影像预处理
MODIS影像数据预处理技术研究共3篇
MODIS影像数据预处理技术研究共3篇MODIS影像数据预处理技术研究1MODIS影像数据预处理技术研究随着遥感技术的不断发展，遥感数据的应用越来越广泛。
而MODIS是美国国家航空航天局开发的一款地球观测卫星传感器，具有高分辨率、高灵敏度、高覆盖率等诸多优势，因此被广泛应用于环境和资源监测、海洋与气象研究等领域。
但是，对于从MODIS卫星传输到地球的数据，需要进行预处理，以提高其精度和可用性，从而更好地服务于各个领域。
本文主要介绍MODIS影像数据预处理技术的研究内容和方法。
1. MODIS影像数据处理流程MODIS影像数据处理流程包括原始数据预处理、辐射定标、大气校正、几何校正、云去除、地表反射率计算等多个环节。
其中，原始数据预处理主要包括数据的解压、数据格式转换、数据筛选和策略确定等步骤。
辐射定标则是将原始数据转换为辐射亮度，以便进行后续的加工处理。
大气校正是为了消除大气对观测数据的影响，即将各波段的观测值转化为大气顶部反射率。
几何校正则是将影像的位置和形状进行调整，以便与其他数据集合并或处理。
云去除则是除去影像中的云层、雾等影响数据可靠性的因素。
地表反射率计算则是根据获得的影像数据得到相应的地表反射率数据，以进行各类应用。
2. MODIS影像数据预处理技术研究MODIS影像数据预处理技术的研究主要包括以下几个方面。
（1）云检测技术。
MODIS影像中云覆盖率较高，需要采用高效的云检测技术，对云层进行精准识别和区分。
（2）辐射定标技术。
MODIS影像的辐射定标是影响数据质量的关键环节之一，需要采用高精度的辐射定标技术，以提高数据的精度和可用性。
（3）大气校正技术。
大气校正是消除大气对观测数据的影响，是MODIS影像数据预处理的重要步骤。
需要采用合适的大气校正模型和方法，以提高数据的准确性和可靠性。
（4）几何校正技术。
几何校正是保证影像的位置和形状的重要步骤，需要采用高精度的几何校正技术，以保证数据的一致性和可靠性。
遥感影像预处理实验
实验二遥感影像预处理实验目的：1、掌握图像对地形图或图像对图像校正的方法和步骤；2、掌握影像裁剪的方法和步骤。
实验材料：1、分辨率为10米的SPOT图像（参考图像，带地图投影）和相应地区的TM图像（待校正）。
2、分辨率为2.5米的SPOT图像（待校正），以及分辨率为0.61米的QUICKBIRD图像（参考图像）。
实验步骤：一、图像对地形图的校正（一）打开遥感图像和地形图打开Envi4.3软件,打开Spot图像和TM图像，其中TM图像自动打开，也可选择RGB Color,选择R、G、B分别赋予红、蓝、绿三个波段，即可显示一幅由红、蓝、绿三个波段合成的真彩色图像，而Spot图像选择Gray Scale, Display #1->New display->Load Band,即可显示该地区的黑白Spot图像；（二）选择地面控制点选点的原则：①选择两遥感影像上都有的统一地物，即选择同名地物点；②均匀分布：一般先在图像的四角和对角线交点处选择控制点，然后逐渐加密，保证均匀分布，并且选择的点应布满全局；③特征明显：尽可能选在固定的地物交叉点上，无精确定位的标志情况下，利用半固定的地形地物交叉点（山顶、河流交叉处）。
④足够数量：选点数应至少为(n+1)(n+2)/2,其中n为选择多项式的次数，一般控制点数应大于最低数很多(有时6倍)。
若n为1时，尽管计算结果为3，但还要至少选择4个控制点；因为重采样时选用Cubic Convolution（三次卷积法），参数为3，所以一般选择3次多项式，即6个控制点，12个系数，再建立数学模型，进行重采样，重新匹配。
控制点数量每景宜在25～35个左右，山区或丘陵区适当增加。
（三）图像对地形图校正（四）对校正后遥感影像的评价虽然经过细心的校正，但在扫描过程中仍然有误差。
1、打开校正后的遥感影像及相应的参考图像，在校正后遥感影像上点击鼠标右键，选择Link Displays，Display #1选择no,Display #2,#3,选择yes,点击ok;2、此时在校正后的遥感影像中，用鼠标左键点击任意位置就可出现遥感影像与参考图像的转换显示，即可评价出对遥感影像校正的优劣。
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤一、影像获取遥感影像预处理的第一步是获取原始影像数据。
通过卫星、飞机或其他遥感平台获取的影像数据，可以获得不同波段的光谱信息。
二、影像校正影像校正是为了消除由于影像获取过程中产生的各种误差，提高影像质量。
主要包括几何校正和辐射校正两个方面。
几何校正是通过对影像进行几何变换，将其与真实地物的位置和形状相对应。
这样可以消除由于视角、高程等因素引起的形变，使影像与实际地物一一对应。
辐射校正是为了消除由于大气、地表反射等因素引起的辐射差异。
通过对不同波段的辐射通量进行标定和校正，可以得到准确的辐射值。
三、影像配准影像配准是将不同时间、不同传感器或不同分辨率的影像对齐到同一坐标系统中。
