EN中文

Journal of Geo-information Science >

2020 , Vol. 22 >Issue 12: 2410 - 2424

DOI: https://doi.org/10.12082/dqxxkx.2020.190536

The Research on Normalized Radiometric Calibration Method of Optical Satellite

  • SHI Yingrui , 1 ,
  • JIANG Yang 2 ,
  • LI Litao , 3, * ,
  • YU Longjiang 2 ,
  • JIANG Yonghua 4
Expand
  • 1. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China
  • 2. General Remote Sensing Department, Beijing 201203, China
  • 3. College of Urban and Environmental Sciences, Hubei Normal University, Huangshi 435002, China
  • 4. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China
* LI Litao, E-mail:

Received date: 2019-09-24

  Request revised date: 2020-08-03

  Online published: 2021-02-25

Supported by

National Natural Science Foundation of China(41971412)

National Key Research and Development Program of China(2016YFB0500801)

Copyright

Copyright reserved © 2020
Fold

Abstract

The relative radiometric calibration of optical satellite sensors minimizes the inconsistency of linear or non-linear responses of the sensor detectors with different incident radiances. It is a prerequisite of various types of high-quality remote sensing products. The response of on-orbit sensor changes with time due to factors such as launch induced vibration, space environment changes, and the sensor degradation. However, both the one-time relative radiometric calibration and single relative radiometric calibration methods cannot guarantee the consistency in responses of satellite sensors at a specific time. Therefore, the normalized on-orbit radiometric calibration method with high frequency and high precision for satellite sensors is necessary for better applications of remote sensing products. In this study, we focused on the image radiometric calibration of the whole life cycle of optical satellite sensors, and the high-frequency, high-precision, wide or full dynamic range on-orbit relative radiometric calibration methods. Also, we summarized the existing accuracy evaluation methods of relative radiometric calibration methods as well as their application scenarios. In our study, the LJ1-01 nighttime satellite images were used to verify the dark current and uniform field calibration methods. The Zhuhai1 group 02 hyperspectral satellite images were used to verify the statistical calibration and yawing radiometric calibration methods as well as the normalized radiometric calibration method integrated by a variety of calibration methods. Our results show that the stripe coefficient was less than 0.25%, with a higher relative standard deviation of the images (3.00%) than images processed by each individual evaluation method. The normalized radiometric calibration method integrated by various calibration methods maximizes the advantages of individual calibration methods and is capable of high precision on-orbit calibration for common sensors, which further guarantees the quality of remote sensing products and meets the requirements of quantitative application.

Key words： optical satellites; response consistency; relative radiometric calibration; the dark current calibration; the on-board calibration; the uniform sites calibration; the statistical calibration; the yaw calibration

Cite this article

SHI Yingrui , JIANG Yang , LI Litao , YU Longjiang , JIANG Yonghua . The Research on Normalized Radiometric Calibration Method of Optical Satellite[J]. Journal of Geo-information Science, 2020 , 22(12) : 2410 -2424 . DOI: 10.12082/dqxxkx.2020.190536

1 引言

近些年来,空间遥感技术发展愈加迅速,遥感影像产品定量化应用需求不断增加,空间遥感影像产品的高精度辐射定标处理日益重要。光学遥感卫星传感器在轨辐射定标可分为相对辐射定标和绝对辐射定标[1,2,3,4,5,6,7],相对辐射定标是标定和纠正传感器不同探元间的相对响应差异,绝对辐射定标是利用绝对参照建立图像的灰度信息与实际地物辐亮度信息响应关系,将图像灰度信息转换成辐亮度、温度等绝对地物信息[8,9]。相对辐射定标是提升遥感影像质量、获取可利用影像的关键途径,也是各探元成像基准一致性的重要环节,且根据误差传输理论可知,相对辐射定标引起的误差将会影响后续的影像的绝对辐射定标,给绝对辐射定标带来额外的不确定性[10]。因此,标定传感器辐射响应特性必不可少,且随着我国航天探测技术的发展,自然资源、生态环境、科学研究等行业应用对多平台、多时空的卫星影像产品的定量化应用需求日益增加,这也为遥感传感器影响产品的相对辐射定标提出了日益迫切需求。
目前,国内外相对辐射定标的原理和方法已较为成熟,已在法国SPOT卫星、美国Landsat卫星群、中国的吉林一号卫星等进行了充分的实验验证。SPOT-5 [11]卫星利用卫星观测的南极的大面积均匀雪场实现了高分辨率几何相机和高分辨率立体相机的在轨相对定标处理,定标后传感器探元的相对标准差小于0.02个像素值;Landsat-8基于阈值分割均值方差统计[8,12]积累传感器成像数据样本,基于 统计规律对探元间响应进行定标处理;吉林一号卫星[13]对地物类型单一的典型均匀区域凝视成像,选择场景为降水量较少的沙漠、厚云层、以及深海等地物,利用影像每个探元对均匀区域的响应特性进行相对辐射定标。
目前研究方法主要利用对均匀场和在轨统计成像来实现辐射定标,均匀场定标要求地球表面大面积均匀场的均匀性,Markham等[14]出当传感器各探元间非均匀性定标精度优于0.50%时,定标均匀场区域引起的非均匀性小于0.05%的影像无目视可见条纹噪声。相关学者[4,5,6]在全球范围内选取了十几处满足此定标需求大面积均匀场并得到有效应用。我国均匀场数量少,定标实时性不高,此外,常用的在轨统计定标方法需要海量样本支撑,且基于概率统计的理论支撑具有假设性。
但是由于遥感卫星发射过程中,仪器受到冲击、震动、和入轨后空间恶劣环境的影响,太空环境和实验室环境的差异会导致在轨辐射响应产生不同程度的衰减和漂移,在轨辐射定标作为获取高质量精度影像的前提和基础,必不可少。在轨统计定标需要海量遥感卫星影像数据,在轨场地定标要求大面积长时间的均匀场数据,且单一的方法应用场景很局限,不能实现遥感卫星入轨后的高频率定标处理需求和定量化应用需求[7]。
为实现高频次、常态化相对辐射定标,本文试图从辐射定标方法层面解决国产光学卫星的常态化定标问题,在传统定标方法的基础上,通过耦合统计定标、均匀场地定标、偏航定标、和星上定标等方法实现常态化辐射定标,保证影像产品的质量和定量化应用的需求。

