本发明涉及污染气体光学遥感探测技术，尤其涉及使用so2紫外相机监测船舶等移动污染源的背景图像校正领域，具体为一种用于船舶尾气排放遥感监测的实时背景重构方法。
背景技术：
1、船舶在航行和停靠过程中会排放大量尾气，尾气中包括sox、nox以及pm等污染气体。这些污染物的排放会对大气造成极大影响，并给水质环境和大气生态带来不可挽回的危害。在众多污染物中，so2的占比最高，而且对生态环境的危害尤为巨大。so2是一种自然和人为都能产生的有毒气体，是形成酸雨的重要前驱物。因此，监测船舶尾气中的so2排放对改善环境质量具有重要意义。
2、随着技术发展，so2紫外相机技术因监测范围广、测量精度高、结构简单、分辨率高等优点得到迅猛发展，成为船舶尾气so2排放监测的有效技术手段。so2紫外相机是利用so2气体能够吸收太阳光的散射来测量气体浓度，so2分子在240nm～320nm范围内有显著的光谱特征，其峰值在290nm附近，但小于300nm的紫外光会被大气中的臭氧吸收。因此，选择310nm作为信号通道来量化so2气体和碳黑颗粒物。为消除碳黑颗粒物对so2浓度反演的影响，通常选择330nm作为参考通道量化碳黑颗粒物。
3、当so2紫外相机采集到图像后，需经过反演过程得到so2浓度，而使用传统方法反演过程中一般需要采集四张图像，即一张信号通道和一张参考通道获取的烟羽图像同时，还需额外采集当前时刻两通道的天空背景图像。在晴朗无云的天气条件对静止船舶的so2排放情况进行监测时，由于整个监测过程中天空背景变化不大，可以通过在监测开始前及结束后分别采集到的天空背景作为整个监测过程的背景图像，此时天空背景变化导致的不确定性影响较小。而对于移动的船舶，每帧图像对应的天空背景会随监测视角发生变化，进而导致反演结果不准确。
技术实现思路
1、为了克服现有技术中的问题，本发明提出了一种用于船舶尾气排放遥感监测的实时背景重构方法。
2、本发明解决上述技术问题的技术方案如下：
3、本发明提供了一种用于船舶尾气排放遥感监测的实时背景重构方法，包括以下步骤：
4、步骤s10：对船舶尾气图像进行采集，获取双通道原始羽流图像，分别对所述双通道原始羽流图像进行阈值化和标记处理，确定船舶和羽流结构；其中，所述双通道包括信号通道和参考通道；
5、步骤s20：基于双通道原始羽流图像，分别对船舶和羽流结构进行扣除，得到不包含船舶和羽流结构的图像，并将不包含船舶和羽流结构的图像中羽流结构部分设为空值；
6、步骤s30：利用空值以外的天空背景数据重新拟合填补每一列，生成与原始羽流图像大小一致的双通道人工天空背景图像；
7、步骤s40：利用双通道人工天空背景图像及双通道原始羽流图像联合反演出so2浓度图像。
8、进一步地，所述步骤s10包括以下步骤：
9、步骤s11：使用so2紫外相机的双通道结构同时对船舶尾气图像进行采集，获取双通道原始羽流图像，所述双通道原始羽流图像包括信号通道船舶羽流图像及参考通道船舶羽流图像；
10、步骤s12：读取所获取的双通道原始羽流图像，并将所述原始羽流图像转化为双精度浮点型数据；
11、步骤s13：对转换后的双通道原始羽流图像分别使用最大类间方差法进行阈值化处理，以对船舶和羽流结构进行识别；
12、步骤s14：对船舶和羽流结构进行标记，将船舶和羽流结构的像素设为1，其余像素设为0。
13、进一步地，所述步骤s20包括以下步骤：
14、步骤s21：在双通道原始羽流图像基础上，分别对上述标记为1的船舶和羽流结构进行扣除，分别得到不包含船舶和羽流结构的双通道原始羽流图像，扣除的区域像素值为零，未扣除的区域像素显示为原值；
15、步骤s22：分别创建与双通道原始羽流图像大小相同的矩阵，并将矩阵中所有值设为空值；然后将上述步骤中非零像素部分复制到对应的矩阵中，双通道原始羽流图像中船舶和羽流结构区域像素变为空值。
16、进一步地，所述最大类间方差法包括：通过设定两个阈值，使用最大类间方差法来获得第一个阈值，然后根据第一个阈值将图像分为两部分；再对两部分中大于第一阈值的部分使用最大类间方差法来生成第二个阈值，第一个阈值为羽流结构的下阈值，第二个阈值为羽流结构的上阈值，将上阈值之外的部分认定为天空背景，小于上阈值部分认定为羽流和船舶结构。
17、进一步地，所述步骤s30中，利用空值以外的天空背景数据重新拟合填补每一列，通过使用多项式拟合，填补图像中被剔除的船舶和羽流结构部分，具体包括：
18、每一列的多项式拟合表示为：
19、i0(λ,j,k)＝p(λ,j,k)；
20、式中，i0(λ,j,k)表示人工生成的天空背景图像；λ为波长，j代表图像中坐标系的水平方向，k代表图像中坐标系的垂直方向，p为低阶多项式；
