遥感影像辐射校正
遥感影像辐射校正方法与技巧
遥感影像辐射校正方法与技巧引言：遥感技术在现代社会的应用日益广泛，无论是环境监测、农业发展还是城市规划，遥感影像都起到了不可或缺的作用。
然而，遥感影像需要进行辐射校正，以准确反映地物的光谱信息。
本文将介绍遥感影像辐射校正的方法与技巧。
一、什么是辐射校正辐射校正是遥感影像处理中的一项重要任务，通过消除大气、地表反射和传感器响应等误差，实现影像灰度与反射率、辐射率之间的转换。
辐射校正的目的是减小影像的空间和光谱差异，以便更好地进行后续分析和应用。
二、辐射校正的方法1. 经验模型方法经验模型方法适用于辐射校正的初步处理。
通过建立传感器响应与地物反射之间的经验模型，根据遥感影像中的亮度值进行校正。
这种方法适用于像素值的非线性校正，但不适用于不同光谱区域之间的校正。
2. 大气校正方法大气校正是辐射校正的关键步骤之一。
大气校正通过模拟大气的辐射传输过程，估算并消除大气对遥感影像的影响。
目前，主要的大气校正方法包括常规大气校正、基于模型的大气校正和基于辐射传输模型的大气校正等。
3. 地表反射校正方法地表反射校正是辐射校正中的另一重要步骤，主要解决地物反射率的转换问题。
地表反射校正方法可以分为基于定标面的校正和基于统计的校正两种。
其中，基于定标面的校正方法需要采集大量的地面参考数据，而基于统计的校正方法则通过统计地物的光谱反射特征进行校正。
三、辐射校正的技巧1. 模型选择与参数估计在进行辐射校正时，需要选择合适的模型和正确估计模型参数。
为了提高辐射校正的准确性，可通过大量的实地观测数据进行参数估计。
同时，对不同地区和不同影像进行适当调整和优化，以提高校正的精度。
2. 数据预处理在进行辐射校正之前，需要对遥感影像进行一定的数据预处理。
主要包括大气润湿校正、坐标转换、几何校正等。
这些预处理步骤有助于减小数据误差，提高辐射校正的精度。
3. 校正结果评价进行辐射校正后，需要对校正结果进行评价。
评价指标包括辐射定标误差、地物反射率的准确度等。
遥感影像纠正的方法与技巧
遥感影像纠正的方法与技巧随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而，在获取遥感影像后，由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此，进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比，通过匹配相同地物或地点的像素点，从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点，并将其与参考影像中的特征点进行匹配，从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性，确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标（如道路交叉口、建筑物等）并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算，从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正，以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确，同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响，将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
一种遥感影像的相对辐射校正方法与流程
一种遥感影像的相对辐射校正方法与流程
一种遥感影像的相对辐射校正方法与流程，是一种用于矫正遥感影像不同地表物的反射率差异而产生的光谱响应不同的方法。
以下为该方法的具体步骤。
1. 数据预处理
在输入遥感影像前，需要预处理数据，包括了去除植被保护区、云、阴影和水波纹等对遥感数据质量产生潜在干扰的部分。
2. 选择代表性光谱典型物
选择气象站记录的光谱典型物，并选择大气校正模型。
3. 大气扰动校正
根据大气校正模型，估算遥感影像的大气光学性质参数。
