卫星光学遥感图像仿真 与典型目标特征分析 班级： 姓名： 授课教师： 授课教室： 研 5-15 班 陈海涛 张凯莉 穆江浩 王晓蕊 周二 5-6 节 西大楼-219 CONTENTS 目录 / Part1:光学遥感系统建模仿真的国内外发展现状 Part2:基于MTF模型的光学遥感器的数字仿真 Part3:典型目标的特征选择 Part4：典型地物目标的特征分析 光 学 遥 感 系 统 的 成 像 仿 真 物 理 仿 真 物理仿真是在实验室条件下，对各个成像环节进行动态模拟 仿真，最终获得遥感仿真图像。通过接近真实的、可加以控制的 模拟仿真过程，测试该遥感系统的性能，并给出评价结果。上世 纪40、50年代，计算机发展水平还不高，所以只有依靠物理仿 真。 近年来，随着计算机技术的飞速发展，一些将计算机强大的 运算处理功能和光学成像方法结合起来的新型成像原理也慢慢显 示出自身的优势，也就是所谓的计算机仿真。它主要是基于遥感 成像过程中各个成像环节的数学模型，借助数字仿真技术来获得 仿真图像。 计 算 机 仿 真 光 学 遥 感 系 统 的 成 像 仿 真 物 理 仿 真 计 算 机 仿 真 1. 美国亚利桑那大学光学中心建立了世界上第一个航空航天遥感器物 理仿真系统。 2. 美国的Itek光学中心20 世纪 60年代初采用物理仿真的方法建立遥 感成像仿真系统，建立了小型的成像模拟设施ISF。 3. 美国陆军航空及导弹司令部高级仿真中心耗时20年之久，建立了 10 套硬件闭环模拟设施，工作波长可以涵盖可见、红外、毫米波 甚至微波波段，应用于导弹的动态飞行测试和军事目标拦截演习。 4. 国内关于光学遥感系统的物理仿真方面的报道相对比较少，80 年 代中期，中国科学院长春光学精密机械研究所成立了室内遥感模拟 实验室。 1. 1995年，NASA资助的LARC中心公布了PATCOD集成设计软件平 台。将Pro/Engineer结构设计、Pro/Manufacturing构造、PATRAN建 立模型和可视化、NASTRAN结构分析、SINDA-85和P/Thermal热分 析、CODE V光学分析等多种通用软件集成在一起，主要用于航天器 仿真设计和分析过程。 2. 1999年，柯达公司公布针对胶片型遥感相机的仿真软件 Physique 。 3. 2001年，德国宇航中心研究了包括地物场景、大气以及传感器硬 件等端到端的机载或者星载对地遥感成像过程，并开发出了新一代 的光学遥感仿真软件SENSOR。 4. 2002年，美国国家宇航局（NASA）的Stennis空间中心（SSC） 开发了传感器仿真的相应算法和软件产品ART。 光 学 遥 感 系 统 的 成 像 仿 真 物 理 仿 真 计 算 机 仿 真 1. 美国亚利桑那大学光学中心建立了世界上第一个航空航天遥感器物 理仿真系统。 2. 美国的Itek光学中心20 世纪 60年代初采用物理仿真的方法建立遥 感成像仿真系统，建立了小型的成像模拟设施ISF。 3. 美国陆军航空及导弹司令部高级仿真中心耗时20年之久，建立了 10 套硬件闭环模拟设施，工作波长可以涵盖可见、红外、毫米波 甚至微波波段，应用于导弹的动态飞行测试和军事目标拦截演习。 4. 国内关于光学遥感系统的物理仿真方面的报道相对比较少，80 年 代中期，中国科学院长春光学精密机械研究所成立了室内遥感模拟 实验室。 5. 美国的Multigen-Paradigm公司推出的Vega系列的仿真模块是目前广 泛使用的、功能比较齐备的商业化遥感成像仿真工具包。它主要由 Vega、SensorVision和SensorWorks三个主体模块构成，Vega是一个 能对复杂地物场景进行实时管理和渲染的可视化系统环境 SensorVision能够生成三维地物场景的辐亮度图像，SensorWorks可 以完成对传感器系统响应的模拟过程12-14。 6. 