遥感数据辐射校正
测绘技术中的遥感数据处理方法与分析技巧
测绘技术中的遥感数据处理方法与分析技巧遥感技术是现代测绘技术中的关键组成部分，它通过无线电、红外线、激光和雷达等传感器获取地表及大气信息。
遥感数据处理和分析是利用这些获取到的数据进行测绘与地理信息系统应用的重要环节。
本文将介绍几种常用的遥感数据处理方法与分析技巧。
首先，遥感数据的预处理是数据处理的基础。
预处理包括数据校正、辐射校正和几何校正等过程。
数据校正是将原始数据进行去除噪声、填补无效值和纠正异常点等操作，以提高数据质量。
辐射校正是将原始数据转化为物理量，如反射率和温度等。
几何校正是校正图像的几何畸变，以保证图像的几何精度。
这些预处理操作能够提高遥感数据的可靠性和可用性。
其次，遥感图像分类是遥感数据处理的重要环节。
图像分类是将遥感图像像素分成不同的类别，如水体、植被、建筑和裸土等。
常见的分类方法有基于统计学的最大似然分类、支持向量机分类和神经网络分类等。
最大似然分类是根据每个类别在样本中的分布情况，使用概率统计方法进行分类。
支持向量机分类是通过寻找一个最优的超平面将不同类别的样本分开。
神经网络分类使用多层感知机模型进行图像分类。
这些分类方法能够帮助我们从遥感图像中提取出感兴趣的地物信息。
此外，遥感数据变化检测是遥感数据处理的重要应用之一。
变化检测可以用于监测城市扩张、农田变化和森林砍伐等。
常见的变化检测方法有单时相变化检测和多时相变化检测。
单时相变化检测是对同一地区的不同时间的遥感图像进行比较，通过像素级别的差异检测来获取变化信息。
多时相变化检测是对多个时间序列的遥感图像进行比较，通过时间序列分析和统计学方法来获取变化信息。
这些变化检测方法为我们提供了探索地表变化的重要手段。
最后，遥感数据的空间分析是遥感数据处理的重要内容之一。
空间分析是对遥感数据进行空间模式分析和定量化分析的过程。
常见的空间分析方法有地物对象提取、泥沙径流模拟和土地覆盖变化分析等。
地物对象提取是根据遥感图像进行地物类型的提取，如建筑物提取、植被提取和水体提取等。
遥感影像辐射校正方法与技巧
遥感影像辐射校正方法与技巧引言：遥感技术在现代社会的应用日益广泛，无论是环境监测、农业发展还是城市规划，遥感影像都起到了不可或缺的作用。
然而，遥感影像需要进行辐射校正，以准确反映地物的光谱信息。
本文将介绍遥感影像辐射校正的方法与技巧。
一、什么是辐射校正辐射校正是遥感影像处理中的一项重要任务，通过消除大气、地表反射和传感器响应等误差，实现影像灰度与反射率、辐射率之间的转换。
辐射校正的目的是减小影像的空间和光谱差异，以便更好地进行后续分析和应用。
二、辐射校正的方法1. 经验模型方法经验模型方法适用于辐射校正的初步处理。
通过建立传感器响应与地物反射之间的经验模型，根据遥感影像中的亮度值进行校正。
这种方法适用于像素值的非线性校正，但不适用于不同光谱区域之间的校正。
2. 大气校正方法大气校正是辐射校正的关键步骤之一。
大气校正通过模拟大气的辐射传输过程，估算并消除大气对遥感影像的影响。
目前，主要的大气校正方法包括常规大气校正、基于模型的大气校正和基于辐射传输模型的大气校正等。
3. 地表反射校正方法地表反射校正是辐射校正中的另一重要步骤，主要解决地物反射率的转换问题。
地表反射校正方法可以分为基于定标面的校正和基于统计的校正两种。
其中，基于定标面的校正方法需要采集大量的地面参考数据，而基于统计的校正方法则通过统计地物的光谱反射特征进行校正。
三、辐射校正的技巧1. 模型选择与参数估计在进行辐射校正时，需要选择合适的模型和正确估计模型参数。
为了提高辐射校正的准确性，可通过大量的实地观测数据进行参数估计。
同时，对不同地区和不同影像进行适当调整和优化，以提高校正的精度。
2. 数据预处理在进行辐射校正之前，需要对遥感影像进行一定的数据预处理。
主要包括大气润湿校正、坐标转换、几何校正等。
这些预处理步骤有助于减小数据误差，提高辐射校正的精度。
3. 校正结果评价进行辐射校正后，需要对校正结果进行评价。
评价指标包括辐射定标误差、地物反射率的准确度等。
一种遥感影像的相对辐射校正方法与流程
一种遥感影像的相对辐射校正方法与流程
一种遥感影像的相对辐射校正方法与流程，是一种用于矫正遥感影像不同地表物的反射率差异而产生的光谱响应不同的方法。
以下为该方法的具体步骤。
1. 数据预处理
