《农业遥感课件影像处理专题1校正等专题》由会员分享，可在线阅读，更多相关《农业遥感课件影像处理专题1校正等专题（30页珍藏版）》请在金锄头文库上搜索。
1、遥感影像处理专题,谭昌伟,ENVI,扬州大学课程讲义,主要内容,辐射纠正,1,几何校正,2,正射校正,3,数据融合,4,影像增强与变换,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. Basic
2、 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（辐射值LA*DN+B,B:偏移，A:增益） （）General Purpose Utilities Apply gain and offfset(适用于以上公式） （）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 ) （） IAR反射率
3、（）经验线性,FLAASH大气校正,FLAASH大气校正利用影像信息,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,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
4、,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
5、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 MODTRAN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
6、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_tm bldr_spot,Map / Registration Image to Im
7、age 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
8、,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,MODIS数据快速几何纠正,去双眼皮工具,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 polynomial 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）
9、 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.,Transform/Image sharpen/GS高保真融合,SPOT,+,=,GS高保真融合方法原理 根据低分辨率多光谱影像对高分辨率影像模拟一个全色影像; (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
10、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。,新疆库车卫星影像图,（Landsat7 742波段与第八波段融合）,影像增强方法 线性拉伸,分段线性拉伸,高斯拉伸,平方根拉伸等 对比度拉伸,饱和度拉伸,去相关拉伸,视觉效果拉伸 滤波( 卷积滤波、纹理滤波、自适应滤波) ENVI zoom环境 变换方法 KT主成份变换 KL 穗帽变换,图像增强
11、与变换,对影像的拉伸实际上是对影像直方图的拉伸，在主图像窗口菜单栏中，选择Enhance 里不同的拉伸方法，可以根据主图像窗口 “Image”、二次采样的滚动窗口 “Scroll”或缩放窗口“Zoom”的数据统计对显示图像进行相应的拉伸。其实就是选择了不同的输入直方图数据源。 默认2%线性拉伸，就是将图像的累积直方图上2%和98%像元值拉伸到0到255,图像增强,对比度拉伸Basic Tools/Stretch data 去相关拉伸 视觉效果拉伸 饱和度拉伸 生成彩色合成图像,滤波 Filter,卷积滤波(高通低通中值sobelRobert等） 形态学滤波（腐蚀、膨胀、开、关） 纹理滤波 自适应滤波 傅立叶变换,Enhance/Sharpen,KL变换,KL变换：主成分变换Transform/Principal Components,PC1,PC3,PC6,主成分变换可以用来生成不相关的输出波段,用来隔离噪声和减少数据集的维数.,KT变换：穗帽变换Transform/Tasseled cap 穗帽变换可以对Landsat MSS,TM,ETM数据进行变换,把数据变换到另一空间,生成的数据的波段和地物相关 如: Landsat 7ETM数据,穗帽变换生成6个输出波段,包括:亮度,绿度,湿度,第四分量(噪声),第五分量,第六分量.,KT 变换,第三波段湿度分量,End!,
