白 楊，王靈麗*，武紅宇，田世強(qiáng)，王 棟，鐘 興，韓 威，楊建新

（1. 長光衛(wèi)星技術(shù)有限公司，吉林 長春130051；2. 中國氣象局?jǐn)?shù)值預(yù)報(bào)中心，北京 100081）

1 引 言

光學(xué)衛(wèi)星在對地觀測獲取遙感影像前，需要通過上注指令設(shè)置傳感器成像參數(shù)，用于獲取高動(dòng)態(tài)范圍的高質(zhì)量遙感影像數(shù)據(jù)，如視頻相機(jī)一般需要設(shè)置增益、幀頻、單幀圖像曝光時(shí)間，推掃相機(jī)需要設(shè)置積分級數(shù)、行積分時(shí)間、增益等必要的成像參數(shù)［1-2］。成像參數(shù)設(shè)置不合理會極大的降低數(shù)據(jù)質(zhì)量，當(dāng)成像參數(shù)設(shè)置過低時(shí)，獲取的影像數(shù)據(jù)有效動(dòng)態(tài)范圍小，降低了影像對地物的解析和判讀能力，當(dāng)成像參數(shù)設(shè)置過高時(shí)，會導(dǎo)致圖像的最大灰度超出傳感器有效范圍，而產(chǎn)生圖像整體或部分區(qū)域灰度值飽和現(xiàn)象，使得數(shù)據(jù)缺失飽和區(qū)域地物的紋理及細(xì)節(jié)信息［3-5］。因此合理設(shè)置衛(wèi)星成像參數(shù)是衛(wèi)星獲得高質(zhì)量影像數(shù)據(jù)的重要保障和前提。

目前常規(guī)的光學(xué)衛(wèi)星傳感器成像參數(shù)設(shè)置方式是依據(jù)目標(biāo)拍攝時(shí)刻的太陽高度角建立衛(wèi)星成像參數(shù)查找表，這種設(shè)置方式簡便易行，然而相同太陽高度角下拍攝目標(biāo)點(diǎn)的地表反照率、大氣環(huán)境以及衛(wèi)星觀測角度均會影響傳感器的灰度響應(yīng)，在不同地物拍攝過程中，難以保證圖像均獲得較好的拍攝效果。Skybox 采用MODIS 大氣光學(xué)厚度（Atmospheric Optical Thichness，AOT）歷史平均數(shù)據(jù)，利用大氣輻射傳輸模型6SV（Second Simulation of a Satellite Signal in the Solar Spectrum-Vector），預(yù)測曝光參數(shù)［2］。北京一號依據(jù)拍攝目標(biāo)點(diǎn)太陽高度角，基于歷史數(shù)據(jù)底圖，最終根據(jù)不同的拍攝目標(biāo)，如沙漠、海洋、城鎮(zhèn)等，利用6S 輻射傳輸模型預(yù)測曝光參數(shù)［6］。上述這兩種方式均能在一定程度上改善圖像的拍攝效果，但是基于歷史數(shù)據(jù)預(yù)測的方法，對于地表隨時(shí)間變化較大，或是難以根據(jù)歷史數(shù)據(jù)預(yù)估的天氣變化（如降雪等）的區(qū)域則無法獲得理想的預(yù)測效果。如何將具有時(shí)變特性的地表反照率，以及大氣變化產(chǎn)生的影響加入到光學(xué)衛(wèi)星成像參數(shù)設(shè)置中，成為了光學(xué)衛(wèi)星對地觀測高效率獲取高質(zhì)量遙感影像數(shù)據(jù)的難題。

為了解決這一難題，本文提出了一種基于氣象預(yù)測數(shù)據(jù)的衛(wèi)星成像參數(shù)設(shè)置方法，方法基于氣象預(yù)測數(shù)據(jù)數(shù)值預(yù)測模型獲取未來10 天不同時(shí)刻的地表反照率、總云量和雪層厚度數(shù)據(jù)，再根據(jù)拍攝目標(biāo)點(diǎn)地表反照率和云量，結(jié)合MODTRAN（Moderate Resolution Atmospheric Transmission）大氣輻射傳輸模型建立從地表到傳感器的輻射傳輸模型，模擬不同成像參數(shù)下圖像的平均灰度響應(yīng)，依據(jù)圖像灰度動(dòng)態(tài)范圍合理的策略選取合適的成像參數(shù)。為了驗(yàn)證本文提出的成像參數(shù)設(shè)置方法，利用吉林一號視頻04 星測試成像參數(shù)預(yù)測效果，測試結(jié)果表明，本文提出的方法預(yù)測精度能夠較好地保證成像參數(shù)設(shè)置的合理有效。

