遥感图像辐射处理
遥感图像辐射处理
基本概念
• 辐射定标和辐射校正是遥感数据定量 化的最基本环节。
• 辐射定标：指传感器探测值的标定过 程方法，用以确定传感器入口处的准 确辐射值。
• 辐射校正：指消除或改正遥感图像成 像过程中附加在传感器输出的辐射能 量中的各种噪声的过程。
进入遥感器的辐射强度反映在图像上就是亮度值（灰 度值）。辐射强度越大，亮度值（灰度值）越大。
地形坡度引起的辐射校正方法需要有图像对应地区的DEM数据， 校正较为麻烦，一般情况下对地形坡度引起的误差不做校正。 对于多波段图像，可用波段比值来进行校正，消除地表坡度的 影响。
三、系统噪音
• 图像数据中的干扰。 • 产生的原因：受感测、信号数字化或数
据记录过程中的限制。 • 影响：数字图像质量下降，或完全掩盖
• 我国根据需要选择了敦煌西戈壁作为可见光和 红外波段的辐射校正场，青海湖作为热红外波 段和红外低发射率的辐射校正场。
中国气象局第7号令 《气象探测环境和设施保护办法》
• 第十五条 严禁在遥感卫星辐射校正场场 区内从事任何建设和改变场区内自然状 态的行为。 本办法所称遥感卫星辐射校正场，是 指利用辐射特性稳定、均匀的地物目标 作为辐射参考基准，通过星地同步观测， 对在轨运行遥感仪器进行绝对辐射定标 或星上辐射定标校正的场地。
加拿大在北部大草原也开展卫星、飞机积雪同步观测,以 便对卫星传感器作出客观评价。
根据美、法公布的资料，目前用辐射校正场的方法对可见光 和近红外波段的标正精度可达6%-3%左右。除成功地对 Landsat-4、5的TM，SPOT的HRV，NOAA-9、10 、11 的AVHRR ，Nimbus-7的CZCS 进行辐射校正外，目前正在进一步研究 高分辨率成像光谱仪(AVIRIS) 和中分辨率成像光谱仪 (MODIS) 的辐射校正，并对法国偏光照相机(POLDER) 进行 辐射校正。
遥感图像处理的基本步骤与技巧
遥感图像处理的基本步骤与技巧遥感技术是指利用航天器、飞机、卫星等高空平台获得的遥感图像进行信息提取和数据分析的过程。
随着科技的不断进步和应用范围的扩大，遥感图像处理已经成为许多领域中的重要工具。
本文将介绍遥感图像处理的基本步骤与技巧，以帮助读者更好地理解和应用这一技术。
一、图像预处理遥感图像预处理是遥感图像处理的第一步，旨在通过去除噪声、辐射校正和几何校正等处理，使图像质量更高，方便后续处理。
其中，去除噪声主要是采用滤波算法，如中值滤波、均值滤波等。
辐射校正主要用于将图像的辐射能量转换为表观反射率，以消除云、阴影等因素的影响。
几何校正是通过对图像进行几何变换，将其与地理坐标系统对齐，以便于后续的地理信息提取。
二、特征提取特征提取是遥感图像处理的核心环节，目的是从遥感图像中提取出具有代表性和区分度的特征信息。
常用的特征包括光谱特征、纹理特征、形状特征等。
光谱特征是指根据图像像素的光谱反射率或辐射能量，提取出不同波段的特征。
纹理特征是指从图像中提取出地物的纹理信息，包括纹理方向、纹理密度等。
形状特征是指从图像中提取出地物的形状信息，包括面积、周长等。
三、分类与识别分类与识别是遥感图像处理中的重要任务，目的是将地物按照其属性进行分类和识别。
常见的分类方法包括监督分类和无监督分类。
监督分类是指根据已知的样本类别信息，通过训练分类器将图像中的地物分到不同的类别中。
无监督分类是指根据图像像素之间的相似性将其分为一定数量的类别。
分类结果可以用于制作地图、监测资源变化等。
四、变化检测变化检测是遥感图像处理中的一项重要任务，主要应用于监测和分析地表物体的变化。
遥感图像在不同时间获取的变化信息可以帮助我们了解自然和人类活动对地表的影响。
常见的变化检测方法包括像素级变化检测和对象级变化检测。
像素级变化检测是指比较两幅图像对应像素之间的差异，以确定变化的位置和类型。
对象级变化检测是指先将图像分割成不同的对象，然后比较不同时间获取的对象之间的差异。
地理信息系统中的遥感图像处理与解译技术教程
地理信息系统中的遥感图像处理与解译技术教程遥感技术是指利用人造卫星、飞机、无人机等遥感设备对地球表面进行观测和感知的技术。
这些设备可以获取多光谱、高分辨率的遥感图像，为地理信息系统（GIS）中的各种应用提供了重要的数据源。
地理信息系统中的遥感图像处理与解译技术是对遥感图像进行数字处理和解读，以提取有关地表特征和地物信息的方法和技术。
本文将介绍地理信息系统中的遥感图像处理与解译技术，并提供一些教程和示例以帮助读者了解和掌握这些技术。
一、遥感图像的处理遥感图像的处理包括预处理和后处理两个阶段。
预处理主要是对原始的遥感图像进行辐射校正、大气校正、几何校正等处理，以获得准确、可比较的图像数据。
后处理则是对经过预处理的图像进行增强、分类、融合、特征分析等处理，以提取出感兴趣的信息。
1. 辐射校正：由于地表反射和传感器响应的非线性，遥感图像的原始数据通常需要进行辐射校正，以消除不同光照条件和传感器特性的影响。
