预处理辐射校正与增强课件

单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,*,辐射定标处理,已知,增益与偏移参数时，按照以上公式计算,没有,定标参数时，可以按如下公式,L,max,和,L,min,的选取,高增益,(high gain),与,低增益,(low gain),的选取,表观反射率计算,计算表达式如下,式中：,=,大气层顶,(TOA),表观反射率,L,=,光谱辐射亮度,ESUN,=,光谱辐照度,D,=,日地之间的距离,(,天文单位,),q,=,太阳天顶角,i,=,太阳入射角,L,和,ESUN,与波段有关,，不同波段值不同,L,来自地物和大气辐射亮度的总和，因此,也是地面反射率,G,和大气反射率,A,的总和，即,=,G,+,A,相对辐射校正,采用,直方图调整,的单景影像归一化,采用,回归分析归一化,多时相影像,直方图调整法,依据：近红外数据（,0.7um,）受大气散射影响非常小，而可见光（,0.4-0.7um,）受大气影响非常大,辐射误差,太阳高度及地形,辐射误差的来源,太阳位置引起的辐射误差,地形起伏引起的辐射误差,辐射误差的表现及其影响,由于太阳角与地形影响引起的辐射误差：,同类地物,灰度不一致,坡度坡向影响校正,目的：,去除由地形引起的光照度变化，使两个反射物性相同的地物，虽然坡度不同，在影像中具有相同的亮度值。,方法：,简单余弦校正、,Minnaert,校正、统计,-,经验校正、,c,校正,余弦校正,式中：,L,H,=,水平面辐射（即坡度坡向校正后的遥感数据）,L,T,=,坡面辐射（即遥感原始数据）,=,太阳天顶角,=,太阳入射角,i,o,T,H,L,L,q,q,cos,cos,=,辐射校正的目的,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，而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，为遥感图像的识别、分类、解译等后续工作打下基础。,本节总结,辐射误差产生的原因,辐射误差的表现、影响及其必要性,辐射校正,通过简单的影像归一化技术和更为先进的绝对辐射定标方法可以标定地面反射以消除这些影响。,辐射定标,绝对,辐射校正,地形校正,归一化,相对,辐射校正,大气校正,必要性判断,必要性判断,第五章 遥感图像预处理,5-2,遥感图像增强处理,本节内容,多光谱图像四则运算,多光谱图像增强,图像融合,多光谱图像四则运算,加减运算,加法运算主要用于对同一区域的多幅图像求平均，可以有效地减少图像的加性随机噪声,减法运算提供不同波段或不同时相图像间的差异信息，应用于动态监测及目标识别等工作中,多光谱图像四则运算,比值运算,能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响,阳坡,/,阴坡灰度及比值结果,地形部位,波段,TM1,TM2,TM1/TM2,阳坡,28,43,0.65,阴坡,22,34,0.65,多光谱图像四则运算,比值运算,增强某些地物之间的反差,植被、水、土壤在红,/,红外波段灰度及比值结果,类别,红波段,红外波段,红外波段,/,红波段,植被,暗,很亮,更亮,水,稍亮,很暗,更暗,房屋,较亮,较亮,不变,多光谱图像四则运算,植被指数,反映绿色植被的相对丰度及其活动，其中包括叶面积指数、绿色覆盖百分比、叶绿素含量、绿色生物量和吸收的有效光合辐射,多光谱图像四则运算,植被指数,归一化植被指数,(normalized vegetation index, NDVI),式中：,IR,=,近红外波段反射值,R,=,红波段反射值,可以监测到植被生长活动的季节与年际变化,比值处理能够减少多时相影像多个波段中很多,形式的乘性噪声（太阳光照差异、云阴影、部分,大气衰减和地形差异）,多光谱图像四则运算,植被指数,常用的红外,(,IR,),与红波段,(,R,),传感器,IR,波段,R,波段,Landsat TM,4,3,Landsat MSS,7,5,SPOT XS,3,2,NOAA