遥感图像的辐射校正实验报告
遥感实验：图像校正
几何校正
9传感器参数变化 9非线形扫描 9大气折射
9全景畸变 9地球曲率
9地形起伏
数Hale Waihona Puke 处理中心图像校正 采用DEM进 行正射校正
噪音消除
噪音消除目的是为了消除图像中由于传感器、信号 转换及数据记录过程中产生的干扰。
2
实验内容 （1）图像变形的主要原因 （2）图像校正的主要方面 （3）校正图像
创建一个GCPs 报告 (1)选择表中的所有行 (2)右键单击表头的任意列，选择Report… (3) 以文本格式（.txt）存贮报告
注：在你的作业中递交该报告文件
4 确定转换矩阵
9 在Geo Correction toolS 窗口单击Display Mode properties 按钮 9 转换矩阵已经开始运算
3 选择地面控制点（GCPs）
现在我们添加４对GCPs，一对GCPs的组成:
输入GCP(GCP工具中X input , Y input 列) 相应的参考GCP(GCP工具中X ref.,Y Ref.列)
地面控制点（GCPs）选择原则
选择的点: (1) 在两景像片中都存在 (2) 能容易和准确辩识(河流、道路等线形地物的交叉点等) (3)均匀分布在图像内,特别是接近图像边缘的点.
4
找到位于在两幅像片左上角的高速公路交叉点
单击 creat GCP button, 然后单击TM影像生成一个输入GCP 单击 creat GCP button, 然后单击SPOT影像生成一个参考GCP
确保有4对及以上GCPs,并均匀分布
重复上面的步骤,在两幅图像的其他位置再添加至少3对GCPs
遥感软件实验报告
一、实验背景遥感技术作为一门新兴的交叉学科，广泛应用于地理信息系统、环境监测、农业、林业、城市规划等领域。
随着遥感技术的发展，遥感软件在遥感数据处理和分析中发挥着越来越重要的作用。
本实验旨在通过使用遥感软件进行遥感图像处理和分析，提高学生对遥感数据处理技术的掌握程度。
二、实验目的1. 熟悉遥感软件的基本操作和功能；2. 学习遥感图像的预处理、增强、分类和制图等基本操作；3. 了解遥感技术在实际应用中的案例。
三、实验内容1. 遥感软件简介本次实验使用的遥感软件为ENVI，它是一款功能强大的遥感图像处理软件，具有以下特点：（1）支持多种遥感数据格式；（2）提供丰富的图像处理和分析工具；（3）支持多种图像分析模型；（4）具有友好的用户界面。
2. 遥感图像预处理遥感图像预处理是遥感图像处理的重要环节，主要包括以下内容：（1）图像几何校正：通过对遥感图像进行几何校正，消除由于传感器倾斜、地球曲率等因素造成的几何畸变，提高图像的几何精度；（2）图像辐射校正：通过对遥感图像进行辐射校正，消除由于大气、传感器等因素造成的辐射畸变，提高图像的辐射精度；（3）图像增强：通过对遥感图像进行增强，突出图像中感兴趣的信息，提高图像的可视化效果。
3. 遥感图像增强遥感图像增强是提高遥感图像质量的重要手段，主要包括以下内容：（1）直方图均衡化：通过对遥感图像进行直方图均衡化，使图像中的像素值分布更加均匀，提高图像的对比度；（2）滤波处理：通过对遥感图像进行滤波处理，消除图像中的噪声和纹理信息，提高图像的清晰度；（3）色彩校正：通过对遥感图像进行色彩校正，使图像的色彩更加真实，提高图像的可视化效果。
4. 遥感图像分类遥感图像分类是遥感图像处理的重要应用，主要包括以下内容：（1）监督分类：通过选取已知地物类别的训练样本，建立分类模型，对未知地物类别进行分类；（2）非监督分类：通过对遥感图像进行聚类分析，将图像分割为不同均质的对象，对每个对象进行分类。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。
（2）选择T oolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。
2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。
（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。
（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。
点击‘OK’，38区段文件裁剪后如图。
（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。
地信网论坛遥感图像校正实验报告
遥感图像校正实验报告2011年3月30日项目名称：遥感图像几何精校正、辐射校正实验目的：通过实习操作，掌握遥感图像几何精校正和辐射校正的基本方法和步骤，深刻理解遥感图像处理意义。