2. 大气校正：大气影响是遥感图像中的常见问题之一，特别是在可见光和近红外波段。
大气校正可以校正遥感图像中由大气成分引起的光的吸收和散射。
3. 几何校正：几何校正是将图像的像素位置与地表特征的实际位置对应起来，以便进行空间分析和测量。
4. 增强处理：增强处理是改善遥感图像质量和可视化效果的一种方法，包括直方图均衡化、滤波、锐化等。
5. 特征提取：特征提取是从遥感图像中提取有关地物和地表特征的信息，包括目标检测、目标识别、图像分割等。
二、遥感图像的解译遥感图像的解译是将图像特征与地物类型进行对应，以提取地物信息和研究地表特征的过程。
1. 监督分类：监督分类是一种常用的遥感图像解译方法，它需要事先准备一组训练样本，然后使用分类算法将图像像素分配到不同的类别中。
2. 无监督分类：无监督分类是一种不依赖事先准备的训练样本的解译方法，它通过对图像进行聚类分析，将像素聚类到相似的类别中。
3. 目标检测与识别：目标检测与识别是从遥感图像中检测和识别特定目标或特征的过程，如建筑物、道路、水体等。
遥感图像处理的基本步骤和技巧
遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。
遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。
本文将介绍遥感图像处理的基本步骤和技巧。
一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。
常见的图像预处理技术包括辐射校正、大气校正和几何纠正。
辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。
大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。
几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。
二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。
常见的图像增强技术包括直方图均衡化、滤波和波段变换。
直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。
滤波是通过应用各种滤波器来去除图像中的噪声和模糊。
波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。
三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。
常见的特征提取技术包括阈值分割、边缘检测和纹理分析。
阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。
边缘检测是寻找图像中的边界线，以辅助划分地物边界。
纹理分析是通过提取图像的纹理特征来描述地物的空间结构。
四、分类与识别分类与识别是将特定地物进行分类和识别的过程。
常见的分类与识别技术包括监督分类、无监督分类和目标检测。
监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。
无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。
目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。
五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。
通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。
遥感图像的辐射校正实验报告
遥感图像的辐射校正实验报告1. 实验目的和内容实验目的：（1）复习巩固课堂上所学的对遥感图像的辐射校正，掌握这些校正方法的基本原理和方法，理解遥感图像辐射校正的意义;（2）实际学习对遥感图像进行绝对大气校正、相对大气校正的FLAASH和黑暗像元法;实验内容：（1）绝对大气校正将遥感图像的DN值转换为地表反射率、地表辐射率、地表温度等的方法。
本次实验通过FLAASH法进行绝对大气纠正。
（2）相对大气校正校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
本次实验通过黑暗像元法进行相对大气纠正。