NVHRR,2,1,多光谱图像增强,主成分分析,必要性：,波段多、信息量大、存在数据冗余,目的：,通过函数变换，保留主要信息，降低数据量，增强或提取有用信息的目的,方法：,对遥感图像实行线性变换，使多光谱空间坐标系进行旋转,主成分分析特点,主成分分析,(Principle component analysis, PCA,，又称主成分变换、,K-L,变换,),，它的特点如下：,变换后的矢量是原有矢量的信息的线性组合，较好地反映了事物的本质特征,变换后的矢量的协方差矩阵是对角矩阵，矢量中各分量之间的信息是相互独立的,特征值大小反映该方向上主分量所具有信息量的多少及每个分量的相对重要性,主成分分析特点,前两个主成分的空间关系图示。,a),从两个遥感影像波段,X,1,和,X,2,采集到的数据的散点图，,X,1,和,X,2,各自的平均值为,1,和,2,。,b),平移坐标轴到,X,坐标系，创建一个新的坐标系统，新坐标系下的亮度值可以由关系式,1,X,=,X,1-1,和,2,X, =,X,2-2,得到。,c),将新坐标系统,X,沿着坐标原点（,1,，,2,）旋转，使得,PC,1,投影到分布点的半长轴上，,PC,1,的方差最大，,PC,2,必须和,PC,1,垂直。,PC,轴即为这个二维数据空间的主成分。第,1,主成分通常解释总方差的,90%,以上，第,2,主成分,2,则解释方差的,2%,10%,，等等,主成分分析特点,使用查尔斯顿,TM,数据所有七个波段计算得到的七个主成分影像。第,1,主成分包含近红外和中红外的信息（第,4,、,5,和,7,波段）。第,2,主成分主要包含可见光信息（第,1,、,2,和,3,波段）。第,3,主成分主要包含近红外信息。第,4,主成分包含第,6,波段热红外信息。因此，七波段的,TM,数据在维数上可以减为四个（第,1,、,2,、,3,和,4,波段），它解释了,99.38%,的方差,主成分分析应用,数据压缩,图像增强,分类前预处理,多光谱图像增强,缨帽变换,缨帽变换,(tasseled cap,，又称,K-T,变换,),：线性变换后坐标轴的方向与植被生长及土壤有密切关系,变换后的前三个分量分别对应亮度、绿度和湿度,亮度,TM,六个波段亮度值加权和，反映总体亮度变化,绿度,与亮度轴垂直，是近红外与可见光波段的对比,湿度,与土壤湿度有关,图像融合,问题的提出,遥感影像空间分辨率不断提高,Landsat,MSS 80m,Landsat,TM 30m,SPOT 20m,IRS PAN 5.8m,Quickbird,0.82m,图像融合,问题的提出,传感器类型各有不同,SAR,TM,PAN,照相机,扫描仪,雷达,全色影像,多光谱影像,图像融合,问题的提出,高光谱影像的出现,传感器,波段数,光谱分辨率,(nm),MSS,4,100,TM,7,70,HIRIS,192,10,TRW,384,5,遥感小卫星群,时间分辨力可选择,图像融合,问题的提出,多分辨率、多遥感平台、多光谱、多时相,?,如何复合同一地区多源遥感影像的信息,图像融合,目的,不同传感器获取同一地区图像具有,不同的应用特点,(Landsat TM & SPOT),图像融合可以,综合,不同传感器图像的优点，大大,提高,图像的应用精度,图像融合,数据类型,SPOT 1010m,全色,（,Panchromatic,，,PAN,）数据与,2020m,多光谱,（,Multispectral,，,XS,）数据融合􀁹,SPOT 1010m,全色,数据与,Landsat,3030m TM,数据融合,多光谱数据,（如：,SPOT XS,，,Landsat,TM,，,IKONOS,）与,主动微波（雷达）或其它类型数据,的融合,数字航空影像,与,SPOT XS,或者,TM,数据,融合,雷达,影像,多光谱影像,图像融合,融合步骤,全色航,空像片,数据配准：所有要融合的数据集必须,精确校正并重采样到相同大小的像元,图像融合,融合影像输出、评价和应用,图像融合,融合方法,简单的,波段替换,利用不同色彩坐标系统（如：,RGB,、亮度,-,色度,-,饱和度、 色度）的,色彩空间变换和替换法,高空间分辨率数据的,第一主成分替换,高频滤波的逐像元相加，,高空间分辨率到高光谱分辨率的转换,基于平滑滤波的,亮度调节,所有要融合的数据集必须精确校正并重采样到相同大小的像元,色彩空间转换与替换,到现在为止，所描述的遥感数据都是在,RGB,色彩坐标系,内。