最新发表: 最优色彩合成方法——用于生成高质量逐日物候相机照片时序

+ 查看更多

     

       物候相机作为一种连续客观的植被物候观测手段，已在世界范围内广泛架设并应用。通常人们将物候相机照片红-绿-蓝（RGB）通道的数字量化值（Digital Number，DN）导出为色度指数，如绿色色度指数（Green Chromatic Coordinate，GCC）用以指征植被冠层颜色的季节性变化。但是由于光照条件（太阳角度和大气条件）的变化和消费级相机对入射光强度的非线性响应，物候相机照片通常会存在颜色失真，进而使得原始GCC时序存在很大的噪声。因此，目前通常通过一些时序滤波方法对色度指数进行降噪，比如最常见的90%分位数滤波方法通过选择一天内的90%上分位数的GCC指数来减少噪声的影响。但是这些方法多是根据时序统计指标来降低GCC时序中的噪声，并没有直接较正照片中的颜色失真，因此也完全忽略了照片中的空间纹理信息，限制了照片信息的充分挖掘。

针对上述问题，本研究提出来一种最优色彩合成方法（Optimal Color Composition，OCC），从每天拍摄的所有照片中合成出每天一张的高质量逐日照片时间序列。首先，我们设计了基于颜色明度和饱和度的综合色彩指标，为照片中的每个像元确定了全天中良好光照和正确曝光下的最优拍摄时间；然后，将每个像元在最优拍摄时间对应的DN值合成为一张虚拟照片，并生成逐日合成照片时序；最后，根据合成照片计算出逐日GCC时序。通过对3个阔叶林和3个针叶林站点的真实物候相机照片的实验表明，OCC方法可以充分地利用良好光照条件下的有效观测，有效地减少光照条件的影响，并生成具有稳定色彩的高质量照片时间序列；与90%分位数方法相比，OCC方法合成的每日照片能更好地反映植被真实颜色，生成的GCC时序曲线更为稳定，且受到太阳角与大气状况变化的干扰更小。该研究已于IEEE JSTARS期刊上在线发表。