遥感图像辐射校正
第二章遥感图像辐射校正
本章内容
第一节辐射误差来源
第二节系统辐射误差校正 第三节辐射定标
第
第四节大气校正
第五节地表辐射校正
第节辐射误差来第一节
源
辐射误差来源
传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误
称为辐射误差。
辐射误差来源
辐射误差来源
传感器端
光学摄影机引起的辐射误差
光电扫描仪引起的辐射误差 外部因素
大气
太阳辐射
辐射误差来源
光学摄影机引起的辐射误差
主要由光学镜头中心和边缘的投射强度不一致造成的，使物在像位灰值它使同一类地物在图像的不同位置上有不同的灰度值。
辐射误差来源
光电扫描仪引起的辐射误差
光电转换误差，即传感器接收的电磁波信号经光电转转信
换系统转换为电信号的过程中引起的辐射量误差
探测器增益变化引起的误差。
辐射误差来源
大气的影响
电磁波在大气中传播时，受到大气中各种成分的散射收作
和吸收作用影响。
对于短波的太阳反射波段而言，以散射作用为主；
对于长波的地球发射波段而言以吸收作用为主
对于长波的地球发射波段而言，以吸收作用为主。
辐射误差来源
太阳辐射
由于太阳位置变化以及地形的变化，不同地表位置接
收
收到的太阳辐射是不同的。
太阳位置主要指高度角和方位角。其中高度角对于地表
的太阳辐照度影响较大而方位角的变化常只对图像
的太阳辐照度影响较大，而方位角的变化通常只对图像
细部特征产生影响。
传感器接收的辐亮度和地表坡度坡向有关。
第二节系统辐射误差校正
光学镜头边缘减光
在使用光学透镜的光学系统中，由于透镜光学特性的非均匀性，在成像平面上边缘部分比中间部分暗，即边缘减光。
部分中间部分暗即缘减光θ4
cos O P E E =
条纹噪声
条纹噪声是与辐射信息无关的线条噪声，表现为影像上的部分扫描行或线段亮度值不反映地物辐射信息，并与上下亮度截然不同。
条纹噪声的特点
分布不规则可长可短可稀可密
分布不规则，可长可短，可稀可密
亮度值一般趋于极端
含有这种条纹的影像其标准差往往显著增大
含有这种条纹的影像，其标准差往往显著增大
条纹噪声
条纹的判定
条纹误差的判定依据是相邻行间的像元亮度差是否超过某个预定阈值来判定是否有坏数据点存在，如果一行中坏数据点的数目超过给定阈值，就认为该行是条行中坏数据点的数目超过给定阈值就认为该行是条纹噪声。
条纹的校正
将条纹个像元的下两行对应像元亮度值求平均 将条纹上个像元的上下两行对应像元亮度值求平均 也可以采用采用最邻近法或三次立方卷积法
斑点噪声
斑点误差主要由噪声或磁带的误码率等造成，在图像中往往是分散和孤立的，与周围亮度值有明别而彼不相关围亮度值有明显差别，而且彼此不相关。
斑点噪声
斑点误差主要由噪声或磁带的误码率等造成，在图像中往往是分散和孤立的，与周围亮度值有明别而彼不相关围亮度值有明显差别，而且彼此不相关。
斑点噪声
斑点的校正
校正后的斑点亮度值取其邻域像素亮度值的平均值或次修
者用三次立方卷积法进行修正。
第三节辐射定标
辐射定标
辐射定标指将遥感图像的像元灰度值转换为实际地物辐射亮度值等物理量的过程，或者说，建遥感器探测值与对应的辐射或者说，建立遥感器探测值与对应的辐射亮度之间的对应关系。
标感究
辐射定标是遥感定量化研究的重要前提。
遥感图像的辐射校正实验报告
遥感图像的辐射校正实验报告 1. 实验目的和内容 实验目的： （1）复习巩固课堂上所学的对遥感图像的辐射校正，掌握这些校正方法的基本原理和方法，理解遥感图像辐射校正的意义; （2）实际学习对遥感图像进行绝对大气校正、相对大气校正的FLAASH和黑暗像元法; 实验内容： （1）绝对大气校正 将遥感图像的DN值转换为地表反射率、地表辐射率、地表温度等的方法。本次实验通过FLAASH法进行绝对大气纠正。 （2）相对大气校正 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。本次实验通过黑暗像元法进行相对大气纠正。 2. 图像处理方法和流程 A.绝对大气校正 1、加载影像，打开ENVI，file>>open image file，打开L71120038_03820030128_MTL.txt
2、辐射定标 FLAASH模块需要输入的是经过辐射定标后的BIL/BIP文件，ENVI >> basic tools >>preprocessing > >calibration utilities >> Landsat calibration 3、格式转换 上述计算得到的存储方式为BSQ，FLAASH大气校正对于波段存储的要求
为BIL/BIP格式，ENVI >> basic tools>> convert data (BSQ ,BIL ,BIP) 4、FLAASH大气校正 （1）ENVI>>basic tools>>preprocessing>>calibration utilities>> FLAASH，选择需要校正的数据。选用第二种，设置Single scale factor：10。 （2）设置输入与输出文件 ①进入地理空间数据云，查询影像参数。点击数据资源—LANDSAT系列数据
遥感图像辐射校正
