预处理辐射校正与增强.pptVIP

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。已知增益与偏移参数时，按照以上公式计算没有定标参数时，可以按如下公式Lmax和Lmin的选取高增益(highgain)与低增益(lowgain)的选取辐射定标处理表观反射率计算计算表达式如下式中：ρ=大气层顶(TOA)表观反射率L=光谱辐射亮度ESUN=光谱辐照度D=日地之间的距离(天文单位)q=太阳天顶角i=太阳入射角L和ESUN与波段有关，不同波段值不同L来自地物和大气辐射亮度的总和，因此ρ也是地面反射率ρG和大气反射率ρA的总和，即ρ=ρG+ρA采用直方图调整的单景影像归一化01采用回归分析归一化多时相影像02相对辐射校正直方图调整法依据：近红外数据（0.7um）受大气散射影响非常小，而可见光（）受大气影响非常大辐射误差的来源辐射误差的表现及其影响太阳位置引起的辐射误差地形起伏引起的辐射误差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辐射误差—太阳高度及地形方法：简单余弦校正、Minnaert校正、统计-经验校正、c校正目的：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。坡度坡向影响校正余弦校正式中：LH=水平面辐射（即坡度坡向校正后的遥感数据）LT=坡面辐射（即遥感原始数据）=太阳天顶角=太阳入射角ioTHLLqqcoscos=辐射校正的目的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。本节总结辐射误差产生的原因辐射误差的表现、影响及其必要性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010203040506第五章遥感图像预处理遥感图像增强处理本节内容多光谱图像四则运算多光谱图像增强图像融合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01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02多光谱图像四则运算—加减运算多光谱图像四则运算—比值运算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红波段红外波段红外波段/红波段植被暗很亮更亮水稍亮很暗更暗房屋较亮较亮不变多光谱图像四则运算—植被指数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式中：IR=近红外波段反射值R=红波段反射值归一化植被指数(normalizedvegetationindex,NDVI)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LandsatTM43LandsatMSS75SPOTXS32NOAANVHRR21010203必要性：波段多、信息量大、存在数据冗余目的：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多光谱图像增强—主成分分析主成分分析特点主成分分析(Principlecomponentanalysis,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