遥感影像辐射地形校正建模及解算方法研究

辐射地形校正能够消除地形造成的遥感影像辐射亮度畸变，恢复像素的真实光谱响应，是当前遥感影像预处理的热点研究问题之一。传统辐射校正模型多基于朗伯体假设建模，求解经验系数，这已无法适应多角度定量遥感的发展需求。同时，模型参数反演可靠性差的问题也限制了辐射地形校正的深入研究与发展。本研究将基于光照、地形与传感器之间的空间几何方位，建立合理完善的双向反射物理模型。结合地形特征与遥感影像本身的光谱与空间分布信息，作为有效的先验知识，发展合理、稳健的模型参数反演方法；同时顾及阴影邻域的纹理特征进行阴影恢复，最终得到影像像素对应水平地表的光谱信息。本研究不仅能提高地形复杂区域地物的识别精度，还有助提高遥感在山地资源探测、生态环境评估等相关领域的应用水平，具有重要的学术价值和现实意义。

辐射地形校正模型的目的在于消除地形造成的遥感影像辐射亮度的畸变，恢复像素在水平地表的真实光谱信息，为后续的遥感图像解译与定量分析提供可靠的数据。传统的校正方法大多是基于朗伯体假设的校正模型，无法适应当前多角度传感器的发展需求。因此本研究基于DEM数据，提出了传感器——地表——光照的辐射地形校正模型。围绕该模型主要开展了三个方面的研究：辐射地形校正的建模，阴影的检测和恢复。在建模方面，利用高分辨的DEM数据模拟微小地形对单一像素辐射值的影响，同时考虑了传感器视角和光照角度对像素的影响，建立了具有明确无意义的校正模型。利用多地区的影像与当前主流校正模型结果进行对比，本研究的方法具有更好的校正结果。由于阴影的信息损失较多，同时受到临近辐射的影响较大，它们的像素值无法很好的与物理模型建立对应联系，是辐射校正的难点，因此需要单独处理。本研究首先根据阴影的散射特性，提出了新的阴影特征，然后利用耦合神经网络建立了阴影检测模型，并根据阴影周期激发的特征，提出了模型自动停止机制，得到了较好的检测结果。然后利用非局部优化技术，重构了无阴影的梯度场，然后基于泊松方程对阴影信息进行了恢复。与目前两种主流算法相比，得到了较好的修复效果。