无人机遥感载荷成像风场传递效应分析

图书信息

作者：李传荣等著

出版社：科学出版社

定价：69.00

ISBN：9787030462718

出版时间：2018-10-01

分类：图书,行业职业,计算机,工具书

商品介绍

目录

序

前言

第1章绪论1

1.1无人机遥感应用及风场传递效应研究概述1

1.2无人机遥感载荷成像风场传递效应研究的必要性与意义6

1.3无人机遥感载荷成像风场传递效应关键技术7

参考文献8

第2章大气风场作用下无人机姿态仿真与分析10

2.1大气风场10

2.1.1突风场10

2.1.2大气紊流场13

2.1.3复合风场26

2.2无人机六自由度模型及修正方法27

2.3无人机飞行控制32

2.4无人机姿态解算与分析35

参考文献44

第3章光电稳定平台系统辨识46

3.1光电稳定平台系统控制原理46

3.1.1光电稳定平台系统组成46

3.1.2控制原理和方法47

3.1.3三轴三框架伺服控制系统48

3.2基于遗传小波神经网络算法的光电稳定平台系统辨识50

3.2.1合适样本选择51

3.2.2遗传小波神经网络结构与编码52

3.2.3遗传小波神经网络训练方法57

3.3光电稳定平台系统辨识效果分析59

参考文献62

第4章基于载荷运动的图像质量退化效应分析63

4.1退化模型63

4.1.1坐标系转换方法63

4.1.2基于载荷运动像移图像退化模型研究67

4.1.3基于载荷运动的图像退化模型仿真分析71

4.2图像质量评价方法72

4.2.1基于梯度结构相似度的清晰度评价方法73

4.2.2二次模糊清晰度评价方法73

4.2.3相对边缘响应评价方法74

4.2.4长度畸变评价方法74

4.2.5角度畸变评价方法75

4.3图像退化效应敏感性分析75

4.3.1面阵载荷图像退化敏感性分析75

4.3.2线阵载荷图像退化敏感性分析86

4.4图像复原分析87

4.4.1经典图像复原算法88

4.4.2基于载荷成像机理的遥感图像复原89

参考文献91

第5章大气风场传递效应分析原型系统93

5.1原型系统设计93

5.2原型系统实现94

5.2.1平台姿态仿真分系统94

5.2.2稳定平台辨识分系统95

5.2.3图像退化敏感性分析分系统96

5.3原型系统功能验证97

5.3.1平台姿态仿真分系统98

5.3.2稳定平台辨识分系统99

5.3.3图像退化敏感性分析分系统101

参考文献104

内容简介

无人机遥感作为一种新兴的空间数据获取手段，具有机动灵活、适应性强、低成本等特点，近年来取得了长足的发展，各种类型与用途的无人机遥感系统如雨后春笋般涌现，在国民经济各行业得到了广泛应用，在高分辨率基础数据获取、应急响应和遥感载荷综合验证等领域发挥着越来越重要的作用，与卫星遥感、有人机遥感形成了"三足鼎立"的局面，具有很好广阔的应用前景。由于绝大多数无人机遥感系统在中低空进行遥感作业飞行，经常受到大气扰动的影响，无人机飞行姿态会发生快速"抖动"。为补偿无人机姿态"抖动"的光电稳定平台因受到机械传动响应性能的，往往无法满足载荷高精度成像实时补偿的要求，导致载荷图像出现不同程度退化现象，难以满足科学研究与实际应用对高质量遥感数据的需求，极大影响了无人机遥感应用效能的发挥。本书通过分析大气风场对无人机遥感载荷成像的影响，构建大气风场对无人机遥感载荷成像各环节的传递效应模型，探索大气风场对载荷成像质量影响的作用机理，为无人机遥感载荷作业飞行规划、高精度遥感载荷成像处理与载荷数据质量评价等提供基础技术支撑。

精彩内容

章绪论

无人机遥感作为航空遥感的重要组成部分，集中了航空、电子、光学、计算机、通信、地学等多个学科的很新研究成果，是目前低成本条件及恶劣环境下快速获取遥感数据的有效手段，并己广泛应用于土地勘测、环境保护、大气探测、灾害预警、应急响应、林业资源调查、反恐维稳、农业生产、城市规划等众多行业，在国民经济建设和国家信息化战略发展中逐步显示出越来越突出的潜能。无人机遥感的数据质量决定了其应用效能和应用潜力，因此，如何利用无人机平台获取高质量的遥感数据，成为无人机遥感领域的一个重点研究内容（李传荣等，2014）。

