毕业论文-高光谱遥感数据预处理.doc

黑龙江工程学院本科生毕业论文摘 要本论文针对EO-1 Hyperion 高光谱遥感数据的特点，在图像质量检查的基础上，对Hyperion图像进行了未定标和受水汽影响的波段的剔除、坏线修复、垂直条纹的去除、大气校正、几何校正等预处理，为数据的进一步处理和应用奠定了基础。原始图像中存在的坏线、噪音、严重的几何畸变等问题通过预处理都得到了很好的改善。结果是获得了完整、高质量、高精度的高光谱数据 ,为光谱定标、分类识别及信息提取提供了理想的图像。通过对这些问题的进一步深化研究，高光谱技术就可充分的与现有遥感测绘手段有机结合，并对地理空间信息的遥感探测技术产生有力的推动。关键词：高光谱；Hyperion；预处理；大气校正ABSTRACT.The quality of pre-processing the results of a direct impact on the accuracy of remote sensing image analysis. In particular, hyperspectral images, image pre-processing is necessary and meaningful. In this paper, for the EO-1 Hyperion hyperspectral remote sensing data characteristics, the image quality inspection, based on images of Hyperion undetermined impact and the band of water vapor out, bad line repair, the removal of vertical stripes, the atmosphere correction, geometric correction, such as pre-processing, data processing and the further application of the foundation. Exist in the original image of a bad line, noise, geometric distortion, such as a serious problem through the pretreatment have been very good improvement. The result is access to a complete, high-quality, high-precision high-spectral data for spectral calibration, classification and information extraction provides the ideal image. Keywords: Hyperspectral; Hyperion; Pretreatment; Atmospheric CorrectionII 目 录摘要IAbstractII第1章 绪论31.1 概述31.2 高光谱遥感的发展31.3 国内外遥感发展现状51.4研究目的与意义6第2章 研究区域选择与数据来源72.1 研究地选择与研究地概况72.1.1 研究区概况72.1.2 研究区森林资源概况92.2 星载Hyperion高光谱数据92.2.1 数据的获取92.2.2 数据的特点102.3 本章小结11第3章 高光谱数据预处理方法初探133.1 Hyperion 数据预处理133.2异常像元的定义133.3 ENVI概述143.4 异常像元的校正153.4.1 未标定及水气影响波段的确定与剔除153.4.2 坏线的修复163.4.3 像元DN值到绝对辐射值的转换163.4.4 垂直条纹的去除163.5 大气校正193.5.1基于遥感图像本身的反演方法193.5.2 基于辐射传输模型的大气校正方法223.5.3 EO- 1 Hyperion大气校正的算法263.6 几何校正283.6.1 空间坐标变换283.6.2 像素灰度内插303.7 本章小结31结论32参考文献33致谢35附录36 第1章 绪 论1.1 概述高光谱(Hyperspectral)遥感是上世纪末地球观测系统中最重要的技术突破之一，自从诞生以来就以其高光谱分辨率的特点受到国外国内的广泛关注。