论文笔记-Seamless Mosaicking of UAV-Based Push-Broom Hyperspectral Images for Environment Monitoring

发表于 分类于

本文主要研究内容：提出了一个系统的图像镶嵌方法，用来生成环境监测应用所需的高光谱图像。原始图像是来自于新兴的无人机推扫式高光谱相机拍摄获得的。

0. 基本信息

  • 引用信息

Yi, L., Chen, J. M., Zhang, G., Xu, X., Ming, X., & Guo, W. (2021). Seamless Mosaicking of UAV-Based Push-Broom Hyperspectral Images for Environment Monitoring. Remote Sensing, 13(22). https://doi.org/10.3390/rs13224720

  • bibtex
1
2
3
4
5
6
7
8
9
10
11
@article{Yi2021,
  author   = {Lina Yi and Jing M Chen and Guifeng Zhang and Xiao Xu and Xing Ming and Wenji Guo},
  doi      = {10.3390/rs13224720},
  issn     = {2072-4292},
  issue    = {22},
  journal  = {Remote Sensing},
  title    = {Seamless Mosaicking of UAV-Based Push-Broom Hyperspectral Images for Environment Monitoring},
  volume   = {13},
  url      = {https://www.mdpi.com/2072-4292/13/22/4720},
  year     = {2021}
}

1. 主要研究内容

提出了一个系统的图像镶嵌方法，用来生成环境监测应用所需的高光谱图像。原始图像是来自于新兴的无人机推扫式高光谱相机拍摄获得的。

2. 高光谱图像几何和辐射校正的重要性

在获取高光谱数据时，通常需要无人机在较低的高度飞行，因此会导致获取的数据产生几何和辐射畸变，例如像素位移误差，或者由于smile effect（参见Smile and keystone - Specim）导致的光谱噪声。因此在光谱复杂环境条件下采集的高光谱图像的后处理面临多项挑战。为了覆盖整个研究区域，实践中需要采集多景高光谱图像，且图像间需要保证一定的重叠度。此时，对UAV采集的高光谱图像进行镶嵌，生成具有高几何精度和辐射精度的高光谱图像，是一项最终重要的处理步骤，从而保证最终的图像能够满足遥感环境监测应用的要求。然而，由于线阵推扫成像系统是一项新兴的成像技术，且成本高昂，因此目前只有极少数研究涉及无人机搭载线阵推扫高光谱成像仪获得图像的拼接。

一般来说，几何校正和辐射校正是UAV高光谱图像镶嵌中的两个关键步骤。在几何校正步骤中，不同位置和姿态条件下获得的图像应该投影到一个统一的参考平面上。在辐射校正步骤中，几何校正后图像间的亮度不一致应该降到最低。最后辐射校正后的多景图像应该融合生成一景镶嵌后图像。镶嵌图像的几何精度取决于几何校正的准确性，而辐射精度则受到传感器定标、辐射校正和图像融合处理过程的影响。

3. 主要步骤

  1. 数据条带采集

  2. 对每个数据条带进行geo-referencing，获得初始几何校正后图像。

  3. 使用地面控制点结合曲面样条函数（curved surface spline function），进行进一步的图像几何校正，提高精度。

  4. 为了进一步消除图像间的偏差，使用相位校正、SIFT、RANSAC进行图像匹配。

  5. 最后使用加权平均，以及最高的图像融合算法，消除光谱差异，实现无缝拼接。

总体流程图

4. 未来可能的该机方向

  1. GCP分布和精度对最终几何校正精度的影响、
  2. 图像匹配时的波段选择方法
  3. 辐射定标和准确的反射率数据
  4. 大数据多谱段数据并行处理