[发明专利]一种自动提取伪不变特征的遥感图像相对辐射校正方法

权利要求书

1.一种自动提取伪不变特征的遥感图像相对辐射校正方法，该方法针对波长在可见光到近红外范围内的多光谱航天遥感数据，直接将目标图像DN(digital number)值转换到地表反射率，具体包括以下步骤：

步骤1，根据目标图像，确定匹配的参考图像，要求参考图像为地表反射率数据，与目标图像的成像时间近似(可以是不同年的，但月份要求在一个月以内，成像时刻在1小时以内)，传感器观测角差异在10°以内，同时要求目标图像能见度大于30km；

步骤2，对目标图像与参考图像进行预处理，包括重投影，几何配准，计算地理重叠区域，各波段象素点对应，排除极值点、过饱和点、云、云下阴影及水体所在象素点；

步骤3，使用典型相关分析从步骤2获取的点集中提取典型相关点集；

步骤4，从步骤3提取的典型相关点集中筛选伪不变特征点集(Pseudo-Invariant Features，PIFs)，筛选的步骤包括通过植被指数(NDVI)排除植被象素点，按照传感器观测角差异大小对剩余点排序，保留角度相对一致的点，对于不同传感器数据，保留同质区域内的象素点；

步骤5，使用步骤4提取的PIFs计算各波段线性关系，并使用这些线性关系对目标图像各波段象素点进行线性变换，将DN值直接转换到地表反射率。

2.根据权利要求1中所述的技术方案，其特征在于：

用线性关系将DN值转换到地表反射率，前提是DN值转换到表观辐射亮度、再转换到表观反射率、最后转换到地表反射率，三步转换的过程线性关系都近似成立，步骤1中所述的“要求参考图像为地表反射率数据，与目标图像的成像时间近似(可以是不同年的，但月份要求在一个月以内，成像时刻在1小时以内)，传感器观测角差异在10°以内，同时要求目标图像能见度大于30km”仅是保证线性关系成立的一种情况，根据具体数据及对结果精度的要求不同，对目标图像及参考图像的要求可以变化。

3.根据权利要求1中所述的技术方案，其特征在于：

步骤2中对数据的预处理中，对不同传感器数据、分辨率差异超过3倍时，采用求加权乘积再求和的方式完成每个象素点的对应，采用公式为即第t个参考数据象素点覆盖范围内包含了n个目标图像的象素，目标图像象素值与所占面积比率乘积的和即为对应象素点的值。

4.根据权利要求1中所述的技术方案，其特征在于：

步骤2中排除的象素点包括极值点、过饱和点、云、云下阴影及水体所在象素点，对不同源的数据，确定这些象素点的算法也不同，对具体的确定异常点、云、云下阴影、水体的方法并不做限定。

5.根据权利要求1中所述的技术方案，其特征在于：

选用具有线性不变性的典型相关分析算法提取典型相关点集。

6.根据权利要求1中所述的技术方案，其特征在于：

步骤4从典型相关点集中提取PIFs的步骤包括排除植被象素点、筛选观测角度差异小的象素点、选择同质区域内的象素点三步，对不同源的数据，这三步的处理会有差异，对具体的排除植被象素点与筛选观测角度差异小的象素点的处理算法并不做限定。

7.根据权利要求1中所述的技术方案，其特征在于：

步骤4对于不同传感器数据，保留位于同质区域的象素点，方法是通过一个3*3的窗口，计算每个特征不变点所在3*3窗口内的所有象素的最大值与最小值的差，当差值小于某一域值时将其划分为同质点，不同传感器数据域值不同，域值的确定依据统计经验。

8.根据权利要求1中所述的技术方案，其特征在于：

所述处理流程不仅适用于同种传感器数据，还可以用于满足条件的不同种传感器数据。