一种光谱和空间信息结合的高光谱数据非均一校正方法,它有六大步骤:一、高光谱数据的读入;二、由边缘检测算子计算每一个单波段图像中非均一特征的边缘;三、由步骤二提取的非均一特征边缘实现图像分割,判定响应非均一探元的位置;四、由步骤三响应非均一探元位置确定参考探元位置,并计算相应的光谱维比率;五、由步骤四探元光谱维比率计算响应非均一探元的校正系数;六、由校正系数实现响应非均一像元值的更新,实现非均一性校正。本发明能稳定的分离图像中的非均一特征,并结合光谱和空间信息获得更可靠的校正结果,它在高光谱图像预处理领域里具有较好的实用价值和广阔的应用前景。
1.一种光谱和空间信息结合的高光谱数据非均一校正方法,其特征在于:该方法具体步骤如下:步骤一:高光谱数据的读入;步骤二:由边缘检测算子计算每一个单波段图像中非均一特征的边缘;步骤三:由步骤二提取的非均一特征边缘实现图像分割,判定响应非均一探元的位置;步骤四:由步骤三响应非均一探元位置确定参考探元位置,并计算相应的光谱维比率;步骤五:由步骤四探元光谱维比率计算响应非均一探元的校正系数;步骤六:由校正系数实现响应非均一像元值的更新,实现非均一性校正。
2.根据权利要求1所述的一种光谱和空间信息结合的高光谱数据非均一校正方法,其特征在于:步骤二中所述的边缘检测算子为Sobel算子,定义如下: h 1 = - 1 0 1 - 2 0 2 - 1 0 1 , ]]> h 2 = 1 2 1 0 0 0 - 1 - 2 - 1 ]]> 式中,h₁、h₂分别是垂直方向和水平方向的边缘检测算子;根据高光谱数据中的非均一特征选择相应方向的边缘检测算子。
3.根据权利要求1所述的一种光谱和空间信息结合的高光谱数据非均一校正方法,其特征在于:步骤三中所述的实现图像分割,判定响应非均一探元的位置,判定准则如下: ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 式中,Loc为1表示此探元响应非均一,为0表示响应均一;R是非均一特征边缘上标记为边缘点的数目,P是最大连续边缘点的数目;M是图像的行数;Res是数据的空间分辨率。
4.根据权利要求1所述的一种光谱和空间信息结合的高光谱数据非均一校正方法,其特征在于:步骤四中所述参考探元是指与非均一探元最近邻的均一探元,光谱维比率由不同波段的辐亮度计算得到: r ( x 0 , y j , k 0 , n ) = L ( x 0 , y j , k 0 + n ) L ( x 0 , y j , k 0 ) = [ r ( x 0 , y 1 , k 0 , n ) , . . . . . . , r ( x 0 , y M , k 0 , n ) ] ]]> r ‾ ( x ‾ 0 , y j , k 0 , n ) = L ( x ‾ 0 , y j , k 0 + n ) L ( x ‾ 0 , y j , k 0 ) = [ r ‾ ( x ‾ 0 , y 1 , k 0 , n ) , . . . . . . , r ‾ ( x ‾ 0 , y M , k 0 , n ) ] ]]> 式中,r(x₀,y_j,k₀,n)表示探元(x₀,k₀)的光谱维比率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="277"/>表示参考探元ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="138"/>的光谱维比率;L(x₀,y_j,k₀+n)、L(x₀,y_j,k₀)分别表示探元(x₀,k₀)在第k₀+n波段、第k波段的辐亮度值,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="301"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="220"/>分别表示探元ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="138"/>在第k₀+n波段、第k波段的辐亮度值,其中y_j是空间维的行序号,j=1,2,......,M,并且M是图像的行数。
