52预处理辐射校正与增强资料教程.ppt

辐射定标处理l 已知增益与偏移参数时，按照以上公式计算l 没有定标参数时，可以按如下公式Lmax和Lmin的选取 高增益(high gain)与低增益(low gain)的选取表观反射率计算l 计算表达式如下式中：式中： = = 大气层顶大气层顶(TOA)(TOA)表观反射率表观反射率 L L = = 光谱辐射亮度光谱辐射亮度 ESUNESUN = = 光谱辐照度光谱辐照度D D = = 日地之间的距离日地之间的距离( (天文单位天文单位) )q q = = 太阳天顶角太阳天顶角 i i = = 太阳入射角太阳入射角 lL 和ESUN与波段有关，不同波段值不同lL来自地物和大气辐射亮度的总和，因此 也是地面反射率 GG和大气反射率 A A的总和，即 = = G G + + A A相对辐射校正l采用直方图调整的单景影像归一化l采用回归分析归一化多时相影像辐射误差太阳高度及地形辐射误差的来源 太阳位置引起的辐射误差 地形起伏引起的辐射误差辐射误差的表现及其影响由于太阳角与地形影响引起的辐射误差：同类地物灰度不一致坡度坡向影响校正l 目的：去除由地形引起的光照度变化，使两个反射物性相同的地物，虽然坡度不同，在影像中具有相同的亮度值。

l 方法：简单余弦校正、Minnaert校正、统计-经验校正、c校正余弦校正 式中：式中：L LH H = = 水平面辐射（即坡度坡向校正水平面辐射（即坡度坡向校正后的遥感数据）后的遥感数据） L LT T = = 坡面辐射（即遥感原始数据）坡面辐射（即遥感原始数据） = = 太阳天顶角太阳天顶角 = = 太阳入射角太阳入射角 ioTHLLcoscos=辐射校正的目的l 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，为遥感图像的识别、分类、解译等后续工作打下基础本节总结l辐射误差产生的原因l辐射误差的表现、影响及其必要性l辐射校正通过简单的影像归一化技术和更为先进的绝对辐射定标方法可以标定地面反射以消除这些影响辐射定标绝对辐射校正地形校正归一化相对辐射校正大气校正必要性判断必要性判断第五章 遥感图像预处理5-2 遥感图像增强处理l本节内容l多光谱图像四则运算l 多光谱图像增强l 图像融合多光谱图像四则运算加减运算l加法运算主要用于对同一区域的多幅图像求平均，可以有效地减少图像的加性随机噪声l减法运算提供不同波段或不同时相图像间的差异信息，应用于动态监测及目标识别等工作中多光谱图像四则运算比值运算l能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响阳坡/阴坡灰度及比值结果地形部位波段TM1TM2TM1/TM2阳坡28430.65阴坡22340.65多光谱图像四则运算比值运算l增强某些地物之间的反差植被、水、土壤在红/红外波段灰度及比值结果类别类别红红波段红红外波段红红外波段/红红波段植被暗很亮更亮水稍亮很暗更暗房屋较较亮较较亮不变变多光谱图像四则运算植被指数l反映绿色植被的相对丰度及其活动，其中包括叶面积指数、绿色覆盖百分比、叶绿素含量、绿色生物量和吸收的有效光合辐射多光谱图像四则运算植被指数归一化植被指数(normalized vegetation index, NDVI)式中：式中：IR IR = = 近红外波段反射值近红外波段反射值 R R = = 红波段反射值红波段反射值 可以监测到植被生长活动的季节与年际变化 比值处理能够减少多时相影像多个波段中很多形式的乘性噪声（太阳光照差异、云阴影、部分大气衰减和地形差异）多光谱图像四则运算植被指数常用的红外(IR)与红波段(R)传感器IR波段R波段Landsat TM43Landsat MSS75SPOT XS32NOAA NVHRR21多光谱图像增强主成分分析l 必要性：波段多、信息量大、存在数据冗余l 目的：通过函数变换，保留主要信息，降低数据量，增强或提取有用信息的目的l 方法：对遥感图像实行线性变换，使多光谱空间坐标系进行旋转主成分分析特点l主成分分析(Principle component analysis, PCA，又称主成分变换、K-L变换)，它的特点如下： 变换后的矢量是原有矢量的信息的线性组合，较好地反映了事物的本质特征 变换后的矢量的协方差矩阵是对角矩阵，矢量中各分量之间的信息是相互独立的 特征值大小反映该方向上主分量所具有信息量的多少及每个分量的相对重要性主成分分析特点前两个主成分的空间关系图示。

