遥感数字图像处理-大气校正PPT
- 格式：ppt
- 大小：829.50 KB
- 文档页数：18
下载文档原格式
合集下载
植被遥感上机课程HYPERION大气校正PPT课件
大气校正 的常用方法
（1）暗目标法 （2）不变地物法
—经验线性法等。 （3）直方图匹配法 （4）基于大气传输模型法:
— 6S、MORDTRAN、LOWTRAN、 ATREM 、 FLAASH（耦合MODTRAN ）等。
第5页/共32页
本次上机内容
一、计算表观反射率 二、ENVI的FLAASH大气校正 三、ENVI的经验线性法大气校正
第26页/共32页
打开Empirical line 模块
第27页/共32页
选择BIL或者BIP格式辐亮度文件
第28页/共32页
图像roi
第29页/共32页
地面测量数据 （sandandwater.txt）
暗目标：水体 亮目标：湖边沙土地
ROI选择
第30页/共32页
处理结果
第31页/共32页
BIP； （2）数据带有wavelenth值，如果是高光谱数据要求带有
FWHM值，这些值可以在头文件里或者单独的ASCII 文件里编写好。 （3）根据输入数据单位，计算缩放因子。
第17页/共32页
第18页/共32页
1 打开FLAASH模块，输入数据 2 输入Radiance Scale Factors
这是一个单位转换因子 ， FLAASH要求输入的是 uw/cm2*sr*nm，而计算的Lλ的单位是w/m2 *str*um，因 此转换因子为10。FLAASH的转换因子是除法。 3设置输出参数，包括：Output Reflectance File、Output Directory for FLAASH Files、和Output Directory for FLAASH Files 4输入中心经纬度 5设置传感器参数、成像参数 6设置大气模型及气溶胶模型 7设置气溶胶反演波段
最新第5章-遥感数字图像处理-图像校正..ppt课件
广州 5.42 3.6
8.18 8.75 30.78
市测 56％ 45％ 45% 49%
本周 5.36 4.11 8.87 8.65 31.69 校测 67％ 45% 42% 51%
15．阅读文章前五段，概括作者深秋林 中漫步时周围环境的特点。 （不超过10个字）（3分）
考点：辨别和提取文中重要信息 。 （关键词语、句子）
16．第七段“心中”“一会儿是晴朗的 白云，轻快自如，一会儿又是阴沉的 乌云，秤砣般压迫”，作者为什么会 这样说，谈谈你的理解。（4分）
考点：分析作者的情感态度。
答案一：作者通过“一会儿晴朗”“一会 又是阴沉的乌云”，这种变幻莫测的天气 和云来表达心情也同样是一会儿开心， 一会儿愁苦，像云一样变幻不定（。0分）
失分原因：未读懂题干要求。
答案四：我为林中的枯叶、奇幻的景象 感到身心轻快，这使我如“晴朗的白云” 而为林子里落叶飘零、春光已逝感到惆 怅、悲哀、苦恼，这又使作者心中“如盖 乌云”。（2分）
失分原因： 未读出作者在文中蕴含的深沉思考。
正确答案：
作者一方面为深秋凋零的树林那 特有的景致感到轻快自如，同时又为 落叶飘零，韶华落尽，春光已逝感到 无限的惆怅和悲哀。（2分）并由此联 想到个人、大众乃至民族的类似遭际， 不无感慨，内心沉重。 （2分）
地形起伏引起的辐射误差校正
基本思想是把起伏的地形校正到水平地 面的状况。
设光线垂直入射时水平地表收到的光照 强度为I0，则光线垂直入射时坡度为α
I0
的坡面入射点的光强度I为：
I
I I0•cos
处在坡度为α的坡面上的图像g(x,y)校 正后的图像f(x,y)为：
f (x, y) g(x, y)
cos
(定量遥感课件)大气纠正方法
大气的辐射传输方程为：
其中
，
； 分别为观测天顶角与太阳天顶角
； 为传感器接L受(到v )的辐射亮度， 为观测方向的路径辐射
项； 为地表反射率；S为大气下界的半球反射率； 为大气层
顶是对地表—大气耦合系统辐射传输问题的简化， 它假设地表反射率为零，传感器接收到的辐射全部来自大气。
其中
；
理论上，n≥3即可求解，但为避免方程的相关性，一般要 寻找地表反射率分别为高、中、差的地物作为参考物。
该方法对于时间序列的多幅影像的归一化校正适用。
已知大气状况的校正方法
