• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 20
    • 下载费用:30 金币  

    重庆时时彩个位预测: 夜间灯光数据序列构建方法及装置.pdf

    关 键 词:
    夜间 灯光 数据 序列 构建 方法 装置
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611243603.X

    申请日:

    2016.12.29

    公开号:

    CN106683059A

    公开日:

    2017.05.17

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06T 5/00申请日:20161229|||公开
    IPC分类号: G06T5/00; G06T5/50 主分类号: G06T5/00
    申请人: 中国科学院深圳先进技术研究院
    发明人: 张清凌; 王志盼; 钱静; 陈凯
    地址: 518000 广东省深圳市南山区西丽大学城学苑大道1068号
    优先权:
    专利代理机构: 深圳中一专利商标事务所 44237 代理人: 阳开亮
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611243603.X

    授权公告号:

    |||

    法律状态公告日:

    2017.06.09|||2017.05.17

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种夜间灯光数据序列构建方法及装置。该夜间灯光数据序列构建方法包括:接收待校正遥感影像,获取对应的待校正夜间灯光数据;基于所述待校正遥感影像,确定采集所述待校正遥感影像的遥感卫星采集的训练遥感影像,并获取所述训练遥感影像对应的目标校正模型;利用所述目标校正模型对所述待校正夜间灯光数据进行校正处理,获取目标夜间灯光数据;根据所述目标夜间灯光数据,构建夜间灯光数据序列。该夜间灯光数据序列构建方法,可节省地面定标场确定时间,提高确定目标校正模型的处理效率,且对待校正夜间灯光数据校正过程中计算方便,计算结果准确可靠。

    权利要求书

    1.一种夜间灯光数据序列构建方法,其特征在于,包括:
    接收待校正遥感影像,获取对应的待校正夜间灯光数据;
    基于所述待校正遥感影像,确定采集所述待校正遥感影像的遥感卫星采集的训练遥感
    影像,并获取所述训练遥感影像对应的目标校正模型;
    利用所述目标校正模型对所述待校正夜间灯光数据进行校正处理,获取目标夜间灯光
    数据;
    根据所述目标夜间灯光数据,构建夜间灯光数据序列。
    2.根据权利要求1所述的夜间灯光数据序列构建方法,其特征在于,还包括:
    接收训练遥感影像和参考遥感影像,获取对应的训练夜间灯光数据和参考夜间灯光数
    据;
    根据所述训练遥感影像和所述参考遥感影像,获取二维分布散点图;
    根据所述二维分布散点图,获取所述训练遥感影像对应的目标校正模型。
    3.根据权利要求2所述的夜间灯光数据序列构建方法,其特征在于,所述根据所述训练
    遥感影像和所述参考遥感影像,获取二维分布散点图,包括:
    根据所述训练遥感影像和所述参考遥感影像,获取多组对应的像元组;
    将每一所述像元组对应的所述训练夜间灯光数据和所述参考夜间灯光数据,分别作为
    预设空间坐标系中对应的目标像元的x坐标值和y坐标值;
    在预设空间坐标系中,基于多个所述目标像元的x坐标值和y坐标值,确定与每一所述
    目标像元一一对应的散点,以获取所述二维分布散点图。
    4.根据权利要求3所述的夜间灯光数据序列构建方法,其特征在于,所述根据所述训练
    遥感影像和所述参考遥感影像,获取二维分布散点图之后,还包括:
    对所述二维分布散点图进行除噪处理;
    所述除噪处理包括:将所述二维分布散点图中沿X轴方向水平分布的像元和/或沿Y轴
    方向垂直分布的像元去除。
    5.根据权利要求3或4所述的夜间灯光数据序列构建方法,其特征在于,所述根据所述
    二维分布散点图,获取对应的目标校正模型,包括:
    根据所述二维分布散点图确定脊线;
    根据所述脊线确定初始校正模型,所述初始校正模型包括y=ax2+bx+c;
    采用最小二乘算法对所述初始校正模型的参数进行解算,以获取与所述遥感影像相对
    应的目标校正模型。
    6.一种夜间灯光数据序列构建装置,其特征在于,包括:
    第一数据获取???,用于接收待校正遥感影像,获取对应的待校正夜间灯光数据;
    校正模型获取???,用于基于所述待校正遥感影像,确定采集所述待校正遥感影像的
    遥感卫星采集的训练遥感影像,并获取所述训练遥感影像对应的目标校正模型;
    数据校正处理???,用于利用所述目标校正模型对所述待校正夜间灯光数据进行校正
    处理,获取目标夜间灯光数据;
    数据序列构建???,用于根据所述目标夜间灯光数据,构建夜间灯光数据序列。
    7.根据权利要求6所述的夜间灯光数据序列构建装置,其特征在于,还包括:
    第二数据获取???,用于接收训练遥感影像和参考遥感影像,获取对应的训练夜间灯
    光数据和参考夜间灯光数据;
    散点图获取???,用于根据所述训练遥感影像和所述参考遥感影像,获取二维分布散
    点图;
    校正模型构建???,用于根据所述二维分布散点图,获取所述训练遥感影像对应的目
    标校正模型。
    8.根据权利要求7所述的夜间灯光数据序列构建装置,其特征在于,所述散点图获取模
    块包括:
    像元组获取单元,用于根据所述训练遥感影像和所述参考遥感影像,获取多组对应的
    像元组;
    像元坐标确定单元,用于将每一所述像元组对应的所述训练夜间灯光数据和所述参考
    夜间灯光数据,分别作为预设空间坐标系中对应的目标像元的x坐标值和y坐标值;
    散点图确定单元,用于在预设空间坐标系中,基于多个所述目标像元的x坐标值和y坐
    标值,确定与每一所述目标像元一一对应的散点,以获取所述二维分布散点图。
    9.根据权利要求8所述的夜间灯光数据序列构建装置,其特征在于,还包括:除噪处理
    ???,用于对所述二维分布散点图进行除噪处理;
    所述除噪处理包括:将所述二维分布散点图中沿X轴方向水平分布的像元和/或沿Y轴
    方向垂直分布的像元去除。
    10.根据权利要求7或8所述的夜间灯光数据序列构建装置,其特征在于,所述校正模型
    构建??榘ǎ?br />
    脊线确定单元,用于根据所述二维分布散点图确定脊线;
    初始模型确定单元,用于根据所述脊线确定初始校正模型,所述初始校正模型包括y=
    ax2+bx+c;
    初始模型解算单元,用于采用最小二乘算法对所述初始校正模型的参数进行解算,以
    获取与所述遥感影像相对应的目标校正模型。