它克服了传统单波段、多光谱遥感在波段数、波段范围、精细信息表达等方面的局限性，以较窄的波段区间、较多的波段数量提供遥感信息，能够从光谱空间中对地物予以细分和鉴别，在资源、环境、城市、生态等领域得到了广泛应用。高光谱数据的预处理是近年来新兴的一项科学技术，通过预处理的图像数据能更有效得为生产生活服务。我省是自然资源大省，有很丰富的矿物、石油和生物资源，高光谱遥感在本省一定能发挥重要作用。所以，高光谱遥感的研究有非常重要的理论意义，而其中首要的就是对高光谱数据的预处理工作,作好预处理工作将对高光谱遥感在经济建设中起极重要的现实作用。1.2 高光谱遥感的发展高光谱数据即高光谱遥感数据，遥感“Remote Sensing”即“遥远的感知”，就是远离不接触“物体”而获得其信息1。它通过遥感器“遥远”地采集目标对象的数据，并通过对数据的分析来获取有关地物目标，或地区，或现象的信息的一门科学和技术。高光谱数据伴随着遥感技术的快速发展而日渐成熟。它集成了空间、电子、光学、计算机等现代学科的最新研究成就，成为一种以数学方法、物理手段及地学知识为基础的综合技术，而跻身于信息获取与处理分析的高科技领域。1972年，美国发射的第一颗地球资源卫星ERS-1(即LandSat-1)拉开了遥感对地球资源及环境监测的序幕，遥感技术开始被广泛应用。20世纪80年代高光谱遥感技术兴起，它的出现是遥感界的一场革命2，遥感技术及其应用也迎来了新的挑战。高光谱遥感(Hyperspectral Remote Sensing)又叫成像光谱技术，是目前遥感技术的前沿。它是一项集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术，利用很多很窄的电磁波波段从感兴趣的物体获取有关数据。高光谱遥感影像通常用一个空间光谱数据立方体(spatial-spectral data cube)进行表达，如图1-1所示。立方体中每一层为一个波段，每一像元各波段的属性值都构成一个光谱向量，通常用图1-2所示的光谱曲线表示，通过对该向量的分析，可以提取许多对分类、信息提取等有用的特征。该技术起源于20世纪70年代初期的多光谱遥感技术，并随着对观测应用的需要而发展。经过几十年的发展，一系列的高光谱成像系统的研制成功及其与之相配套的软硬件设施的发展，积极地推动了该技术在国内外的成熟与发展。图1-1 高光谱遥感数据立方体图1-2 高光谱曲线迄今为止，国际上已有40余套航空成像光谱仪处于运行状态，在实验、研究以及信息的商业化方面发挥着重要的作用。高光谱遥感技术的出现是20世纪80年代遥感技术最大成就之一,其发展应用首推美国。美国地球物理研究公司(GER), NASA喷气推进实验室(JPL)的研究人员所主持的航天飞机多光谱红外辐射计(SMIRR)实验研究，在成像光谱概念形成的初期发挥了重要的作用3。1983年在NASA的支持下，JPL研制的第一台高分辨率航空光谱仪(AIS-1)问世，它具有128个波段，它的出现开创了高光谱遥感的新时代。1986年JPL又研制成功了AIS-2，它与AIS-1一起成为第一代成像光谱4。1987年JPL又研制成功了具有224波段的航天可见/红外光成像光谱(AVIRIS )，投入使用后在很多领域取得了很好的成果。随后日本、澳大利亚等国家也发射或计划发射高光谱成像卫星，并将成像光谱仪应用到航空平台上。跟踪国际高光谱成像技术的发展，并鉴于在应用方面的需求，我国于80年代中、后期亦开始着手发展自己的高光谱成像系统，同步解决信息分析与处理的技术问题，并在实验应用中不断检验和完善。“七五”期间成功研制了机载成像光谱仪MAIS，在自然基金项目和“八五”攻关项目推动下完成了具有19波段的多光谱扫描仪(AMSS),“九五”期间在863项目的支持下，又完成了适用模块化航空成像光谱仪系统(OMIS I、OMIS II)和PHI超光谱成像光谱仪5。