《遥感原理与应用》
期末报告
班级：116112
小组：第一组
组员：彭茜蕤黄慧林
刘佳慧周林
指导教师：陈启浩
课题：遥感影像辐射校正
中国地质大学信息工程学院信息工程系
2013年5月
目录
1.辐射校正的概念和原理
2.辐射校正的原理
3.部分辐射校正方法效果展示4．辐射校正相关前沿
5．参考文献
6.小组成员分工
1.辐射校正的概念和原理
由于传感器响应特性和大气的吸收、散射以及其他随机因素的影响，导致图像模糊失真，造成图像的分辨率和对比度的相对下降。辐射校正纠正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辨率和对比度下降等辐射失真。
为了得到相对真实有用的遥感图像，这些因素导致的图像误差需要通过辐射校正来复原。
2.辐射校正的原理
一、系统辐射校正--传感器定标
传感器定标：传感器定标模型可用线性公式表示如g’=kg+b，实质是建立传感器输出值与传感器入瞳处辐射亮度间的联系。
（一）光学摄影机内部辐射误差校正
光学摄影机内部辐射误差主要是由镜头中心和边缘的透射光的强度不一致造成的，它使得在图像上不同位置的同一类地物有不同的灰度值。设原始图像灰度值g，校正的图像灰度g’,则有g’=g/cos θ；θ为像点成像时光线与主光轴夹角。
（二）光电扫描仪内部辐射误差的校正
两类误差：
（1）光电转换误差；（2）探测器增益变化引起的误差。
二、大气校正
定义：指消除主要由大气散射引起的辐射误差的处理过程。
（一）公式法
与卫星扫描同步进行野外波谱测试，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，回归方程为：
式中，LAi为卫星观测值；Ri为地面反射率；
a和b为回归系数；
系数a为大气散射引起对辐射的干扰部分
a=SiLBi （式中，Si为系统增益因素；Lbi为大气路径辐射率）
b表示辐射率Lai随地面反射率 Ri递增而增长的程度大小；
Ti为大气透射率；Hi为太阳辐照度；θ为太阳天顶角；
i代表各波段的序号。
将上式代入可得：
上式说明决定Lai的因素比较复杂，用这一公式计算Lai时需
要获得当时具体气象参数。由前面的公式可得：
式中，L’Ai即为校正后图像灰度值；a为大气附加辐射部分。
（二）回归分析法
用长波数据来校正短波数。
做法：在不受大气影响的波段（如TM5）和待校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。
（三）直方图校正法: 通过灰度直方图对比找出校正量
从图像像元亮度值中减去一个辐射偏置量（LP），辐射偏置量等于图像直方图中最小的辐射亮度值。
前提（假设）：水体（或阴影）等物体的灰度值为0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量）
三、噪声消除
遥感图像的噪声源主要有大气传输通道的噪声及传感器内产生的噪声。大气传输通道中由于大气的湍流扰动影响产生随机噪声；传感器的噪声源包含有转换和滤波过程中产生的噪声，例如，光电检测系统的电流不稳定性所表现的散粒噪声，即电流的无规则起伏现象，低光亮时为泊松分布，高光亮时为高斯分布。传感器的另一在噪声源为滤波器电路中的电阻、电容产生的热噪声，这种噪声也具有高斯分布、零均值的随机特性；热红外波段传感器因各部分的温度变化也产生噪声效应；此外，摄影胶片记录信息时存在的胶片颗粒噪声，既由胶片上溴化银颗粒受等值曝光时因银颗粒的大小、形状不完全一致，而且分布不均匀引起的。以上这些噪音均属于对图像的高频干扰，因此可以采用滤波方法予以消除。
3.部分辐射校正方法效果展示
图1—1
图1-1中为经过直方图校正法校正后图与（右半边部分）与未经处理的原图对比。右边图中水面较左边明显偏暗。
图1-2
图1-3中为经过回归分析校正后图与（右半边部分）与未经处理的原图对比。
4．辐射校正相关前沿
辐射校正模型现存问题
1、模型输入参数
模型输入参数主要有遥感图像、DEM、太阳天顶角和太阳辐射等。
1) 目前，多数地形辐射校正研究主要针对Landsat 图像，对 SPOT，IKONOS 等高分辨率遥感图像的研究还比较少。由于地形使天空散射光和邻近地表反射光具有很大的随机性和难计算性，在单源数据情况下，阴影区的地形辐射校正无论采用何种模型都不能取得较好的效果。
2) DEM 精度及遥感图像与 DEM 配准的精度会直接或间接影响校正效果，尤其在山脊、山谷处会发生过校正或欠校正现象。刘学军等对不同精度DEM 的选取及其对校正的影响程度( 即 DEM 尺度问题) 有了一定的研究。但高精度和高分辨率的DEM 数据往往比较昂贵且难以获得，这在一定程度上限制了模型的发展和应用。
3) 太阳天顶角虽作为常量参与校正，但它会随地球与太阳的相对位置和时间变化而改变。那么同景图像上太阳天顶角的变化有多大? 在多大范围内会对校正效果产生影响? 这些问题仍需进一步研究。
4) 太阳辐射大体分为 3 个组分: 太阳直接辐射、天空散射辐射和邻近像元的反射辐射。前2 个组分可在 6S 模型中反演得到，因此需要先对遥感图像进行辐射定标和大气校正，辐射定标和大气校正的精度就会直接影响校正效果。同时，还需进一步探讨太阳辐射 3 个组分间的影响因素及其表示方法，尤其是对邻近像元反射辐射的计算。
2、模型前提假设
当前，地表特征的假设分为朗伯体和非朗伯体两种观点，而非朗伯体的表征一直是研究的热点和难点。基于朗伯体假设的地形辐射校正算法虽然简便，但校正结果却与实际地表不符。非朗伯体模型能更真实地反映实际地表的情况，却没有很好的普适性。如 Minnaert 校正模型，其系数 k 要依赖于波段、相位角、地表覆盖类型等因素，且只是用来描述地表二向性的双向反射分布函数 ( bidirectionalreflectance distribution function，BRDF) 的一个经验系数; 当引入前向或后向散射时，Minnaert 校正算法的缺点就很明显。Han 等用 V 面来反映地表
