《2-modis影像的几何处理算法研究》由会员分享，可在线阅读，更多相关《2-modis影像的几何处理算法研究（4页珍藏版）》请在金锄头文库上搜索。
1、MODIS 影像的几何处理算法研究钱海明 1，王春林，孙金彦（安徽省（水利部淮河委员会）水利科学研究院,合肥 230088）摘要：针对 MODIS 影像边缘区域存在明显的重叠状几何畸变数据，及投影转换耗时长、算法效率低等问题，研究了 MODIS L1B 的数据存储结构，利用自带星下点 1 公里间隔维度数据，解算扫描方向上的影像重叠度。通过重采样方式消除蝴蝶效应，改正异常值，提高MODIS 影像数据的分析及应用水平。实验表明，在计算速度和影像质量上，本文方法具有良好的适应性。关键词：MODIS；蝴蝶结效应；畸变校正；MODIS（中分辨率成像光谱仪）是 Terra 和 Aqua 卫星上搭载的主要传
2、感器，共有 36个观测通道，波谱范围从 0.4m 到 14m，在环境监测、气象预报等方面有着重要的研究与应用价值。研制 MODIS 卫星系统旨在建立全球大气、海洋和陆地的动力学模型，并能在地球发生变化之前做出准确的预测。由于地球曲率影响和大扫描角等问题，导致 MODIS 影像的扫描带之间出现重叠错位现象，简称“蝴蝶结效应” 。针对 MODIS 影像数据的蝴蝶效应问题，黄家洁等阐述了MODIS 的成像规律、几何畸变和纠正处理的基本方法，但是没有提出有效的纠正措施；郭广猛等利用相关系数法校正“蝴蝶结效应” ；陶卫中等利用 MOD03 地理数据结合分形插值方法去除蝴蝶结现象；隋明等 4利用矢量数据校
3、正 MODIS 数据。如何进一步使用 L1B 产品，尚未得到统一且处理得非常彻底的方法。因此，研究消除 MODIS 数据中的蝴蝶效应的工作显得非常迫切。本文研究了 MODIS L1B 的数据存储结构，利用自带星下点 1 公里间隔维度数据，解算扫描方向上的影像重叠度。通过重采样消除蝴蝶效应，改正异常值，提高 MODIS 影像数据的分析及应用水平。 1蝴蝶结效应MODIS 是一种被动式摆动扫描探测器，摆动扫描角为 55。由于地球曲率以及探测方式的影响，像素的大小随扫描角的增大而增大，扫描带宽实际达到了 2 330 km。每采集一次数据，MODIS 探测沿轨道中心前进 10 km，扫描距离 20 k
4、m。两个相邻扫描带在边缘处存在 50%的数据为重复数据，此现象被称为 “蝴蝶结效应 ”。如图 1 所示。图 1 蝴蝶结效应2数据来源以 2015 年 8 月的 EOS/MODI 遥感影像为数据源。所采用的遥感影像是每日实时接收并预处理的中等分辨率成像光谱仪（moderate-resolution imaging spectroradiometer, 1作者简介：钱海明(1989-)，男，硕士，研究方向：摄影测量与遥感、遥感图像处理与分析。Email：MOD13Q1）的陆地 II 级标准数据产品（Terra/MODIS 及 aqua/MODIS 数据） ，两个波段，空间分辨率为 250m。TER
5、RA 及 AQUA 每日过境时间分别为上午 10:30 和下午 1:30。3 “蝴蝶结效应”纠正方法3.1 图像纠正针对空间分辨率为 250m 的 MODIS 数据，首先将空间分辨率为 1KM 的纬度数据重采样到 250 米，使得地理数据与影像数据保持一致；然后，记录每一列纬度数据的重叠度，在 250 米影像数据中，每 4 列影像数据对应一个重叠纬度数据；最后，根据重叠度对影像进行重采样，消除“蝴蝶结效应” 。以扫描纬度数据并记录其重叠程度，然后用记录对图像数据去除蝴蝶现象，算法示意图如图 2 所示。图 2 第一列纬度数据蝴蝶结效应去除前后对比3.2 坏点修复由于仪器异常、控制程序出错等原因导
6、致数据存在异常点，即在纬度数据中记录为-999 的数据便是数据异常（正常值范围为-90.0+90.0） ，称为数据坏点。在纬度数据中可能会出现整个扫描行均为数据坏点，这对数据使用带来很大影响。针对以上问题，首先扫描全部纬度数据值，判断是否存在数据坏点；如果存在则进一步判断该列下一个像元纬度数据值是否也同样为数据坏点，依次判断直到检测到不是数据坏点的像元纬度数据值。记录下最初的数据坏点所在列的上一个正常值，同时也记录下检测到的最后一个数据坏点所在列的下一个正常值，而后进行线性插值处理填充数据坏点。采用类似方法处理图像数据，但是图像数据的存贮按列并不是线性分布的，因此对于数据坏点长度较大的列就无法