实验名称：遥感图像辐射矫正 实验目的：通过实验，了解并掌握辐射矫正的原理、基本方法，深刻理解遥感辐射矫正的意义。 实验原理：辐射矫正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行矫正，消除或改正辐射误差而引起的影响畸变的过程。 辐射矫正的一般方法有： 1.大气校正：大气会引起太阳光的吸收、散射，也会引起来自目标的反射及散射光的吸收、散射，入射到传感器的除目标物的反射光外，还有大气引起的散射光，消除并校正这些影响的处理过程叫大气校正。 2.太阳高度及地形等引起的畸变校正：视场角和太阳角的关系所引起的亮度变化的校正；地形倾斜的影响校正。 3.传感器的灵敏度特性引起的畸变校正：（1）由光学系统的特性引起的畸变校正。（2）由光电变化系统的特性引起的畸变校正。 辐射误差：传感器观测目标的反射或辐射能量时，观测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值。
两个基本概念 反射率：反射率是反射辐射通量与入射通量的比值，是0-1之间的无量纲的值 ρλ=Φreflectedλ/ Φiλ 通常用反射率描述各种地物的光谱反射特性。一般分为镜面反射、方向反射、漫反射（各向同性），反射率是地物自身的属性。 朗伯反射体：发光强度和亮度的概念不仅适用于自己发光的物体，也可以应用到反射体。光线射到光滑的表面上，定向地发射出去；射到粗糙的表面上时，它将朝向所有方向漫射。一个理想的漫射面，应是遵循朗伯定律的，即不管入射光来自何方，沿各方向漫射光的发光强度总与cosθ成正比，从而亮度相同。积雪、刷粉的白墙或十分粗糙的白纸表面，都很接近这类理想的漫射面。这类物体称为朗伯反射体。 大气影响的定量分析 进入大气的太阳辐射会发生反射、折射、吸收、散射和透射。其中对传感器接收影响较大的是吸收和散射。
遥感数据辐射校正
遥感数据辐射校正的原理及方法 遥感1班 彭睿20123225 摘要由于传感器响应特性和大气的吸收、散射以及其它随机因素影响，导致图像模糊失真，造成图像的分辨率和对比度相对下降，这些都需要通过辐射校正复原。辐射校正包括三部分的内容：传感器端的辐射校正，大气校正，地表辐射校正。 关键字辐射校正大气校正照度校正辐射传输过程ERDAS 引言近年来，随着航天技术、计算机技术、卫星定位技术和地理信息技术的发展，摄影测量与遥感已成为地球空间信息科学的基础技术，遥感图像在人类生活的诸多领域被广泛应用。然而，在遥感成像时，由于各种因素的影响，遥感图像会存在一定的辐射量失真现象，这些失真影响了图像的质量和应用，必须对其做消除或减弱处理，遥感图像辐射校正就是针对遥感图像的这一缺陷而发展起来的。在遥感影像辐射校正中，大气辐射校正是最重要的一部分，本文主要讨论大气辐射校正的方法和过程。 消除遥感图像数据中依附在辐亮度中的各种失真的过程称为辐射量校正（Radiometric Calibration),简称辐射校正。 1．辐射校正概述 辐射校正的目的： 尽可能消除因传感器自身条件、大气条件、太阳位置和角度条件及某些不可避免的噪声引起的传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差异，尽可能恢复遥感图像本来的面目，为遥感图像的分割、分类、解译等后续工作打下基础。 辐射误差来源 1.1 传感器端 1.1.1 光学摄影机引起的辐射误差 1.1.2 光电扫描仪引起的辐射误差 1.2 外部因素 1.2.1 大气 1.2.2太阳辐射 2．辐射校正包括三部分的内容： 2.1.传感器端的辐射校正 2.2.大气校正 2.3.地表辐射校正 3．辐射传输过程：如图-1
遥感实习2卫星数据的预处理流程
数据预处理的一般过程包括几何校正、图像镶嵌与裁剪、辐射定标与大气校正等环节。
图1 数据预处理一般流程 通常我们直接从数据提供商获取未定标的DN 图像，然后定标为辐射亮度图像，对辐射率亮度图像进行大气校正得到地表反射率图像。 一、辐射定标与大气校正 1、辐射定标Radiometric calibration ：将记录的原始DN 值转换为大气外层表面反射率（或称为辐射亮度值）。 目的：消除传感器本身的误差，确定传感器入口处的准确辐射值 方法：实验室定标、机上/星上定标、场地定标 不同的传感器，其辐射定标公式不同。L=gain*DN+Bias 在ENVI 中，定标模块：Basic Tools>Preprocessing>Calibration Utilities>模块 2、大气校正Atmospheric correction ：将辐射亮度或者表面反射率转换为地表实际反射率 目的：消除大气散射、吸收、反射引起的误差。 分类：统计型和物理型 目前遥感图像的大气校正方法按照校正后的结果可以分为2种： 1) 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。包括：基于辐射传输模型、基于简化辐射传输模型的黑暗像元法、基于统计学模型的反射率反演 2) 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。包括：基于统计的不变目标法、直方图匹配法等。 方法的选择问题，一般而言： 1) 如果是精细定量研究，那么选择基于辐射传输模型的大气校正方法。 2) 如果是做动态监测，那么可选择相对大气校正或者较简单的方法。 3) 如果参数缺少，没办法了只能选择较简单的方法了。 在ENVI 中，Basic tools>preprocessing>calibration utilities>FLAASH 二、数字图像镶嵌与裁剪 1、镶嵌 当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。 在进行图像的镶嵌时，需要确定一幅参考影像，参考图像将作为输出镶嵌图像的基准，决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。镶嵌得两幅或多幅图像选择相同或相近的成像时间，使得图像的色调保持一致。但接边色调相差太大时，可以利 Digital Numbers Radiance TOA Reflectance Geometric correction Step 1 Step 2 Surface Reflectance Step 3 Step 4 Analysis