情况，并引入地形衰减因子来提高校正的精度，讨论了基于 V 面假设的二向反射率校正模型的可行性。
3、模型评价方法
对模型的评价也是模型应用中极具挑战性的一个问题。常用的评价方法有 3 种: 目视评价、统计参数评价和光谱一致性评价，这 3 种评价方法可在一定程度上反映出模型的优劣。闻建光等通过几何光学交互遮蔽 ( li － strahler geometry opticalmutual shadow，GOMS) 模型模拟生成不同模型校正后的冠层反射率，直观地评价了各个模型，但仍不足以从定量的角度说明各模型的差异。除了在模型参数、假设前提和评价方法 3 个方面存在上述问题外，模型的建立也存在着一些问题，特别是针对复杂地形阴影区所引起的光谱失真，很难从经验关系和物理机制上准确地建立模型。
结论
1)从地形辐射校正模型研究进展情况可以看出，近年来发展了众多的地形辐射校正模型，并得到了很好的应用。
2) 当前的地形辐射校正模型研究仍存在不足之处，主要表现在数据源存在误差、模型假设
条件不合理及模型评价方法不完善等。
3) 在今后的研究中，除了要重视模型的建立( 如模型输入参数的多元考虑、模型假设条件的考虑等) ，还应重视模型间的对比和模型定量评价方法的研究，以便更精确、客观地评价其地形辐射校正的效果。
在多时相遥感监测数据处理过程中，由于缺乏大气状况等相关信息，采用相对辐射校正方法消除不同时相遥感图像之间的辐射亮度差异是较常用的方法。本文在 2 期 TM影像上分别选择以居民地及建设用地和耕地为主的研究区以及以山地和水体为主的研究区，对基于不变特征相对辐射校正方法──基于多元变化检测辐射校正方法中不同阈值以及不同自然景观特征影响进行进一步研究，得到以下结论: ①与基于统计特征的辐射校正方法相比，虽然基于多元变化检测相对辐射校正方法的 RMSE 值略高于图像回归方法，但是比较两种方法的变异系数，该方法有利于遥感影像分类和变化检测; ②本文采用 5 个不同阈值比较它们之间的差异性，从 RMSE 和变异系数 2 种评价结果来看，不同阈值对基于多元变化检测方法结果的影响不显著; ③研究区分别选择在平原地区和山地，结果显示在基于多元变化检测的相对辐射校正方法中，林地和居民地及建设用地的样本量往往取决于覆盖面积的大小，耕地一般可获取较多样本，水体获取样本较少。实践证明，基于多元变化检测相对辐射校正方法，其操作性优于传统人工采集样本的相对辐射校正方法，辐射校正结果优于基于统计特征相对辐射校正方法获得辐射校正结果，该方法具有较好的应用前景。
有着多年野外试验工作经验的戎志国说:“我们利用辐射特性均匀稳定的地面目标，并将其作
为‘基准’。在卫星过境时，通过遥感器对‘基准’的观测，校准遥感器偏差（辐射校正），成为确保在轨卫星观测精度的首要方法。”
“我们在敦煌场主要是进行可见光辐射校正，在青海湖主要是进行红外校正。辐射校正星地同步观测，需要晴天、小观测角度等条件。一般在极轨卫星过境前后一小时对其进行加密测量，地表反射特性为场区跑点观测，其他的则为定点观测。”孙凌说。
截至目前，中国遥感卫星辐射校正场技术系统已经为气象、海洋、资源、环境减灾和军事系列共 21 颗国产遥感卫星实施了辐射校正，仅用于台风监测的风云卫星图像就超过 6 万幅。中国资源卫星应用中心应用开发部部长付俏燕表示：“资源卫星有很多颗，我们以该系统指标作为标准，每年进行辐射校正，效果不错。资源卫星与气象卫星载荷不一样，卫星分辨率较高，因此我们的网块选择、技术方法、数据反演方法等都借鉴于该系统。”
目前，国际地球卫星观测委员会已将该系统列为国际上极少具备现场观测条件的辐射校正基准场；世界气象组织高度评价中国在国际辐射校正领域的主导作用；辐射校正过的图像通过CMACast 在亚太 17 个国家和南美洲、非洲得到业务使用。
记者了解到，可见光辐射校正（系统定标）精度以及初级应用光辐射功率标准不确定度 2 项指标达到国际先进水平；敦煌光学辐射校正场均匀性、尺度指标以及基本特性参数的完整性为国际最优；红外、微波辐射校正业务填补了国际空白。
针对大视场多光谱空间相机获取的图像直接合成彩色图像后存在严重的色带和片间色差、地面处理数据量大且耗时长这一问题，提出了一种大视场多光谱遥感相机的在轨自动相对辐射校正方法，给出了利用最小二乘法获取的绝对辐射定标系数计算消除片间色差的相对辐射校正系数的公式，并在分析视频处理器增益等成像工作参数变化对相对辐射校正系数的影响的基础上，将校正算法在成像控制FPGA 中进行了具体实现。
实验室均匀辐射背景成像实验和仿真结果表明，自动相对辐射校正的结果和在地面进行相对辐射校正的结果一致，校正误差在0． 5 个DN 值以内，校正后的图像滞后原始图像6 个系统时钟，可以满足实时性要求。在轨成像实验结果表明，经过自动相对辐射校正后直接合成的彩色图像去除了色带和片间色差，使得对感兴趣目标分辨和识别更加快速及时。
基于FLAASH 模型的MODIS1B 数据的大气校正
中分辨率成像光谱仪MODIS( Moderate Resolution ImagingSpectral radiometer) 是美国地球观测系统EOS( EarthObserving Satellites) 最主要的仪器，搭载于Terra 和Aqua 两颗卫星之上，其数据在全世界范围都可免费接收。MODIS有36 个离散光谱波段，光谱范围宽从0． 4( 可见光)～ 14． 4 μm( 热红外) 全光谱覆盖。其中，前两个波段的空间分辨率250m,3 － 7 波段为500 m，8 － 36 波段为1 000 m，两颗卫星每天可以进行4 次观测，具有很强的实时监测能力，在一定程度上弥补了其空间分辨率的不足，在自然灾害监测、环境变化、资源利用等方面都得到了广泛的应用［1］。由于其时间分辨率较高，在遥感成像过程中，传感器接收到的辐射信息是经过大气作用后的辐射信息。它包括了地物辐射信息和大气辐射信息，这些会引起传感器接收到的信号失真，因此，需要对原始遥感影像进行大气校正，消除或者减弱大气对遥感数据的影响，进而还原目标物的真实反射率。国内外的众多学者提出了很多大气校正方法［2］，如: 直方图均衡化法( HistogramMatching Method) 、经验线性法( Empirical Line Method) 、暗目标法( Dark Object Method) 、6S、MODTRAN 大气校正模式等。ENVI 软件中的FLAASH 模型采用的是MODTRAN4大气辐射传输模型，本文利用该模型对MODIS1B数据进行大气校正，为MODIS1B 数据的进一步应用提供基础参考数据。