2 研究方法

线性模型和分段线性模型是相对辐射定标常用的2种模型,不同相对辐射定标方法的基准存在差异,卫星发射前常用实验室积分球作为基准,星上定标的基准常用卫星搭载基础设备,如常见的定标灯和漫反射板,而特性单一的大面积均匀场则常作为在轨均匀场定标的基准,偏航定标方法基准是海量遥感影像样本的灰度变化分布。在确定了卫星传感器的定标模型后,就可以使用定标基准辅助求解定标模型参数,进行各探元的在轨标定。由于传感器探元的定标参数类型的不同,在轨相对辐射定标方法可分为暗电流定标方法和相对增益定标方法。

2.1 暗电流定标

暗电流定标是标定光学遥感卫星传感器在无光照条件下各探元及电子链路存在残余电荷的响应DN值和响应DN值差异的方法。在轨暗电流定标方法主要分为星上暗电流定标（星上遮光板、传感器无感光探元定标）、夜间对空间背景或地表海洋成像的暗电流定标。
传感器各像元暗电流值计算如式（1）所示,而对传感器具不感光探元设计时采用式（2）解算。
bias b , c , d = 1 N ∑ i = 1 N DN b , c , d , i
$bias(b,c,d)=a_{1}(b,c,d)\times [A_{vrp}(b,c)-\overline{A_{vrp}(b,c)}]+\overline{DN_{a}(b,c,d)}$
式中： b 为传感器波段号; c 为传感器CCD探测器号; d 为传感器探元号; N 为图像数据行数; DN 为图像数据灰度值; A vrp 为单次暗电流成像数据均值;$\overline{A_{vrp}}$为多次暗电流成像数据 A vrp 的均值; D N a 为暗电流成像数据列均值; a 1 为单次暗电流成像数据与参考探元暗电流值增益系数。
暗电流校正公式为：
D N c , i = D N i - bias b , c , d
式中： D N i 为第i个探元成像灰度值; D N c , i 为第i个探元暗电流校正后灰度值。

2.2 相对增益定标

经过暗电流定标后传感器各探元在无光入瞳时的响应不一致性得到有效标定,但仍需对传感器各探元在不同亮度入瞳时的响应模型标定,目前,常用的相对增益定标方法主要包括以下4种方法。
（1）星上定标
星上定标是卫星传感器发射后,利用卫星传感器自带的定标设备（定标灯、漫反射板）对传感器对卫星仪器的在轨状态进行实时监测,及时回传卫星仪器的变化[15]。其中IKONOS卫星[16,17]、Landsat卫星[18,19]、ALOS卫星[20]均已使用搭载的星上定标灯进行在轨星上定标,MODIS Aqua和MODIS Terra卫星[21]和高分卫星[22]利用星上搭载的漫反射板进行星上定标处理。
（2）在轨均匀场定标
在轨场地定标是当卫星传感器通过地球表面大面积均匀场地时,使用地面探测器同步测量同步测量地表辐射特性和大气参数（大气气溶胶、水汽、臭氧含量等）。然后将观测的真实地物辐亮度通过大气辐射传输模型转换成遥感仪器入瞳辐亮度,实现卫星影像的在轨标定的方法[23]。均匀场通常选择地物类型单一均匀的沙漠、厚云层、以及深海等,国内外多种光学卫星均利用这种方法实现在轨定标[24,25]。
在轨场地定标方法的增益参数计算如（4）所示。
gai n i = μ Total μ i
式中： μ i 为传感器第i个探元影像数据的成像均值; μ Total 为相对辐射定标基准数据均值; gai n i 为传感器第i个探元的相对辐射定标系数,式中参与计算的所有图像数据均已经过传感器暗电流校正。
采用在轨均匀场定标方法对卫星传感器的在轨标定公式表示为：
D N i relCorr = gai n i × D N c , i + b i
b i = 1 N ∑ i = 1 N DN b , c , d , i
式中： D N i relCorr 为第i个探元成像灰度值经相对辐射校正后灰度值; gai n i 和 b i 为传感器第i个探元相对定标系数。
（3）统计定标
在轨统计定标方法是统计在轨传感器积累的海量遥感影像样本的探元间响应规律,实现传感器探元的响应特性的在轨标定。根据统计方式的差异,统计定标方法又可分为基于均值标准差统计定标法、直方图匹配定标法、阈值分割均值方差统计定标方法[27]。而对于光学遥感卫星传感器,直方图匹配法具体计算过程如下：
① 传感器各探元的累积概率分布函数公式如式（7）所示。
P i k = ∑ j = 0 k P N i ( k ) TP N i
式中：k为探元成像灰度等级; P N i ( k ) 为当传感器第i个探元的影像灰度为k时的像素个数; TP N i 为传感器第i个探元成像的所有像素个数; P i 为累积概率分布函数。
② 将各探元的 P i 基于式（8）-式（9）和参考累积概率分布函数对比,可获取传感器各个探元成像响应模型;
P i ( k - x ) ≤ P i ( k ) ≤ P i ( k + y )
k = k - x , P i k - x - P i k - P i k - P i k + y ≤ 0 k + y , P i k - x - P i k - P i k - P i k + y > 0
式中：x、y取值大于0,小于2n-1;n为传感器的量化bit位。
（4）偏航辐射定标
偏航定标是将卫星平台或相机进行旋转同时适时适应的进行地球旋转补偿,按此状态进行成像定标的一种方法,该方法保证了CCD各个探元成像时所获取的辐射亮度完全相等。常规成像模式与偏航成像模式如图1所示。
图1 偏航辐射定标

