下载文档原格式
如何进行卫星图像的几何校正和辐射校正卫星图像是现代遥感技术中的重要组成部分，它可以提供大范围地表信息，对于城市规划、农业调查、环境监测等方面具有重要意义。
但是，卫星图像的几何形态和辐射反射率在拍摄过程中往往受到多种因素的影响，导致图像出现形变和色彩失真。
因此，进行卫星图像的几何校正和辐射校正是必不可少的。
几何校正是指将卫星图像中的像素位置和地理位置进行一一对应的过程。
由于卫星图像是以像素矩阵的形式记录的，像素的尺寸和形状会受到多种因素的影响，比如地球的曲率、仪器的误差等。
为了将图像与真实地理空间对应起来，需要对图像进行几何校正。
校正的方法有多种，常用的是地面控制点法和模型拟合法。
地面控制点法是指通过已知地理位置的地面控制点与图像中对应的像素点之间的对应关系，将像素点的坐标转换为地理位置坐标。
这种方法要求事先在卫星图像所覆盖的区域内选取一定数量的地面控制点，并测量它们的地理位置。
然后，通过像素点和地理位置之间的对应关系，推导出其他像素点的地理位置坐标。
这种方法的好处是精度较高，但是需要较多的地面控制点和较复杂的计算。
模型拟合法是较为常用的几何校正方法之一，它主要通过拟合数学模型将像素点的坐标与地理位置坐标建立起来。
在这种方法中，机器学习算法和数学模型扮演了重要角色。
通过机器学习算法，可以对卫星图像进行特征提取，并建立起像素点和地理位置之间的数学模型。
然后，通过该数学模型对其他像素点进行坐标转换。
这种方法的优点是计算简单、速度较快，同时对于控制点数量的要求较低。
辐射校正是指将卫星图像中的辐射反射率进行校正，以消除光照条件对图像色彩的影响。
辐射校正的目的是使图像的亮度和色彩能够更好地反映地表特征。
辐射校正主要包括大气校正和地表反射校正两个过程。
大气校正是指对卫星图像中的大气干扰进行修正。
大气干扰是指在图像拍摄过程中，大气中的气溶胶、水汽和其他颗粒物质对光波的散射和吸收作用所导致的影响。
这些影响会使图像的亮度和色调发生变化，造成图像信息的失真。
第4讲遥感图像几何校正遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。
几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。
在开始介绍ENVI的几何校正操作之前，首先对ENVI的几何校正几个功能要点做一个说明。
1几何校正方法（1）利用卫星自带地理定位文件进行几何校正对于重返周期短、空间分辨率较低的卫星数据，如A VHRR、MODIS、SeaWiFS等，地面控制点的选择有相当的难度。
这时，可以利用卫星传感器自带的地理定位文件进行几何校正，校正精度主要受地理定位文件的影响。
（2） image to image几何校正通过从两幅图像上选择同名点（或控制点）来配准另外一幅栅格文件，使相同地物出现在校正后的图像相同位置（3）image to map几何校正通过地面控制点对遥感图像几何进行平面化的过程。
（4）image to image 自动图像配准根据像元灰度值或者地物特征自动寻找两幅图像上的同名点，根据同名点完成两幅图像的配置过程。
（5）image registration workflow流程化工具将具有不同坐标系、不同地理位置的图像配准到同一坐标系下，使图像中相同地理位置包含相同的地物。
2控制点选择方式ENVI提供以下选择方式：∙从栅格图像上选择如果拥有需要校正图像区域的经过校正的影像、地形图等栅格数据，可以从中选择控制点，对应的控制点选择模式为Image to Image。
∙从矢量数据中选择如果拥有需要校正图像区域的经过校正的矢量数据，可以从中选择控制点，对应的模式为Image to Map。
∙从文本文件中导入事先已经通过GPS测量、摄影测量或者其他途径获得了控制点坐标数据，保存为以[Map (x,y), Image (x,y)]格式提供的文本文件可以直接导入作为控制点，对应的控制点选择模式为Image to Image 和Image to Map。
如何进行遥感图像的几何校正与分类处理遥感图像是通过人造卫星、航空器或遥感器获取的地球表面的图像信息。
在进行遥感图像的处理和分析时，几何校正和分类处理是其中重要的步骤。
本文将重点探讨如何进行遥感图像的几何校正和分类处理，并介绍相关的方法和技术。
一、遥感图像的几何校正遥感图像的几何校正是指将图像中的像素点与地球表面上真实位置进行对应，以消除因成像过程中的非完美性而引入的误差。
几何校正的目的是提高图像的空间分辨率和地理位置精度，从而能够更准确地用于地表特征的分析和监测。