21、通过最小二乘法拟合出一个多项式，通过寻找去除船舶和羽流结构的图像中(xi,yi)，使得数据与拟合函数之间的误差最小；xi表示自变量，yi表示对应的因变量，假设拟合曲线为多项式，即：
22、f(x)＝a0+a1x+……+an-1xn-1+anxn；
23、其中，n是多项式的阶数，a为多项式的系数；采用平方误差，即实际观测值与预测值之差的平方和，来表示拟合多项式与观测数据之间的具有差异，其表达式为：
24、
25、式中，e为误差函数，(a0,a1,……,an-1,an)为多项式的系数，yi为第i个观测数据的因变量，f(xi)为拟合多项式在xi的观测值；
26、最小二乘法通过找寻多项式系数最佳值，使其误差函数最小，求取误差函数的偏导数为零的方程组来实现，如下所示：
27、
28、方程组的解为最小化误差函数的多项式系数；
29、将拟合结果转化为与建立矩阵大小相同的矩阵，并对所有空值的列进行填补，即可生成人工拟合的双通道人工天空背景图像。
30、进一步地，所述步骤s40包括以下步骤：
31、步骤s41：获取双通道人工拟合的天空背景图像辐射强度，及双通道原始羽流图像的辐射强度：
32、步骤s42：根据beer-lambert定律计算信号通道的光学厚度τa和参考通道的光学厚度τb：
33、
34、
35、式中，ia(λ)表示信号通道船舶羽流图像辐射强度，ib(λ)表示参考通道船舶羽流图像辐射强度；ia0(λ)表示人工天空背景信号通道图像辐射强度，ib0(λ)表示人工天空背景参考通道图像辐射强度；
36、步骤s43：对信号通道的光学厚度图像和参考通道的光学厚度图像做差值处理，获取烟羽so2光学厚度真实值
37、
38、步骤s44：使用实时自定标方法计算出定标系数，用so2光学厚度乘以定标系数，即可求取实时船舶尾气背景图像校正后的so2浓度图像。
39、进一步地，所述信号通道船舶羽流图像辐射强度ia(λ)表示为：
40、ia(λ)＝ia0(λ)exp(-σ(λ)s(λ)-τm)；
41、其中，ia0(λ)为表示人工天空背景信号通道图像辐射强度；σ(λ)为so2分子的吸收截面；s(λ)为so2柱密度，τm为气溶胶光学厚度。
42、进一步地，所述参考通道船舶羽流图像辐射强度ib(λ)表示为：
43、ib(λ)＝ib0(λ)exp(-τm)
44、其中，ib0(λ)为人工天空背景参考通道图像辐射强度。
45、与现有技术相比，本发明具有如下技术效果：
46、本发明提出的船舶尾气羽流背景图像实时校正技术不受相机视场移动的限制，只需通过so2紫外相机拍摄信号通道和参考通道的船舶羽流图像，拟合出当前羽流的人工背景，生成的背景图像具有实时性；此方法克服了无法同时采集烟羽和天空背景信息，导致传统方法的计算结果与实际情况不匹配的问题。
1.一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述步骤s10包括以下步骤：
3.根据权利要求2所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述步骤s20包括以下步骤：
4.根据权利要求3所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述最大类间方差法包括：通过设定两个阈值，使用最大类间方差法来获得第一个阈值，然后根据第一个阈值将图像分为两部分；再对两部分中大于第一阈值的部分使用最大类间方差法来生成第二个阈值，第一个阈值为羽流结构的下阈值，第二个阈值为羽流结构的上阈值，将上阈值之外的部分认定为天空背景，小于上阈值部分认定为羽流和船舶结构。
5.根据权利要求3所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述步骤s30中，利用空值以外的天空背景数据重新拟合填补每一列，通过使用多项式拟合，填补图像中被剔除的船舶和羽流结构部分，具体包括：
6.根据权利要求5所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述步骤s40包括以下步骤：
7.根据权利要求6所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述信号通道船舶羽流图像辐射强度ia(λ)表示为：
8.根据权利要求7所述的一种用于船舶尾气排放遥感监测的实时背景重构方法，其特征在于，所述参考通道船舶羽流图像辐射强度ib(λ)表示为：