5.根据权利要求1所述的一种光谱和空间信息结合的高光谱数据非均一校正方法,其特征在于:步骤五中所述求取响应非均一探元的校正系数计算公式如下: a ( x 0 , k 0 ) = Std ( x 0 , k 0 ) Std ( x ‾ 0 , k 0 ) ]]> b ( x 0 , k 0 ) = Mean ( x 0 , k 0 ) - Std ( x 0 , k 0 ) Std ( x ‾ 0 , k 0 ) Mean ( x ‾ 0 , k 0 ) ]]> 式中,a(x₀,k₀)、b(x₀,k₀)是非均一探元(x₀,k₀)的校正系数,分别表征增益和偏置;Std(x₀,k₀)、ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="209"/>分别表示非均一探元光谱维比率、参考探元光谱维比率的标准差;Mean(x₀,k₀)、ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="254"/>分别表示非均一探元光谱维比率、参考探元光谱维比率的均值。
6.根据权利要求1所述的一种光谱和空间信息结合的高光谱数据非均一校正方法,其特征在于:步骤六中所述响应非均一像元值的更新,更新方式如下:L*(x₀,y_j,k₀)=a(x₀,k₀)L(x₀,y_j,k₀)+b(x₀,k₀)式中,(x₀,k₀)表示响应非均一探元,L(x₀,y_j,k₀)表示第k₀波段像元(x₀,y_j)更新前的辐亮度,L*(x₀,y_j,k₀)为更新后的辐亮度。(一)技术领域本发明涉及一种光谱和空间信息结合的高光谱数据非均一校正方法,属于工程科学技术中的遥感技术应用领域,适用于高光谱数据预处理。(二)背景技术高光谱成像仪是一种新型的遥感载荷,其光谱具有紧密、连续的特点,可以同时记录被测地物的光谱和空间信息特征,使本来在宽波段遥感中不可能探测的物质在高光谱遥感中能被探测到。由于探测器单元(探元)响应的不均一,或者电子链路中多个读出电路的不均一,或者辐射定标引入的不确定,数据的空间域都会呈现非均一性,使得图像数据质量降低,数据应用能力削弱。目前非均一校正方法主要是基于非均一探元与相邻探元统计信息量不随成像时间变化的假设,在图像空间域对非均一列(行)的统计信息量进行某种运算,使之与参考图像的统计信息量匹配,但是在地物较复杂从而图像灰度分布不均匀的情况下,该方法计算得到的校正系数仍包含地物差异的贡献,并不能完全体现探元之间的差异,据此校正系数对图像进行非均一校正后,会在图像空间域产生明暗不连续的“带状效应”现象。图像分割的目的在于将图像分成各具特性的区域并提取出感兴趣的目标。图像分割中最普遍的方法是基于边缘的分割,其依赖于由图像梯度找到的图像边缘,这些边缘标示出了图像特性方面不连续的位置。设f(x,y)是输入图像,其在位置(x,y)的梯度向量定义如下: ▿ f = ∂ f ∂ x ∂ f ∂ y ]]> 从向量分析可知,梯度向量指向在坐标(x,y)的f的最大变化率方向,而梯度向量的幅值ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="306"/>给出了在ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="58"/>方向上每增加单位距离后f(x,y)值增大的最大变化率。为了算法简便,易实现,一般通过边缘检测算子卷积计算梯度向量的各个分量。但是在非均一校正方法中,基于边缘检测的图像结果为不连续边缘,必须结合非均一特征的形成机理,将间断边缘合并为连续边缘链。(三)发明内容本发明的目的是提供一种光谱和空间信息结合的高光谱数据非均一校正方法,它克服了现有校正方法仅从数据空间域出发进行非均一校正的不足,有效地利用了高光谱数据图谱合一的特点,抑制了复杂地物的影响,它是一种稳定性强、可靠性高、精确度高的高光谱数据非均一校正方法。本发明的技术解决方案是:基于图像分割理论,利用方向性边缘检测算子结合高光谱数据中非均一特征的形成机理,实现特征与背景的分离,确定非均一探元位置,通过光谱维比率计算非均一校正系数,最后逐像元更新实现高光谱数据的非均一校正。本发明一种光谱和空间信息结合的高光谱数据非均一校正方法,其步骤如下:步骤一:高光谱数据的读入;步骤二:由边缘检测算子计算每一个单波段图像中非均一特征的边缘;步骤三:由步骤二提取的非均一特征边缘实现图像分割,判定响应非均一探元的位置;步骤四:由步骤三响应非均一探元位置确定参考探元位置,并计算相应的光谱维比率;步骤五:由步骤四探元光谱维比率计算响应非均一探元的校正系数;步骤六:由校正系数实现响应非均一像元值的更新,实现非均一性校正。