    说明书

    夜间灯光数据序列构建方法及装置

    技术领域

    本发明涉及遥感应用技术领域,尤其涉及一种夜间灯光数据序列构建方法及装
    置。

    背景技术

    夜间灯光遥感研究源于1972年美国国防气象卫星计划开始的项目,但是数据整理
    存档则起始于1992年。目前,夜间灯光数据分别来源于6颗不同的卫星,F10,F12,F14,F15,
    F16,F18。尽管到目前为止,卫星存档期达到20多年,但是目前的研究仍然局限于使用某一
    个卫星的数据,或某几个卫星的数据,采用夜间灯光数据序列研究则较少。其原因在于,一
    个方面是由于卫星传感器退化,另外一方面则是由于不同卫星的传感器差异较大,导致数
    据跨时间进行比较产生困难?;谝辜涞乒庑蛄惺?,在经济研究,能源研究,城市化扩展
    研究等方向均具有非常重要的作用,因此构建夜间灯光序列数据意义重大。

    对不同平台卫星数据间的相对辐射校正,能够获得连续一致的序列数据。现有夜
    间灯光数据序列构建方法包括如下几种:

    其一是,基于不变地物特征点的相对辐射校正方法,是一个有效的相对辐射校正
    法,DMSP(Defense Meteorologi-cal Satellite Program,国防气象卫星计划)/OLS
    (Operational LinescanSystem,线性扫描业务系统)由于缺乏相应的不变特征地物,无法
    获取高质量的不变地物特征点。在基于不变地物特征点的相对辐射校正方法中,可通过人
    工获取不变地物特征点或自动获取不变地物特征点,存在人为误差大、计算量巨大、处理效
    率低的问题。

    其二是,基于暗像元法的相对辐射校正方法。在光学遥感影像上,暗像元法是一种
    运用广泛的相对辐射校正方法,其主要思想是把深水、高山阴影作为暗像元,然后减去该
    值,获得校正结果。该基于暗像元法的相对辐射校正方法,存在人工干预多,易受到主观干
    预,而且耗时费力,处理效率低的问题。

    其三是,脊线回归法。脊线回归法是一种简答有效的相对辐射定标方法,其假定在
    一个较短时间内,两幅影像大部分像元能够保持不变,因此基于两者的二维分布图,通过构
    建回归模型来进行相对校正。但现有脊线回归法存在计算量巨大、处理效率低的问题。

    发明内容

    本发明要解决的技术问题在于,针对现有夜间灯光数据序列构建方法存在计算量
    大且处理效率低的缺陷,提供一种夜间灯光数据序列构建方法及装置。

    本发明解决其技术问题所采用的技术方案是:

    本发明与现有技术相比具有如下优点:本发明所提供的夜间灯光数据序列构建方
    法及装置中,可基于待校正遥感影像,确定采集该待校正遥感影像的遥感卫星,进而确定该
    遥感卫星采集的训练遥感影像对应的目标校正模型,无需预先确定地面定标场即可获取目
    标校正模型,以节省地面定标场确定时间,提高确定目标校正模型的处理效率;并且,利用
    目标校正模型对待校正夜间灯光数据进行校正过程,计算方便且计算结果准确可靠,误差
    较小。再基于目标夜间灯光数据,构建夜间灯光数据序列,由于目标夜间灯光数据之间具有
    可比性,可使其构建的夜间灯光数据序列更准确可靠。

    附图说明

    下面将结合附图及实施例对本发明作进一步说明,附图中:

    图1是本发明实施例1中夜间灯光数据序列构建方法的一流程图。

    图2是本发明实施例1中训练夜间灯光数据的一示意图。

    图3是本发明实施例1中二维分布散点图的一示意图。

    图4是本发明实施例1中不同待校正遥感影像和目标遥感影像的一示意图。

    图5是本发明实施例1中夜间灯光数据序列与GDP相关的一示意图。

    图6是本发明实施例2中夜间灯光数据序列构建装置的一原理框图。

    具体实施方式

    为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明
    本发明的具体实施方式。

    实施例1

    图1示出本实施例中夜间灯光数据序列构建方法的流程图。该夜间灯光数据序列
    构建方法,通过对不同遥感卫星(如F10,F12,F14,F15,F16,F18)基于DMSP/OLS采集到的夜
    间灯光数据进行校正处理,以使不同遥感卫星采集到夜间灯光数据之间具有可比性,以将
    不同遥感卫星采集到的夜间灯光数据进行夜间灯光数据序列构建,为经济研究、能源研究
    和城市化扩展研究等方向提供依据。

    如图1所示,该夜间灯光数据序列构建方法包括如下步骤:

    S10:接收待校正遥感影像,获取对应的待校正夜间灯光数据。

    其中,待校正遥感影像是任一遥感卫星采集到的需要进行校正处理的遥感影像。
    具体地,每一待校正遥感影像包括校正影像标识和校正卫星标识。其中,校正影像标识用于
    唯一识别待校正遥感影像;校正卫星标识用于识别采集该待校正遥感影像的遥感卫星,如
    F10、F12、F14、F16和F18等。待校正夜间灯光数据可以是通过DMSP/OLS获取的可见光-近红
    外(VNIR)波和段热红外(TIR)波段,也可以灰度值。

    S20:基于待校正遥感影像,确定采集待校正遥感影像的遥感卫星采集的训练遥感
    影像,并获取训练遥感影像对应的目标校正模型。

    具体地,基于待校正遥感影像携带的卫星标识确定采集该待校正遥感影像的遥感
    卫星;再基于采集该待校正遥感影像的卫星采集的训练遥感影像,并获取训练遥感影像对
    应的目标校正模型。其中,每一训练遥感影像也携带一训练影像标识和训练卫星标识?;?br />待校正遥感影像,确定采集待校正遥感影像的遥感卫星采集的训练遥感影像时,使得待校
    正遥感影像校正和训练遥感影像携带的训练卫星标识相同,即待校正遥感影像和训练遥感
    影像采用同一遥感卫星采集到的,以确保待校正遥感影像可基于训练遥感影像对应的目标
    校正模型进行校正。