实验原理：1、几何精校正：校正遥感图像成像过程中所造成的各种几何畸变称为几何校正。
几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。
而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。
由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。
2、辐射校正：辐射校正（radiometric correction ）是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。
数据来源：数据来源：国际科学数据服务平台---数据检索---Landsat 卫星---四川省宜宾市屏山县，数据标识LT51290402005216BJC00，条带号129，行编号40，中心纬度28.87，中心经度104.12，日期20050804，平均云量5%，波段数3（第三个波段图像无法正常下载，总是会损坏）。
实验过程：几何精校正：1、打开EDRAS，点击Viewer新建两个窗口。
分别添加待正矫图像repingshan1.img和地理参考的校正过的SPOT图像pingshan1.img。
2、在显示有待校正的图像的窗口上的菜单栏上点击，在下拉菜单中选中，在弹出的对话框中选择多项式几何校正模型，单击OK。
弹出另一个对话框，在选项中定义多项式次方参数改为2，定义投影参数，单击Apply。
在接下来弹出的对话框中选择已存在的窗口，确定。
3、弹出一个对话框提示我们用鼠标选择参考图像，单击panatlanta.img所在的窗口。
在弹出的对话框直接默认点击OK。
4、此时，整个屏幕将自动变化，表明控制点工具被启动，进入控制点采点状态。
遥感原理实验报告
一、实验目的1. 理解遥感的基本原理和概念；2. 掌握遥感数据的获取方法及遥感图像的处理技术；3. 了解遥感在环境监测、资源调查等方面的应用；4. 培养遥感图像分析和解译能力。
二、实验原理遥感技术是利用电磁波在地球表面及其大气层中的传播特性，通过遥感器获取地球表面及其大气层的信息，然后进行图像处理、分析和解译，以达到对地球表面及其大气层进行监测、研究和利用的目的。
遥感原理主要包括以下几个方面：1. 电磁波辐射与散射：地球表面及其大气层对太阳辐射的吸收、反射和散射，形成各种电磁波；2. 遥感器：利用电磁波探测地球表面及其大气层的信息；3. 电磁波传播：电磁波在空间传播过程中，会受到大气、云层等因素的影响；4. 遥感图像处理：对遥感数据进行预处理、增强、分类等处理，提高遥感图像的质量和应用效果；5. 遥感图像分析：对遥感图像进行解译、识别和提取信息，实现对地球表面及其大气层的监测和研究。
三、实验内容及步骤1. 实验内容（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像增强：通过对比度增强、亮度增强、滤波等手段提高遥感图像的质量；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
2. 实验步骤（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：利用ENVI软件进行辐射校正、几何校正和大气校正；（3）遥感图像增强：利用ENVI软件进行对比度增强、亮度增强和滤波处理；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
四、实验结果与分析1. 遥感图像的预处理效果通过对遥感图像进行辐射校正、几何校正和大气校正，提高了遥感图像的质量，为后续的图像增强和分类奠定了基础。
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。
遥感图像处理 大气校正 实验报告
Landsat 5 Thematic Mapper辐射定标和大气校正龚鑫烨操作流程辐射定标：1、加载原始图像H1。
2、Basic Tools——Preprocessing——data-specific utilities——Landsat TM——landsat calibration进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。
从遥感影像的头文件中获取Data Acquisition 的时间，Sun elevation。
如果你是用File?Open ExternalFile?Landsat?Fast 的方法打开header.dat 的话，sun elevation 就已经填好了。
这里Calibration Type 注意选择为Radiance。
输出文件，定标就完成了。