2 大气校正过程
2． 1 大气校正预处理
在利用ENVI 软件对MODIS1B 数据进行大气校正前，需要进行几个部分的预处理工作，包括几何校正、辐射定标、格式转换等。预处理流程如图1 所示。由于MODIS1B 数据中自带经纬度信息，本文首先以经度作为X 方向数据，以纬度作为Y 方向数据建立GLT，然后利用map 模块中的geo － reference from GLT 功能对图像进行几何校正。其原理就是使图像中的每一个像素对应一个坐标，根据坐标值将此像素放在相应的位置上，从而达到几何校正的目的。辐射定标是大气校正的基础步骤，目的是将记录的原始测量值DN 转换为大气外层表面反射率或辐射亮度。大气校正是选择辐射定标后的辐射亮度产品进行纠正.在相应波段科学数据集的属性域中读取。不同影像不同波段的辐射校正参数scales 和offsets 是不同的，本文所用的实验数据为2008 年4 月25 日上海长江口地区的Terra 影像数据，其前七个波段的辐射校正参数见表1。因为MODIS 的数据存贮格式为波段顺序格式( BSQ) ，而FLAASH 大气校正模块使用的是波段逐行交叉顺序( BIL) 或波段逐像元交叉顺序( BIP) 格式文件。所以，需要利用Convert Data 功能将几何纠正后的1km Radiance 辐射亮度BSQ 格式转换为BIL 格式文件，并将生成文件的头文件中各波段分别赋中心波长值。经辐射定标后，得到天顶辐射能量，其量纲为W/( m2 ·μm · sr ) ，FLAASH 要求输入数据的格式是整型或者浮点型，
单位是μW/( cm2·nm·sr) ，因此运行FLAASH 模块前须进行换算，为符合量纲换算关系式1μW( cm2·nm·sr = 10W/ ( m2·μm·sr) ，需设置scale factor 缩放因子为10，进行量纲转换。
2． 3 大气校正结果
大气校正前后MODIS 数据6、2、1 波段假彩色合成图( 如图2 所示) 表明，校正后影像稍微变亮，对比度有所提高。由于大气校正前的影像原本视觉效果较好，因此用目视的方法并不能准确地评价本次大气校正的效果。为了评价和验证FLAASH 模型对MODIS 数据大气校正的效果，对第一波段校正前后进行了波段统计，发现波谱还原精度较高，能较真实地恢复地物波谱信息。此外，进一步对校正前后影像计算NDVI 进行对比。由于用FLAASH 模块校正输出的是反射率数据乘以10 000 的影像，为了与校正前的影像进行对比，需要把校正前、后数据线性拉伸到0 －255 。校正前后NDVI 的平均值分别为0． 224 705 和0． 293 071，标准差分别为0． 197 345 和0． 267 082，平均值反映了图像的灰度值，值越大，说明图像所含的信息量越丰富; 标准差反映了图像离散程度，标准差越大，灰度级分布越分散，图像的目视效果越好。综合比较，FLAASH 大气校正在一定程度上有效地降低了大气对遥
感影像的影响，获得了地表真实反射率，能够达到消除大气影响、增强信息的目的。
3 结束语
随着遥感技术的发展，对遥感影像的信息提取逐渐由定性解释向定量分析阶段发展。为了获取质量较高的影像，大气校正已经成为定量遥感研究的重要环节。实验结果表明，FLAASH 大气校正模型可以对MODIS1B 数据进行大气校正，其用户界面较简单，并可以较好地消除大气影响，提高影像的清晰度，有利于遥感解译，能够为MODIS 数据的进一步研究应用做好基础。
5．参考文献
[1]选自王少楠，李爱农《地形辐射校正模型研究进展》
[2]选自白穆，刘慧平，朱寿东，冯徽徽《多元变化检测的相对辐射校正方法研究》
[3]选自《中国气象报/2013 年/2 月/18 日/第 003 版》
[4]选自武星星，刘金国《大视场多光谱空间相机在轨自动相对辐射校正研究》
( 中国科学院长春光学精密机械与物理研究所长春130033)
[5]选自刘瑜《基于FLAASH 模型的MODIS1B 数据的大气校正》 ( 上海海洋大学海洋科学
学院，上海201306)
6.小组成员分工
PPT制作:彭茜蕤
演讲PPT.:周林
MAPGIS演示:刘佳慧周林
查找资料：黄慧林
报告制作:彭茜蕤刘佳慧黄慧林周林
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.txt
2、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 calibration 3、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
实验名称：遥感图像辐射矫正 实验目的：通过实验，了解并掌握辐射矫正的原理、基本方法，深刻理解遥感辐射矫正的意义。 实验原理：辐射矫正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行矫正，消除或改正辐射误差而引起的影响畸变的过程。 辐射矫正的一般方法有： 1.大气校正：大气会引起太阳光的吸收、散射，也会引起来自目标的反射及散射光的吸收、散射，入射到传感器的除目标物的反射光外，还有大气引起的散射光，消除并校正这些影响的处理过程叫大气校正。 2.太阳高度及地形等引起的畸变校正：视场角和太阳角的关系所引起的亮度变化的校正；地形倾斜的影响校正。 3.传感器的灵敏度特性引起的畸变校正：（1）由光学系统的特性引起的畸变校正。（2）由光电变化系统的特性引起的畸变校正。 辐射误差：传感器观测目标的反射或辐射能量时，观测值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值。