    S30:利用目标校正模型对待校正夜间灯光数据进行校正处理,获取目标夜间灯光
    数据。

    本实施例中,目标校正模型包括y=ax2+bx+c,在目标校正模型构建过程中,将训
    练遥感影像的训练夜间灯光数据作为x值,参考遥感影像的参考夜间灯光数据作为y值进行
    校正处理,以确定参数a、b和c的值。在利用目标校正模型对待校正夜间灯光数据进行校正
    时,将待校正遥感影像中任一像元的待校正夜间灯光数据作为目标校正模型的x值,将获取
    的y值作为目标夜间灯光数据。采用基于相同参考遥感影像形成的不同目标校正模型对不
    同待校正夜间灯光数据进行校正处理,以获取与参考夜间灯光数据具有可比性的目标夜间
    灯光数据,校正过程计算方便,计算结果准确可靠,误差较小。

    S40:根据目标夜间灯光数据,构建夜间灯光数据序列。

    具体地,目标夜间灯光数据是不同遥感卫星采集到的任一不变特征地物(如中国
    或其他区域)在不同年度的待校正遥感影像基于不同目标校正模型进行校正后获取到的夜
    间灯光数据,同目标校正模型是不同训练遥感影像与同一参考遥感影像进行校正处理后形
    成的,使得该不变特征地物不同年度的目标夜间灯光数据具有可比性。因此,可基于不同年
    度的目标夜间灯光数据构建夜间灯光数据序列。该夜间灯光数据序列在对任一不变特征地
    物进行经济研究、能源研究和城市扩展研究等方面具有重要的意义。

    在一具体实施方式中,目标校正模型与训练卫星标识和参考卫星标识相关联。任
    一目标校正模型是基于携带训练卫星标识的训练遥感影像和携带参考卫星标识的参考遥
    感影像形成的,可体现训练遥感影像和参考遥感影像的夜间灯光数据的差异?;谀勘晷?br />正模型的训练卫星标识,可确定该目标校正模型可进行校正的待校正遥感影像,即待校正
    遥感影像的校正卫星标识需与目标校正模型的训练卫星标识一致,才可利用该目标校正模
    型进行校正?;谀勘瓴慰寄P偷牟慰嘉佬潜晔?,可确定基于目标校正模型进行校正后形
    成的目标夜间灯光数据是否具有可比性,即只有采用参考卫星标识相同的不同目标校正模
    型对不同待校正夜间灯光数据进行校正处理,其获取的目标夜间灯光数据才具有可比性。
    即步骤S20中,基于待校正遥感影像的校正卫星标识,获取待校正遥感影像的校正卫星标识
    一致的训练遥感影像的训练卫星标识,再确定与训练遥感影像的训练卫星标识相关联的目
    标校正模型。步骤S30中,利用与同一参考卫星标识相关联的不同目标校正模型对不同待校
    正模型进行校正处理,获取具有可比性的不同目标夜间灯光数据。

    该夜间灯光数据序列构建方法中,可基于待校正遥感影像,确定采集该待校正遥
    感影像的遥感卫星,进而确定该遥感卫星采集的训练遥感影像对应的目标校正模型,无需
    预先确定地面定标场即可获取目标校正模型,以节省地面定标场确定时间,提高确定目标
    校正模型的处理效率;并且,利用目标校正模型对待校正夜间灯光数据进行校正过程,计算
    方便且计算结果准确可靠,误差较小。再基于目标夜间灯光数据,构建夜间灯光数据序列,
    由于目标夜间灯光数据之间具有可比性,可使其构建的夜间灯光数据序列更准确可靠。

    可以理解地,若基于待校正遥感影像,无法确定待校正遥感影像的遥感卫星采集
    的训练遥感影像,或者不存在与训练遥感影像相对应的目标校正模型时,需采用训练遥感
    影像和参考遥感影像构建目标校正模型。因此,该夜间灯光数据序列构建方法还包括如下
    步骤:

    S50:接收训练遥感影像和参考遥感影像,获取对应的训练夜间灯光数据和参考夜
    间灯光数据。

    本实施例中,训练遥感影像和参考遥感影像采用不同遥感卫星采集到的包含夜间
    灯光数据的遥感影像。其中,参考遥感影像是用于作为标准参照物的遥感影像。每一参考遥
    感影像包括参考影像标识和参考卫星标识,其中,参考影像标识用于唯一识别参考遥感影
    像,参考卫星标识用于识别采集该参考遥感影像的遥感卫星。训练遥感影像是需基于参考
    遥感影像进行校正处理,以使其与参考遥感影像具有可比性的遥感影像。训练遥感影像包
    括训练影像标识和训练卫星标识,其中,训练影像标识用于唯一识别训练遥感影像,训练卫
    星标识用于识别采集该训练遥感影像的遥感卫星。

    为使训练遥感影像和参考遥感影像之间具有可比性,使不同遥感影像同时采集同
    一不变特征地物(如中国或其他相同区域)的训练遥感影像和参考遥感影像??梢岳斫獾?,
    在其他影响因素忽略不计的情况下,同时采集同一不变特征地物的训练夜间灯光数据和参
    考夜间灯光数据存在差异主要由采集训练夜间灯光数据和参考夜间灯光数据的遥感卫星
    的不同造成的??梢岳斫獾?,只需使训练遥感影像和参考遥感影像指向同一不变特征地物,
    基于训练夜间灯光数据和参考夜间灯光数据的差异构建目标校正模型,即可确定采集训练
    遥感影像和参考遥感影像的遥感卫星采集数据的差异,无需预先确定地面定标场,可有效
    节省地面定标场确定时间,提高处理效率。

    具体地,训练夜间灯光数据和参考夜间灯光数据可以是通过DMSP/OLS获取的可见
    光-近红外(VNIR)波和段热红外(TIR)波段,也可以灰度值。DMSP/OLS是专门为云层监测设
    计的振荡扫描辐射计,共设有两个波段:可见光-近红外(VNIR)波段,0.4-1μm,光谱分辨率6
    比特,灰度值范围0-63;热红外(TIR)波段,10-13μm,光谱分辨率8比特,灰度值范围0-255。
    其中可见光波段又有两套探测器,白天使用光学望远镜头,夜间使用光学倍增管。夜间光学
    倍增管的入瞳单位波长辐亮度允许低至10-9watts/cm2/sr/μm,这比OLS白天可见光通道或
    NOAA/AVHRR、LANDSAT/TM等其它传感器的相应通道所能探测到的辐射大约低4个数量级。光
    学倍增管起初是为气象目的设计,用于探测月光照射下的云,后来由于其具有很强的光电
    放大能力,因此逐渐被应用于探测城镇灯光、极光、闪电、渔火、火灾等等地表活动。

