一种基于光谱遥感图像的水体物理参量反演方法及系统

本发明涉及遥感图像处理，尤其涉及一种基于光谱遥感图像的水体物理参量反演方法及系统。

背景技术：

1、水体作为水的集合体，其组分不仅包括水分子，还包括浮游生物、泥沙等。随着遥感技术的快速发展，通过采集的遥感图像可以直接或间接探测的水体物理参量，如叶绿素a浓度、悬浮泥沙浓度等，极大地提高了水生态或水环境的监测效率。基于光谱遥感图像计算水体物理参量时，通常是利用光谱遥感图像中的光谱信息对水体物理参量进行反演，核心思路是建立光谱遥感图像与水体物理参量间的合理响应关系。在当前研究中，常用的水体物理参量反演模型有三种：经验模型、辐射传输理论模型以及将二者按一定方式结合的半分析/半经验模型。

2、经验模型：根据现场采样的水体光谱与同步或准同步遥感表观光学数据间的相关性，利用适当波段的数据(通常为一个或几个波段)与统计回归方法，拟合求解一定数学函数形式下的待估参数，从而得到具体的反演应用模型。经验模型简单易实现，且对特定局部区域有较好的反演效果，使得经验模型在水体物理参量反演领域得到了广泛应用。然而，经验模型在遥感数据分析及模型的构建上，明显缺乏内在机理上的挖掘，其性能受区域性和季节性影响显著，泛化能力及可靠性较差，难以满足复杂水体(如长江口水域)物理参量高精度、高普适性反演需求。

3、辐射传输理论模型：水体辐射传输方程可用于描述水体中各成分对光线的吸收、反射和散射，由此可建立遥感表观光学量与水体成分固有光学量、水体成分固有光学量与水体物理参量间的两阶段联系，最终实现从遥感图像到水体物理参量的反演。辐射传输理论模型相比于经验模型有明确的物理意义，可解释太阳辐射与水体成分作用后的变化过程，对观测区域和时间的变化适用性较强。然而，辐射传输理论模型的求解较为复杂，且需要大量较难获取的固有光学参数和场景依赖的地表参数；且在辐射传输理论模型中，水体成分的吸收与后向散射系数在一定程度上可认为是辐射能量变化的概括性度量，虽可建立水体固有光学量和遥感反射率间的理论联系，但该方式不能有区分地细化解释光线在各类物质间的多次散射，影响水体物理参量的计算精度。

4、半分析/半经验模型：以水体固有光学量作为中间媒介，利用经验统计方法简化辐射传输理论模型反演中的一个阶段，在避免对大量实测数据依赖而更易操作的同时，也具有一定的物理意义和普适性，致使此类模型的研究和应用较为广泛。然而，半分析/半经验模型同样在一定程度上继承了经验模型和辐射传输理论模型的缺点，影响水体物理参量的计算精度。

技术实现思路

1、本发明的目的在于提供一种基于光谱遥感图像的水体物理参量反演方法及系统，利用水体各组分的丰度特征与水体物理参量间的高度内在联系，实现具有高精度、高普适性的水体物理参量定量反演。

2、为了达到上述目的，本发明通过以下技术方案实现：

3、一种基于光谱遥感图像的水体物理参量反演方法，包括：

4、获取预设区域的水体的光谱遥感图像；

5、对所述水体的光谱遥感图像进行非线性盲解混，以得到所述水体各组分的光谱曲线和丰度；

6、根据丰度和水体物理参量的计算公式，构建所述水体中各组分的丰度与水体物理参量函数关系式；以及

7、根据所述水体中各组分的丰度与水体物理参量函数关系式计算所述水体的物理参量，以获取所述水体物理参量反演的结果。

8、可选的，对所述水体的光谱遥感图像进行非线性盲解混的步骤包括：

9、对所述水体的光谱遥感图像进行超像素分割，并计算每一所述超像素的平均光谱；

10、利用扩展多线性光谱混合模型对所有所述超像素的平均光谱进行解混，以得到每一所述超像素对应的初始端元曲线、初始丰度和初始非线性参数；

11、根据所有所述超像素对应的初始丰度和初始非线性参数，构造丰度正则项和非线性参数正则项；

12、根据所述丰度正则项、所述非线性参数正则项和所述扩展多线性光谱混合模型构建约束优化函数；

13、对所述约束优化函数进行迭代求解，以得到满足预设收敛条件时所述超像素对应的端元曲线、丰度和非线性参数且将其作为所述超像素对应的最优端元曲线、最优丰度和最优非线性参数；以及