2. 图像处理方法和流程A.绝对大气校正1、加载影像，打开ENVI，file>>open image file，打开L71120038_03820030128_MTL.txt2、辐射定标FLAASH模块需要输入的是经过辐射定标后的BIL/BIP文件，ENVI >> basic tools >>preprocessing > >calibration utilities >> Landsat calibration3、格式转换上述计算得到的存储方式为BSQ，FLAASH大气校正对于波段存储的要求为BIL/BIP格式，ENVI >> basic tools>> convert data (BSQ ,BIL ,BIP)4、FLAASH大气校正（1）ENVI>>basic tools>>preprocessing>>calibration utilities>> FLAASH，选择需要校正的数据。
选用第二种，设置Single scale factor：10。
（2）设置输入与输出文件①进入地理空间数据云，查询影像参数。
点击数据资源—LANDSAT系列数据—输入数据标识进行二次筛选—选择信息②查询图像的基本信息③设置Sensor类型为Landsat TM7，传感器参数被自动填写，影像和传感器参数查询数据相关信息后输入。
卫星遥感图像处理的关键技术与应用
卫星遥感图像处理的关键技术与应用随着科技的不断进步，卫星遥感技术已经成为一种非常重要的手段，用于获取地球表面的相关信息。
卫星遥感图像处理技术是对卫星获取的图像进行处理和分析，以获得更准确和清晰的地球表面信息。
本文将重点探讨卫星遥感图像处理的关键技术与应用。
一、关键技术1. 遥感图像的预处理遥感图像的预处理是卫星遥感图像处理的第一步，包括图像增强、噪声去除、几何校正、辐射校准等。
图像增强技术旨在提高图像的质量和可视性，常用的增强技术包括直方图均衡化、空间滤波等。
噪声去除技术通过降低图像中的噪声水平，改善图像的质量。
几何校正是为了消除图像中由于地表坡度、地球曲率等因素造成的形变影响，使图像在空间上具有准确的几何性质。
辐射校准是调整图像的辐射亮度，以使其能够反映地表上不同物质的辐射特性。
2. 特征提取与目标识别特征提取与目标识别是卫星遥感图像处理中的关键环节。
特征提取是指通过计算和分析图像中的纹理、形状、颜色等特征来描述地物。
常用的特征提取方法包括灰度共生矩阵、小波变换、主成分分析等。
目标识别是指根据提取到的特征，将图像中的地物进行分类和识别。
常见的目标识别方法包括支持向量机、人工神经网络等。
3. 数据融合与时序分析数据融合是指将多源、多尺度、多时相的遥感数据进行融合，以获取更全面和准确的地表信息。
常用的数据融合方法包括像素级数据融合、特征级数据融合和决策级数据融合。
时序分析是利用多时相的遥感影像进行变化检测和监测，以了解地表变化的情况。
常见的时序分析方法包括差异图像法、频域分析法等。
二、应用领域1. 环境监测与灾害评估卫星遥感图像处理技术在环境监测与灾害评估方面具有重要的应用价值。
通过对遥感图像进行处理和分析，可以实时监测和评估地表水质、土地利用、植被覆盖等环境因素的变化情况，为环境保护、资源管理等提供可靠的数据支持。
同时，在自然灾害的预警和应急响应中，卫星遥感图像处理技术可以提供灾害范围、类型和程度等关键信息，为抢救和救援工作提供科学依据。
遥感图像处理辐射校正方法
遥感图像处理辐射校正方法近年来,随着航天技术、计算机技术、卫星定位技术和地理信息技术的发展,摄影测量与遥感已成为地球空间信息科学的基础技术,遥感集市在人类生活的诸多领域被广泛应用。
然而,在遥感成像时,由于各种因素的影响,遥感图像会存在一定的辐射量失真现象,这些失真影响了图像的质量和应用,必须对其做消除或减弱处理,遥感图像辐射校正与增强技术就是针对遥感图像这一缺陷而发展起来的。
在图像遥感中,由于系统误差、大气、太阳辐射等的存在,电磁辐射在太阳—地球表面—传感器之间传输的过程中受到各种各样的影响,使得遥感器所接受的目标反射辐射能量被衰减,不能准确地反映表面真实的辐射特性。
所谓辐射校正,主要是纠正由于传感器制造、传感器芯片热噪声、成像天气条件、地物所处的地形和太阳的照射条件等因素造成的辐射度量误差,尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声而引起的传感器得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异,尽可能恢复图像的本来面目,为遥感图像的识别、分类、解译等后续工作打下基础。
辐射校正的主要内容包括:系统辐射校正、大气辐射校正、太阳辐射校正和其他辐射校正。
遥感技术的应用是人类视觉在波谱范围上的扩展和从物体表面向内部的延伸。
人眼虽可看到很多东西,可区分约三千多种色彩,但那只是波长为0.38-0.8m 的可见光部分。
对于黑白图像,人眼能区分的灰度级只有二三十个,而在非可见光波段,需要将原始图像的灰度值转换到0-255 灰度区间才有利于人眼观察。
但是如果以256 个灰度级来描述一幅黑白遥感图像,获得的原始图像的灰度值很难均匀分布在0-255 之间,而是常常集中在某一段灰度范围之内,图像的反差小,对比度差,不利于人眼的分辨,对遥感图像进行增强处理能有效解决这个问题。