    S60:根据训练遥感影像和参考遥感影像,获取二维分布散点图。

    其中,二维分布散点图包括预设空间坐标系以及设置在该预设空间坐标系中的多
    个散点,每个散点与训练遥感影像中一像元的训练夜间灯光数据和参考遥感影像中一像元
    的参考夜间灯光数据相关联。本实施例中,训练遥感影像和参考遥感影像均具有M*N个像
    元,训练遥感影像上的像元与参考遥感影像上的像元一一对应;而且,训练遥感影像中每一
    像元对应一训练夜间灯光数据,参考遥感影像中每一像元对应的一参考夜间灯光数据???br />以理解地,二维分布散点图中每一散点可清楚地显示不同遥感卫星同时对同一不变特征地
    物训练夜间灯光数据和参考夜间灯光数据之间的差异。

    步骤S60具体包括如下步骤:

    S61:根据训练遥感影像和参考遥感影像,获取多组对应的像元组。

    本实施例中,若训练遥感影像和参考遥感影像均具有M*N个像元,则训练遥感影像
    和参考遥感影像存在M*N组对应的像元组,可基于像元组的数量确定获取到的二维分布散
    点图的散点。若设参考遥感影像中每一像元为Ai,j,其中,i∈M,j∈N;相应地,设训练遥感影
    像中每一像元为Bi,j,其中,i∈M,j∈N;若i和j均相同,则像元Ai,j和像元Bi,j形成一组对应
    的像元组,每一像元Ai,j对应一参考夜间灯光数据,每一像元Bi,j对应一训练夜间灯光数据。
    其中,训练夜间灯光数据和参考夜间灯光数据包括但不限于本实施例中的为灰度值。

    S62:将每一像元组对应的训练夜间灯光数据和参考夜间灯光数据,分别作为预设
    空间坐标系中对应的目标像元的x坐标值和y坐标值。

    本实施例中,像元Ai,j和像元Bi,j形成一组对应的像元组,基于该像元组获取在预
    设空间坐标系中对应的一目标像元Ci,j,以使像元Ai,j对应一参考夜间灯光数据作为目标像
    元Ci,j的x坐标值,像元Bi,j对应一训练夜间灯光数据作为目标像元Ci,j的y坐标值,以确定目
    标像元Ci,j在预设空间坐标系中的位置。

    S63:在预设空间坐标系中,基于多个目标像元的x坐标值和y坐标值,确定与每一
    目标像元一一对应的散点,以获取二维分布散点图。

    即在二维分布散点图中创建预设空间坐标系,使预设空间坐标系的x坐标轴与训
    练夜间灯光数据相关联,y坐标轴与参考夜间灯光数据相关联。在该二维分布散点图中,使
    每一目标像元对应一散点,根据目标像元的x坐标值和y坐标值确定对应散点的位置。由于
    训练遥感影像和参考遥感影像均具有M*N个像元,基于训练遥感影像和参考遥感影像获取
    的像元组有M*N组,对应二维分布散点图中的散点有M*N个。

    进一步地,该夜间灯光数据序列构建方法中,步骤S60之后,还包括:对二维分布散
    点图进行除噪处理;除噪处理包括:将二维分布散点图中沿X轴方向水平分布的像元和/或
    沿Y轴方向垂直分布的像元去除。

    可以理解地,对二维分布散点图进行除噪处理,可去除由于太阳炫光等因素引起
    的随机噪声,以获取优化后的二维分布散点图,可避免随机噪声造成数据冗余,也可避免随
    机噪声影响基于二维分布散点图获取的目标校正模型的准确性。

    S70:根据二维分布散点图,获取对应的目标校正模型。

    在二维分布散点图对应的预设空间坐标系中,每一散点的x坐标值和y坐标值分别
    对应训练夜间灯光数据和参考夜间灯光数据,使得该二维分布散点图可直观显示训练遥感
    影像和参考遥感影像所采集到的同一不变特征地物的夜间灯光数据的差异??梢岳斫獾?,
    将训练遥感影像和参考遥感影像所采集的夜间灯光数据的差异采用线性模型表示,以可形
    成对应的目标校正模型。该目标校正模型可应用于对采集训练遥感影像的遥感卫星所采集
    到的其他待校正影像进行校正处理,以使待校正遥感影像与参考遥感影像之间具有可比
    性。

    可以理解地,若采集参考遥感影像的遥感卫星和采集训练遥感影像的遥感卫星相
    同,则其采集到的参考夜间灯光数据和训练夜间灯光数据相同,则像元Ai,j对应一参考夜间
    灯光数据与像元Bi,j对应一训练夜间灯光数据相同;使得基于该训练遥感影像和参考遥感
    影像形成的二维分布散点图呈y=x线性分布。本实施例中,采集参考遥感影像的遥感卫星
    和采集训练遥感影像的遥感卫星不相同,则其采集到的参考夜间灯光数据和训练夜间灯光
    数据不相同,导致基于训练遥感影像和参考遥感影像形成的二维分布散点图不呈y=x线性
    分布。

    步骤S70具体包括如下步骤:

    S71:根据二维分布散点图确定脊线。

    其中,二维分布散点图中的散点呈脊线分布,在脊线分布上人工确定一条脊线,该
    脊线初步体现二维分布散点图中训练夜间灯光数据和参考夜间灯光数据的关系。

    S72:根据脊线确定初始校正模型,初始校正模型包括y=ax2+bx+c。

    其中,基于二维分布散点图中确定的脊线,根据脊线走向选择与脊线相关联的初
    始校正模型,该初始校正模型包括y=ax2+bx+c。

    S73:采用最小二乘算法,对初始校正模型的参数进行解算,以获取对应的目标校
    正模型。

    其中,初始校正模型y=ax2+bx+c与脊线走向相关联,初始校正模型中的参数a、b
    和c为未知数,因此需采用最小二乘算法,对初始校正模型中参数a、b和c进行解算,基于解
    算后的参数a、b和c,以获取对应的目标校正模型。该目标校正模型与训练遥感影像相关联,
    以使采集该训练遥感影像的遥感卫星采集到的其他待校正遥感影像的待校正夜间灯光数
    据均可采用该目标校正模型进行校正处理,以获取与参考遥感影像的参考夜间灯光数据具
    有可比性的目标夜间灯光数据。