遥感卫星影像辐射校正方法
北京揽宇方圆信息技术有限公司 遥感卫星影像辐射校正方法 影像辐射校正原理 辐射校正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。 利用传感器观测目标的反射或辐射能量时，所得到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值叫做辐射误差。辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。 遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。 辐射校正的目的主要包括：1、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等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；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。 辐射校正分为辐射定标和大气校正两部分。
辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。 大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。 辐射校正流程图 影像辐射校正方法 辐射定标主要分为两种类型：统计型和物理型。统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。如果初始的模型不好，通过加入新的知识和信息就可以知道应该在哪部分改进模型。但是建立和学习这些物理模型的过程漫长而曲折。模型是对现实的抽象；所以一个逼真的模型可能非常复杂，包含大量的变量。例如6s模型，Mortran等。 用于大气辐射传输校正的模型主要有5S模型、6S模型、LOWTRAN模型、MODTRAN模型、ACORN模型、FLAASH模型和ATCOR模型。 1、ACORN模型 一种基于图像自身的大气校正软件，可以实现图像辐射值到表观地表反射率的转换，其工作波长范围是350-2500nm。在目前的大气校正程序一般都把地表假定为水平朗伯体,这主要是因为我们一般很难获取地表的充足信息以完成地形校正,因此大气校正的结果称
遥感影像辐射校正实习报告
遥感实习报告（4）遥感影像辐射校正 专业： 班级： 姓名： 学号： 成绩： 指导教师： 2013年6月15日
目录 一：实验目的 (3) 二、影像数据 (3) 三、实验内容 (3) 四、实验步骤 (4) （一）、绝对大气校正 (4) （二）、相对大气校正——回归分析法 (7) （三）、多时相影像匹配法 (9) 五、心得体会 (13) 六：程序设计 (14)
一：实习目的： 进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。二：影像数据： 1.交大犀浦校区2003年、2005年SPOT5多光谱影像 影像空间分辨率10米，波段1—近红外（0.78 - 0.89μm）；波段2—红色（0.61 - 0.68μm）；波段3—绿色（0.50 - 0.59μm）；波段4—短波红外（1.58 - 1.75μm）。 2. 交大犀浦校区2006年QuickBird（快鸟）多光谱影像 影像空间分辨2.44—2.88米，波段1—蓝(450-520nm)；波段2—绿（520-660nm）；波段3—红（630-690nm）；波段4—近红外（760-900nm）。 三：实习具体内容： （一）、绝对大气校正 以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 基本步骤： （1）、从QuickBird多光谱影像文件中提取出第1波段影像；（2）、从影像中判读出一些典型地物；
（3）、从以前实测的光谱物据或光谱数据库中，读出步骤2中判读出的那些地物对应QuickBird第1波段的反射率值； （4）、基于步骤3的反射率值，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 （二）、相对大气校正——回归分析法 以交大犀浦校区2006年QuickBird多光谱影像中的第4波段影像为参考，采用回归分析法，对第1波段影像进行相对大气校正。（三）、多时相影像匹配法 以交大犀浦校区2003年SPOT5多光谱影像中的第3波段（绿波段）影像为参考，采用多时相影像匹配法，对交大犀浦校区2005年SPOT5多光谱影像中的第3波段（绿波段）影像进行相对大气校正。四：实验步骤 （一）、绝对大气校正 1：从QuickBird多光谱影像文件中提取出第1波段影像 启动ERDAS软件在Viewer #1中打开影像：quickbird_multi_2006_xipu..img，在ERDAS软件界面中选择Interpreter Utilities Layer Stack:如图4.1-1
ERDAS遥感图像的辐射校正