Fig. 1 Schematic diagram of yaw radiation calibration

当光学遥感卫星传感器在理想情况下实现偏航成像时,同一地物的连线在传感器影像中的与卫星轨道运行方向和垂直轨道运行方向的夹角相同,均为45°,此时影像的2个方向的分辨率相同。但是实际运行过程中,卫星成像会受到各种误差、传感器畸变等因素的影响,同一地物连线与两个方向的运行夹角不相同,如图2所示。进行影像校正前必须先对影像进行“规定化”处理,使图像每一行数据为传感器所有探元对同一地物的成像数据。
图2 传感器所有探元对同一地物成像连线与沿轨向垂轨向夹角示意图

Fig. 2 Schematic diagram of the included angle along track and vertical track between the imaging line of the same ground object of all probe pairs of the sensor

规定化处理方法如式（10）所示。
DN m + n · w = DN [ m + ( n + w K 1 - m · K 2 ) · w ]
( K 1 = tan θ , K 2 = tan ( 90 ° - θ ) )
式中： DN 为行存储的图像灰度数据; w 为线阵CCD探元个数; θ 为偏航数据实际夹角; DN m + n · w 代表图像第m行n列位置处的图像灰度值。
（1）线性定标参数解算
卫星传感器探元线性响应模型如式（11）所示。
$DN(k,n)=a{k,n}_{n}\overline{DN(k)}+b(k,n)$
式中： k 为传感器波段序号; n 为传感器探元序号;$\overline{DN(k)}$为传感器第 k 波段影像灰度均值, DN 为传感器成像灰度值; a k , n 和 b k , n 为传感器第 k 波段第 n 探元的相对辐射定标系数。
规定化后可获取传感器图像数据各探元离散样本点对$[DN(k,n), \overline{DN(k)}]$,采用最小二乘法相对辐射定标系数。
（2）非线性定标参数解算
若卫星传感器输入量为 x ,输出量为 x ' ,则有下式函数关系：
x ' = f ( x )
卫星传感器的输入量 x 为独立自由变量,设其概率分布函数为 p ( x ) ,输出变量 x ' 的概率分布函数为 p ' ( x ' ) ,由卫星传感器成像原理知,函数 f ( x ) 为单调递增函数,则结合式（12）有：
P x = p ' ( x ' )
当输入变量的累积概率分布函数已知,且 p ' ( x ' ) ) 可逆时,得到传感器探元响应模型函数 f ( x ) ,如式（14）所示。
f x = ( p ' ) - 1 p ( x )
因此,当传感器输入变量 x 和输出变量 x ' 的累积概率分布函数已知,就可以根据式（14）求传感器响应函数。

2.3 精度评估方法

相对辐射定标主要用来解决传感器各探元间响应不一致性问题,评估指标既要兼顾降低传感器探元响应随机噪声的影响,又要具有传感器各探元间响应非一致性的补偿效果。因此,常用条纹系数和图像相对标准差来评价相对辐射定标的效果。
（1）条纹系数
条纹系数[5]通过评估相对辐射定标后图像的相邻列均值关系来评价相对辐射定标的精度,如式（15）所示。
Streakin g i = D N i - ( D N i - 1 + D N i + 1 ) / 2 ( D N i - 1 + D N i + 1 ) / 2 × 100
式中： Streakin g DetID 为相对辐射定标后第 i 个探元的条纹系数; D N i 相对辐射定标后第 i 个探元灰度均值。当相对辐射定标后图像所有探元条纹系数小于0.25%时,相对辐射定标后图像无目视可见条纹,如图3所示。
图3 不同条纹系数指标下图像目视条纹效果

