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。
遥感图像几何校正与辐射校正资料
选择文件，输入参数，执行定标过程
14
大气校正
目的是消除大气和光照等因素对地物反射的影响， 获得地物反射率、辐射率、地表温度等真实物理模 型参数；消除大气分子和气溶胶散 射的影响。
15
最小值去除法 找出辐射最小值；将每一个波段中每一个像元的亮
度值都减去本波段的最小值。使图像亮度动态范围 得到改善，对比度增强，从而提高了图像质量。
12
LANDSAT定标 使用LANDSAT定标工具可以将LANDSAT MSS、
TM、或ETM+的DN值转换成辐射亮度值或表观大 气反射率。 Basic Tools Preprocessing Data-Specific Utilities
Landsat TM Landsat Clibration
Display Enhance Histogram Matching
19
课程任务： 对南京市影像用两种方法进行校正
20
21
5
控制点的选取
选择基准影 像
选择需要被 校正的影像
6
控制点的选取
添加控制点
显示控制点 列表
对于RMS过高，明显存在错误的点，直接选中，按 Delete按钮删除；
对于其它的点，在两个图像的Zoom窗口，用十字光标 重新定位到正确的位置。选中需要微调的点，点击 Update按钮进行微调，直至RMS小于1个像素；
16
统计出图像各波段的最小值 Basic Tools/statistics/computer statistics功能
17
在Envi中使用basic tools/band math依次将程辐射值 减去 ，最后得到校正影像
18
直方图匹配 是典型的相对大气校正非线性校正法
《遥感影像辐射校正》课件
常用的辐射校正模型
常用的辐射校正模型包括大气校正模型、地物反射率校正模型和仪器响应校 正模型等。这些模型是校正过程中的数学表达式，能够准确描述辐射校正的 过程。
辐射校正实例分析
通过实例分析，可以更好地理解遥感影像辐射校正的操作步骤和效果。实例 分析可以涉及不同类型的遥感影像和不同校正方法的比较。
总结和展望
总结遥感影像辐射校正的重要性和方法，展望未来在遥感影像辐射校正领域 的发展方向，包括新的校正模型和算法的应用以及辐射校正在特定应用领域 的深入研究。
《遥感影像辐射校正》 PPT课件
背景介绍
遥感影像辐射校正是一种针对遥感影像数据进行的重要预处理步骤。通过校 正光谱辐射能力，可以消除地表特征和大气透射对图像造成的影响，获取更 准确的地物信息。
遥感影像辐射校正的概念
遥感影像辐射校正是指将原始的数字遥感影像转换为物理量表达，并消除光谱辐射能力的意义
通过辐射校正，可以消除地表大气、地物反射和仪器响应等因素的影响，提 高遥感影像的质量和准确性，为后续的地物分类、变化检测等应用提供可靠 的数据支持。
遥感影像辐射校正的方法
遥感影像辐射校正的方法包括大气校正、地物反射率校正和仪器响应校正等。 不同的校正方法适用于不同类型的遥感影像和应用需求。
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。
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。
《遥感影像辐射校正》课件
03
人工智能与辐射校 正的集成
探索人工智能技术与辐射校正的 集成方法，实现遥感影像的快速 、准确校正。
THANKS。
噪声失真
由于传感器内部噪声引起的失 真，导致图像中出现随机噪声
。
辐射失真的原因
传感器响应的非线性
由于传感器材料、工艺等因素导致的 响应非线性，引起辐射失真。
大气条件的影响
大气中的气体、水汽、尘埃等对太阳 光的吸收、散射和反射作用，导致遥 感影像的辐射失真。
地物反射特性的差异
不同地物对太阳光的反射特性存在差 异，导致遥感影像的辐射失真。
率的过程。
辐射失真来源
辐射失真主要来源于传感器性能 差异、大气吸收散射、太阳辐射
条件等因素。
校正内容
辐射校正主要校正图像的亮度值 ，使其更接近真实地物反射率。
辐射校正的重要性
提高遥感影像质量
ห้องสมุดไป่ตู้
为后续分析提供准确数据