两个基本概念 反射率：反射率是反射辐射通量与入射通量的比值，是0-1之间的无量纲的值 ρλ=Φreflectedλ/ Φiλ 通常用反射率描述各种地物的光谱反射特性。一般分为镜面反射、方向反射、漫反射（各向同性），反射率是地物自身的属性。 朗伯反射体：发光强度和亮度的概念不仅适用于自己发光的物体，也可以应用到反射体。光线射到光滑的表面上，定向地发射出去；射到粗糙的表面上时，它将朝向所有方向漫射。一个理想的漫射面，应是遵循朗伯定律的，即不管入射光来自何方，沿各方向漫射光的发光强度总与cosθ成正比，从而亮度相同。积雪、刷粉的白墙或十分粗糙的白纸表面，都很接近这类理想的漫射面。这类物体称为朗伯反射体。 大气影响的定量分析 进入大气的太阳辐射会发生反射、折射、吸收、散射和透射。其中对传感器接收影响较大的是吸收和散射。
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
数据预处理的一般过程包括几何校正、图像镶嵌与裁剪、辐射定标与大气校正等环节。
图1 数据预处理一般流程 通常我们直接从数据提供商获取未定标的DN 图像，然后定标为辐射亮度图像，对辐射率亮度图像进行大气校正得到地表反射率图像。 一、辐射定标与大气校正 1、辐射定标Radiometric calibration ：将记录的原始DN 值转换为大气外层表面反射率（或称为辐射亮度值）。 目的：消除传感器本身的误差，确定传感器入口处的准确辐射值 方法：实验室定标、机上/星上定标、场地定标 不同的传感器，其辐射定标公式不同。L=gain*DN+Bias 在ENVI 中，定标模块：Basic Tools>Preprocessing>Calibration Utilities>模块 2、大气校正Atmospheric correction ：将辐射亮度或者表面反射率转换为地表实际反射率 目的：消除大气散射、吸收、反射引起的误差。 分类：统计型和物理型 目前遥感图像的大气校正方法按照校正后的结果可以分为2种： 1) 绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。包括：基于辐射传输模型、基于简化辐射传输模型的黑暗像元法、基于统计学模型的反射率反演 2) 相对大气校正方法：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。包括：基于统计的不变目标法、直方图匹配法等。 方法的选择问题，一般而言： 1) 如果是精细定量研究，那么选择基于辐射传输模型的大气校正方法。 2) 如果是做动态监测，那么可选择相对大气校正或者较简单的方法。 3) 如果参数缺少，没办法了只能选择较简单的方法了。 在ENVI 中，Basic tools>preprocessing>calibration utilities>FLAASH 二、数字图像镶嵌与裁剪 1、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 Digital Numbers Radiance TOA Reflectance Geometric correction Step 1 Step 2 Surface Reflectance Step 3 Step 4 Analysis
北京揽宇方圆信息技术有限公司 遥感卫星影像辐射校正方法 影像辐射校正原理 辐射校正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。 利用传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值叫做辐射误差。辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。 遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。 辐射校正的目的主要包括：1、尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声等引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。 辐射校正分为辐射定标和大气校正两部分。
辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。 大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。 辐射校正流程图 影像辐射校正方法 辐射定标主要分为两种类型：统计型和物理型。统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。如果初始的模型不好，通过加入新的知识和信息就可以知道应该在哪部分改进模型。但是建立和学习这些物理模型的过程漫长而曲折。模型是对现实的抽象；所以一个逼真的模型可能非常复杂，包含大量的变量。例如6s模型，Mortran等。 用于大气辐射传输校正的模型主要有5S模型、6S模型、LOWTRAN模型、MODTRAN模型、ACORN模型、FLAASH模型和ATCOR模型。 1、ACORN模型 一种基于图像自身的大气校正软件，可以实现图像辐射值到表观地表反射率的转换，其工作波长范围是350-2500nm。在目前的大气校正程序一般都把地表假定为水平朗伯体,这主要是因为我们一般很难获取地表的充足信息以完成地形校正,因此大气校正的结果称
遥感实习报告（4）遥感影像辐射校正 专业： 班级： 姓名： 学号： 成绩： 指导教师： 2013年6月15日
