6.3 遥感图像预处理-辐射校正
遥感图像的辐射校正

第四章遥感图像的辐射纠正
教学目标:
1、本章要求学生了解引起遥感图像辐射畸变的原因,以及进行遥感图像辐射纠
正的必要性;
2、理解并掌握辐射定标的概念和进行辐射定标的方法,以及使用ENVI进行辐
射定标的方法;
3、理解并掌握大气对遥感图像的影响和进行大气纠正的方法,以及使用6s辐射
传输模块进行遥感图像大气纠正的方法;
教学内容:
1、遥感图像辐射纠正的概念
2、引起辐射畸变的因素
3、辐射定标的内容、原理和方法
4、使用ENVI进行遥感图像的辐射定标
5、大气纠正的原理和方法
6、使用6S辐射传输模型进行大气纠正
一、遥感图像辐射纠正的概念
利用传感器观测目标的反射或发射能量时,传感器所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是不一致的,这是因为测量值中包含了太阳位置条件、薄雾等大气条件、或因传感器的性能不完备等条件所引起的失真。
为了正确评价目标的反射或发射特性必须消除这些失真。
消除依附在辐射亮度中的由于大气等因素引起的各种失真的过程叫做辐射纠正(Radiometric calibration)。
如上图所示,进入传感器的辐射能量包括三部分:太阳直射经地表反射直接进入传感器的部分、太阳直射经大气散射后漫入射到地表的能量再进入传感器的部分、。
第6章 遥感图像辐射处理

2/16
第六章 遥感图像辐射处理
§6.4 图像融合
(1)基于像素的图像融合 关键问题:几何纠正+像素重采样 (2)基于特征的图像融合 从初始影像中提取特征,然后对特征进行匹配 优点:针对性强、数据量小、分类精度高 (3)基于决策层的图像融合 在图像理解和模式识别基础上的融合。 在特征提取的基础上,直接面向应用进行融合
0.21 0.16 0.08 0.06 0.65 0.81 0.89 0.95 5 2->5 6 6 7
确定映射对应关系 0->1 (k->t) 统计新直方图 各灰度级像素 计算新直方图
3,4->6 1023 0.25
14/17
直方图均衡化计算步骤示意图
15/17
16/17
第六章 遥感图像辐射处理 §6.2 辐射增强
3/10
第六章 遥感图像辐射处理
§6.3 图像增强
总结:中值滤波的优点和缺点 优点是去噪(特别是脉冲或椒盐噪声)同时较好地 保持了边缘,缺点是对点、细线等细节较多的图像不 大适合。 演示:基于MATLAB的中值滤波程序
4/10
第六章 遥感图像辐射处理
§6.3 图像增强
二、空间域锐化 目的:增强图像的边缘或轮廓。 图像平滑与锐化比较:模糊边缘/突出边缘 积分运算/微分运算 模板和=1/模板和=0 空间域锐化的方法与边缘检测方法一致! 常用的算子有:(见本PPT的127页) Roberts算子 Prewitt/Sobel算子 Laplacian算子
1 3 R H tan1 (v2 v1 ); 2 G 2 2 6 S v v 1 2 B 0
目前,IHS变换已成为彩色增强、特征增强、改善空间 分辨率、融合分离的数据等图像处理和分析的一种有效 方法被广泛应用。 9/16
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。
《遥感图像预处理》课件

本课件将介绍遥感图像预处理的定义、步骤、常见方法以及应用领域。同时, 我们将探讨遥感图像预处理的优点、挑战以及未来发展趋势。
遥感图像预处理的定义
遥感图像预处理涉及对获取的遥感图像进行校正、增强和去噪等操作,以提高图像质量和可用性。
遥感图像预处理的步骤
1 图像获取
通过卫星或无人机等手段获得遥感图像。
准确性要求
遥感图像预处理要求高精度的 校正和处理结果,对算法的准 确性有很高要求。
遥感图像预处理的未来发展趋势
1
AI技术应用
人工智能技术的发展将为遥感图像预处
多源数据整合
2
理提供更高效、精确的处理方法。
将多源遥感数据进行整合和融合,提升
信息获取的质量和多样性。
3
自动化处理
自动化算法的应用将进一步提高遥感图 像预处理的效率和可靠性。
2 几何校正
对图像进行几何校正,消除地物形变和畸变。
3 辐射校正
对图像进行辐射校正,将不同波段的图像转 换为表观反射率。
4 增强和去噪
对图像进行增强和去噪处理,以提高视觉效 果和数据质量。
遥感图像预处理的常见方法
直方图均衡化
通过重新分配像素值,增强图 像对比度。
滤波处理
利用滤波器去除图像中的噪声。
遥感图像预处理的优点
1 高效性
