强大的可视化功能。采用IDL语言调用ENVI平台中的图像处理函数,可以很方便地进行二次开发,实现遥感数据的快速分析和可视化。

推扫图像的自动拼接主要包括如下3个基本步骤:

(1)影像和GPS/INS数据读取:遥感影像数据包含图像本身和头文件,ENVI二次开发提供了函数读取遥感影像及其属性。如ENVI_OPEN_FILE、ENVI_FILE_QUERY、ENVI_GET_ SLICE等。GPS/INS数据存储于文本文件中,按照文本文件读取方式即可获得狭带影像获取时光谱仪的姿态和位置信息。

(2)单应矩阵计算和单应映射:以北东地坐标系为地理坐标系,依据公式计算得到单应矩阵H。主要代码命令如下:

H=M_inv#MATRIX_POWER(C, -1)#M;计算单应矩阵.

所以,对于狭带影像上的每一个二维点 ( x,y ) ,都可以获得校正后的对应点 (x,y ) ,点 ( x,y ) 的灰度值即为点 ( x,y ) 的灰度值。

(3)图像拼接:校正后的每条狭带图像中心点的二维地理坐标即光谱仪成像中心的GPS 二维坐标,根据光谱仪的成像地面分辨率,选定影像投影方式,可以为每条狭带设置地理信息。主要代码命令如下:

map_info=ENVI_MAP_INFO_CREATE( /geographic, mc=mc, ps=ps ); 为狭带添加地理信息。

拼接后的影像被认为是光谱仪理想姿态下获取的正射影像,具有与GPS获取的一致的位置信息,拼接影像点的高光谱曲线与原始扫描行对应点的一致,能够真实地反映地面的空间特征和光谱特征。


实验结果与分析:

本文选择河北省保定市郊区的高光谱影像进行校正拼接实验,影像由搭载于无人机的PikaL 高光谱成像仪拍摄获取,PikaL高光谱成像仪由美国Resonon公司设计生产,光谱范围为400-1000nm,光谱分辨率为2.1 nmCCD扫描行宽度为900像素。飞行过程中同时搭载惯导系统实时获取光谱仪的姿态位置信息。高光谱仪将推扫获取的原始狭带影像先简单拼接起来存储于固态硬盘中,此时的地理信息并未经过纠正图像存在几何畸变图a所示为原始图像的假彩色图像狭带经过几何校正和拼接后才能正确显示地面目标的特征,如图b所示

基于ENVI二次开发的Resonon高光谱图像拼接与几何校正评估

为了能够定量检验该几何校正方法的效果同时采用Pika L高光谱成像仪自带的软件对原始影像进行几何校正将两种方法得到的校正影像进行比较。两种校正方法均采用UTM 投影WGS-84为基准面。首先在软件校正影像中随机选取10个均匀分布的明显地物点读取其坐标值,作为采样点用于评定校正精度,然后从本文方法校正后影像中读取其相应坐标值经过对10个采样点残差的计算得到如表1所示的精度检验结果。

基于ENVI二次开发的Resonon高光谱图像拼接与几何校正评估

表1:北向距离均方根误差为0.6327m,东向距离均方根误差为0.3817m,

总均方根误差为0.7389

由表1可以看出,采样点在x和y方向上的坐标偏移均不超过1m,两种方法得到的校正图像地理信息较为接近;y方向坐标均方根误差大于x方向坐标均方根误差,即像点坐标的经度值准确性高于纬度值。对于某些地理精度要求不高的航空高光谱遥感应用来说,本方法取得的校正效果已满足需求。如果需要进一步提高精度,可以通过增加地面控制点或与高精度地图进行图像配准实现几何精校正。


结语

本文根据推扫成像和单应映射原理,结合GPS/INS组合导航系统实时获取光谱仪姿态角度和位置信息。在ENVI二次开发平台上,采用IDL语言实现了高光谱仪推扫狭带影像的自动校正和拼接。验证实验表明,本方法与自带软件校正拼接效果接近,均方根误差基本满足一般的高光谱遥感应用。虽然本文方法能够取得较为理想的校正拼接效果,但是单扫描行的校正过程耗时较长,无法实时获取校正影像,下一步将就提高校正拼接效率展开更加深入的研究。另外,拼接过程中不同成像条件下的匀色处理同样是后续需要研究的内容。


原文下载连接:

基于ENVI二次开发的高光谱图像拼接与几何校正评估


上一篇:无下一篇:无
News / 相关新闻 More
2020 - 09 - 11
【摘要】森林的长期生产力和固碳能力受气候变化影响,已成为全球关注的问题。本研究中,我们提供了一种简单且无损的方法来研究多时间尺度上树木CO2同化率。这种新的方法结合了树干液流和稳定碳同位素分辨率以估算碳同化率。我们通过分析变异性并进行配对样本t检验,比较了气体交换测量和新方法测得的CO2同化率,以验证其准确性和适用性。气体交换和同位素测量都表明早晨CO2同化率高于下午,峰值在10-11 am左右出现,可能是由于夜间的水储存和早晨的高气孔导度。侧柏日,月,年尺度上CO2同化率的变异性与供水条件有关。与以往的研究相比,我们利用稳定碳同位素分辨率(Δ13C)和树干液流测量估算的年CO2同化率的结果与传统方法结果相一致。侧柏对供水可以有效的响应,这就解释了为什么它可以很好地适应半干旱区环境。估算CO2同化率的新方法是准确的,且适用于北京周边的半干旱地区。【研究区域】位于燕山鹫峰国家森林生态系统研究...
2020 - 09 - 01
【摘要】最近研究发现,在混合落叶阔叶林中,相比于叶片氮含量,叶绿素含量可以更好地指示叶片的光合能力。叶片光合能力与叶绿素含量之间关系的一个关键概念就是光合成分(即光收集,光化学和生化成分)的协调调节。为了检验该假设,作者在生长季测量了水稻地叶片氮含量(NLeaf),叶片光合色素(即叶绿素(ChlLeaf),类胡萝卜素(CarLeaf)和叶黄素(XanLeaf))以及叶片光合能力(即1,5-二磷酸核酮糖(RuBP)在25℃被羧化(Vcmax25)和再生(Jmax25)的最大速率)的季节性变化。同时还调查了NLeaf,叶片光合色素,晴天中午的叶片光化学植被指数(PRILeaf,noon)的有效性及其可能的组合,以估算水稻地的叶片光合能力(即Vcmax25和Jmax25)。ChlLeaf与Vcmax25和Jmax25高度相关(R2分别为0.89和0.87),优于NLeaf(R2分别为0.80和0...
2020 - 08 - 20
【摘要】正确理解地下水循环模式及其可更新能力对地下水资源的评估、合理开发和利用至关重要。在干旱或半干旱地区地下水补给量少且变异性高,因此难以估算。同位素研究和混合模型相结合可以直接估计含水层的可更新性。本文利用环境同位素方法研究了中国西北半干旱地区—银川盆地的潜水循环模式以及更新能力,主要研究了不同水体的同位素特征,潜水同位素年龄,水循环模式以及更新速率。结果表明,银川盆地主要有两个补给源,即局部大气降水(占13%)和黄河(占87%)。银川盆地潜水的平均滞留时间是48年,平均更新速率是3.38%/a。潜水具有较强的更新能力,更新速率与同位素年龄一致。【研究区域】位于中国西北地区的银川平原。图1 银川盆地位置图【样品收集和测量】收集了来自全球大气降水监测数据和国际原子能机构的30组降水数据,并收集了11个黄河水样品,47个潜水样品。利用LGR的液态水同位素分析仪测量所有水体的δ18...
2020 - 08 - 13
冷害是造成作物严重损失和不可逆转伤害的灾害之一。为避免产量损失,可利用高通量表型选择耐寒胁迫的作物品种。如今,无损光谱图像分析已成为一种有效方法,并已广泛应用于高通量表型分析中,反映出植物结构组成,生长发育过程中的生理,生化特性和特征。本研究利用卷积神经网络(CNN)模型提取可见-近红外范围的特征光谱估计玉米幼苗的冷害。文中以五个品种的冷处理玉米幼苗的高光谱图像为研究对象。光谱范围为450-885 nm。高斯低通滤波和Savitzky-Golay平滑方法结合一阶导数进行光谱数据的预处理。从每种玉米幼苗选定的感兴趣区域获取3600个像素样本用于CNN建模。CNN模型建立后,从高光谱图像中提取400个像素样本作为每个品种的测试集。最后,通过分析分类准确度和计算效率确定一个CNN模型。CNN检测到的不同类型的玉米幼苗的冷害水平分别为W22 (41.8 %),BxM (35%),...
关闭窗口】【打印
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(研发、售后)
          光华创业园科研楼二层东侧(销售、市场)
电话:010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

深圳办事处:

地址:深圳市宝安区创业二路玖悦雅轩商业裙楼3层瑞思BEEPLUS 3029室 手机:13910499772

武汉办事处:

地址:武汉市洪山区民族大道124号龙安港汇城A座1108 手机:13910499761


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开