基于任意自然景物圖像的在軌傳遞函數(shù)估計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于光學(xué)遙感領(lǐng)域，涉及一種光學(xué)遙感衛(wèi)星在軌傳遞函數(shù)估計(jì)方法，適用 于基于任意自然景物圖像的衛(wèi)星在軌傳遞函數(shù)的動(dòng)態(tài)估計(jì)。
【背景技術(shù)】
[0002] 在光學(xué)遙感領(lǐng)域，在軌傳遞函數(shù)(Modulation Transfer Function,MTF)不僅能夠 評(píng)價(jià)光學(xué)遙感衛(wèi)星的在軌成像性能，還是地面圖像復(fù)原處理的關(guān)鍵輸入?yún)?shù)，因此準(zhǔn)確獲 取衛(wèi)星在軌MTF的對(duì)系統(tǒng)性能評(píng)價(jià)和像質(zhì)大幅處理提升具有重要意義。盡管在光學(xué)遙感器 發(fā)射前已在對(duì)MTF進(jìn)行了地面測試，但由于衛(wèi)星在軌成像過程受到大氣環(huán)境、遙感器性能、 平臺(tái)抖動(dòng)等退化因素的影響，在軌動(dòng)態(tài)MTF通常與實(shí)驗(yàn)室測試的靜態(tài)MTF存在一定的差異。
[0003] 國內(nèi)外研究機(jī)構(gòu)對(duì)在軌MTF估計(jì)方法進(jìn)行了廣泛的研究，并已用于實(shí)際遙感衛(wèi)星 的在軌MTF估計(jì)。按照測量目標(biāo)分類，在軌MTF估計(jì)方法主要可分為高分辨率圖像法、線狀地 物法和邊緣地物法等。
[0004] 高分辨率圖像法是一種比對(duì)測量方法，該方法首先利用MTF已知的相機(jī)對(duì)地面景 物拍攝高分辨率圖像，再用低分辨率待測相機(jī)對(duì)相同地面景物成像，通過兩幅圖像的比對(duì) 計(jì)算，確定待測相機(jī)的在軌MTF。Schowengerdt利用同步獲取的航空?qǐng)D像，測量了 Landsat5 的在軌MTF;Henry等人利用SP0T4上攜帶的HRVIR相機(jī)測量了低分辨率的VEGETATION相機(jī)的 MTF; Bensebaa利用高分辨率航空?qǐng)D像測量了 CBERS-1衛(wèi)星的MTF。高分辨率圖像法要求所拍 攝的地面景物信息要比較豐富，不能太單一，且要求高低分辨率兩個(gè)空間相機(jī)的波段設(shè)置 一致，獲得的圖像是同步或準(zhǔn)同步的，一般適用于測量低分辨率衛(wèi)星的在軌MTF。
[0005] 線狀地物法是利用地面上直線狀景物估計(jì)成像系統(tǒng)的線擴(kuò)散函數(shù)(Line Spread ?皿(^1〇11，1^?)，通過對(duì)1^?進(jìn)行傅里葉變換估計(jì)成像系統(tǒng)的肌^。常見的線狀地物有橋梁、 公路、機(jī)場跑道等。Schowengerdt等人利用Landsat5衛(wèi)星圖像中的橋梁測量了其在軌MTF; Choi等人利用公路上的交通線測量了IK0N0S衛(wèi)星的MTF，由于IK0N0S衛(wèi)星分辨率高于交通 線的寬度，在測量計(jì)算中將交通線寬度作為方波輸入，將圖像上得到的響應(yīng)作為脈沖響應(yīng) 的輸出，輸出與輸入的比值即為系統(tǒng)的MTF; Bensebaa利用橋梁估計(jì)了 CBERS-1衛(wèi)星的MTF。 線狀地物法是一種有效的利用特征地物信息測量MTF的方法，但是該方法通常對(duì)線狀地物 有較高的要求，一般適用于測量中低分辨率衛(wèi)星的在軌MTF。
