遥感导论课程报告遥感图像一般预处理流程课堂PPT.ppt

遥感图像预处理的一般处理流程1遥感图像处理的一般流程2辐射校正几何校正融合、镶嵌、裁剪3辐射校正卫星光学传感器是接受地表反射太阳的能量而成像的，遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异，这些因素都会引起图像造成影像的系统辐射失真和非系统辐射失真，辐射校正实际上是影像恢复的一个内容校正方式有两类：①传感器辐射校正通常采用内部校准光源和校准楔，如陆地卫星多光谱扫描仪的辐射校正；②大气校正前者主要纠正系统误差，直接表现是图像得到增强而清晰；后者纠正非系统误差，得到地表真实辐射量在遥感图像处理中，图像辐射校正经常做的是大气校正4辐射定标一般来讲，辐射定标（Radiometric  Calibration）就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程辐射定标参数一般存放在元数据文件中，ENVI 中的通用辐射定标5大气校正大气校正的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，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响。

大多数情况下，大气校正同时也是反演地物真实反射率的过程目前，遥感图像的大气校正方法很多这些校正方法按照校正后的结果可以分为2种：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6大气校正图像基本参数￿波段范围：卫星图像：400－2500nm，航空图像：860nm-1135nm￿如果要执行水汽反演，光谱分辨率<=15nm，且至少包含以下波段范围中的一个：￿1050-1210 nm 770-870 nm 870-1020 nm 像元值类型：经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）￿7大气校正辅助信息￿中心波长：数据头文件中（或者单独的一个文本文件）包含中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）￿波谱滤波函数（波谱响应函数）文件：对于未知多光谱传感器（UNKNOWN-MSI）需要提供波谱滤波函数文件。

￿8Landsat8OLI陆地成像仪序号波段(μm)空间分辨率￿(m)10.433–0.4533020.450–0.5153030.525–0.6003040.630–0.6803050.845–0.8853061.560–1.6603072.100–2.3003080.500–0.6801591.360–1.390301010.60-11.201001111.50-12.501009大气校正前10Flaash大气校正后11几何校正图像的几何形变一般分为两大类：系统性和非系统性系统性几何形变一般是由传感器本身引起的，有规律可循、具有可预测性，可以用传感器模型来校正，卫星地面接收站已经完成了这项工作；非系统性几何形变是不规律的，引起它的缘由可以是传感器平台本身的高度、姿势等，也可以是地球曲率及空气折射的变化、地形变化等常说的几何校正，就是要消除这些非系统性几何形变￿图像的几何形变一般分为两大类：系统性和非系统性系统性几何形变一般是由传感器本身引起的，有规律可循、具有可预测性，可以用传感器模型来校正，卫星地面接收站已经完成了这项工作；非系统性几何形变是不规律的，引起它的缘由可以是传感器平台本身的高度、姿势等，也可以是地球曲率及空气折射的变化、地形变化等。

常说的几何校正，就是要消除这些非系统性几何形变￿12背景知识——最近邻法取与所计算点（x,y）周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近，就取哪个亮度值作为（x,y）点的亮度值简单易用，计算量小，图像的亮度具有不连续性，精度差13背景知识——双线性内插法取（x,y）点周围的4邻点，在y方向内插二次，再在x方向内插一次，得到（x,y)点的亮度值f（x,y)双线性内插法比最近邻发虽然计算量有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善内插法会对图像起到平滑作用，从而使对比度明显的分界线变得模糊Δ yΔ x原始图像结果图像14背景知识——三次卷积内插法进一步提高内插精度的一种方法，通过增加邻点来获得最佳插值函数取与计算点周围相邻的16个点，先在某一方向内插，再根据计算结果在另一个方向上内插，得到一个连续内插函数计算量大，精度高，细节表现更为清楚，对控制点要求较高Δ xΔ y1234515背景知识——影像误差来源引起图像畸变因素系统误差有规律的、可预测的比如扫描畸变非系统误差无规律的如传感器平台的高度、经纬度、速度和姿态的不稳，地球曲率及空气折射，地形影响等几何校正：纠正系统和非系统因素引起的几何畸变。

