遥感数字图像处理图像校正详解.pptVIP

5.5.1统计学方法 通过将野外实地波谱测试获得的无大气影响的辐射值与卫星传感器同步观测对应象元亮度值进行回归分析计算确定辐射误差校正量。 5.5.2辐射传递方程算法 测量大气参数，按理论公式求得大气干扰辐射量。 为大气的衰减系数；E0为地面目标的辐射能量；H为传感器的高度（高度为H的大气）；E为传感器测到的电磁波能量。 在可见光和近红外区，大气的影响主要是由气溶胶 引起的散射造成的；在热红外区，大气的影响主要 是由水蒸气的吸收造成的。 需要测定可见光和近红外区气溶胶的密度、热红外区水蒸气浓度参数。 常用大气模型 商业模型：ACTOR（Erdas和Geomatica）、Flaash（ENVI） 公共模型：6S模型 6S模型是目前世界上发展比较完善的大气辐射校正模型之一。由5S模型改进而来，适合于可见光-近红外的多角度数据。该模型考虑了地表非朗伯体情况，解决了BRDF与大气相互耦合的问题，通过使用较为精确的近似方程以及“SOS”算法，提高了瑞利散射和米氏散射的计算精度，显著简化了计算，同时模型支持的光谱分辨率达到2.5nm。 利用辐射传递方程同城只能得到近似解，改进的方法是在获取图像的同时，利用搭载在同一平台的其他传感器获取气溶胶密度和水蒸气密度数据，然后利用这些数据进行校正。 5.5.3 波段对比法 在特殊条件下，利用某些不受大气影响或影响很小的波段来校正其他波段。 理论依据：大气散射影响对波长的选择性。波长越长的波段受大气散射影响越小。 大气散射辐射度主要来自米氏散射（尘埃、小水滴及气溶胶等影响），其散射强度随波长的增大而减小，到红外波段也有可能接近于零。 以Landsat卫星为例，其TM2，3，4都会受到大气散射的影响，而TM5，7几乎不受大气散射的影像，能够较为正确地反映地物波谱的实际情况。因而可以使用同步获得的TM7波段来对其他几个波段图像进行辐射校正。 实现方法（一）回归分析法 在TM图像中，蓝光波段的B1大气散射最大，B7大气散射最小。图像中的深的大面积水体与地形阴影在B7中是黑色的，如果不存在附加的辐射，这些水体与阴影在其他波段也应该是黑的，B1与B7应该具有比例关系。 若对B1进行校正，首先在B1上得最黑区域中选择一系列目标，以这两个波段做散点图，并作回归分析，以确定偏移量。 实现方法（二）直方图法 基本思想：每幅图像上都有辐射亮度或反射亮度 应为0的地区，而事实上并不等于0,说明亮度最小 值必定是这一地区大气影响的程辐射度增值。 校正方法：将每一波段中每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。 5.6 地面辐射校正 太阳辐射校正 地形辐射校正 5.6.1太阳辐射校正 主要是校正太阳高度角导致的辐射误差。即：将太阳光线倾斜照射时获取的图像校正为太阳垂直照射时获取的图像。 公式法 其中， 为太阳高度角，g(x,y)为太阳高度角 时的图像，f(x,y)为太阳直射时的图像。 波段比值法：用同步获取的相同地区的任意两个波段图像相除得到的新图像。 * (1) 不同太阳高度角校正 θ 为太阳高度角 f(i，j)为校正前图像在(i，j)像元点的灰度值； f’(i，j)为校正后图像在(i，j)像元点的灰度值； (2) 不同像幅的照度校正 5.6.2 地形辐射校正 地形不平坦，受坡度和坡向的影像，传感器获得的能量会发生变化。 地形校正需要有地区的DEM数据，对于高山峡谷地区的图像，地形校正是非常必要的。 地形起伏引起的辐射误差校正 基本思想是把起伏的地形校正到水平地面的状况。 I0 I 设光线垂直入射时水平地表收到的光照强度为I0，则光线垂直入射时坡度为α的坡面入射点的光强度I为： 处在坡度为α的坡面上的图像g(x,y)校正后的图像f(x,y)为： 5.6.4 其他辐射误差校正 大气传输信道中由于大气湍流扰动影响产生随机噪声 传感器的噪声源包含有转换和滤波过程中产生的噪声 传感器的另一噪声源为滤波器电路中电阻、电容产生的热噪声 热红外波段传感器因部分的温度变化也产生噪声效应 摄影胶片记录信息时存在的胶片颗粒噪声 这些噪音均属于对图象的高频干扰，多采用低通滤波方法 予以消除。 遥感卫星辐射校正场概述 遥感技术的迅速发展，遥感应用日趋定量化，因而进一步改进卫星定量遥感精度的要求越来越迫切。 辐射校正场技术：利用地球表面大面积均匀的地物为目标，当卫星过顶时实施同步地面观测， 以实现对在轨道上运行的卫星传感器做辐射校正的技术。 建立辐射校正场的目的 遥感数据的定量化要求 监测在轨传感器变化并不断提供修正系数 补充星上定标的不足 多种遥感仪器和不同时间遥感资料的综合应用 辐射校正