通过对影像进行几何变换，使其在空间上一一对应。
这样可以实现影像的叠加和比较。
四、影像增强影像增强是为了提高影像的可视性和解译能力。
通过应用不同的滤波器、变换或增强算法，可以突出地物的特征，减少噪声和干扰，使影像更清晰、更易于分析。
五、影像分类影像分类是将影像像元划分为不同的地物类别。
根据不同的目标和需求，可以使用不同的分类方法，如基于像素的分类、基于对象的分类等。
六、影像融合影像融合是将多源、多尺度或多波段的影像融合成一幅综合影像。
通过融合可以充分利用各种影像的优势，提高地物提取和解译的精度。
七、影像制图影像制图是将处理后的影像转换为地图或图像产品。
通过对影像进行地理参考、投影变换和符号化处理，可以生成各种专题地图和影像产品。
八、影像分析影像分析是对处理后的影像进行定量和定性分析。
通过应用不同的遥感算法和模型，可以提取地物信息、监测变化和预测趋势。
九、结果验证结果验证是对影像分析结果进行验证和评估。
通过与实地调查数据进行比对，可以评估分析结果的准确性和可靠性。
总结：遥感影像预处理是遥感应用的重要环节，它涉及到影像获取、校正、配准、增强、分类、融合、制图、分析和结果验证等多个步骤。
每个步骤都有其独特的作用和意义，对于提高影像质量和分析精度具有重要意义。
高分影像预处理操作
1.辐射定标+大气校正辐射定标1）这一步只针对多光谱遥感影像，全色影像无需操作。
2）用ENVI5.1打开ENVI5.1暂不支持GF2数据.xml打开方式，但GF2数据为标准TIFF格式，故可直接使用ENVI的Open菜单打开，只是打开后软件不能自动识别元数据信息。
启动ENVI5.1；依次File>Open或直接单击工具栏上的图标，弹出Open对话框，打开原始多光谱影像；3）用到“Radiometric Correction/Apply Gain and Offset”工具，选中待处理的影像，单击“OK”，在Gain and Offset Values对话框中依次填入Gain Values和Offset Values，设置输出路径、文件名及数据类型，具体绝对辐射定标系数如下图：4）点击“OK”开始执行，结果如下：大气校正FLAASH大气校正需要影像的中心波长信息，ENVI暂不能自动识别GF2数据的头文件信息，因此首先需要手动添加中心波长信息：1）添加中心波长：用到“Raster Management/Edit ENVI Header”，弹出Edit Header Input File对话框，在Select Input File选项卡中选择上一步辐射定标后的结果，弹出Header Info对话框，点击Edit Attributes，选择Wavelengths，弹出Edit Wavelength values 对话框，依次填入各波段对应中心波长，单位选择“Micrometers”，其他默认，点击OK，如下：说明：这里取波谱响应值为 1 的波长为各波段对应中心波长，依次为514nm、546nm、656nm、822nm2）大气校正，用到“Radiometric Correction/Atmospheric Correction Module/FLAASH Atmosphere Correction”工具Input Radiance Image：在弹出的FLAASH Input File对话框中，选择上一步定标好的数据；弹出Radiance Scale Factors面板，选择Use single scale factor for all bands，由于上一步定标时没有对辐亮度数据做单位转换，所以在此Single scale factor填写：10，单击OK；Output Reflectance File：设置输出路径及文件名；Scene Center Location ：中心点经纬度，5.0以上自动识别；Sensor Type ：传感器类型，选择 UNKNOWN-MSI；Sensor Altitude （ km ）：传感器高度，即轨道高度631；Ground Elevation （ km ）：地面高程，可通过原始影像对应范围内DEM的平均值确定【方法是：在arcgis中加载整个涿州的dem数据和原始影像，按原始影像的区域进行dem裁剪】；Pixel Size （ m ）：像素大小，4；Fight Date ：成像日期；Flight Time GMT （HH ：MM ：SS ）：成像时间；【说明：成像日期及时间可从原数据的.xml文件中查看（第 24 行字段），需要小时数减去 8 转换为格林尼治时间】；Atmospheric Model：大气模型，根据经纬度和影像区域选择，数据经纬度与获取时间决定选用的大气模型，具体参考下表【纬度向上10°】：Aerosol Model：气溶胶模型，农场选择“Rural”反演模型【Rural（乡村）、Urban（城市）、Maritime（海洋）、Tropospheric（对流层）】；Aerosol Retrieval：反演方法常选择“2-Band（K-T）”【类似模糊减少法，如果没有找到适应的黑值（一般是阴影区或者水体），系统将采用能见度值来计算】，但GF-2缺少短波红外，此处选择 None；Water Retrieval：水气反演设置，默认NO【采用两种方式对水气进行去除，a. 利用水气去除模型恢复影像中每个像元的水气量，使用水气反演模型，数据必须具有15nm以上波谱分辨率，且至少覆盖以下波谱范围之一：1050－1210nm(优先考虑)，770－870nm，870－1020nm。
