[关闭]
@novachen 2020-03-14T01:27:03.000000Z 字数 1598 阅读 2047

高分二号0.8米多光谱产品生产

高分二号 配准 复原 融合 像素刻刀


1 背景

高分二号是我国高分专项中空间分辨率最高的卫星,0.8米的空间分辨率达到了很多应用的亚米级需求。在高分专项推动下,目前高分二号已经成为我国各大部委使用的主力遥感卫星,取代了很多国外商业卫星数据,为国家节约了大量资金。

但是高分二号的分发产品还存在不少问题,相对于WorldView2/3和Pleiades1这样的国际主流商业遥感卫星还有不少差距,迫切需要通过后续软件加工提高其品质。我们的像素刻刀(PixelKnife)遥感软件专门设计了高分卫星版,能够同时支持高分二号和高分一号PMS传感器(2米/8米)的高质量影像产品生产。

目前标准的分发产品是提供0.8米的全色(PAN)和3.2米多光谱(MS)的组合,而经过PixelKnife自动处理之后将得到一个0.8米的高分比率多光谱(HRMS),其几何位置以及纹理特征与PAN一致,其波谱特征与MS一致。用户可以直接利用这个结果开展定量分析。

获得这样的产品需要通过两个步骤完成,一是几何配准,二是复原(融合)。

2 几何配准

目前从资源卫星中心获取的分发产品存在普遍的问题:
1)多光谱四个波段之间存在明显的偏差,尤其是近红外波段和其他波段之间(1~2像元)。
2)多光谱和全色之间的偏差(平地可以达到1~2像元,山区更多)

配准

上半部分是彩红外组合(432波段)和低分全色(把全色波段缩小4倍)之间的比较,可以看到明显的晃动;下半部分是经过像素刻刀软件配准后的情况,基本上就看不到晃动了。

实际上高分二号MS和PAN之间的位移是显著非线性的,如下图所示,MS是由5条CCD组成的,他们和PAN之间的偏差各异。因此无论找多少控制点,只要设定的是简单的位移模型(一次多项式、二次多项式),那么就不可能实现精确配准,做再多工作也是徒劳的。

偏移图

这是PixelKnife配准算法生成的某一景高分二号数据分析得到的偏移图,图中的假彩色是由三个多光谱波段(彩红外组合)和全色之间的偏差组成的。其中红色表示近红外波段的偏差,绿色表示红波段的偏差,蓝色表示绿波段的偏差。可以看到近红外的偏移较大,而且在5个区间很不相同。通过几百景图像的测试,我们发现每景图像的偏移图都不相同,哪怕是相邻时间拍摄的上下两景。

3 复原(融合)

行业内通常习惯把这个步骤称为融合,但是我认为融合的说法对结果的约束较弱,好像什么结果都能接受的样子。
复原强调了结果应该和实际情况下的高分辨率多光谱(HRMS)图像越接近越好。

我们设计了一个理想化测试,将WorldView3(1.2米多光谱/0.3米全色)缩小4倍到仿真数据集SIM(4.8米多光谱/1.2米全色),将SIM输入到各种融合算法中得到融合结果OUT(1.2米多光谱),将OUT和WV3原来的多光谱数据(理想结果)加以比较,看谁的偏差较小。

此处输入图片的描述

上图是待输入到各融合工具的仿真数据集SIM

实验后检测三种关键指标SAD(光谱角差异)、r2(相关系数)、RMSE(均方根误差)

指标 PCA GS PCI NND PixelKnife
SAD(越小越好) 7.4477 7.1695 6.5937 5.5159 5.1806
r2(越大越好) 0.9307 0.9334 0.9405 0.9544 0.9589
RMSE(越小越好) 9.8726 8.2219 7.5432 6.4207 5.4801

在几个测试指标中PixelKnife都是最佳的,尤其是在最能反映和理想结果的绝对差异的RMSE指标上和其他融合方法差别巨大。

下面是四种融合方法分别和理想结果切换显示的动画结果:

GS融合方法比较
此处输入图片的描述

PCI融合方法比较
此处输入图片的描述

NND融合方法比较
此处输入图片的描述

PixelKnife融合方法比较
此处输入图片的描述

PixelKnife融合算法可以在所有高分辨率卫星数据的融合中获得好的结果。除了高分一号高分二号以外,在Pleiades、SPOT6/7等数据的处理中也能获得比法国提供的标准产品更好的效果。

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注