1. 预处理在进行几何校正之前，需要先对遥感图像进行预处理，包括去除大气影响、辐射校正和减噪等。
这些预处理步骤有助于提高图像的质量和准确性。
2. 控制点的选择几何校正过程中需要选择一些已知地理位置的控制点，用于图像与地理坐标系统的对应。
这些控制点可以是地面标志物、地理信息系统（GIS）数据或其他已知位置的遥感图像。
控制点的选择应均匀分布在图像中，并要尽量选择在不同地貌和地物类型上的点，以提高校正的准确性。
3. 变换模型的选择几何校正过程中需要选择适合图像特性和误差来源的变换模型。
常用的变换模型包括线性变换模型、多项式模型和地面控制点法等。
选择合适的变换模型可以提高校正的准确性和效率。
4. 校正方法和工具进行几何校正时，可以使用遥感软件如ENVI、ERDAS等提供的功能和工具。
这些软件提供了多种校正方法和算法，如影像配准、几何校正、快速校正等。
根据具体需求和图像特性选择合适的校正方法和工具，并进行参数设置和调整。
二、遥感图像的分类处理遥感图像的分类处理是指将图像中的像素按照其所代表的地物类型进行分类和划分。
分类处理的目的是将图像中的信息有效地提取出来，并用于地表特征的研究、资源调查和环境监测等。
1. 数据预处理在进行分类处理之前，需要对遥感图像进行数据预处理，包括辐射校正、几何校正、噪声抑制等。
这些预处理步骤可以提高分类的准确性和可靠性。
辐射定标、辐射校正、⼏何校正的区别为了较好地理解这⼏个概念，先介绍⼀下相关的术语 terminology。
DN值（Digital Number ）：遥感影像像元亮度值，记录地物的灰度值。
⽆单位，是⼀个整数值，值⼤⼩与传感器的辐射分辨率、地物发射率、⼤⽓透过率和散射率等相关。
反映地物的辐射率radiance地表反射率：地⾯反射辐射量与⼊射辐射量之⽐，表征地⾯对太阳辐射的吸收和反射能⼒。
反射率越⼤，地⾯吸收太阳辐射越少；反射率越⼩，地⾯吸收太阳辐射越多，表⽰：surface albedo表观反射率：表观反射率就是指⼤⽓层顶的反射率,辐射定标的结果之⼀，⼤⽓层顶表观反射率，简称表观反射率，⼜称视反射率。
英⽂表⽰为：apparent reflectance4、⾏星反射率：从⽂献“⼀种实⽤⼤⽓校正⽅法及其在ＴＭ影像中的应⽤”中看到“卫星所观测的⾏星反射率（未经⼤⽓校正的反射率）”；在“基于地⾯耦合的TM影像的⼤⽓校正-以珠江⼝为例”⼀⽂有“该⽂应⽤1998年的LANDSAT5 TM影像,对原始数据进⾏定标、辐射校正,求得地物的⾏星反射率”。
因此⾏星反射率就是表观反射率。
英⽂表⽰：planetary albedo，辐射校正VS. 辐射定标辐射校正：Radiometric correction ⼀切与辐射相关的误差的校正。
⽬的：消除⼲扰，得到真实反射率的数据。
⼲扰主要有：传感器本⾝、⼤⽓、太阳⾼度⾓、地形等。
包括：辐射定标，⼤⽓纠正，地形对辐射的影响辐射定标：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ENVI4.8中，定标模块：Basic Tools>Preprocessing>Calibration Utilities>模块⼤⽓校正：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。
北京揽宇方圆信息技术有限公司遥感卫星影像辐射校正、几何校正、正射校正的方法a)辐射校正：进入传感器的辐射强度反映在图像上就是亮度值（灰度值）。
辐射强度越大，亮度值（灰度值）越大。
该值主要受两个物理量影像：一是太阳辐射照射到地面的辐射强度，二是地物的光谱反射率。
当太阳辐射相同时，图像上像元亮度值差异直接反映了地物目标光谱反射率的差异。
但实际测量时，辐射强度值还受到其他因素的影响而发生改变。
这一改变就是需要校正的部分，故称为辐射畸变。
引起辐射畸变有两个原因：一是传感器本身的误差；二是大气对辐射的影响。
仪器引起的误差是由于多个检测器之间存在的差异，以及仪器系统工作产生的误差，这导致了接收的图像不均匀，产生条纹和“噪声”。
一般来说，这种畸变在数据生产过程中已经由生产单位根据传感器参数进行了校正，不需要用户自行校正。
b)几何校正：当遥感图像在几何位置上发生了变化，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畸变时，即说明遥感影像发生了几何畸变。
遥感影像的总体变形（相对与地面真实形态而言）是平移、缩放、旋转、偏扭、弯曲及其他变形综合作用的结果。
产生畸变的图像给定量分析及位置配准造成困难，因此遥感数据接收后，首先由接收部门进行校正，这种校正往往根据遥感平台、地球、传感器的各种参数进行处理。