如果已知大气的垂直廓线（温、湿、压），大气水汽含量 ，大气光学厚度（气溶胶），以及气溶胶模式，我们可以通过大 气辐射传输模式模拟，计算三个不同地表反射率条件下的大气层 顶辐射亮度，进而求解得到 ，S和F值，而达到大气效应纠正的 目的。对于可见光/近红外波段而言，大气状况最主要的影响因素 是大气气溶胶的变化，即大气光学厚度的变化，因此关键是如何 估算遥感图像的气溶胶分布。
参考地物法invariantobjectmethods对于tm等高分辨率的图像通常可以假设整幅图像的大气状况相同图像的观测天顶角也可以近似看作相同垂直观测如果可以在一幅图像中找到苦干个3个以上地表反射率固定不变的地物则可以通过求解方程组得到大气参数进而达到整幅图像大气校正的目的
大气纠正方法
大气纠正方法
通过零反射地表假设，我们可以求解大气程辐射，从而将 遥感图像中来自地表的辐射和来自大气的辐射分离，使遥感大气 订正模型得以大大简化。
参考地物法(Invariant—Object Methods)
对于TM等高分辨率的图像，通常可以假设整幅图像的大气 状况相同，图像的观测天顶角也可以近似看作相同（垂直观测） ，如果可以在一幅图像中找到苦干个（3个以上）地表反射率固定 不变的地物，则可以通过求解方程组得到大气参数，进而达到整 幅图像大气校正的目的。
其中
，
； 分别为观测天顶角与太阳天顶角
； 为传感器接L受(到v )的辐射亮度， 为观测方向的路径辐射
项； 为地表反射率；S为大气下界的半球反射率； 为大气层
顶是对地表—大气耦合系统辐射传输问题的简化， 它假设地表反射率为零，传感器接收到的辐射全部来自大气。
其中
；
理论上，n≥3即可求解，但为避免方程的相关性，一般要 寻找地表反射率分别为高、中、差的地物作为参考物。
该方法对于时间序列的多幅影像的归一化校正适用。
已知大气状况的校正方法
如果已知大气的垂直廓线（温、湿、压），大气水汽含量 ，大气光学厚度（气溶胶），以及气溶胶模式，我们可以通过大 气辐射传输模式模拟，计算三个不同地表反射率条件下的大气层 顶辐射亮度，进而求解得到 ，S和F值，而达到大气效应纠正的 目的。对于可见光/近红外波段而言，大气状况最主要的影响因素 是大气气溶胶的变化，即大气光学厚度的变化，因此关键是如何 估算遥感图像的气溶胶分布。
参考地物法invariantobjectmethods对于tm等高分辨率的图像通常可以假设整幅图像的大气状况相同图像的观测天顶角也可以近似看作相同垂直观测如果可以在一幅图像中找到苦干个3个以上地表反射率固定不变的地物则可以通过求解方程组得到大气参数进而达到整幅图像大气校正的目的
大气纠正方法
大气纠正方法
通过零反射地表假设，我们可以求解大气程辐射，从而将 遥感图像中来自地表的辐射和来自大气的辐射分离，使遥感大气 订正模型得以大大简化。
参考地物法(Invariant—Object Methods)
对于TM等高分辨率的图像，通常可以假设整幅图像的大气 状况相同，图像的观测天顶角也可以近似看作相同（垂直观测） ，如果可以在一幅图像中找到苦干个（3个以上）地表反射率固定 不变的地物，则可以通过求解方程组得到大气参数，进而达到整 幅图像大气校正的目的。
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
遥感图像校正ppt课件
数字高程模型，对图像进行地形变形的校正，使 图像符合正射投影的要求。
地理参考（Geo-referencing）：将地理坐标系
统赋予图像数据的过程。
29 29
遥感图像几何精校正的一般过程
1)选取地面控制点（GCP），确定其空间坐 标； 2)利用控制点数据对图像进行空间变换
多项式近似法
合理选择校正方程的次数:2-3次。
10 10
回归分析法
用长波数据来校正短波数据
作法：在不受大气影响的波段（如TM5）和待校正的
某一波段（如TM1）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。
例如：
Y a1 b1 X
式中，X 为TM5波段的亮度均值； Y 为TM1亮度均值；
11 11
镶嵌与制图
28 28
图像配准（registration）：图像对图像的校准，
以使两幅图像中的同名像元配准。
图像精校正（rectification）：借助于一组地面