[0006] 邊緣地物法的測量原理與刀口法相同，通過測定地面上兩塊亮度相差較大的刀口 目標(biāo)之間直線邊界的模糊狀況來確定成像系統(tǒng)的MTF。刀口法的測量過程為:首先找到圖像 中的刀口邊緣點(diǎn)，擬合出刀口邊緣曲線，然后按像素點(diǎn)與刀口邊緣的距離進(jìn)行重采樣，得到 具有亞像元間隔的邊緣擴(kuò)散函數(shù)(Edge Spread Function，ESF)數(shù)據(jù)，之后對(duì)ESF數(shù)據(jù)進(jìn)行 平滑，并擬合出相應(yīng)的曲線，對(duì)擬合得到的曲線進(jìn)行微分，便可得到系統(tǒng)的LSF，LSF的傅里 葉變換就是成像系統(tǒng)的MTF。邊緣地物法中選擇的刀口目標(biāo)可以是自然景物如海岸線、房屋 的邊緣等，也可以是人工搭建的地面刀口靶標(biāo)。由于邊緣地物法具有像面能量大、測量精度 高等優(yōu)點(diǎn)，該方法是目前應(yīng)用最為廣泛的在軌MTF測量方法，目前已成功的用于SPOT系列、 OrbVi ew-3、IKONOS、Qui ckBird、CBERS-1、CBERS-2、K0MPSAT-2 等衛(wèi)星。
[0007] 此外，Delvit等人基于人工神經(jīng)網(wǎng)絡(luò)模型提出了一種利用自然景物圖像估計(jì)在軌 MTF的方法。該方法通過引入變差函數(shù)和參數(shù)化表征MTF將自然景物圖像和MTF區(qū)分開，并構(gòu) 造了相應(yīng)的特征矢量作為ANN的輸入。而后模擬不同在軌MTF下的遙感圖像形成訓(xùn)練樣本 集，通過反復(fù)調(diào)整ANN結(jié)構(gòu)進(jìn)行訓(xùn)練，建立起圖像特征與MTF之間聯(lián)系。在其仿真中，MTF估計(jì) 誤差小于10%。李宏壯等人在Delvit的基礎(chǔ)上，調(diào)整了神經(jīng)網(wǎng)絡(luò)輸入向量，使用BP網(wǎng)絡(luò)重新 實(shí)現(xiàn)了該方法，并通過仿真實(shí)驗(yàn)評(píng)價(jià)其算法，結(jié)果表明其估計(jì)誤差約為9%。但是，人工神經(jīng) 網(wǎng)絡(luò)在進(jìn)行估計(jì)前，需要大量的樣本進(jìn)行反復(fù)訓(xùn)練調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，而由于已知在軌MTF 的圖像數(shù)據(jù)中包含的景物類型較少，目前只能通過仿真圖像作為訓(xùn)練樣本，利用此訓(xùn)練樣 本得到神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)在軌圖像的處理能力尚未知曉。此外，該方法主要是針對(duì)高斯型MTF 函數(shù)進(jìn)行參數(shù)化表征與估計(jì)。
[0008] 綜上所述，盡管目前國內(nèi)外已提出了測量衛(wèi)星在軌MTF的有效方法，但這些方法都 需要圖像中包含特征靶標(biāo)景物，如橋梁、冰川以及人工鋪設(shè)的刀口靶標(biāo)等。然而由于遙感成 像鏈路是動(dòng)態(tài)的，實(shí)際的衛(wèi)星圖像中因很少包含這些特征景物，而且成像鏈路MTF會(huì)隨成像 條件發(fā)生變化，要實(shí)現(xiàn)利用該方法進(jìn)行MTF的動(dòng)態(tài)估計(jì)難度很大。因此需要研究基于任意自 然圖像的在軌MTF估計(jì)方法。盡管目前也存在基于自然圖像的在軌MTF估計(jì)方法，但這些方 法僅是針對(duì)高斯型MTF參數(shù)化模型進(jìn)行估計(jì)，而且對(duì)在軌圖像的處理能力尚未知曉。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的是提供一種基于任意自然景物圖像的在軌傳遞函數(shù)估計(jì)方法，該方 法不需要圖像中包含任何特征靶標(biāo)景物，而且能夠準(zhǔn)確估計(jì)在軌MTF，并有效支撐光學(xué)遙感 衛(wèi)星的在軌成像質(zhì)量評(píng)價(jià)、遙感器性能評(píng)估及地面處理提升工作。