其中,步骤二中所述的边缘检测算子为Sobel算子,定义如下: h 1 = - 1 0 1 - 2 0 2 - 1 0 1 , ]]> h 2 = 1 2 1 0 0 0 - 1 - 2 - 1 ]]> 式中,h₁、h₂分别是垂直方向和水平方向的边缘检测算子。根据高光谱数据中的非均一特征选择相应方向的边缘检测算子。其中,步骤三中所述的实现图像分割,判定响应非均一探元的位置,判定准则如下: ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 式中Loc为1表示此探元响应非均一,为0表示响应均一;R是非均一特征边缘上标记为边缘点的数目,P是最大连续边缘点的数目;M是图像的行数;Res是数据的空间分辨率。其中,步骤四中所述参考探元是指与非均一探元最近邻的均一探元,光谱维比率由不同波段的辐亮度计算得到: r ( x 0 , y j , k 0 , n ) = L ( x 0 , y j , k 0 + n ) L ( x 0 , y j , k 0 ) = [ r ( x 0 , y 1 , k 0 , n ) , . . . . . . , r ( x 0 , y M , k 0 , n ) ] ]]> r ‾ ( x ‾ 0 , y j , k 0 , n ) = L ( x ‾ 0 , y j , k 0 + n ) L ( x ‾ 0 , y j , k 0 ) = [ r ‾ ( x ‾ 0 , y 1 , k 0 , n ) , . . . . . . , r ‾ ( x ‾ 0 , y M , k 0 , n ) ] ]]> 式中,r(x₀,y_j,k₀,n)表示探元(x₀,k₀)的光谱维比率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="278"/>表示参考探元ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="138"/>的光谱维比率;L(x₀,y_j,k₀+n)、L(x₀,y_j,k₀)分别表示探元(x₀,k₀)在第k₀+n波段、第k波段的辐亮度值,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="301"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="220"/>分别表示探元ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="138"/>在第k₀+n波段、第k波段的辐亮度值,其中y_j是空间维的行序号,j=1,2,......,M,并且M是图像的行数。其中,步骤五中所述求取响应非均一探元的校正系数计算公式如下: a ( x 0 , k 0 ) = Std ( x 0 , k 0 ) Std ( x ‾ 0 , k 0 ) ]]> b ( x 0 , k 0 ) = Mean ( x 0 , k 0 ) - Std ( x 0 , k 0 ) Std ( x ‾ 0 , k 0 ) Mean ( x ‾ 0 , k 0 ) ]]> 式中,a(x₀,k₀)、b(x₀,k₀)是非均一探元(x₀,k₀)的校正系数,分别表征增益和偏置;Std(x₀,k₀)、ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="210"/>分别表示非均一探元光谱维比率、参考探元光谱维比率的标准差;Mean(x₀,k₀)、ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="253"/>分别表示非均一探元光谱维比率、参考探元光谱维比率的均值;其中,步骤六中所述响应非均一像元值的更新,更新方式如下:L*(x₀,y_j,k₀)=a(x₀,k₀)L(x₀,y_j,k₀)+b(x₀,k₀)式中,(x₀,k₀)表示响应非均一探元,L(x₀,y_j,k₀)表示第k₀波段像元(x₀,y_j)更新前的辐亮度,L^*(x₀,y_j,k₀)为更新后的辐亮度。本发明与现有技术相比的优点在于:克服了传统高光谱数据非均一校正方法从空间域单一方面出发进行数据处理的局限,本方法同时利用了高光谱数据提供的光谱和空间信息,实现了非均一性的校正。它具有以下的优点:(1)基于图像分割的理论,同时利用了高光谱数据提供的光谱和空间信息,有效地抑制了复杂地物等因素对非均一校正结果的影响,提高了算法的可靠性;(2)通过带有方向信息的边缘分割结合数据中非均一特征的形成机理,实现特征与背景的有效分离。