HJ-1A星 HSI数据 2级产品处理流程研究

钮立明,蒙继华,吴炳方,陈雪洋,杜 鑫,张飞飞

(1.北京天宏金晴信息技术有限公司,北京 100101;2.中国科学院遥感应用研究所,北京 100101;3.遥感科学国家重点实验室,北京 100101)

HJ-1A星 HSI数据 2级产品处理流程研究

钮立明1,蒙继华2,3,吴炳方2,陈雪洋2,杜 鑫2,张飞飞2

(1.北京天宏金晴信息技术有限公司,北京 100101;2.中国科学院遥感应用研究所,北京 100101;3.遥感科学国家重点实验室,北京 100101)

研究了 HJ-1A星 HSI数据 2级产品的数据预处理流程及相关算法,包括绝对辐亮度值转换、条纹去除、大气校正及几何纠正,得到了具有精确地理位置信息的地表光谱反射率图像;基于相同位置同期的一景 Hyperion数据标准化处理流程得到的地表反射率,进行了 HSI数据的光谱模拟,并将模拟的地表反射率与真实 HSI数据的地表反射率进行对比分析,评价本研究所采用预处理流程的有效性。研究结果表明:应用该流程处理的 HSI数据地表反射率与模拟 HSI的地表反射率平均相关系数为 0.947,标准差为 0.017,两种数据的光谱反射率变化表现出高度一致性;各波段模拟与真实 HSI地表反射率差值的平均值和标准差都接近 0值,说明本研究所发展的数据处理流程可以为 HSI数据定量分析与应用提供参考。

HJ-1A HSI;标准化预处理流程;Hyperion;对比分析

0 引言

2008年 9月 6日发射的环境和灾害监测预报小卫星星座 A星 (以下简称 HJ-1A星)上除 CCD相机外,还搭载了高光谱成像仪 (Hyperspectral Imaging Radiometer,HSI)。HSI采用干涉成像光谱技术,其光谱分辨率最高达 2.08 nm,相对于现有的星载成像高光谱传感器,具有较高的光谱分辨率,可在对地观测的同时获取众多连续波段的地物光谱图像,达到从空间直接识别地球表面物体的目的[1]。

HJ-1A星 HSI数据的出现填补了目前国产数据在高光谱传感器领域的空白,其 2级产品正在向用户免费分发,具有极大的应用前景。由于 HSI传感器投入运行时间不长,其数据质量还存在一些问题:如各波段上存在不同程度的条纹噪声;图像的光谱特征曲线有一定不合理的抖动等。针对这些问题,目前仍缺少有效的数据预处理流程,这极大地限制了 HSI数据的推广应用。因此,有必要针对数据产品存在的问题深入研究完整的预处理流程,得到较为真实的地表光谱反射率图像,为进一步的高光谱定量遥感应用提供准确的数据支持。

本文研究了 HJ-1A星 HSI数据 2级产品处理流程,着重阐述预处理的内容和方法,并将处理结果与同期的一景 Hyperion数据进行对比分析,评价HSI数据预处理的效果。

1 HSI数据产品与研究区概况

1.1 HSI数据产品

HSI数据产品分 0～5共 6个级别,包括原始数据产品、辐射校正产品、系统几何纠正产品、几何精纠正产品、高程校正产品和标准镶嵌图像产品。普通用户通过访问中国资源卫星应用中心的网站便可以免费获得 HSI数据的 2级产品,即系统几何纠正产品。本研究即在 HSI2级产品基础上进行的。

HSI2级产品经过辐射校正和系统几何纠正。几何定位精度在 1 km左右,误差分布比较均匀,纠正后的影像映射到指定的地图投影坐标系下[1],其特性如表 1所示。

表 1 HSI2级产品特性说明Tab.1 Introduction of HSI level2 data product

1.2 研究区概况

以吉林省洮南县为中心的 Hyperion数据与环境星 HSI数据共同覆盖范围为实验区,实验区中心位置为东经 121°44′31″、北纬 45°53′54″,其空间位置及遥感数据如图 1所示。