2 影像檢測系統(tǒng)的構(gòu)成及其工作原理

在光學(xué)衛(wèi)星對地面觀測成像前，需通過任務(wù)規(guī)劃設(shè)置衛(wèi)星的成像參數(shù)，成像參數(shù)主要包括傳感器的積分級數(shù)、增益、行積分時(shí)間等，并最終經(jīng)地面站指令上注上傳至衛(wèi)星，用于保障衛(wèi)星正常成像任務(wù)。衛(wèi)星傳感器的成像方式主要分為線陣傳感器推掃成像（圖1（a））和面陣傳感器凝視成像（圖1（b）），不同的傳感器成像方式具有不同的成像參數(shù)及設(shè)置方式，本文主要研究線陣推掃成像方式傳感器的成像參數(shù)獲取方法。

線陣推掃成像TDI CCD（Time Delay Integration Charge Coupled Device）傳感器是將入瞳處輻亮度通過傳感器光電轉(zhuǎn)換獲取圖像灰度響應(yīng) DN（Digital Number）［7］，其定義如式（1）所示：

圖1 推掃與凝視成像方式Fig.1 Imaging mode of push-broom and staring

式中：M為積分級數(shù)，tint為傳感器行積分時(shí)間，G為轉(zhuǎn)換增益，單位為DN/e-，可以在成像時(shí)進(jìn)行調(diào)整；L0為入瞳處譜段輻亮度，與拍攝地物相關(guān)；τ0為光學(xué)系統(tǒng)透過率，受大氣參數(shù)影響；Ad為探測像元面積，F(xiàn)為光學(xué)系統(tǒng)相對孔徑數(shù)，η為傳感器的量子效率，這些參數(shù)與傳感器光學(xué)系統(tǒng)、電子學(xué)性能相關(guān)，在傳感器設(shè)計(jì)完成后不再改變；h為普朗克常量，v=c/λ，c為光速。

根據(jù)公式（1），在推掃成像中可調(diào)節(jié)的衛(wèi)星成像參數(shù)為積分級數(shù)、增益和行積分時(shí)間。為了獲取清晰的圖像，成像參數(shù)行時(shí)間需要同像元運(yùn)動(dòng)速度相匹配［8］。由于衛(wèi)星飛行過程中緯度的變化，該參數(shù)需要實(shí)時(shí)進(jìn)行調(diào)整，因此衛(wèi)星在成像期間會自主對該參數(shù)進(jìn)行實(shí)時(shí)運(yùn)算，無需通過成像前任務(wù)規(guī)劃進(jìn)行設(shè)置。

衛(wèi)星規(guī)劃推掃成像任務(wù)時(shí)，需要設(shè)置的衛(wèi)星成像參數(shù)為積分級數(shù)和增益，由于不同傳感器的設(shè)計(jì)差異或基于圖像質(zhì)量的考慮，也可能只調(diào)整積分級數(shù)或增益。若成像參數(shù)設(shè)置過高，會導(dǎo)致局部或整體圖像飽和，丟失被觀測地物的紋理細(xì)節(jié)信息；若成像參數(shù)設(shè)置過低，使得圖像偏暗，從而降低數(shù)據(jù)的地物識別和解譯能力。因此合理的設(shè)置衛(wèi)星成像參數(shù)是充分利用傳感器輻射分辨率，獲取灰度動(dòng)態(tài)范圍適宜的圖像，保障遙感影像數(shù)據(jù)質(zhì)量的重要前提。

3 成像參數(shù)推演

3.1 氣象預(yù)測數(shù)據(jù)

成像參數(shù)推演的目的是為了確定規(guī)劃拍攝目標(biāo)的積分級數(shù)和增益，保證圖像灰度響應(yīng)范圍適宜。根據(jù)成像參數(shù)與圖像灰度響應(yīng)的關(guān)系，拍攝目標(biāo)點(diǎn)輻亮度直接影響圖像的灰度響應(yīng)，而輻亮度主要受到地表地物反照率的影響。目前雖然能夠基于歷史地物反照率建立全球地物反照率底圖用于衛(wèi)星成像參數(shù)設(shè)置，然而地物的反照率并非固定不變，它會隨著地表覆蓋地物類型以及季節(jié)發(fā)生變化，且不同年份也會有差異。因此本文提出基于國家氣象局提供的氣象預(yù)測數(shù)據(jù)中的反照率數(shù)據(jù)進(jìn)行成像參數(shù)優(yōu)化的方法。