Fig. 3 The visual fringe effect with different strip coefficient indexes

当以条纹系数最大值为衡量指标时,能够表示相对辐射校正后图像目视有无条纹,又能够量化出传感器相对辐射定标精度。
（2）图像相对标准差法
图像平均行标准差是指图像列均值的标准差与图像均值之比,考虑了图像列方向随机噪声的影响,定义如下：
σ rel = ∑ i = 1 N ( D N i ¯ - DN ¯ ) 2 N - 1 DN ¯ · 100
式中：$\overline{DN_{i}}$为相对辐射定标后图像第 i 列像素均值; N 为相对辐射定标后图像列数;$\overline{DN}$为相对辐射定标后影像像素均值;相对标准差为统计误差,要求统计后精度优于3.00%（1 δ）。

3 结果及分析

本小节利用LJ1-01夜光传感器对在轨暗电流、和在轨均匀场地定标方法进行操作和分析,并利用珠海一号02组高光谱卫星进行统计定标和偏航辐射定标方法的实验和精度验证,在实验分析部分分析耦合多种定标方法实现常态化辐射定标流程。

3.1 暗电流定标

以LJ1-01为例验证分析夜光传感器在轨暗电流定标精度。利用夜晚暗场成像的56帧数据标定传感器HDR模式高低增益所有探元暗电流值,低增益和高增益所有探元暗电流均值分别为177.57,187.31。如图4所示,经暗电流定标后LJ1-01高低增益所有探元暗电流响应差异性得到有效校正,探元响应的一些高亮像素点得到去除。
图4 LJ1-01HDR模式高低增益暗电流校正前后效果

Fig. 4 The effect of dark current correction of LJ1-01 low and high gain in HDR mode

利用列均值标准差评估58景暗电流校正后图像暗电流误差残余情况,统计情况如表1所示, LJ1-01在轨暗电流定标后高低增益图像相对标准差分别优于0.05个DN、0.07个DN。
表1 LJ1-01星HDR模式暗电流定标精度统计

Tab. 1 Statistical table of dark current calibration accuracy of LJ1-01 HDR mode （DN）

均值 最大值 最小值 相对标准差
低增益 176.59 176.81 176.41 0.07
高增益 186.82 186.97 186.66 0.04

3.2 星上定标

本文实验卫星均未搭载星上定标设备,没有试验验证条件。星上定标是一种为满足遥感仪器的实际应用需求而发展起来的独立定标方法,并具有高频次、高效率、高精度等优点、不受地球大气影响的优点,可实现高精度的在轨定标。星上定标主要经历了基于标准灯的部分孔径部分光路定标、基于标准灯+积分球的全孔径部分光路定标、基于太阳漫射板的全孔径全光路3个发展阶段。搭载在MODIS Terra太阳漫反射板被作为星上定标基准,实现了该卫星传感器的在轨标定,Landsat-8[8]卫星基于星上漫反射板定标后传感器VNIR/PAN波段平均条纹系数优于0.01%,SWIR波段平均条纹系数优于0.01%,Cirrus波段平均条纹系数优于0.80%。
但该方法受限于星上设备,一般只能利用2个亮度等级样本点标定传感器线性模型,无法实现传感器非线性定标,且星上定标灯或太阳漫反射板自身会随着运行时间发生一定的衰减,造成传感器焦面非均匀性光照,降低了星上辐射定标精度。

3.3 在轨均匀场地

LJ1-01传感器地面分辨率为129 m,世界范围内满足传感器非均匀性定标要求且能够覆盖LJ1-01传感器所有探元（264 km×264 km）的大面积均匀定标场较少。LJ1-01在轨定标选用的均匀定标场借鉴Basnet和Gerace[16]等利用Landsat 5卫星图像在全球范围内定义的大面积均匀定标场,如表2所示。
表2 LJ1-01白天在轨定标均匀场区域

Tab. 2 Uniform field of on-orbit calibration during the day

均匀定标场地 纬度 经度 场地大小/km×km
Arabia 2, Middle East 20.24° N 51.03° E 171×171
Niger 2, Sahara 21.36° N 10.59° E 108×72
Mauritania 2, Sahara 20.23° N 8.77° W 72×108
Egypt 2, Sahara 22.94° N 28.79° E 171×162
利用Arabia 2区域均匀场数据获取传感器各探元间响应差异系数。在5个均匀场数据上选择相同均匀区域（9 km×9 km）,计算共同均匀区域探元相对校正参数,获取LJ1-01传感器所有探元的非均匀定标系数。校正前后的图像如图5所示,传感器探元间非均匀性响应得到有效校正。
图5 白天低增益图像相对辐射校正前后效果

Fig. 5 Effects of low-gain images before and after relative radiation correction in the daytime

利用条纹系数对传感器相对辐射定标后的探元非均匀性定量评价,统计的白天图像校正后最大条纹系数分别为0.17%、0.18%,可知传感器非均匀性得到了有效校正。

3.4 统计定标

2018年4月26日,携带4颗高光谱卫星（OHS-A、OHS-B、OHS-C和OHS-D）和1颗视频卫星（OVS-2）的“珠海一号”遥感02组卫星成功发射。该高光谱卫星搭载多波段线阵平行排列模式的线阵传感器,其简要参数如表3所示。
表3 OHS高光谱卫星载荷参数

