一種基于輻射傳輸模擬的遙感影像融合方法
【技術領域】
[0001] 本發(fā)明涉及遙感監(jiān)測領域，尤其涉及一種基于輻射傳輸模擬的遙感影像融合方 法。
【背景技術】
[0002] 自20世紀70年代以來，國際國內已經發(fā)射了多種空間分辨率和光譜分辨率的 遙感傳感器，如如搭載于美國陸地資源衛(wèi)星的Themat ic Mapper (TM)、法國的Systeme Probatoried'Observation dela Tarre(SPOT)、印度的 Indian Space Research(IRS)_lC、 Advanced Spaceborn Thermal Emission and Reflection Radiometer(ASTER)、中巴 資源衛(wèi)星（China-brazil Earth Resource Satellite, CBERS)、我國的環(huán)境 I 號小衛(wèi) 星（HJl)等，針對于水色遙感，還有專門的水色遙感傳感器，如SeaWiFS(Sea-Viewing Wide Field-of-View Sensor)、MERIS(Medium Resolution Imaging Spectrometer)、 GOCI(Geostationary Ocean Color Imager)、MODIS (Moderate Resolution Imaging Spectroradiometer)等，但是，針對于環(huán)境遙感監(jiān)測而言，這些遙感傳感器往往難以在時 間分辨率和光譜分辨率同時滿足要求，因此，多種遙感圖像融合方法應運而生，人們往往通 過圖像融合，將低空間分辨率和較高光譜分辨率的數(shù)據(jù)進行融合，生成新的遙感圖像，以提 高圖像的空間分辨率和光譜分辨率。
[0003] 通常的圖像融合算法都是將高空間分辨率圖像的空間信息，提取并加 入到較低空間分辨率影像中的一系列圖像融合算法，如（1)彩色變換算法，如 Intensity-Hue-Saturation(IHS)變換算法、YIQ變換算法；（2)統(tǒng)計/數(shù)值算法，如比 值算法、主成分分析算法、高通濾波算法、基于小波變換的算法等。這些方法算法大多針 對全色影像和多光譜影像，這些影像的空間分辨率差異不大，此外，這些方法融合后的 影像，其光譜信息丟失嚴重；針對于水色遙感，美國NASA提出了國際水色SHffiIOS計劃 (Sensor Intercomparison and Merger for Biological and Interdisciplinary Oceanic Studies)，目的在于建立一套方法，將 M0S、0CTS、PL0DER、SeaWiFS、M0DIS、MISR、MERIS 等 海洋水色傳感器的資料進行數(shù)據(jù)融合，從而得到盡可能好的全球數(shù)據(jù)覆蓋，產生時空分辨 率更高的新的數(shù)據(jù)產品。經過多年的研究，已經陸續(xù)提出多種對多個衛(wèi)星數(shù)據(jù)進行融合的 方法，包括簡單平均、主觀分析、條件松弛分析、優(yōu)化插值、空間分析法等。這些方法，關注的 重點是光譜一時間分辨率兩個維度的融合，對空間分辨率的考慮較少，而且要求融合的數(shù) 據(jù)具有相似的波段設置。但是，內陸二類水體的空間復雜性和光譜復雜性，決定了參與融合 的影像是具有較高空間分辨率的陸地觀測衛(wèi)星數(shù)據(jù)（如HJ-ICCD數(shù)據(jù)、TM/ETM+/0LI數(shù)據(jù) 等），與具有較高光譜分辨率的水色衛(wèi)星數(shù)據(jù)（如MERIS數(shù)據(jù)、GOCI數(shù)據(jù)等）。這些數(shù)據(jù)在 空間和光譜分辨率上的雙重差異，迫切需要提供新的圖像融合算法。

【發(fā)明內容】

[0004] 本發(fā)明的目的是提供一種基于輻射傳輸模擬的遙感影像融合方法，以解決傳統(tǒng)算 法造成光譜畸變，嚴重地影像參數(shù)定量估算的精度的技術問題。
