Атмосферная коррекция гиперспектральных изображений с использованием верифицированных данных малого объема
Денисова А.Ю., Мясников В.В.

 

Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, Россия,
Институт систем обработки изображений РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия

Аннотация:
Предлагается метод атмосферной коррекции гиперспектральных изображений. Метод состоит из двух этапов. На первом этапе по зарегистрированному изображению определяются параметры атмосферных искажений в рамках известной модели переноса излучения. В отличие от других известных методов мы используем стандартное уравнение переноса излучения в полной (нелинейной) форме, а также линейную модель спектральной смеси как основу для описания неискажённого гиперспектрального изображения. Используя эти две математические модели одновременно, мы оцениваем параметры атмосферных искажений только по самому гиперспектральному изображению и верифицированным данным малого объёма. Последнее подразумевает набор спектральных сигнатур – неискажённых спектральных профилей определённых материалов, которые могут появляться в различных их линейных комбинациях на регистрируемом гиперспектральном изображении. Никакой прецедентной информации (множества отсчётов, содержащих известные спектральные профили) или «чистых» гиперспектральных отсчётов (содержащих только одну спектральную сигнатуру) в предлагаемом нами методе не требуется. Таким образом, метод может быть использован для идентификации модели атмосферных искажений и их последующего устранения. Представлены результаты экспериментальных исследований, демонстрирующие качественные характеристики предлагаемого метода.

Ключевые слова :
дистанционное зондирование Земли, уравнение переноса излучения, гиперспектральные изображения, спектральные сигнатуры, спектральный профиль, линейная модель спектральной смеси.

Цитирование:
Денисова, А.Ю.
Атмосферная коррекция гиперспектральных изображений с использованием верифицированных данных малого объёма / А.Ю. Денисова, В.В. Мясни­ков // Компьютерная оптика. – 2016. – Т. 40, № 4. – С. 526-534. – DOI: 10.18287/2412-6179-2016-40-1-526-534.

Литература:

  1. Bioucas-Dias, J.M. Hyperspectral remote sensing data analysis and future challenges / J.M. Bioucas-Dias, A. Plaza, G. Camps-Valls, P. Scheunders, N.M. Nasrabadi, J. Chanussot // IEEE Geoscience and Remote Sensing Magazine. – 2013. – Vol. 1(2). – P. 6-36. – DOI: 10.1109/MGRS.2013.2244672.
  2. Gao, B. A review of atmospheric correction techniques for hyperspectral remote sensing of land surfaces and ocean color / B. Gao, C.O. Davis, A.F.H. Goetz // 2006 IEEE International Symposium on Geoscience and Remote Sensing. – 2006. – P. 1979-1981. – DOI: 10.1109/IGARSS.2006.512.
  3. Chavez, P.S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data / P.S. Chavez // Remote Sensing of Environment. – 1988. – Vol. 24. – P. 459-457. – DOI: 10.1016/0034-4257(88)90019-3.
  4. Conel, J.E. AIS-2 radiometry and a comparison of methods for the recovery of ground reflectance / J.E. Conel, R.O. Green, G. Vane, C.J. Bruegge, R.E. Alley // Proceedings of the 3rd Airborne Imaging Spectrometer Data Analysis Workshop. Pasadena, CA: Jet Propulsion Laboratory, 1987. – P. 18-47.
  5. Bernstein, L.S. Quick atmospheric correction code: Algorithm description and recent upgrades / L.S. Bernstein, X. Jin, B. Gre­gor, S. Adler-Golden // Optical Engineering. – 2012. – Vol. 51(11). – 111719 (11 p). – DOI: 10.1117/1.OE.51.11.111719.
  6. Kruse, F.A. Use of airborne imaging spectrometer data to map minerals associated with hydrothermally altered rocks in the northern Grapevine Mountains, Nevada and California / F.A. Kruse // Remote Sensing of Environment. – 1988. – Vol. 24. – P. 31-35. – DOI: 10.1016/0034-4257(88)90004-1.
  7. Gao, B.-C. Derivation of scaled surface reflectances from AVIRIS data / B.-C. Gao, K.H. Heidebrecht, A.F.H. Goetz // Remote Sensing of Environment. – 1993. – Vol. 44. – P. 165-178. – DOI: 10.1016/0034-4257(93)90014-O.
  8. Gao, B.-C. Development of a line-by-line-based atmosphere removal algorithm for airborne and spaceborne imaging spectrometers / B.-C. Gao, C.O. Davis // SPIE Proceedings. – 1997. – Vol. 3118. – P. 132-141. – DOI: 10.1117/12.283822.
  9. Wu, J. Image-based atmospheric correction of QuickBird imagery of Minnesota cropland / J. Wu, D. Wang, M.E. Ba­uer // Remote Sensing of Environment. – 2005. – Vol. 99. – P. 315-325. – DOI: 10.1016/j.rse.2005.09.006.
  10. Goetz, A.F.H. Using ground spectral irradiance for model correction of AVIRIS data / A.F.H. Goetz, K.B. Heide­brecht, B. Kindel, J.W. Boardman // Summaries of the Seventh JPL Airborne Earth Science Workshop January 12-16, 1998. – 1998. – Vol. 1. – P. 159-168.
  11. U.S. Patent 20,150,161,768 G06T 5/00, G06K 9/62, G06K 9/46, 382/113. Methods for in-scene atmospheric compensation by endmember matching / J.P. Ardouin, V. Ross, filed of December 11, 2013, published of June 11, 2015.
  12. Belov, A.M. Atmospheric correction of hyperspectral images based on approximate solution of transmittance equation / A.M. Belov, V.V. Myasnikov // Proceedings of SPIE: Seventh International Conference on Machine Vision (ICMV 2014). – 2015. – Vol. 9445. – 94450S (5 pp). – DOI:10.1117/12.2181364.
  13. Белов, А.М. Атмосферная коррекция гиперспектральных изображений с помощью приближённого решения уравнения переноса MODTRAN / А.М. Белов, В.В. Мяс­ников // Компьютерная оптика. – 2014. – Т. 38, № 3. – C. 489-493.
  14. Xu, Y. Atmospheric correction of hyperspectral data using MODTRAN model / Y. Xu, R. Wang, S. Liu, S. Yang, B. Yan // Proceedings of SPIE. – 2008. – Vol. 7123. – 712306 (7 pp.). – DOI: 10.1117/12.815552.
  15. Keshara, N. A survey of spectral unmixing algorithms / N.A. Keshara // Lincoln Laboratory Journal. – 2003. – Vol. 14(1). – P. 55-78.
  16. Kruse, F.A. Comparison of airborne hyperspectral data and EO-1 Hyperion for mineral mapping / F.A. Kruse, J.W. Bo­ardman, J.F. Huntington // IEEE Transactions on Geoscience and Remote Sensing. – 2003. – Vol. 41(6). – P. 1388-1400. – DOI: 10.1109/TGRS.2003.812908.

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20