《ENVI培训第三篇_遥感影像前期处理专题课件》由会员分享，可在线阅读，更多相关《ENVI培训第三篇_遥感影像前期处理专题课件（27页珍藏版）》请在金锄头文库上搜索。
1、遥感影像前期处理专题,仰满荣 航天星图科技北京有限公司,ENVI,主要内容,辐射纠正,1,几何校正,2,正射校正,3,数据融合,4,影像的裁剪与镶嵌,5,辐射纠正,遥感成像过程十分复杂，经历从辐射大气层地球表面大气层传感器等一系列复杂的过程，这一过程每个环节都受到各种因素（遥感器、大气、太阳高度角、地形等）的干扰。导致遥感器获得的测量值与地表真实反射信息是不一样的。,如果我们想要了解某一物体表面的真实光谱属性，我们必须消除这些辐射失真。 辐射校正就是为了消除各种因素的干扰，获得地表真实反射率数据。,利用ENVI进行辐射校正,ENVI辐射校正方法有:辐射定标, 大气纠正以及高光谱影像辐射纠正方法
2、. Basic Tools / Preprocessing 辐射定标 （遥感器的校正,可以消除偏移和增益因子） （）Calibration utilities（AVHRRTM （）General Purpose Utilities Apply gain and offfset(（适用于辐射值 LA*DN+B,B:偏移，A:增益） （）直接运用波段运算工具 大气校正（消除大气中各种因素的影响） （）直方图最小值去除法,消除大气散射的影响 （）采用大气纠正模型的方法FLAASH 高光谱影像辐射校正（有别于其他多波段影像， 赵英时P175) （） 对数残差log （）平场域（flat field )
3、 （） IAR反射率 （）经验线性,FLAASH大气校正,FLAASH大气校正是利用影像信息,如坐标,传感器,像元大小,水气,气溶胶等信息,采用了MODTRAN4+大气纠正模型,来反演卫星获取时相关参数,从而实现大气纠正.ENVI可以对以下数据进行FLAASH大气校正: 多光谱： QuickBird、Ikonos、 Landsat、 SPOT、 AVHRR、 ASTER、 MODIS、 MERIS、 AATSR、 IRS 高光谱：HYPERION、HYMAP、AVIRIS、HYDICE、CASI,输入文件准备 经过定标后辐射率数据 ENVI标准影像格式,BIP或者BIL存储方式, 浮点型(推荐
4、),对于整型数据： 数据带有wavelenth值，如果是高光谱数据还要求带有FWHM值,FLAASH大气校正基本参数设置,文件输入输出设置,影像中心坐标,传感器,影像获取时间,大气模型, 水气去除,气溶胶模型,气溶胶去除方法,光谱打磨,多(高)光谱设置,高级设置,FLAASH大气校正参数设置,大气模型(六种) 根据影像纬度和季节确定 消除水气影响 具有15nm以上波谱分辨率，且至少覆盖以下波谱范围之一：10501210nm(优先考虑)，770870nm，8701020nm。 气溶胶模型(四种) 消除气溶胶影响 2-Band（K-T）:要求数据波段覆盖660nm和2100nm波谱. 能见度 光谱
5、打磨(高光谱数据) 对波谱曲线进行微调,使波谱曲线更加近似于真实地物的波谱曲线,多光谱设置(模型参数设置) 水气去除模型参数(吸收通道,反射通道) 气溶胶模型参数设置（用气溶胶模型要求数据波段覆盖660nm和2100nm波谱.） KT upper 21002250nm KT lower 640680nm 高光谱设置(模型参数设置) 自动选择通道定义(推荐) 设置通道定义,FLAASH大气校正参数设置,FLAASH大气校正参数设置,高级设置,光谱定义文件 气溶胶高度 CO2混合比率：390ppm 使用领域纠正 使用以前的MODTRAN模型计算结果 设置MODTRAN模型的光谱分辨率设置 MODT
6、RAN多散射模型,FLAASH校正效果,相对辐射校正效果：增强图像对比度, 可以去除一些薄雾, 但是不能去云.视觉效果不会很明显,但是光谱特征差别很大,FLAASH校正前后,对数残差辐射校正,对数残差定标前后波谱曲线对比,几何校正,遥感器在获取数据时, 会引起影像变形，传感器自身的移动、如地球曲率等影响都会引起像点发生位移，投影方式不同会引起部分影像被拉伸等,几何校正就是利用地面控制点(GCP) 纠正各种因素引起的遥感图像的几何变形，对影像进行地理坐标定位，获得真实坐标信息。从而实现与标准图像或地图的几何整合。,利用ENVI进行几何校正,几何校正一般包括几何粗校正和几何精校正。 粗校正及系统误