遥感图像的辐射校正 实验目的：通过实习操作，掌握遥感图像辐射校正的基本原理和和方法，理解遥感图像辐射校正的意义。 实验内容：ERDAS软件中图像预处理模块下的图像辐射校正。 由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辩率和对比度下降等辐射畸变，其中，大气散射是图像辐射畸变的主要因素，实验中主要是消除由大气散射引起的辐射误差。 大气校正有两种方法，一种是直方图图，一种是线性回归法。 1、直方图法（注意：是否满足应用该方法的前提条件） 打开TM影像，通过视窗viewer的图标，查找最小灰度值，利用空间建模模块（Modeler）的建模工具（Model Maker）图像象元灰度值减去该最小灰度。 点击modeler → model maker ，打开建模对话框见下图： 双击输入要校正的某一波段的影像，双击输入运算方程式，双击输出校正后的新 图像名称，点击工具栏中的运行图标，计算机自动进行运算。
2、线性回归分析法 在视窗viewer打开要校正的图像，Raster→Profile Tools 弹出对话框，选择spectral→ ok，弹出Spectral Profile对话框如下： 利用Spectral Profile 中的图标选取一系列由暗到亮的目标地物点，在对话框中得到地物点在各个波段的的光谱曲线，通过Spectral Profile对话框菜单栏的viewer → Tabular Data查看地物点在各个波段的的具体光谱灰度值。
利用一系列目标地物点的灰度值建立线性回归方程L b=aL a+b，求出线性方程的常数项a、b，该值b即为大气影响值，在空间建模工具中，图像灰度值减去该值即可消除大气散射对图像影响。
实验二--遥感图像的辐射定标
实验二遥感图像的辐射定标 1.实验目的与意义： （1）了解辐射定标原理 （2）使用ENVI软件自带的定标工具定标 （3）学习波段运算进行辐射定标 2.为什么要进行辐射定标，定标的原理是什么？ 目的：消除传感器本身的误差，确定传感器入口处的准确辐射值。 原理：辐射定标是将传感器记录的电压或数字量化值（DN）转换为绝对辐射亮度值（辐射率）的过程，或者转换为与地表（表观）反射率、表面温度等物理量有关的相对值的处理过程。 3.辐射定标过程 一般有两种方式： 第一种：利用计算公式，在ENVI中利用band math计算福亮度和反射率。 第二种：利用ENVI自带的定标工具进行定标，获取福亮度或反射率。 第一种方法：用波段运算得到Radiance和Reflectance （1）表观辅亮度radiance的计算 radiance=（（lmax-lmin）/（qcalmax-qcalmin）*（qcal-qcalmin）+lmin 其中：radiance –表观辐亮度 qcal-----DN（也就是影像数据本身）； lmax 和lmin是从参数表中查询； qcalmax 是DN值的最大值，对于TM是8bit来说，qcalmax=255； Qcalmin 是DN值的最小值，一般为0 即 （2）表观反射率的计算 ρ =π*L*d2/（ESUN*cos（θ）） 其中ρ为表观反射率； L为上一步计算出来的表观辐亮度； d为日地距离，这个数据通过下面的表格中获取； ESUN为大气层外的太阳辐射,也可以说是传感器接收处的太阳辐射； θ为太阳天顶角。（这个可以通过影像的元数据获取） 在本次实验的数据中radiance=（193+1.52）/255*b1-1.52 Reflectance=3.14*（b1）*1.0128^2/（1957*0.7381）步骤如下：打开文件L5120036__MTL.txt ，点击Band Math，输入(193+1.52)/255*b1-1.52，之后即可计算出辐射度，文件保存为radiance1。
遥感影像相对辐射校正实验
相对辐射校正 打开待进行校正的同一地区的两个时相的影像.本实验以突泉县为例 1.打开两幅影像,观察是否数据无误(包括波段顺序是否正确,影像有无较大偏 移). 2.观察两幅影像的目视效果,或者通过ENVI菜单Basic Tools中的statistics的 compute statistics来获取两幅影像的像元DN值分布.将两幅中DN值差异大,或者更接近真实值的作为主影像;将DN值差异小,或者偏离真实值的影像作为从影像,来进行校正. 注意:一定记清楚哪幅为主影像,哪幅为从影像.(突泉县主影像为2007年影像,从影像为2010年影像) 3.获取两时相影像的pif点. Pif点即伪不变特征点,通常选取影像中的深水面,无植被覆盖的沙地,面积较大的建设用地等.PIF点选取应当广泛一些. 首先将两幅影像Link起来.利用ENVI的ROI在主影像上选取pif点.选取的时候每个PIF点应当面积小,准确.在主影像选取时,应当link着从影像,以便观察选取的PIF点是否发生变化.如果发生变化,应当弃选. 选好之后,将ROI存储为ASCII.存储的时候提示以哪幅影像为基准,那么通过两次操作选取不同基准的影像,就得到了两幅影像的PIF点数据.(请将生成的数
据命名时添加县名和年份等必要信息) 4.获得相对辐射校正系数. 这一步利用最小二乘法处理数据.将获得的数据. 创建一个EXCEL空表格.为了方便查找,最好现在就把它重命名一下(我将我的表格命名为”突泉数据”).打开表格.将主影像生成的txt也打开,将里面的从”;ID” 开始的文本拷贝到表格中.注意粘贴后,下方的粘贴选项.选择”使用文本导入向导”,持续”下一步”,最后”完成”.这时,每个数据元分别放在了单独的表格空格中. 将不必要的数据删除,只留下必要的ID和6个波段即可,下图所示.(这其中有必要自己稍微调整一下表头部分,但并不麻烦,此处不赘述.)