    进一步地,步骤S73具体包括如下步骤:

    S731:沿脊线方向获取若干样本散点,确定样本散点对应的x坐标值和y坐标值。

    即沿二维分布散点图的脊线方向均匀选取若干样本散点,样本散点的数量可根据
    需求自主确定,样本散点的数量越多,基于样本散点对初始校正模型的参数进行解算时,解
    算结果更准确。本实施例中,样本散点的数量为64个。

    S732:根据样本散点对应的x坐标值和y坐标值,采用最小二乘算法,对初始校正模
    型的参数进行解算,以获取对应的目标校正模型。

    其中,最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的
    平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这
    些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。采用
    最小二乘算法对初始校正模型的参数进行解算,使得获取的目标校正模型更准确。

    本实施例中,获取的目标校正模型与训练卫星标识和参考卫星标识相关联。任一
    目标校正模型是基于携带训练卫星标识的训练遥感影像和携带参考卫星标识的参考遥感
    影像形成的,可体现训练遥感影像和参考遥感影像的夜间灯光数据的差异?;谀勘晷U?br />模型的训练卫星标识,可确定该目标校正模型可进行校正的待校正遥感影像,即待校正遥
    感影像的校正卫星标识需与目标校正模型的训练卫星标识一致,才可利用该目标校正模型
    进行校正?;谀勘瓴慰寄P偷牟慰嘉佬潜晔?,可确定基于目标校正模型进行校正后形成
    的目标夜间灯光数据是否具有可比性,即只有采用参考卫星标识相同的不同目标校正模型
    对不同待校正夜间灯光数据进行校正处理,其获取的目标夜间灯光数据才具有可比性。

    图2示出F10,F12,F14,F15,F16和F18等遥感卫星在1992-2002年期间采集的训练
    夜间灯光数据,图2中,DN为灰度值。图3中,a图是以F142003采集到的训练遥感影像中的训
    练夜间灯光数据(DN)作为散点的x坐标值,以F15 2000采集到的参考遥感影像中的参考夜
    间灯光数据(DN)作为散点的y坐标值所获取的二维分布散点图。图3中,b图是对a图进行除
    噪处理,去除随机噪声后优化的二维分布散点图,图中白点表示沿脊线方向人工选取的不
    变特征地物。图4中,以F15 2000采集到的遥感影像作为参考遥感影像,对不同卫星采集到
    的不同待校正遥感影像进行校正的处理结果,以将不同待校正遥感影像进行校正处理,以
    获取与参考遥感影像具有可比性的目标遥感影像。图5示出夜间灯光数据序列与GPD相关的
    示意图,图5中,GDP为虚线,第一列为基于不同遥感卫星采集到的待校正遥感影像对应的待
    校正夜间灯光数据形成的夜间灯光数据序列;第二列为基于校正后的目标夜间灯光数据形
    成的夜间灯光数据序列;第三列为采用现有算法构建的夜间灯光数据序列。如图5所示,本
    实施例提供的夜间灯光数据序列构建方法相比于现有算法,其获取到的夜间灯光数据序列
    中,目标夜间灯光数据之间误差更小,结果更准确可靠。

    本实施例所提供的夜间灯光数据序列构建方法中,先基于训练遥感影像和参考遥
    感影像获取对应的目标校正模型,再利用目标校正模型对与训练遥感影像采用同一遥感卫
    星采集到的待校正遥感影像的待校正夜间灯光数据进行校正处理,以获取目标夜间灯光数
    据,使得采用不同遥感卫星采集的待校正夜间灯光数据具有可比性,可构建夜间灯光数据
    序列。该夜间灯光数据序列构建方法中,无需预先确定地面定标场即可获取目标校正模型,
    以节省地面定标场确定时间,提高确定目标校正模型的处理效率;并且,利用目标校正模型
    对待校正夜间灯光数据进行校正过程,计算方便且计算结果准确可靠,误差较小。

    实施例2

    图6示出本实施例中夜间灯光数据序列构建装置的原理框图。该夜间灯光数据序
    列构建装置,通过对不同遥感卫星(如F10,F12,F14,F15,F16,F18)基于DMSP/OLS采集到的
    夜间灯光数据进行校正处理,以使不同遥感卫星采集到夜间灯光数据之间具有可比性,以
    将不同遥感卫星采集到的夜间灯光数据进行夜间灯光数据序列构建,为经济研究、能源研
    究和城市化扩展研究等方向提供依据。

    如图6所示,该夜间灯光数据序列构建装置包括第一数据获取???0、校正模型获
    取???0、数据校正处理???0和数据序列构建???0。

    第一数据获取???0,用于接收待校正遥感影像,获取对应的待校正夜间灯光数
    据。

    其中,待校正遥感影像是任一遥感卫星采集到的需要进行校正处理的遥感影像。
    具体地,每一待校正遥感影像包括校正影像标识和校正卫星标识。其中,校正影像标识用于
    唯一识别待校正遥感影像;校正卫星标识用于识别采集该待校正遥感影像的遥感卫星,如
    F10、F12、F14、F16和F18等。待校正夜间灯光数据可以是通过DMSP/OLS获取的可见光-近红
    外(VNIR)波和段热红外(TIR)波段,也可以灰度值。

    校正模型获取???0,用于基于待校正遥感影像,确定采集待校正遥感影像的遥
    感卫星采集的训练遥感影像,并获取训练遥感影像对应的目标校正模型。

    具体地,基于待校正遥感影像携带的卫星标识确定采集该待校正遥感影像的遥感
    卫星;再基于采集该待校正遥感影像的卫星采集的训练遥感影像,并获取训练遥感影像对
    应的目标校正模型。其中,每一训练遥感影像也携带一训练影像标识和训练卫星标识?;?br />待校正遥感影像,确定采集待校正遥感影像的遥感卫星采集的训练遥感影像时,使得待校
    正遥感影像校正和训练遥感影像携带的训练卫星标识相同,即待校正遥感影像和训练遥感
    影像采用同一遥感卫星采集到的,以确保待校正遥感影像可基于训练遥感影像对应的目标
    校正模型进行校正。