控制点（Ground Control Point，GCP），对 一幅图像进行地理坐标的校正，又称为georeferencing。
正射影像纠正（ortho-rectification）：借助于
控制点的地理坐标与地图投影的要求必须一致。
32 32
二次多项式间接法纠正变换公式为：
x fx (u, v) a00 a10u a01v a11uv a20u2 a02v2 y f y (u, v) b00 b10u b01v b11uv b20u2 b02v2
遥感图像校正
11
主要内容
辐射畸变
1、为什么要进行校正？ 2、怎样校正？
地理参考（Geo-referencing）：将地理坐标系
统赋予图像数据的过程。
29 29
遥感图像几何精校正的一般过程
1)选取地面控制点（GCP），确定其空间坐 标； 2)利用控制点数据对图像进行空间变换
多项式近似法
合理选择校正方程的次数:2-3次。
10 10
回归分析法
用长波数据来校正短波数据
作法：在不受大气影响的波段（如TM5）和待校正的
某一波段（如TM1）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。
例如：
Y a1 b1 X
式中，X 为TM5波段的亮度均值； Y 为TM1亮度均值；
11 11
镶嵌与制图
28 28
图像配准（registration）：图像对图像的校准，
以使两幅图像中的同名像元配准。
图像精校正（rectification）：借助于一组地面
控制点（Ground Control Point，GCP），对 一幅图像进行地理坐标的校正，又称为georeferencing。
正射影像纠正（ortho-rectification）：借助于
控制点的地理坐标与地图投影的要求必须一致。
32 32
二次多项式间接法纠正变换公式为：
x fx (u, v) a00 a10u a01v a11uv a20u2 a02v2 y f y (u, v) b00 b10u b01v b11uv b20u2 b02v2
遥感图像校正
11
主要内容
辐射畸变
1、为什么要进行校正？ 2、怎样校正？
遥感大气效应及其纠正
1 2
4 0 0 P(cos)sindd 1
得到瑞利散射的相函数为：
P(cos) 3 (1 cos2 ) 4
上式仅与入射方向与出射方向夹角的余弦有关。
旋转对称，前后对称
7/15
气溶胶消光
气溶胶尺度通常大于光学遥感中入射辐射的波 长或与其相同，此时散射作用只能用米氏(Mie) 散射理论表达。米氏散射同样针对均匀各向同 性的球粒子，且满足远场理论。
实际应用中，任何类型气溶胶都是多种类型粒 子的组合。与光学厚度一样，气溶胶散射相函 数与气溶胶类型密切相关，粒子尺度谱、折射 率等都会对其产生影响，得不到明确的表达式。 因此经常采用半经验公式。
同一种气溶胶类型具有大致一致的光学参数
12/15
一个常用的气溶胶散射相函数公式为HenyeyGreenstein模型。
零次散射近似的成立与否取决于大气状况、波长、天顶角
6/15
在公式
(s,
v,
s
v)
Tg(s,
v)r
a
T(s
)T(v)
1
s Ss
中，特殊气体吸收所构成的透射率Tg(θs,θv)与散 射无关，可以简单表示为与分子吸收光学厚度有
关的比尔定律（只考虑臭氧和水汽）：
大气辐射传输方程大气辐射传输方程77精选ppt课件第一节第一节大气光学特征大气光学特征第二节第二节遥感数据中的大气影响遥感数据中的大气影响第三节第三节遥感大气纠正遥感大气纠正国科大暑期课201320137绪论绪论精选ppt课件10大气效应及其纠正的主要工作大气效应及其纠正的主要工作在地表遥感中大气影响是噪声在地表遥感中大气影响是噪声消除消除大气对遥感影像电磁波特征的影响恢复其大气对遥感影像电磁波特征的影响恢复其在地球表层的本来面目在地球表层的本来面目就成为定量遥就成为定量遥感不可回避的问题感不可回避的问题另一方面由于传感器接收的信号中带有大另一方面由于传感器接收的信号中带有大气的特征信息因此可从中反演我们特殊关气的特征信息因此可从中反演我们特殊关注的一些大气特征参数注的一些大气特征参数依据遥感图像直接或间接获得的大气参数依据遥感图像直接或间接获得的大气参数向上向下的大气遥感向上向下的大气遥感115精选ppt课件11大气成分大气成分compositioncomposition大气中包括大气中包括3类物质