遥感图像几何精校正、辐射校正
遥感图像几何精校正、辐射校正 实验目的：应用ENVI软件对图像进行几何精校正、辐射校正处理，使得图像更精确。并通过实验了解运用ENVI软件进行几何、辐射校正的过程和方法。 实验原理：引起图像几何变形的一半分为两大类：系统性和非系统性误差。几何校正是利用地面控制点和几何校正数学模型来校正非系统因素产生的误差，同时也将图像投影到平面上，使其符合地图投影系统的过程。 数据来源：在遥感实验室中老师做几何校正的资料数据图。具体信息如图所示： 一、几何校正 实验步骤： 1）打开并显示图像文件 主菜中File—Open Image File将校正后和校正前的文件打开并将它们分别显示在Display 中。 2）启动几何校正模型 选择主菜单Map—Registration—Select Gcps:Image to image 进入界面如下图： 3）选择校正后的图作为base图形，选择校正前的warp图作为待改正的图点击OK进入采集地面控制点。 4）地面控制点的采集过程
（1）在两个Display中移动方框位置，寻找明显的相同地物特征使两个Zoom中的地物相同。（2）在Ground control Points selection上，单击Add point 将当前的点收集。 （3）用同样的办法继续寻找点，至少四个点。 点的选取如图所示： 5）在Ground Control Points Selection上，点击Show list 按钮可以看到选择的所有控制点。
6）选择校正参数输出结果 （1）在Ground Control Points Selection上选择Opintion—Ware File 选择校正文件
遥感实验 ——辐射定标与大气校正
姓名：学号：日期： 1．实验名称 辐射定标与大气校正 2、实验目的 熟悉遥感软件，掌握ENVI中对图像辐射定标与大气校正的基本方法。 3、实验原理 1、辐射定标是将传感器记录的电压或数字量化值（DN灰度值）转换成绝对辐射亮度值（辐射率）的过程，或者转换成与地表（表观）反射率、表面温度等物理量有关的相对值的处理过程 2、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，包括消除大气中水蒸气、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。 4、数据来源（下载源、波段数、对应的波长、分辨率、投影、地区） Landsat5、TM图像、BAND_COMBINATION = "1234567"
5、实验过程 5、1辐射定标： 实方法一： File-Open External File-Landsat-GeoTIFF with Metadata Basic Tools-Preprocessing-Calibration Utilitties-Landsat Calibration 5.1.1.1打开Basic Tools-Preprocessing-Calibration Utilitties-Landsat TM，根据图像信息输入 5.1.1.2 打开校正图像，关联两幅图像，比较数据值
方法二： BandMath验结果与分析 5.1.2.1打开图像，选择BandMath按照辐射定标公式输入 5.1.2.2 选择待校正波段图像
5.1.2.3 关联两幅图像，对比两幅图像数据
遥感图像辐射增强与光谱增强
遥感图像辐射增强与光谱增强 一、实验目的与要求 辐射增强处理是通过对单个像元的灰度值进行变换处理来增强处理，如直方图匹配、直方图拉伸、去除条带噪声处理。光谱增强是基于多光谱数据对波段进行变换达到图像增强的处理。 通过此次上机实验，要求同学们： 1、掌握交互式直方图拉伸的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。 2、理解主成分分析、樱帽变换、色彩空间变换、色彩拉伸方法和操作步骤。 3、掌握利用特征空间视图进行遥感影像分析。 二、实验容与方法 1 实验容 （1）交互式互式直方图拉伸 ●Linear（线性拉伸） ●Equalization（直方图均衡化拉伸） ●Gaussion （高斯拉伸） ●Square Root （平方根拉伸） ●Logarithmic （对数拉伸） （2）主成分分析
（3）樱帽变换。 （4）色彩空间变换 （5）色彩拉伸 2 实验方法 （1）交互式互式直方图拉伸 将一个多光谱图像打开并显示在视窗中，在主菜单中，选择Display→Custom Stretch（或在工具箱中单击）就可以打开交互式直方图拉伸操作面板。在进行直方图拉伸时，可选择直方图统计的数据围为全图统计或者当前视图围的数据。（2）主成分分析 多光谱图像的各个波段之间经常是高度相关的，它们的DN值以及显示出来的视觉效果往往很相似。主成分分析（Principal Component Analysis, PCA）就是一种去除波段之间的多余信息、将多波段的图像信息压缩到比原来波段更为有效的少数几个转换波段的方法。一般情况下，第一主成分（PCI）包含了所有波段中80%的方差信息，前三个主成分包含了所有波段中95%以上的信息量。由于各波段之间的不相关，主成分波段可以生成更多颜色、饱和度更好的彩色合成图像。ENVI中提供主成分正变换和主成分逆变换。 当使用主成分正变换是，ENVI可以通过计算新的统计值，或者根据已经存在的统计值进行主成分正变换。 （3）樱帽变换。 一种特殊的主成分变换。其中，X=[x1,x2,x3,x4,x5,x7]T,，对应于TM影像的 1、2、3、4、5、7波段。变换后得到：Y=[y1,y2,y3,y4,y5,y7]T ,这六个分量相互正
遥感影像辐射校正
遥感影像辐射校正 实验报告 姓名：杨磊 学号：20113315 班级：11遥感 指导教师：罗小军