遥感图像辐射校正的疑难问题多且复杂，如散焦和运动模糊图像对图像的损伤较大,给图像复原造成了很大困难,特别是集散焦、运动、高噪声、低清晰度于一身的复合型模糊图像,其复原的难度使研究人员望而却步。
遥感原理与应用_第4章_3 遥感影像处理-遥感影像辐射处理
1 2 3 4 5 6 7
传 感 器 校 正
L d s2 E0 cos
L为地物在给定波ain
和bias分别为传感器的增益和偏移量，从图像头文件中可以读取； ρ为 反射率（即表观反射率）；ds是日地天文单位距离；E0大气顶层的太
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
绝对定标要建立传感器测量的数字信号与对应的辐射能量之间
1 2 3 4 5 6 7
传 感 器 校 正
的数量关系，该关系通常呈线性关系，建立该关系就是确定线性 关系中的系数及常数项，即定标系数。
K：传感器的增益；
Lmax：传感器达到饱和时所记录的辐射能量，即传感器记录 的最大能量；
Lmin：传感器探测并记录的最小能量；
Cmax：遥感图像中的最大值（如：对无符号8位类型数据，最 大值是255）。
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
1 2 3 4 5 6 7
传 感 器 校 正
探测元件响应度差异造成的影像色调不一致性
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
DN值(从遥感器 得到的数字测 量值) 遥感器校正
• 光学系统特征(如边缘减光) • 光电变换系统的灵敏度特 征的偏差 • 遥感器系统的增减及偏差 相关系数(如Landsat TM和 MSS)
遥感数字图像处理辐射定标与大气校正实验报告
经过大气校正后，遥感图像的反射率信息更加准确，地物边缘更加清晰，能够提高遥感图像的精度和可信度。
三、实验结论
本实验通过ENVI遥感图像处理软件进行辐射定标和大气校正实验，掌握了遥感数字图像处理的基本原理和方法，学习了遥感数字图像处理的实验方法和技巧，提高了遥感图像处理的技术水平。经过实验处理后，遥感图像的质量和精度得到了提高，反映了辐射定标和大气校正的重要性和必要性。
（3）实验结果
经过辐射定标后，遥感图像的数字值被转化为反射率或辐射亮度温度值，具有物理意义。
2.大气校正实验
（1）实验原理
大气校正是指校正遥感图像中由大气介质造成的亮度扰动，以便获取更准确的地物反射率信息。大气校正方法可以分为模型法和基于图像的方法两种。
（2）实验步骤
①打开ENVI遥感图像处理软件，并加载所需的遥感图像；②进入“Atmospheric Correction”模块，选择大气校正方法；③根据遥感图像的波段信息和大气参数，设置大气校正的参数；④进行大气校正，并将结果保存为新的遥感图像。
这是一篇遥感数字图像处理实验报告，重点介绍了辐射定标与大气校正的实验过程和结果。本实验的主要目的是通过数字图像处理的方法对遥感图像进行辐射定标和大气校正，从而提高遥感图像的质量和精度。
一、实验目的
1.了解辐射定标和大气校正的基本原理和方法；
2.掌握遥感数字图像处理软件的使用方法；
3.学习遥感数字图像处理的实验方法和技巧；
4.提高遥感图像处理的技术水平。
二、实验内容
1.辐射定标实验
（1）实验原理
辐射定标是指通过对遥感图像的辐射值进行校正，将其转化为物理量。具体来说，就是将遥感图像中每个像元的数字值转化为反射率或辐射亮度温度值，从而使图像具有物理意义。
遥感图像处理方法与技巧
遥感图像处理方法与技巧引言：遥感图像处理是指通过感知、获取地球表面信息的遥感数据，利用计算机技术和图像处理算法对遥感图像进行处理、分析、提取等操作的过程。
这一技术的发展不仅在地理信息系统领域有着广泛的应用，也在农业、环境保护、城市规划等诸多领域发挥着重要作用。
本文将介绍几种常见的遥感图像处理方法和技巧。
一、图像预处理技术在进行进一步的图像处理前，通常需要对原始遥感图像进行预处理，以消除图像中的噪声、增强图像的特定信息等。
图像预处理的主要方法有：1.空间滤波：通过利用滤波器，对图像进行平滑或锐化处理。
常用的滤波器包括均值滤波器、中值滤波器和高斯滤波器。
2.辐射校正：由于不同地表物体对电磁波的反射率不同，遥感图像中的亮度值会受到光照和传感器等因素的影响。
辐射校正可消除这些因素对图像的影响，使得不同遥感图像具有一致的亮度分布。
3.几何校正：由于遥感图像通常受到地球自转、地形起伏等因素的影响，导致图像中的地理信息不准确。
几何校正可以修正图像的位置和形状，使其与真实地理坐标一致。
二、图像分类与分割方法图像分类与分割是遥感图像处理的核心环节，旨在将遥感图像中的不同地物或地物类别进行识别和分离。
常见的分类与分割方法有：1.基于像元的分类：将遥感图像中的每个像元（图像的最小单位）分配给不同的类别。