遥感影像解译技巧和注意事项
遥感影像解译技巧和注意事项遥感影像解译是一种通过获取、处理和分析遥感数据来获取地表信息的方法。
这项技术在农业、林业、城市规划等领域有着广泛的应用。
本文将介绍一些遥感影像解译的技巧和注意事项，帮助读者更好地理解并应用这一技术。
一、了解影像来源在进行遥感影像解译之前，了解影像的来源是十分重要的。
影像来源可以分为航空遥感和卫星遥感。
航空遥感是通过飞机或无人机获取的影像数据，其分辨率较高，可以提供更详细的地表信息。
卫星遥感是通过卫星传感器获取的影像数据，分辨率相对较低。
在解译时，需要根据具体需求选择适合的数据来源。
二、影像预处理在进行影像解译之前，需要对原始影像进行预处理。
预处理的目的是去除噪声、增强图像特征，以便更好地进行解译。
常用的预处理方法包括辐射校正、大气校正、几何校正等。
辐射校正是通过将原始影像转换为辐射亮度，消除不同观测条件对亮度的影响；大气校正是去除大气成分对影像亮度的干扰；几何校正是通过对原始影像进行几何变换，以纠正因地表形态和传感器姿态差异引起的影像形变。
三、选择合适的解译方法不同的解译方法适用于不同的地表特征。
常用的解译方法包括目视解译、数字解译和GIS解译。
目视解译是最常用的一种解译方法，通过人眼观察影像中的地物特征进行解译。
数字解译是一种基于计算机算法的解译方法，可以提高解译效率和准确度。
GIS解译是将遥感影像与地理信息系统相结合，通过对比和分析不同数据层来进行解译。
在选择解译方法时，需要根据具体任务和数据条件进行综合考虑。
四、注意遥感影像的解译要点在解译遥感影像时，有几个要点需要特别注意。
首先是遥感影像的视觉解译要点。
在进行目视解译时，需要注意观察影像的明暗、纹理、色彩等特征，以准确识别地物类型。
其次是地物的光谱特征。
不同地物在遥感影像上具有不同的光谱反射特性，通过观察光谱曲线和光谱特征可以帮助识别地物。
另外，还需要了解地物的空间特征。
地物在遥感影像中以不同的形状和大小表现出来，观察地物的空间分布和布局可以提供进一步的信息。
tif遥感影像的处理方法
tif遥感影像的处理方法
处理TIF格式的遥感影像有多种方法，具体取决于你想要实现
的目标和处理的数据类型。
以下是一些常见的处理方法：
1. 预处理，在开始任何分析之前，通常需要对遥感影像进行预
处理。
这可能包括校正、辐射校正、大气校正、几何校正等，以确
保数据质量和准确性。
2. 分类和特征提取，遥感影像处理的一个常见目标是对图像进
行分类，识别不同的地物类型，比如植被、水体、建筑物等。
这可
以通过监督或无监督分类方法来实现。
另外，还可以进行特征提取，提取出影像中的各种特征信息。
3. 变化检测，遥感影像还可以用于监测地表的变化，比如城市
扩张、土地利用变化等。
这通常涉及多期影像的比较和分析。
4. 地形和地貌分析，利用遥感影像可以进行地形和地貌分析，
比如提取数字高程模型（DEM）、进行坡度和坡向分析等。
5. 气象和环境监测，遥感影像还可以用于监测气象和环境变化，
比如监测气象现象、污染物扩散等。
6. 数据融合，将不同波段或不同传感器获取的遥感影像进行融合，可以得到更丰富的信息，比如进行多光谱影像与高光谱影像的
融合。
总之，处理TIF格式的遥感影像需要根据具体的应用目标选择
合适的方法，可能涉及到影像预处理、分类、特征提取、变化检测、地形分析、气象监测等多个方面的处理步骤。
同时，还需要结合遥
感影像处理软件和算法来实现相应的处理。
希望这些信息能够帮助
到你。
高分遥感卫星影像的预处理技术
度的控制技术 ，而对于高分二 号而 言，其成 功
突破 了优于 ｌ ｍ 的分辨率水平 ．并且能够具有 高定位、快速灵活、机动 的能力等特 点，对 于 提升我 国空间卫星水平 、数据 的自给率等这 些 方面具有非常重要的意义 。并且高分专项 的成
ｌ 子技术 ・ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
高分遥感卫星影像 的预处理技术
文／ 王晨巍 王晓君
射卫星，其成功实现 了宽覆盖 、高精度 、稳 定
１高分遥感影像 的软件选取
本 文 中所涉 及到 的高 分遥 感预 处理 软件 采 用的是 Ｅ ＮＶＩ 与Ｅ Ｒ ＤＡＳ相结合 的技术方案 。
由于传感器外在 原因：如姿 态的变化、高度、
速 度等 因素造 成 的遥感 影像 的 几何 畸变 与变
键词 】高分卫星 遥感影像 预 处理 数据
转换
形 ，并且遥感影像本 身在 空间、时间及光谱分
辨率上 的不足 ，在获取 数据 的过程 中不能够精