目录 一：实验目的 (3) 二、影像数据 (3) 三、实验内容 (3) 四、实验步骤 (4) （一）、绝对大气校正 (4) （二）、相对大气校正——回归分析法 (7) （三）、多时相影像匹配法 (9) 五、心得体会 (13) 六：程序设计 (14)
一：实习目的： 进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。二：影像数据： 1.交大犀浦校区2003年、2005年SPOT5多光谱影像 影像空间分辨率10米，波段1—近红外（0.78 - 0.89μm）；波段2—红色（0.61 - 0.68μm）；波段3—绿色（0.50 - 0.59μm）；波段4—短波红外（1.58 - 1.75μm）。 2. 交大犀浦校区2006年QuickBird（快鸟）多光谱影像 影像空间分辨2.44—2.88米，波段1—蓝(450-520nm)；波段2—绿（520-660nm）；波段3—红（630-690nm）；波段4—近红外（760-900nm）。 三：实习具体内容： （一）、绝对大气校正 以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 基本步骤： （1）、从QuickBird多光谱影像文件中提取出第1波段影像；（2）、从影像中判读出一些典型地物；
（3）、从以前实测的光谱物据或光谱数据库中，读出步骤2中判读出的那些地物对应QuickBird第1波段的反射率值； （4）、基于步骤3的反射率值，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 （二）、相对大气校正——回归分析法 以交大犀浦校区2006年QuickBird多光谱影像中的第4波段影像为参考，采用回归分析法，对第1波段影像进行相对大气校正。（三）、多时相影像匹配法 以交大犀浦校区2003年SPOT5多光谱影像中的第3波段（绿波段）影像为参考，采用多时相影像匹配法，对交大犀浦校区2005年SPOT5多光谱影像中的第3波段（绿波段）影像进行相对大气校正。四：实验步骤 （一）、绝对大气校正 1：从QuickBird多光谱影像文件中提取出第1波段影像 启动ERDAS软件在Viewer #1中打开影像：quickbird_multi_2006_xipu..img，在ERDAS软件界面中选择Interpreter Utilities Layer Stack:如图4.1-1
遥感图像的辐射校正 实验目的：通过实习操作，掌握遥感图像辐射校正的基本原理和和方法，理解遥感图像辐射校正的意义。 实验内容：ERDAS软件中图像预处理模块下的图像辐射校正。 由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辩率和对比度下降等辐射畸变，其中，大气散射是图像辐射畸变的主要因素，实验中主要是消除由大气散射引起的辐射误差。 大气校正有两种方法，一种是直方图图，一种是线性回归法。 1、直方图法（注意：是否满足应用该方法的前提条件） 打开TM影像，通过视窗viewer的图标，查找最小灰度值，利用空间建模模块（Modeler）的建模工具（Model Maker）图像象元灰度值减去该最小灰度。 点击modeler → model maker ，打开建模对话框见下图： 双击输入要校正的某一波段的影像，双击输入运算方程式，双击输出校正后的新 图像名称，点击工具栏中的运行图标，计算机自动进行运算。
2、线性回归分析法 在视窗viewer打开要校正的图像，Raster→Profile Tools 弹出对话框，选择spectral→ ok，弹出Spectral Profile对话框如下： 利用Spectral Profile 中的图标选取一系列由暗到亮的目标地物点，在对话框中得到地物点在各个波段的的光谱曲线，通过Spectral Profile对话框菜单栏的viewer → Tabular Data查看地物点在各个波段的的具体光谱灰度值。
利用一系列目标地物点的灰度值建立线性回归方程L b=aL a+b，求出线性方程的常数项a、b，该值b即为大气影响值，在空间建模工具中，图像灰度值减去该值即可消除大气散射对图像影响。
相对辐射校正 打开待进行校正的同一地区的两个时相的影像.本实验以突泉县为例 1.打开两幅影像,观察是否数据无误(包括波段顺序是否正确,影像有无较大偏 移). 2.观察两幅影像的目视效果,或者通过ENVI菜单Basic Tools中的statistics的 compute statistics来获取两幅影像的像元DN值分布.将两幅中DN值差异大,或者更接近真实值的作为主影像;将DN值差异小,或者偏离真实值的影像作为从影像,来进行校正. 注意:一定记清楚哪幅为主影像,哪幅为从影像.(突泉县主影像为2007年影像,从影像为2010年影像) 3.获取两时相影像的pif点. Pif点即伪不变特征点,通常选取影像中的深水面,无植被覆盖的沙地,面积较大的建设用地等.PIF点选取应当广泛一些. 首先将两幅影像Link起来.利用ENVI的ROI在主影像上选取pif点.选取的时候每个PIF点应当面积小,准确.在主影像选取时,应当link着从影像,以便观察选取的PIF点是否发生变化.如果发生变化,应当弃选. 选好之后,将ROI存储为ASCII.存储的时候提示以哪幅影像为基准,那么通过两次操作选取不同基准的影像,就得到了两幅影像的PIF点数据.(请将生成的数
据命名时添加县名和年份等必要信息) 4.获得相对辐射校正系数. 这一步利用最小二乘法处理数据.将获得的数据. 创建一个EXCEL空表格.为了方便查找,最好现在就把它重命名一下(我将我的表格命名为”突泉数据”).打开表格.将主影像生成的txt也打开,将里面的从”;ID” 开始的文本拷贝到表格中.注意粘贴后,下方的粘贴选项.选择”使用文本导入向导”,持续”下一步”,最后”完成”.这时,每个数据元分别放在了单独的表格空格中. 将不必要的数据删除,只留下必要的ID和6个波段即可,下图所示.(这其中有必要自己稍微调整一下表头部分,但并不麻烦,此处不赘述.)