图 1遥感数据为 HSI第 105、70、40波段的假彩色合成图像。实验区由北向南依次覆盖了乌兰浩特市南部、科尔沁右翼前旗东南部、洮南市西部和突泉县东北部的小部分地区。

2 HSI数据预处理

HSI数据预处理流程如图 2所示。

图 2 HSI数据预处理流程Fig.2 Preprocessing flow for H IS data

HSI数据的 2级产品采用 HDF5格式。目前大多数遥感图像处理软件都无法对其进行直接操作,因此需要先通过中国资源卫星中心提供的软件将其转换成 GEOTIFF格式。该级别产品经过了辐射校正及坏像元恢复等图像质量检查等过程,已经去除了图像中的坏线,但仍有部分波段有条纹噪声等异常存在,在对图像数据进行应用之前,必须将这些异常加以校正。

2.1 绝对辐亮度值的转换

HSI2级产品数据集为辐亮度产品,以无符号整型数据记录,数值范围为 0～65 535。实际上,由于地物的辐射亮度值很小,在产品生成时乘了一个扩大系数 100,因此在应用时,只需要将各波段数值除以系数100,即可以得到单位为 W/(m2·sr·μm)的绝对辐射亮度值图像。

2.2 条纹的去除

在 HSI数据 2级产品的部分波段上可以看到明显的条纹,这些像元灰度值比较小,与周围有明显差异,条纹的存在严重影响了图像的质量和应用。波长较短的波段条纹较清楚,与周边差异明显,但数量较少;波长较长的波段条纹较模糊,与周边差异不明显,但数量较多。图 3为波长 479.6 nm和波长529.6 nm的原始数据产品,从图中可以明显地看到条纹。

图 3 实验区 HSI第 10波段 (479.6 nm,左图)和第 30波段 (529.6 nm,右图)原始图像Fig.3 The original image of band 10(479.6 nm,left)and band 30(529.6 nm,right)

采用“全局去条纹”方法[2]去除影像中的垂直条纹。对于 HSI数据 2级产品,由于已经过系统几何纠正,图像发生了旋转,图像上的条纹也不再呈垂直分布,因此在进行去条纹之前需要先将图像进行一定的旋转,使条纹能沿垂直方向分布。

2.2.1 图像旋转

快速、自动地确定图像旋转角度,减少人工参与,可以在很大程度上保证处理方法的精确性和普适性,从而大大提高图像处理效率。通过确定图像两个顶点坐标,并求得两点所在直线与法线夹角的正切值,进而确定该夹角为图像旋转的角度,如图 4所示。

图 4 图像旋转角度计算Fig.4 Calculation of image rotation angle

利用图像背景值为 0这一特点,通过求每列像元值的和,确定第一个和不等于 0的列号作为 x1,将这一列中第一个值不等于 0的行号作为 y1。用类似的方法确定 x2和 y2。通过多次试验,确定图像旋转角度α的计算公式为

将各波段数据旋转角度α后,图像上的条纹基本上均沿垂直方向分布,这样即可以采用“全局去条纹法”进行条纹去除。

2.2.2 垂直条纹去除

针对条纹垂直分布的特征,采用全局去条纹法[2,6],通过像元的列平均值、标准差和波段平均值、标准差之间的差异对像元进行分波段线性化修正,消除垂直条纹的影响,即

式中,DNi,j,k和 DN′i,j,k分别为原始和消除垂直条纹影响后的像元值。增益 gi,k和偏移量 bi,k计算公式为

式中,Stdvk和分别为第 k波段像元值的标准差和平均值;Stdvi,k和分别为第 k波段第 i列像元值的标准差和平均值。

垂直条纹去除前后效果对比如图 5所示。可以看出,原有的垂直条纹已经被去除掉,处理后图像的灰度值在空间上过渡平滑。

图 5 第 30波段垂直条纹去除前 (左)后 (右)效果对比Fig.5 Comparison between before(left)and after(right)destripe in band 30