通过消除辐射失真，可以提高遥感影 像的对比度和清晰度，使地物特征更 加突出。
辐射校正为后续的图像处理和分析提 供了准确的数据基础，提高了遥感数 据的可信度和可靠性。
遥感影像辐射校正技术还可以应用于土地利用 变化监测、水资源管理等领域，为相关部门的 决策提供数据支持。
在城市规划中的应用
遥感影像辐射校正技术可以为城市规 划提供高精度的地理信息数据，帮助 规划师更加准确地了解城市空间布局 和土地利用情况。
遥感影像辐射校正技术还可以应用于 城市环境监测、城市交通规划等领域 ，为城市可持续发展提供科学依据。
建立完善的数据融合效果评估体系，对融合结果进行客观、准确 的评价。
人工智能与辐射校正的结合
01
深度学习在辐射校 正中的应用
如何进行遥感图像的处理与分析
如何进行遥感图像的处理与分析遥感技术是指通过卫星、飞机等远程手段获取地球表面信息的一种技术，它具有广泛的应用领域，包括环境监测、农业、城市规划等。
遥感图像的处理和分析是遥感技术的重要组成部分，它能够帮助我们从海量的遥感数据中提取有效信息，为决策提供科学依据。
本文将介绍如何进行遥感图像的处理与分析。
一、遥感图像的预处理遥感图像的预处理是图像处理的第一步，它主要包括图像校正、辐射校正和大气校正等。
图像校正是将图像转换为常用的坐标系统，如UTM坐标系或地理坐标系，以便进行后续的分析。
辐射校正是将图像的数字值转换为表面反射率，以消除光照条件的影响。
大气校正是消除大气散射对图像的影响，使得图像更加准确和可靠。
二、遥感图像的特征提取特征提取是从遥感图像中提取与研究对象有关的信息特征。
常用的特征包括光谱特征、纹理特征和形状特征等。
光谱特征是指通过对不同波段的遥感图像进行统计和分析，来获取地物的光谱信息。
纹理特征是指通过分析图像中的纹理变化来获取地物的纹理特征。
形状特征是指通过对地物的形状进行测量和分析，来获取地物的形状信息。
这些特征能够帮助我们对地物进行分类和识别。
三、遥感图像的分类与识别遥感图像的分类与识别是将图像中的像素或区域划分成不同的类别，并将其与标志样本进行比较，以实现遥感图像的自动解译和分析。
常用的分类方法包括有监督分类和无监督分类。
有监督分类依赖于标志样本，通过训练分类器来实现图像的分类。
无监督分类则是根据图像的统计特征对图像进行自动聚类。
分类和识别的准确性往往取决于样本的选择和分类器的性能。
四、遥感图像的变化检测遥感图像的变化检测是指通过对多期遥感图像进行比较和分析，来获取地物变化的信息。
常用的变化检测方法包括像元级变化检测和目标级变化检测。
像元级变化检测通过对图像的像素进行比较，来获取地物的变化信息。
目标级变化检测则是通过对地物的目标进行分析，来获取地物变化的信息。
变化检测能够帮助我们了解地表环境的动态变化和变化原因。
《遥感图像预处理》课件
通过线性或非线性变换来调整像素强度范围，增强图像的对比度。
对比度拉伸
通过增强高频分量来增强图像的边缘和细节信息。
锐化滤波
通过将图像的低频和高频分量分离并分别处理，增强图像的对比度和细节信息。
同态滤波
02
01
03
04
05
遥感图像的融合处理
06
图像融合是将多源信道所采集到的关于同一目标的图像，通过一定的图像处理和信息融合技术，提取各自信道的信息并最终复合在一起，形成高质量、全面、准确的图像。
THANKS
几何校正的方法
遥感图像的噪声去除
04
VS
噪声去除是遥感图像预处理中的重要步骤，旨在减少或消除图像中的噪声，提高图像质量。
意义
噪声是影响遥感图像质量的主要因素之一，去除噪声有助于提高图像的视觉效果、降低后续分析的误差，为遥感应用提供更准确、可靠的数据基础。
定义
基于图像的统计特性，通过滤波、变换等技术手段，将噪声与图像信号分离，从而达到去除噪声的目的。
意义
原理
基于图像的数学模型和物理模型，通过一定的算法和技术，对图像的像素值进行变换和处理，以达到增强图像的目的。
方法
直方图均衡化、对比度拉伸、锐化滤波、同态滤波、傅里叶变换等。
通过拉伸像素强度分布范围来增强图像的对比度。
直方图均衡化
将图像从空间域变换到频率域，通过增强高频分量或抑制低频分量来增强图像的3
几何校正的定义
几何校正是指将原始的遥感图像经过一系列的变换，使其与标准地图或参考地图在几何位置上对齐的过程。