14、根据所述超像素对应的最优端元曲线、最优丰度和最优非线性参数，获取所述水体的光谱遥感图像中所述水体各组分的光谱曲线和丰度。

15、可选的，所述丰度正则项的表达式如下：

16、

17、其中，表示所述丰度正则项；q表示所述超像素的个数；表示所述水体的光谱遥感图像对应的初始丰度s在第q个超像素的分量；nq表示第q个超像素中的像素个数；d表示端元个数；sz表示第q个超像素中的第z个像素对应的丰度；表示第q个超像素的平均光谱对应的丰度；

18、所述非线性参数正则项的表达式如下：

19、

20、其中，表示所述非线性参数正则项；表示所述水体的光谱遥感图像对应的初始非线性参数p在第q个超像素的分量；l表示所述水体的光谱遥感图像中波段的个数；pz表示第q个超像素中的第z个像素对应的非线性参数；表示第q个超像素的平均光谱对应的非线性参数。

21、可选的，所述约束优化函数的表达式如下：

22、

23、

24、其中，n表示所述水体的光谱遥感图像中像素的个数；表示线性混合部分，表示第d个端元光谱；xj表示所述水体的光谱遥感图像x中的第j个像素；λ和τ分别表示所述丰度正则项和所述非线性参数正则项对应的系数；al,d表示第d个端元的第l个波段上的数值；sd,j表示丰度在第j个像素的第d个端元的值；pl,j表示非线性参数在第j个像素的第l个波段的值。

25、可选的，所述水体中组分的数量为2，其2种组分分别为第一组分和第二组分，且暂定所述第一组分为水分子；

26、所述第二组分和所述第一组分的丰度的计算公式分别为：

27、

28、sem1＝1-sem2

29、其中，sem1和sem2分别表示所述第一组分和第二组分的丰度；n1和n2分别表示所述第一组分和第二组分的个数；s1和s2分别表示所述第一组分和第二组分的表面积；r1和r2分别表示所述第一组分和第二组分的半径。

30、所述水体物理参量包括浓度；所述第二组分的浓度的计算公式分别为：

31、

32、其中，cem2表示所述第二组分的浓度；ρem2表示所述第二组分的比重；v1和v2分别表示所述第一组分和第二组分的体积；

33、所述第二组分的丰度与浓度函数关系式为：

34、

35、更一般地，上式可进一步转化为：

36、

37、其中，k1和k2与所述第一组分和第二组分的半径，以及与所述第二组分的比重有关，可通过至少两个实测数据进行确定或标定。

38、可选的，所述水体中组分的数量为3，其3种组分分别为第一组分、第二组分和第三组分，且暂定所述第一组分为水分子；

39、所述第二组分和所述第三组分的丰度的计算公式分别为：

40、

41、

42、sem1＝1-sem2-sem3

43、其中，sem1、sem2和sem3分别表示所述第一组分、所述第二组分和所述第三组分的丰度；n1、n2和n3分别表示所述第一组分、所述第二组分和所述第三组分的个数；r1、r2和r3分别表示所述第一组分、所述第二组分和所述第三组分的半径；

44、所述水体物理参量包括浓度；所述第二组分和所述第三组分的浓度的计算公式分别为：

45、

46、

47、其中，cem2和cem3分别表示所述第二组分和第三组分的浓度；ρem2和ρem3分别表示所述第二组分和第三组分的比重；

48、所述第二组分和所述第三组分的丰度与浓度函数关系式分别为：

49、

50、

51、更一般地，上面两式可进一步转化为：

52、

53、

54、其中，k′1，k′2和k′3与所述第一组分，第二组分和第三组分的半径，以及与所述第二组分的比重有关，可通过至少三个实测数据进行确定或标定。k″1，k″2和k″3与所述第一组分、第二组分和第三组分的半径，以及与所述第三组分的比重有关，可通过至少三个实测数据进行确定或标定。

