基于PIE的Hyperion数据预处理
    来源:  时间:2017/09/08

    1.Hyperion数据介绍

        Hyperion是搭载于EO-1(Earth Observing-1)卫星平台的一个高光谱传感器。EO-1是美国NASA面向21世纪为接替Landsat-7而研制的新型地球观测卫星,EO-1最初作为一颗试验卫星,于2000年1月发射升空,其卫星轨道参数与Landsat-7卫星的轨道参数接近,两颗卫星对同一地面的探测时间相差约1分钟。之所以设计相同轨道,目的是为了使EO-1和Landsat-7两颗星的图像每天至少有1~4景重叠,以便进行比对。Hyperion传感器是第一台星载高光谱图谱测量仪,采用了谱像合一技术,提供242个波段,光谱范围为355~2577nm(Hyperion 数据的三维光谱剖面图见图1),光谱分辨率达到10nm,空间分辨率为30m,一景数据的地面覆盖范围为7.7km*42km。Hyperion是以推扫方式获取可见光近红外(VNIR)和短波红外(SWIR)光谱数据,在可见光近红外(355~1085nm)和短波红外区(852~2577nm)分别用2套敏感元件收集信号,因此可见光近红外和短波红外区间存在20个通道的重叠区。利用Hyperion的高光谱特性可以实现精确的估计农业产量、地质填图、精确制图,在采矿、地质、森林、农业以及环境保护领域有着广泛的应用前景。

        Hyperion产品分为两级:Level 0和Level 1。L0是原始数据,仅用来生产成L1级产品,用户使用的是L1级产品。Hyperion L1数据又可以分为L1R和L1GST两种,L1R以HDF格式存储,L1GST有HDF格式和GeoTIFF两种格式。L1R产品是在L0数据基础上经辐射校正得到的,并校正了VNIR与SWIR之间的空间错位问题,但没有经过几何校正,没有地理参考。L1GST进行了几何校正,文件中带地理参考。L1R和L1GST具体的区别见表1:


    2.基于PIE的Hyperion数据预处理

        高光谱传感器由于光谱分辨率高,每个波段的信息相对于宽波段传感器要少,信噪比低,图像质量差。高光谱数据的典型质量问题有坏线、条带、SMILE效应(在垂直于卫星飞行方向上,波段中心波长存在偏移)、噪声等情况。对Hyperion数据而言,数据预处理包括无效波段去除、辐射定标、图像质量提升和大气校正几个步骤,无效波段包括未定标波段和受水汽影响的波段,图像质量提升主要包括坏线修复、去除条带和SMILE效应、消减噪声。

        Hyperion数据预处理的流程如下:


    2.1.无效波段去除与辐射定标

        由于紫光和短波红外两端有些通道响应度低,数据利用价值不大,在系统处理时仅对这些波段之外的198个波段(即可见光近红外区的第8~57波段,短波红外区的第77~224通道)做辐射校正,没有经过校正的波段设置为0值。由于VNIR56~57与SWIR77~78重叠,且前者比后者信噪比要高,所以一般只用VNIR56~57,而不用SWIR77~78,所以实际上只有196个波段。

        高光谱遥感数据中,光谱范围1356~1447nm、1800~1982nm和大于2375nm波长的波段受水汽影响较大,在这些波段中极少包含地面信息,以此在利用高光谱数据获取地面信息时,需要把这些波段剔除。对Hyperion数据,受水汽影响的波段为:121~130、165~184和222~224,共33个波段。剩下163个波段,即:8~57(426~925nm)、79~120(932~1346nm)、131~164(1457~1790nm)、185~221(2002~2365nm)。Hyperion数据波段利用状态见表2:


        Hyperion L1数据产品已经进行了辐射校正。它的DN值以16比特的有符号整型存储,单位是(W/m2sr-1um-1)。但在进行存储时,VNIR波段数据乘了一个比例因子40,SWIR波段数据乘的比例因子为80。所以,对存储的DN值除以其对应的比例因子即得到辐亮度值,即:
                               LVNIR=DN/40       LSWIR=DN/80