    数据校正处理???0,用于利用目标校正模型对待校正夜间灯光数据进行校正处
    理,获取目标夜间灯光数据。

    本实施例中,目标校正模型包括y=ax2+bx+c,在目标校正模型构建过程中,将训
    练遥感影像的训练夜间灯光数据作为x值,参考遥感影像的参考夜间灯光数据作为y值进行
    校正处理,以确定参数a、b和c的值。在利用目标校正模型对待校正夜间灯光数据进行校正
    时,将待校正遥感影像中任一像元的待校正夜间灯光数据作为目标校正模型的x值,将获取
    的y值作为目标夜间灯光数据。采用基于相同参考遥感影像形成的不同目标校正模型对不
    同待校正夜间灯光数据进行校正处理,以获取与参考夜间灯光数据具有可比性的目标夜间
    灯光数据,校正过程计算方便,计算结果准确可靠,误差较小。

    数据序列构建???0,用于根据目标夜间灯光数据,构建夜间灯光数据序列。

    具体地,目标夜间灯光数据是不同遥感卫星采集到的任一不变特征地物(如中国
    或其他区域)在不同年度的待校正遥感影像基于不同目标校正模型进行校正后获取到的夜
    间灯光数据,而不同目标校正模型是不同训练遥感影像与同一参考遥感影像进行校正处理
    后形成的,使得该不变特征地物不同年度的目标夜间灯光数据具有可比性。因此,可基于不
    同年度的目标夜间灯光数据构建夜间灯光数据序列。该夜间灯光数据序列在对任一不变特
    征地物进行经济研究、能源研究和城市扩展研究等方面具有重要的意义。

    在一具体实施方式中,目标校正模型与训练卫星标识和参考卫星标识相关联。任
    一目标校正模型是基于携带训练卫星标识的训练遥感影像和携带参考卫星标识的参考遥
    感影像形成的,可体现训练遥感影像和参考遥感影像的夜间灯光数据的差异?;谀勘晷?br />正模型的训练卫星标识,可确定该目标校正模型可进行校正的待校正遥感影像,即待校正
    遥感影像的校正卫星标识需与目标校正模型的训练卫星标识一致,才可利用该目标校正模
    型进行校正?;谀勘瓴慰寄P偷牟慰嘉佬潜晔?,可确定基于目标校正模型进行校正后形
    成的目标夜间灯光数据是否具有可比性,即只有采用参考卫星标识相同的不同目标校正模
    型对不同待校正夜间灯光数据进行校正处理,其获取的目标夜间灯光数据才具有可比性。
    具体地,校正模型获取???0,用于基于待校正遥感影像的校正卫星标识,获取待校正遥感
    影像的校正卫星标识一致的训练遥感影像的训练卫星标识,再确定与训练遥感影像的训练
    卫星标识相关联的目标校正模型。数据校正处理???0,用于利用与同一参考卫星标识相
    关联的不同目标校正模型对不同待校正模型进行校正处理,获取具有可比性的不同目标夜
    间灯光数据。

    该夜间灯光数据序列构建装置中,可基于待校正遥感影像,确定采集该待校正遥
    感影像的遥感卫星,进而确定该遥感卫星采集的训练遥感影像对应的目标校正模型,无需
    预先确定地面定标场即可获取目标校正模型,以节省地面定标场确定时间,提高确定目标
    校正模型的处理效率;并且,利用目标校正模型对待校正夜间灯光数据进行校正过程,计算
    方便且计算结果准确可靠,误差较小。再基于目标夜间灯光数据,构建夜间灯光数据序列,
    由于目标夜间灯光数据之间具有可比性,可使其构建的夜间灯光数据序列更准确可靠。

    可以理解地,若基于待校正遥感影像,无法确定待校正遥感影像的遥感卫星采集
    的训练遥感影像,或者不存在与训练遥感影像相对应的目标校正模型时,需采用训练遥感
    影像和参考遥感影像构建目标校正模型。因此,该夜间灯光数据序列构建装置还包括第二
    数据获取???0、散点图获取???0、校正模型构建???0和除噪处理???0。

    第二数据获取???0,用于接收训练遥感影像和参考遥感影像,获取对应的训练
    夜间灯光数据和参考夜间灯光数据。

    本实施例中,训练遥感影像和参考遥感影像采用不同遥感卫星采集到的包含夜间
    灯光数据的遥感影像。其中,参考遥感影像是用于作为标准参照物的遥感影像。每一参考遥
    感影像包括参考影像标识和参考卫星标识,其中,参考影像标识用于唯一识别参考遥感影
    像,参考卫星标识用于识别采集该参考遥感影像的遥感卫星。训练遥感影像是需基于参考
    遥感影像进行校正处理,以使其与参考遥感影像具有可比性的遥感影像。训练遥感影像包
    括训练影像标识和训练卫星标识,其中,训练影像标识用于唯一识别训练遥感影像,训练卫
    星标识用于识别采集该训练遥感影像的遥感卫星。

    为使训练遥感影像和参考遥感影像之间具有可比性,使不同遥感影像同时采集同
    一不变特征地物(如中国或其他相同区域)的训练遥感影像和参考遥感影像??梢岳斫獾?,
    在其他影响因素忽略不计的情况下,同时采集同一不变特征地物的训练夜间灯光数据和参
    考夜间灯光数据存在差异主要由采集训练夜间灯光数据和参考夜间灯光数据的遥感卫星
    的不同造成的??梢岳斫獾?,只需使训练遥感影像和参考遥感影像指向同一不变特征地物,
    基于训练夜间灯光数据和参考夜间灯光数据的差异构建目标校正模型,即可确定采集训练
    遥感影像和参考遥感影像的遥感卫星采集数据的差异,无需预先确定地面定标场,可有效
    节省地面定标场确定时间,提高处理效率。