将去除条纹后的图像按之前计算的角度进行反向旋转,即完成图像的条纹去除。

2.2.3 条纹去除效果评价

通过对原始图像和去除条纹后的图像进行最小噪声分离变换 (Minimum Noise Fraction,MNF)来识别和分离数据中的噪声[7]。经过变换,高光谱数据中的噪声基本被分离出来了,通过对比去条纹前后MNF特征图像,可以非常明显地看出条纹去除的效果。图 6比较了去条纹前后的MNF特征图像第10波段。

图 6 去除条纹前 (左 )后 (右 )第 10波段MNF特征图像比较Fig.6 Comparison between before(lift)and after(right)destripe in M NF(band 10)

2.3 大气校正

2.3.1 光谱吸收特征波段的确定

本研究采用软件 FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)进行大气校正。由于软件中并没有与 HSI数据相对应的传感器类型,因此需要自定义一个描述光谱吸收特征波段的文件 (Spectrograph Definition File)用以进行大气校正[8]。

大气顶层的辐射亮度具有随电磁辐射波长增加而减弱的趋势,这是因为,在传感器端的太阳辐射是乘性因子。通过计算各波段大气顶层反射率,可以去除太阳辐射的影响;由大气顶层反射率曲线可以确定 820 nm附近的水汽吸收谷波段位置。将相关的波长、FWHM以及波段号等信息输入 FLAASH模型可以计算水汽透过率。由于 HSI数据的波长范围最长只到 950 nm,在 FLAASH中无法进行气溶胶反演,因此只能根据影像情况设定初始能见度为40 km。大气顶层反射率计算公式为

式中,ρp为大气顶层反射率;Lλ为大气顶层辐射亮度;d为日地距离;ESUNλ为各波段大气顶层的平均太阳辐照度;θs为太阳天顶角。

2.3.2 大气校正

首先,在 FLAASH软件中输入相关参数,包括图像成像时间、地理位置、海拔、大气模式以及气溶胶模式,定义吸收特征波段描述文件,然后进行大气校正。典型地物 (植被)大气校正前后光谱曲线对比如图 7所示。

图 7 HSI数据大气校正前后植被反射光谱曲线Fig.7 Spectral curves before and after the atmospheric correction

从图 7可以看出,经过大气校正,近红外波段范围内由于水汽吸收而形成的反射率低谷明显消失,植被反射光谱曲线的特征基本保持。

2.3.3 光谱曲线锯齿的去除

经过大气校正后的图像,部分像元的光谱特征曲线存在光谱抖动,这是由于在辐射定标等数据预处理过程中不可避免地会引入一些误差和噪音,因此需要对大气校正后的图像进行处理。

通过MNF变换将数据分离成包含有用信息且连贯的MNF特征波段和以噪声为主的MNF特征波段,将含有信息量大的前 10个波段进行MNF反变换,得到光谱优化后的图像。这种方法可以有效去除光谱抖动,而且不会降低图像的空间分辨率[6]。图 8为光谱优化前后 HSI数据光谱特征曲线的比较。从图中可以看到,曲线上不正常的光谱抖动和锯齿基本上都被消除了。

图 8 HSI数据光谱优化前后植被反射光谱曲线Fig.8 Spectral curves before and after the optimization

2.4 几何纠正

以地形图或经过几何精纠正的图像为参考,通过人工在一景图像上选取 25～30个控制点,利用二次多项式纠正模型和最邻近像元重采样方法对大气校正后的 HSI数据进行几何纠正,误差控制在一个像元以内。

2.5 对比分析

Hyperion作为第一个星载民用成像光谱仪,已运行近 7 a。经过多年的研究,其数据的预处理流程已十分成熟和完善,得到的地表反射率也比较可靠。本研究采用相同位置且同期的一景 Hyperion数据进行标准化预处理[3,9],得到地表反射率数据,并以此作为参照,对比分析 HSI数据预处理结果的可靠性,如图 9所示。