确 的进行信 息的记载 ，很大程 度上会降低遥感 数据 的精度 ，因此 ，需要对遥 感影像进行遥感
电路故障诊 断方法 准确度 较高 ，与经 典 的 Ｂ Ｐ 神 经网络 相比具有误诊率低、抗噪能力强 、网 络 稳定性较好等 等优点，可 以应用于 电子 电路 的故障诊 断。因篇幅所限，本文介绍 的内容相 对 而言比较简单，希望能够为相关研究人 员的
Ｙ Ｙ２ Ｙ］ 表示 大类 ，Ｙ４ Ｙ５ Ｙ６ 表示小类 ，比 ９ ９ ． ９ ７ ％，Ｂ Ｐ网络 准 确 率 为 ７ ８ ． ５ ０ ％； 当随 机
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤在遥感领域，影像预处理是遥感数据处理的重要环节，对于提高遥感影像的质量和后续分析具有重要意义。
以下是遥感影像预处理的正确步骤：一、数据获取与预处理1.数据获取：遥感影像数据来源于各种遥感卫星、航空遥感等，需要根据研究目的选择合适的数据源。
2.预处理：数据获取后，需要对数据进行预处理，以消除原始数据中的噪声、异常值等问题。
预处理方法包括去除噪声、裁剪、缩放等。
二、几何校正与图像配准1.几何校正：由于遥感影像在采集过程中可能受到传感器本身、地球曲率、大气折射等因素的影响，导致影像几何变形。
几何校正旨在消除这些变形，提高影像质量。
常见的方法有传感器模型校正、基于控制点的几何校正等。
2.图像配准：图像配准是将多幅遥感影像（如多光谱影像和单波段高分辨率影像）进行空间对齐，使其在同一坐标系统下。
配准方法有基于像素的配准、基于变换的配准等。
三、图像融合1.图像融合是将不同分辨率、不同光谱的遥感影像融合为高分辨率、多光谱的影像。
常见的图像融合方法有：（1）IHS变换融合：将高分辨率全色影像与亮度进行直方图匹配，然后去掉亮度，用预处理的高分辨率全色影像代替。
与色度H、饱和度S一起，利用逆变换式变换至RGB系统，得到融合后的影像。
（2）小波变换融合：利用人眼对局部对比度变化敏感的特性，根据一定的融合规则，在多幅原图像中选择最显著的特征（如边缘、线段等），并将这些特征保留在融合后的图像中。
四、影像增强与分割1.影像增强：通过调整亮度、对比度、色彩平衡等参数，提高遥感影像的视觉效果。
常见的增强方法有：直方图均衡化、自适应直方图均衡化、色彩空间转换等。
2.影像分割：将融合后的遥感影像划分为不同的区域，以便进行后续分析。
常见的分割方法有：基于阈值的分割、基于区域的分割、基于边缘的分割、基于深度学习的分割等。
五、特征提取与分析1.特征提取：从遥感影像中提取有意义的特征，如纹理、颜色、形状等。
常见的特征提取方法有：灰度共生矩阵、局部二值模式（LBP）、HOG特征等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感影像预处理
预处理是遥感应用的第一步，也是非常重要的一步。
目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。
预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。
本小节包括以下内容：
∙ ∙ ●数据预处理一般流程介绍
∙ ∙ ●预处理常见名词解释
∙ ∙ ●ENVI中的数据预处理
1、数据预处理一般流程
数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。
图1数据预处理一般流程
各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。
2、数据预处理的各个流程介绍
（一）几何精校正与影像配准
引起影像几何变形一般分为两大类：系统性和非系统性。
系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。
在做几何校正前，先要知道几个概念：
地理编码：把图像矫正到一种统一标准的坐标系。
地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。
图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准影像几何精校正，一般步骤如下，
（1）GCP（地面控制点）的选取
这是几何校正中最重要的一步。
可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。
选取得控制点有以下特征：
1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等；
2、地面控制点上的地物不随时间而变化。
GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。
卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。
（2）建立几何校正模型
地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS）