实验二遥感图像的辐射定标 1.实验目的与意义： （1）了解辐射定标原理 （2）使用ENVI软件自带的定标工具定标 （3）学习波段运算进行辐射定标 2.为什么要进行辐射定标，定标的原理是什么？ 目的：消除传感器本身的误差，确定传感器入口处的准确辐射值。 原理：辐射定标是将传感器记录的电压或数字量化值（DN）转换为绝对辐射亮度值（辐射率）的过程，或者转换为与地表（表观）反射率、表面温度等物理量有关的相对值的处理过程。 3.辐射定标过程 一般有两种方式： 第一种：利用计算公式，在ENVI中利用band math计算福亮度和反射率。 第二种：利用ENVI自带的定标工具进行定标，获取福亮度或反射率。 第一种方法：用波段运算得到Radiance和Reflectance （1）表观辅亮度radiance的计算 radiance=（（lmax-lmin）/（qcalmax-qcalmin）*（qcal-qcalmin）+lmin 其中：radiance –表观辐亮度 qcal-----DN（也就是影像数据本身）； lmax 和lmin是从参数表中查询； qcalmax 是DN值的最大值，对于TM是8bit来说，qcalmax=255； Qcalmin 是DN值的最小值，一般为0 即
（2）表观反射率的计算 ρ=π*L*d2/（ESUN*cos（θ）） 其中ρ为表观反射率； L为上一步计算出来的表观辐亮度； d为日地距离，这个数据通过下面的表格中获取； ESUN为大气层外的太阳辐射,也可以说是传感器接收处的太阳辐射； θ为太阳天顶角。（这个可以通过影像的元数据获取）在本次实验的数据中radiance=（193+1.52）/255*b1-1.52 Reflectance=3.14*（b1）*1.0128^2/（1957*0.7381） 步骤如下：打开文件L5120036__MTL.txt ，点击Band Math，输入(193+1.52)/255*b1-1.52，之后即可计算出辐射度，文件保存为radiance1。 、
遥感图像几何精校正、辐射校正 实验目的：应用ENVI软件对图像进行几何精校正、辐射校正处理，使得图像更精确。并通过实验了解运用ENVI软件进行几何、辐射校正的过程和方法。 实验原理：引起图像几何变形的一半分为两大类：系统性和非系统性误差。几何校正是利用地面控制点和几何校正数学模型来校正非系统因素产生的误差，同时也将图像投影到平面上，使其符合地图投影系统的过程。 数据来源：在遥感实验室中老师做几何校正的资料数据图。具体信息如图所示： 一、几何校正 实验步骤： 1）打开并显示图像文件 主菜中File—Open Image File将校正后和校正前的文件打开并将它们分别显示在Display 中。 2）启动几何校正模型 选择主菜单Map—Registration—Select Gcps:Image to image 进入界面如下图： 3）选择校正后的图作为base图形，选择校正前的warp图作为待改正的图点击OK进入采集地面控制点。 4）地面控制点的采集过程
（1）在两个Display中移动方框位置，寻找明显的相同地物特征使两个Zoom中的地物相同。（2）在Ground control Points selection上，单击Add point 将当前的点收集。 （3）用同样的办法继续寻找点，至少四个点。 点的选取如图所示： 5）在Ground Control Points Selection上，点击Show list 按钮可以看到选择的所有控制点。
6）选择校正参数输出结果 （1）在Ground Control Points Selection上选择Opintion—Ware File 选择校正文件
姓名：学号：日期： 1．实验名称 辐射定标与大气校正 2、实验目的 熟悉遥感软件，掌握ENVI中对图像辐射定标与大气校正的基本方法。 3、实验原理 1、辐射定标是将传感器记录的电压或数字量化值（DN灰度值）转换成绝对辐射亮度值（辐射率）的过程，或者转换成与地表（表观）反射率、表面温度等物理量有关的相对值的处理过程 2、大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率、地表温度等真实物理模型参数，包括消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响；消除大气分子和气溶胶散射的影响。 4、数据来源（下载源、波段数、对应的波长、分辨率、投影、地区） Landsat5、TM图像、BAND_COMBINATION = "1234567"
5、实验过程 5、1辐射定标： 实方法一： File-Open External File-Landsat-GeoTIFF with Metadata Basic Tools-Preprocessing-Calibration Utilitties-Landsat Calibration 5.1.1.1打开Basic Tools-Preprocessing-Calibration Utilitties-Landsat TM，根据图像信息输入 5.1.1.2 打开校正图像，关联两幅图像，比较数据值
方法二： BandMath验结果与分析 5.1.2.1打开图像，选择BandMath按照辐射定标公式输入 5.1.2.2 选择待校正波段图像
5.1.2.3 关联两幅图像，对比两幅图像数据
遥感影像辐射校正 实验报告 姓名：杨磊 学号：20113315 班级：11遥感 指导教师：罗小军
2013/6/13 目录 一、实验名称： (3) 二、实验概况： (3) 三、实验目的： (4) 四、实验步骤： (4) （一）、绝对大气校正： (4) 1、按照实习要求将quickbird_multi_2006_xipu.img的第一波段提取出来 (4) 2、将第一波段图像以“JPG”格式输出： (6) 3、在matlab中进行处理： (7) （二）、相对大气校正： (10) 1、把quickbird_multi_2006_xipu.img中图像的第一和第四波段图像提取出来： . 10 2、回归分析： (11) 4、在matlab中实现相对大气校正： (12) 5、校正结果： (12) （三）、多时相影像匹配法： (13) 1、分别提取spot5_10multi_2003_xipu和spot5_10multi_2005_xipu的第三波段（绿 色）的影像： (13) 2、多时相影像匹配原理： (14) 3、在matlab中实现： (15) 4、结果： (16) 五、实验体会： (17)