在计算过程需要监测各项参数变化。
4. DEM栅格数据加工
在DEM栅格数据（台阶型）中加工，生成高度模型，与河流、大海等受水体影响的地表覆盖物做好处理。
5. 影像配准
遥感影像配准可以为影像间的秩序一致，并提高校正精度。
6. 差异响应与系数计算
基于光谱典型物的光谱响应与辐射度计的相对辐射度计算差异响应。
7. 相对辐射校正
我们将计算出的角度冠幅校正曲线之所以称之为相对辐射校正，是因为该曲线可以将原图像在照片上所观察到的效果转换为辐射计目测的效果。
8. 精度检验
通过与地面真实数据做比较，进行校正GIS输出。
精度检验力求实现准确性与可重复性。
综上所述，一种遥感影像的相对辐射校正方法与流程，是调整遥感影像反射率的方法，主要由预处理、选择光谱典型物、大气扰动校
正、DEM栅格数据加工、影像配准、差异响应与系数计算、相对辐射校正和精度检验等步骤组成。
采用该方法可以将因采集时的光谱响应不同而产生的影响消除，提高影像质量的准确性和可靠性。
遥感卫星影像辐射校正、几何校正、正射校正的方法
北京揽宇方圆信息技术有限公司遥感卫星影像辐射校正、几何校正、正射校正的方法a)辐射校正：进入传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。
该值主要受两个物理量影像：一是太阳辐射照射到地面的辐射强度，二是地物的光谱反射率。
当太阳辐射相同时，图像上像元亮度值差异直接反映了地物目标光谱反射率的差异。
但实际测量时，辐射强度值还受到其他因素的影响而发生改变。
这一改变就是需要校正的部分，故称为辐射畸变。
引起辐射畸变有两个原因：一是传感器本身的误差；二是大气对辐射的影响。
仪器引起的误差是由于多个检测器之间存在的差异，以及仪器系统工作产生的误差，这导致了接收的图像不均匀，产生条纹和“噪声”。
一般来说，这种畸变在数据生产过程中已经由生产单位根据传感器参数进行了校正，不需要用户自行校正。
b)几何校正：当遥感图像在几何位置上发生了变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变时，即说明遥感影像发生了几何畸变。
遥感影像的总体变形（相对与地面真实形态而言）是平移、缩放、旋转、偏扭、弯曲及其他变形综合作用的结果。
产生畸变的图像给定量分析及位置配准造成困难，因此遥感数据接收后，首先由接收部门进行校正，这种校正往往根据遥感平台、地球、传感器的各种参数进行处理。
而用户拿到这种产品后，由于使用目的的不同或者投影及比例尺的不同，仍然需要作进一步的几何校正。
几何校正一般包括精校正和正射校正。
精校正：利用地面控制点对由于各种因素引起的遥感图像的几何畸变进行校正。
简单理解：和地形图的校正，校正后有准确的经纬度信息。
精校正适合于在地面平坦，不需要考虑高程信息，或地面起伏较大而无高程信息的情况。
有时根据遥感平台的各种参数已做过一次校正，但仍不能满足要求，就可以用该方法作遥感影像相对于地面坐标的配准校正，遥感影像相对于地图投影坐标系统的配准校正，以及不同类型或不同时相的遥感数据之间的几何配准和复合分析，以得到比较精确的结果。
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。
遥感影像的辐射校正与处理技术
遥感影像的辐射校正与处理技术在当今科技飞速发展的时代，遥感技术作为一种获取地球表面信息的重要手段，发挥着越来越关键的作用。
而遥感影像的辐射校正与处理技术，则是确保遥感数据质量和可用性的重要环节。
遥感影像本质上是通过传感器接收到的地物反射或发射的电磁波能量所形成的图像。
然而，在获取影像的过程中，由于多种因素的影响，影像的辐射值可能会出现偏差或失真，这就需要进行辐射校正。
辐射校正的目的是消除或减少这些影响，使得影像能够准确反映地物的真实辐射特性。
造成遥感影像辐射误差的原因众多。
首先，传感器自身的性能差异会导致响应不一致。
不同的传感器对相同的地物可能会产生不同的测量值。
其次，大气对电磁波的散射和吸收也会改变影像的辐射特性。
比如，大气中的水汽、尘埃等会使得光线散射，导致影像模糊和亮度变化。
再者，太阳高度角、观测角度等几何因素也会影响地物的辐射接收。
此外，地形的起伏会导致光照不均匀，从而影响影像的辐射值。