遥感图像预处理可以大幅提高图像处理的效率和速度。
2 信息获取
遥感图像预处理可以获取大范围、多时相的地表信息。
3 非侵入性
通过遥感图像预处理,可以获取地表信息而无需实地调查。
遥感图像预处理的挑战
复杂性
遥感图像预处理面临多波段、 高分辨率等复杂图像数据处理。
第三章遥感图像辐射校正和几何校正

(a) 原始影像
(b)同分辨DEM数据 (c)地形坡度角影像辐
射校正结果影像
14
辐射校正
由遥感器引起的误差或由太阳高度引起的误差,一般 在数据生产过程中由生产单位根据遥感器参数进行校正, 而不需要用户进行自行处理。用户应该考虑大气影响引 起的辐射畸变。
Gij
M
di D
(gij
mi )
式中:gij:某一像元被计算前的输入灰度值;M:整个图 像所有像元灰值的平均值;D:整个图像所有像元数灰度
值的标准偏差;mi:每条扫描线上像元灰度平均值;di: 每条扫描线上像元灰度的标准偏差
7
按照上面查找条带公式。如果第i行是一个条带,由于
条带上所有像元都是零级灰值,故mi和di计算出来也为 零值,最后计算的Gij的灰度值应该等于整个像幅灰度值
度,亮度为 。Lp
22
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 Lp
L
RT
S ( E0T
cos
ED )
SLp
23
大气影响的定量分析
比较以下两个公式:
L'0
R
E0
S
cos
L
RT
S ( E0T
cos
ED )
SLp
大气的主要影响是减少了图像的对比度,使原始
f (x, y) g(x, y)
sin 如果不考虑天空光的影响,各波段图像可采用 相同的 角进行校正。 太阳方位角的变化也会改变光照条件,它也随成像 季节、地理纬度的变化而变化。太阳方位角引起的图 像辐射值误差通常只对图像细部特征产生影响,它可 以采用与太阳高度角校正相类似的方法进行处理。
第5章遥感图像的辐射校正

b. 线性灰度变换
在两张影像的重叠部分各取出相对应的n个点,建立线性回归方程; 然后运用最小二乘法求线性方程系数。以其中一幅影像为标准,对另 一幅影像进行变换,从而达到灰度一致化。 特点:简单易行,n足够大时有一定的精度。存在位置配准误差。
三、因大气影响引起的辐射误差校正
消除因为大气散射引起的辐射误差的处理称为大 气校正。
3. 波段对比法
依据:大气散射的选择性,即对短波影响大,对长波影响小
a. 回归分析法 原理:在遥感图像上大山的阴影区或深大水体区域, 各个波段的反射为零。同时,大气散射主要影响短 波部分,波长较长的波段几乎不受影响,因此可用其 校正其它波段数据。
方法:在不受大气影响的波段和待校正的某一波段图 像中,选择最黑区域(通常为高山阴影区)中的一系 列目标,将每个目标的两个待比较的波段灰度值提取 出来进行回归分析,建立线性回归方程,也称为暗像 元法。
1.大气透射 透射是指电磁辐射与介质作用后,产生的次级辐射和
部分原入射辐射穿过该介质,到达另一种介质的现象和过 程。
一般用透射率表示透射能力。
根据透射率的定义,有:
E ex
E0
2.大气窗口 是指大气对电磁辐射吸收和散射都很小、而透
射率很高波段,即在传输过程中损耗小、能透过大 气的电磁波段。
遥感中使用的大气窗口:
设太阳辐射照度为E0,经过大气的路程为x,则穿过该大 气路程后的辐射照度为:
E E0ex
σ称为衰减系数或消光系数
散射系数 吸收系数
大气对电磁波 的影响主要是 散射和吸收。
二、大气吸收
大气中吸收太阳辐射的主要是水蒸汽、二氧化碳 和臭氧。
吸收能力随电磁波的波长而变化,是选择性的。
三、大气透射与大气窗口
《遥感概论》课程笔记

《遥感概论》课程笔记第一章:绪论1.1 遥感及其技术系统遥感(Remote Sensing)是指不直接接触对象物体,通过分析从远处感知到的电磁波信息来识别和探测地表及其上方环境的技术。
遥感技术系统是由多个组成部分构成的复杂体系,主要包括以下几部分:- 传感器(Sensor):用于探测和记录目标物体发射或反射的电磁波的设备。
- 遥感平台(Remote Sensing Platform):携带传感器的载体,如卫星、飞机、无人机等。
- 数据传输系统(Data Transmission System):将传感器收集的数据传回地面的设备。
- 数据处理与分析系统(Data Processing and Analysis System):对遥感数据进行处理、分析和解释的软件和硬件。