a)从两个遥感影像波段X1 和X2 采集到的数据的散点图，X1和X2各自的平均值为1 和2b)平移坐标轴到X 坐标系，创建一个新的坐标系统，新坐标系下的亮度值可以由关系式1 X = X1-1 和2 X = X2-2 得到c)将新坐标系统X 沿着坐标原点（1，2）旋转，使得PC1 投影到分布点的半长轴上，PC1 的方差最大，PC2 必须和PC1 垂直PC 轴即为这个二维数据空间的主成分第1主成分通常解释总方差的90%以上，第2主成分2则解释方差的2%10%，等等主成分分析特点使用查尔斯顿TM 数据所有七个波段计算得到的七个主成分影像第1 主成分包含近红外和中红外的信息（第4、5 和7 波段）第2 主成分主要包含可见光信息（第1、2 和3 波段）第3 主成分主要包含近红外信息第4 主成分包含第6 波段热红外信息因此，七波段的TM 数据在维数上可以减为四个（第1、2、3 和4 波段），它解释了99.38%的方差主成分分析应用l数据压缩l图像增强l分类前预处理多光谱图像增强缨帽变换l缨帽变换(tasseled cap，又称K-T变换)：线性变换后坐标轴的方向与植被生长及土壤有密切关系l变换后的前三个分量分别对应亮度、绿度和湿度 亮度TM六个波段亮度值加权和，反映总体亮度变化 绿度与亮度轴垂直，是近红外与可见光波段的对比 湿度与土壤湿度有关图像融合问题的提出1. 遥感影像空间分辨率不断提高u Landsat MSS 80mu Landsat TM 30m u SPOT 20mu IRS PAN 5.8mu Quickbird 0.82m 图像融合问题的提出2. 传感器类型各有不同SARTMPANl 照相机l 扫描仪l 雷达l 全色影像l 多光谱影像图像融合问题的提出3. 高光谱影像的出现传感器波段数光谱分辨率(nm)MSS4100TM770HIRIS19210TRW38454.遥感小卫星群时间分辨力可选择图像融合问题的提出多分辨率、多遥感平台、多光谱、多时相?如何复合同一地区多源遥感影像的信息图像融合目的l不同传感器获取同一地区图像具有不同的应用特点 (Landsat TM & SPOT)l图像融合可以综合不同传感器图像的优点，大大提高图像的应用精度图像融合数据类型l SPOT 1010m 全色（Panchromatic，PAN）数据与2020m 多光谱（Multispectral，XS）数据融合 l SPOT 1010m 全色数据与Landsat 3030m TM 数据融合l 多光谱数据（如：SPOT XS，Landsat TM，IKONOS）与主动微波（雷达）或其它类型数据的融合l 数字航空影像与SPOT XS 或者TM 数据融合 雷达影像多光谱影像图像融合融合步骤全色航空像片数据配准：所有要融合的数据集必须精确校正并重采样到相同大小的像元图像融合融合影像输出、评价和应用图像融合融合方法l 简单的波段替换l 利用不同色彩坐标系统（如：RGB、亮度-色度-饱和度、 色度）的色彩空间变换和替换法l 高空间分辨率数据的第一主成分替换l 高频滤波的逐像元相加，高空间分辨率到高光谱分辨率的转换l 基于平滑滤波的亮度调节 所有要融合的数据集必须精确校正并重采样到相同大小的像元色彩空间转换与替换到现在为止，所描述的遥感数据都是在RGB色彩坐标系内。

