环境遥感技术及应用（田静毅）第四章 遥感图象处理1.pptVIP

第四章 遥感图像处理 §1 遥感图像校正 §2 遥感图像的镶嵌 §3 遥感图像增强 §4 遥感图像融合 §1 遥感图像校正 在遥感成像时，由于各种因素的影响，使得遥感图像存在一定的几何畸变和辐射量的失真现象。这些畸变和失真影响了图像的质量和应用，在遥感应用之前必须消除。对这些畸变和失真的消除一般称为遥感图像的预处理，其主要包括辐射量校正和几何校正。 辐射量校正（radiometricrrection） 消除图像数据中依附在辐射亮度中的各种失真的过程称为辐射量校正。 利用传感器观测目标的反射或辐射能量时，传感器得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为测量值中包含了由于太阳位置和角度以及薄雾等大气条件所引起的失真以及传感器本身的偏差。为了正确评价目标的反射或辐射特性，也必须消除这些失真。 引起辐射畸变的原因兰要有两个：传感器仪器本身产生的误差和大气对辐射的影响。相应地，辐射校正也包括两种类型： （1）装饰性修正 对数据错误进行补偿性修复； （2）大气校正 校正由于大气和辐射参数带来的误差，如薄雾、太阳角、天空光等。 1．装饰性修正 装饰性修正包括以修正影像中视觉错误或噪声为目的而进行的所有操作。数据中的缺陷一般包括以下形式： 周期性或随机性扫描线丢失 线状条带现象 随机噪声或尖峰噪声 周期性或随机性扫描线丢失 周期性扫描线丢失现象产生的原因是传感器中的一个探测元件出现了问题，因此记录了错误的信息或者停止记录。例如 Landsat/ TM除热红外波段外，其他波段都有16个探测元件。如果其中一个探测元件出现故障，则每16个扫描线中就有一个扫描线的数据为零，在影像上就表现为一条黑线。对于 Landsat MSS，上述问题将导致其每 6个扫描线中有一个数据为零的扫描线。 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，亮度值越大。图像每个像元的亮度值要受两个物理量的影响：一是太阳辐射照射到地面的辐射强度； 二是地物的反射光谱。 当太阳辐射强度相同时，图像像元亮度值的差异就直接反映了地物目标光谱反射率的差异。 但实际测量中，辐射强度值还受到其他因素的影响而发生变化。这一改变的部分就是图像辐射校正需要校正的部分。 对这类问题进行修正，第一步要计算整景影像每个扫描线的平均DN值和整景影像的平均DN值(灰度值 )，然后将每个扫描线的平均DN值与整景影像的平均DN值比较。如果某扫描线的平均DN值与整景影像的平均DN值相比，其偏差超过指定的限值，则可确定该条扫描线存在缺陷。在地面覆被非常复杂的区域，为了获得较好的效果，要考虑影像的直方图，进一步划分子区，然后对子区分别处理。 替代有缺陷的扫描线。对于一个有缺陷的扫描线，其每个像元的DN值取该扫描线前后两个扫描线相应像元的DN值的平均值。这样，影像的质量就得到很大的改善尽管每16个扫描线（对于LandsatMSS数据，为每6个扫描线）中有一个人工处理的数据行。 2）线状条带现象 相比于扫描线的丢失，存在线状条带现象在影像中就更加普遍了。线状条带现象的产生时常是由于探测元件的不统一引起的。在卫星发射前，传感器中所有的探测元件都进行了认真仔细的参数率定和配准。但一段时间后，某些探测元件的测量结果可能会向高或向低偏移。结果，发生偏移的探测元件所记录的扫描线与其他线相比会更亮或更暗，出现线状条带现象。 对于带有线状条带现象的影像，存在缺陷的扫描线中的数据还是有效的，要做的只是对其进行修正以与整景影像匹配。对于这种缺陷的处理，有很多方法，最常用的是直方图匹配法。 直方图匹配法是针对每个探测元件的记录，建立独立的直方图，并进行匹配，将一个记录行作为标准，对其余探测元件的记录进行适当的调整，然后计算出每个像元的新DN值。这样就得到了一个去条带后的影像。 上述周期性扫描线丢失和线状条带现象是由于非随机的噪声引起的，因此可以通过简单的方法进行识别和修正。 3）尖峰噪声 对于随机的噪声，就需要有比较复杂的方法进行修正，比如数字过滤法等。 尖峰噪声的产生可能是由于数据传输中的错误或者一个短暂的扰动。因此某些像元的DN值显著高于或低于周围像元的DN值。 在这样的影像中，这些像元表现为明亮和暗淡点，它们将会影响遥感影像中信息的提取。 尖峰噪声可以通过与周围像元DN值的相互比较检查出来。如果其与周围像元的DN值相比，差异超过给定的限值，就可判断其为尖峰噪声，并且将其DN值用周围像元DN值的内插值代替。 2、大气散射校正 大气校正就是指消除由大气散射引起的辐射误差的处理过程 。 大气校正的方法: 统计学方法； 辐射传递方程计算法