16背景知识——卫星姿态引起的图像变形17背景知识——动态扫描图像的变形18几何校正模型主要有：仿射变换（RST）多项式局部三角网（Delaunay Triangulation）19几何粗校正几何粗校正：这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，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行了校正￿几何粗校正是针对卫星运行和成像过程中引起的几何畸变进行的校正，即卫星姿态不稳、地球自转、地球曲率、地形起伏、大气折射等因素引起的变形20基于自带定位信息的几何校正不同的数据需要使用不同的几何校正方法，对于重返周期短、空间分辨率较低的卫星数据，如￿AVHRR、MODIS、SeaWiFS 等，地面控制点的选择有相当的难度这时，可以利用卫星传感器自带的地理定位文件进行几何校正，校正精度主要受地理定位文件的影响21Modis传感器参数22校正前23校正后24在google earth上显示校正后的结果25几何精校正基于地面控制点，利用几何校正模型，构建图像与地面坐标/与图像之间的几何关系完成几何校正，当控制点选择源是图像（有地理坐标）时候，又属于图像配准范畴。

多项式模型x=a0+a1x+a2Y+a3x2+a4xy+a5y2+……y=b0+b1x+b2Y+b3x2+b4xy+b5y2+……最少控制点个数N=（n+1）*（n+2）/2误差计算RMS Eerror=sqrt（（x’-x）2+（y’-y）2）26几何校正模型主要有：仿射变换（RST）多项式局部三角网（Delaunay Triangulation）27图像配准经常在实际数据生产中会遇到，同一地区的图像或者相邻地区有重叠区的图像，由于几何校正误差的原因，重叠区的相同地物不能重叠，这种情况对图像的融合、镶嵌、动态监测等应用带来很大的影响遇到这种情况，可以利用重叠区的匹配点和相应的计算模型进行精确配准￿图像配准(Image Registration)就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程￿28配准前29配准后30正射校正图像正射校正（Ortho-rectification）：借助于地形高程模型（DEM），对图像中每个像元进行地形的校正，使图像符合正射投影的要求正射校正模型严格轨道模型（Pushbroom  Sensor）RPC 有理多项式系数（Rational Polynomial Coefficient）。

31高分一号平台有效载荷波段光谱范围（μm）空间分辨率（米）幅宽（千米）侧摆能力重访时间（天）高分一号全色--2--°2-4多光谱相机蓝0.45~0.528--°2-4黄0.52~0.59绿0.63~0.69红0.77~0.89宽幅多光谱蓝0.45~0.5216800-2-4黄0.52~0.59绿0.63~0.69红0.77~0.8933正射校正34图像融合图像融合，是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征￿图像融合除了要求融合图像精确配准外，融合方法的选择也非常重要，同样的融合方法在用在不同影像中，得到的结果往往会不一样35图像融合融合方法￿适用范围￿IHS 变换 纹理改善，空间保持较好光谱信息损失较大大，受波段限制￿Brovey 变换￿光谱信息保持较好，受波段限制￿乘积运算（CN）对大的地貌类型效果好，同时可用于多光谱与高光谱的融合￿PCA 变换￿无波段限制，光谱保持好第一主成分信息高度集中，色调发生较大变化￿Gram-SchmidtPan Sharpening（GS）￿改进了￿PCA 中信息过分集中的问题，不受波段限制，较好的保持空间纹理信息，尤其能高保真保持光谱特征。

专为最新高空间分辨率影像设计，能较好保持影像的纹理和光谱信息￿注：GS 融合方法是通过统计分析方法对参与融合的各波段进行最佳匹配，避免了传统融合方法某些波段信息过度集中和新型高空间分辨率全色波段波长范围扩展所带来的光谱响应范围不一致问题这种方法可以满足绝大部分图像的融合36高分二号参  数1m分辨率全色/4m分辨率多光谱相机光谱范围全色0.45—0.90μm多光谱0.45—0.52μm0.52—0.59μm0.63—0.69μm0.77—0.89μm空间分辨率全色0.8m多光谱4m幅宽45km（2台相机组合）重访周期（侧摆时）5天覆盖周期（不侧摆）69天37融合前38融合后39图像镶嵌图像镶嵌，指在一定数学基础控制下把多景相邻遥感图像拼接成一个大范围、无缝的图像的过程控制图层的叠放顺序￿￿￿设置忽略值、显示或隐藏图层或轮廓线、重新计算有效的轮廓线、选择重采样方法和输出范围、可指定输出波段和背景值￿￿可进行颜色校正、羽化/调和￿高级的自动生成接边线功能、也可手动编辑接边线￿￿40镶嵌41图像裁剪图像裁剪的目的是将研究之外的区域去除常用的方法是按照行政区划边界或者自然区划边界进行头像裁剪；在基础数据生产中个，还经常要进行标准分幅裁剪。

￿42裁切43最近开放的卫星数据下载平台https://scihub.copernicus.eu/s2/#/home44谢谢观看￿￿￿￿￿￿欢迎指正45个人观点供参考，欢迎讨论。