1.1无人机遥感应用及风场传递效应研究概述

作为航空遥感的重要组成部分，无人机遥感具有高分辨率和高时效性的技术优势：在空间上，弥补了航天遥感在对地物实施精细观测和提供精细地物结构信息方面的不足；在时间上，缩短了对同一区域重复观测的周期，提高对目标地物环境动态监测的效率。相比于其他航空遥感，无人机遥感又具有制造和维护成本低、实施机动灵活、响应速度快、运行风险低、适于高危地区探测等优点。无人机遥感具备上述极其突出的特点，使其成为传统空天对地观测（卫星、载人飞机、飞艇等）遥感数据手段的强有力补充。目前，无人机遥感已经在农业监测、森林资源调查、灾情评估、环境监测与治理、土地变化动态评估等多个领域得到了广泛的应用。

农业是国民经济的基础，但是农田病虫草害和自然灾害发生频繁。因此，对农田环境、作物生长状况及灾害进行动态监测具有十分重要的意义（戴昌达等，2004）。无人机遥感在农业方面的应用主要包括以下三个方面。一是农作物种植面积评估。Pan等(2015)基于无人机获取的遥感图像，采用分层随机抽样方法，选择江苏省地区规模指标作为辅助变量，对大区域的农作物种植面积进行评估，估算精度可达95%以上。李宗南等(2014)利用小型无人机遥感试验获取红、绿、蓝三个波段遥感影像，研究了灌浆期玉米倒伏面积提取方法。Mesas-Carrascosa等(2014)利用高分辨率无人机遥感影像来测量地块面积，监督土地政策。二是农作物生长状况监测，如作物生长变化、植被盖度变化、作物生物量估测等。Vega等(2015)利用无人机携带多光谱遥感载荷，获取向日葵生长过程中的多时相影像，并计算它的植被指数值，为监测其生长状况提供重要的数据信息。李冰等(2012)利用低空无人机多光谱载荷观测系统，获取冬小麦生长过程中5个主要阶段的时间序列影像，通过计算时空序列影像的植被指数，构建了植被覆盖度的变化监测模型。Bendig等(2015)利用无人机遥感技术获取大麦多时段红、绿、蓝三个波段的遥感影像，构建大麦株高信息的计算模型，结合地面高光谱数据计算出植被指数和株高信息，估测大麦生物量。三是农作物灾害监测。Schmale等(2008)利用无人机获取农田的高光谱影像，对影像进行准确抽样分析，获取农作物病虫草害情况。冷伟峰等(2012)利用无人机航拍小麦冠层影像，分别分析从影像获得的小麦冠层反射率和红、绿、蓝三个波段的反射率与病情指数之间的关系，并利用这4种反射率构建了小麦条锈病病情指数的反演模型，证实了利用无人机遥感进行小麦条锈病监测的可行性。

森林资源调查与监测是森林资源经营管理的核心任务之一，也是实现林业的可持续经营、建设生态文明社会的重要工作。森林资源监测要求通过对森林资源数量、质量、结构、分布、生长、消耗，以及与森林资源有关的自然、社会、经济等变化情况进行连续调查，从而为林业的经营管理提供重要的信息支撑。传统的森林资源调查外业工作量大、周期长，需要耗费大量的人力、物力和财力。随着无人机技术的发展，靠前外已有相关学者利用无人机遥感技术开展森林资源普查和监测方面的研究。Paris和Bruzzone(2015)利用无人机平台获取的LiDAR数据，结合已获取的高光谱影像，构建了单个树冠高度的三维模型，用以估算树木的高度。李宇昊(2007)借助无人机遥感技术，成功实现了造林面积获取、造林成活率计算、树种辨认、株树密度计算、林龄确定，以及对造林地进行自动定位等，大大提升了全国营造林核查工作质量与效率，减少了核查成本，提高了林业调查技术水平。韦雪花(2013)利用机载LiDAR点云数据有效提取林分平均高、单木树高、林分密度等树木参数，通过与实地调查数据真值对比，由LiDAR点云数据提取的林分平均高精度达83%，单木精度达88%，每公顷株数精度达84%。王伟(2015)利用无人机平台获取的数字高程数据和数字正射影像，结合目标分类方法、多尺度分割技术和空间分析技术，对单木冠幅、单木树高、林分郁闭度、株数密度等森林参数信息的提取精度可达到70%以上。