    具体地,训练夜间灯光数据和参考夜间灯光数据可以是通过DMSP/OLS获取的可见
    光-近红外(VNIR)波和段热红外(TIR)波段,也可以灰度值。DMSP/OLS是专门为云层监测设
    计的振荡扫描辐射计,共设有两个波段:可见光-近红外(VNIR)波段,0.4-1μm,光谱分辨率6
    比特,灰度值范围0-63;热红外(TIR)波段,10-13μm,光谱分辨率8比特,灰度值范围0-255。
    其中可见光波段又有两套探测器,白天使用光学望远镜头,夜间使用光学倍增管。夜间光学
    倍增管的入瞳单位波长辐亮度允许低至10-9watts/cm2/sr/μm,这比OLS白天可见光通道或
    NOAA/AVHRR、LANDSAT/TM等其它传感器的相应通道所能探测到的辐射大约低4个数量级。光
    学倍增管起初是为气象目的设计,用于探测月光照射下的云,后来由于其具有很强的光电
    放大能力,因此逐渐被应用于探测城镇灯光、极光、闪电、渔火、火灾等等地表活动。

    散点图获取???0,用于根据训练遥感影像和参考遥感影像,获取二维分布散点
    图。

    其中,二维分布散点图包括预设空间坐标系以及设置在该预设空间坐标系中的多
    个散点,每个散点与训练遥感影像中一像元的训练夜间灯光数据和参考遥感影像中一像元
    的参考夜间灯光数据相关联。本实施例中,训练遥感影像和参考遥感影像均具有M*N个像
    元,训练遥感影像上的像元与参考遥感影像上的像元一一对应;而且,训练遥感影像中每一
    像元对应一训练夜间灯光数据,参考遥感影像中每一像元对应的一参考夜间灯光数据???br />以理解地,二维分布散点图中每一散点可清楚地显示不同遥感卫星同时对同一不变特征地
    物训练夜间灯光数据和参考夜间灯光数据之间的差异。

    散点图获取???0具体包括像元组获取单元61、像元坐标确定单元62和散点图确
    定单元63。

    像元组获取单元61,用于根据训练遥感影像和参考遥感影像,获取多组对应的像
    元组。

    本实施例中,若训练遥感影像和参考遥感影像均具有M*N个像元,则训练遥感影像
    和参考遥感影像存在M*N组对应的像元组,可基于像元组的数量确定获取到的二维分布散
    点图的散点。若设参考遥感影像中每一像元为Ai,j,其中,i∈M,j∈N;相应地,设训练遥感影
    像中每一像元为Bi,j,其中,i∈M,j∈N;若i和j均相同,则像元Ai,j和像元Bi,j形成一组对应
    的像元组,每一像元Ai,j对应一参考夜间灯光数据,每一像元Bi,j对应一训练夜间灯光数据。
    其中,训练夜间灯光数据和参考夜间灯光数据包括但不限于本实施例中的为灰度值。

    像元坐标确定单元62,用于将每一像元组对应的训练夜间灯光数据和参考夜间灯
    光数据,分别作为预设空间坐标系中对应的目标像元的x坐标值和y坐标值。

    本实施例中,像元Ai,j和像元Bi,j形成一组对应的像元组,基于该像元组获取在预
    设空间坐标系中对应的一目标像元Ci,j,以使像元Ai,j对应一参考夜间灯光数据作为目标像
    元Ci,j的x坐标值,像元Bi,j对应一训练夜间灯光数据作为目标像元Ci,j的y坐标值,以确定目
    标像元Ci,j在预设空间坐标系中的位置。

    散点图确定单元63,用于在预设空间坐标系中,基于多个目标像元的x坐标值和y
    坐标值,确定与每一目标像元一一对应的散点,以获取二维分布散点图。

    即在二维分布散点图中创建预设空间坐标系,使预设空间坐标系的x坐标轴与训
    练夜间灯光数据相关联,y坐标轴与参考夜间灯光数据相关联。在该二维分布散点图中,使
    每一目标像元对应一散点,根据目标像元的x坐标值和y坐标值确定对应散点的位置。由于
    训练遥感影像和参考遥感影像均具有M*N个像元,基于训练遥感影像和参考遥感影像获取
    的像元组有M*N组,对应二维分布散点图中的散点有M*N个。

    进一步地,该夜间灯光数据序列构建装置中,还包括除噪处理???0,用于对二维
    分布散点图进行除噪处理;除噪处理包括:将二维分布散点图中沿X轴方向水平分布的像元
    和/或沿Y轴方向垂直分布的像元去除。

    可以理解地,对二维分布散点图进行除噪处理,可去除由于太阳炫光等因素引起
    的随机噪声,以获取优化后的二维分布散点图,可避免随机噪声造成数据冗余,也可避免随
    机噪声影响基于二维分布散点图获取的目标校正模型的准确性。

    校正模型构建???0,用于根据二维分布散点图,获取对应的目标校正模型。

    在二维分布散点图对应的预设空间坐标系中,每一散点的x坐标值和y坐标值分别
    对应训练夜间灯光数据和参考夜间灯光数据,使得该二维分布散点图可直观显示训练遥感
    影像和参考遥感影像所采集到的同一不变特征地物的夜间灯光数据的差异??梢岳斫獾?,
    将训练遥感影像和参考遥感影像所采集的夜间灯光数据的差异采用线性模型表示,以可形
    成对应的目标校正模型。该目标校正模型可应用于对采集训练遥感影像的遥感卫星所采集
    到的其他待校正影像进行校正处理,以使待校正遥感影像与参考遥感影像之间具有可比
    性。

    可以理解地,若采集参考遥感影像的遥感卫星和采集训练遥感影像的遥感卫星相
    同,则其采集到的参考夜间灯光数据和训练夜间灯光数据相同,则像元Ai,j对应一参考夜间
    灯光数据与像元Bi,j对应一训练夜间灯光数据相同;使得基于该训练遥感影像和参考遥感
    影像形成的二维分布散点图呈y=x线性分布。本实施例中,采集参考遥感影像的遥感卫星
    和采集训练遥感影像的遥感卫星不相同,则其采集到的参考夜间灯光数据和训练夜间灯光
    数据不相同,导致基于训练遥感影像和参考遥感影像形成的二维分布散点图不呈y=x线性
    分布。