7、直接线性插值来进行填充。考虑到实际情况，算法最多对宽度达到一个扫描行的数据坏点进行了处理，而对超出这个范围的数据坏点则不进行处理。从图3 中的 A 图与 B 图的对比中可以看出当异常数据（A 中白色像元）的宽度不超过一条扫描行时，算法能很好地修复。由于示例中数据坏点的宽度并不太大，因此进行线性填充时与周围像元仍能较好地融为一体。同时，由于去除坏点的检测是按列进行的，即使出现图3（A）中部那些连续的横向数据坏点也能较好地修复。图 3 数据坏点去除前后对比 (图 A 为坏点去除前，图 B 为坏点去除后)4 实验与分析为了验证蝴蝶结现象的去除效果，在第一波段(Band 1)沿直线采集像素的亮度值，做
8、成剖面图.，如图 4 所示。以行号作为横坐标，在蝴蝶结现象去除后的曲线不存在与去除前的曲线重复的曲线段。在每一个扫描行（250m 分辨率图像为每 40 个像素内） ，曲线保留部分（即未重叠部分）的特征得到了很好的保留，并相应地对需要保留的值进行了拉伸。同时，算法去掉了重复部分后，其基本走势仍与原曲线保持一致。图 4 蝴蝶结效应去除后数据剖面图 (Band 1)图 5 去除蝴蝶结效应图（A 图为去除前，B 图为去除后）从图 5 可以看出，算法已成功去除 MODIS 数据中存在的蝴蝶结效应现象。图 5（A ）的第 1 波段左上角存在非常明显的蝴蝶结现象，云层重叠非常严重。通过本文算法处理后，图 5
9、（B ）中云层已经恢复了连续的形状，重叠现象已经基本被去除了。利用直方图对去除蝴蝶结现象的前后进行亮度对比分析，实验结果如 6 所示，去除前与去除后的直方图曲线在在总体趋势上吻合的比较好，主要特点部位的吻合的相似度非常高。表明了算法具有较好的整体修饰效果。图 6 蝴蝶结效应去除前后第一列数据直方图对比为了提高算法的计算效率，通过不同配置的计算机验证算法的可行性，实验数据为250 米的 MODIS L1B 数据，实验结果如表 2 所示，对于最大的 250m 分辨率影像数据，本文算法对计算机的配置问题具有很好的适应性。表 2 250m 分辨率 MODIS 1B 影像全图单波段(Band 1)所耗时
10、间对比CPU 内存 耗时 总耗时奔腾 IV3.04G 1G 12 秒 30 秒赛扬 1.5G 256M 17 秒 42 秒相比于利用图像相似性去除蝴蝶结效应，本文算法具有很好的快速响应能力，能较好的满足 MODIS 地面站对实时性的要求。5 结论本文利用纬度数据计算影像每列的重叠程度，减少了算法的复杂度，提高了计算效率。通过对纬度数据以及影像数据进行快速异常值检查，快速修复影像中存在的异常点。实验表明，本文算法在去除蝴蝶结现象问题上具有很强的适应性。参考文献：1黄家洁,万幼川,刘良明. MODIS 的特性及其应用J. 地理空间信息. 2003(04)2郭广猛.非星历表法去除 MODIS 图像边
11、缘重叠影响的研究J. 遥感技术与应用,2003,(03):172-175.3陶卫中. MODIS 数据预处理的并行算法设计D.华中科技大学 ,2007.4隋明,李刚,李国春,蔡冰,全美兰,王阳. 基于数据矢量特性的 MODIS 数据几何校正J. 气象与环境学报,2013,(04):94-99.5简兴,张振国,邱银国. 基于 ENVI 的 MODIS 数据预处理实现J. 牡丹江师范学院学报(自然科学版),2014,(02):15-17.6刘瑜. 基于 FLAASH 模型的 MODIS1B 数据的大气校正J. 测绘与空间地理信息. 2013(03)7李国砚,张仲元,郑艳芬,刘晓玫 MODIS 影像的大气校正及在太湖蓝藻监测中的应用J. 湖泊科学. 2008(02)8王随霞. 基于 MODIS 数据的黄河下游洪水遥感监测研究D. 河海大学,2006.9郭广猛. 关于 MODIS 卫星数据的几何校正方法J. 遥感信息. 2002(03)