2013/6/13 目录 一、实验名称： (3) 二、实验概况： (3) 三、实验目的： (4) 四、实验步骤： (4) （一）、绝对大气校正： (4) 1、按照实习要求将quickbird_multi_2006_xipu.img的第一波段提取出来 (4) 2、将第一波段图像以“JPG”格式输出： (6) 3、在matlab中进行处理： (7) （二）、相对大气校正： (10) 1、把quickbird_multi_2006_xipu.img中图像的第一和第四波段图像提取出来： . 10 2、回归分析： (11) 4、在matlab中实现相对大气校正： (12) 5、校正结果： (12) （三）、多时相影像匹配法： (13) 1、分别提取spot5_10multi_2003_xipu和spot5_10multi_2005_xipu的第三波段（绿 色）的影像： (13) 2、多时相影像匹配原理： (14) 3、在matlab中实现： (15) 4、结果： (16) 五、实验体会： (17)
一、实验名称： 遥感影像辐射校正实习： 1、绝对大气校正； 2、相对大气校正——回归分析法； 3、多时相影像匹配法。 二、实验概况： 1、影像数据：quickbird_multi_2006_xipu.img spot5_10multi_2003_xipu.img spot5_10multi_2005_xipu.img;
2、实验所用软件：ERDAS9.2 matlabR2010a； 3、实验地点：X4245 ； 4、实验时间：6月9日——6月17日。 三、实验目的： 1、复习巩固课堂上所学的对遥感图像的辐射校正，掌握这些校正 方法的基本原理； 2、实际体验对遥感图像进行绝对大气校正、相对大气校正的回归 分析法和多时相影像匹配法； 3、考察了对matlab的基本使用，复习掌握一定的编程能力。 四、实验步骤： （一）、绝对大气校正： 1、按照实习要求将quickbird_multi_2006_xipu.img的第一波段提取出来： 单击，出现如图1.1 1，在当中选择“Utilities”,在弹出的图1.1 2中选择“Layer stack”
遥感图像的辐射增强
遥感图像的辐射增强实验报告 实验目的： 通过上机操作，掌握线性对比度拉伸、直方图均衡化和直方图规定化三种遥感图像辐射增强处理的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。 实验内容： 1.线性对比度拉伸 2.直方图均衡化 3.直方图匹配 4.完成一份实验报告 实验方法和步骤： 一线性对比度拉伸 ①降低原图像的灰度值 I 在viewer#1中显示mobby.img, 在viewer#1中单击菜单栏中raster contrast general contrast,如图1-1： 图1-1 II 打开如图1-2所示的Contrast Adjust对话框，在下拉列表框中选择线性linear, 斜率slope改为0.2，截距shift为默认值，apply显示图像，如图1-2 所示。将灰度调小的影像另存为mobby-0.img，打开另存的影像，发现影像和原影像一致，重复调小灰度的操作后，保存影像，就能得到较
暗的影像，如图1-2所示。 图1-2 生成的降低灰度值之后的影像1-3 图1-3 ②线性对比度拉伸 I打开影像，选择Viewer1菜单条的Raster→Contrast→General
Contrast→打开Contrast Adjust对话框，选择线性linear,单击breakpts,,打开nreakpoint editor窗口如图1-4所示,增加断点删除断点。 红色图像显示的是红光通，道绿色图像显示的是绿光通道，蓝色图像显示的是蓝光通道，在没进行任何操作时，红绿蓝三个通道的峰值都偏左，灰度较低，可以通过增加断点和移动断点的方法，使红绿蓝三个通道的图像居中，以此对图像进行线性拉伸或收缩，如图1-4所示。点击image file,单击保存save,保存进行线性拉伸的图像得到如图1-5的影像。 图1-4 图1-5
遥感辐射校正报告
《遥感原理与应用》 期末报告 班级：116112 小组：第一组 组员：彭茜蕤黄慧林 刘佳慧周林 指导教师：陈启浩 课题：遥感影像辐射校正 中国地质大学信息工程学院信息工程系 2013年5月
目录 1.辐射校正的概念和原理 2.辐射校正的原理 3.部分辐射校正方法效果展示4．辐射校正相关前沿 5．参考文献 6.小组成员分工
1.辐射校正的概念和原理 由于传感器响应特性和大气的吸收、散射以及其他随机因素的影响，导致图像模糊失真，造成图像的分辨率和对比度的相对下降。辐射校正纠正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辨率和对比度下降等辐射失真。 为了得到相对真实有用的遥感图像，这些因素导致的图像误差需要通过辐射校正来复原。 2.辐射校正的原理 一、系统辐射校正--传感器定标 传感器定标：传感器定标模型可用线性公式表示如g’=kg+b，实质是建立传感器输出值与传感器入瞳处辐射亮度间的联系。 （一）光学摄影机内部辐射误差校正 光学摄影机内部辐射误差主要是由镜头中心和边缘的透射光的强度不一致造成的，它使得在图像上不同位置的同一类地物有不同的灰度值。设原始图像灰度值g，校正的图像灰度g’,则有g’=g/cos θ；θ为像点成像时光线与主光轴夹角。 （二）光电扫描仪内部辐射误差的校正 两类误差： （1）光电转换误差；（2）探测器增益变化引起的误差。 二、大气校正 定义：指消除主要由大气散射引起的辐射误差的处理过程。 （一）公式法 与卫星扫描同步进行野外波谱测试，将地面测量结果与卫星影像对应像元亮度值进行回归分析，回归方程为： 式中，LAi为卫星观测值；Ri为地面反射率； a和b为回归系数； 系数a为大气散射引起对辐射的干扰部分 a=SiLBi （式中，Si为系统增益因素；Lbi为大气路径辐射率） b表示辐射率Lai随地面反射率 Ri递增而增长的程度大小； Ti为大气透射率；Hi为太阳辐照度；θ为太阳天顶角； i代表各波段的序号。 将上式代入可得：
多时相遥感图像相对辐射校正_张鹏强