Tab. 3 OHS hyperspectral satellite load parameters

类型 内容
轨道类型 500 km太阳同步轨道
空间分辨率/m 10
波段数量 32
光谱范围/nm 400~1000
光谱分辨率/nm 2.5
幅宽/km 150
成像方式 线阵推扫式成像
光谱范围重构 支持
在轨均匀场地统计定标模型,对OHS-A高光谱卫星2018年7月13日—2018年8月12日的107个样本进行在轨辐射定标（增益：5-5-5-5-5-5-5-5-4-4-4-4-3-2-3-3-2-2-2-2-2-2-2-2-2-3-2-2-5-6-4-4;级数：30）,定标的效果如图6所示。辐射定标前后影像对比可知,校正处理后的影像像素均匀分布,去除了条带的影响,图像质量得到大幅提升。
图6 珠海一号A组高光谱卫星相对辐射定标前后影像

Fig. 6 Images before relative radiation calibration of OHS-A hyperspectral satellite of CCD1-B9, CCD1-B29, CCD3-B31

采用列均值标准差和平均条纹系数评估辐射校正的精度,评价样本要尽量消除不同的地物的纹理、亮度等因素的影响,选择“均匀场”（没有云雾干扰的沙漠、海洋等）。由于整帧遥感数据存在很多不同类型的地物,均匀场很少,同时受到云雾的干扰。因此本实验利用裁剪得到“均匀场”样本评估精度。OHS-A星样本具体情况如表4所示。
表4 OHS-A星精度评价数据概况

Tab. 4 Overview of OHS-A hyperspectral satellite calibration accuracy evaluation data

数据名称 数据探（CCD） 数据大小（长×宽）/（像元×像元） 数据概图
HAM1_20180813221413 CCD1 3400×1800
HAM1_20180813221413 CCD2 1280×2050
HAM1_20180813221413 CCD3 1500×1200
HAM1_20180812222302 CCD1 2240×2100
HAM1_20180812222302 CCD2 2700×2200
HAM1_20180812222302 CCD3 1800×1800
分别选取2018年8月12日和2018年8月13日的数据计算每个CCD的每个波段的相对标准差和平均条纹系数,计算结果如表5所示。如表5所示,OHS-A星的相对标准差均小于3.00%,集聚分布在1.00%附近;条纹系数大于0.06%,小于0.15%,低于目视可见条纹系数0.25%,表示统计定标方法对影像条纹进行了有效的校正。
表5 OHS-A星精度评价结果

Tab. 5 The OHS-A hyperspectral satellite calibration accuracy evaluation results

波段号 相对标准差/% 最大条纹系数/%
CCD1 CCD2 CCD3 CCD1 CCD2 CCD3
B1 0.63 0.47 0.81 0.06 0.08 0.06
B2 0.64 0.57 0.88 0.06 0.08 0.06
B3 0.66 0.65 0.87 0.06 0.08 0.06
B4 0.66 0.65 0.81 0.06 0.07 0.07
B5 0.59 0.64 0.80 0.07 0.07 0.08
B6 0.53 0.70 1.32 0.08 0.07 0.08
B7 0.55 0.75 1.02 0.07 0.07 0.07
B8 0.63 0.88 0.95 0.07 0.08 0.08
B9 0.73 0.97 0.77 0.08 0.09 0.09
B10 0.77 1.07 0.83 0.08 0.09 0.08
B11 0.83 1.12 0.81 0.07 0.09 0.08
B12 0.95 1.14 0.89 0.07 0.09 0.08
B13 0.97 1.24 0.85 0.08 0.10 0.09
B14 1.01 1.22 0.88 0.08 0.10 0.09
B15 1.10 1.22 0.98 0.08 0.10 0.08
B16 1.05 1.11 0.82 0.09 0.10 0.11
B17 1.74 0.99 1.07 0.10 0.10 0.10
B18 1.32 0.77 0.91 0.10 0.09 0.10
B19 2.28 0.55 2.48 0.12 0.07 0.10
B20 2.05 0.61 1.66 0.15 0.07 0.13
B21 1.85 0.49 1.46 0.14 0.06 0.16
B22 1.62 0.31 1.15 0.11 0.06 0.12
B23 1.68 0.52 1.14 0.12 0.07 0.12
B24 1.79 0.37 2.85 0.13 0.07 0.11
B25 1.59 0.31 0.94 0.12 0.06 0.11
B26 1.64 0.48 1.14 0.11 0.06 0.11
B27 1.49 1.07 1.10 0.11 0.09 0.11
B28 1.39 0.88 1.45 0.09 0.08 0.08
B29 2.52 1.93 2.33 0.14 0.11 0.14
B30 0.95 0.67 1.12 0.10 0.10 0.11
B31 0.89 0.97 1.19 0.09 0.09 0.12
B32 0.65 0.79 1.25 0.10 0.10 0.10

3.5 偏航辐射定标

OHS-D星于2018年10月24日—25日连续对不同亮度均匀目标点进行偏航定标成像,如低亮度均匀海洋、中高亮度均匀沙漠等,表6为OHS-D星偏航定标成像数据信息表。亮度覆盖上所有波段均覆盖低亮度和中高亮度,中低亮度（200~400 DN）基本无覆盖。
表6 OHS-D星偏航定标成像数据信息