而用户拿到这种产品后，由于使用目的的不同或者投影及比例尺的不同，仍然需要作进一步的几何校正。
几何校正一般包括精校正和正射校正。
精校正：利用地面控制点对由于各种因素引起的遥感图像的几何畸变进行校正。
简单理解：和地形图的校正，校正后有准确的经纬度信息。
精校正适合于在地面平坦，不需要考虑高程信息，或地面起伏较大而无高程信息的情况。
有时根据遥感平台的各种参数已做过一次校正，但仍不能满足要求，就可以用该方法作遥感影像相对于地面坐标的配准校正，遥感影像相对于地图投影坐标系统的配准校正，以及不同类型或不同时相的遥感数据之间的几何配准和复合分析，以得到比较精确的结果。
测绘技术中的遥感图像纠正和融合方法遥感图像的纠正和融合是测绘技术中的重要研究方向，具有广泛的应用价值。
本文将从遥感图像纠正和融合两个方面进行探讨，并介绍一些常见的方法和技术。
一、遥感图像的纠正方法1. 几何纠正几何纠正是指对遥感图像进行几何校正，使其与地理坐标系统相匹配。
常见的几何纠正方法包括地面控制点法和数字影像匹配法。
地面控制点法通过在图像上选择地物特征点，并与地面真实位置相对应，根据图像上的点与地面真值的差异进行几何变换，从而实现图像的几何纠正。
数字影像匹配法则是通过提取图像上的特征点，并与实际地面上的同名特征点进行匹配，然后根据匹配结果进行几何变换。
2. 辐射纠正辐射纠正是指对遥感图像进行辐射校正，消除光学、大气等因素对图像亮度和对比度的影响，使得图像能够真实反映地物的辐射特性。
常见的辐射纠正方法包括大气校正和辐射定标。
大气校正是通过模拟大气传输过程，根据测量的气象数据和大气传输模型，估算和减去大气散射和吸收对遥感图像的影响。
辐射定标则是通过将图像上的数字值转换为辐射度或反射率，以实现不同时间、不同传感器之间的数据比较和分析。
二、遥感图像的融合方法遥感图像融合是指将多个传感器获取的多源数据融合到一个整体图像中，以提供更全面、更准确的地物信息。
常见的遥感图像融合方法包括像素级融合和特征级融合。
1. 像素级融合像素级融合是通过将不同传感器获取的图像像素进行组合，生成具有更高分辨率、更丰富信息的图像。
常用的像素级融合方法包括加权平均法、主成分分析法和小波变换法。
加权平均法将不同传感器的图像按一定权重加权平均，得到融合后的图像。
主成分分析法是利用主成分分析对不同传感器的图像进行降维处理，然后通过反变换重构融合图像。
小波变换法则是利用小波变换对不同传感器的图像进行多尺度分解和重构，得到融合图像。
2. 特征级融合特征级融合是利用不同传感器获取的图像中的特征信息进行融合，提取和组合更全面、更准确的地物特征。
遥感影像检测与目标提取中的常见问题分析遥感影像检测与目标提取是遥感技术中的核心应用之一，通过遥感影像分析，可以获取海量的地理信息数据。
然而，在实际应用中，常常会遇到一些问题，例如数据质量、目标提取技术的准确性以及算法的效率等。
本文将对这些常见问题进行分析和解决方案的探讨。
一、数据质量的问题遥感影像检测与目标提取的准确性直接受到遥感数据的质量影响。
常见的数据质量问题包括云雾遮挡、辐射校正和几何校正等。
云雾遮挡是影响遥感数据质量的主要因素之一。
当遥感影像中出现云雾时，目标提取的准确性会受到严重影响。
解决云雾遮挡问题的方法包括利用云检测算法对影像进行预处理，剔除云雾影响。
辐射校正是指根据定标参数将原始辐射数据转换为地物反射率数据的过程。
在遥感影像检测与目标提取中，辐射校正是保证数据准确性的关键步骤。
常见的辐射校正方法有统计法、比例发射率法和最小二乘法等。
几何校正是指将遥感影像的像素坐标转换为地理坐标的过程。
几何校正是保证遥感影像与地理坐标系统一致性的基础。
几何校正中的常见问题包括大地测量单位选择、地面控制点选择和几何精度评定等。
二、目标提取技术的准确性问题目标提取技术的准确性是遥感影像检测与目标提取的核心问题之一。
常见的目标提取技术包括阈值分割、边缘检测和模板匹配等。
阈值分割是通过设定合适的亮度或颜色阈值将图像中的目标与背景分离的方法。
但是阈值的选择对目标提取结果有重要影响，不同光照条件和目标特征的变化可能导致阈值选择不稳定。
边缘检测是通过寻找图像中的边缘信息来提取目标的方法。
然而，由于遥感影像中存在噪声和阴影等干扰因素，边缘检测的准确性常常会受到影响。
模板匹配是通过在遥感影像中搜索事先定义好的目标模板来提取目标的方法。
但是目标模板的选择和匹配算法的设计都对目标提取的准确性产生影响。
为了提高目标提取技术的准确性，可以采用多种方法相互结合的策略，例如将阈值分割与形态学处理相结合，或将边缘检测与模板匹配相结合。