图 9 HSI(左)与 Hyperion(右)地表反射率数据Fig.9 HSI(lift)and Hyper ion data(right)for comparison

Hyperion数据的空间分辨率为 30m,光谱分辨率在 10 nm左右,其波段设置与 HSI数据并不相同。为了使被对比的数据与 HSI数据在空间和光谱上具有一致性,本研究将 Hyperion数据的预处理结果与HSI数据的地表反射率结果进行了几何配准,误差控制在 1个像元以内,并降空间分辨率至 100m,使之空间尺度保持一致;将 Hyperion数据中与 HSI数据相同光谱范围的波段提取出来,并插值成光谱分辨率为 1 nm的数据,结合高斯函数模拟出 HSI光谱响应函数,得到模拟的 HSI数据,作为参照。

2.5.1 地表反射率一致性分析

对 450～950 nm光谱范围内的 HSI与 Hyperion模拟的光谱反射率进行逐像元相关分析,其结果如图 10所示。

图 10 逐像元的地表反射率相关系数及其直方图Fig.10 Correlation coefficient of two images and its histogram

可以看出,在整个研究区,HSI与 Hyperion模拟数据在整个波段范围内表现为极显著相关。从相关系数及其空间差异上来看,两种数据的光谱反射率变化表现得非常一致。

2.5.2 差值分析

对 Hyperion模拟与真实环境星 HSI的地表反射率进行差值计算,各波段差值图的相关统计信息变化趋势如图 11所示。

图 11 Hyperion与 HSI地表反射率差值统计Fig.11 Statistics for the differential image of reflection between Hyper ion and HSI

从图 11来看,Hyperion模拟与真实 HSI地表反射率差值的均值基本在 0附近,表明两种数据中大部分区域的地表反射率大致相同;标准差均远小于其值域分布范围,说明其分布集中、波动程度小。各波段的差值大体服从正态分布。以第 10波段为例(图 12),差值最值约为 0.1,最值像元主要出现在不同覆被类型的边缘、破碎地区和特殊土地覆盖区域(如水体),这主要是由于两种数据在获取时的空间尺度差异造成的,这种差异无法通过像元分辨率的变化得到完全消除,并在地表覆被破碎地区表现的更为突出。

图 12 第 10波段逐像元的地表反射率差值及其直方图Fig.12 Differential image and its histogram of reflection between Hyper ion and HSI

从相关性及差值统计分析结果来看,经过标准化预处理得到的环境星 HSI地表反射率与 Hyperion模拟的地表反射率一致性较高,说明针对 HSI的数据预处理方法是有效的。

3 结论

高光谱数据在反演植被生化参数等方面有着其他传感器所不能比拟的优势,是进行精准农业遥感的重要数据源,而预处理结果的好坏直接关系着遥感分析、应用的精度。

(1)针对 HSI数据 2级产品,设计和提出了完整的图像预处理流程,得到了具有精确地理位置信息的地表光谱反射率图像。将相同位置且同期Hyperion图像得到的地表反射率结果与之对比,认为该流程可为 HSI数据的定量应用提供参考。

(2)受 HSI传感器波长范围的限制,目前仍无法准确地计算气溶胶光学厚度及大气水汽含量,今后还需要开展针对环境星 HSI传感器大气校正算法的研究,以提高大气校正精度。

(3)由于缺乏相关的参数,暂时还无法进行 HSI传感器 Sm ile效应的纠正,Sm ile效应会影响红边位置等高光谱参数提取的准确性,今后将在这方面开展相关的研究工作。

致谢:感谢中国资源卫星应用中心提供了HJ-1A HSI数据。

[1] 中国资源卫星应用中心.环境和灾害监测预报小卫星星座 AB星用户手册[Z].北京:中国资源卫星应用中心,2009.

[2] 谭炳香,李增元,陈尔学,等.EO-1 Hyperion高光谱数据的预处理[J].遥感信息,2005(6):36-41.