[0010] 本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的：
[0011] -種基于任意自然景物圖像的在軌傳遞函數(shù)估計(jì)方法，包括如下步驟：
[0012] 步驟1:建立在軌MTF統(tǒng)計(jì)估計(jì)模型；
[0013] 步驟2:基于改進(jìn)profile似然函數(shù)對(duì)步驟1中的MTF統(tǒng)計(jì)估計(jì)模型進(jìn)行求解；
[0014]步驟3:估計(jì)噪聲方差，并基于步驟2中求解方法，進(jìn)行算法的實(shí)現(xiàn)，最終利用MTF估 計(jì)算法得到MTF估計(jì)結(jié)果。
[0015] 本發(fā)明提出了一種基于任意自然景物圖像的在軌MTF估計(jì)方法，對(duì)比已有MTF測量 方法，具有如下優(yōu)點(diǎn)：
[0016] 1、針對(duì)觀測圖像中在軌MTF與目標(biāo)景物存在耦合性的問題，分別將目標(biāo)景物和在 軌MTF參數(shù)化表征為二維分形布朗運(yùn)動(dòng)模型和指數(shù)型函數(shù)，建立了關(guān)聯(lián)目標(biāo)景物參數(shù)和MTF 參數(shù)的遙感成像的統(tǒng)計(jì)表征模型，通過該模型的求解可實(shí)現(xiàn)MTF參數(shù)的估計(jì)。
[0017] 2、基于prof i le似然函數(shù)法研究了模型求解方法，針對(duì)模型中難以求解多余參數(shù) 解析解的問題，將求解過程轉(zhuǎn)化為分別對(duì)MTF參數(shù)和多余參數(shù)的最小化問題，通過交替迭代 求解實(shí)現(xiàn)對(duì)MTF參數(shù)的估計(jì)。
[0018] 3、提出了基于任意自然景物圖像的在軌MTF估計(jì)算法，給出了算法的完整流程，并 利用IK0N0S、Q UickBird和中巴資源衛(wèi)星圖像數(shù)據(jù)對(duì)算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明：該算 法能夠準(zhǔn)確地估計(jì)MTF。
[0019] 4、提出的MTF估計(jì)方法不需要圖像中包含任何特征靶標(biāo)景物(如橋梁、冰川以及人 工鋪設(shè)的刀口靶標(biāo)等），并針對(duì)國內(nèi)目前在軌測試MTF中頻下陷的特點(diǎn)，可準(zhǔn)確估計(jì)指數(shù)型 MTF，從而能夠更有效地支撐我國光學(xué)遙感衛(wèi)星的在軌成像質(zhì)量評(píng)價(jià)、遙感器性能評(píng)估以及 地面處理提升工作。
【附圖說明】
[0020] 圖1為指數(shù)型MTF的三維分布；
[0021] 圖2為SeMTF算法框圖；
[0022]圖3為XX-6衛(wèi)星圖像與其功率譜；
[0023] 圖4為XX-6衛(wèi)星圖像功率譜；
[0024] 圖5為QuickBird衛(wèi)星圖像；
[0025] 圖6為QuickBird衛(wèi)星圖像功率譜；
[0026]圖7為中巴資源衛(wèi)星圖像；
[0027]圖8為中巴資源衛(wèi)星圖像功率譜；
[0028] 圖9為IK0N0S衛(wèi)星圖像；
[0029] 圖10為IK0N0S衛(wèi)星圖像功率譜；
[00