辐射校正主要包括两种类型：辐射定标和辐射校正。
辐射定标是将传感器测量的数字量化值（DN 值）转换为具有物理意义的辐射亮度或反射率值。
这通常需要借助传感器的定标参数，如增益、偏移等。
通过定标，可以建立起影像数据与实际辐射量之间的定量关系。
而辐射校正则是消除或减少由大气、地形等因素引起的辐射误差。
常见的辐射校正方法有基于物理模型的校正和基于经验模型的校正。
基于物理模型的校正方法需要详细了解大气的成分、物理特性以及太阳辐射等信息，通过建立复杂的数学模型来计算大气对辐射的影响，并进行校正。
这种方法理论上较为精确，但需要大量的先验知识和参数输入，计算量较大。
基于经验模型的校正方法则是通过对大量已知辐射特性的地面控制点或均匀地物区域的观测，建立影像辐射值与实际辐射值之间的经验关系，然后应用这种关系对整个影像进行校正。
这种方法相对简单，但精度可能受到控制点选取和分布的影响。
在进行辐射校正之后，还需要对遥感影像进行进一步的处理，以提高影像的质量和可用性。
遥感图像辐射校正
大气中的云、雾、水滴、尘埃以及大小超过波 长10倍的颗粒引起的散射，散射粒子的直径远大于 入射波长，对各种波长予以同等散射。
第6页/共65页
第7页/共65页
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
探测器光谱响应带宽探器光谱响应函数红外波段辐射校正系数第64页共65页四中国遥感辐射校正场由中国气象局国家卫星气象中心牵头国内7个部委国防科工委国家计委等的11个单位参加合作于2000年建成了中国遥感卫星辐射校正场其中甘肃省敦煌市西部党和洪积扇区为可见光和近红外波段的绝对辐射校正场青海省的青海湖为热红外波段的辐射校正场
第19页/共65页
3. 因太阳辐射引起的辐射误差
（1）太阳位置 包括太阳高度角和方位角
太阳高度角，也称太阳高度。某地的太阳高度角是太 阳光线与当地地平面所交的线面角。 太阳方位角是指太阳光线在地平面上的投影与当地子 午线的夹角。
太阳位置不同，则地面物体入射照度会发生变化， 地物的反射率也就随之改变。
L
Lmax L min 255
DN
Lm in
第38页/共65页
卫 星 测 量 值
a 0
设回归方程为：
地面测量值
L=a+bR
大气影响的附加部分（天空光散射）
将图像中的每个像素值减去a，获取某区域经过大气 改正后的图像。
第39页/共65页
在获取地面目标图像时，可以预先在地面设置反射率已 知的标志，或事先测出若干地面目标的反射率，把由此 得到的地面实况数据和传感器的输出值进行比较，以消 除大气的影响。 注意：在地面特定地区、特定条件、一定时间段内测定 的地面目标反射率不具有普遍性，因此该方法仅适用于 包含地面实况数据的图像。
遥感卫星影像辐射校正方法
北京揽宇方圆信息技术有限公司遥感卫星影像辐射校正方法影像辐射校正原理辐射校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的校正，消除或改正因辐射误差而引起影像畸变的过程。
利用传感器观测目标的反射或辐射能量时，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之间的差值叫做辐射误差。
辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。
需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。
遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。
辐射校正的目的主要包括：1、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等引起的传感器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；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。
辐射校正分为辐射定标和大气校正两部分。
辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。