1.2 遥感门类及技术特点遥感技术根据不同的分类标准可以分为以下几类:- 按照电磁波波长:可见光遥感、红外遥感、微波遥感等。
- 按照传感器工作方式:主动遥感(如激光雷达)和被动遥感(如摄影相机)。
- 按照平台类型:卫星遥感、航空遥感、地面遥感等。
遥感技术的主要特点包括:- 大范围覆盖:遥感技术可以覆盖广阔的地表区域,对于大规模的地理现象监测具有优势。
- 高效快速:遥感平台可以快速穿越监测区域,获取数据的时间周期短。
- 多维信息:遥感可以提供关于地表及其上方环境的多种信息,如形状、纹理、温度等。
- 非侵入性:遥感技术不需要直接接触目标物体,因此对环境的影响较小。
1.3 遥感行业应用概况遥感技术在多个行业中有着广泛的应用,以下是一些主要的应用领域:- 农业领域:通过遥感技术监测作物生长状况、评估产量、监测病虫害、进行土地资源调查等。
- 环境保护:监测森林覆盖变化、湿地保护、沙漠化趋势、大气污染等环境问题。
- 灾害管理:利用遥感技术进行地震、洪水、飓风、火灾等自然灾害的预警、监测和评估。
- 城市规划:通过遥感图像分析城市扩张、交通布局、土地利用效率等,为城市规划提供依据。
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。
- 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)。
即:
20
(3)利用地面实测数据进行大气校正
LS 1
T , (T , E cos Ed ) LP
可简化为: LS K LP
• 1、如果是精细定量研究,那么选择基于基于辐射 传输模型的大气校正方法。 • 2、如果是做动态监测,那么可选择相对大气校正 或者较简单的方法。 • 3、如果参数缺少,没办法了只能选择较简单的方 法了。
绝对大气校正模型
• 基于辐射传输模型 – Second Simulation of the Satellite Signal in the Solar Spectrum (6S)模型 – MORTRAN模型 – LOWTRAN模型 – ATCOR模型 • 大气校正算法应用软件 • ACORN(基于MORTRAN 4+) • ATCOR (基于MORTRAN 4+) • ATREM (基于6S )
倾斜地表获取的地物图像g(x,y)校 正为垂直入射水平地表的地物图 像f(x,y):
I0
g ( x, y ) f ( x, y ) cos
α
需要DEM辅助计算每个像元坡度、坡向等信息
• 辐射校正:消除或改正辐射误差。 • 辐射定标(传感器定标): • 绝对定标:通过各种标准辐射源,在不同波谱段建立 成像光谱仪入瞳处的光谱反射值与成像光谱仪输出的 灰度值之间的定量关系 • 相对定标:确定场景中各像元之间、各探测器之间、 各波谱之间以及不同时间测得的辐射量的相对值。 • 大气校正:消除大气和光照等因素对地物辐射的影响 ,获得地物反射率或辐射率、地表温度等真实物理模 型参数。 • 辐射校正包括辐射定标和大气校正。
大气校正方法
• 绝对大气校正方法:将遥感图像的 DN(Digital Number)值转换为地表反射率、 地表辐射率、地表温度等的方法。
• 相对大气校正方法: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。
• 既然有怎么多的方法,那么又存在方法选择问题 。这里有一个总结供参考:
校正前
校正后
以FLAASH大气校正为例
大气影响的相对(粗略)校正
LS 1
T , (T , E cos Ed ) LP
• 通过比较简便的方法去掉上式中的程辐射LP,从而改善图 像质量。 • 程辐射的大小与象元位置有关,随着大气条件、太阳照射 方向和时间变化而变化,但在一幅图像的范围内,变化量 微小,可以认为是一个常数。 • 主要包括直方图最小值去除法和回归分析法等。
a) Field crew taking a spectro-radiometer measurement from a calibrated reflectance standard on the tripod. b) 8 8 m black and white calibration targets at the Savannah River Site
大气校正(Atmospheric correction)
• 大气校正的目的是消除大气和光照等因素对地物 辐射的影响,获得地物反射率或辐射率、地表温 度等真实物理模型参数。 • 是否需要大气校正?