地质灾害遥感调查是利用遥感技术对自然因素或人为活动引发的山体崩塌、滑坡、泥石流、地面塌陷、地裂缝、地面沉降等与地质作用有关的地质灾害体进行调查。通过遥感技术了解地质灾害的现状、变化规律和特征，预测地质灾害发生发展的趋势，很大限度地减少损失，达到防灾减灾的目的。Lewyckyj和Everaerts(2005)利用元人机遥感技术，通过分析正射影像中的受灾情况，准确评估场地和村庄的损失，为减灾提供了及时、准确的数据。日本减灾组织使用无人机携带高精度数码摄像机和雷达扫描仪对正在喷发的火山进行调查，抵达人们难以进入的地区快速获取现场实况，对灾情进行评估。无人机在2008年汶川大地震中更是发挥了重要作用，梁京涛(2013)利用无人机及时获取灾区的遥感影像，分析获取灾区震后的房屋、道路等损毁程度与空间分布信息，为救援、灾情评估、地震次生灾害防治和灾后重建等工作提供了靠前手的信息和科学决策依据。

经济的快速发展和工业规模的不断扩大，给大气、水源、土壤等带来了潜在的环境污染隐患，利用无人机遥感技术可短时间内完成环境监测的工作。洪运富(2015)利用无人机遥感技术获取江苏省扬州市南水北调工程东线区域的CCD影像，通过影像分析获取污染源。梁志鑫(2010)针对建设项目有关水土流失的问题，在现有监测技术的基础上，提出利用无人机遥感技术获取目标区域的数字高程数据，计算不同时期的坡度信息，通过坡度和高度数据信息的对比分析，获取对水土保持的动态监测结果。张雅文(2017)以鄂北地区水资源配置工程为例，从无人机遥感数据获取、监测信息提取、监测信息应用三个方面开展水土保持监测研究，结果表明无人机监测效率是传统人工监测效率的3～5倍。靳雷(2013)通过无人机遥感平台获取河流的高分辨遥感影像，建立数字地形模型，获取河床面积、植被覆盖等信息，全面研究河流生态系统的状态。

综上，无人机遥感已在多个行业得到深入应用。进一步研究发现，无人机遥感数据质量在很大程度上决定了其应用效能。随着经济的快速发展，对高质量无人机遥感数据的需求剧增，如何提高无人机遥感数据质量、提升数据应用效能，是无人机遥感行业研究人员必须面对的问题。为此，本书针对无人机和平台载荷，来研究大气风场传递效应对获取遥感数据质量的影响，以期减少数据获取过程中的退化因素，提高无人机遥感数据质量，

靠前外无人机相关技术的飞速发展，以及无人机系统种类多、用途广等特点，使其在尺寸、质量、航程、飞行高度、任务等多方面都存在较大差异。由于无人机的多样性，出于不同考量而对无人机有不同的分类方法（无人机（百度百科词条））：按飞行平台结构类型可分为固定翼无人机、旋翼无人机；按用途可分为军用无人机、民用无人机；按空机质量可分为微型无人机（小于7kg）、轻型无人机（7～116kg）、中型无人机(116～5700kg)和大型无人机（大于5700kg）；按飞行作业高度分类可分为超低空无人机（小于lOOm）、低空无人机(lOO～lOOOm)、中空无人机(1000～7000m)、高空无人机(7000～18000m)和超高空无人机（大于18000m）。因本书依托的国家863项目“无人机遥感载荷综合验证系统”外场科学试验选用的是固定翼、低中空、中型无人机，为了研究的科学性、真实性和可对比性，本书以此类固定翼、低中空、中型无人机平台作为研究对象，开展大气风场传递效应的遥感数据质量退化因素研究。