大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。
大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。
辐射校正流程图影像辐射校正方法辐射定标主要分为两种类型：统计型和物理型。
统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。
遥感辐射校正
遥感辐射校正
遥感辐射校正是指通过对遥感影像中的辐射值进行调整和修正，使其能够精确地反映地物的辐射特性和能量分布。
遥感数据在获取过程中可能会受到大气、地表反射率、地形和传感器等因素的影响，导致影像中的辐射值不准确或存在差异。
辐射校正的目的是消除这些影响，确保遥感影像能够提供准确和可靠的地物信息。
辐射校正的过程包括大气校正、地表反射率校正和辐射定标等步骤。
大气校正是指将影像中受大气影响引起的光学深度改变进行修正，以消除大气因素对辐射值的影响。
地表反射率校正是指根据地物的反射率特性，将影像中的辐射值转换为表面反射率，以准确反映地物的光谱特征。
辐射定标是通过校准参数和辐射标准物体信息，将影像中的原始辐射值转换为可比较和可量化的辐射亮度，以实现数据的准确比较和分析。
遥感辐射校正技术可以有效提高遥感影像的质量和精度，为后续的地物分类、变化检测、地表模拟和环境监测等应用提供准确和可靠的数据基础。
《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。
相对辐射校正和绝对辐射校正
相对辐射校正和绝对辐射校正相对辐射校正和绝对辐射校正是遥感领域中常用的两种辐射校正方法。
在遥感图像处理中，辐射校正是非常重要的一步，可以将原始图像中的辐射能量转换为物理上可比较的辐射亮度值，使得不同时间、不同传感器获取的图像能够进行定量分析和比较。
下面将对相对辐射校正和绝对辐射校正进行详细介绍。
相对辐射校正是一种基于相对辐射亮度进行的校正方法。
在遥感图像中，每个像元的辐射亮度值受到多种因素的影响，如太阳高度角、大气透过率、地表反射率等。
相对辐射校正通过选取一个参考区域，计算该区域的平均辐射亮度值，然后将整个图像中的像元辐射亮度值都除以该参考区域的平均辐射亮度值，从而消除了大气透过率和太阳高度角的影响。
相对辐射校正能够使得不同地区、不同时间获取的遥感图像在辐射亮度上具有可比性，方便进行定量分析。
然而，相对辐射校正只能消除大气透过率和太阳高度角的影响，而不能消除地表反射率的影响。
为了解决这个问题，可以采用绝对辐射校正方法。
绝对辐射校正是通过获取地表反射率的参考数据，利用辐射传输模型计算出地表反射率与辐射亮度之间的关系，从而将图像中的辐射亮度值转换为地表反射率。
绝对辐射校正能够消除地表反射率的影响，使不同地区、不同时间获取的遥感图像在地表反射率上具有可比性，更加方便进行定量分析和比较。
相对辐射校正和绝对辐射校正都是常用的辐射校正方法，但两者在处理过程和结果上存在一些差异。
相对辐射校正是通过选取参考区域进行校正，不需要获取地表反射率的参考数据，处理过程相对简单。
而绝对辐射校正需要获取地表反射率的参考数据，并进行复杂的辐射传输模型计算，处理过程相对复杂。
另外，由于相对辐射校正只消除了大气透过率和太阳高度角的影响，图像中的绝对辐射亮度值无法直接比较，而绝对辐射校正将图像中的辐射亮度值转换为地表反射率，使得图像具有可比性。
在实际应用中，选择相对辐射校正还是绝对辐射校正需要根据具体的研究目的和数据条件来决定。
如果只是进行简单的定性分析，相对辐射校正已经足够。
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。
如何进行遥感影像的改正几何与辐射校正
如何进行遥感影像的改正几何与辐射校正遥感影像是一种通过卫星、飞机或无人机等遥感技术获取的地球表面图像。
然而，由于地球表面的变形和大气吸收散射等因素的影响，遥感影像在获取过程中往往存在一定的几何和辐射失真。
为了更准确地利用遥感影像进行地学研究和应用，需要进行改正几何与辐射校正。
本文将介绍如何进行遥感影像的改正几何与辐射校正的方法与步骤。