这些成像光谱仪被广泛应用于农、林、地、矿、海洋水色等领域，并取得了显著的成果，为我国成像光谱技术的发展奠定了良好的基础。高光谱成像技术所获取的图像包含了丰富的空间、辐射和光谱三重信息，它表现了地物空间展布的影像特征，同时也可能以其中某一像元或像元组为目标获得它们的辐射强度以及光谱信息。与常规遥感手段相比，它具有波段多、光谱分辨率高、空间分辨率高的优点。利用高光谱数据不仅能有效地识别地表物质，而且能深入研究地表物质的成分和结构6-7。高分辨率、高性能、高应用效率和数据定量化将是高分辨率光谱成像技术的主要发展方向。高光谱成像技术的独特性能，特别是在地表物质的识别和分类、有用信息的有效提取等方面与其它技术相比具有明显的优势，使得这一技术在环境监测、植被精细分类、农作物估产和农田水肥状况分析、冰雪覆盖调查、土地利用监测、岩石矿物填图等方面展现了巨大的应用前景8-9。归纳起来，高光谱遥感的应用领域主要包括(Robert,1995) : (1)环境评估和监测(包括城市增长、危险废弃物检测)；(2)全球变化探测和监控(大气臭氧耗损、森林退化、全球变暖)；(3)农业(作物长势、产量预测、土壤侵蚀)；(4)非再生资源探测(矿物、石油、天然气)；(5)再生资源探测(湿地、土壤、森林、海洋)；(6)气象(大气动力学、气象预报)；(7)制图(地形、土地利用、土木工程)；(8)军事侦察与服务(战略方针、战术评估)；(9)新闻媒体(图例、分析)。1.3 国内外遥感发展现状从 1956 年至今，我国的遥感技术取得了令世人瞩目的成就。中国依靠自己的力量，研制并成功发射了 15 种类型、近 50 颗人造地球卫星。遥感技术通过空间应用转化为社会生产力，促进经济增长、推动科技进步和人类社会文明进程等方面起到重要作用。最近几年，我国遥感应用蓬勃发展，取得了显著的社会效益和经济效益。1960年美国学者Z.L.Pruitt为了比较全面地概括探测目标的技术和方法，把以摄影方式或以非摄影方式获得被测目标的图像或数据的技术称为“遥感”(Remote Sensing),并于1962年被正式采用10。作为一门综合技术，遥感是指不直接接触对象，从远处通过传感器探测和接受目标物体的信息(电磁波)，经过对信息的处理和分析处理，从而识别地物的属性及其分布特征的技术。1957年前苏联发射了第一颗人造卫星，是遥感史上的一件大事；1959年苏联宇宙飞船月球3号拍摄了第一批月球相片11，20世纪60年代美苏多次发射宇宙飞船对月球、火星进行摄影，并连连登月，获得了大量的有关图片资料，美苏的空间技术竞争也由此拉开帷幕。可以说美苏的空间竞争极大的推动了遥感事业的发展。70年代后美国宇航局(NASA)、欧空局(ESA)、加拿大、日本、印度、中国等国家都先后建立了各自的遥感系统。 为了开发海洋，2002 年 5 月中国研制的首颗海洋卫星“海洋一号”发射成功，其数据产品将在海洋生物资源开发利用、河口海湾及航道监测与治理、海洋污染监测与防治、海岸带监测及全球环境变化研究与资源开发服务中起到重要作用。各种不同卫星是各国针对不同的研究领域而研制并发射的，它们的主要区别在于其所搭载的传感器空间、光谱分辨率及卫星绕地球一周时间上的差异。它们的光谱分辨率多在10-1m数量级范围内，被称为多光谱遥感( MutilSpectral Remote Sensing)或常规遥感，在30多年的发展历程中被广泛应用于资源调查、环境监测、全球变化及区域分析等领域，其技术也相当成熟。在常规遥感蓬勃发展的同时，高光谱遥感也迅速兴起并成为遥感发展的主导趋势之一。 1.4研究目的与意义要利用遥感图像对植被参数进行反演,遥感图像预处理则是一个不可缺少的过程,而且预处理结果的好坏直接关系到遥感图像的分析精度。尤其对高光谱图像,图像预处理是必须和有意义的。一方面通过预处理,降低噪音,减少大气的影响,提高图像的数据质量;另一方面,将无价值的波段从图像中去除,从而减少波段数,降低计算量,提高图像的空间数据处理效率。本文针对Hyperion 图像存在的问题进行了校正和修复,获得了较好质量的图像,为图像的分析和实际应用提供了保障。结果表明,图像大气校正后光谱优化处理能进一步提高图像的质量。本论文将利用Hyperion高光谱数据和地面实测资料，对东京城林业局下属的芦苇河和梨树沟两个林场进行高光谱数据的预处理研究。