文章快速检索  
  高级检索
多目标无人机微型凝视高光谱成像仪辐射校正
李长春1, 王艳杰1, 马春艳1, 马潇潇2, 王双亭1     
1. 河南理工大学, 河南 焦作 454000;
2. 郑州信息科技职业学院, 河南 郑州 450008
摘要:微型凝视高光谱成像仪可以同时获取两个空间维度和一个光谱维度图像,且仅记录整个高光谱图像的外方位元素而不是记录每一帧图像的外方位元素,避免了扫描时的几何不稳定性,有效解决了小型线扫式高光谱成像仪成像几何变形大的问题,适合于姿态不稳定小型无人机负载平台。目前,研究大多集中于线扫式高光谱成像仪辐射校正方法。凝视型高光谱成像仪应用时间较短,国内外没有较为成熟的数据处理研究,阻碍了无人机微型凝视高光谱成像系统的应用。本文研究了无人机载微型凝视高光谱成像仪辐射响应线性度特性和辐射响应变异性的校正方法,并定量评估该方法的有效性。结果表明,辐射响应变异性校正前,高光谱图像存在明显的渐晕效应和条带现象,校正后,不同波段中像元的辐射响应变异系数显著下降,且渐晕效应和图像条带明显减少。本文提出了基于多目标辐射定标方法,并通过比较定标后的高光谱图像光谱与地面光谱仪实测地物光谱来验证辐射定标的精度。结果表明,多目标辐射定标方法的定标结果表现出更好的效果,特别对于近红外波段,与光谱仪实测的地物反射率差异较小。
关键词微型凝视高光谱成像仪     线扫式高光谱成像仪     辐射响应线性度     辐射响应变异性     光谱定标     辐射定标    
Research on radiance correction of mini snapshot high spectrometer load on UAV using multi-target
LI Changchun1, WANG Yanjie1, MA Chunyan1, MA Xiaoxiao2, WANG Shuangting1     
1. Henan Polytechnic University, Jiaozuo 454000, China;
2. Zhengzhou Vocational University of Information and Technology, Zhengzhou 450008, China
Abstract: Mini snapshot high spectrometer can get images with two spatial dimensions and one spectral dimension at the same time, and the exterior orientation elements of the whole hyper spectral images instead of each frame, which can avoid geometric instability when scanning and can solve the large geometric deformation problem of push broom high spectrometer. So mini snapshot high spectrometer is suitable for small unmanned aerial vehicle platform. At present, the research mainly focus on radiometric correction of push broom high spectrometer. The application time of snapshot high spectrometer is relatively short, and the research on image processing is not adequate which has hampered wider use of this system. In this paper, the radiation response linearity and radiation response variability of mini snapshot high spectrometer load on UAV have been studied. At the same time, the correction method of radiation response variability has been studied, and the effectiveness of this method is assessed. The results show that before radiation response variability correction, there are the obvious vignetting effect and banding phenomenon on hyperspectral images, the radiation response variability coefficient after correction declines significantly, and the vignetting effect and banding phenomenon obviously decrease. The algorithm of multi-target radiometric calibration has been researched on, and the radiometric calibration accuracy is verified according to comparing the hyperspectral image spectrum calibrated with measured spectrum by ASD spectrometer. The results show that the radiometric calibration effect of multi target radiometric calibration algorithm is better, especially for near infrared band, the reflectance after calibrating is almost same as one measured by ASD spectrometer.
Key words: mini snapshot high spectrometer     push broom high spectrometer     radiation response linearity     radiation response variability     spectral calibration     radiometric calibration    

近年来,无人机高光谱成像技术在一些研究和应用领域逐渐得到推广,其在环境监测与保护、灾害监测与评估、地质勘探、城市规划等领域得到越来越广泛的应用[1-6]。传统情况下,高光谱成像仪常搭载在航空或卫星平台上,由于卫星平台的重复周期长和空间分辨率低,以及航空平台图像采集成本昂贵,阻碍了航空和卫星高光谱成像技术的应用[7]。随着新型低空平台如小型无人机和微型高光谱成像传感器的出现,高光谱遥感数据采集方式正在迅速改变[8]

目前,主要有线扫式和凝视型高光谱成像仪。线扫式高光谱成像仪采用一个二维检测器阵列,仅获得一个空间维度和一个光谱维度图像,由于每次只获取一行或一列图像,图像的几何质量对载荷平台的旋转和震动极其敏感,不稳定的无人机平台会导致获得的高光谱图像几何变形较大[9-10]。凝视型高光谱成像仪在一次拍摄时可以同时获得两个空间维度和一个光谱维度图像,以形成具有几十到几百个带的两个空间维度图像,仅需记录整个高光谱图像的外方位元素而不用对每一帧记录,从而避免了扫描操作时的几何不稳定性。因此,小型凝视型高光谱成像仪可以有效解决小型线扫式高光谱成像仪在无人机上成像几何变形大的问题,适合于姿态不稳定的负载平台如小型无人机。