    校正模型构建???0具体包括脊线确定单元71、初始模型确定单元72和初始模型
    解算单元73。

    脊线确定单元71,用于根据二维分布散点图确定脊线。

    其中,二维分布散点图中的散点呈脊线分布,在脊线分布上人工确定一条脊线,该
    脊线初步体现二维分布散点图中训练夜间灯光数据和参考夜间灯光数据的关系。

    初始模型确定单元72,用于根据脊线确定初始校正模型,初始校正模型包括y=
    ax2+bx+c。

    其中,基于二维分布散点图中确定的脊线,根据脊线走向选择与脊线相关联的初
    始校正模型,该初始校正模型包括y=ax2+bx+c。

    初始模型解算单元73,用于采用最小二乘算法,对初始校正模型的参数进行解算,
    以获取对应的目标校正模型。

    其中,初始校正模型y=ax2+bx+c与脊线走向相关联,初始校正模型中的参数a、b
    和c为未知数,因此需采用最小二乘算法,对初始校正模型中参数a、b和c进行解算,基于解
    算后的参数a、b和c,以获取对应的目标校正模型。该目标校正模型与训练遥感影像相关联,
    以使采集该训练遥感影像的遥感卫星采集到的其他待校正遥感影像的待校正夜间灯光数
    据均可采用该目标校正模型进行校正处理,以获取与参考遥感影像的参考夜间灯光数据具
    有可比性的目标夜间灯光数据。

    进一步地,初始模型解算单元73具体包括样本散点获取子单元731和参数解算子
    单元732。

    样本散点获取子单元731,用于沿脊线方向获取若干样本散点,确定样本散点对应
    的x坐标值和y坐标值。

    即沿二维分布散点图的脊线方向均匀选取若干样本散点,样本散点的数量可根据
    需求自主确定,样本散点的数量越多,基于样本散点对初始校正模型的参数进行解算时,解
    算结果更准确。本实施例中,样本散点的数量为64个。

    参数解算子单元732,用于根据样本散点对应的x坐标值和y坐标值,采用最小二乘
    算法,对初始校正模型的参数进行解算,以获取对应的目标校正模型。

    其中,最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的
    平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这
    些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。采用
    最小二乘算法对初始校正模型的参数进行解算,使得获取的目标校正模型更准确。

    本实施例中,获取的目标校正模型与训练卫星标识和参考卫星标识相关联。任一
    目标校正模型是基于携带训练卫星标识的训练遥感影像和携带参考卫星标识的参考遥感
    影像形成的,可体现训练遥感影像和参考遥感影像的夜间灯光数据的差异?;谀勘晷U?br />模型的训练卫星标识,可确定该目标校正模型可进行校正的待校正遥感影像,即待校正遥
    感影像的校正卫星标识需与目标校正模型的训练卫星标识一致,才可利用该目标校正模型
    进行校正?;谀勘瓴慰寄P偷牟慰嘉佬潜晔?,可确定基于目标校正模型进行校正后形成
    的目标夜间灯光数据是否具有可比性,即只有采用参考卫星标识相同的不同目标校正模型
    对不同待校正夜间灯光数据进行校正处理,其获取的目标夜间灯光数据才具有可比性。

    图2示出F10,F12,F14,F15,F16和F18等遥感卫星在1992-2002年期间采集的训练
    夜间灯光数据,图2中,DN为灰度值。图3中,a图是以F14 2003采集到的训练遥感影像中的训
    练夜间灯光数据(DN)作为散点的x坐标值,以F15 2000采集到的参考遥感影像中的参考夜
    间灯光数据(DN)作为散点的y坐标值所获取的二维分布散点图。图3中,b图是对a图进行除
    噪处理,去除随机噪声后优化的二维分布散点图,图中白点表示沿脊线方向人工选取的不
    变特征地物。图4中,以F15 2000采集到的遥感影像作为参考遥感影像,对不同卫星采集到
    的不同待校正遥感影像进行校正的处理结果,以将不同待校正遥感影像进行校正处理,以
    获取与参考遥感影像具有可比性的目标遥感影像。图5示出夜间灯光数据序列与GPD相关的
    示意图,图5中,GDP为虚线,第一列为基于不同遥感卫星采集到的待校正遥感影像对应的待
    校正夜间灯光数据形成的夜间灯光数据序列;第二列为基于校正后的目标夜间灯光数据形
    成的夜间灯光数据序列;第三列为采用现有算法构建的夜间灯光数据序列。如图5所示,本
    实施例提供的夜间灯光数据序列构建装置相比于现有算法,其获取到的夜间灯光数据序列
    中,目标夜间灯光数据之间误差更小,结果更准确可靠。

    本实施例所提供的夜间灯光数据序列构建装置中,先基于训练遥感影像和参考遥
    感影像获取对应的目标校正模型,再利用目标校正模型对与训练遥感影像采用同一遥感卫
    星采集到的待校正遥感影像的待校正夜间灯光数据进行校正处理,以获取目标夜间灯光数
    据,使得采用不同遥感卫星采集的待校正夜间灯光数据具有可比性,可构建夜间灯光数据
    序列。该夜间灯光数据序列构建装置中,无需预先确定地面定标场即可获取目标校正模型,
    以节省地面定标场确定时间,提高确定目标校正模型的处理效率;并且,利用目标校正模型
    对待校正夜间灯光数据进行校正过程,计算方便且计算结果准确可靠,误差较小。

    本发明是通过几个具体实施例进行说明的,本领域技术人员应当明白,在不脱离
    本发明范围的情况下,还可以对本发明进行各种变换和等同替代。另外,针对特定情形或具
    体情况,可以对本发明做各种修改,而不脱离本发明的范围。因此,本发明不局限于所公开
    的具体实施例,而应当包括落入本发明权利要求范围内的全部实施方式。

    关于本文
    本文标题:夜间灯光数据序列构建方法及装置.pdf
    链接地址://www.4mum.com.cn/p-6079604.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 极限二期平特稳赚一肖 重重庆时时历史开奖结果记录 北京pk10技巧视频直播 福利彩票双色球复式计算器 11选5任1稳赚投注技巧 极速时时75秒官方 广东时时任选2 pk10助赢免费安卓版 安徽时时计划软件qq pk10走势图到底如何看 手机福彩3d软件下载 购彩堂app一分快三 重庆时时龙虎计划软件 黑龙江时时官网 安徽时时平台注册码 七乐彩走势图