在描述用于可视分析的遥感数据时，也可以使用其它色彩坐标系在融合不同类型的遥感数据时，可以利用其中的某些色彩坐标系两种常用的数据融合方法是将RGB系统变换到亮度-色度-饱和度（Intensity-Hue-Saturation，IHS）系统中和使用色度坐标Intensity-Hue-Saturation (IHS) Intensity-Hue-Saturation (IHS) 变换变换: :IHS IHS 的值可以由的值可以由R R、G G和和B B值通过以下公式变换而得：值通过以下公式变换而得： RGB 到IHS 的转换及其逆转换色彩空间变换图像融合RGB 到IHS：将RGB 色彩空间中的三个低空间分辨率波段变换成IHS 色彩空间的三个波段对比度操作：对高空间分辨率的影像进行对比度拉伸，从而使其与亮度（Intensity，I）影像具有相同的方差和均值替换：使用拉伸的高空间分辨率影像来替换亮度（I）影像IHS 到RGB：利用IHS 逆变换将修改的IHS 数据转换回RGB 色彩空间近似一致的光谱特征色度图色度表坐标描述了给定色彩中的每种三原色（红、绿和蓝）的相对比率，三原色总和为1R、G、B 分别表示生成某种特定颜色所需的红、绿、蓝的量；x、y、z 代表相应的归一化颜色组分，即三原色系数。

在定义图表中一种颜色的色度坐标时，只需要x 和y 的值，因为x+y+z=1l Brovey融合也称为色彩标准化( Color Normalization) 融合, 是美国科学家 Brovey 建立的模型并将其推广的, 是目前应用广泛的一种RGB彩色融合变换方法 Brovey 融合Pan 表示调整大小后的全色影像的对应值, I 0、R 0、G0、R 0 分别表示调整大小后的多光谱影像的对应值, Rnew、Gnew、Rnew 则分别表示融合后的多光谱影像的对应值 l该方法能够保留每个像素的相关光谱特性, 并且将所有的亮度信息变换成高分辨率的全色影像融合然而，由于Brovey 影像融合对影像的要求比较高, 融合前必须预先进行去相关预处理和噪声滤波处理, 以便减少数据冗余和非光谱信息 Brovey 融合基于主成分分析(PCA) 的融合l 对SPOT全色数据进行对比度拉伸，得到与第一主成分影像大约相等的方差和均值利用经过拉伸的全色数据代替第一主成分并把数据变换回RGB 空间经过拉伸的全色影像可以代替第一主 成分，这是因为第一主成分通常包含了PCA输入波段所共有的信息，而某些输入波段特有的光谱信息则被映射到其它n个主成分高频信息逐像元累加融合方法l 采用用于高空间分辨率影像的高通空间滤波器，将美国国家高空摄影计划（National High Altitude ProgramPhotography，NHAPP）的数字化数据及SPOT全色数据与Landsat TM 数据进行融合。

融合后的高通影像包含了在很大程度上与该景影像的空间特征相关的高频信息空间滤波去除了大部分的光谱信息高通滤波结果与低空间分辨率TM数据逐像元相加该处理融合了高空间分辨率数据集的空间信息与TM数据内的多光谱分辨率Chavez 等（1991）发现这种多传感器数据融合技术使得光谱特征的畸变最少融合影像评价信息量清晰度遥感影像融合应用 l 不同的融合方法对同一种遥感影像进行融合时其评价指标有所不同，进而影响融合影像质量，因此，在对遥感影像进行融合时，应注意以下几点：配准精度或精纠的精度都是直接影响融合结果的因素融合模型的选择也是相当重要的，根据研究目标选择融合模型多光谱影像的波段之间有着一定的关联性，根据需要选择最佳波段来融合不同类型的遥感影像应采用不同的融合策略本节总结l数字图像处理基本原理（图像校正、恢复；噪声去除；图像增强）l多光谱遥感图像处理（四则运算；植被指数；主成分分析；缨帽变换）l图像融合（背景；融合的方法）。