相对于线扫式高光谱成像仪,凝视型高光谱成像仪应用时间较短,国内外没有较为成熟的数据获取、处理和应用研究,这使得无人机凝视型高光谱成像仪系统的应用面临一定的阻碍。

本文从无人机微型凝视高光谱图像的辐射响应线性度和辐射响应变异性等方面对图像质量进行评价,检验了凝视型高光谱成像仪波长定标偏差、辐射响应线性度及高光谱传感器CCD的辐射响应变异性。重点研究消除无人机微型凝视高光谱图像辐射响应变异性的方法,并定量评估该方法的有效性。提出基于多目标高光谱图像辐射定标方法,并通过比较定标后的高光谱图像光谱与地面光谱仪实际测量的地物光谱来验证辐射定标的精度。

1 试验设备与数据获取

无人机载体平台采用大疆筋斗云S1000+八旋翼无人机,搭载的成像仪为UHD 185微型凝视型高光谱成像仪。该成像仪包括138个光谱波段,采样间隔为4 nm。选用HG-1汞氩光谱定标灯作为光源进行光谱定标。选择FieldSpec Pro FR光谱仪测量地面定标物体和每个研究小区的光谱曲线。

野外无人机高光谱图像数据获取时,将5块表面粗糙,大小为1.5 m×1.5 m接近朗伯体的灰布、绿布、红布、蓝布和黑布分别布设在无人机飞行路线内。在无人机飞行操作之前,利用ASD光谱仪测量这些粗糙布块的反射率曲线。无人机的飞行高度为50 m,速度为5 m/s,图像航向重叠度和旁向重叠度分别设置为70%和60%。

2 高光谱图像光谱定标与辐射定标 2.1 高光谱图像光谱定标

光谱定标是确定高光谱图像中每个波段中心波长位置和光谱带宽的过程。虽然光谱仪在出厂前已经定标过,但其波长会随时间和使用环境而发生变化。另外,可以利用光谱定标的结果模拟每一个波段的半峰宽度值FWHM(full width at half maximum),确定高光谱传感器的光谱分辨率。

对UHD 185高光谱仪进行光谱定标时,首先,将光谱仪放置于HG-1汞氩光谱定标灯光源下并采集高光谱立方体的光谱曲线,以确定曲线所有峰值所在的波段序号。然后,找到曲线所有峰值对应的汞氩光谱定标灯的谱线,以确定每一个峰值的光谱波长值。最后,构建光源光谱曲线波长和高光谱立方体光谱曲线相应峰值所在波段序号之间的线性或多项式函数,利用该线性函数以波段序号为自变量计算每个波段的波长。线性函数为

式中,i为每个波段的序列号;λi为波段i的波长;λ0为第一个波段的波长;α为系数。实验室测试的样本数一般大于2,λiα采用最小二乘法计算得到。

2.2 辐射响应线性度计算

辐射响应线性度是通过图像的DN值与通过积分球测量的入射光谱辐射强度之间的线性关系进行计算,计算公式为[11]

式中,DNi为高光谱立方体第i波段的平均DN值;gaini和offseti为模型的系数,即每个波段的增益值和偏移值;Yi分别为估测的光谱辐射亮度和光谱仪记录的光谱辐射亮度;n为采样样本的个数。

利用式(2)将图像每个梯度的DN值作为自变量,光学积分球测量的光谱辐射强度作为因变量,对试验测量的18组图像的DN值和辐射强度值通过最小二乘法线性模型进行拟合,得到每个波段的增益值和偏移值。式(3)表示利用式(2)拟合结果的决定系数R2,用来表征辐射响应线性度。

2.3 辐射响应变异性及校正

受仪器噪声、渐晕效应等传感器相关因素的影响,高光谱立方体图像会存在一定的辐射响应变异性[12-13]。在高光谱图像处理与应用前,需要事先校正高光谱立方体的辐射响应变异性。为了校正辐射响应变异性,本文采用相同波段在不同照射强度下获取的两个图像的比值,在计算比值前先减去暗电流的影响。该方法假设每个像素的辐射响应都是线性的,该过程可以由式(4)表示,两个图像中,其中一个作为参考图像,作为式(4)的分母。

式中,DNi, j, λ、DNi, j, λc和DCi, j, λ分别为高光谱立方体图像的λ波段DN值、参考高光谱立方体图像和暗电流值;ijλ分别为图像像素的行号、列号和波长。