这种方法基于每个像元的统计特征进行分类，如亮度、颜色和纹理等。
2.分层分类：将遥感图像中的类别按照层级进行分类，从粗粒度到细粒度逐步区分不同地物。
3.聚类分割：通过对遥感图像中的像元进行聚类，将具有相似特征的像元划分到同一类别。
常用的聚类算法有K-means和基于区域的分水岭算法。
4.基于边缘的分割：提取遥感图像中物体的边缘信息，并利用边缘信息对图像进行分割。
这种方法适用于物体之间边缘明显的场景。
三、变化检测技术变化检测是指通过比较不同时期的遥感图像，寻找并分析地表上发生的变化。
变化检测技术在自然灾害监测、城市规划等方面有着广泛的应用。
第四章(4)_遥感影像辐射校正
• 相当部分的散射
没有到达地面，向上通过大气直接进入传感 器，这部分辐射称为程辐射度，辐亮度为 L p。
大气影响的定量分析
可见，由于大气影响的存在，实际到达传 感器的辐射亮度是前面所分析的三项之和 ，即
L L1 L2 L p
L RT S ( E0T cos E D ) SL p
• Reflectance (field spectrum) = gain x radiance (input data) + offset • ENVI's empirical line calibration requires at least one field, laboratory, or other reference spectrum; these can come from spectral profiles or plots, spectral libraries, ROIs, statistics or from ASCII files. Input spectra will automatically be resampled to match the selected data wavelengths. • If more than one spectrum is used, then the regression for each band will be calculated by fitting the regression line through all of the spectra. • If only one spectrum is used, then the regression line will be assumed to pass through the origin (zero reflectance equals zero DN). The calibration can also be performed on a dataset using existing factors.
03遥感图像辐射校正
大气 太阳辐射
7
二、辐射误差来源
❖ 光学摄影机引起的辐射误差
主要由光学镜头中心和边缘的透射强度不一致造 成的，它使同一类地物在图像的不同位置上有不 同的灰度值。
8
二、辐射误差来源
❖ 光电扫描仪引起的辐射误差
光电转换误差，即传感器接收的电磁波信号经光 电转换系统转换为电信号的过程中引起的辐射量 误差
第二章 遥感图像的辐射校正
❖ 第一节 辐射校正概述 ❖ 第二节 辐射校正的原理和方法
1
❖ 教学要求：
❖ 1、掌握遥感数字图像辐射畸变的原因及辐射校正 的目的
❖ 2、掌握因大气、太阳辐射、地形等因素引起的辐 射误差校正方法
❖ 教学重点：
❖ 辐射校正的原理与方法
2
第一节 辐射校正概述
❖ 一、辐射校正的含义 ❖ 二、辐射误差的来源 ❖ 三、辐射校正的内容及流程 ❖ 四、辐射校正的目的
(1)利用辐射传输方程进行大气校正
❖ 若地物目标辐射能量为E0，它通过高度为H的
大气层后，传感器接收系统能收集到的电磁 波能量为E，则由简化后的大气辐射传输方程 得到：
E=E0e-T(0,H)
e-T(0,H)大气衰减系数，确定很复杂 ❖ 若上式能够给出适当的近似解，就可求出地
面目标的真实辐射能量E0。
探测器增益变化引起的误差。
9
二、辐射误差来源
❖ 大气影响引起的辐射误差
电磁波在大气中传播时，受到大气中各种成分的 散射和吸收作用影响。
对于短波的太阳反射波段而言，以散射作用为主； 对于长波的地球发射波段而言，以吸收作用为主。
10
二、辐射误差来源
❖ 太阳辐射引起的辐射误差
由于太阳位置变化以及地形的变化，不同地表 位置接收到的太阳辐射是不同的。 ❖太阳位置主要指高度角和方位角。其中高度 角对于地表的太阳辐照度影响较大，而方位 角的变化通常只对图像细部特征产生影响。 两者最终使图像阴影及辐射值不同。 ❖传感器接收的辐亮度和地表坡度坡向有关。
第八章 遥感图像的辐射处理
1 2 1 t1 0 0 0 1 2 1
1 0 1 t 2 2 0 2 1 0 1
8.2.3 图像增强
（3）拉普拉斯（Laplace） 突出亮度值的突变位置。
