遥感技术应用ch57遥感图像预处理与图像增强.pptVIP

遥感技术应用 讲 授：杨 波 湖南师范大学资环学院 回顾第四讲 遥感影像资料的选购与查询 遥感常见数据源 遥感数据的选购与查询 第五-七讲 遥感图像预处理与图像增强 数字图像 5.1 遥感影像的辐射校正 5.1.1 为何要进行辐射校正？ 5.1.2 辐射校正的方法？ 5.1.1 为何要进行辐射校正？ 图像的辐射畸变 1）传感器本身产生的误差 2）大气对电磁波辐射的衰减作用（散射、 反 射和吸收） 3）地形因子的影响--阴影 4) 其它生态环境因子 1）传感器校正：传感器的设计 2）大气辐射校正 3）地形辐射校正：需要DEM 4）地物反射模型校正：需要和成像时刻取得同步的地面地物光谱测量数据。 大气辐射校正方法 大气影响的定量分析：大气的主要影响是减少了图像的对比度，使原始信号和背景信号都增加了因子，图像质量下降。 大气影响的粗略辐射校正：通过简单的方法去掉程辐射度（直接进入传感器的部分散射光），从而改善图像质量。 直方图最小值去除法 回归分析法:校正方法是将波段b中每个像元的亮度值减去a，去掉程辐射以改善图像。 大气辐射传输模型校正法 1. 直方图最小值去除法 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（如山体阴影、洁净深水），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。 2. 相对辐射校正方法 主要包括图像回归法、伪不变特征法、暗集-亮集法、未变化集辐射归一法与直方图匹配法等。 这些相对辐射校正方法仅利用图像像元灰度值的统计特征，不需要其它参数，操作简便，尤其适合用于历史遥感数据。其中，未变化集常指一些反射率近似固定不变的人工物体如机场跑道、大型运动场等，可以它们的发射率为基准对图像进行大气校正。 其中，较为简便实用的是图像回归分析法。此方法直接从图像中获取所需要的参数，不需要额外的输入，因此应用比较广泛。 它是利用几乎不受大气影响的TM和ETM＋第7波段与其它波段进行比较，大致确定大气影响的成分。 具体方法是：在第7波段和待校正的各波段图像中，取由最亮至最暗的一系列目标，将其亮度值按波段分别提取，再对每一个待校正波段的亮度值与ETM＋第7波段的亮度值进行回归分析，得出回归直线，回归方程为： 式中y为因变量，这里取待校正波段亮度值，x为自变量，这里取TM或ETM+波段7的亮度值，b为待定参数。回归分析获得的a值即为大气辐射校正值（大气散射偏置量的近似值），采用最小二乘法确定。 上图为TM1～6波段与TM7波段亮度值线性回归分析的结果，对截距取整即可得到TM1～6波段的校正值分别为52、33、24、22、5和121。将待校正的TM各波段图像像元亮度值与校正量相减，即得到经大气辐射粗略校正后的图像。 3. 大气辐射传输模型校正法 使用6S、LOWTRAN、MODTRAN等大气辐射传输模型进行大气校正，这些模型可以比较精确地模拟大气的影响，因此校正的效果比较可靠。 缺点：必须输入与卫星同步获得的大气资料如气温、气压、水汽含量、臭氧含量、气溶胶光学厚度等参数，对于大部分遥感应用来说，大面积同步观测基本上是不可能的事情，因此，这些方法的应用受到了极大限制。 5.2.0 基本术语 5.2.1 为何要进行几何校正？ 5.2.2 几何校正的方法？ 5.2.0 基本术语 图像配准—Registration 图像纠正（校正）--Rectification 或者叫做 Geo-referencing 地理参照. 图像地理编码– Geo-coding 图像正射投影校正– Ortho-rectification 地面控制点—GCPs (Ground Control Points) 最邻近重采样– Nearest neighbor resampling 双线性重采样– Bilinear resampling 立方卷积重采样—Cubic convolution resampling 均方根误差– Root Mean Square Error，RMSE 5.2.1 为何要进行几何校正？ 几何畸变：遥感图像的几何位置上发生变化，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变形。 遥感影像变形（几何畸变）的原因： 遥感平台位置和运动状态变化的影响： 航高、航速、俯仰、翻滚、偏航。 地形起伏的影响：产生像点位移。 地球表面曲率的影响：一是像点位置的移动；二是像元对应于地面宽度不等，距星下点愈远畸变愈大，对应地面长度越长。 大气折射的影响：产生像点位移。