55、可选的，所述水体中组分的数量为m，m不超过高/多光谱遥感图像的光谱维度，其中m种组分分别为第一组分、第二组分…第m组分，且暂定所述第一组分为水分子，所述水体物理参量包括浓度；

56、所述第i组分(i＝2,3,…m)的丰度的计算公式为：

57、

58、

59、其中，sem1和semi分别表示所述第一组分和所述第i组分的丰度；ni、nj和nk分别表示所述第i组分、第j组分和第k组分的个数；ri、rj和rk分别表示所述第i组分、第j组分和第k组分的半径；

60、所述第i组分的浓度的计算公式为：

61、

62、其中，cemi表示所述第i组分的浓度；ρemi表示所述第i组分的比重；

63、所述第i组分的丰度与浓度函数关系式为：

64、

65、其中，semj和semk分别表示所述第j组分和所述第k组分的丰度；

66、更一般地，上式可进一步转化为：

67、

68、其中，hf(f＝1,...,n)与所述第一组分、第二组分…第m组分的半径，以及与所述第i组分的比重有关，可通过至少m个实测数据进行确定或标定。

69、另一方面，基于同一发明构思，本发明还提供一种基于光谱遥感图像的水体物理参量反演系统，其特征在于，包括：

70、输入模块，用于输入预设区域的水体的光谱遥感图像；

71、解混模块，与所述输入模块连接，用于对所述水体的光谱遥感图像进行解混，以得到所述水体各组分的光谱曲线和丰度；

72、函数构建模块，用于根据丰度和水体物理参量的计算公式，构建所述水体中各组分的丰度与水体物理参量函数关系式；以及

73、反演模块，与所述解混模块和所述函数构建模块连接，用于根据所述水体中各组分的丰度和对应的所述丰度与水体物理参量函数关系式计算所述水体物理参量，以获取所述水体物理参量反演的结果。

74、本发明与现有技术相比至少具有以下优点之一：

75、本发明提供的一种基于光谱遥感图像的水体物理参量反演方法及系统，通过对水体的光谱遥感图像进行非线性盲解混，可以得到水体各组分的端元曲线和丰度；根据丰度和水体物理参量的计算公式可以构建水体中各组分的丰度与水体物理参量函数关系式；根据非线性盲解混得到的水体中各组分的丰度以及构建的丰度与水体物理参量函数关系式可以计算水体物理参量，从而实现对水体物理参量的反演。本发明利用水体各组分的丰度特征与水体物理参量间的高度内在联系，构建基于丰度特征的水体物理参量反演新方法，以实现具有高精度、高普适性的水体物理参量定量反演。

76、本发明中针对高/多光谱遥感图像的成像机理和固有特性，在深入解析非线性混合机理基础上，对水体的光谱遥感图像进行非线性盲解混，并将对水体的光谱遥感图像的解混分为“粗解混”和“精解混”两部分；其中在“精解混”部分，充分利用了光谱图像的结构信息及空间相关性等，实现了对光谱图像中丰度特征的精确估计，从而为后续基于水体中各组分的丰度特征精确估算水体物理参量奠定了良好的基础。

77、本发明与“半经验模型”、“辐射传输模型”、“半经验辐射传输模型”相比，本发明对光谱遥感图像进行非线性盲解混时，无需事先知道各组分光谱信息(例如，悬浮泥沙光谱信息)；且在提取丰度特征过程中，利用了光谱遥感图像数据所有波段的数据，减少了与各组分相关信息的丢失。

78、本发明仅通过少量的实测数据，即可基于水体中各组分的丰度特征精确估算水体物理参量，极大地减少了工作量并提高了反演精度。