辐射响应变异程度用下式定量计算

式中,Iλ为辐射响应变异系数;vλmλ分别为波长λ处的波段DN的方差和平均值。

2.4 高光谱图像辐射定标

图像辐射定标的目的是将UHD 185高光谱成像仪获取的立方体图像的DN值转换为辐射亮度或反射率,同时消除或减弱由传感器本身和大气因素引起的辐射偏差[14-15]。本文研究了两种辐射定标方法,第一种为单目标辐射定标法(见式(6)),其利用高光谱图像相对于地面拍摄的白色定标板的相对反射率乘以白色定标板的绝对反射率,求得每个波段的绝对反射率。由于白色参考板的高光谱立方体图像在地表面获取,而高光谱图像在无人机上获取,单目标辐射定标法进行辐射定标时传感器和大气的影响不能很好地被消除。本文研究了另一种多目标辐射定标方法(见式(7)),该方法结合图像辐射变异性校正算法,对因传感器和大气因素引起的辐射畸变有一定的抑制作用。

式中,Refi, j, λ为辐射定标后的反射率;Refw为参考对象的反射率,本文参考对象选择地面铺设的白布,其反射率利用ASD光谱仪测得;MRi, j, λ为经过辐射响应变异性校正后图像DN值;mean(MRλw)为参考对象的像素DN平均值;ij表示图像的行列号。

3 结果与分析 3.1 辐射响应线性度计算结果及特征

利用式(2)和式(3)计算UHD 185高光谱成像仪所有波段的辐射响应线性度,结果如图 1所示。

图 1 UHD 185高光谱成像仪所有波段辐射响应线性度

图 1可知,在所有波段中,UHD 185高光谱成像仪的辐射响应线性度值均超过0.998,这是UHD 185高光谱成像仪取得良好辐射定标结果的前提。但是,不同波段的辐射响应线性度不稳定,存在较大波动,在470~610 nm,以及694和895 nm处,光谱辐射响应线性度明显高于其他波段区域。而在454、638和882 nm附近存在明显的低谷。

3.2 辐射响应变异性校正

图 2图 3分别表示550 nm波段辐射响应变异性校正前后图像像素值变异情况及校正前后频数分布直方图。图 4表示所有波段辐射响应变异系数校正前后情况,图 4中I1和I2表示在积分球出口,不同辐射亮度条件下拍摄的原始图像每个波段的辐射响应变异系数,(l1-DC)/(l2-DC)表示校正后图像的辐射响应变异系数。

图 2 550 nm波段辐射响应变异性校正前和校正后图像像素值
图 3 550 nm波段辐射响应变异性校正前和校正后图像频数分布情况
图 4 所有波段辐射响应变异系数校正前和校正后情况

图 2图 4可以看到,辐射响应变异性校正前,图像的辐射响应变异系数较大,且存在明显的渐晕效应和条带现象,辐射响应变异性校正后,不同波段中像元的辐射响应变异系数显著下降,所有波段的辐射变异系数均小于0.01,且渐晕效应和图像条带明显减少,表明本文提出的方法可以有效校正图像的辐射响应变异性。

3.3 辐射定标及精度分析

分别利用式(6)表示的单目标辐射定标方法和式(7)表示的多目标辐射定标方法进行辐射定标,并选择绿布和芹菜的反射率进行定标效果评价,结果如图 5(a)图 5(b)所示。图 5中C1为单目标辐射定标方法定标结果,C2为多目标辐射定标方法定标结果,ASD为光谱仪实测结果。

图 5 绿布和芹菜不同辐射定标结果

从上述定标结果可以看出:

(1) 利用式(7)表示的多目标辐射定标方法进行定标,表现出更好的定标效果,特别对于近红外波段,与ASD光谱仪实测的地物反射率差异较小。利用式(6)表示的单目标辐射定标方法进行定标,显示地物反射率在722~950 nm光谱区间的近红外区域内明显低于由ASD光谱仪测量的地物反射率,并且在882 nm之后反射率快速下降,不符合地物实际反射率变化趋势。

(2) 将多目标辐射定标方法的定标结果和ASD光谱仪实测的光谱曲线进行比较。结果显示,对于绿布,ASD光谱仪实测的光谱曲线在760 nm附近可以看出细小的氧气吸收特征,辐射定标之后图像的氧气吸收特征不再明显,在910~950 nm光谱区间,辐射定标结果与ASD光谱仪实测结果差异小于5%,在500~950 nm光谱区间,两者差异小于4%;对于芹菜,在458~910 nm光谱区间,两者差异小于3%,在910~950 nm光谱区间,两者差异小于4%。