Tab. 6 The OHS-D satellite yaw calibration imaging data information

序号 成像时间 有效数据行 成像参数 用途
区域1 24日 31944 增益：30 级数：6-6-6-6-6-6-6-6-5-5-5-5-4-4-4-3-3-3-3-3-3-3-3-3-3-3-3-4-5-5-6-8 定标/验证
区域2 25日 10944 定标/验证
区域3 24日 26945 定标/验证
区域4 24日 17944 定标/验证
（1）偏航辐射定标数据规定化
OHS-D星采用均匀场偏航定标成像模式,定标成像图像表现为均匀地物,已最小化规定化角度误差引起的传感器各探元成像地物的不一致性,采用标准规定化方法对定标数据规定化处理。图7为珠海一号高光谱D星第一个CCD第一个波段规定化前后示意。
图7 偏航定标图像数据规定化 (CCD1-B1)

Fig. 7 Normalization of yaw calibration image (CCD1-B1)

（2）偏航辐射定标系数的求解和精度评估
以1000行为间隔获取规定化后偏航定标数据的线性定标模型样本,采用最小二乘原理解算D星传感器所有探元相对辐射定标系数,并以B13和B26这2个波段为例展示验证效果。图8为OHS-D星CCD1传感器第一个探元定标样本数据分布及拟合残差分布,表明定标样本能够确保传感器探元定标模型线性度优于99.9%,模型拟合残差不同波段存在差异,最大不超过±10个DN。
图8 珠海一号D 星第一个CCD传感器探元拟合响应曲线

Fig. 8 Fitted response curve of OHS-D satellite CCD1 sensor

将定标结果直接应用到不同亮度的待定标图像,查验低亮度（DN≈20）、中低亮度（DN≈200）和中高亮度（DN≈600）下的校正效果,如图9所示（2%~4%线性拉伸显示）为OHS-D星CCD1不同波段校正目视效果。目视效果表明在定标亮度范围内,定标参数能较好补偿传感器各探元响应不一致性。
图9 OHS-D星B13和B26波段偏航相对辐射定标效果

Fig. 9 The image before and after the yaw relative radiation calibration effect of OHS-D hyperspectral satellite 13 and 26 band.

统计偏航定标后数据利用条纹系数分布查验定标精度,图10所示为OHS-D星传感器B13和B26波段定标前后条纹系数分布;表7为定标后各波段条纹系数统计值,统计结果表示偏航定标后传感器所有探元条纹系数均低于0.25%,均值小于0.40‰,波动优于0.30‰,表明OHS-D基于均匀场定标可实现传感器所有探元定标精度优于0.25%。
图10 OHS-D 星CCD1传感器定标前后条纹系数对比

Fig. 10 Comparison of stripe coefficients of OHS-D hyperspectral satellite CCD1 sensor before, and after relative radiometric calibration

表7 OHS-D星传感器各波段定标后条纹系数统计

Tab. 7 Statistical table of stripe coefficient after OHS-D satellite sensor calibration

波段号 最小值 最大值 均值 标准差 亮度范围
B2 0.00 0.16 0.01 0.02 低+中+高
B9 0.00 0.24 0.02 0.02 低+中
B13 0.00 0.13 0.03 0.02 中+高
B18 0.00 0.16 0.03 0.02 低+中+高
B26 0.00 0.11 0.02 0.01 中+高
B32 0.00 0.25 0.03 0.03 中+高

3.6 常态化相对辐射定标分析

现光学卫星常态化相对辐射定标需要多种定标方法相互结合,优势最大化。其中,暗电流定标是传感器各探元无光入瞳时的响应不一致性有效标定的定标方法,而相对增益定标则进一步对传感器各探元在不同亮度入瞳时的传感器响应模型进行了有效标定（图11）。
图11 光学卫星常态化辐射定标方法体系

Fig. 11 System of normal radiometric calibration method for optical satellite

3.6.1 暗电流定标
根据本文提出的暗电流定标模型可知,搭载星上定标设备的暗电流定标方法可实现超高频次的暗电流定标和高定标精度,无星上定标设备的卫星传感器可采用间接遮挡卫星传感器,以控制入瞳光照的形式完成传感器暗电流标定,包括卫星夜间对深空背景成像,以及夜间对均匀海洋区域成像。虽然受限于卫星任务规划和观测条件,但是可根据定标精度以及定标频次要求,在观测条件下进行卫星任务规划,快速定标,满足基本定标需求。
夜光传感器具备捕获地球表面微弱灯光以及月球散射弱光能力,具备较高的感光灵敏度,夜光卫星传感器的暗电流定标显得尤为重要,对于无星上暗电流标定手段的夜光传感器,选择在夜晚对无灯光非洲大面积沙漠地区或海洋区域成像,标定探测器暗电流响应。
3.6.2 相对增益定标
（1）具备星上定标设备的卫星传感器,可选星上定标方法标定传感器,星上定标方法不受地球大气的影响,可实现高精度的在轨定标,一般利用2个亮度等级样本点标定传感器线性模型,但需要考虑星上定标设备的在轨衰减;
（2）若卫星不具备步骤（1）所需条件,则检索卫星传感器是否具备且进行了满足均匀性精度的大面积均匀场观测,若满足条件,卫星传感器可观测均匀场地进行在轨相对辐射定标;
（3）若步骤（2）中均匀场地定标的观测频率低、周期长,卫星传感器存在海量在轨样本,则可使用统计定标法基于统计规律标定探元间的响应。根据统计策略的不同以及使用优先级可分为“直方图匹配法-基于均值标准差统计法-基于阈值分割均值方差统计法”。若传感器影像在轨图像灰度分布均匀,低亮度和高响度影像像素较少,则可利用直方图匹配法对海量样本进行处理定标;若影像地物亮度范围分布集中,且几乎无高亮地物,传感器各个响应存在线性响应且线性响应一致时,可使用均值标准差统计法进行在轨定标;若人力物力允许的基础上,则使用阈值分割统计法的均值方差阈值将影像分类,利用分类后图像数据基于传感器各探元均值或方差解算传感器相对增益系数。
（4）若步骤（3）不满足,而卫星敏捷机动能力较强,可将卫星平台或相机旋转90°,并同时适时适应的进行地球旋转补偿,使卫星传感器可获取相对辐射定标基准,实现传感器高精度在轨标定。