4 0 0 P(cos)sindd 1
得到瑞利散射的相函数为：
P(cos) 3 (1 cos2 ) 4
上式仅与入射方向与出射方向夹角的余弦有关。
旋转对称，前后对称
7/15
气溶胶消光
气溶胶尺度通常大于光学遥感中入射辐射的波 长或与其相同，此时散射作用只能用米氏(Mie) 散射理论表达。米氏散射同样针对均匀各向同 性的球粒子，且满足远场理论。
实际应用中，任何类型气溶胶都是多种类型粒 子的组合。与光学厚度一样，气溶胶散射相函 数与气溶胶类型密切相关，粒子尺度谱、折射 率等都会对其产生影响，得不到明确的表达式。 因此经常采用半经验公式。
同一种气溶胶类型具有大致一致的光学参数
12/15
一个常用的气溶胶散射相函数公式为HenyeyGreenstein模型。
零次散射近似的成立与否取决于大气状况、波长、天顶角
6/15
在公式
(s,
v,
s
v)
Tg(s,
v)r
a
T(s
)T(v)
1
s Ss
中，特殊气体吸收所构成的透射率Tg(θs,θv)与散 射无关，可以简单表示为与分子吸收光学厚度有
关的比尔定律（只考虑臭氧和水汽）：
大气辐射传输方程大气辐射传输方程77精选ppt课件第一节第一节大气光学特征大气光学特征第二节第二节遥感数据中的大气影响遥感数据中的大气影响第三节第三节遥感大气纠正遥感大气纠正国科大暑期课201320137绪论绪论精选ppt课件10大气效应及其纠正的主要工作大气效应及其纠正的主要工作在地表遥感中大气影响是噪声在地表遥感中大气影响是噪声消除消除大气对遥感影像电磁波特征的影响恢复其大气对遥感影像电磁波特征的影响恢复其在地球表层的本来面目在地球表层的本来面目就成为定量遥就成为定量遥感不可回避的问题感不可回避的问题另一方面由于传感器接收的信号中带有大另一方面由于传感器接收的信号中带有大气的特征信息因此可从中反演我们特殊关气的特征信息因此可从中反演我们特殊关注的一些大气特征参数注的一些大气特征参数依据遥感图像直接或间接获得的大气参数依据遥感图像直接或间接获得的大气参数向上向下的大气遥感向上向下的大气遥感115精选ppt课件11大气成分大气成分compositioncomposition大气中包括大气中包括3类物质
遥感图像几何校正 ppt课件
但此法需要高程信息，且在一幅图像中，受传感器位置和姿态 的影响，其外方位元素的变化规律只能近似表达，因此有一定 的局限性，使其在理论上的严密性难以严格保证，所以相对于 多项式法，其精度提高并不明显，而且计算量较大。
X Y
FX FY (
(x, y x, y)
)
直接法：由x,y求出X,Y
ppt课件
33
但用直接法（正解法）得到的纠正图像上的像点不 是规则排列，有的可能重复，有的可能无像点，难 以获取规则排列的数字图像，所以常采用间接法 （反解法）纠正图像。
ppt课件
34
（二）间接校正法
从校正后图像出发，按一定换算关系反求算出原始图像上像点坐标.
TM数据（30米），GPS精度应在10－20米之间； SPOT数据（5－10米）， GPS精度应在亚米级； 更高的校正精度要求，宜用差分GPS来获取坐标。
但使用GPS测量要注意投影问题。GPS使用的是WGS84经纬 度投影，在使用前可能要进行投影转换。
地面控制点的地理坐标必须与投影要求一致，否则会带来较 大误差。
设任意像元在原始图像和纠正后图像中的坐标分别为(x,y)和 (X,Y),即(x,y)为原始坐标，(X,Y)为纠正后坐标:
x Gx ( X ,Y ) y Gy ( X ,Y )
间接法:由X,Y求出x,y
ppt课件
35
灰度内插：
不管是直接法还是间接法，求出新的像点位置后，都要通过 灰度内插法求出该位置的灰度值。
值时，就需要由采样点（已知像素）内插，称为重采样。 其附近像素（采样点）的灰度值对被采样点的影响的大小可
以用重采样函数来表达。 常用的方法有四种：（下面具体介绍）
X Y
FX FY (
(x, y x, y)
)
直接法：由x,y求出X,Y
ppt课件
33
但用直接法（正解法）得到的纠正图像上的像点不 是规则排列，有的可能重复，有的可能无像点，难 以获取规则排列的数字图像，所以常采用间接法 （反解法）纠正图像。
ppt课件
34
（二）间接校正法
从校正后图像出发，按一定换算关系反求算出原始图像上像点坐标.
