基于虚拟低分辨率影像重建与时空特征融合的遥感图像相对辐射校正新方法
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Relative Radiometric Correction via Virtual Low-Resolution Image Reconstructing With Spatio-Temporal Feature Fusion for Remote Sensing Images
【字体:
大
中
小
】
时间:2025年12月08日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5.4
编辑推荐:
本文针对多源遥感影像间辐射差异大、传统方法细节丢失严重的问题,提出了一种基于虚拟低分辨率影像(VLRI)重建与时空特征融合的相对辐射校正(RRC)新方法。该方法通过重建具有原始影像辐射特性和参考影像纹理特征的VLRI,将RRC问题转化为时空融合问题,并引入加权时空滤波机制量化光谱相似性、时间相关性和空间邻近度。实验表明,该方法在消除辐射差异的同时最大程度保留影像细节,显著提升了大范围遥感影像镶嵌质量。
随着遥感技术在环境监测、资源调查等领域的深入应用,大范围区域分析需求日益增长,多幅影像镶嵌合成覆盖大面积地理区域的综合影像成为必然选择。然而在季节、光照、大气条件和地表覆盖的影响下,大区域获取的各影像辐射通常不均匀,严重影响镶嵌影像的判读使用。为确保镶嵌影像质量,获得细节清晰、辐射一致的高质量影像,必须在镶嵌前协调影像间的辐射一致性,为后续视觉判读、数字正射影像制作等应用提供保障。
传统相对辐射校正方法主要分为基于直方图匹配、基于统计参数和基于参考影像三类。基于直方图匹配的方法实现简单但难以处理辐射分布突变情况;基于统计参数的方法(如Wallis滤波器及其变体)在异质影像辐射匹配方面表现良好,但容易产生灰度集中和块效应问题;基于参考影像的方法绕过相邻影像重叠区域要求,直接基于选取的参考影像与原始影像的对应关系构建RRC模型,但往往存在信息丢失和质量下降的问题。特别是当伪不变特征(PIF)或关键点提取困难时,同样会导致局部细节信息丢失和特性质量下降。
针对这些挑战,武汉大学的研究团队在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上发表了一项创新研究,提出了一种基于虚拟低分辨率影像(VLRI)重建与时空特征融合的遥感影像相对辐射校正方法。该方法的核心创新在于两阶段设计:首先重建一个辐射与原始影像对齐、纹理与参考影像对齐的VLRI作为中介,巧妙地将RRC问题转化为标准时空融合问题;随后提出新型加权滤波模型,显式建模像素间的时空光谱关系,通过综合考虑光谱、时间和空间维度的差异,精确计算每个像素的校正值。
关键技术方法包括VLRI重建和加权时空滤波两个核心环节。VLRI重建采用直方图匹配、统计特征参数匹配或线性变换方法,将原始影像的辐射信息与参考影像的纹理特征进行融合,生成既保持原始影像辐射分布又保留参考影像纹理特征的虚拟低分辨率影像。加权时空滤波则通过局部滑动窗口选择光谱相似像素,量化光谱差异(Sfr)、时间差异(Trr)和空间距离(Dij),构建加权函数参与校正计算。
研究团队在三个不同区域开展了实验验证:研究区1位于中国湖北省,面积约18万平方公里,选用空间分辨率16米的GF-1卫星影像;研究区2靠近中国黑龙江省,面积约4400平方公里,选用2018-2019年四季影像;研究区3覆盖西北欧地区,源自在Sentinel-2卫星10米分辨率影像。参考影像均来自相应区域的Google地图,空间分辨率300米。
视觉评估结果表明,与传统方法相比,新方法在实现辐射调整的同时最大程度保留了原始影像的细节信息。在研究区1的12幅GF-1卫星影像上,改进的直方图匹配方法(IHM)、基于Wallis滤波的方法、色调参考影像颜色归一化算法(TRM)以及基于关键点的LIRRN和KRRN-FTRR方法虽能实现整体辐射归一化,但在图像接缝处出现颜色过渡不自然、局部细节模糊等问题。而本文方法在保持原始影像纹理特征和细节分布方面表现最优,特别是在水体、城区、平原和山区等不同场景下,均能保持特征轮廓清晰且辐射分布自然。
定量评估结果显示,本文方法在信息熵(IE)和平均梯度(G)两项指标上均优于其他对比方法。在研究区1,本文方法的信息熵达到6.71,平均梯度为18.40,明显高于其他方法,表明该方法能更好地保留影像细节信息。类似地,在研究区2和研究区3的实验中也观察到相同趋势,证明该方法在协调辐射差异和保持细节清晰度方面的优势。
土地利用分类应用验证进一步证明了该方法的实用性。使用无监督SAM模型生成土地利用图的结果表明,未经RRC处理的遥感影像在接缝位置产生明显边界,同类地物特征被误分为不同类别。而经本文方法处理后,分类结果在视觉质量、地物分布接近参考影像程度以及细节信息保留方面均表现最佳,有效解决了接缝线处的边界问题。
参数敏感性分析揭示了滤波窗口大小、VLRI重建方法和几何偏移对结果的影响。实验表明,3×3滤波窗口能获得最清晰的结果,过大窗口会引入周围异质像素导致异常辐射斑块;基于统计特征参数匹配的VLRI重建方法在定量评估指标上最优;当初参考影像间几何偏移超过2像素时,结果质量明显下降。
消融实验验证了VLRI重建步骤的必要性。使用原始影像下采样低分辨率影像代替重建影像作为输入时,结果细节模糊,信息熵和平均梯度显著低于重建影像参与校正的结果,证明VLRI重建是确保滤波校正质量的关键步骤。
该研究提出的基于VLRI重建与时空特征融合的RRC方法,通过创新性地将辐射校正问题转化为时空融合问题,并引入加权滤波机制量化时空光谱关系,有效解决了传统方法在细节保留和辐射一致性平衡方面的难题。方法在辐射差异消除、细节信息保留以及几何配准容错性方面均表现出色,特别适用于大范围多影像镶嵌应用场景,为历史低分辨率数据在辐射校正中的有效利用提供了新思路。未来结合高精度云检测方法,有望进一步拓展其在多云条件下的应用潜力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号