遥感原理与应用_第4章_3 遥感影像处理-遥感影像辐射处理.ppt

* 大气校正方法 基于地面场地数据或辅助数据 (经验模型) 利用特殊波段 直方图最小值法 回归分析法 基于辐射传输方程 (物理模型) 大气校正 在地面选取两个或更多反射率明显不同的区域（如沙堆这样的亮区域和深水体这样的暗区域），在区域内选取m(m2)个目标，在遥感图像获取的同时，测出这些目标对应遥感成像波段k的反射率ρk,i(i=1,2,…,m),并在k波段图像上查出这m个目标对应像元的亮度值BVk,i，建立图像亮度BVk,i与目标反射率ρk,i的线性关系： 假设地面目标的反射率与遥感探测器的信号之间具有线性关系。 基于地面场地数据或辅助数据 大气校正 大气校正 利用最小二乘法，解出系数Ak、Bk，建立图像像元亮度值与目标反射率的关系，即大气校正模型： ρλ：目标在波长λ处的反射率 如果不能获取成像时刻的地面数据，地面反射率可参考光谱数据库。 图像中每个像元的亮度值可转换成对应的地面目标的反射率。 大气校正 硫磺 云母 大气校正 理论基础：大气散射的选择性，即大气散射主要发生在可见光中的短波波段，对近红外和中红外波段几乎无影响。 因此可以把近红外波段图像当作无散射影像的标准图像，根据近红外波段图像的暗像素亮度值来估计可见光波段的大气干扰值。 直方图法 回归分析法 利用特殊波段 大气校正 又称作黑暗像元法，其认为一幅图像中的某些地物在某些波段反射率近似看成为0，即“暗目标”，它们在图像中的对应位置的像元亮度值应为0，但实际上由于大气的影响，该像元的亮度值一般为一个大于0的数a，则认为a就是大气程辐射值。校正时，将图像像元的亮度值都减去a即可。 直方图最小值法 大气校正 可用于同时相多波段图像中短波段图像的大气校正 对同时相获取的多波段影像，长波段如红外波（0.76μm）受大气影响小，可见光波段（0.38-0.76 μm ）受大气影响强烈。如果图像范围内存在灰度值为零的地物（如深水体、高山背阴处等），则长波段图像的灰度直方图往往从原点开始，而其他波段（波长相对较短的波段）灰度直方图离原点有一段距离ak (k为波段) ，这段距离即为大气散射增强（相当于路径辐射Lp）引起的灰度直方图偏离值。以此偏离值ak为改正量，同时相获取的其他波段图像像元值减去ak ，得到大气校正后的图像。 k：波段；(i, j)为像素坐标。 大气校正 长波段(5,7波段)图像亮度最小值为0，说明有暗目标存在。短波段图像最小亮度值不为0，说明它们受大气影响。 校正方法：各波段像元灰度值减分别减去该波段图像灰度最小值。 在影像上找出最黑的区域（比如完全接收不到太阳光的高山阴影或深海水体），如果不存在附加的辐射，这些区域在其他波段也应该是黑的（反射率为零）。 据此可以进行大气辐射的校正。由于近红外波段几乎不受大气辐射的影响，它能够较正确地反映地物谱的实际情况，因而可以近红外波段为基础对其他波段进行辐射校正。 回归分析法 大气校正 例如，在TM图像中，蓝光波段B1的大气散射最大，红外波段B7的散射最小。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他波段也应该是黑的 实验表明某些波段的灰度值之间存在线性关系，如TM7与TM1, 2, 3的灰度值关系 大气校正 在TM3上的最黑区域中选择一系列目标（例如地形阴影区） 找出在TM7上的对应目标 然后取出这两个波段的灰度值，在以(I3,I7)为坐标的直角坐标系中绘制一系列的坐标点（二维散点图） 做出回归直线，回归方程为I3=b3I7+a3 I3 , I7为TM3和TM7的灰度值 b3 , a3为直线的斜率和截距 最小二乘法拟合计算b3 , a3 校正公式为I’3=I3-a3 I’3为TM3校正后的灰度值 I7 a3 I3 回归分析法步骤(以TM3为例) 大气校正 注意：抽取区域一定要是如同高山阴影区那样的在所有波段全黑的区域。 因为地物的波谱响应在各波段是不同的，在一个波段黑并不意味着在另一个波段也黑，这样回归分析所得的校正量就加进了地物波谱特性因素而不全是散射的影响，所以是无意义的 所以当影像中没有陡峭的地形所造成的高山阴影或者清洁水体时，这两种方法就不能使用 大气校正 辐射传输方程描述辐射能在空间或媒质中传输过程、特性及其规律的数学方程 ????——传感器光谱响应系数 ????——大气光谱透过率 ????——太阳入射的光谱能量 ? ?——太阳高度角 ????——地物光谱反射率 ???? ????——地面温度时的黑体光谱辐射通量密度 ????——地物光谱发射率 ????——大气