7、差校正，一般由卫星地面站来完成。 粗校正处理后图像仍有较大的残差，需要对图像进 行进一步的处理，即几何精校正。,bldr_tmbldr_spot,Map / Registration Image to Image Image to map,几何校正包括两方面的内容,一是图像空间像元位置的变换;二是在标准空间内对变换后各像元亮度值的计算 第一步:进行空间变换,实现几何位置纠正,通常采用多项式的方法,建立变换前图像坐标（x,y）与变换后图像坐标（u,v）的关系 第二步:对变换后的各像元亮度值进行重采样,常用的采样方法有最近邻法,双线性内插法,三次卷积等,几何纠正原理,GCP点选取,选取原则 清晰的
8、定位识别标志：道路交叉点，河流弯曲或分叉处，海岸线弯曲处，飞机场，水坝等 所选控制点地物不随时间变化 在没有做地形纠正的图像上选取控制点,应该在同一高度进行 图像边缘部分一定要选取控制点 尽可能满幅均匀选取,GCP点选取,数目确定 控制点数目的最低限是按多项式未知系数n的多少来确定的。 GCP数最少为(n+1)(n+2)/2 一次多项式：3个 二次多项式：6个 在图像边缘处，在地面特征变化大的地区，需要增加控制点 一般采用二次多项式方法,一景数据20个控制点左右,正射纠正,主要目的: 消除地形的影响或是相机方位引起的变形等. ENVI的正射纠正条件 影像数据 需要RPC(rational po
9、lynomial coefficients)或者RSM(replacement sensor model)参数 高程信息(DEM或者给平均高程) 地面控制点（可选） Geoid：影像数据获取地的大地水准面和平均海拨面的高程差,正射纠正,这些数据提供RPC等系统参数,正射校正参数输入 影像重采样方法 背景值 高程 Geoid：大地水准面与当地平均海平面的偏差,数据融合,数据融合实质上是将高分辨率影像空间特征与低分辨率影像多光谱特征组合到一副影像,使得融合后影像即具有高分辨率影像空间特征,又具有低分辨率影像多光谱特征.,SPOT,+,=,ENVI菜单下的几种融合方法,Transform/Image
10、 sharpen/,HSV Brovey 图像的归一化。即RGB都乘以 高分辨率数据与彩色波段总和的比值 Gram-Schmidt Spectral Sharpening 高保真融合方法，要求影像带有地理坐标，并配准 PC Spectral Sharpening 基于主成分分析的波谱增强 CN Spectral Sharpening 它使用来自锐化图像的高分辨率（和低分辨率）波段对输入图像的低空间分辨率波段进行增强，它保持输入图像的原始数据类型和动态范围的基础上，同时对任何数量的波段进行锐化。,GS高保真融合方法原理 模拟一个全色影像波段,这个全色影像波段将参与GS变换,最后再反变换,即可产生
11、分辨率增强的多光谱影像; ENVI参数设置里有四种方法可供选择 平均值法：利用多个波段的平均值模拟一个低分辨率全色图像。 选择输入文件：选择多光谱图像的其中一个波段作为低分辨全色数据。 通过传感器类型创建：为相应的传感器模拟一个全色图像，从传感器下拉列表中选择传感器类型，IKONOS, IRS1, Landsat7, QuickBird, SPOT 5等 用户自定义滤波函数：为选择的滤波函数模拟一个全色图像。 两个优点: 处理的波段数没有限制 产生的高空间分辨率多光谱影像不仅保持了低空间分辨率光谱的特性,且信息失真小,新疆库车卫星影像图,（Landsat7 742波段与第八波段融合）,ENVI
12、提供多种裁剪方式 : Basic tools/resize data Image 适合裁剪一个目视区域 map 适合精确裁剪 ROI/evf 裁剪已知范围 File 裁剪一个与已知文件具有相同大小的文件 波谱子集的裁剪 注意：、利用该工具可以进行图像重新采样 、ENVI的裁剪工具不仅可以裁剪大小还可以裁剪波段 Basic tools/subset data via ROI 利用ROI进行快速裁剪，可以进行无规则多边形裁剪, (如省界裁剪，打开省界矢量转成ROI,然后进行裁剪) 注意：可以进行无规则多边形裁剪,数据裁剪,Basic tools/mosaicing或者map/mosaicing ENVI镶嵌的方式有两种 基于像元的镶嵌(手工定位) 基于地理坐标的镶嵌(自动定位) 参数设置：忽略零值、边缘羽化 添加裁切线 、颜色平衡 注意： 设置裁切线时要先看清楚裁切线怎 么走，然后在要去掉的影像的那一 边要标上一个符号，保存注记。,数据镶嵌,Thank You !,