[3] 张 东,张 鹰,李 欢.海岸带星载高光谱遥感影像预处理方法[J].海洋科学进展,2009,27(1):92-97.

[4] 李传荣,贾媛媛,胡 坚,等.HJ-1光学卫星遥感应用前景分析[J].国土资源遥感,2008(3):1-3.

[5] 李石华,角媛梅.环境与灾害监测预报小卫星 A星 CCD影像质量评价[J].红外技术,2009,31(9):167-172.

[6] Datt B,McVicar TR,Van Niel TG,et al.Pre-processing EO-1 Hyperion Hyperspectral Data to Support the Application of Agricultural Indices[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(6):1246-1259.

[7] Boardman JW,Kruse FA.Automated Spectral Analysis:A Geo log-ical Example U sing AVIR IS Data[C]//Proceedings of 10 th Thematic Conference on Geologic Remote Sensing.Ann Arbor North Grapevine Mountains,Nevada,Environmental Research Institute of Michigan,1994,407-418.

[8] Research System,FLAASH,Boulder[M/OL].CO:Research System,Inc,2003.http://www.rsinc.com/envi/flaash.asp

[9] David G,Goodenough,Andrew D,et al.Processing Hyperion and ALI for Forest Classification[J].IEEE Transaction on Geoscience and Remote Sensing,2003,41(6):1321-1331.

[10]Chen CM,Hepner G F,Forster R R.Fusion of Hyperspectral and Radar Data U sing the IHS Transformation to Enhance Urban Surface Features[J].ISPRS Journal of Photogrammetry&Remote Sensing,2003,58:19-30.

(责任编辑:刁淑娟)

Research on Standard Preprocessing Flow for HJ-1A HSIL evel 2 Data Product

NIU Li-ming1,MENG Ji-hua2,3,WU Bing-fang2,CHEN Xue-yang2,DU Xin2,ZHANG Fei-fei2
(1.Beijing Wisewatch IT Company,Beijing 100101,China;2.Institute of Remote Sensing Applications,Chinese Academy of Sciences,Beijing 100101,China;3.State Key Laboratory of Remote Sensing Science,Jointly Sponsored by the Institute of Remote Sensing Applications of Chinese Academy of Sciences and Beijing Normal University,Beijing 100101,China)

To deal with the Level2 HSI data from the newly-launched HJ-1A satellite,this paper introduced in details the entire flow and relevant algorithms for data preprocessing.The introduction includes calibration,vertical stripes elimination,and atmospheric correction geometric correction.Standard spectral reflectance products with precise geo-locations were produced.Spectral reflectance data from EO-1 Hyperion of c lose dates was used to simulate the band reflectance of HJ-1A HSI.Comparisons of spectral reflectance data between simulated and actual HJ-1A HSI were made to validate the effect of the data preprocessing.The average correlation coefficient of spectral reflectance between actual and simulated HJ-1A HSI is0.947 with its standard deviation being 0.017,suggesting a high consistency.The mean and standard deviation of differential bands between real and simulated HJ-1A HSI are close to 0.The result show s that the reflectance from HJ-1A HSI is consistent with that of simulated data from Hyperion,and hence the data processing flow could provide necessary support for quantitative use of HJ-1A HSI data.

HJ-1A HSI;Standard preprocessing flow;Hyperion;Comparative analysis

蒙继华 (1977-),男,主要从事农作物遥感监测及其在精准农业领域中的应用研究。m engjh@irsa.ac.cn。

TP 75

A

1001-070X(2011)01-0077-06

2010-03-12;

2010-04-05

HJ-1卫星数据应用研究专题(编号:2009A 01A 1000、2009A 01A 0900);遥感科学国家重点实验室青年人才项目;中国科学院青年人才前沿领域专项项目(编号:08S01700CX);中国科学院知识创新工程重大项目 (编号:KSCX-YW-09-01);国家青年自然科学基金项目(编号:NSFC40801144)。

钮立明 (1984-),男,工程师,从事农情遥感监测及作物参数遥感反演技术研究。