第2章 研究区域选择与数据来源2.1 研究地选择与研究地概况根据Hyperion7.7x24km的扫描区域，将试验区域选择在能部分地覆盖林场且能包括研究所需要样地类型。黑龙江省东京城林业局，总面积约17928公顷，该地区有丰富的格局类型、植物种组成类型，有利于本研究的开展地面工作。2.1.1 研究区概况1 地理位置梨树沟和芦苇河为东京城林业局下属的两个林场，黑龙江省宁安市南部，牡丹江中上游，紧靠镜泊湖西岸，在牡丹江干流南接吉林省的敦化县西靠海林县，北连牡丹江市。林区在宁安县西南，东接杏山乡、江山娇林场，南与吉林省相连，西北有长汀等乡。山势起伏较大，坡度一般在15度20度之间，个别地区达30度以上。研究区域地理位置见图2-1图2-1 芦苇河林场和梨树沟林场地理位置2 自然地理概况 山脉：林场地处长白山北部支脉老爷岭西坡。地形以中、低山地貌为主，平均坡度1530，地势东高西低，海拔高度2481022米，平均海拔635米。 水系：为松花江一级支流牡丹江水系，最大的河流为缸窑沟河和花脸沟河，从西向东直接流入牡丹江。 气候：由于林场所处的地理位置，林区处于中温带，属大陆湿润性季风气候。气温的年变化较大，春秋风大，季节短，夏季温热多雨，冬季寒冷干燥。林区年平均气温大体在-ll之问，冬季受冷空气影响，冷风吹越林区，造成气温低、寒冷时间较长的冬季寒冷干燥的气候特点。结冻期一般在12月10日至4月20日。这段时间里，平均气温在-19.4，最冷月份为一月份，平均气温-2823，极端最低气温达-43，积雪深度 305Ocm，山体顶部可达8Ocm以上。土壤：研究地土壤分布有地带性土壤（如暗棕壤）和非地带性土壤(如草甸土、沼泽土等)两大部分，分布规律主要受地质、地貌、气候、植被的影响。一般沿河流和河谷低洼地向两侧呈现出带状分布，在河谷两岸有常年积水现象，由于地下水位高，排水不良，分布着大量的沼泽土，在山间低地和阶地主要分布有草甸暗棕壤化草甸上，在山坡的中部稍下分布着厚层典型暗棕壤和中层典型暗棕壤，中部以上为薄层典型暗棕壤或原始型暗棕壤，主要分布在山顶、山脊和陡坡的山地上，这里由于地势不同，决定了水热条件的差异，生长着不同的植被类型，因而发育成不同类型的土壤。植被：研究地林区是我国温带针叶、落叶阔叶混交林红松阔叶林的一部分。红松阔叶林为原生地带性项极群落，主要林分类型有针阔混交林、阔叶混交林、杨桦林。森林植物茂密，种类繁多，为我国提供了宝贵的植物资源。本项研究地区的主要森林植被类型划分为原生林和次生林两大类型。（1）原生林为该区的主要森林类型，虽然部分地区被择伐过，但在种类组成、植物区系组成成分和森林环境上，仍然保留着原始林的特点。森林群落结构复杂、地域分布规律性强，不同类型对立地条件的反映明显。因此，按群系林型组林型的分类系统，可划分为阔叶林、针阔混交林、阔叶红松林、针叶混交林、暗针叶林、灌木林、岳桦林等7个群系，9个林型组，18个林型。（2）次生林是原始的红松阔叶林，经长期反复破坏后，林地环境发生剧烈变化而形成的天然次生群落。它们对立地条件的选择不严，适应性尚不稳定，因此对立地条件的指示性不够明显。例如，在相同的立地条件上常出现不同的次生群落，或在相同的立地条件下出现相同的次生林群落。有些地段由于农垦撩荒或火烧迹地，根据其历史久暂，还出现了大面积的草本群落。所以，按立地类型组立地型次生林类型的划分方法，可将其划分为平坡组，缓坡组，陡急坡山脊组3个立地型组，5个立地型，16个次生林类型。野生动物：主要有野猪、狍子、狐狸、山兔、山鸡、飞龙、野鸭、林蛙等。2.1.2 研究区森林资源概况1 森林资源状况：经营总面积17928公顷。林业用地总面积15849公顷，其中有林地面积15192公顷，疏林地10公顷，未成林造林地487公顷，无林地157公顷，苗圃地3公顷。非林业用地2079公顷。森林总蓄积1303720立方米。森林覆盖率84.7%。 2 林分类型：森林木材资源主要林种有用材林、防护林、特种用途林、母树林等。植物101科706种，其中有蕨类植物12科16属28种；种子植物中裸子植物有2科5属11种；被子植物有83科283属667种。木本植物102种，草本植物604种。