0 1 0 t ( m , n ) 1 4 1 0 1 0
第八章遥感图像的辐射处理
8.1遥感图像的辐射校正 8.1.1辐射畸变 1）定义
辐射畸（ji）变：太阳辐射相同时，图像上像 元辐射亮度值受多种因素的影响发生改变，不 能直接反映地表地物的真实的辐射亮度值，这 部分变化，称为辐射畸变。
8.1.1 辐射畸变
2）原因
（1）传感器本身性能引起的辐射误差，对图 像的影响主要为图像不均匀，产生条纹和噪声。 （2）大气的散射和吸收引起的辐射误差。对 图像的影响主要为：减少了图像的对比度。 （3）地形影响和光照条件的变化引起的辐射 误差；对图像的影响主要为：产生阴影，不同 图像的亮度不一致。
直方图均衡化
直方图匹配
8.2.2 图像对比度变换方法
线性变换和非线性变换。
1）线性变换
（1）定义：变换函数是线性的或分段线性的。 变换前亮度xa范围为：a1～a2，变换后的亮度 xb范围为：b1～b2，如下图：
8.2.2 图像对比度变换方法
变换公式为：
xb b1 b2 b1
xa a1 a2 a1
1 0 1 1 2 1 t ( m , n ) 1 0 1 t ( m , n ) 1 2 1 1 0 1 1 2 1
8.2.3 图像增强
检测对角线边界时：
0 1 1 t ( m , n ) 1 0 1 1 1 0
遥感影像处理步骤
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进展消除或减弱方可使用。
〔1〕除周期性噪声和锋利性噪声周期性噪声一般重叠在原图像上，成为周期性的干预图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在*些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进展滤波处理的方法比拟方便。
〔2〕除坏线和条带去除遥感图像中的坏线。
遥感图像常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进展消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进展减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进展消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进展几何精纠正，在地形起伏较区，还必须对其进展正射纠正。
特殊情况下还须对遥感图像进展大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进展叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
〔1〕影像对栅格图像的配准将一幅遥感影像配准到一样地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
〔2〕影像对矢量图形的配准将一幅遥感影像配准到一样地区一幅矢量图形中，使其在空间位置上能进展重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进展的，地面接收站在提供应用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进展了校正.3．几何精纠正为准确对遥感数据进展地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
如何进行遥感图像的辐射定标与校正
如何进行遥感图像的辐射定标与校正遥感技术在现代科学和应用中起着重要作用，遥感图像的辐射定标与校正是遥感数据处理中的关键步骤。
本文将从辐射定标的意义、方法以及校正过程中的一些技巧等方面进行论述。
一、辐射定标的意义辐射定标是将遥感图像的数字值转化为物理量的过程。
只有进行了辐射定标，才能使遥感图像的数据具有可比性和可解释性，从而形成科学研究的基础。
二、辐射定标的方法1. 光谱辐射定标法：通过获取遥感仪器测量的光谱辐射数据，使用辐射定标模型将数字值转化为辐射亮度，进而计算出地物的反射率或辐射通量等物理量。
2. 绝对辐射定标法：利用地基大气观测站的测量数据，结合传感器的特性和物理模型，确定辐射定标系数，将遥感图像的数字值转化为绝对辐射率。
三、校正过程中的技巧1. 基于地物反射率的校正：地物反射率的不同可导致遥感图像的光谱反差。
通过对遥感图像的不同波段进行反射率校正，可以减少地物反射率的影响，提高图像质量。
2. 大气校正：大气中的气溶胶、水汽等成分会影响遥感图像的辐射亮度。
通过利用大气校正模型和大气参数的反演，可以减少大气效应带来的干扰，获得准确的地物信息。
3. 条带状影像校正：由于遥感卫星的飞行模式，获取的图像通常呈现出条带状影像。