在描述用于可视分析的遥感数据时，也可以使用其它色彩坐标系。在融合不同类型的遥感数据时，可以利用其中的某些色彩坐标系。两种常用的数据融合方法是将,RGB,系统变换到,亮度,-,色度,-,饱和度（,Intensity-Hue-Saturation,，,IHS,）,系统中和使用,色度坐标,。,Intensity-Hue-Saturation (IHS),变换,:,IHS,的值可以由,R,、,G,和,B,值通过以下公式变换而得：,RGB,到,IHS,的转换及其逆转换,色彩空间变换图像融合,RGB,到,IHS,：,将,RGB,色彩空间中的三个低空,间分辨率波段变换成,IHS,色彩空间的三个波段,对比度操作：,对高空间分辨率的影像进行对比度拉伸，从,而使其与亮度（Intensity，I）影像具有相同的方差和均值,替换：,使用拉伸的高空间分辨率影像来替换亮度（I）影像,IHS 到RGB：,利用IHS 逆变换将修,改的IHS 数据转换回RGB 色彩空间,近似一致,的光谱特征,色度图,色度表坐标描述了给定色彩中的每种三原色（红、绿和蓝）的相对比率，三原色总和为,1,R,、,G,、,B,分别表示生成某种特定颜色所需的红、绿、蓝的量；,x,、,y,、,z,代表相应的归一化颜色组分，即三原色系数。在定义图表中一种颜色的色度坐标时，只需要,x,和,y,的值，因为,x,+,y,+,z,=1,Brovey,融合也称为色彩标准化,( Color Normalization),融合,是美国科学家,Brovey,建立的模型并将其推广的,是目前应用广泛的一种,RGB,彩色融合变换方法,Brovey,融合,Pan,表示调整大小后的全色影像的对应值,I,0,、,R,0,、,G,0,、,R,0,分别表示调整大小后的多光谱影像的对应值,R,new,、,G,new,、,R,new,则分别表示融合后的多光谱影像的对应值,该方法能够保留每个像素的相关光谱特性,并且将所有的亮度信息变换成高分辨率的全色影像融合。然而，由于,Brovey,影像融合对影像的要求比较高,融合前必须预先进行去相关预处理和噪声滤波处理,以便减少数据冗余和非光谱信息,Brovey,融合,基于主成分分析,(PCA),的融合,对,SPOT,全色数据进行对比度拉伸，得到与第一主成分影像大约相等的方差和均值。利用经过拉伸的全色数据代替第一主成分并把数据变换回,RGB,空间。经过拉伸的全色影像可以代替第一主 成分，这是因为第一主成分通常包含了,PCA,输入波段所共有的信息，而某些输入波段特有的光谱信息则被映射到其它,n,个主成分,高频信息逐像元累加融合方法,采用用于高空间分辨率影像的高通空间滤波器，将美国国家高空摄影计划（,National High Altitude ProgramPhotography,，,NHAPP,）的数字化数据及,SPOT,全色数据与,Landsat TM,数据进行融合。融合后的高通影像包含了在很大程度上与该景影像的空间特征相关的高频信息。空间滤波去除了大部分的光谱信息。高通滤波结果与低空间分辨率,TM,数据逐像元相加。该处理融合了高空间分辨率数据集的空间信息与,TM,数据内的多光谱分辨率。,Chavez,等（,1991,）发现这种多传感器数据融合技术使得光谱特征的畸变最少,融合影像评价,信息量,清晰度,遥感影像融合应用,不同的融合方法对同一种遥感影像进行融合时其评价指标有所不同，进而影响融合影像质量，因此，在对遥感影像进行融合时，应注意以下几点：,配准精度或精纠的精度都是直接影响融合结果的因素,融合模型的选择也是相当重要的，根据研究目标选择融合模型,多光谱影像的波段之间有着一定的关联性，根据需要选择最佳波段来融合,不同类型的遥感影像应采用不同的融合策略,本节总结,数字图像处理基本原理（图像校正、恢复；噪声去除；图像增强）,多光谱遥感图像处理（四则运算；植被指数；主成分分析；缨帽变换）,图像融合（背景；融合的方法）,