氣象預(yù)測數(shù)據(jù)是中國氣象局聯(lián)合國內(nèi)多家單位，在科技部“十五”國家重點(diǎn)科技攻關(guān)項(xiàng)目《中國氣象數(shù)值預(yù)報(bào)系統(tǒng)創(chuàng)新研究》支持下，自主研究建立了新一代多尺度通用資料同化與數(shù)值預(yù) 報(bào) 系 統(tǒng) GRAPES［9］。 從 2016 年 6 月 開 始 ，GRAPES 全球同化預(yù)報(bào)系統(tǒng)正式業(yè)務(wù)化運(yùn)行［10］。目前中國氣象局?jǐn)?shù)值預(yù)報(bào)中心實(shí)時(shí)業(yè)務(wù)系統(tǒng)提供的全球氣象預(yù)測數(shù)據(jù)，能夠預(yù)測未來10 天的全球地表反照率、低云量、總云量和表層雪深，經(jīng)過產(chǎn)品后處理后的全球數(shù)據(jù)柵格大小為1 440×2 880 pixels，網(wǎng)格水平分辨率為0.125°，預(yù)測數(shù)據(jù)時(shí)間分辨率為 1 h。圖 2 為 2017 年 3 月 2 日 19時(shí)的全球氣象預(yù)測數(shù)據(jù)。

圖2 全球地表反照率氣象預(yù)測數(shù)據(jù)Fig.2 Meteorological forecast data of global surface albedo

全球地表反照率氣象預(yù)測數(shù)據(jù)能夠較好地反映世界范圍內(nèi)不同區(qū)域的地表反照率，對于冰雪、沙漠、綠植都能較好地區(qū)分。同時(shí)，全球地表反照率預(yù)測數(shù)據(jù)對于隨時(shí)間變化較大的地區(qū)同樣具有較好的預(yù)測效果，圖3 為長春地區(qū)2017 年全年上午11 時(shí)地表反照率變化曲線。

圖3 長春地區(qū)反照率全年變化Fig.3 Annual variation of surface albedo of Changchun

圖3 中橫坐標(biāo)為年積日，即當(dāng)日在一年中的日序，縱坐標(biāo)為地表反照率。根據(jù)圖3 所示在積日為 346，即 2017 年 12 月 12 日，長春出現(xiàn)降雪，地表反照率發(fā)生階躍式地突變?？梢姡乇矸凑章暑A(yù)測數(shù)據(jù)能夠很好地反映地表狀態(tài)的改變，尤其對于降雪有較好的預(yù)測效果。

3.2 成像參數(shù)推演

建立遙感圖像成像鏈路模型是進(jìn)行成像參數(shù)推演的重要基礎(chǔ)。在光學(xué)成像系統(tǒng)中，傳感器獲取的能量來源于地表反射和大氣散射，太陽光從大氣層外入射到地表，地物反射輻射太陽光，透過大氣層進(jìn)入衛(wèi)星傳感器，傳感器將入瞳處輻亮度轉(zhuǎn)化為圖像灰度響應(yīng)。若忽略遙感成像過程中由大氣引起的光子吸收與散射，則其物理過程可如圖4 表示。

圖4 遙感圖像成像鏈路圖Fig.4 Graph of remote sensing image-link model

根據(jù)遙感圖像成像物理過程，結(jié)合氣象預(yù)測數(shù)據(jù)中的地物反照率，進(jìn)行成像參數(shù)推演?；跉庀箢A(yù)測數(shù)據(jù)的成像參數(shù)推演流程如圖5 所示。成像參數(shù)推演的具體流程為：

（1）根據(jù)衛(wèi)星任務(wù)規(guī)劃輸入規(guī)劃拍攝的目標(biāo)點(diǎn)經(jīng)緯度，以及該目標(biāo)點(diǎn)成像時(shí)刻；