4 结语

无人机微型凝视高光谱遥感系统目前是一种较为新型的低空遥感平台,能够灵活、快速和可靠地获取高光谱遥感数据。试验结果表明,UHD 185凝视型高光谱成像仪的CCD具有一定的光谱定标偏差,同时具有明显的渐晕效应和条纹现象,这严重影响了图像的质量,不适合直接定量分析与应用。本文首先对原始高光谱图像进行辐射响应变异性校正,校正后影像质量得到明显改善和提高,辐射响应变异性得到明显消除,不存在明显的渐晕效应和条纹现象。同时,本文研究了单目标和多目标辐射定标方法,结果表明,与单目标辐射定标方法相比,多目标辐射定标方法取得了更好的定标效果,特别是能够显著改善近红外光谱区域反射率下降问题。

参考文献
[1] MULLA D J. Twenty five years of remote sensing in precision agriculture:key advances and remaining knowledge gaps[J]. Biosystems Engineering, 2013, 114(4): 358–371. DOI:10.1016/j.biosystemseng.2012.08.009
[2] ZHANG C, KOVACS J M. The application of small unmanned aerial systems for precision agriculture:a review[J]. Precision Agriculture, 2012, 13(6): 693–712. DOI:10.1007/s11119-012-9274-5
[3] HABIB A, HAN Y, XIONG W, et al. Automated ortho-rectification of UAV-based hyperspectral data over an agricultural field using frame RGB imagery[J]. Remote Sensing, 2016, 8(10): 796. DOI:10.3390/rs8100796
[4] SCHIMA R, MOLLENHAUER H, GRENZDORFFER G, et al. Imagine all the plants:evaluation of a light-field camera for on-site crop growth monitoring[J]. Remote Sensing, 2016, 8(10): 823. DOI:10.3390/rs8100823
[5] FENG W, ZHANG H Y, ZHANG Y S, et al. Remote detection of canopy leaf nitrogen concentration in winter wheat by using water resistance vegetation indices from in-situ hyperspectral data[J]. Field Crops Research, 2016, 198: 238–246. DOI:10.1016/j.fcr.2016.08.023
[6] CONTIU S, GROZA A. Improving remote sensing crop classification by argumentation-based conflict resolution in ensemble learning[J]. Expert Systems with Applications, 2016, 64: 269–286. DOI:10.1016/j.eswa.2016.07.037
[7] 童庆禧, 张兵, 张立福. 中国高光谱遥感的前沿与进展[J]. 遥感学报, 2016, 20(5): 689–707.
[8] 张春雷, 向阳. 基于大气吸收带的超光谱成像仪光谱定标技术研究[J]. 光谱学与光谱分析, 2012, 32(1): 268–272. DOI:10.3964/j.issn.1000-0593(2012)01-0268-05
[9] 毕凯, 李英成, 丁晓波, 等. 轻型无人机航摄技术现状及发展趋势[J]. 测绘通报, 2015(3): 27–31.
[10] 林宗坚, 解雯雯, 苏国中. 宽角相机低空航测精度分析[J]. 测绘学报, 2014, 43(10): 991–997.
[11] KARPEL N, SCHECHNER Y Y. Portable polarimetric underwater imaging system with a linear response[J]. Proc Spie, 2004, 5432: 106–115. DOI:10.1117/12.542484
[12] ZHENG Y, YU J, KANG S B, et al. Single-image vignetting correction using radial gradient symmetry[C]//2008 IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]: IEEE, 2008.
[13] GOLDMAN D B, CHEN J H. Vignette and exposure calibration and compensation[C]//Tenth IEEE International Conference on Computer Vision.[S.l.]: IEEE, 2005.
[14] 张志杰, 张浩, 常玉光, 等. Landsat系列卫星光学遥感辐射定标方法综述[J]. 遥感学报, 2015, 19(5): 719–732.
[15] 韩杰, 谢勇. 星载多相机拼接成像传感器在轨辐射定标方法[J]. 测绘学报, 2017, 46(11): 1830–1840. DOI:10.11947/j.AGCS.2017.20170071
[16] 张过, 李立涛. 遥感25号无场化相对辐射定标[J]. 测绘学报, 2017, 46(8): 1009–1016.
http://dx.doi.org/10.13474/j.cnki.11-2246.2019.0012
国家测绘地理信息局主管、中国地图出版社(测绘出版社)主办。
0

文章信息

李长春,王艳杰,马春艳,马潇潇,王双亭
LI Changchun, WANG Yanjie, MA Chunyan, MA Xiaoxiao, WANG Shuangting
多目标无人机微型凝视高光谱成像仪辐射校正
Research on radiance correction of mini snapshot high spectrometer load on UAV using multi-target
测绘通报,2019(1):60-64.
Bulletin of Surveying and Mapping, 2019(1): 60-64.
http://dx.doi.org/10.13474/j.cnki.11-2246.2019.0012

文章历史

收稿日期:2018-05-18
修回日期:2018-08-17

相关文章

工作空间