通过运用特定的校正算法，可以消除条带状影像，获得均匀一致的遥感图像。
4. 地物光谱库的应用：地物光谱库是通过实地采样和光谱测量形成的，通过与遥感图像进行匹配，可以进行光谱校正和分类，提高遥感图像的精度和可靠性。
四、遥感图像辐射定标与校正的应用遥感图像辐射定标与校正的目的是为了提高图像的质量和可解释性，从而在各个领域获得更准确的数据。
例如在农业领域，通过遥感图像的辐射定标与校正，可以监测作物的生长状态和病虫害情况，为农业生产提供科学依据。
在环境监测中，遥感图像的辐射定标与校正可以用于水体悬浮物浓度的估算、气溶胶成分的监测等，为环境保护和管理提供数据支持。
此外，在城市规划、资源调查、自然灾害监测等方面，遥感图像的辐射定标与校正也发挥着重要作用。
实验二遥感图像的辐射定标
实验二遥感图像的辐射定标1.实验目的与意义：（1）了解辐射定标原理（2）使用ENVI软件自带的定标工具定标（3）学习波段运算进行辐射定标2.为什么要进行辐射定标，定标的原理是什么？目的：消除传感器本身的误差，确定传感器入口处的准确辐射值。
原理：辐射定标是将传感器记录的电压或数字量化值（DN）转换为绝对辐射亮度值（辐射率）的过程，或者转换为与地表（表观）反射率、表面温度等物理量有关的相对值的处理过程。
3.辐射定标过程一般有两种方式：第一种：利用计算公式，在ENVI中利用band math计算福亮度和反射率。
第二种：利用ENVI自带的定标工具进行定标，获取福亮度或反射率。
第一种方法：用波段运算得到Radiance和Reflectance（1）表观辅亮度radiance的计算radiance=（（lmax-lmin）/（qcalmax-qcalmin）*（qcal-qcalmin）+lmin 其中：radiance –表观辐亮度qcal-----DN（也就是影像数据本身）；lmax 和lmin是从参数表中查询；qcalmax 是DN值的最大值，对于TM是8bit来说，qcalmax=255；Qcalmin 是DN值的最小值，一般为0即（2）表观反射率的计算ρ =π*L*d2/（ESUN*cos（θ））其中ρ为表观反射率；L为上一步计算出来的表观辐亮度；d为日地距离，这个数据通过下面的表格中获取；ESUN为大气层外的太阳辐射,也可以说是传感器接收处的太阳辐射；θ为太阳天顶角。
（这个可以通过影像的元数据获取）在本次实验的数据中radiance=（193+1.52）/255*b1-1.52Reflectance=3.14*（b1）*1.0128^2/（1957*0.7381）步骤如下：打开文件L5120036_03620100819_MTL.txt ，点击Band Math，输入(193+1.52)/255*b1-1.52，之后即可计算出辐射度，文件保存为radiance1。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
原始影像及其直方图
直方图匹配后的图像及其直方图
2.4密度分割 密度分割与直方图均衡类似，是将原始图像的灰度值分 成等间隔的离散灰度级。为了突出某一密度等级的色调（或 相应地物），即将图像（或影像）的色调密度分划成若干个 等级，并用不同的颜色分别表示这不同的密度等级，得到一 幅彩色的等密度分割图像。这一技术过程就叫作密度分割处 理，或简称密度分割。密度分割可使影像轮廓更清晰，突出 某些具有一定色调特征的地物及分布状态，在显示环境污染 范围，隐伏构造，以及寻找地下水等方面有广泛的应用，并 取得较好的效果。
2.2直方图均衡 直方图均衡是将随机分布的图像直方图修改成均匀分布的直 方图。其实质是对图像进行非线性拉伸，重新分配图像像元值， 使一定灰度范围内的像元的数量大致相等。 直方图均衡后每个灰度级的像元数，理论上应相等，实际上为 近似相等，直接从图像上看，直方图均衡效果是： 1 各灰度级所占图像的面积近似相等，因为某些灰度级出现高 的像素不可能被分割。 2 原图像上频率小的灰度级被合并，频率高的灰度级被保留， 因此可以增强图像上大面积地物与周围地物的反差。 3 如果输出数据分段级较少，则会产生一些大类地物的近似轮 廓。
1.1辐射误差的来源 辐射误差的来源
• 传感器本身性能引起的辐射误差 • 地形影响和光照条件的变化引起的辐射误差 • 大气的散射和吸收引起的辐射误差 相应的辐射处理包括传感器辐射定标 辐射误差校正 传感器辐射定标和辐射误差校正 传感器辐射定标
1.2 传感器辐射定标 辐射定标分为绝对定标和相对定标
绝对定标是对目标做定量的描述，得到目标辐射的绝对值 相对定标只是得出某一点的辐射亮度与其它点的相对值 绝对定标是要建立传感器测量的数字信号与对应的辐射能量 之间的数量关系，即定标系数。
2.5 其它非线性变换
非线性变换对应着非线性映射函数， 非线性变换对应着非线性映射函数，典型的映射包括平方函 对数函数、窗口函数、阈值函数、多值量化函数等。 数、对数函数、窗口函数、阈值函数、多值量化函数等。
