【技术实现步骤摘要】
本专利技术属于环境遥感，具体涉及一种用于超光谱无人机遥感的精细地表反照率获取方法和系统。
技术介绍
1、卫星遥感时空分辨率较大，车载监测仪器无法进入厂区监测，无人机光谱遥感可以克服时空分辨率低、监测盲区以及难以识别污染源等技术问题。
2、无人机光谱遥感在大气监测中面临一个很大的技术挑战就是地表的快速变化，地表类型的变化直接影响地表反射率，这是遥感数据处理中的关键参数。不同的地表类型(如水体、森林、草地、城市建筑等)具有不同的反射特性。无人机在飞行过程中，如果地表类型快速变化，那么反射率的变化会导致遥感传感器接收到的光谱数据发生显著变化。
3、地表反照率是辐射传输模型中计算大气质量因子(amf)的一个关键参数，准确的地表反照率对处理光谱数据尤为重要。如果地表反照率没有得到正确校正，辐射传输模型中的辐射计算将受到影响，导致辐射传输模型输出的辐射量和大气质量因子(amf)等关键参数出现误差。这种误差会直接影响污染物浓度、气体分布等环境监测数据的准确性。
技术实现思路
1、鉴于上述，本专利技术的目的是提供一种用于超光谱无人机遥感的精细地表反照率获取方法和系统，以便能够快速、准确的获取无人机观测每个像元对应的地表反照率。
2、为实现上述专利技术目的，实施例提供的一种用于超光谱无人机遥感的精细地表反照率获取方法，包括以下步骤：
3、通过固定在无人机载荷上的可见成像镜头拍摄每个像元对应的地表特征图像，并对每个地表特征图像进行预处理、自适应裁剪以及语
4、根据语义分割结果并结合各地表类型的地表反照率进行地表特征图像的加权计算，得到地表特征图像的精细地表反照率。
5、优选地，所述可见成像镜头采用同轴固定方式与无人机载荷上的望远镜模块固定在同一轴线上，使得可见成像镜头所拍摄照片的中心与望远镜模块的中心重合，同时保证望远镜仰角和可见成像镜头同步转动，保证可见成像镜头拍摄的每一个地表特征图像与望远镜每个仰角的像元一一对应。
6、优选地，对每个地表特征图像进行预处理，包括：
7、基于随机抽样一致性算法和同源点的自动匹配算法对地表特征图像进行几何校正，消除几何变形对地表特征图像中地表反照率的影响。
8、优选地，对每个地表特征图像进行自适应裁剪，包括：
9、使用可见成像镜头的视场角θcamera和望远镜模块的视场角θtelescope的比率来计算可见成像镜头的图像宽度wcamera和望远镜的图像宽度wtelescope之比，即：
10、
11、基于宽度比来对地表特征图像进行自适应裁剪，确保可见成像镜头拍摄的每个图像与望远镜各像元完全对应匹配。
12、优选地，望远镜模块的视场角θtelescope一般是一个固定的值，其大小取决于所用光纤和光学镜头，可见成像镜头的视场角θcamera通过以下方式计算：
13、
14、其中，h为无人机飞行距离地面的高度，α为望远镜与水平方向形成的倾斜角，wpixel和hpixel分别为所拍摄地表特征图像的像素宽度和高度，wimage和himage分别为摄像头传感器的宽度和高度，θhorizonrtal和θvertical表示可见成像镜头在水平和竖直方向的视场角，由于可见成像镜头焦距变化引起的视场角变化是线性的，因此选择θhorizonrtal作为可见成像镜头的视场角，并记作θcamera。
15、优选地，对每个地表特征图像进行语义分割，包括：
16、采用深度卷积神经网络模型对自适应裁剪后的地表特征图像进行分割，模型输出为分割掩码mi(x,y)，其中mi(x,y)表示像元(x,y)处的地表类型i。
17、优选地，所述深度卷积神经网络模型采用segnet模型。
18、优选地，根据语义分割结果并结合各地表类型的地表反照率进行地表特征图像的加权计算，包括：
19、对于每个像元，用ai表示地表类型i的地表反照率，依据地表反照率ai对地表特征图像加权计算表示为：
20、
21、其中，spixel表示每个像元的实际地面面积，n表示地表类型总数，albedo表示加权后的精细地表反照率，si表示地表类型i的面积，计算公式为：
22、
23、其中，w和h分别为地表特征图像的宽度和高度。
24、优选地，所述方法还包括：通过转换系数获得不同中心波长的精细地表反照率，包括：
25、
26、albedo'＝f×albedo
27、其中，f为转换系数，k为一个与地物类型或材料相关的指数变化系数，该系数k决定反照率随波长的变化速率，反映了地表材料在不同波长下的反射特性；λ1和λ2为两个中心波长，albedo'表示中心波长λ2处的精细地表反照率，albedo表示中心波长λ1处的精细地表反照率。