一、实验名称： 遥感影像辐射校正实习： 1、绝对大气校正； 2、相对大气校正——回归分析法； 3、多时相影像匹配法。 二、实验概况： 1、影像数据：quickbird_multi_2006_xipu.img spot5_10multi_2003_xipu.img spot5_10multi_2005_xipu.img;
2、实验所用软件：ERDAS9.2 matlabR2010a； 3、实验地点：X4245 ； 4、实验时间：6月9日——6月17日。 三、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； 2、实际体验对遥感图像进行绝对大气校正、相对大气校正的回归 分析法和多时相影像匹配法； 3、考察了对matlab的基本使用，复习掌握一定的编程能力。 四、实验步骤： （一）、绝对大气校正： 1、按照实习要求将quickbird_multi_2006_xipu.img的第一波段提取出来： 单击，出现如图1.1 1，在当中选择“Utilities”,在弹出的图1.1 2中选择“Layer stack”
《遥感原理与应用》 期末报告 班级：116112 小组：第一组 组员：彭茜蕤黄慧林 刘佳慧周林 指导教师：陈启浩 课题：遥感影像辐射校正 中国地质大学信息工程学院信息工程系 2013年5月
目录 1.辐射校正的概念和原理 2.辐射校正的原理 3.部分辐射校正方法效果展示4．辐射校正相关前沿 5．参考文献 6.小组成员分工
1.辐射校正的概念和原理 由于传感器响应特性和大气的吸收、散射以及其他随机因素的影响，导致图像模糊失真，造成图像的分辨率和对比度的相对下降。辐射校正纠正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辨率和对比度下降等辐射失真。 为了得到相对真实有用的遥感图像，这些因素导致的图像误差需要通过辐射校正来复原。 2.辐射校正的原理 一、系统辐射校正--传感器定标 传感器定标：传感器定标模型可用线性公式表示如g’=kg+b，实质是建立传感器输出值与传感器入瞳处辐射亮度间的联系。 （一）光学摄影机内部辐射误差校正 光学摄影机内部辐射误差主要是由镜头中心和边缘的透射光的强度不一致造成的，它使得在图像上不同位置的同一类地物有不同的灰度值。设原始图像灰度值g，校正的图像灰度g’,则有g’=g/cos θ；θ为像点成像时光线与主光轴夹角。 （二）光电扫描仪内部辐射误差的校正 两类误差： （1）光电转换误差；（2）探测器增益变化引起的误差。 二、大气校正 定义：指消除主要由大气散射引起的辐射误差的处理过程。 （一）公式法 与卫星扫描同步进行野外波谱测试，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，回归方程为： 式中，LAi为卫星观测值；Ri为地面反射率； a和b为回归系数； 系数a为大气散射引起对辐射的干扰部分 a=SiLBi （式中，Si为系统增益因素；Lbi为大气路径辐射率） b表示辐射率Lai随地面反射率 Ri递增而增长的程度大小； Ti为大气透射率；Hi为太阳辐照度；θ为太阳天顶角； i代表各波段的序号。 将上式代入可得：
第10卷 第3期2006年5月 遥 感 学 报 J OURNAL OF REMOTE SENSI N G V o.l 10,N o .3M ay ,2006 收稿日期:2005-03-28;修订日期:2005-08-19基金项目:国家自然科学基金资助项目(40371090)。 作者简介:张鹏强(1978) ),男,讲师、博士生。2000年毕业于解放军信息工程大学航空摄影测量专业,获学士学位;2003年获该校摄影测量与遥感专业硕士学位,并继续攻读博士学位。研究方向为多时相遥感图像处理与分析、目标识别与变化检测等。E-m ai:l z pq1978@163.co m 。 文章编号:1007-4619(2006)03-0339-06 多时相遥感图像相对辐射校正 张鹏强,余旭初,刘 智,李建胜,万 刚 (信息工程大学 测绘学院,河南郑州 450052) 摘 要: 相对辐射校正是多时相遥感图像处理和分析的前提。本文分析了几种常规的相对辐射校正方法的优缺点,然后在此基础上提出了一种基于小波变换的遥感图像相对辐射校正方法。该方法对源图像小波变换域的低频成分实施辐射变换,并保持高频成分不变,重构的图像具有保持高频信息的特性,因而能够较好地保留源图像中由于地物变化引起的辐射差异。 关键词: 多时相遥感图像;辐射校正;灰度分布;辐射特性;小波变换中图分类号: TP751.1 文献标识码: A A Study on R elative Radi o m etric Correction of M ultite mporal R e m ote Sensi ng I mages Z HANG P e ng -qiang ,YU Xu -chu ,L I U Zh,i L I Ji an -she ng ,WAN G ang (Institute of S urveyin g an d M a pp i ng ,Infor m a ti on E n g ineeri ng Universit y,H e nan ,Zh e ngzh ou 450052,Ch in a ) Abstract : The relative ra dio m etric c orrection is the fi rst step of processi ng and analyzi ng of multite mporal r e mote sensing m i ages .I n thi s paper ,a ne w method based on wavelet tra nsfor m is pr