一、改正几何的方法与步骤在遥感影像中，由于卫星、飞机或无人机的摄像机与地面之间的相对运动以及地球的曲面特性，会导致图像产生几何失真。
改正几何主要包括坐标转换、几何纠正和合并等步骤。
1. 坐标转换坐标转换是将遥感影像中的像素坐标转换为地理坐标的过程。
常用的方法有像点测量和控制点配准等。
在进行像点测量时，可以通过对图像中的明显地物或地理特征进行测量，获得像素坐标与地理坐标之间的对应关系。
而控制点配准则是通过与已知地理坐标的参考影像进行配准，获取像素坐标和地理坐标之间的转换关系。
2. 几何纠正几何纠正是将遥感影像中的几何失真进行校正的过程。
常用的方法有多项式模型和空间变换等。
多项式模型基于像素坐标和地理坐标之间的多项式拟合关系，通过调整变换参数进行几何纠正。
而空间变换则是通过对地面进行网格化或三角剖分，并在图像中插值来实现几何纠正。
3. 合并在进行几何纠正后，可能会存在分幅问题，即一个遥感影像由多个不连续或有重叠区域的分块组成。
此时，需要进行分幅合并，使得遥感影像成为一个连续的整体。
常用的方法有重叠区域的像素平均和补全等。
二、辐射校正的方法与步骤在遥感影像中，由于大气吸收散射和地面特性的影响，图像中的亮度值会受到辐射失真的影响。
辐射校正旨在去除这些辐射失真，使得遥感影像的亮度值能够准确反映地面的真实特征。
1. 大气校正大气校正是去除大气吸收散射对遥感影像亮度值的影响。
常用的方法有大气模型和大气校正模型等。
大气模型基于大气物理学原理，通过计算大气组分和可见光谱的相互作用，来预测遥感影像中的大气亮度值。
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。
第三章遥感影像辐射校正
第三章遥感影像辐射校正遥感影像辐射校正是遥感技术的重要应用之一，它是指将无人机、卫星或其他遥感设备获取的图像的辐射信息转化为物理量信息的过程。
在遥感影像中，辐射信息是指影像中的灰度值代表的能量值，这个能量值与被观测物体的反射率和辐射源之间的关系有关。
在进行遥感影像的数据分析前，进行辐射校正可以提高分析结果的准确性和可重复性。
本文将介绍遥感影像的辐射校正方法和应用场景。
1. 辐射校正方法在进行辐射校正前，需要了解一些遥感影像的基本概念。
1.1 辐射度在遥感数据中，辐射度一般是指反射率、亮度或辐射通量密度，这些数据与被观测物体反射的太阳辐射或其他外部辐射之间的关系有关。
辐射度的单位通常是W/m2。
1.2 亮度温度与云图色温度亮度温度是指黑体在辐射平衡状态下所具有的温度，由于遥感仪器无法测量黑体的温度，因此以某些标准物质的亮度温度代替黑体，计算出来的亮度温度称为亮度温度值。
云图色温度是根据红外线波段的辐射谱计算出来的温度，其可衡量的是地物表面的温度。
1.3 辐射传感器辐射传感器是用于测量遥感影像的辐射信息的传感器。
不同的辐射传感器可以测量不同波段的电磁辐射信息，因此可以根据不同应用需求选择不同波段的传感器。
完成上述基础工作后，可以根据不同的遥感影像类型和不同的应用需求选择不同的辐射校正方法。
1.4 大气校正地球大气在遥感影像获取过程中对能见度和色彩产生了影响，因此需要对遥感影像进行大气校正。
大气校正是指从遥感影像中恢复出地表表面的反射率信息，这个过程主要包括大气模型的建立、大气光线的估算以及反演模型的建立和应用等步骤。
其中，大气光线的估算是大气校正最重要的一步。
由于地球大气的复杂变化，大气光线的估算比较困难，需要使用遥感技术和各种模型来进行辅助计算。
1.5 地表反射率校正地表反射率是指地表表面反射入射辐射的比率。
地表反射率可以通过遥感影像的反射率信息计算出来，因此需要进行地表反射率校正。
地表反射率校正主要是通过相关模型和常用遥感数据来进行计算得出。
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤遥感影像预处理是遥感技术中非常重要的一步，它能够提取出影像中所需的信息并减少干扰因素，为后续的数据分析和应用提供清晰的数据基础。
下面将介绍遥感影像预处理的正确步骤。
1. 数据获取遥感影像预处理的第一步是获取原始遥感影像数据。
可以通过卫星遥感、航空遥感或无人机遥感等方式获取。
获取到的原始数据可能包含噪声、失真等问题，需要进行预处理来提高数据质量。