TM数据（30米），GPS精度应在10－20米之间； SPOT数据（5－10米）， GPS精度应在亚米级； 更高的校正精度要求，宜用差分GPS来获取坐标。
但使用GPS测量要注意投影问题。GPS使用的是WGS84经纬 度投影，在使用前可能要进行投影转换。
地面控制点的地理坐标必须与投影要求一致，否则会带来较 大误差。
设任意像元在原始图像和纠正后图像中的坐标分别为(x,y)和 (X,Y),即(x,y)为原始坐标，(X,Y)为纠正后坐标:
x Gx ( X ,Y ) y Gy ( X ,Y )
间接法:由X,Y求出x,y
ppt课件
35
灰度内插：
不管是直接法还是间接法，求出新的像点位置后，都要通过 灰度内插法求出该位置的灰度值。
值时，就需要由采样点（已知像素）内插，称为重采样。 其附近像素（采样点）的灰度值对被采样点的影响的大小可
以用重采样函数来表达。 常用的方法有四种：（下面具体介绍）
遥感技术与应用-04遥感图像校正ppt课件
遥感技术与应 用-04遥感图 像校正
第四章 遥感图像校正
2018/11/26
2
内容简介
遥感图像的辐射畸变 (Radiometric Distortion)
遥感图像的辐射校正 (Correction of Radiometric Distortion)
遥感图像的几何畸变 (Geometric Distortion)
般很难得到这些数据。
波谱测试回归分析法：需要到野外进行与陆地卫星 同步的一致测试。
2018/11/26
8
辐射校正
波段对照法:直方图最小值去除法和回归分析法
直方图最小值去除法
直方图：以统计图的形式表示图像亮度值与像素数之间的关系。在 二维坐标系中，横坐标代表图像中像素的亮度纵坐标代表每一亮度
扫描角越大时，光线路径越长，大气衰减越严重。星（机）下 点位置的地物辐射信息的光线路径最短，大气衰减所产生的影
响也最小。因此辐射量失真最小。
光电变换系统的特性引起的畸变：传感器的光谱响应特性和传 感器的输出有直接的关系。在扫描方式的传感器中，传感器接
收系统收集到的电磁波信号需经光电转换系统变成电信号记录
遥感图像的几何校正 (Correction of Geometric Distortion)
遥感图像配准 (Image Registration)
2018/11/26
3
遥感图像的辐射畸变
辐射畸变：图像数据中各种辐射亮度的失真；
引起辐射畸变的因素
大气层对辐射的影响：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
或亮度间隔的像素数占总像素数的百分比。
第四章 遥感图像校正
2018/11/26
2
内容简介
遥感图像的辐射畸变 (Radiometric Distortion)
遥感图像的辐射校正 (Correction of Radiometric Distortion)
遥感图像的几何畸变 (Geometric Distortion)
般很难得到这些数据。
波谱测试回归分析法：需要到野外进行与陆地卫星 同步的一致测试。
2018/11/26
8
辐射校正
波段对照法:直方图最小值去除法和回归分析法
直方图最小值去除法
直方图：以统计图的形式表示图像亮度值与像素数之间的关系。在 二维坐标系中，横坐标代表图像中像素的亮度纵坐标代表每一亮度
扫描角越大时，光线路径越长，大气衰减越严重。星（机）下 点位置的地物辐射信息的光线路径最短，大气衰减所产生的影
响也最小。因此辐射量失真最小。
光电变换系统的特性引起的畸变：传感器的光谱响应特性和传 感器的输出有直接的关系。在扫描方式的传感器中，传感器接
收系统收集到的电磁波信号需经光电转换系统变成电信号记录
遥感图像的几何校正 (Correction of Geometric Distortion)
遥感图像配准 (Image Registration)
2018/11/26
3
遥感图像的辐射畸变
辐射畸变：图像数据中各种辐射亮度的失真；
引起辐射畸变的因素
大气层对辐射的影响：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
或亮度间隔的像素数占总像素数的百分比。