第10卷 第3期2006年5月 遥 感 学 报 J OURNAL OF REMOTE SENSI N G V o.l 10,N o .3M ay ,2006 收稿日期:2005-03-28;修订日期:2005-08-19基金项目:国家自然科学基金资助项目(40371090)。 作者简介:张鹏强(1978) ),男,讲师、博士生。2000年毕业于解放军信息工程大学航空摄影测量专业,获学士学位;2003年获该校摄影测量与遥感专业硕士学位,并继续攻读博士学位。研究方向为多时相遥感图像处理与分析、目标识别与变化检测等。E-m ai:l z pq1978@163.co m 。 文章编号:1007-4619(2006)03-0339-06 多时相遥感图像相对辐射校正 张鹏强,余旭初,刘 智,李建胜,万 刚 (信息工程大学 测绘学院,河南郑州 450052) 摘 要: 相对辐射校正是多时相遥感图像处理和分析的前提。本文分析了几种常规的相对辐射校正方法的优缺点,然后在此基础上提出了一种基于小波变换的遥感图像相对辐射校正方法。该方法对源图像小波变换域的低频成分实施辐射变换,并保持高频成分不变,重构的图像具有保持高频信息的特性,因而能够较好地保留源图像中由于地物变化引起的辐射差异。 关键词: 多时相遥感图像;辐射校正;灰度分布;辐射特性;小波变换中图分类号: TP751.1 文献标识码: A A Study on R elative Radi o m etric Correction of M ultite mporal R e m ote Sensi ng I mages Z HANG P e ng -qiang ,YU Xu -chu ,L I U Zh,i L I Ji an -she ng ,WAN G ang (Institute of S urveyin g an d M a pp i ng ,Infor m a ti on E n g ineeri ng Universit y,H e nan ,Zh e ngzh ou 450052,Ch in a ) Abstract : The relative ra dio m etric c orrection is the fi rst step of processi ng and analyzi ng of multite mporal r e mote sensing m i ages .I n thi s paper ,a ne w method based on wavelet tra nsfor m is pr opose d on the basis of a thr ough study o n the three tr aditional ones .Thi s ne w m ethodwas m i ple mente d by doi ng relative r adi o metric correcti on only on the l o w fr eque ncy co mpone nt of wavelet tra nsf or m do ma i n of the source m i age ,and just re m ai ni ng the hi gh frequenc y co mpone nts uncha nged .The reco nstr ucted m i age has the c haracteristi c of keepi ng the hi gh frequency i nfor matio n ,so the ra dio m etric di versit i es in t he source m i age due to ground changes are reserved .K ey words : m ultite m poral re m ote sensi ng m i ages ;radio metric correcti on ; gray level distri buti on ; radio m etric characteristic ;w avelet transfor m 1 引 言 经过几十年的机载和星载遥感对地观测,人们已经积累了大量的关于地球表面的遥感图像数据。这些不同传感器获取的多源遥感图像,除了具有不同的几何和辐射特性外,还具有不同的时相特性。对时相特性的研究使得遥感技术提供了最可行的地表变化监测方法 [1,2] 。在过去的十几年中,科学家和工程技术人员在多时相遥感图像处理和分析技术 上作了大量的研究 [3] ,取得的成果已广泛应用于环 境监测、农业调查、城市研究、森林监测、地图修测、运动估计等诸多方面 [3)5] 。但是,由于在不同季节、 不同时间成像时,受不同的大气条件、光照条件、地表起伏、土壤湿度、植被气候、传感器成像模型和侧视角等影响,同一地区所成的影像具有较大的辐射差异 [1,6] ,这给多时相图像处理和分析带来了极大 的困难。为此,在诸如变化检测和运动估计等遥感
实验2——遥感图像增强处理--辐射增强处理
实验2 遥感图像增强 2.1 辐射增强处理 一、实验目的： 掌握在ERDAS中进行辐射增强处理方法（Radiometric Enhancement）。 二、实验内容及实习步骤： 辐射增强命令辐射增强功能 LUT Stretch：查找表拉伸通过修改图像查找表（Lookup Table）使输出图像值发生 变化，是图像对比度拉伸的总和。 Histogram Equalization: 直方图均衡化对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等 Histogram Match:直方图匹配对图像查找表进行数学变换，使一幅图像的直方图与另一 幅图像类似，常用于图像拼接处理 Brightness Inverse: 亮度反转对图像亮度范围进行线性及非线性取反值处理 Haze Reduction: 去霾处理降低多波段图像及全色图像模糊度的处理方法 Noise Reduction: 降噪处理利用自适应滤波方法去除图像噪声 Destripe TM Data:去条带处理对Landsat TM图像进行三次卷积处理去除条带 具体操作： 打开ERDAS IMAGINE 中的Interpreter/Radiometric Enhancement在按上出现的菜单，对上述的辐射增强命令一一尝试一遍 （1）LUT Stretch：查找表拉伸 单击快捷菜单中的LUT Stretch，在弹出的窗口中作如右图所示的设置，然后单击OK，于是就可以得到成果对比图，如下第二张图所示