（2）根據(jù)成像時(shí)刻、目標(biāo)點(diǎn)經(jīng)緯度讀取氣象預(yù)測數(shù)據(jù)的地表反照率fal，并計(jì)算大氣輻射傳輸模型需要的參數(shù)，包括太陽高度角和方位角、衛(wèi)星觀測高度角和方位角等。模型輸入中，大氣模型由拍攝點(diǎn)經(jīng)緯度、拍攝季節(jié)確定［11］。由于不同地物有明顯不同的反照率，故可參考地表反照率預(yù)報(bào)來粗略設(shè)置氣溶膠類型，對于反照率小于0.08 的地區(qū)，其氣溶膠模型設(shè)置為海洋型；對于反照率在0.08～0.28 區(qū)間的地區(qū)，氣溶膠類型設(shè)置為鄉(xiāng)村型；反照率在0.28～0.45 區(qū)間的地區(qū)氣溶膠類型設(shè)置為沙漠型，反照率大于0.45 的地區(qū)設(shè)置為城市型。由于缺少能見度的預(yù)測數(shù)據(jù)及足夠完整的全球能見度歷史數(shù)據(jù)集，同時(shí)不同地區(qū)氣溶膠分布具有明顯局地性［12］，故參考MODIS 的歷史MOD08_M3 大氣產(chǎn)品中各年每月平均550 nm 氣溶膠光學(xué)厚度值，通過輸入拍攝時(shí)刻前一年相同月份的平均550 nm 氣溶膠光學(xué)厚度來粗略代替表示能見度的特性［13］。最后將前述參數(shù)輸入MODTRAN4 大氣輻射傳輸模型計(jì)算天頂光譜輻亮度；

（3）根據(jù)各譜段的光譜響應(yīng)曲線利用公式（2）計(jì)算對應(yīng)譜段的輻亮度，并計(jì)算不同成像參數(shù)組合對應(yīng)譜段輻亮度的灰度響應(yīng)，其中圖像灰度響應(yīng)根據(jù)傳感器絕對輻射定標(biāo)系數(shù)圖像灰度與輻亮度線性系數(shù)進(jìn)行計(jì)算，計(jì)算公式如式（3）所示，所計(jì)算出的灰度響應(yīng)是成像目標(biāo)區(qū)域的平均灰度響應(yīng)：

其中：Lband為譜段輻亮度（band=1，2，…，n），L（λ）為利用大氣輻射傳輸模型計(jì)算得到的天頂光譜輻亮度，單位均為W/(m2·sr·μm)，Rband(λ)為譜段band 的相對光譜響應(yīng)曲線。

其 中 ：DNband，i為 對 應(yīng) 譜 段 band 的 輻 亮 度Lband在成像參數(shù)組合i（i=1，2，…，m）時(shí)對應(yīng)的灰度響應(yīng) ，gainband，i，offsetband，i為 對 應(yīng) 譜 段 和 成 像 參 數(shù) 組合傳感器絕對輻射定標(biāo)線性系數(shù)的斜率和截距。

（4）設(shè)置圖像灰度響應(yīng)閾值，從不同參數(shù)組合對應(yīng)的灰度響應(yīng)中，查找與閾值最接近的成像組合參數(shù)作為該譜段最優(yōu)成像組合參數(shù)，成像參數(shù)選取的原則是在圖像不過曝的前提下盡量保證圖像動(dòng)態(tài)范圍適宜，即避免獲取的遙感影像數(shù)據(jù)在低地表反照率時(shí)過暗、在高地表反射率時(shí)過亮，故采用分段線性函數(shù)，并通過大量測試驗(yàn)證的效果對比設(shè)定閾值thre，其計(jì)算方法如公式（4）所示：

其中：max_DN為圖像的最大灰度值，fal為氣象預(yù)測數(shù)據(jù)中獲取的地表反照率。

圖像灰度響應(yīng)反映了通過成像鏈路模型推演的平均圖像灰度，本文提出的圖像參數(shù)選取策略是根據(jù)地表反照率設(shè)置圖像灰度響應(yīng)閾值，即在地表反照率偏低時(shí)，調(diào)高閾值，避免圖像過暗，在地表反照率偏高時(shí)，降低閾值，避免高地表反照率引起圖像飽和。在圖像成像參數(shù)組合中選取灰度響應(yīng)最接近閾值的一組作為成像參數(shù)來實(shí)現(xiàn)高動(dòng)態(tài)范圍的遙感影像數(shù)據(jù)獲取。