《遥感图像预处理》课件
傅里叶变换
通过线性或非线性变换来调整像素强度范围，增强图像的对比度。
对比度拉伸
通过增强高频分量来增强图像的边缘和细节信息。
锐化滤波
通过将图像的低频和高频分量分离并分别处理，增强图像的对比度和细节信息。
同态滤波
02
01
03
04
05
遥感图像的融合处理
06
图像融合是将多源信道所采集到的关于同一目标的图像，通过一定的图像处理和信息融合技术，提取各自信道的信息并最终复合在一起，形成高质量、全面、准确的图像。
THANKS
几何校正的方法
遥感图像的噪声去除
04
VS
噪声去除是遥感图像预处理中的重要步骤，旨在减少或消除图像中的噪声，提高图像质量。
意义
噪声是影响遥感图像质量的主要因素之一，去除噪声有助于提高图像的视觉效果、降低后续分析的误差，为遥感应用提供更准确、可靠的数据基础。
定义
基于图像的统计特性，通过滤波、变换等技术手段，将噪声与图像信号分离，从而达到去除噪声的目的。
意义
原理
基于图像的数学模型和物理模型，通过一定的算法和技术，对图像的像素值进行变换和处理，以达到增强图像的目的。
方法
直方图均衡化、对比度拉伸、锐化滤波、同态滤波、傅里叶变换等。
通过拉伸像素强度分布范围来增强图像的对比度。
直方图均衡化
将图像从空间域变换到频率域，通过增强高频分量或抑制低频分量来增强图像的3
几何校正的定义
几何校正是指将原始的遥感图像经过一系列的变换，使其与标准地图或参考地图在几何位置上对齐的过程。
几何校正的意义
几何校正是遥感图像预处理的重要步骤，它能够纠正图像中由于传感器、地球曲率、地球自转等因素导致的几何畸变，提高遥感图像的精度和可靠性，为后续的图像分析和应用提供准确的基础数据。
通过线性或非线性变换来调整像素强度范围，增强图像的对比度。
对比度拉伸
通过增强高频分量来增强图像的边缘和细节信息。
锐化滤波
通过将图像的低频和高频分量分离并分别处理，增强图像的对比度和细节信息。
同态滤波
02
01
03
04
05
遥感图像的融合处理
06
图像融合是将多源信道所采集到的关于同一目标的图像，通过一定的图像处理和信息融合技术，提取各自信道的信息并最终复合在一起，形成高质量、全面、准确的图像。
THANKS
几何校正的方法
遥感图像的噪声去除
04
VS
噪声去除是遥感图像预处理中的重要步骤，旨在减少或消除图像中的噪声，提高图像质量。
意义
噪声是影响遥感图像质量的主要因素之一，去除噪声有助于提高图像的视觉效果、降低后续分析的误差，为遥感应用提供更准确、可靠的数据基础。
定义
基于图像的统计特性，通过滤波、变换等技术手段，将噪声与图像信号分离，从而达到去除噪声的目的。
意义
原理
基于图像的数学模型和物理模型，通过一定的算法和技术，对图像的像素值进行变换和处理，以达到增强图像的目的。
方法
直方图均衡化、对比度拉伸、锐化滤波、同态滤波、傅里叶变换等。
通过拉伸像素强度分布范围来增强图像的对比度。
直方图均衡化
将图像从空间域变换到频率域，通过增强高频分量或抑制低频分量来增强图像的3
几何校正的定义
几何校正是指将原始的遥感图像经过一系列的变换，使其与标准地图或参考地图在几何位置上对齐的过程。
几何校正的意义
几何校正是遥感图像预处理的重要步骤，它能够纠正图像中由于传感器、地球曲率、地球自转等因素导致的几何畸变，提高遥感图像的精度和可靠性，为后续的图像分析和应用提供准确的基础数据。
遥感数字图像处理教学ppt
80%
数字图像格式
常见的数字图像格式包括BMP、 JPEG、TIFF、PNG等。
遥感数字图像特点
01
02
03
04
大数据量
遥感图像通常覆盖较大的地理 区域，包含丰富的地物信息， 数据量较大。
多源性
遥感图像可以来自不同的传感 器和平台，具有多源性。
多尺度性
遥感图像可以反映不同空间尺 度的地物信息，具有多尺度性 。
遥感数字图像处理教学
目
CONTENCT
录
• 遥感数字图像基础 • 遥感数字图像获取与处理 • 遥感数字图像增强技术 • 遥感数字图像分割与分类 • 遥感数字图像应用实例分析 • 遥感数字图像处理软件介绍及使用
指南
01
遥感数字图像基础
遥感技术概述
遥感定义