4 结语

光学卫星高质量影像应用对常态化辐射定标的需求越来越紧迫,国产卫星难以通过已有大面积均匀定标场来实现常态化辐射定标。本文利用卫星影像分析不同定标方法的应用场景,实验结果显示：
（1）基于LJ1-01夜光遥感卫星影像有效地验证了暗电流相对辐射定标方法和在轨均匀定标相对辐射定标方法的有效性;
（2）珠海一号4颗高光谱卫星影像的相对辐射定标处理验证了统计相对辐射定标和偏航辐射相对定标方法的可用性。
（3）不同场景下暗电流定标、在轨均匀场地定标、统计定标、和偏航辐射定标处理后的影像条纹系数均小于0.25%,图像相对标准差精度均优于3.00%,处理后影像目视无条纹。
并在此基础上提出常态化辐射定标方法,通过各种方法的耦合实现常态化辐射定标。后续将尝试利用不同类型卫星数据,开展常态化辐射定标的实践。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
朱军, 吴雁林, 沈中, 等. 环境-1A、1B卫星CCD相机系统级辐射定标数据分析[J]. 航天器工程, 2009,18(5):73-79.

[ Zhu J, Wu Y L, Shen Z, et al. Analysis of system-level radiometric calibration data for HJ-1A/B wide coverage CCD camera[J]. Spacecraft Engineering, 2009,18(5):73-79. ]

[2]
龙亮, 王中民. 一种基于卫星敏捷特性的在轨辐射定标方法[J]. 航天返回与遥感, 2013(4):77-85.

DOI

[ Long L, Wang Z M. An on-orbit calibration method based on agility characteristic of satellites[J]. Spacecraft Recovery & Remote Sensing, 2013(4):77-85. ]

[3]
胡永富, 张宇烽. 空间相机相对辐射定标精度分析[J]. 航天返回与遥感, 2007,28(4):54-57.

[ Hu Y F, Zhang Y F. Analysis of relative radiometric calibration accuracy of space camera[J]. Spacecraft Recover & Remote Sensing, 2007,28(4):54-57. ]

[4]
韩启金, 张学文, 乔志远, 等. 高分一号卫星PMS相机多场地宽动态辐射定标[J]. 红外与激光工程, 2015(1):127-133.

[ Han Q J, Zhang X W, Qiao Z Y, et al. Wide dynamic radiometric calibration of GF- 1 PMS sensors using multi-test sites[J]. Infrared and Laser Engineering, 2015(1):127-133. ]

[5]
Helder D L, Basnet B, Morstad D L. Optimized identification of worldwide radiometric pseudo invariant calibration sites[J]. Canadian Journal of Remote Sensing, 2010,36(5):527-539.

[6]
Cosnefroy H, Leroy M, Briottet X. Selection and characterization of Saharan and Arabian desert sites for the calibration of optical satellite sensors[J]. Remote Sensing of Environment, 1996,58(1):101-114.

DOI

[7]
张过, 李立涛. 遥感25号无场化相对辐射定标[J]. 测绘学报, 2017,46(8):1009-1016.

[ Zhang G, Li L T. A study on relative radiometric calibration without calibration field for YG-25[J]. Acta Geodaetica et Cartographica Sinica, 2017,46(8):1009-1016. ]

[8]
李海超, 郝胜勇. 一种推扫式卫星图像的相对辐射校正方法[J]. 光电工程, 2011,38(1):142-150.

[ Li H S, Hao S Y. A relative radiometric correction method for the scanning image of Pushbroom Satellite[J]. Optoelectronic Engineering, 2011,38(1):142-145. ]

[9]
Pesta F, Bhatta S, Helder D, et al. Radiometric non-uniformity characterization and correction of Landsat 8 OLI using earth imagery-based techniques[J]. Remote Sensing, 2014,7(1):430-446.

[10]
Meygret A, Fratter C, Breton E, et al. In-flight assessment of SPOT5 image quality[J]. Proceedings of SPIE, 2003,4881:179-188.

