遥感图像辐射处理(5).pptVIP

实践中是否进行大气校正，取决于： 问题本身 可以得到的遥感数据的类型 获取的历史与当前实测大气信息的数量 从遥感数据中提取生物物理信息所要求的精度 不需要进行大气校正的原则：训练数据来自所研究的影像，而不是来自从其他时间或地点获取的影像。 必须进行大气校正的情况：提取生物物理变量时，如数据未经校正，就可能丢失这些重要成分的反射率的微小差别信息；如需要将某影像中提取的生物物理量与另一景不同时相影像中提取的同一生物物理量相比较，就必须进行大气校正。 1、基于辐射传输模型的大气校正 低通滤波——平滑 * 1、理想低通滤波器 为截止频率， * 2、梯形滤波器 3、Butter Worth低通滤波器 * 4、指数低通滤波器 5、Bartlett低通滤波器 高通滤波——锐化 * 1、理想高通滤波器 为截止频率， * 2、梯形滤波器 3、Butter Worth高通滤波器 * 4、指数高通滤波器 5、Bartlett高通滤波器 * 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。 减法运算 加法运算 乘法运算 除法运算 混合运算 三.多光谱图像四则运算 1、减法运算 * 注意： 1、减法运算的结果仍然是图像； 2、当X和Y为多光谱图像的两个不同波段时，减法运算的结果为同一地物光谱反射率之差； 3、当X和Y为不同时相的图像时，减法运算的结果为地面目标的变化信息。 2、加法运算 * 1、加法运算可以加宽波段： 2、加法运算可以去除噪声 近似全色图像 全色红外图像 3、乘法运算 乘法运算也可以加宽波段范围。 4、除法运算 * 1、 突出遥感影像中的植被特征，提取植被类别、估算植被生物量； 2、是自动分类处理的预处理方法之一，用以去除地形影响；即压抑地形坡度和方向引起的辐射量变化，增强土壤、植被、水之间的差别。 3、研究浅海区的水下地形、土壤的富水性差异、微地貌变化、地球化学反应引起的微小光谱变化等。 可以突出不同波段间地物光谱的差异，提高对比度。 5、混合运算 主要用于植被指数的计算。是利用遥感数据提取和模拟生物物理变量的主要内容之一。 植被指数 是无量纲的辐射测度，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。 植被指数应该具备的特点： 1、对植物生物物理参数尽可能敏感，最好呈线性响应，这使其可以在大范围的植被条件下使用，并且方便对指数的验证和定标。 2、归一化或模拟外部效应如太阳角、观测角和大气，以便能够进行空间和时间上的比较。 3、归一化内部效应如冠层背景变化，包括地形（坡度和坡向）、土壤的差别，以及衰老或木质化植被的差异。 4、能和一些特定的可测度的生物物理参数（如生物量、LAI或APAR进行藕合，作为验证和质量控制部分。 植被指数有很多，多数都用到与健康绿色植被有关的红光和近红外反射率之间的反比关系。 * * NDVI——Normalized difference vegetation index 归一化差分植被指数 四. 遥感信息复合 图像融合 遥感图像与DEM复合 * * 图像融合——指将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图象的过程。 图像融合三个层次： 像素级融合 特征级融合 决策级融合 图像融合 图像融合主要方法 图像融合效果评价 * 加权融合 基于HIS变换的图像融合 基于主分量变换的图像融合 基于小波变换的图像融合 比值变换融合 乘积变换融合 基于特征的图像融合 基于分类的图像融合 主要融合方法： * 基于HIS变换的图像融合 基本原理： RGB?IHS?用高分辨率图像替换I分量?RGB 融合过程： （1）几何配准、重采样； （2）多光谱图像HIS变换； （3）直方图匹配； （4）用全色图像替代I 分量； （5）HIS逆变换。 例：TM图像的全色波段与多光谱图像的融合。 * 基于主分量变换的图像融合（K——L变换法） 多光谱图像 主分量变换 第一主分量图像 第二主分量图像 第三主分量图像 ‥‥ 直方图匹配 全色图像替代第一主分量图像 主分量逆变换 融合图像 图像融合的效果评价 * 定性评价 目视判读为主。因人而异，有主观性。 定量评价 从图像包含的信息量和分类精度两方面进行评价。 * 定量评价指标 1、平均梯度 G越大，图像层次越多，图像越清晰。 2、熵与联合熵 熵越大，则图像包含的信息越丰富。 3、用融合后的图像进行分类，以分类的精度