(四)附图说明图1为本发明流程框图(五)具体实施方式见图1,以Hyperion星载高光谱数据为例,本发明一种光谱和空间信息结合的高光谱数据非均一校正方法,该方法具体步骤如下:步骤一:高光谱数据的读入:读入Hyperion高光谱数据;步骤二:由边缘检测算子计算每一个单波段图像中非均一特征的边缘;因为Hyperion为色散推扫式高光谱成像仪,非均一特征表现在沿轨方向,选择垂直方向的Sobel检测子,定义如下: h = - 1 0 1 - 2 0 2 - 1 0 1 ]]> 步骤三:由步骤二提取的非均一特征边缘实现图像分割,判定响应非均一探元的位置;步骤二提取的非均一特征边缘,其标记为边缘点的数目为R,最大连续边缘点的数目为P,Hyperion数据的行数为M,空间分辨率为30m,利用判定准则确定非均一探元的位置: ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 式中,Loc为1表示此探元响应非均一,为0表示响应均一。步骤四:由步骤三响应非均一探元位置确定参考探元位置,并计算相应的光谱维比率;根据确定的非均一探元位置和参考探元位置,计算光谱维比率: r ( x 0 , y j , k 0 , n ) = L ( x 0 , y j , k 0 + n ) L ( x 0 , y j , k 0 ) = [ r ( x 0 , y 1 , k 0 , n ) , . . . . . . , r ( x 0 , y M , k 0 , n ) ] ]]> r ‾ ( x ‾ 0 , y j , k 0 , n ) = L ( x ‾ 0 , y j , k 0 + n ) L ( x ‾ 0 , y j , k 0 ) = [ r ‾ ( x ‾ 0 , y 1 , k 0 , n ) , . . . . . . , r ‾ ( x ‾ 0 , y M , k 0 , n ) ] ]]> 式中,r(x₀,y_j,k₀,n)表示探元(x₀,k₀)的光谱维比率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="278"/>表示参考探元ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="138"/>的光谱维比率;;L(x₀,y_j,k₀+n)、L(x₀,y_j,k₀)分别表示探元(x₀,k₀)在第k₀+n波段、第k波段的辐亮度值,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="301"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="220"/>分别表示探元ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="138"/>在第k₀+n波段、第k波段的辐亮度值,其中y_j是空间维的行序号,j=1,2,......,M,并且M是图像的行数。步骤五:由步骤四探元光谱维比率计算响应非均一探元的校正系数;设Std(x₀,k₀)、ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="210"/>分别表示非均一探元光谱维比率、参考探元光谱维比率的标准差,Mean(x₀,k₀)、ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="254"/>分别表示非均一探元光谱维比率、参考探元光谱维比率的均值,则非均一探元(x₀,k₀)的校正系数为: a ( x 0 , k 0 ) = Std ( x 0 , k 0 ) Std ( x ‾ 0 , k 0 ) ]]> b ( x 0 , k 0 ) = Mean ( x 0 , k 0 ) - Std ( x 0 , k 0 ) Std ( x ‾ 0 , k 0 ) Mean ( x ‾ 0 , k 0 ) ]]> 式中,a(x₀,k₀)、b(x₀,k₀)分别表征增益和偏置;步骤六:由校正系数实现响应非均一像元值的更新,实现非均一性校正;设响应非均一探元(x₀,k₀),L(x₀,y_j,k₀)是第k₀波段像元(x₀,y_j)的辐亮度值,更新后的辐亮度值是L*(x₀,y_j,k₀),更新方式如下:L*(x₀,y_j,k₀)=a(x₀,k₀)L(x₀,y_j,k₀)+b(x₀,k₀)。