5-2预处理辐射校正与增强.ppt

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、G0、 R 0 分别表示调整大小后的多光谱影像的对应值, Rnew、 Gnew、Rnew 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） 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 Lmax和Lmin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： ρ = 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ρ也是地面反射率ρG和大气反射率ρA的总和，即 ρ = ρG + ρA 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