2. 辐射校正遥感影像中的像素值受到辐射条件的影响，辐射校正是将像素值转换为能反映地物表面特征的物理量。
辐射校正的方法包括大气校正、辐射定标等，目的是消除大气、地表反射率等因素对影像的影响。
3. 几何校正几何校正是将遥感影像的像素与地理坐标系相对应，使得像素位置准确地对应于真实地物位置。
几何校正的主要工作包括影像配准、地面控制点获取和校正模型建立等过程。
4. 噪声去除遥感影像中常常存在各种噪声，如斑点噪声、椒盐噪声等。
噪声去除的方法包括滤波、插值等，以提高影像的质量和清晰度。
5. 影像增强影像增强是通过改变影像的对比度、亮度等参数，使得地物特征更加明显。
常用的影像增强方法有直方图均衡化、滤波增强等。
6. 影像融合影像融合是将多个不同波段或不同分辨率的遥感影像融合为一幅影像，以获取更全面、准确的信息。
融合方法包括基于像素级的融合和基于特征级的融合。
7. 尺度转换遥感影像通常具有不同的空间分辨率和时间分辨率，为了方便数据分析和应用，需要进行尺度转换。
常见的尺度转换方法有降尺度和升尺度等。
8. 数据裁剪根据具体应用需求，对遥感影像进行裁剪，提取感兴趣的区域或特定的地物信息。
9. 影像格式转换遥感影像通常有多种格式，如TIFF、JPEG、ENVI等，为了方便数据存储和共享，需要将影像格式进行转换。
10. 数据存储经过预处理的遥感影像需要进行数据存储，以备后续的数据分析和应用。
遥感影像预处理的正确步骤包括数据获取、辐射校正、几何校正、噪声去除、影像增强、影像融合、尺度转换、数据裁剪、影像格式转换和数据存储等。
遥感卫星影像辐射校正包括辐射定标和大气校正@揽宇方圆
北京揽宇方圆信息技术有限公司遥感卫星影像辐射校正包括辐射定标和大气校正指在光学遥感数据获取过程中，产生的一切与辐射有关的误差的校正（包括辐射定标和大气校正）。
三者关系如图：大气校正的准备过程为辐射定标辐射定标定义（Radiometric Calibration）是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。
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辐射亮度值与成像光谱仪输出的数字量化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。
技术流程：获取空中、地面及大气环境数据，计算大气气溶胶光学厚度，计算大气中水和臭氧含量，分析和处理定标场地及训练区地物光谱等数据，获取定标场地数据时的几何参量和时间，将获取和计算的各种参数带入大气辐射传输模型，求取遥感器入瞳时的辐射亮度，计算定标系数，进行误差分析，讨论误差原因。
方法：反射率法：在卫星过顶时同步测量地面目标反射率因子和大气光学参量（如大气光学厚度、大气柱水汽含量等）然后利用大气辐射传输模型计算出遥感器入瞳处辐射亮度值，具有较高的精度。
辐亮度法：采用经过严格光谱与辐射标定的辐射计，通过航空平台实现与卫星遥感器观测几何相似的同步测量，把机载辐射计测量的辐射度作为已知量，去标定飞行中遥感器的辐射量，从而实现卫星的标定，最后辐射校正系数的误差以辐射计的定标误差为主，仅仅需要对飞行高度以上的大气进行校正，回避了底层大气的校正误差，有利于提高精度。
辐照度法：又称改进的反射率法，利用地面测量的向下漫射与总辐射度值来确定卫星遥感器高度的表观反射率，进而确定出遥感器入瞳处辐射亮度。
这种方法是使用解析近似方法来计算反射率，从而可大大缩减计算时间和计算复杂性。
大气校正定义：大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。
- 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)。