大气校正1、Spectral——FLAASH/Basic Tools——Preprocessing——Calibration Utilities——FLAASH。
首先设定输入输出文件。
FLAASH 模块要求输入辐亮度图像，输出反射率图像。
之前我们进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像，然后再Input Radiance Image 中选择转换格式后的图像。
(Basic Tools——Convert Data(BSQ,BIL,BIP))。
这里注意，当输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。
ENVI 默认的辐亮度单位是2/ W cm sr nm μ••，而之前我们做辐射定标时单位是2/ W m sr m μ••，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。
此外，如果TM 影像的头文件中没有波段的信息，在这里也要求你提供一个.txt 文件以包含此信息。
遥感实训报告
一、实训背景随着科技的不断发展，遥感技术作为一门新兴的综合性学科，已经在测绘、农业、林业、环保、城市规划等多个领域得到了广泛应用。
为了提高学生对遥感技术的认识和实际操作能力，我校地理信息系统专业组织了一次为期两周的遥感实训。
本次实训旨在让学生了解遥感的基本原理，掌握遥感图像的获取、处理、分析和应用方法，培养学生的实践能力和创新精神。
二、实训内容1. 遥感基本原理学习实训初期，我们学习了遥感的基本原理，包括遥感平台、传感器、遥感图像的获取、传输和接收等。
通过学习，我们对遥感技术有了初步的认识，了解了遥感在各个领域的应用。
2. 遥感图像处理软件操作为了让学生熟练掌握遥感图像处理软件，我们选择了ENVI软件作为实训工具。
在实训过程中，我们学习了ENVI软件的基本操作，包括图像读取、显示、图像增强、图像分类、专题图制作等。
3. 遥感图像预处理在实际应用中，遥感图像往往存在噪声、畸变等问题，需要进行预处理。
我们学习了遥感图像的几何校正、辐射校正、图像增强等方法，提高了图像质量。
4. 遥感图像分类与专题图制作遥感图像分类是遥感应用中的重要环节，我们学习了监督分类、非监督分类、决策树分类等方法。
通过实际操作，我们学会了如何制作专题图，为遥感应用提供可视化数据。
5. 遥感应用案例分析为了让学生了解遥感技术在实际应用中的价值，我们选取了几个典型案例进行分析，如土地利用变化监测、森林资源调查、环境监测等。
三、实训过程1. 理论教学实训期间，我们通过课堂讲授、讨论等形式，学习了遥感的基本原理、遥感图像处理软件操作、遥感图像预处理、遥感图像分类与专题图制作等理论知识。
2. 实践操作在掌握了相关理论知识后，我们进行了实践操作。
首先，我们利用ENVI软件对遥感图像进行预处理，包括几何校正、辐射校正、图像增强等。
然后，我们对预处理后的图像进行分类，制作专题图。
最后，我们结合实际案例，分析了遥感技术在各个领域的应用。
3. 讨论与交流在实训过程中，我们积极参与讨论与交流，分享自己的学习心得和经验，共同解决问题。
辐射校正实习报告
①线性反差拉伸（linear）
分析：
由上图可知，通过线性反差拉伸使得其他地物的颜色变浅，从而使得黄河凸显出来，因为分段线性拉伸是按比例扩大原始灰度级的范围。以便充分利用显示设备的动态范围，使得变换后的影像的直方图的两端达到饱和
②分段线性反差拉伸（piecewise linear）
分析：
由上图可知，利用分段线性反差拉伸，使得其他的地物虽然变浅，但是与线性拉伸相比，其他地物没有变的很浅，其结果也是的要研究的黄河水面凸显出来
①线性反差拉伸（linear）
②分段线性反差拉伸（piecewise linear）
③高斯反差拉伸（Guassian）
④均衡化对比度拉伸（Equalization）
⑵直方图的匹配，使wasia1_mss.img影像的所有波段的直方图与wasia2_mss.img影像对应波段的直方图结构类似
⑶去条带处理：针对Landsat TM原始影像扫描成像特点对其原始数据进行3次卷积处理，以达到去除扫描条带的目的
③高斯反差拉伸（Guassian）
分析：
通过高斯反差拉伸可以看出来，黄河水面仍然被凸显出来，但是居民地的颜色也变得较暗
④均衡化对比度拉伸（Equaliz出，通过均衡化的对比度拉伸以后，图像没有特别突出的暗或亮
5直方图匹配
匹配前的wasia1_mss.img影像直方图
匹配前的wasial2_mss.img影像直方图
⑵在进行分段线性反差拉伸（piecewise linear）的时候，要在直方图上的直线上面加三个节点，可是不管怎么按鼠标的左键，三个节点就是出不来，原来是要先选好加节点的位置，单击鼠标的中键，就可以加上节点了