其中种类多，分布广的种有红松、云冷杉、落叶松等针叶树种及黄菠萝、水曲柳、胡桃揪、椴树等阔叶树种，还分布有国家重点保护植物人参、野大豆、刺五加、黄茂等8种。3 森林分类经营区划：在林业用地中，区划生态公益林面积8253公顷，占林业用地面积的52.1%。其中区划界定重点公益林面积6298公顷，占林业用地面积的39.8%；区划界定一般公益林面积1955公顷，占林业用地面积的12.3%。区划界定商品林面积7596公顷，占林业用地47.9%。 2.2 星载Hyperion高光谱数据2.2.1 数据的获取EO1卫星是 NASA“新千年计划”用于地球研究的首颗卫星,它展示了 21世纪地球观测卫星的新概念和新技术。其发射目的是为了对卫星本体和遥感器的新技术进行验证,进而为 21世纪地球观测卫星的设计和制造提供技术借鉴。EO1卫星质量 460kg轨道高度 705km,周期为 98min,太阳同步轨道,过境时间为当地时间上午 10: 13,倾角为 9812Hyperion是世界上第一台星载成像光谱仪 ,其应用状况受到 NASA的高度重视 ,在不同的应用领域都成立了科学研究小组 ,验证 Hyperion在各个领域的应用潜力。Hyperion以推扫的方式在可见光近红外 （4001000nm）和短波红外（9002500nm）分别成像。与太阳同步，通过赤道时的当地时间与Land-sat-7仅相差一分钟，每16天对全球覆盖一次。图2-2为EO1卫星与Landsat 7卫星轨迹平面图14-15。图2-2 EO- 1 卫星与LanclsaL 7卫星轨迹平面图根据USGS发布的消息，2004年可能是Hyperion遥感器运行的最后一年，所以，2004年完成对Hyperion数据的定购，同时定购ALI的数据，ALI有一个10m分辩率的全色波段，因为同时订购两种数据的费用比其单独定购低得多，所以将两种数据同时定购。搭载Hyperion遥感器的地球观测卫星(EO-1)和Landsat-7两颗星的图像每天至少有1-4景重叠，根据Landsat-7的飞行周期，定购89月无云天气的数据，根据USGS出台的定购规则，云覆盖面积高于25%即可免费获取下一周期的数据。2.2.2 数据的特点EO- 1上搭载了3种传感器，即高级陆地成像仪ALI(AdvancedLand Imager)、大气校正仪AC(Atmospheric Corrector)和高光谱成像光谱仪Hyperion。其中ALI的技术性能和用途与Landsat-7上的ETM+相当，构成对Landdsat数据的连贯性，并在数据质量和性能上均有所提高；LAC是用于大气水蒸气变化校正和卷云探测16，它用256X256个1nGaAs红外探测器组成聚焦平面，工作波段覆盖890nm-1600nm波长范围，分256个通道，空间分辨率250m；Hyperion光谱分辨率高达l0nm ,谱段多，连续覆盖可见光、近红外和短波红外，既可以用于测量目标的波谱特性，又可对目标成像17-18。目前世界有2台号称星载高光谱仪19：一是MODIS(中分辨率成像光谱仪)，装在EOS Terra卫星上；另一是FTHS1(傅里叶转换超光谱成像仪)，装在美国空军的MightySat-2.1卫星上。MODIS波段数为36个，波段范围400nm-1500nm，波段不连续，地面分辨率为250m-1100m ,FTHSl波段数为200多个，波段范围350nm-1050nm，波段连续，地面分辨率是30m ,与Hyperion类似，未覆盖很重要的短波红外区。Hyperion数据有220个彼此不重叠的(或称唯一的)波谱通道，覆盖了357nm-2 576nm波谱区20在可见光-近红外和短波红外区，分别用2套敏感元件收集信号，其间存在20个通道的重叠区，加上紫光和短波红外两端有些通道响应度低，数据使用价值小，故在系统处理时仅做了198个波段数据的辐射校正，即可见光近红外区的第8-57(中心波长为426.82nm-925.41 nm)通道，短波红外区的第77-224(中心波长为912.45nm-2395.50nm)通道。根据USGS最新标准，Hyperion成像的宽幅为7.7kmx42km，像元存储方式为256x242x3129,即按线交叉的方式存储。