[0005] 為了解決上述技術問題，本發(fā)明提供了一種基于輻射傳輸模擬的遙感影像融合方 法，包括如下步驟：步驟Sl，獲得水色三要素；以及步驟S2,通過所述水色三要素獲得初步 融合結果。
[0006] 進一步，所述步驟Sl中獲得水色三要素的方法包括：利用多光譜高空間分辨率影 像，通過水面反射率模擬模型推算得到水色三要素，即葉綠素 a濃度(；hla，懸浮物濃度Cs，有 色可溶性有機物的吸收系數(shù)&_(λ'），其中λ'為有色可溶性有機物設定的光譜波長。
[0007] 進一步，通過水面反射率模擬模型推算得到水色三要素的方法如下：步驟S101， 建立水面反射率模擬模型；步驟S102,將水面反射率模擬模型通過非線性最小二乘優(yōu)化算 法獲得水色二要素。
[0008] 進一步，所述步驟SlOl中建立水面反射率模擬模型的方法如下：
[0009] 首先建立水表面遙感反射率與水表面以下遙感反射率r "之間的關系式，即
[0011] 式中，ξ為離散作用系數(shù)，Γ是氣水界面折射系數(shù)，r"為水表面以下遙感反射率， 波長為λ ;以及
[0012] 再建立水面反射率模擬模型，即
[0014] ;式中，為非色素顆粒物的比吸收系數(shù)，為色素顆粒物的比吸收系 數(shù)，(6(/?為非色素顆粒物的比散射系數(shù)，％為非色素顆粒物的后向散射概率，S為黃質的 斜率指數(shù)，bw( λ)為純水的散射系數(shù)。
[0015] 進一步，所述步驟S102中將水面反射率模擬模型通過非線性最小二乘優(yōu)化算法 獲得水色三要素的方法包括：
[0016] 通過非線性最小二乘優(yōu)化算法，將所述水面反射率模擬模型通過最小化式J = (Rn-R) T(Rn-R)求取得到水色三要素的含量；
[0017] 其中Rn為水表面遙感反射率R J勺觀測值，R為水表面遙感反射率R J勺模擬值。
[0018] 進一步，所述步驟S2中通過所述水色三要素獲得初步融合結果的方法包括：
[0019] 將水色三要素代入到水面反射率模擬模型中，即
[0020] Rrs( λ ) = g(Cchla，CTSM，aCMM);以獲得高光譜高空間分辨率影像在各個波段處的 R"，即作為初步融合結果。
[0021] 進一步，所述遙感影像融合方法還包括：
[0022] 步驟S3,對初步融合結果進行修正，以獲得融合影像；
[0023] 即將權重系數(shù)修正后疊加上原始高光譜低空間分辨率影像的光譜信息，以獲得所 述融合影像。
[0024] 進一步，將權重系數(shù)修正后疊加上原始高光譜低空間分辨率影像的光譜信息以獲 得融合影像的方法包括：
[0027] 式中，Ωη代表高光譜低空間分辨率像元范圍內的像元集，n為多光譜高空間分辨 率像元個數(shù)；上標h代表高空間分辨率像元，上標1代表低空間分辨率像元；下標inv代表 初步融合得到的結果，下標LRHI代表高光譜低空間分辨率影像；
為初步融合得到 的高光譜高空間分辨率像元覆蓋范圍內的像元集；
是初步融合結果退化得到的 低分辨率影像；
代表原始高光譜低空間分辨率影像；
為修正后的像元 值，即所述融合影像。
[0028] 本發(fā)明的有益效果是，本發(fā)明的遙感影像融合方法克服了傳統(tǒng)的融合算法造成光 譜信息丟失嚴重的技術問題；并且每個波段的空間分布信息都由嚴格的物理模型推導得 來，而不是在所有波段上都采用全色影像的空間分布信息，高光譜的信息損失較?。槐舅惴?基于水面反射率模擬模型推導高光譜數(shù)據(jù)的波譜，因此，突破了水色遙感圖像融合中對不 同影像波段需要嚴格匹配的局限，其適用性更強。
【附圖說明】
[0029] 圖1是遙感影像融合方法的算法流程圖；
[0030] 圖2是水面反射率模擬模型推算得到水色三要素的算法流程圖；
[0031] 圖3是本發(fā)明的遙感影像融合算法的原理框圖。
【具體實施方式】
[0032] 現(xiàn)在結合附圖對本發(fā)明作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以 示意方式說明本發(fā)明的基本結構，因此其僅顯示與本發(fā)明有關的構成。
[0033] 實施例1