几何校正的意义
几何校正是遥感图像预处理的重要步骤，它能够纠正图像中由于传感器、地球曲率、地球自转等因素导致的几何畸变，提高遥感图像的精度和可靠性，为后续的图像分析和应用提供准确的基础数据。
第五章遥感图像处理——辐射校正
1、为什么进行辐射校正？
2、引起辐射畸变的原因是什么？
3、如何进行辐射校正（校正的方法、原理、 步骤）？
1、为什么进行辐射校正？ 遥感数字图像中辐射的表现形式 ？
2、产生辐射畸变的原因
辐射畸变由于遥感检测系统、大气散射和吸收等 原因引起的图像模糊失真、分辩率和对比度下降 等辐射失真。
通过比较简便的方法去掉上式中的LP，从而改善图像质量。
（1）直方图法
基本思想（原理）：一幅图像中总可以找到某种或某几种地物， 其辐射亮度或反射率接近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。
前提：图像中必须存在反射值为零的区域，如高山阴影区或面积 大且水体深的水域。
Lyb
a1
xLa
遥感图像的辐射畸变三个主要因素： 大气对辐射的影响 光照条件的影响 传感器仪器本身的误差
3、大气影响的定量分析
1、无大气影响时：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。设 E0为波长λ的辐照度，θ为入射 方向的天顶角，地面上单位面积的辐照度为：
E E0 cos
假定地表面是朗伯体，其表面为漫反射，则某方向物体的亮度为：L0RERE0
cos
传感器接收信号时，受仪器的影响还有一个系统增益系数因子 ，
进入传感器的亮度值为：
L'0
R
E0
• S
• cos
2、由于大气存在，在入射方向有与入射天顶角θ和
波长λ有关的透过率Tθλ；在反射方向有与反射天顶
角φ和波长λ有关的透过率Tφλ。进入传感器的有效亮
度值为：
L1
RT
E0
Lb La
如何使用图像处理技术实现图像辐射度校正与校准
如何使用图像处理技术实现图像辐射度校正与校准图像辐射度校正与校准是图像处理中常见的一项技术，它可以消除图像中的辐射度不均匀问题，并保证图像在不同光照条件下的一致性。
本文将介绍如何使用图像处理技术来实现图像辐射度校正与校准的方法和步骤。
我们需要了解图像的辐射度与亮度的概念。
辐射度是指物体单位面积上各个方向传出或传入的辐射通量，而亮度则是指人眼感知到的光强度。
在实际拍摄的图像中，由于光源的不均匀性或相机的传感器差异等因素，图像的辐射度会出现不均匀分布的情况。
为了实现图像的辐射度校正与校准，我们可以采用以下步骤：1. 获取辐射度校正图像：通过在同一场景下拍摄一幅已知辐射度分布均匀的图像作为辐射度校正图像。
可以使用灯板、均匀灯光或特定亮度的光源来拍摄。
2. 图像预处理：对辐射度校正图像进行预处理。
可以采用平滑滤波的方法去除噪声，并使用非线性对比度增强算法，如直方图均衡化或自适应对比度增强来增强图像的对比度。
3. 辐射度校正：将待校正图像与辐射度校正图像进行匹配校正。
计算两幅图像的灰度差异（如平均灰度差或标准差差异），然后将待校正图像的每个像素乘以校正系数以实现辐射度校正。
校正系数的计算可以根据灰度差异的具体值来确定，通常采用线性插值的方法计算校正系数。
4. 辐射度校准：对已经进行辐射度校正的图像进行辐射度校准，以保证图像在不同光照条件下的一致性。
选择一个参考图像作为标准，该图像具有辐射度分布均匀且已知的特性。
计算校准系数，通过该系数将待校准图像的亮度调整到与参考图像一致。
校准系数的计算可以基于图像的灰度均值、灰度分布或直方图等特征来确定。
5. 结果评估：对校正与校准后的图像进行评估，使用一些质量指标，如均方误差 (MSE)、峰值信噪比 (PSNR) 或结构相似性指标 (SSIM) 来评估图像的质量。
根据评估结果，可以进一步调整校正参数以提高校正效果。
总结起来，图像辐射度校正与校准是一项重要的图像处理技术，它可以消除图像中的辐射度不均匀问题，保证图像在不同光照条件下的一致性。
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。
- 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