[11]
张兵, 张浩, 陈正超, 等. 一种基于图像统计量的相对辐射纠正算法[J]. 遥感学报, 2006,10(5):630-635.

[ Zhang B, Zhang H, Chen Z C, et al. A new method of rRelative radioactive correction based on image statistic[J]. Journal of Remote Sensing, 2006,10(5):630-635. ]

[12]
潘志强, 顾行发, 刘国栋, 等. 基于探元直方图匹配的CBERS-01星CCD数据相对辐射校正方法[J]. 武汉大学学报·信息科学版, 2005,30(10):925-927.

[ Pan Z Q, Gu X F, Liu G D, et al. Relative radiometric correction of CBERS-01 CCD data based on detector histogram matching[J]. Geomatics and Information Science of Wuhan University, 2005,30(10):925-927. ]

[13]
王灵丽, 白杨, 潘征, 等. 视频卫星在轨相对辐射定标方法[J]. 红外与激光工程, 2018,47(8):268-273.

[ Wang L L, Bai Y, Pan Z, et al. On-orbit relative radiometric calibration method of video satellite[J]. Infrared and Laser Engineering, 2018,47(8):268-273. ]

[14]
Markham B, Barsi J, Kvaran G, et al. Landsat-8 operational land imager radiometric calibration and stability[J]. Remote Sensing, 2014,6(12):12275-12308.

[15]
Shimada M, Oaku H, Oguma H, et al. Calibration of advanced visible and near infrared radiometer(AVNIR)[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999,37(3):1472-1483.

[16]
李晶, 赵建科, 昌明, 等. 复合面阵CCD摄影相机的实验室辐射定标[J]. 光学精密工程, 2017,25(1):73-83.

[ Li J, Zhao J K, Chang M, et al. Radiometric calibration of photographic camera with a composite plane array CCD in laboratory[J]. Optics and Precision Engineering, 2017,25(1):73-83. ]

[17]
段依妮, 张立福, 吴太夏, 等. 遥感影像相对辐射校正方法及适用性研究[J]. 遥感学报, 2014,18(3):597-617.

[ Duan Y N, Zhang L F, Wu T X, et al. Relative radiometric correction methods for remote sensing images and their applicability analysis[J]. Journal of Remote Sensing, 2014,18(3):597-617. ]

[18]
Pesta F, Bhatta S, Helder D, et al. Radiometric non-uniformity characterization and correction of Landsat 8 OLI using Earth imagery-based techniques[J]. Remote Sensing, 2014,7(1):430-446.

[19]
黄红莲, 易维宁, 乔延利, 等. “天绘一号”卫星在轨辐射定标方法[J]. 遥感学报, 2012,16(z1):22-27.

[ Huang H L, Yi W N, Qiao Y L, et al. On orbit radiometric calibration for mapping satellite-1 sensor[J]. Journal of Remote Sensing, 2012,16(z1):22-27. ]

[20]
雷学武, 吴君丽, 刘俊荣. CBERS-1 CCD星上定标数据在辐射校正中的应用[J]. 国土资源遥感, 2003,15(3):63-66.

[ Lei X W, Wu J L, Liu J R. The application of CBERS-1 CCD on-star calibration[J]. Remote Sensing for Land & Resources, 2003,15(3):63-66. ]

[21]
曾湧, 张宇烽, 徐建艳, 等. 中巴资源一号卫星02星CCD相机实验室辐射定标算法分析[J]. 航天返回与遥感, 2005,26(2):41-45.

[ Zeng Y, Zhang Y F, Xu J Y, et al. Analysis of laboratory radiometric calibration algorithm of CBERS-02 CCD camera[J]. Spacecraft Recovery & Rrmote Sensing, 2005,26(2):41-45. ]

[22]
范斌, 陈旭, 李碧岑, 等. “高分五号”卫星光学遥感载荷的技术创新[J]. 红外与激光工程, 2017,46(1):0102002.

[ Fan B, Chen X, Li B C, et al. Technical innovation of optical remote sensing payloads onboard GF-5 satellite[J]. Infrared and Laser Engineering, 2017,46(1):0102002. ]

[23]
Dinguirard M, Slater P N. Calibration of space-multispectral imaging sensors: A review[J]. Remote Sensing of Environment, 1999,68(3):194-205.

[24]
李德仁, 李熙. 论夜光遥感数据挖掘[J]. 测绘学报, 2015,44(6):591-601.

[ Li D R, Li X. An overview on data mining of nighttime light remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2015,44(6):591-601. ]

[25]
Pagnutti M, Ryan R E, Kelly M, et al. Radiometric characterization of IKONOS multispectral imagery[J]. Remote Sensing of Environment, 2003,88(1-2):53-68.

[26]
张炳先, 李岩, 何红艳. 基于在轨分类统计的热红外影像辐射校正方法[J]. 国土资源遥感, 2016,28(4):24-29.

[ Zhang B X, Li Y, He H Y. Radiometric calibration method of thermal-infrared images based on on-orbit classification and statistics[J]. Remote Sensing For Land & Resources, 2016,28(4):24-29. ]

[27]
Meygret A, Dinguirard M, Henry P, et al. The SPOT histogram data base[J]. Proceedings of SPIE, 1997,2957:322-331.

Options
Outlines

/

〈 〉