根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。
（3）图像重采样
重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行列号不是或不全是正数关系。
因此需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。
常用的内插方法包括：
1、最邻近法是将最邻近的像元值赋予新像元。
该方法的优点是输出图像仍然保持原来的像元值，简单，处理速度快。
但这种方法最大可产生半个像元的位置偏移，可能造成输出图像中某些地物的不连贯。
2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。
该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。
3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用三次卷积函数进行内插。
这种方法对边缘有所增强，并具有均衡化和清晰化的效果，当它仍然破坏了原来的像元值，且计算量大。
一般认为最邻近法有利于保持原始图像中的灰级，但对图像中的几何结构损坏较大。
后两种方法虽然对像元值有所近似，但也在很大程度上保留图像原有的几何结构，如道路网、水系、地物边界等。
（二）数字图像镶嵌与裁剪
l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，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但用于变化信息提取时，相邻影像的色调不允许平滑，避免信息变异。
l裁剪
图像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。
它的过程可分为两步：矢量栅格化和掩膜计算（Mask）。
矢量栅格化是将面状矢量数据转化成二值栅格图像文件，文件像元大小与被裁剪图像一致；把二值图像中的裁剪区域的值设为1，区域外取0值，与被裁剪图像做交集运算，计算所得图像就是图像裁剪结果。
（三）大气校正
遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异。
因此，在多时相遥感图像中，除了地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射值也会有差异。
利用多时相遥感图像的光谱信息来检测地物变化状况的动态监测，其重要前提是要消除不变地物的辐射值差异。
辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法，按照校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。
绝对辐射校正方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法，它需要获取影像过境时的地表测量数据，并考虑地形起伏等因素来校正大气和传感器的影响，因此这类方法一般都很复杂，目前大多数遥感图像都无法满足上述条件。
相对辐射校正是将一图像作为参考（或基准）图像，调整另一图像的DN值，使得两时相影像上同名的地物具有相同的DN值，这个过程也叫多时相遥感图像的光谱归一化。
这样我们就可以通过分析不同时相遥感图像上的辐射值差异来实现变化监测。
因此，相对辐射校正就是要使相对稳定的同名地物的辐射值在不同时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。
3、ENVI中的数据预处理介绍
（一）几何精校正与影像配准
（1）选择几何校正模型
ENVI中支持有大多数商业化卫星的几何校正模型，如QuickBird、Ikonos、Spot1-5、P6、WorldView-1等，一般的校正模型包括二次多项式、仿射变换和局部三角网。
图2何校正模型
控制点选择方式可以是从影像上，也可以从矢量数据或者野外实测等。
图3控制点选择方式
选择控制点也非常的方便，包含了误差的结算。
重采样方式包含了三种方法。
图5重采样方式
（二）数字图像镶嵌与裁剪
l镶嵌
ENVI支持有地理参照和没有地理参照影像数据的镶嵌，能够自动对镶嵌影像进行颜色平衡，并提供了多种影像增强和直方图匹配工具，可以最大限度地消除镶嵌影像间的色调和颜色差异
多种色彩平衡方法
图6 颜色校正设置
多种接边线编辑方式。
图7 接边线镶嵌
l裁减
在ENVI中做裁减的方法非常的多，提供多种方法进行图像的空间裁剪获得子区，包括：手动输入行列数、从图像中交互选择区域、输入地理坐标范围、和另外图像文件的交集、使用滚动窗口中的图像和通过感兴趣区域。
个人收集整理仅供参考学习
图8 影像的裁剪
（三）大气校正
ENVI的大气校正模块为FLAASH。
详细情况参见帖子：ENVI中的大气校正模块（FLAASH）的使用说明。