总结
通过本次实习，让我对遥感影像的反差有了一个好的理解，而且对于四种反差拉伸，即：线性反差拉伸、均衡化对比度拉伸、
遥感图像校正实验报告
遥感图像校正实验报告1. 引言遥感图像是通过卫星、飞机等遥感平台获取的地球表面的图像信息，具有广泛的应用价值。
然而，由于地球表面的复杂性和遥感平台的特点，遥感图像中可能存在各种影响因素，如大气、地形、光照等。
为了准确地利用遥感图像进行地物分类、资源监测等应用，需要对遥感图像进行校正。
本实验旨在探索并应用遥感图像校正方法，提高遥感图像的质量和准确度。
2. 实验目标本实验的主要目标是：- 理解遥感图像校正的原理和流程；- 掌握遥感图像校正的常用方法；- 运用所学的遥感图像校正方法，对实验数据进行校正，并评估校正效果。
3. 实验步骤3.1 数据准备本实验使用的遥感图像数据是卫星传感器获得的多光谱图像，包含了红、绿和蓝三个波段的数据。
数据提供了RAW格式的图像文件，需要进行预处理和格式转换，以便进行后续的遥感图像校正实验。
3.2 大气校正大气是遥感图像中主要的影响因素之一，大气校正是遥感图像校正中的重要步骤。
本实验采用了大气校正模型，通过计算大气透射率和反射率，对图像进行校正。
3.3 辐射校正辐射校正是遥感图像校正的另一个重要步骤，其目的是消除图像中的辐射差异，使得不同波段的图像能够进行有效的比较和分析。
本实验使用了辐射校正模型，通过计算辐射矫正系数，将原始图像转换为辐射校正后的图像。
3.4 几何校正几何校正是遥感图像校正的最后一步，其目标是消除图像中的几何形变，使得图像中的特征能够准确地对应地面的实际位置。
本实验使用了几何校正模型，通过对图像进行平移、旋转和缩放等操作，实现图像的几何校正。
4. 实验结果和讨论经过上述的步骤，我们成功地对实验数据进行了遥感图像校正。
校正后的图像显示出更好的质量和准确度，可以更好地用于地物分类和资源监测等应用。
然而，值得注意的是，遥感图像校正是一个复杂的过程，涉及到多个影响因素和数学模型。
在实际应用中，应根据具体需求和数据特点，选择合适的校正方法和参数，以达到最佳的校正效果。
遥感影像地形辐射校正方法研究
遥感影像地形辐射校正方法研究摘要随着地球观测技术的发展，遥感影像在城市建设中的应用日益广泛，相应提高了对遥感影像数据的质量要求。
目前在可见光遥感影像产品生产过程中，辐射校正质量难以保证，导致遥感影像成果的可重复性差，阻碍了后续定量遥感应用的发展。
本文针对遥感影像辐射校正过程中容易被忽略的一环——地形辐射校正开展实验，验证了C校正模型的有效性，实验表明C校正模型结构简洁，可操作性好，效率高，适合在实际工程应用中用于消除地形辐射误差。
关键字遥感影像，地形辐射校正，C校正模型，城市建设工程应用引言遥感影像地形辐射校正指通过一定的转换方法，将遥感影像中处在坡面上的像素辐射亮度值改正为处在水平面上对像素辐射亮度值，保证反射特性相同的地物在影像上具有一样（或者相近）的辐射亮度，以消除或减缓由地势起伏导致的辐射误差。
地形辐射校正模型分为经验模型、半经验模型以及物理模型。
经验模型直接在太阳光照和遥感影像之间建立经验回归模型，参数少，在多种地形辐射校正场合的适用性比较强，但经验参数对数据依赖性强，泛化性能差。
其中一类经验模型假设遥感影像的辐射亮度值与太阳入射角的余弦值存在线性关系，基于此假设Vincini等[1]提出b校正法，b为以太阳入射角余弦值为自变量，影像辐射亮度为因变量建立的线性回归方程对应的截距；高永年等[2][3]提出变经验系数法(Variable Empirical Coefficient Algorithm ，简称VECA)，VECA法对从崎岖地形和地形变量中获取的遥感数据的光谱响应进行了理论分析和统计分析,通过可变参数对地形导致的辐射误差进行校正消除。
物理模型基于传感器的成像机理和辐射传输原理，理论基础相对严密，精度高，但参数获取困难。
具有代表性的物理模型包括余弦校正模型、SCS（sun-canopy-sensor）校正模型和基于辐射传输方程的校正模型。
余弦校正模型便是一种地形辐射校正物理模型[4]，该模型建立在太阳-地球表面-卫星传感器的成像几何关系之上，但是该模型没有将大气散射和邻近像元的反射辐射效应引起的辐射误差考虑在内，容易产生过度校正的问题。
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。
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。
专题4 遥感图像的辐射校正
专题4 遥感图像的辐射校正
1.直方图最小值去除法:
原理：在图像中可以找到某种或某几种地物，其辐射亮度或反射率接近0，例如，地形起伏地区山的阴影处，反射率极低的深海水体处等，这时在图像中对应位置的像元亮度值应为0。
实测表明，这些位置上的像元亮度不为零。
这个值就应该是大气散射导致的程辐射度值。
所以直方图最小值的基本原理就是测量出每个波段中的DN值的最小值，即把该值当做程辐射度值，通过波段运算进行修正。
操作方法：
1）首先查看图像的第7波段的DN值统计数据，看最小值是否为0，从而判断还图像有否辐射亮度或反射率接近0的底物。
2）逐个查看波段每个波段的DN值的最小值。
然后进行波段运算，将每个波段的DN值减掉这个DN值得最小值，即把图像修正成改正大气辐射后的图像。
3）得出的数据是每个波段处理后的每个波段的数据文件，然后按照波段顺序进行合成得到辐射校正后的数据。
注：如果图像的第七波段的DN值的最小值不为0，则说明该图像不存在实际反射率接近0的底物，则不能使用该方法进行辐射校正。
实验结果：
原图：（假彩色合成图像）
辐射校正后
图像在现实上差别不会很大，但是数据表示的含义是不相同的。
在图像上右击选择Z profile（spectrum），同一点的数据图对比如下：
Dn=肉（lamuda）*A+B。
遥感图像辐射校正实习报告
遥感影像辐射校正实习报告姓名：__________XXX_ _________ 学号：_________XXXXXXXX_______ 班级：________XXXXXXXXXX______ECHO DID THIS FOR YOU2013/6/10目录一、实验目的 (1)二、实验内容 (1)（一）绝对大气校正 (1)（二）相对大气校正——回归分析法 (1)（三）多时相影像匹配法 (1)三、实验步骤 (2)（一）绝对大气校正 (2)（二）同时多波段图像的大气校正 (5)（三）多时相影像匹配法 (8)四、实验体会 (10)进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。
二、实验内容（一）绝对大气校正以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。
基本步骤：1、从QuickBird多光谱影像文件中提取出第1波段影像；2、从影像中判读出一些典型地物；3、从以前实测的光谱物据或光谱数据库中，读出步骤2中判读出的那些地物对应QuickBird第1波段的反射率值；4、基于步骤3的反射率值，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。
（二）相对大气校正——回归分析法以交大犀浦校区2006年QuickBird多光谱影像中的第4波段影像为参考，采用回归分析法，对第1波段影像进行相对大气校正。
（三）多时相影像匹配法以交大犀浦校区2003年SPOT5多光谱影像中的第3波段（绿波段）影像为参考，采用多时相影像匹配法，对交大犀浦校区2005年SPOT5多光谱影像中的第3波段（绿波段）影像进行相对大气校正。
（一）绝对大气校正1.从QuickBird多光谱影像文件中提取出第1波段影像（1）打开ERDAS在其中选择Interpreter->Utilities->Layer Stack->Input File: quickbird_multi_2006_xipu.img->Output File:2006-1.tif->Layer选择为第一波段->单击Add->Data Type 中的Output设置为无符号十六位->单击OK如图1所示图1，从多光谱影像中提取第1波段的影像的方法图2. 获取特征地物的灰度值与反射率（1）在Matlab中读取第1波段的影像图片，并显示，具体语句如下：1).A=imread('2006-1.tif') %将图像信息读取到矩阵A中2).imshow(A,[min(min(A)),max(max(A))]) %在matlab中显示读出的图像如图2所示图2，在Matlab中显示quickbird_multi_2006_xipu.img的第1波段影像图（2）在图2所示的图形显示对话框中选择Data Cursor按钮后，点击地面特征点并从获取其灰度值Index。
遥感影像实验报告
一、实验目的本次实验旨在通过遥感影像处理软件ENVI，学习遥感影像的基本处理方法，掌握遥感影像的辐射校正、几何校正、分类和变化检测等关键技术，提高遥感影像处理能力，为后续遥感应用研究打下基础。
二、实验内容1. 辐射校正（1）实验原理：辐射校正是指消除遥感影像中由于传感器、大气、太阳等因素引起的辐射失真，使影像数据真实反映地物辐射特性。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Radiometric Correction”模块；③ 选择“Flattening”方法进行辐射校正；④ 保存校正后的影像数据。