– 不需要:对某些分类而言,大气校正并不是必需的。 原则是:分类训练样本如果来自影像本身,而不是来 自其他时间或地点获取的影像。 – 必须:多时相图像变化信息提取或提取遥感数据的生 物物理信息(如水体中的叶绿素、悬浮泥沙、温度; 植被的生物量、叶面积指数、叶绿素、树冠郁闭百分 比等)
纬度 赤纬 时角
太阳斜射时的图像g(x,y)校正为太阳直射时的图像f(x,y) :
g ( x, y ) f ( x, y ) sin
地形坡度辐射校正(Terrain slope )
单位面积倾斜地表接收的垂直太 阳辐射能量I与地表接收的太阳辐 射能量I0 的关系:
I I 0 cos
Lb kLa c
Lb:待校正波段的图像亮度值
La :不受大气影响波段的图像 亮度值
ki
(L
a
La )( Lb Lb )
2
( La La )
,
La , Lb为a b波段的均值。
19
(2)回归分析法
对于TM数据:
TMi kiTM 7 ci ci TMi kiTM 7
• FLAASH (基于MORTRAN 4+)
• 绝对大气校正需获取参数(基于辐射传输物理 模型)
• 获取图像的地理位置(经纬度坐标,latitude and longitude of the remotely sensed image scene), • 数据的获取时间date and exact time of remote sensing data collection, • 图像获取高度image acquisition altitude (e.g., 20 km AGL) • 获取图像地面高程mean elevation of the scene (e.g., 200 m ASL), • 建立一个大气模型an atmospheric model (e.g., mid-latitude summer, mid-latitude winter, tropical),(影响水汽、气溶胶含量) • 定标处理后的图像辐射数据radiometrically calibrated image radiance data (i.e., data must be in the form W m2 mm-1 sr-1), • 波段波长位置data about each specific band (i.e., its mean and fullwidth at half-maximum (FWHM), and • 获取图像地区的大气可见度等local atmospheric visibility at the time of remote sensing data collection (e.g., 10 km, obtained from a nearby airport if possible).
16
焦作,TM, 2007.5.19
(1)直方图 校正方法
Min Max 25 166
Mean 81.37
Stdev 10.23
Band 4
17
(2)回归分析法
Байду номын сангаас
焦作,TM, 2007.5.19
Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 7
6.3辐射校正 Radiometric correction
主要内容: • 辐射校正 • 影响辐射误差的因素 • 辐射定标 • 大气校正
1 辐射校正 Radiometric correction
• 辐射畸变:地物实际的反射能量与传感器测量值 不一致。
• 产生辐射畸变的原因: • 1.传感器响应特性(边缘减光,光电转换系 统)引起辐射误差 • 2.太阳高度角变化、地形起伏的影响 • 3.大气的影响
In Situ Radiometric Data Collection
传感器误差
p d dθ o
θ
S
边缘减光现象
E Eo cos
4
光电转换误差
探测器光敏特性引起的辐射误差校正 1)热噪声引起的辐射误差校正 2)暗电流引起的辐射误差校正 3)光谱响应引起的辐射误差校正
太阳高度角辐射校正(Solar elevation
angle )
太阳高度角θ的变化会改变光照条件,随成像时间、 季节和地理位置变化而变化。太阳高度角引起的图像 辐射值误差通常对图像细部特征产生影响。 太阳高度角θ计算: sin sin sin cos cos cost
Min 71 31 25 25 21 10
Max Mean Stdev Num Eigenvalue 238 100.198278 13.282733 1 865.526840 129 48.810632 7.960678 2 172.335425 166 54.181880 13.189381 3 45.795327 167 80.806152 10.032392 4 11.086515 249 95.733802 18.548537 5 5.464733 186 50.995964 15.587194 6 1.212051
• (2)回归分析法
• 原理: • 在遥感图像上大山的阴影区或深大水体区域,各个波 段的反射为零。 • 程辐射主要来自大气散射的影响,在波长较长的红外 波段,散射影响接近于零。可作为没有程辐射影响的 标准图像来校正其他波段数据。 • 方法:在不受大气影响的波段(如TM5或7)和待校正的 某一波段图像中,选择一系列目标,将每个目标的两个 待比较的波段灰度值提取出来进行回归分析,建立线性 回归方程。
辐射定标 Radiometric calibrates
建立到达传感器的总电磁辐射与传感器量测值之 间的关系:
LS K BVi , j ,k Lmax Lmin Lmin,K Cmax
• K——传感器每一亮度等级表示 的辐射能量(增益系数); • BVijk——象元亮度值; • Cmax——象元的最大亮度值(如: 8bit为255); • Lmax ——传感器探测的饱和辐射 值; • Lmin ——探测器量测的最小辐射 值(偏移量)。
(1)直方图校正方法
• 从图像像元亮度值中减去一个辐射偏置量(LP), 辐射偏置量等于图像直方图中最小的辐射亮度值。 • 前提(假设):水体(或阴影)等物体的灰度值 为0,大气散射导致图像上这些物体的灰度值不为 0(辐射偏置量) 暗物体法(Dark-object method) 即: 输出BVi,j,k=输出BVi,j,k-偏移量