1-1 1-2 下面的操作类似于（1）中的操作 （2）Histogram Equalization: 直方图均衡化
遥感图像几何精校正、辐射校正实验报告
遥感图像处理实验报告 1、实验名称：遥感图像几何精校正、辐射校正 2、实验目的：学会运用ERDAS对图像进行几何精校正、辐射校正 3、实验原理：几何校正：利用地面控制点对各种因素引起的遥感图像几何畸变进行纠正。 起原理用GCP 对原始卫星图像的几何畸变进行数学建模，建立原始的畸变图像空间与地理制图ongoing标准空间之间的某种对应关系，利用这种对应关系把畸变空间中的全部元素变换到纠正被纠正图像空间中去，从而实现几何精校正。 辐射校正：包括传感器的辐射校正、大气校正、照度校正以及条纹和斑点的判定和清除。 在实验中需运用ERDAS对图像进行几何精校正以及辐射校正。 4、数据来源： 图像一：经过波段组合的LANDSAT 的7波段ETM图像，为2010-08-15的重庆万州区图像。来源：国际科学数据服务平台，分辨率为30×30，投影类型为UTM控制网为WGS 84. 图像二（被校正图像）：把图像一进行投影转换并旋转一定的角度 投影转换： ERDAS图标面板工具条：点击DataPrep图标→ Reproject Images 对话框 →确定输入图像文件（Input File）: boduan.img →定义输出图像文件（Output File）: touying.img →定义输出图像（Output Projection）:包括投影类型和投影参数 →定义投影类型（Categories）: UTM Clark 1866 North →定义输出图像单位（Units）: Meters →定义输出像元大小（Output Cell Size : X : 81.353629 Y : 88.967209 →采用纯采样方法 (Resample Method) : Nearest Neighbor →定义转换方法：Rigorous Transformation （如图a-1） 图（a-1）
-遥感图像增强处理--辐射增强处理
遥感图像增强处理--辐射增强处理 地质系09资源勘查 0910105025 殷祥 2012-5-17
遥感图像增强处理--辐射增强处理 一、实验目的： 掌握在ERDAS中进行辐射增强处理方法（Radiometric Enhancement）。 二、实验内容及实习步骤： 点击Interpreter/Radiometric Enhancement，进行操作。 辐射增强命令辐射增强功能 LUT Stretch：查找表拉伸通过修改图像查找表（Lookup Table）使输出图像值发生 变化，是图像对比度拉伸的总和。 Histogram Equalization: 直方图均衡化对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等 Histogram Match:直方图匹配对图像查找表进行数学变换，使一幅图像的直方图与另一 幅图像类似，常用于图像拼接处理 Brightness Inverse: 亮度反转对图像亮度范围进行线性及非线性取反值处理 Haze Reduction: 去霾处理降低多波段图像及全色图像模糊度的处理方法 Noise Reduction: 降噪处理利用自适应滤波方法去除图像噪声 Destripe TM Data:去条带处理对Landsat TM图像进行三次卷积处理去除条带 具体操作： 打开ERDAS IMAGINE 中的Interpreter/Radiometric Enhancement在按上出现的菜单，对上述的辐射增强命令一一尝试一遍 （1）LUT Stretch：查找表拉伸 单击快捷菜单中的LUT Stretch，在弹出的窗口中作如右图所示的设置，然后单击OK，于是就可以得到成果对比图，如下第二张图所示
遥感图像辐射校正 实习报告
遥感影像辐射校正实习报告 姓名：__________XXX_ _________ 学号：_________XXXXXXXX_______ 班级：________XXXXXXXXXX______ ECHO DID THIS FOR YOU 2013/6/10
目录 一、实验目的 (1) 二、实验内容 (1) （一）绝对大气校正 (1) （二）相对大气校正——回归分析法 (1) （三）多时相影像匹配法 (1) 三、实验步骤 (2) （一）绝对大气校正 (2) （二）同时多波段图像的大气校正 (5) （三）多时相影像匹配法 (8) 四、实验体会 (10)
进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。 二、实验内容 （一）绝对大气校正 以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 基本步骤： 1、从QuickBird多光谱影像文件中提取出第1波段影像； 2、从影像中判读出一些典型地物； 3、从以前实测的光谱物据或光谱数据库中，读出步骤2中判读出的那些 地物对应QuickBird第1波段的反射率值； 4、基于步骤3的反射率值，采用基于ELC的大气校正方法，对交大犀浦 校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 （二）相对大气校正——回归分析法 以交大犀浦校区2006年QuickBird多光谱影像中的第4波段影像为参考，采用回归分析法，对第1波段影像进行相对大气校正。 （三）多时相影像匹配法 以交大犀浦校区2003年SPOT5多光谱影像中的第3波段（绿波段）影像为参考，采用多时相影像匹配法，对交大犀浦校区2005年SPOT5多光谱影像中的第3波段（绿波段）影像进行相对大气校正。