圖5 成像參數(shù)推演流程圖Fig.5 Flow chart of imaging parameter deduction

為了定量化分析成像參數(shù)優(yōu)化效果，利用信息熵的指標(biāo)進(jìn)行評估。信息熵主要反映圖像包含地物信息的詳細(xì)程度，一般用熵來表達(dá)，熵是從信息論角度反映影像信息豐富程度的一種度量方式，通過對圖像信息熵的比較可以對比出影像的細(xì)節(jié)表現(xiàn)能力，信息熵Comentropy 的計(jì)算如公式（5）所示：

其中：k為灰度級數(shù)，bk為第 k 級的灰度值，p(bk)為bk出現(xiàn)的概率。

4 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文提出的基于氣象預(yù)測數(shù)據(jù)優(yōu)化衛(wèi)星成像參數(shù)算法的有效性，使用吉林一號視頻04 星在軌進(jìn)行推掃成像獲取的標(biāo)準(zhǔn)影像產(chǎn)品，并對獲取的影像數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

吉林一號視頻04 星（JL104B）是長光衛(wèi)星技術(shù)有限公司于2017 年11 月成功發(fā)射入軌的高分辨率光學(xué)衛(wèi)星，衛(wèi)星通過搭載2 臺0.92 m高分辨率相機(jī)構(gòu)成了雙相機(jī)結(jié)構(gòu)，每臺相機(jī)均具備推掃和視頻成像能力，本文使用其推掃模式成像驗(yàn)證所提出的算法，推掃模式下成像主要參數(shù)如表1 所示。推掃圖像包含全色和多光譜譜段，其中多光譜所包含的5 個(gè)譜段分別為Blue，Green，Red，Red Edge 和 NIR，雙相機(jī)幅寬20 km。

表1 JL104B 推掃成像主要參數(shù)Tab.1 Imaging parameters of JL104B push-broom mode

吉林一號視頻04 星單景影像幅寬與氣象預(yù)測數(shù)據(jù)像元分辨率0.125°基本相當(dāng)，因此能夠利用氣象預(yù)測數(shù)據(jù)獲取對應(yīng)拍攝目標(biāo)點(diǎn)的地表反照率。

根據(jù)文中提出的基于氣象預(yù)測數(shù)據(jù)優(yōu)化衛(wèi)星成像參數(shù)的方法對比成像參數(shù)優(yōu)化前后的傳感器成像效果，實(shí)現(xiàn)優(yōu)化參數(shù)的定量評價(jià)，其中圖6 為長春區(qū)域雪景拍攝對比圖，表2 為成像參數(shù)優(yōu)化前后圖像灰度與信息熵統(tǒng)計(jì)結(jié)果。表2 中飽和率（Saturation factor）為圖像飽和像元的比率，Max（1%）和Min（1%）分別為對應(yīng)圖像灰度直方圖1% 的灰度級，灰度響應(yīng)范圍Range 為Max（1%）-Min（1%）。

圖 6（a）和（b）分別為長春區(qū)域（Lat：44.53，Lon：125.60）2018 年 12 月 30 日 和 2019 年 01 月03 日 雪 景 全 色 圖 像 ，2018 年 12 月 30 日 成 像 根 據(jù)目標(biāo)點(diǎn)成像時(shí)刻太陽高度角19.3°設(shè)置增益為8.0x，積分級數(shù)為 10 級，2019 年 01 月 03 日成像采用本文提出的成像參數(shù)優(yōu)化策略，結(jié)合地表反照率預(yù)測數(shù)據(jù)，成像增益設(shè)置為4.0x，積分級數(shù)為10 級。圖6（a）中出現(xiàn)了雪景局部過曝的現(xiàn)象，表2 列出圖像飽和率為77.80%，圖像部分細(xì)節(jié)信息丟失，而圖6（b）為采用成像參數(shù)優(yōu)化后的成像效果，較好得保留了雪表面的特征，消除了圖像局部飽和的現(xiàn)象，相比于成像參數(shù)優(yōu)化前信息熵提升了23.71%?？梢姡疚奶岢龅姆椒▽τ诟纳茍D像局部過曝有較好的效果。

圖6 成像參數(shù)前后長春區(qū)域影像結(jié)果對比Fig. 6 Comparison of imaging results of Changchun before and after optimization of imaging parameters