在输入遥感影像前，需要预处理数据，包括了去除植被保护区、云、阴影和水波纹等对遥感数据质量产生潜在干扰的部分。
2. 选择代表性光谱典型物
选择气象站记录的光谱典型物，并选择大气校正模型。
3. 大气扰动校正
根据大气校正模型，估算遥感影像的大气光学性质参数。
在计算过程需要监测各项参数变化。
4. DEM栅格数据加工
在DEM栅格数据（台阶型）中加工，生成高度模型，与河流、大海等受水体影响的地表覆盖物做好处理。
5. 影像配准
遥感影像配准可以为影像间的秩序一致，并提高校正精度。
6. 差异响应与系数计算
基于光谱典型物的光谱响应与辐射度计的相对辐射度计算差异响应。
7. 相对辐射校正
我们将计算出的角度冠幅校正曲线之所以称之为相对辐射校正，是因为该曲线可以将原图像在照片上所观察到的效果转换为辐射计目测的效果。
8. 精度检验
通过与地面真实数据做比较，进行校正GIS输出。
精度检验力求实现准确性与可重复性。
综上所述，一种遥感影像的相对辐射校正方法与流程，是调整遥感影像反射率的方法，主要由预处理、选择光谱典型物、大气扰动校
正、DEM栅格数据加工、影像配准、差异响应与系数计算、相对辐射校正和精度检验等步骤组成。
采用该方法可以将因采集时的光谱响应不同而产生的影响消除，提高影像质量的准确性和可靠性。
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图-1 基本的辐射传输过程辐射传输方程：从辐射源经过大气层到达传感器的过程中电磁波能量变化的数学模型。
4．辐射校正方法：4.1.系统辐射误差校正 4.2大气校正 4.3.地面辐射校正4.4.传感器端的辐射校正4.4.1光学镜头的非均匀性引起的边缘减光现象的校正机载成像光谱图像的边缘辐射畸变与仪器大视场角有关，主要由大气效应、地物反射非朗伯体特性、太阳-仪器-目标相对几何关系等因素综合作用所引起的。
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.txt2、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 calibration3、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—输入数据标识进行二次筛选—选择信息②查询图像的基本信息③设置Sensor类型为Landsat TM7，传感器参数被自动填写，影像和传感器参数查询数据相关信息后输入。
第5章遥感图像的辐射校正
b. 线性灰度变换
在两张影像的重叠部分各取出相对应的n个点，建立线性回归方程； 然后运用最小二乘法求线性方程系数。以其中一幅影像为标准，对另 一幅影像进行变换，从而达到灰度一致化。 特点：简单易行，n足够大时有一定的精度。存在位置配准误差。
三、因大气影响引起的辐射误差校正
消除因为大气散射引起的辐射误差的处理称为大 气校正。
3. 波段对比法
依据：大气散射的选择性，即对短波影响大，对长波影响小
a. 回归分析法 原理：在遥感图像上大山的阴影区或深大水体区域， 各个波段的反射为零。同时，大气散射主要影响短 波部分，波长较长的波段几乎不受影响，因此可用其 校正其它波段数据。
方法：在不受大气影响的波段和待校正的某一波段图 像中，选择最黑区域（通常为高山阴影区）中的一系 列目标，将每个目标的两个待比较的波段灰度值提取 出来进行回归分析，建立线性回归方程，也称为暗像 元法。
1.大气透射 透射是指电磁辐射与介质作用后，产生的次级辐射和
部分原入射辐射穿过该介质，到达另一种介质的现象和过 程。
一般用透射率表示透射能力。
根据透射率的定义，有：
E ex
E0
2.大气窗口 是指大气对电磁辐射吸收和散射都很小、而透
射率很高波段，即在传输过程中损耗小、能透过大 气的电磁波段。
遥感中使用的大气窗口：
设太阳辐射照度为E0，经过大气的路程为x,则穿过该大 气路程后的辐射照度为：
E E0ex
σ称为衰减系数或消光系数
散射系数 吸收系数
大气对电磁波 的影响主要是 散射和吸收。
二、大气吸收
大气中吸收太阳辐射的主要是水蒸汽、二氧化碳 和臭氧。
吸收能力随电磁波的波长而变化，是选择性的。
三、大气透射与大气窗口
高分辨率遥感数据的处理与分析方法
高分辨率遥感数据的处理与分析方法遥感技术的发展日益成熟，高分辨率遥感数据的获取量逐渐增加。
如何处理和分析这些海量数据成为遥感领域的重要研究课题。