无人机平台搭载的载荷包括光学载荷和SAR载荷。在成像模式方面，光学载荷通常采用中心投影面域成像和推扫式扫描成像来获取信息数据，而SAR载荷一般通过侧视成像方式发射和接收面域微波信号，并通过信号处理（距离压缩、距离徙动校正、方位压缩等）等手段后期合成对应于地面目标的复数数据图像。由于SAR载荷可通过高精度位置姿态系统、相位梯度自聚焦等运动补偿手段克服大气风场传递效应对载荷成像数据质量的影响，为此本书重点以光学载荷为研究对象来开展遥感数据质量的退化因素研究。

在无人机平台和光学载荷类型确定的情况下，分析无人机遥感数据获取的链路，减少影响数据质量退化的因素，是提高其质量的有效措施。在多次试验的基础上归纳总结后认为，无人机遥感数据获取及应用链路包括任务规划、遥感数据获取、遥感数据处

首先，在任务规划阶段，研究人员根据用户的任务目标，分析无人机外场试验的环境条件、承载系统、数据获取要求，以及相应的支撑条件等，选择合适的无人机平台和载荷，在此基础上规划满足任务需求的飞行任务航迹；其次，开展飞行的地面准备工作，无人机搭载遥感载荷在移动地面控制站和优选导航卫星系统(GNSS)的共同协助下，实施无人机遥感数据获取飞行作业任务，获取目标区域的遥感数据；再次，遥感数据处理部分对获取的无人机遥感数据进行辐射与几何校正处理，生成遥感信息产品；很后，结合具体应用需求，将处理后的无人机遥感信息产品与行业领域信息相融合，指导科学研究和生产实践。通过对上述无人机遥感数据获取及应用链路进行分析不难发现，无人机遥感数据获取是链路中影响无人机遥感数据质量的很关键一环，而无人机遥感平台的作业环境——大气风场（它是指局地范围内的风速和风向形成的一种气象现象，具有很强的地域性，如海陆风场、山谷风场、热岛风场等），又是影响和导致无人机遥感数据质量退化的源头因素。

大气风场具有流动性强、波动大、变化快等特点，具体表现为大气中各位置的风场强度和方向变化都极快。已有学者针对大气风场作用下无人机飞行状态进行了探索研究。俞玮(2004)根据长航时无人机的特殊飞行任务特点和技术要求，研究了大展弦比、长航时无人机在特定大气风场（Dryden紊流模型、微下击暴流模型和过山气流模型）作用下的飞行状态。张成(2008)重点研究了临近空间环境下大气风场的建模方法，仿真无人机在变化的大气风场中的飞行响应特性，讨论大气风场对飞行性能曲线的影响，以及无人机在变化的大气风场中爬升时的航迹优化。

无人机遥感平台在空中作业时，时刻变化的大气风场与无人机遥感平台相互作用，导致无人机遥感平台的姿态也随之发生变化。大气风场的传递效应，依次引起无人机平台姿态、稳定平台姿态、载荷姿态等发生相应变化，很终导致所获取的无人机遥感数据出现质量退化。在国家863计划重点项目“无人机遥感载荷综合验证系统”中，无人机遥感平台搭载的光学载荷因受大气风场及其传递效应的影响，其载荷姿态在遥感数据获取过程中不断发生变化，导致获取的遥感影像出现模糊和几何畸变等退化现象。图1.2和图1.3分别展示了线阵高光谱无人机遥感原始影像和几何校正后影像。

为降低大气风场对无人机遥感图像质量的影响，研究人员在无人机平台和光学载荷之间加装光电稳定平台，利用光电稳定平台的实时姿态补偿特性，减少无人机平台姿态变化对载荷姿态的影响，以期在遥感图像获取时载荷处于稳定状态。然而，由于受机械传动和控制精度等的，光电稳定平台时常难以接近消除无人机姿态变化带来的影响，获取的无人机遥感图像质量仍出现不同程度退化。倘若这些质量退化的遥感图像在后期数据处理过程不能得到有效纠正，将大大降低无人机遥感数据的应用效能，从而无法满足各行业对高质量航空遥感数据的应用需求。

目前，市场对高质量无人机遥感数据的巨大需求与我们实际获取数据的质量之间存在很好