opose d on the basis of a thr ough study o n the three tr aditional ones .Thi s ne w m ethodwas m i ple mente d by doi ng relative r adi o metric correcti on only on the l o w fr eque ncy co mpone nt of wavelet tra nsf or m do ma i n of the source m i age ,and just re m ai ni ng the hi gh frequenc y co mpone nts uncha nged .The reco nstr ucted m i age has the c haracteristi c of keepi ng the hi gh frequency i nfor matio n ,so the ra dio m etric di versit i es in t he source m i age due to ground changes are reserved .K ey words : m ultite m poral re m ote sensi ng m i ages ;radio metric correcti on ; gray level distri buti on ; radio m etric characteristic ;w avelet transfor m 1 引 言 经过几十年的机载和星载遥感对地观测,人们已经积累了大量的关于地球表面的遥感图像数据。这些不同传感器获取的多源遥感图像,除了具有不同的几何和辐射特性外,还具有不同的时相特性。对时相特性的研究使得遥感技术提供了最可行的地表变化监测方法 [1,2] 。在过去的十几年中,科学家和工程技术人员在多时相遥感图像处理和分析技术 上作了大量的研究 [3] ,取得的成果已广泛应用于环 境监测、农业调查、城市研究、森林监测、地图修测、运动估计等诸多方面 [3)5] 。但是,由于在不同季节、 不同时间成像时,受不同的大气条件、光照条件、地表起伏、土壤湿度、植被气候、传感器成像模型和侧视角等影响,同一地区所成的影像具有较大的辐射差异 [1,6] ,这给多时相图像处理和分析带来了极大 的困难。为此,在诸如变化检测和运动估计等遥感
遥感图像处理实验报告 1、实验名称：遥感图像几何精校正、辐射校正 2、实验目的：学会运用ERDAS对图像进行几何精校正、辐射校正 3、实验原理：几何校正：利用地面控制点对各种因素引起的遥感图像几何畸变进行纠正。 起原理用GCP 对原始卫星图像的几何畸变进行数学建模，建立原始的畸变图像空间与地理制图ongoing标准空间之间的某种对应关系，利用这种对应关系把畸变空间中的全部元素变换到纠正被纠正图像空间中去，从而实现几何精校正。 辐射校正：包括传感器的辐射校正、大气校正、照度校正以及条纹和斑点的判定和清除。 在实验中需运用ERDAS对图像进行几何精校正以及辐射校正。 4、数据来源： 图像一：经过波段组合的LANDSAT 的7波段ETM图像，为2010-08-15的重庆万州区图像。来源：国际科学数据服务平台，分辨率为30×30，投影类型为UTM控制网为WGS 84. 图像二（被校正图像）：把图像一进行投影转换并旋转一定的角度 投影转换： ERDAS图标面板工具条：点击DataPrep图标→ Reproject Images 对话框 →确定输入图像文件（Input File）: boduan.img →定义输出图像文件（Output File）: touying.img →定义输出图像（Output Projection）:包括投影类型和投影参数 →定义投影类型（Categories）: UTM Clark 1866 North →定义输出图像单位（Units）: Meters →定义输出像元大小（Output Cell Size : X : 81.353629 Y : 88.967209 →采用纯采样方法 (Resample Method) : Nearest Neighbor →定义转换方法：Rigorous Transformation （如图a-1） 图（a-1）
遥感影像辐射校正实习报告 姓名：__________XXX_ _________ 学号：_________XXXXXXXX_______ 班级：________XXXXXXXXXX______ ECHO DID THIS FOR YOU 2013/6/10
目录 一、实验目的 (1) 二、实验内容 (1) （一）绝对大气校正 (1) （二）相对大气校正——回归分析法 (1) （三）多时相影像匹配法 (1) 三、实验步骤 (2) （一）绝对大气校正 (2) （二）同时多波段图像的大气校正 (5) （三）多时相影像匹配法 (8) 四、实验体会 (10)
进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。 二、实验内容 （一）绝对大气校正 以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 基本步骤： 1、从QuickBird多光谱影像文件中提取出第1波段影像； 2、从影像中判读出一些典型地物； 3、从以前实测的光谱物据或光谱数据库中，读出步骤2中判读出的那些 地物对应QuickBird第1波段的反射率值； 4、基于步骤3的反射率值，采用基于ELC的大气校正方法，对交大犀浦 校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。 （二）相对大气校正——回归分析法 以交大犀浦校区2006年QuickBird多光谱影像中的第4波段影像为参考，采用回归分析法，对第1波段影像进行相对大气校正。 （三）多时相影像匹配法 以交大犀浦校区2003年SPOT5多光谱影像中的第3波段（绿波段）影像为参考，采用多时相影像匹配法，对交大犀浦校区2005年SPOT5多光谱影像中的第3波段（绿波段）影像进行相对大气校正。