[发明专利]一种遥感影像可见光波段地形落影校正方法

说明书

本发明涉及一种遥感影像可见光波段地形落影校正方法，主要包括影像预处理、落影提取、SCS+C计算、SEVI计算、样本制作、机器学习、地形落影校正、地形落影校正效果评价。本发明能有效消除遥感影像红、绿、蓝波段的落影干扰，弥补了SEVI只能获取消除落影干扰的单波段信息的不足，也弥补了常规基于DEM的地形校正方法在落影失效的不足。

技术领域

本发明涉及阴影补偿技术领域，具体涉及一种遥感影像可见光波段地形落影校正方法。

背景技术

地形阴影严重干扰山区植被信息提取精度，给山区土地覆被解译造成巨大困难，因此研究地形阴影光谱信息补偿方法具有极其重要的意义。目前的地形阴影校正方法主要有山地辐射传输模型、基于DEM数据的经验校正模型以及波段组合优化计算模型等三类。基于山地辐射传输模型方法同时考虑太阳直射辐射、大气散射辐射以及周围地形反射辐射，效果较好，但模型参数较多且计算过程复杂，推广难度大。基于DEM数据的经验校正方法以反射率与cosi的统计关系为基础进行经验校正，包括统计-经验模型、归一化模型、朗伯体反射率模型以及非朗伯体反射率模型，但该类方法只对本影有效，对落影校正效果不佳。基于波段组合优化计算模型的方法通过构建特殊的植被指数来获取消除地形影响后的植被信息，如波段比模型、FCD模型和VBSI指数、地形调节植被指数、归一化差值山地植被指数、阴影消除植被指数(SEVI)等，然而该类模型只能获取落影的指数信息，缺乏多光谱信息。而多光谱信息是遥感影像分类的基础，对山区土地利用分类至关重要。

发明内容

有鉴于此，本发明的目的在于提供一种遥感影像可见光波段地形落影校正方法，能有效消除遥感影像红、绿、蓝波段的落影干扰，弥补了SEVI只能获取消除落影干扰的单波段信息的不足，也弥补了常规基于DEM的地形校正方法在落影失效的不足。

为实现上述目的，本发明采用如下技术方案：

一种遥感影像可见光波段地形落影校正方法，包括以下步骤：

步骤S1：获取研究区的卫星遥感数据和DEM数据，并将数据规范为同一数据格式；

步骤S2：根据得到的研究区的卫星遥感数据和DEM数据，进行落影提取；

步骤S3：对研究区地表反射率进行SCS+C校正；

步骤S4：对研究区地表反射率进行SEVI计算；

步骤S5：在光照区内生成一定数目的随机样本点，将随机样本点与SEVI及SCS+C校正后各波段地表反射率相结合制作样本集，并按预设比例随机分为训练样本集和测试样本集；

步骤S6：将训练样本集的SEVI作为自变量，以训练样本集SCS+C校正后单波段地表反射率为因变量构建随机森林回归模型，以测试样本集对随机森林回归模型进行精度预测；

步骤S7：根据得到的随机森林回归模型对落影区可见光波段地表反射率进行预测，补偿落影区可见光波段光谱信息。

进一步的，所述步骤S1具体为：

步骤S11:收集覆盖研究区的卫星遥感数据和DEM数据；

步骤S12:对卫星遥感数据进行辐射定标和大气校正，采用研究区掩膜文件裁剪大气校正后地表反射率数据，得到研究区地表反射率数据；

步骤S13:对DEM数据进行投影变换、重采样及裁剪操作，得到研究区DEM数据，最后将获取数据规范为同一数据格式。

进一步的，所述步骤S2具体为：

步骤S21：在研究区分别选取阴影区、光照区及水体三类样本点；

步骤S22：采用随机森林分类方法结合三类样本点对研究区进行分类，提取总体阴影；

步骤S23：选用如下公式提取本影；