中科院长春光机所考虑了三维场景、自然光照明、大气辐射传输等 基本数学模型问题，还考虑了包含遥感图像光谱和空间信息传递特 性在内的传感器系统综合响应的数学模型问题，由此设计了专门的 软件仿真工具 RSIS1.0。 7. 安徽光学精密机械研究所的易维宁、顾有林、杜丽丽等人在中国科 学院方向性创新项目的资助下，设计了光学遥感图像仿真工具 ORSIS。 SENSOR 的仿真流程图 左图为子模块划分示意图，其考虑的相应成像因 素总结如下： 1.目标特征（目标类型、方向、高度、反射率） ； 2.成像几何关系（太阳和遥感器的高度角以及方 位角）； 3.三维地物场景模型（不同照射条件、地物场景 照射能量百分比）； 4.光源类型（垂直日光、水平日光、水平阴影、 垂直前照阴影、垂直背照阴影）； 5.成像系统参数（卫星轨道高度、视角、焦距、 孔径、大气能见度）； 6.大气模型（大气散射、大气吸收、目标辐亮 度、天空辐亮度）； 7.曝光量计算（曝光量的均值和方差）； 8.MTF 模型（成像系统光学 MTF、电学 MTF、 传感器系统总 MTF）； 9.光子和系统噪声（信号中的光子噪声、系统中 的各种噪声）； 10. 量化噪声和数据传输模型（量化噪声、误码率 ）； 11. 硬拷贝影响模型（制成硬拷贝带来的所有影响 ）； 12. 胶片 MTF（胶片 MTF 参数）； 13. 胶片平均密度（与不同照射类型相关）； 14. 胶片噪声（胶片颗粒度影响）； 15. 信息预测(评价成像品质)。 基于MTF模型的光学遥感器的数字仿真 由于光学遥感器接收的是地物场景目标发射或反射的光能量，因此属于被动 探测，且接收的光能大小和光谱传输特性完全取决于成像链路中的外界因素。 要尽可能的完成对整个遥感成像过程的真实仿真，必须对整个光能量传输过程 有个整体的了解。一般地，光学遥感成像链路中的光辐射传输过程如图所示。 整个成像链路的光辐射传输过程 光 学 遥 感 器 数 字 仿 真 的 数 学 模 型 （1）光线跟踪模型 （2）调制传递函数模型 （3）点扩散模型 光线跟踪模型主要是研究观察目标上 各个点与图像上各个点之间的几何位置 关系、辐射量关系。辐射量关系主要包 括目标对太阳的反射、外界环境的辐 射、目标自身的辐射以及光线传播路径 方面的辐射。此外，还存在大气环境衰 减因素。综上所述，整个辐射过程可以 表达为： 光线跟踪模型 光线追踪模型的特点是可以将成像环节中的各个子环节自由组合，自由分开 ，比较灵活，具有一定程度的适用性。但是，该数学模型很难去评估处理算法 的性能，还有外界因素对成像像质的影响。除此之外，该模型的公式中还含有 积分运算，这从一定程度上降低了算法的简洁性和算法的计算速度。 调制传递函数模型 调制传递函数（MTF）衡量了系统对于正弦波输入的振幅响应，主要用 来分析一些特定的成像系统，调制传递函数确定了成像系统对于目标细节 的分辨本领。MTF一方面被用来进行普通光学系统的像质评价，另一方面 ，也可被用来进行其他成像环节的像质分析。由于一般的遥感系统都是空 间不变线性系统，可将组成遥感系统的各个线性空间系统分而划之，于是 系统总的 MTF 就可以通过这些子单元的 MTF 相乘得到，表达公式如下所 示： 针对调制传递函数模型，它可以数字化成像系统中涉及的很多环节，将 各个环节建立起准确的数学模型，比较全面的评价整个成像系统。还可以 随意取舍其中一个或几个环节，并能对任何几个环节进行自由组合。 点扩散模型 将上述三种数字仿真的数学模型的优缺 点分析完毕后，此次选取调制传递函数模 型对光学遥感器进行数字仿真。 MTF理论基础 调制传递函数(Modulation Transfer Function，MTF)归属于光学理论，是 一个比较重要的物理概念，通常被用来衡量一个光学系统成像性能的优 劣。对于一个光学系统，其点扩散函数(PSF)的傅里叶变换称为光学传递函 数(Optical Transfer Function, OTF)，MTF 正是OTF的模值，它反映了系统 对频域信息的传递能力，因此可以客观全面的评价光学系统的成像质量。 