本文将介绍高分辨率遥感数据的处理与分析方法，并探讨其在不同领域的应用。
一、数据预处理高分辨率遥感数据的预处理是数据处理的重要步骤，它包括数据去噪、辐射校正、几何校正等内容。
1. 数据去噪：高分辨率遥感数据中常常存在各种噪声，如椒盐噪声、斑点噪声等。
为了减少噪声对后续分析的影响，可以采用滤波算法对数据进行去噪处理，如中值滤波、均值滤波等。
2. 辐射校正：高分辨率遥感数据的辐射校正是将原始数据转换为物理度量的一个过程。
通过影像的辐射校正，可以消除大气、地表反射率等因素对遥感影像的影响，得到准确的反射率信息。
3. 几何校正：高分辨率遥感数据的几何校正是将影像的像素空间坐标与实际地理坐标之间建立映射关系的过程。
通过准确的几何校正，可以保证影像的空间精度，提高后续分析的可靠性。
二、数据分类与特征提取高分辨率遥感数据的分类和特征提取是将遥感影像转化为语义信息的重要工作。
1. 数据分类：数据分类是指将遥感影像中的像素根据其反射率或其他属性进行分类，以获得具有不同意义的地物信息。
常用的分类方法包括基于像元的分类、基于对象的分类和基于深度学习的分类等。
2. 特征提取：特征提取是将遥感影像中不同地物的特征进行提取和描述的过程。
常用的特征提取方法包括纹理特征提取、形状特征提取、光谱特征提取等。
通过特征提取，可以获得地物的几何、纹理和光谱等多维信息，为后续的应用提供基础。
三、数据融合与信息提取高分辨率遥感数据融合与信息提取是将多源数据融合，获取更丰富的地物信息的关键环节。
1. 数据融合：高分辨率遥感数据融合是指将不同源、不同分辨率的遥感数据进行融合，以获取更全面、更准确的地物信息。
常见的数据融合方法包括基于智能算法的融合、基于模型的融合等。
2. 信息提取：通过数据融合，可以获取到更丰富的地物信息。
卫星遥感图像辐射衰减校正方法
卫星遥感图像辐射衰减校正方法卫星遥感技术作为获取地球表面信息的重要手段，在自然资源调查、环境监测、灾害评估等领域发挥着至关重要的作用。
然而，卫星遥感图像在传输过程中会受到大气散射、吸收等因素的影响，导致图像辐射能量衰减，影响数据的准确性和实用性。
因此，对卫星遥感图像进行辐射衰减校正是一个不可或缺的预处理步骤，以确保后续分析的可靠性和精确度。
以下是六种常用的卫星遥感图像辐射衰减校正方法，以及对这些方法的综合评述。
1. 大气顶层辐射传输模型（ATM）法大气顶层辐射传输模型是基于辐射传输理论，通过模拟太阳光在大气中的传播路径，计算出到达卫星传感器前大气对辐射的影响。
该方法需要详细的气象数据（如温度、湿度、气压和气溶胶光学厚度等），以求解辐射传输方程。
常用的模型有MODTRAN、6S（Second Simulation of the Satellite Signal in the Solar Spectrum）等。
ATM法能够较为精确地校正大气影响，但对输入参数的精度要求高，计算复杂度大。
2. 辐射定标法辐射定标是校正卫星图像的第一步，确保图像的数字值与实际辐射量之间建立准确的关系。
它分为内部定标和外部定标。
内部定标依赖于卫星上的定标设备，校正仪器本身产生的误差；外部定标则利用地面控制点或同步的辐射测量数据，调整图像的整体辐射水平。
虽然辐射定标不直接校正大气衰减，但它是后续大气校正的基础，确保图像的辐射量具有物理意义。
3. 暗像元法暗像元法适用于有水体存在的场景，尤其是大面积水域，因为水体可以被视为近似无反射的理想暗像元。
通过选取图像中未受大气散射影响的暗像元，即水面的反射率接近于零的部分，来估算大气上行透过率和大气下垫面反射率，进而校正大气影响。
这种方法简单易行，但受限于应用场景，对水体条件和图像质量有一定要求。
4. 多时相相对辐射校正法（DOS）多时相相对辐射校正法利用不同时间（如早晚）同一地区影像的差异，通过比较阴影区或植被覆盖度变化较小的区域来估算大气影响。
- 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
图-1 基本的辐射传输过程
辐射传输方程：从辐射源经过大气层到达传感器的过程中电磁波能量变化的数学
模型。
4．辐射校正方法：
4.1.系统辐射误差校正 4.2大气校正 4.3.地面辐射校正
4.4.传感器端的辐射校正
4.4.1光学镜头的非均匀性引起的边缘减光现象的校正
机载成像光谱图像的边缘辐射畸变与仪器大视场角有关，主要由大气效应、地物反射非朗伯体特性、太阳-仪器-目标相对几何关系等因素综合作用所引起的。
