遥感技术应用_ch5辐射、几何校正与数字图像增强技术.ppt

遥感技术应用回顾第四讲遥感影像资料的选购与查询第五讲辐射、几何校正与数字图像增强5.1数字图像及其辐射校正Contents5.1.1数字图像5.1.1数字图像及其直方图数字图像通常都是以像元的DN值/亮/灰度值）表示。

数字量和模拟量的本质区别：
前者为离散变量
后者为连续变量5.1.1数字图像及其直方图采样的原理量化的概念数字图像的表示：矩阵函数故这种数据又被称为栅格数据，其占用的存储空间较大。数字图像直方图：表示图像中各像元亮度值与像元数（出现频率）分布情况的统计图。直方图的作用：直观地了解图像的亮度值分布范围、峰值的位置、均值以及亮度值分布的离散程度。直方图的曲线可以反映图像的质量差异。

正态分布：反差适中，亮度分布均匀，层次丰富，图像质量高。

偏态分布：图像偏亮或偏暗，层次少，质量较差。小结：
图像直方图是描述数字图像质量的可视化图表。在图像处理中，可以通过调整图像直方图的形态，改善图像显示的质量，以达到图像增强的目的。5.1.2辐射校正(Radiometriccorrection)1）传感器因素导致的辐射畸变2）大气因素导致的辐射畸变Theatmospheretransmits,absorbs,andscatterselectromagneticenergy.A=absorption,B=scattering,C=transmission2）大气因素导致的辐射畸变大气影响的定量分析：大气的主要影响是减少了图像的对比度，使原始信号和背景信号都增加了因子，导致图像质量下降。天空漫反射光导致阴影地方的像元灰度值不再为05.1.2图像辐射校正方法5.1.2.1大气辐射校正方法
大气影响的粗略校正：通过简单的方法去掉程辐射度（散射光直接进入传感器的那部分），从而改善图像质量。

1）直方图最小值去除法
1）直方图最小值去除法2）回归分析法2）回归分析法3）相对散射模型3）相对散射模型3）相对散射模型3）相对散射模型5.1.2.2地形辐射校正5.1.2.2地形辐射校正左上：DEM（800-1800m）

右上：照度图

左下：1998年6月Walchesee湖TM原始图像。天顶角为34.6度，方位角为131.7度。

右下：地形辐射校正和几何校正后图像

可以看到，原始图像中缺少太阳照明的区域，经过地形辐射校正处理后色调效果得到了改善。去雾霭处理去云处理大气辐射校正小结常见大气校正方法2、相对辐射校正方法

主要包括图像回归法、伪不变特征法、暗集-亮集法、未变化集辐射归一法与直方图匹配法等。

优点：这些相对辐射校正方法仅利用图像像元灰度值的统计特征，不需要其它参数，操作简便，尤其适合用于历史遥感数据。其中，未变化集常指一些反射率近似固定不变的人工物体如机场跑道、大型运动场等，可以它们的发射率为基准对图像进行大气校正。相对辐射校正是针对多时相遥感图像之间由大气、照度、物候和传感器性能衰减等差异造成的影响,对各像元的灰度值进行必要的校正，它有利于提高动态监测精度。

在进行不同时相遥感影像的比较和镶嵌处理前，大气辐射校正是必须的。图像回归分析法直接从图像中获取所需要的参数，不需要额外的输入，因此应用比较广泛。它是利用几乎不受大气影响的TM和ETM＋第7波段与其它波段进行比较，大致确定大气影响的成分。具体方法是：在第7波段和待校正的各波段图像中，取由最亮至最暗的一系列目标，将其亮度值按波段分别提取，再对每一个待校正波段的亮度值与ETM＋第7波段的亮度值进行回归分析，得出回归直线，回归方程为：

式中y为因变量，这里取待校正波段亮度值，x为自变量，这里取ETM+波段7的亮度值，b为待定参数。回归分析获得的a值即为大气辐射校正值（大气散射偏置量的近似值），采用最小二乘法确定。上图为TM1～6波段与TM7波段亮度值线性回归分析的结果，对截距取整即可得到TM1～6波段的校正值分别为52、33、24、22、5和121。将待校正的TM各波段图像像元亮度值与校正量相减，即得到经大气辐射校正后的图像。释疑巩固5.2遥感影像的几何校正5.2.0基本术语5.2.1为何要进行几何校正？

几何畸变：遥感图像的几何位置上发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等变形。
遥感影像变形（几何畸变）的原因：5.2.2几何畸变校正图像灰度重采样方法2）双线性内插法：以实际位置临近的4个像元值，确定输出像元的灰度值。公式为：3）三次卷积内插法：以实际位置临近的16个像元值，确定输出像元的灰度值。公式为：控制点的选取

数目的确定:数量应当超过多项式系数的个数（(n+1)*(n+2)/2）
选择的原则：

易分辨、易定位的特征点：道路的交叉口、水库坝址、河流弯曲点等
特征变化大的地区应多选些
尽可能满幅均匀选取数字图像几