下面对 MTF 的定义进行详细的阐述。 一般选择如图左所示分划板（金属靶标）检验一个光学系统，光源透 过金属靶标后所形成的投影如图右所示。 假如我们只研究金属靶标沿着x方向的厚度分布。在金属靶标上，每一个线 对的宽度d叫做空间周期，单位是长度/毫米。在这里，又引入一个重要概念， 空间频率，描述为单位毫米内包含的线对数目，单位是线对数/毫米。首先定 义空间圆频率为： 正弦波光栅的亮度分布如图2-3所示： 则图中正弦波光栅的亮度分布表达式为： 通常描述一个图像的亮暗对比度，可以用调制度来表示： 正弦波光栅成像后的表现形式还是正弦波，如下图所示，实线条为理想的成 像亮度分布，虚线条为实际成像的亮度分布。从图中可以观察到，经实际成像 后，亮线条会变暗一些，暗线条会变亮一些，看起来没有成像前那么清晰。这 是由于实际中衍射、像差等作用的影响，实际像的对比度会降低。 数字仿真的理论基础 根据 MTF 数学模型，对整个光学遥感成像的数据处理的流程图如下图所 示。将成像链路中所有成像环节的MTF数学模型相乘得到整个成像系统的总 的MTF。然后对原始数字图像进行傅里叶变换得到它的空间频谱，与同是频 域物理量的MTF相乘，乘积结果进行逆傅里叶变换，就可以得到空间分布的 退化图像。 关于在频域内对二维灰度图像进行二维傅里叶变换，现列出它的算 法如下所示： 式中： 典型目标的特征选择 近几年，由于随着地表变化监测越来越受重视，典型地物目标的研究也 成为研究热点。 高分辨率遥感影像的高维特征数据全部用于地物目标识别与分类往往是 不合适，为此，需要对特征数据进行降维。 降 维 方 式 1. 特征选择，通过从输入特征中选取子集的方式以达到特征降维 的目的； 2. 特征抽取，通过将输入特征空间映射到一个较低维度的空间， 以达来达到特征降维的目的。 鉴于特征降维是以低维空间替代原来高维特征空间，而丢失了特征本身 的物理含义，难以满足典型地物目标特性研究的需求，文中重点关注特征 选择。 特征选择是指根据一定的准则从原始高维数据中寻找最优子集，在最大 限度地保留特征信息的同时，极大的降低数据的维数。其过程相当于对输 入数据进行预处理，适用于那些特征维数较高的数据。 特 征 选 择 按照和分 类器结合 方式 特征选择的过程就是把特征子集放到已有的特征评价准则中，来对特征子 集进行分析评价，通过不断选择不同的特征子集进行分析评价，得到不同特 征子集的评价。最后，按照评价的高低输出最优的特征子集。 1. 过滤式（Filter）特征选择方法：过滤式特征选择方法最早由 Cover提出，主要是由于其通过特征数据的内在特性来评价特 征，独立于特定的分类学习算法，具有很好的通用性。 2. 封装式（Wapper）特征选择方法：封装式特征选择方法的思 想是将选择算法作为分类学习的一部分，通过特征的分类性 能作为特征选择的评价指标。 3. 嵌入式（Embedded）特征选择方法：嵌入式特征选择方法则 是介于过滤式和封装式两者之间的一种方法，是对分类性能 与计算复杂度的折中。 相比较封装式和嵌入式方法，过滤式特征选择方法在研究特定地物目标 时能够更方便的对特征进行选择，而不必依赖于某种分类学习算法。主要 有mRMR和Relief两种典型的过滤式特征选择方法。 Relief及其变形：现有Filter模型有不同的评价准则，包含距 离标准、一致性标准、依赖性标准和信息标准。Relief及其 变种ReliefF和IRelief等就是采用样本距离来度量特征的重要 性程度。 mRMR：Relief及其变种都是选择包含分类信息最多的特征 组合作为最优特征子集，但是，这些信息量最多的m个特 征组合在一起，并不一定是最好的m特征组。Peng等人59 认为仅仅考虑特征子集所包含的类别信息多少是不够的， 为确保特征选择结果是最好的m特征组，需要进一步考虑 该子集特征间的冗