遥感影像辐射校正实验报告姓名：***学号：********班级：11遥感指导教师：***2013/6/13目录一、实验名称： (3)二、实验概况： (3)三、实验目的： (4)四、实验步骤： (4)（一）、绝对大气校正： (4)1、按照实习要求将quickbird_multi_2006_xipu.img的第一波段提取出来 (4)2、将第一波段图像以“JPG”格式输出： (6)3、在matlab中进行处理： (7)（二）、相对大气校正： (10)1、把quickbird_multi_2006_xipu.img中图像的第一和第四波段图像提取出来： . 102、回归分析： (11)4、在matlab中实现相对大气校正： (12)5、校正结果： (12)（三）、多时相影像匹配法： (13)1、分别提取spot5_10multi_2003_xipu和spot5_10multi_2005_xipu的第三波段（绿色）的影像： (13)2、多时相影像匹配原理： (14)3、在matlab中实现： (15)4、结果： (16)五、实验体会： (17)一、实验名称：遥感影像辐射校正实习：1、绝对大气校正；2、相对大气校正——回归分析法；3、多时相影像匹配法。
二、实验概况：1、影像数据：quickbird_multi_2006_xipu.imgspot5_10multi_2003_xipu.imgspot5_10multi_2005_xipu.img;2、实验所用软件：ERDAS9.2 matlabR2010a；3、实验地点：X4245 ；4、实验时间：6月9日——6月17日。
三、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；2、实际体验对遥感图像进行绝对大气校正、相对大气校正的回归分析法和多时相影像匹配法；3、考察了对matlab的基本使用，复习掌握一定的编程能力。
四、实验步骤：（一）、绝对大气校正：1、按照实习要求将quickbird_multi_2006_xipu.img的第一波段提取出来：单击，出现如图1.1 1，在当中选择“Utilities”,在弹出的图1.1 2中选择“Layer stack”图1.1 1 图1.1 2图1.1 3在图1.1 3中的input里面找到quickbird_multi_2006_xipu.img文件，输入output File名quickxipu.img。
在Layer一栏选择“1”，点击Add，选择输出无符号整数16位，点击OK，则将第一波段图像提取了出来。
2、将第一波段图像以“JPG”格式输出：单击，弹出图1.1 4图1.1 4在Type中找到JFIF（JPEG）格式，在Media中选择 File，在input File 中找到quickxipu.img，单击OK出现图1.1 5，点击OK图1.1 5转换成功。
图1.1 63、在matlab中进行处理：打开matlab，将目录置于图1.2 1图1.2 1在明亮窗口输入“m=imread('quickxipu.jpg');”，回车后输入“imshow(m)”，得到图1.2 2图1.2 2在以前地物光谱实习中所测过的多个地区的叶子反射率找出来，分别选取了五处的叶子在波长为450~520nm间的反射率，并在Excel中求得各个地方的平均值{[0.0787,0.0739,0.0920,0.0963,0.1076}，在图上分别选取这五个地区的五个相应地物的点，记下其index值{74,87,95,94,97}，选取方法如图1.2 3图1.2 3在matlab命令窗口输入“edit”编写一M文件：function m=aac(T,B,P)X=double(T);[p,q]=size(X);a=polyfit(B,P,1);%% ·´ÉäÂʺ¯Êý¾ÍΪ£ºf=1/a*B-b/a;N=zeros(p,q);for i=1:pfor j=1:qN(i,j)=1/a(1)*X(i,j)-a(2)/a(1);if N(i,j)<0N(i,j)=0;elseN(i,j)=N(i,j);endendendm=double(N);在命令窗口输入“a=[0.0787,0.0739,0.0920,0.0963,0.1076]; ”，回车，“b=[74,87,95,94,97];”回车，“T=aac(m,a,b); ”，回车，“Figure,imshow(T)”得到结果图为图1.2 4图1.2 4（二）、相对大气校正：1、把quickbird_multi_2006_xipu.img中图像的第一和第四波段图像提取出来：第一波段的影像在绝对校正中已经提取出来，现在只需仿照绝对校正中提取第一波段的方法将第四波段的影像提取出来。
并且转换为“JPG”格式输出。
