[发明专利]一种多光谱遥感卫星影像的雾霾分量模拟方法

说明书

本发明属于遥感影像技术领域，具体涉及一种多光谱遥感卫星影像的雾霾分量模拟方法，包括以下步骤：步骤一、对多光谱遥感影像数据进行预处理；步骤二、初始化计算基准雾透射率图；步骤三、初始化计算遥感影像每个位置处对应的雾厚度相关物理量；步骤四、初始化全局大气光值；步骤五、初始化若干段不同波段对应的波长值；步骤六、对多光谱每个通道进行雾合成模拟计算。与现有技术相比，本发明充分考虑到了雾在多光谱卫星影像上的特性，使得合成模拟的雾影像数据十分逼真，而且需人为设定参数较少，仅需通过设定步骤二中不同的ω值即可获得不同雾浓度的合成模拟影像数据，另外，合成的效率也得到了巨大的提升。

技术领域

本发明属于遥感影像技术领域，具体涉及一种多光谱遥感卫星影像的雾霾分量模拟方法。

背景技术

随着深度学习技术的快速发展，基于深度学习的遥感图像处理技术也取得了令人瞩目的成就。但是在遥感图像复原这方面的研究甚少，尤其是针对遥感影像去雾的研究。究其原因发现影响深度学习技术在遥感去雾领域的发展最为关键的一个因素为：很少有可用于训练深度学习网络的成对无雾和有雾遥感数据。在正常的卫星影像数据中实验科研人员很难找到满足要求的同一地方且地表变化较小的有雾和无雾数据对。因此，对于深度学习方法来说，通过模拟合成带雾的影像数据来训练深度学习网络参数变得尤为重要。

早期的遥感影像雾的合成方法大致可分为两类：(1)均匀雾模拟方法，将传输设置为全局常数，生成具有均匀雾的影像；(2)非均匀雾模拟方法，采用从真实模糊图像中提取的传输作为雾罩，生成具有非均匀雾的影像。非均匀雾模拟方法比均匀雾模拟方法更接近真实雾的状态情形。但是，大多数的雾模拟方法都假设雾合成方法独立于波长和雾的厚度。他们假设多光谱影像所有通道的雾透射率图(haze transmissionmap)都相同。然而，在遥感图像中，雾的浓度会随着波长的增加而逐渐减小，不同波段雾的透射率是不同的。此外，根据大气散射理论，不同的雾厚度大气条件也会影响雾的雾透射，雾浓度越厚影响越大。因此，在合成带雾多光谱影像数据时，不仅要考虑雾的非均匀性空间变化状态，同时也要考虑波长和雾厚度大气条件对雾的透射率的影响。

因此，在综合考虑上述因素的情况下，发明了一种多光谱卫星遥感影像的雾合成模拟方法。

发明内容

本发明的目的在于：针对现有技术的不足，而提供的一种多光谱遥感卫星影像的雾霾分量模拟方法，通过该方法能快速获取不同雾浓度的合成模拟影像数据，同时还大大提高了合成雾的效果和合成的效率。

为实现上述目的，本发明采用如下技术方案：

一种多光谱遥感卫星影像的雾霾分量模拟方法，包括以下步骤：

步骤一、对多光谱遥感影像数据进行预处理；

步骤二、初始化计算基准雾透射率图t(x)；

步骤三、初始化计算遥感影像每个位置处对应的雾厚度相关物理量γ(x)；

步骤四、初始化全局大气光值A；

步骤五、初始化若干段不同波段对应的波长值λ_j；

步骤六、对多光谱每个通道进行雾合成模拟计算。

作为对本发明中所述的多光谱遥感卫星影像的雾霾分量模拟方法的改进，所述步骤一中对多光谱遥感影像数据的预处理包括对多光谱遥感影像数据进行大气校正，采用ENVI5.2软件中的FLAASH大气校正模型进行影像的大气校正。

作为对本发明中所述的多光谱遥感卫星影像的雾霾分量模拟方法的改进，所述步骤二中基准雾透射率图的具体计算公式为：

t(x)＝1-ω*ρ_band9(x)，