密度分割后的伪彩色图
2.6 图像灰度反转
灰度反转是指对图像灰度范围进行线性或非线性取反，产 灰度反转 生一幅与输入图像灰度相反的图像，其结果是原来亮的地 方变暗，原来暗的地方变亮。
255 输 出 灰 度
g ( x, y ) = 255 − f ( x, y )
0
255
(a)
(b)
(a)
(b)
(c)
2 图像反差的调整 2.1线性变换 线性变换 简单线性变换是按比例拉伸原始图像灰度等 级范围，一般为了充分利用显示设备的显示范围， 使输出直方图的两端达到饱和。 由于遥感图像的复杂性，线性变换往往难以 满足要求，因此在实际应用中更多地采用分段线 性变换，可以拉伸感兴趣目标与其他目标之间的 反差。
直方图的性质
（1） （2） 只含图像各灰度值像素出现的概率，而无位置信息。 只含图像各灰度值像素出现的概率，而无位置信息。 图像与直方图之间是多对一的映射关系。 图像与直方图之间是多对一的映射关系。
（3）
图像各子区的直方图之和就等于该图像全图的直方图。 图像各子区的直方图之和就等于该图像全图的直方图。
1.4 太阳高度角和地形影响引起的辐射误差校正
太阳高度角引起的辐射畸变校正是将太阳光线倾斜照 射时获取的图像校正为太阳光垂直照射时获取的图像，因 此在做辐射校正时，需要知道成像时刻的太阳角度角。 由于太阳高度角的影响，在图像上会产生阴影现象， 阴影会覆盖阴坡地物，对图像的定量分析和自动识别产生 影响。一般情况下阴影是难以消除的，但对多光谱图像可 以用两个波段图像的比值产生一个新图像以消除地形的影 响。
第六章 遥感图像辐射处理
第一节 遥感图像的辐射校正
由于遥感图像成像过程的复杂性，传感器接收到的电 磁波能量与目标本身辐射的能量是不一致的。传感器输出 的能量包含了由于太阳位置和角度条件、大气条件、地形 影响和传感器本身的性能等所引起的各种失真，这些失真 不是地面目标本身的辐射，因此对图像的使用和理解造成 影响，必须加以校正或消除。 辐射定标：是指传感器探测值的标定过程方法，用以确定 辐射定标 传感器入口处的准确辐射值。 辐射校正：是指消除或改正遥感图像成像过程中附加在传 辐射校正 感器输出的辐射能量中的各种噪声的过程。
1.5 大气校正 大气的影响是指大气对阳光和来自目标的辐射 产生吸收和散射。消除大气影响的校正过程称 消除大气影响的பைடு நூலகம்正过程称 为大气校正。 为大气校正 1 基于地面场地数据或辅助数据进行辐射校正 2 利用波段的特性进行的大气校正
1.6地面辐射校正场 1 建立地面辐射校正场符合遥感数据定量化的需要。 2 建立地面辐射校正场可以弥补星上定标的不足 3 满足多种传感器和多时相遥感资料的应用需要
相对定标又称为传感器探测元件归一化，是为了校正传感 相对定标 器中各个探测元件响应差异而对卫星传感器测量到的原始 亮度值进行归一化处理 由于传感器各个探测元件之间存在差异，会使得传感器获 得的数据出现一些条带，相对辐射定标的目的 相对辐射定标的目的就是降低或 相对辐射定标的目的 消除这些影响 1.3 影像的辐射校正 影像的辐射校正有以下几种方法： （1）简化理论计算方法 （2）基于数据本身的方法 （3）借助已知地物光谱反射率的经验方法
第二节 遥感图像增强
在获取图像的过程中，由于多种因素的影响，导致图 像质量多少会有所退化。图像增强的目的在于：(1)采用 一系列技术改善图像的视觉效果，提高图像的清晰度；(2) 将图像转换成一种更适合于人或机器进行分析处理的形式。 通过处理设法有选择地突出便于人或机器分析某些感兴趣 的信息，抑制一些无用的信息，以提高图像的使用价值。 增强的方法往往具有针对性，增强的结果只是靠人的 主观感觉加以评价。因此，图像增强方法只能有选择地使 用。 图像增强方法从增强的作用域出发，可分为空间域 增强和频率域增强两种。
（a） 经直方图均衡化后的Lena图像； （b） 均衡化后的Lena图像的直方图
2.3 直方图匹配 直方图匹配是对图像查找表进行数学变换，使一幅图 像的直方图与另一幅图像类似。直方图匹配经常作为相邻 图像拼接或应用多时相遥感图像进行动态变化研究的预处 理工作，通过直方图匹配可以部分消除由于太阳高度角或 大气影响造成的相邻图像的效果差异，特别是对于图像的 镶嵌和变化检测 直方图匹配：是指将一幅图像通过灰度变换后，使其具有 直方图匹配 特定的直方图形式，如使图像与某一标准图像具有相同的 直方图，或使图像具有某一特定函数形式的直方图。
空间域增强是直接对图像像素灰度进行操作；频率域增强是对图 像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所 需结果。
1 图像的灰度直方图
灰度直方图（ ）：是图像灰度级的函数，它表 灰度直方图（Histogram）： ）： 示图像中具有每种灰度级的像素的个数，反映图像中每种 灰度出现的频率。