得到两幅图像：图1.2 5和图1.2 6图1.2 5图1.2 62、回归分析：将第四波段影像作为参考，对第一波段进行校正。
依据线性回归分析的方法，即公式：()()[]()∑∑---=2551155TTTTTTb51TbTa⋅-=aT-='T。
114、在matlab中实现相对大气校正：function m=rac(A,B)[p,q]=size(A); %AΪ²ÎÕÕ²¨¶Î£¬£¬BΪУÕý²¨¶Î£»[i,j]=size(B);e=min(p,i);r=min(q,j);X=A;Y=B;X=X(:);a=mean(X);Y=Y(:);b=mean(Y);for z=1:efor v=1:rQ=(sum((A(z,v)-a)*(B(z,v)-b)))/sum((A(z,v)-a)*(A(z,v)-a)); F=b-a*Q;endendfor g=1:ifor h=1:jT(g,h)=B(g,h)-F;endendm=uint8(T);5、校正结果：如图1.2 7图1.2 7（三）、多时相影像匹配法：1、分别提取spot5_10multi_2003_xipu和spot5_10multi_2005_xipu的第三波段（绿色）的影像：与绝对大气校正中提取quickbird_multi_2006_xipu的方法一样，不再赘述。
转化为JPG格式后在matlab中打开分别为图1.3 1和1.3 2：图1.3 1图1.3 22、多时相影像匹配原理：在不同时间获取的多幅遥感图像中，以一幅作为基准图像，将其他图像的光谱特征（灰度变化）规一化到与基准图像大致相同的水平。
（1）选取基准图像（2）在两幅图像中选取伪不变特征点作为辐射地面控制点。
●伪不变特征点具备4个特性：➢辐射特性随时间变化很小（如清澈深水体、裸露土壤、宽大的房顶或其他均质目标等）；➢其高度在成像区域与其他地物相近；➢含植被少；➢表面相对平坦；（3）图像规一化对t时间图像，采用下式进行归一化处理，使其与基准图像具有相同的辐射水平。
为归一化前的像元亮度值；为归一化后的像元亮度值。
在matlab 输出的图像中选伪不变特征点点如图1.3 3：图1.3 3本影像中我选取了五个伪不变特征点：03年的灰度值为：[99,104,102,113,81];05年同一点的为：[132,124,107,105,80]。
3、在matlab 中实现：function Q=multi_temporal(A,a,b) %AΪ05ÄêʱͼÏñµÄ»Ò¶ÈÖµ£» %aΪ05ÄêʱÓë03ÄêÏàÓ¦µÄͼÏñÉϵÄα²»±äÌØÕ÷µã¼¯ºÏ£»%bΪ03ÄêʱͼÏñÉÏÕÒµÄα²»±äÌØÕ÷µã£»%a and b must be compared;X=A;x=a;y=b;[p,q]=size(X);ji j i BV b a V B ,,⋅+='[w,v]=size(a);a=a(:);b=b(:);m=mean(a);n=mean(b);for i=1:wfor j=1:vT=(sum((y(i,j)-n)*(x(i,j)-m)))/sum((y(i,j)-n)*(y(i,j)-n)); F=m-T*n;endendfor k=1:pfor l=1:qQ(k,l)=A(k,l)-F;endendQ=uint8(Q);4、结果：如图1.3 4：图1.3 4五、实验体会：这是本学期的最后一个实验报告，难度也较前面的大。
主要是因为这次的实验任务中没有具体的步骤。
在上课时听老师讲的原理挺简单的，数学计算也没有什么特别复杂的内容。
但是在自己上机实现时却发现了这个实验的难度是很大的：1、在绝对大气校正中:由于之前的地物光谱实习时没有预见性，测得地物太单一，导致现在找不同地物的反射率就不可能实现了；2、当我在matlab中把图像打开后发现，在这样分辨率的影像上，根本不可能分清例如土壤、岩石这种地物，所以原有测的数据也没有用，唯一能用的就是植被的反射率。
所以就粗略了找了五个不同地点的植被的反射率的平均值。
由于这种粗略的选择，导致最后的结果也不是太好，表现在校正后的图像偏黑；3、相对大气校正时相对来说最容易做的，只是要注意不要与绝对校正的方法弄混；4、多时相影像匹配时也发现了不少问题：犀浦校区2005年相对于2003年发生了巨大的变化。