2. 几何校正（1）实验原理：几何校正是指消除遥感影像中由于传感器姿态、地球曲率等因素引起的几何失真，使影像数据真实反映地物空间位置。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Geometric Correction”模块；③ 选择“Warp”方法进行几何校正；④ 输入校正参数，如坐标系统、校正方法等；⑤ 保存校正后的影像数据。
3. 分类（1）实验原理：遥感影像分类是指根据遥感影像数据中地物光谱和纹理信息，将影像分割为不同地物类别的过程。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Classification”模块；③ 选择“Supervised Classification”方法进行监督分类；④ 输入训练样本，设置分类变量；⑤ 选择分类结果输出格式，如分类图层、分类报告等；⑥ 保存分类结果。
4. 变化检测（1）实验原理：遥感影像变化检测是指通过对比同一地区不同时期的遥感影像，分析地物变化信息的过程。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Change Detection”模块；③ 选择“Image Difference”方法进行变化检测；④ 输入对比影像，设置变化阈值；⑤ 保存变化检测结果。
三、实验结果与分析1. 辐射校正：通过辐射校正，影像数据的光谱特性得到了有效恢复，地物辐射特性得到了真实反映。
遥感图像辐射校正
实验名称：遥感图像辐射矫正实验目的：通过实验，了解并掌握辐射矫正的原理、基本方法，深刻理解遥感辐射矫正的意义。
实验原理：辐射矫正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行矫正，消除或改正辐射误差而引起的影响畸变的过程。
辐射矫正的一般方法有：1.大气校正：大气会引起太阳光的吸收、散射，也会引起来自目标的反射及散射光的吸收、散射，入射到传感器的除目标物的反射光外，还有大气引起的散射光，消除并校正这些影响的处理过程叫大气校正。
2.太阳高度及地形等引起的畸变校正：视场角和太阳角的关系所引起的亮度变化的校正；地形倾斜的影响校正。
3.传感器的灵敏度特性引起的畸变校正：（1）由光学系统的特性引起的畸变校正。
（2）由光电变化系统的特性引起的畸变校正。
辐射误差：传感器观测目标的反射或辐射能量时，观测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值。
两个基本概念反射率：反射率是反射辐射通量与入射通量的比值，是0-1之间的无量纲的值ρλ=Φreflectedλ/ Φiλ通常用反射率描述各种地物的光谱反射特性。
一般分为镜面反射、方向反射、漫反射（各向同性），反射率是地物自身的属性。
朗伯反射体：发光强度和亮度的概念不仅适用于自己发光的物体，也可以应用到反射体。
光线射到光滑的表面上，定向地发射出去；射到粗糙的表面上时，它将朝向所有方向漫射。
一个理想的漫射面，应是遵循朗伯定律的，即不管入射光来自何方，沿各方向漫射光的发光强度总与cosθ成正比，从而亮度相同。
积雪、刷粉的白墙或十分粗糙的白纸表面，都很接近这类理想的漫射面。
这类物体称为朗伯反射体。
大气影响的定量分析进入大气的太阳辐射会发生反射、折射、吸收、散射和透射。
其中对传感器接收影响较大的是吸收和散射。
假定地表面是朗伯体，其表面为漫反射，则某方向物体的辐射亮度为：θππλλλλλcos 00E R E R L ==其中：λR 是地物反射率；π是半球球面度（半球反射）传感器接收信号时，受仪器的影响还有一个系统增益因子 ，这时进入传感器的亮度值为：无大气： 在没有大气存在时，传感器接收的辐照度，只与太阳辐射到地面的辐照度和地物反射率有关。
【VIP专享】遥感影像辐射校正实习报告
目录一：实验目的 (3)二、影像数据 (3)三、实验内容 (3)四、实验步骤 (4)（一）、绝对大气校正 (4)（二）、相对大气校正——回归分析法 (7)（三）、多时相影像匹配法 (9)五、心得体会 (13)六：程序设计 (14)一：实习目的：进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。
二：影像数据：1.交大犀浦校区2003年、2005年SPOT5多光谱影像影像空间分辨率10米，波段1—近红外（0.78 - 0.89μm）；波段2—红色（0.61 - 0.68μm）；波段3—绿色（0.50 - 0.59μm）；波段4—短波红外（1.58 - 1.75μm）。