28、为实现上述专利技术目的，实施例还提供了一种用于超光谱无人机遥感的精细地表反照率获取系统，包括带有可见成像镜头和望远镜模块的无人机载荷，以及计算模块，
29、所述无人机载荷通过其上的可见成像镜头拍摄每个像元对应的地表特征图像；
30、所述计算模块对拍摄的每个地表特征图像进行预处理、自适应裁剪以及语义分割后，根据语义分割结果并结合各地表类型的地表反照率进行地表特征图像的加权计算，得到地表特征图像的精细地表反照率。
31、与现有技术相比，本专利技术具有的有益效果至少包括：
32、本专利技术采用软硬件结合的方式，针对硬件可见成像镜头采集的每个像元对应的地表特征图像，通过特定的软件算法对地表特征图像进行预处理、自适应裁剪以及语义分割后，根据语义分割结果并结合各地表类型的地表反照率进行地表特征图像的加权计算，得到地表特征图像的精细地表反照率，这样可以精细刻画整个目标区域内每个观测像元的地表反照率，较传统的单一地表反照率相比，会使观测结果更加准确可靠。
本文档来自技高网...【技术保护点】
1.一种用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，所述可见成像镜头采用同轴固定方式与无人机载荷上的望远镜模块固定在同一轴线上，使得可见成像镜头所拍摄照片的中心与望远镜模块的中心重合，同时保证望远镜仰角和可见成像镜头同步转动，保证可见成像镜头拍摄的每一个地表特征图像与望远镜每个仰角的像元一一对应。
3.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，对每个地表特征图像进行预处理，包括：
4.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，对每个地表特征图像进行自适应裁剪，包括：
5.根据权利要求4所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，望远镜模块的视场角θtelescope为固定值，其大小取决于所用光纤和光学镜头，可见成像镜头的视场角θcamera通过以下方式计算：
6.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获
7.根据权利要求6所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，所述深度卷积神经网络模型采用SegNet模型。
8.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，根据语义分割结果并结合各地表类型的地表反照率进行地表特征图像的加权计算，包括：
9.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，还包括：通过转换系数获得不同中心波长的精细地表反照率，包括：
10.一种用于超光谱无人机遥感的精细地表反照率获取系统，其特征在于，包括带有可见成像镜头和望远镜模块的无人机载荷，以及计算模块，
...【技术特征摘要】
1.一种用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，所述可见成像镜头采用同轴固定方式与无人机载荷上的望远镜模块固定在同一轴线上，使得可见成像镜头所拍摄照片的中心与望远镜模块的中心重合，同时保证望远镜仰角和可见成像镜头同步转动，保证可见成像镜头拍摄的每一个地表特征图像与望远镜每个仰角的像元一一对应。
3.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，对每个地表特征图像进行预处理，包括：
4.根据权利要求1所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，对每个地表特征图像进行自适应裁剪，包括：
5.根据权利要求4所述的用于超光谱无人机遥感的精细地表反照率获取方法，其特征在于，望远镜模块的视场角θtelescope为固定值，...
【专利技术属性】
技术研发人员：刘诚，邹体亮，邢成志，谈伟，伍泽鸿，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。