同樣地，對低照度區(qū)域采用本文提出的方法進(jìn)行在軌成像測試，圖7 為亞松森拍攝成像參數(shù)優(yōu)化前后對比圖，并列出各個(gè)譜段的灰度分布直方圖，表3 為亞松森成像參數(shù)優(yōu)化前后圖像灰度與信息熵對比結(jié)果。

表2 成像參數(shù)優(yōu)化前后對比長春拍攝Tab.2 Before and after optimization of the imaging parameters for Changchun

圖 7（a）和（c）分別為亞松森（Lat：-24.84，Lon：-57.38）2018 年 12 月 5 日和 2019 年 3 月 21日植被假彩色圖像（NIR-Red-Green），圖7 中（b）和（d）兩次成像對應(yīng)的各個(gè)譜段灰度直方圖，根據(jù)灰度直方圖，圖9（c）圖像灰度動(dòng)態(tài)范圍更大，而圖7（a）中Red 譜段的平均灰度僅為103，整體灰度值偏低，圖 7（c）成像效果優(yōu)于圖 7（a）。該目標(biāo)點(diǎn)成像根據(jù)太陽高度角（65.8°和63.9°）設(shè)置成像增益為1.0x，積分級數(shù)為4 級，而采用本文提出的成像參數(shù)優(yōu)化策略，由于該目標(biāo)點(diǎn)地表反照率偏低，2019 年 3 月 21 日（圖 9（c））將成像增益調(diào)整為2.0x，積分級數(shù)4 級，使得成像效果得到顯著提升。根據(jù)表3 中統(tǒng)計(jì)結(jié)果，在成像參數(shù)優(yōu)化后各個(gè)譜段的平均灰度響應(yīng)增加，信息熵分別提高4.37%～18.63%?？梢?，本文提出的方法對于低亮度圖像灰度有明顯地改善，使得低亮度區(qū)域細(xì)節(jié)信息更為清晰（彩圖見期刊電子版）。

圖7 成像參數(shù)優(yōu)化前后亞松森拍攝區(qū)域成像結(jié)果對比Fig. 7 Comparison of imaging results of Asuncion

表3 成像參數(shù)優(yōu)化前后對比亞松森拍攝Tab.3 Before and after optimization of the imaging parameters for Asuncion

根據(jù)視頻04 星推掃成像模式的實(shí)際在軌成像效果，采用本文提出的成像參數(shù)優(yōu)化算法能夠有效保證圖像在不過曝的前提下獲取適宜的圖像灰度動(dòng)態(tài)范圍。

5 結(jié) 論

光學(xué)遙感衛(wèi)星是獲取對地觀測遙感數(shù)據(jù)的重要手段，為了保障在軌運(yùn)行的衛(wèi)星對地成像能夠獲得合理的動(dòng)態(tài)范圍的高質(zhì)量遙感數(shù)據(jù)，提升衛(wèi)星獲取數(shù)據(jù)的有效率及數(shù)據(jù)解譯能力，本文提出了將氣象衛(wèi)星數(shù)據(jù)用于陸地觀測衛(wèi)星規(guī)劃中，通過結(jié)合氣象預(yù)測數(shù)據(jù)和衛(wèi)星傳感器絕對輻射定標(biāo)結(jié)果利用輻射傳輸模型核算在軌拍攝圖像灰度響應(yīng)，為選取衛(wèi)星合理的成像參數(shù)提供有效依據(jù)，從而在有效避免圖像飽和的同時(shí)極大的提升了低亮度區(qū)域的圖像灰度，從根本上提升了衛(wèi)星獲取有效數(shù)據(jù)的能力及所獲取數(shù)據(jù)的解譯能力。通過吉林一號視頻04 星在軌成像進(jìn)行驗(yàn)證，實(shí)驗(yàn)證明本文提出的算法對全色和多光譜譜段圖像信息熵分別提升4.37%～23.71%，對比成像參數(shù)優(yōu)化策略使用前后獲取的影像數(shù)據(jù)，充分證明了本文提出的方法對于圖像過曝與圖像灰度過暗具有良好的改善效果。進(jìn)一步的研究計(jì)劃將關(guān)注提升圖像灰度預(yù)測精度，根據(jù)衛(wèi)星傳感器長期在軌成像特性跟蹤精細(xì)設(shè)置灰度動(dòng)態(tài)選取范圍。