遥感是一种利用传感器对地球表面及大气层中的目 标进行远距离、非接触式探测的技术。
时序性
遥感图像可以反映同一地区不 同时间的地物信息变化，具有 时序性。
02
遥感数字图像获取与处理
遥感平台与传感器
遥感平台类型
遥感平台与传感器的选择
包括卫星、飞机、无人机等，不同平 台具有不同的空间分辨率、时间分辨 率和光谱分辨率。
针对特定的应用需求，选择合适的遥 感平台和传感器，以获取高质量的遥 感数据。
利用支持向量机（SVM）算法在高 维空间中寻找最优超平面，实现对遥 感图像的分类。
基于集成学习的分类器
通过集成多个弱分类器构建一个强分 类器，提高遥感图像分类的准确性和 稳定性。
05
遥感数字图像应用实例分析
农业领域应用
作物类型识别
利用遥感图像数据，结合图像处 理技术，可以实现对不同作物类 型的自动识别和分类，为精准农
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
B1，B7——遥感图像1波段和7波段目标的灰度值； a0，b0——直线的斜率和截距。
校正后波段的灰度值，a0是上述方程的截距，即偏移量
B1 B1 a0
8
暗像元法2-2、直方图法
• 如果图像内包括暗色地物或地形阴影，可 从各个波段中减去其最小的亮度值（或一 个阴暗地区的平均亮度值）来进行校正。
B=B-Bmin
辐照度
.亮目标 .斜率=增益
暗目标 截距=偏移
反射率
6
以红外波段最低值校正可见光波段
• 前提假设：大气散射的影响主要在短波波 段，红外波段中清洁的水体几乎不受影响， 反射率值应当为0。由于散射影响，而使得 水体的反射率不等于0，推定是由法
改进的方法
在获取图像的同时,利用搭载在同一平台上的其他传感 器获取气溶胶和水蒸汽的浓度数据，然后利用这些数 据进行大气校正。
16
什么情况下需要进行大气校正
• 大气透明度差而且不均一 • 大气中的水汽含量高
• 低海拔地区应该进行校正，3000米以上 的地区可以不考虑
• 相对高差变化大的地形区域 • 不同时段图像的联合处理
17
辐射校正要点
• 内容
– 辐射定标 – 大气校正 – 地形校正
• 大气校正
– 绝对校正 – 相当校正 – 基于模型的校正
18
频
频
数
数
0
0
（a） 7波段直方图B7
a1
（b） 1波段直方图B1
TM图像的1、7波段直方图
9
直方图法
B=B-Bmin 各波段的像元值减去其最小值
10
11
1、内部平均法
R / F
ρλ——相对反射率； Rλ——像元值； Fλ——整幅图像的平均光谱值。
• 优点：可消除地形阴影和其他的整体亮度的差异 • 缺点：基于假设地面变化是充分异构的，若假设
– 原因
• 传感器不稳定 • 遥感平台 • 地球
3
4
5
1、经验线性法
• 假定图像DN值与反射率r之间 存在线性关系:
DN kr b
• 定标点要求： （1）尽可能各向同性的均一地物，
面积足够大； （2）地物在光谱上要跨越尽可能
宽的反射光谱段，明暗目标之 间要有足够的差异； （3）尽可能与研究区域保持同一 海拔高度。
7
暗像元法2-1、回归分析法
• TM图像 • 蓝光波段的B1大气散射最大，红外波段的B7散射最小。图像中的深
的大面积水体与地形阴影在B7中是黑的，如果不存在附加的辐射， 这些水体与阴影在其它波段也应该是黑的，B1与B7应该具有比例关 系。如果受到影响，那么，在其他波段会产生偏移。
对B1进行校正，回归方程为： B1 b0 B7 a0
• 由辐射传递方程可得 ：
E E0 eT (0,H )
e-T(0,H)称为大气的衰减系数 ；
E0为地面目标的辐射能量为；
H为大气高度； E为传感器收集到的电磁波能量。
15
5.5.2 辐射传递方程计算法
专业的遥感图像处理系统多提供了大气校正模型
ERDAS和Geomatica系统中的ACTOR模型 ENVI系统中的Flaash模型 公共的大气校正模型，其中较好的是6S模型。
大气校正校正
1
概述
太阳位置和角度 大气条件
传感器性能
遥感图像
辐
几
射
何
失
误
真
差
遥感系统 大气状况
辐射校正
几何纠正 几何精纠正
2
降质类型
• 辐射失真
– 表现
• 遥感传感器测得的值与 地物实际的光谱值不同