2. 交大犀浦校区2006年QuickBird（快鸟）多光谱影像影像空间分辨2.44—2.88米，波段1—蓝(450-520nm)；波段2—绿（520-660nm）；波段3—红（630-690nm）；波段4—近红外（760-900nm）。
三：实习具体内容：（一）、绝对大气校正以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。
基本步骤：（1）、从QuickBird多光谱影像文件中提取出第1波段影像；（2）、从影像中判读出一些典型地物；图4.1-2：多光谱影像文件中提取出第1波段影像2:利用Matlab从影像中判读出一些典型地物，得到它的灰度值和反射率。
（1）:在Matlab中读取第1波段的影像图片并显示，具体程序语句如下：I=imread('2006-1.tif') %将图像信息读取到矩阵I中m=min(min(I)) %读取矩阵I灰度的最大值n=max(max(I)) %读取矩阵I灰度的最小值imshow(I,n,m) %在matlab中显示读出的图像得到quickbird_multi_2006_xipu..img的第一波段影像的tif格式图，如图4.1.3:图4.1-3:quickbird_multi_2006_xipu..img的第一波段影像中读取一些地物特征点的灰度值，正如图工具可得到：，就是这一点的灰度值，在本次实习相对大气校正前后的影像对比图从校正后和校正前的图像来看，校正后只是整体的亮度值发生了大的系统误差的 TM1波段校正后影像TM1波段校正前影像分析：由图8以看出校正后的图像比校正前的图像差别不明显，在地物间的分辨能力上并无改善。
- 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)。
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.txt
2、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 calibration
3、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。
设置大气参数，大气模式为中纬度冬季，气溶胶类型为城市型。
最终结果如下图所示。
（3）多光谱设置
K-T反演选择默认模式：Defaults->Over-Land Retrieval standard （660:2100），其他参数按照默认设置。
（4）点击“Apply”运行FLAASH校正。
（5）查看结果
B.相对大气校正
1.待校正的图像Display>>Tools>>Region of intersect>> ROI tool，选择纯净水体、山体阴影等黑暗象元绘制ROI
2.主菜单>>Basic Tools >> Preprocessing>> General Purpose Utilities>> Dark Subtract
选择待校正的图像
3.在Dark Subtraction Parameters面板中，选择Region Of Interest，设置输出路径
4、在地理空间数据云中下载研究区DEM （1）高级检索，选择地区，选择数据集
（2）选择ASTGTM_N31E118.img，并下载DEM
5、使用ARCGIS打开影像
（1）计算坡度。
打开ArcToolbox—3D Analyst工具—栅格表面—坡度
（2）输入栅格图像，选择输出栅格路径，点击确定
（3）结果如下所示
（4）以envi格式导出
6.建立感兴趣区, 裁剪影像和坡度数据
7.进行计算
3. 实验结果
A.绝对大气校正
由图可以看出，纠正前纠正后图像的方向大小形状都没有明显变化，但是纠正前与纠正后的spectral profile即光谱剖面发生了变化，将平缓的光谱变得更加崎岖，以消除消除辐射畸变。
B.相对大气校正
相对大气校正实验中经历了黑暗像元法实验、在地理空间数据云中下载研究区DEM、建立感兴趣区, 裁剪影像和坡度数据和最后的进行band math计算。
下图分别是黑暗像元法前后对比以及进行band math计算的前后对比。
可以明显看出，进行黑暗像元法后，影像的颜色更加鲜艳鲜明一些。
4．结果分析
绝对大气校正是使用Flaash方法进行实现的，通过设定好影像、传感器参数、大气参数、多光谱设置等一系列参数来进行大气校正。
这种方法是绝对的，以此消除大气的消光（吸收和散射）、天空漫射辐射等等原因。
因此，经过绝对大气校正后的图像，波段起伏更加大，图像更加清晰。
相对大气校正是通过黑暗像元法进行实现的，可以利用黑暗像元计算出程辐射，进而代入适当的大气校正模型进行相对大气分析。
这种方法消除程辐射后，整体图像都会更加清晰颜色也变得更加鲜明，在上面的结果途中能够很明显看出这些特点。