    2.2.图像质量提升

        图像质量提升包括对坏线的修补、条带和smile效应的去除以及随机噪声的消除。由于Hyperion传感器CCD的响应不一致或定标错误,在L1级产品中,存在一些无数据或数据值异常的行列,这些行列即为坏线或条带。Smile效应是在垂直于卫星飞行方向上,像元的波长从中心位置向两边偏移的现象。高光谱数据的部分波段信噪比低,随机噪声影响大。



        PIE遥感图像处理软件将Hyperion高光谱影像的辐射定标、坏线和条带去除集成在同一个模块中,可以对Hyperion L1GST级数据进行处理,得到去除了坏线和条纹的数据,同时对数据进行辐射定标,输出辐亮度影像。
        PIE去除高光谱影像坏线、条带功能界面见图4。

        PIE对Hyperion数据进行坏线修复的原理是:首先检测坏线所在的位置,然后采用相邻行列像元的均值对坏线像元进行替换以消除坏线噪音;采用矩匹配法可以消除条带和smile效应。对于L1GST级数据,由于已经经过了地理校正,一条坏线和条带上的像元已经不在同一行或同一列,在进行坏线和条带消除时,需要先进行相应的处理,将它们变换到同一行或同一列。图5为PIE对一景Hyperion进行了坏线、条带去除的结果对比,左图为坏线去除前的影像,在坏线去除前图像左侧和中部有明显的整列数据缺失现象,右图为坏线修复结果,通过对坏线的检测和填补,原始影像中的坏线被消除。同样的,左图的影像中存在垂直于扫描方向的条带状敏感变化,该问题同样在右图中被消除。

        PIE采用MNF(Minimum Noise Fraction Rotation,最小噪声分离旋转)变换方法对随机噪声进行去除。图6给出了降噪前后对比,左图为降噪前影像,右图为降噪后影像,通过对两图对比,可以发现经过最小噪声变换去除噪声信息后,原始影像中的噪声得到明显地抑制。

    2.3.大气校正

        大气校正就是对卫星观测信息消除大气影响,得到地表反射率。影像是否要进行大气校正取决于影像的质量和应用目的。如果影像中大气影响空间分布均匀,且影像不是用于定量反演,则没有必要进行大气校正,如果大气影响空间分布不均匀,就有必要进行大气校正,消除大气影响。要对不同时相的图像进行比较,或者对影像进行定量应用时,也必需要进行大气校正。
    PIE高光谱数据大气校正功能,采用利用6S辐射传输模型事先构建大气校正查找表的方式来校正。对影像进行大气校正时,只需通过查找表内插出大气校正参数,利用这些参数就可以计算得到地表反射率。
    在校正结果影像中选取某一植被地物,与利用ENVI FLAASH校正的结果进行比较,结果见图7。

        比较结果显示,通过PIE进行大气校正的结果与ENVI FLAASH模块进行大气校正的结果非常接近,都能够很好的刻画地物的波谱特征。两者结果差异较大的波段主要集中在水汽吸收波段(波长940nm左右),原因是此处大部分信号被水汽吸收,因而两种算法的校正误差均较大;此外,两种算法的结果在蓝光波段的差异也相对较大,这是由于原始的Hyperion数据在此波段范围数据的质量问题引起的,在此波段范围内,原始影像的信噪比很低,计算的反射率为负值(数据范围不合理),大气校正结果不太理想。

    2.4.几何校正

        利用大气校正后的结果进行Hyperion影像的几何校正,关于使用PIE进行几何校正的操作详见PIE的用户使用手册,不再赘述。

    3.总结

        PIE提供了针对Hyperion数据的预处理功能,为后续的定性和定量化应用提供支撑;同时PIE还提供了很多针对高光谱数据的应用功能,如波谱分析、混合像元分解、端元提取、高光谱数据分类、RXD异常检测等。我国将于2017年发射的GF5卫星上将搭载高光谱传感器,PIE对Hyperion数据预处理的研究,同时也是对GF5数据预处理的预研。待GF5的高光谱传感器参数和数据格式确定后,可以快速的完成对GF5数据处理的扩展,保证PIE对国产卫星数据处理的领先地位。