– 原因
• 遥感传感器本身特性 • 地物光照条件 • 大气作用 • 其他
• 几何畸变
– 表现
• 图像几何位置的失真
不成立，得到的反射光谱会有虚假性
12
2、平场域法
• 平场：一块面积大、亮度高、光谱响应曲 线变化平缓的区域
• 假设条件： 区域的平均光谱没有明显的吸收特征； 区域辐射光谱主要反映的是当时大气条
件下的太阳光谱
R / F
像元辐射值 / 定标点（平场域）的平均辐射光谱值
13
14
5.5.2 模型法-辐射传递方程计算法
校正后波段的灰度值，a0是上述方程的截距，即偏移量
B1 B1 a0
8
暗像元法2-2、直方图法
• 如果图像内包括暗色地物或地形阴影，可 从各个波段中减去其最小的亮度值（或一 个阴暗地区的平均亮度值）来进行校正。
B=B-Bmin
辐照度
.亮目标 .斜率=增益
暗目标 截距=偏移
反射率
6
以红外波段最低值校正可见光波段
• 前提假设：大气散射的影响主要在短波波 段，红外波段中清洁的水体几乎不受影响， 反射率值应当为0。由于散射影响，而使得 水体的反射率不等于0，推定是由法
改进的方法
在获取图像的同时,利用搭载在同一平台上的其他传感 器获取气溶胶和水蒸汽的浓度数据，然后利用这些数 据进行大气校正。
16
什么情况下需要进行大气校正
• 大气透明度差而且不均一 • 大气中的水汽含量高
• 低海拔地区应该进行校正，3000米以上 的地区可以不考虑
• 相对高差变化大的地形区域 • 不同时段图像的联合处理
17
辐射校正要点
• 内容
– 辐射定标 – 大气校正 – 地形校正
• 大气校正
– 绝对校正 – 相当校正 – 基于模型的校正
18
频
频
数
数
0
0
（a） 7波段直方图B7
a1
（b） 1波段直方图B1
TM图像的1、7波段直方图
9
直方图法
B=B-Bmin 各波段的像元值减去其最小值
10
11
1、内部平均法
R / F
ρλ——相对反射率； Rλ——像元值； Fλ——整幅图像的平均光谱值。
• 优点：可消除地形阴影和其他的整体亮度的差异 • 缺点：基于假设地面变化是充分异构的，若假设
– 原因
• 传感器不稳定 • 遥感平台 • 地球
3
4
5
1、经验线性法
• 假定图像DN值与反射率r之间 存在线性关系:
DN kr b
• 定标点要求： （1）尽可能各向同性的均一地物，
面积足够大； （2）地物在光谱上要跨越尽可能
宽的反射光谱段，明暗目标之 间要有足够的差异； （3）尽可能与研究区域保持同一 海拔高度。
7
暗像元法2-1、回归分析法
• TM图像 • 蓝光波段的B1大气散射最大，红外波段的B7散射最小。图像中的深
的大面积水体与地形阴影在B7中是黑的，如果不存在附加的辐射， 这些水体与阴影在其它波段也应该是黑的，B1与B7应该具有比例关 系。如果受到影响，那么，在其他波段会产生偏移。
对B1进行校正，回归方程为： B1 b0 B7 a0
• 由辐射传递方程可得 ：
E E0 eT (0,H )
e-T(0,H)称为大气的衰减系数 ；
E0为地面目标的辐射能量为；
H为大气高度； E为传感器收集到的电磁波能量。
15
5.5.2 辐射传递方程计算法
专业的遥感图像处理系统多提供了大气校正模型
ERDAS和Geomatica系统中的ACTOR模型 ENVI系统中的Flaash模型 公共的大气校正模型，其中较好的是6S模型。
大气校正校正
1
概述
太阳位置和角度 大气条件
传感器性能
遥感图像
辐
几
射
何
失
误
真
差
遥感系统 大气状况
辐射校正
几何纠正 几何精纠正
2
降质类型
• 辐射失真
– 表现
• 遥感传感器测得的值与 地物实际的光谱值不同
– 原因
• 遥感传感器本身特性 • 地物光照条件 • 大气作用 • 其他
• 几何畸变
– 表现
• 图像几何位置的失真
不成立，得到的反射光谱会有虚假性
12
2、平场域法
• 平场：一块面积大、亮度高、光谱响应曲 线变化平缓的区域
• 假设条件： 区域的平均光谱没有明显的吸收特征； 区域辐射光谱主要反映的是当时大气条
件下的太阳光谱
R / F
像元辐射值 / 定标点（平场域）的平均辐射光谱值
13
14
5.5.2 模型法-辐射传递方程计算法