1.1.光电转换系统的特性引起的辐射误差校正
由于转换系统的灵敏度特性有很高的重复性，可以定期在地面上测量其特性，根据测量值对其进行辐射畸变校正。
以Landsat 的MSS 、TM 图像为例，对传感器的输出R 进行校正的公式
1.2因大气影响引起的辐射误差校正
min
min
max max
R R R R D V --=传感器输出辐射亮
校正过的辐射亮度
已校正数据的最大值
P
三种方法：
1.野外波谱测试回归分析法
2. 辐射传递方程计算法
3.波段对比法
下面着重介绍野外波谱测试回归分析法：
野外波谱测试需要与卫星同步在野外进行光谱测量。
通常选用同类仪器测量，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。
如：对于一个8位量化的图像，转换方程为：
设回归方程为：
L=a+bR
将图像中的每个像素值减去a ，获取某区域经过大气改正后的图像。
在获取地面目标图像时，可以预先在地面设置反射率已知的标志，或事先测出若干地面目标的反射率，把由此得到的地面实况数据和传感器的输出值进行比较，以消除大气的影响。
注意：在地面特定地区、特定条件、一定时间段内测定 的地面目标反射率不具有普遍性，因此该方法仅适用于包含地面实况数据的图像。
3地形起伏引起的辐射校正
对于地形起伏引起的辐射误差，可以利用地表法线矢量与太阳入射矢量 两者的夹角来校正。
地面测量值
min min max 255
L DN L L L +⨯-=
若处在坡度为α的倾斜面上的地物影像为g（x，y），则校正后的图像f（x，y）为：
地形坡度引起的辐射校正方法需要有图像对应地区的DEM数据，校正较为麻烦，一般情况下对地形坡度引起的误差不做校正。
对于多波段图像，可用波段比值来进行校正，消除地表坡度的影响。
4.传感器辐射校正的基本原理与方法
在遥感器飞越辐射定标场地上空时，在定标场地选择若干个像元区，测量传感器对应波段内的地物光谱反射率，同时测出大气环境参量（大气气溶胶光学厚度，大气中水、臭氧含量等）等。
再根据卫星过顶时太阳几何位置、仪器视场角、探测器光谱响应函数等，通过大气辐射传输模型求解出传感器入瞳处各光谱通道的辐射亮度Lt，最后确定它与传感器输出的数字量化值之间的数量关系，求解定标系数，并估算定标不确定性。
Lt 与探测器对应的输出信号的数字量C 之间的定量关系按线性校正模型处理，则有：
A----可见光和近红外波段辐射校正系数 2）红外波段
选择清洁水面作为目标，则探测器的辐射值为：
--探测器光谱响应带宽
---探器光谱响应函数 ----
- -红外波段辐射校正系数
5.总结与展望
1.复杂地表条件下的大气校正。
在复杂地表条件下，地形对大气校正有着重要影响，但是由于进行地形校正会改变太阳—地面—传感器的几何关系，从而改变像元接收的太阳辐射，因此，一些学者建议在地形校正前进行大气校正 ，也有学者提出将大气校正与地形校正同时进行 ，实现大气校正与地形校正的耦合。
C
A L t ⋅=()()⎰⎰∆∆∆=
λ
λλ
λλ
λϕλλϕd d I I
λ
∆()
λ
ϕC
A I ⋅=∆*
λ
*A
Richter提出的ATCOR (Atmospheric and Topographic Correction for Airborne Scanner Data)模型就代表了未来的一个发展方向。
2.随着高光谱遥感的发展，海量数据的获取与处理对大气校正提出了新的挑战，促使大气校正向着工程化的方向发展，以满足快速批量对遥感数据进行大气校正的要求。
尽管光学遥感大气校正方面的成果很多，各种模型层出不穷，但没有一个是可普遍应用的。
因此，在对遥感影像进行大气校正时，要根据研究目的、要求以及研究区的特点，选择适当的大气校正方法。
对于热红外遥感，由于热红外辐射与大气的相互作用与可见光、近红外不一样，因而其大气校正方法也不相同。
大气校正方法正向自动化、模块化、实用化及工程化的方向发展，相信随着对大气校正方法的不断探索和改进，必将会加快遥感信息定量化的发展步伐3,。
基于影像自身的大气参数反演。
由于实时的大气参数获取有许多不确定因素，而且成本很高，因此从影像本身反演大气参数将成为一个研究重点。
如Gao B．C．利用大气水汽吸收波段与大气窗口波段的比值与大气水汽含量的关系来求解水汽含量，Kaufman利用MODIS 2．1 m通道通过探测地表暗目标反演气溶胶光学厚度。