文件存储使用HDF(Hierarchical Data Format)格式，包含5个数据集：图像数据(image data)；波谱的中心波长数据(speotral center wavelengths)；波谱带宽数据(speotral band-widths)；传感器的增益系数数据(gain coefficients)以及一个标识数据(a flag mask)。 Hyperion是以推扫方式获取可见光近红外(VNIR,4001000nm)和短波红外(SWIR, 9002500nm)光谱数据，Hyperion 产品分两级：Level0和Levell, L0是原始数据，仅用来生产成L1产品，用户所使用的是L1产品，其特性见表1.1。表1.1 Hyperion L1 产品的特性说明波长3562577(nm)波段数242像元大小30图像大小2563129VNIR波段170(3561058nm)SWIR波段71242(8522577nm)数据类型2位有符号整型像元格式BILByte OrderNetwork(IEEE)文件大小800,427,520(bytes)Hyperion L1数据产品已经进行了辐射校正。在设计和处理遥感器数据时，Hyperion 采用了辐射传输方程，所以它的1R级产品记录的就是辐射能量值。它的DN值以16比特的有符号整型存储，单位是(W/mZ-sr-pLm)。但在进行辐射校正时，VNIR波段数据乘了一个比例因子40，而SWIR波段数据乘的比例因子为80。所以，在求算遥感器上的波谱辐射能量值时应以下式得出： （2.1） （2.2）其中：DN表示影像的灰度量化级值(灰度)；VNIR为可见光、近红外波段(波段数为1-70)；SWIR为短波红外波段(波段数为71-242)。2.3 本章小结本章介绍了Hyperion高光谱数据和地面实测资料即东京城林业局下属的芦苇河和梨树沟两个林场的高光谱数据资料。概括了研究地区的的地理环境，自然条件，植被状况等，并介绍了当地的社会环境，为该地区的高光谱数据提供了客观条件。本章还就EO-1 Hyperion数据的获取和该数据的重要特点做了比较详尽的说明。为下一步的数据预处理奠定了基础。第3章 高光谱数据预处理方法初探3.1 Hyperion 数据预处理Hyperion 数据预处理流程见图3-1 ,预处理后得到Hyperion 反射率图像。图3-13.2异常像元的定义Hyperion图像上非正常像元大致分为5类：像元值为零的波段，称未定标波段；一行或一列像元DN值为零或非常小的，称为坏线；像元DN值较小但不为零的、与周围有明显差异的带状现象，称之为条纹；由于光谱定标而产生的光谱差异，称为“Smile”效应；水汽影响严重,噪音大的波段,称水汽影响波段。Hyperion图像上非正常像元产生的因素很多,可能有传感器问题、数据转换过程出错、不适当的数据校正等原因。T.Han等人曾对Hyperion的L0级产品和L1级产品进行了比较，发现图像上非正常像元不是由L0级产品到L1级产品生产过程中产生的，因为在L1级产品上有的非正常像元在L0级产品上也存在。他们推断，可能的原因是传感器的定标问题。由于高光谱系统是推扫式成像, 而且光谱区VNIR和SWIR分别由两个传感器获取数据, 因此, 面阵CCD器件上的上万个探测元件的定标很困难。3.3 ENVI概述ENVI（The Environment for Visualizing Images）是一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具。获2000年美国权威机构NIMA遥感软件测评第一。1 强大的影像显示、处理和分析系统ENVI包含齐全的遥感影像处理功能：常规处理、几何校正、定标、多光谱分析、高光谱分析、雷达分析、地形地貌分析、矢量应用、神经网络分析、区域分析、GPS联接、正射影象图生成、三维图像生成、丰富的可供二次开发调用的函数库、制图、数据输入/输出等功能组成了图像处理软件中非常全面的系统。ENVI对于要处理的图像波段数没有限制，可以处理最先进的卫星格式，如Landsat7、 IKONOS、SPOT、RADARSAT、NASA、 NOAA、 EROS和TERRA，并准备接受未来所有传感器的信息。2 强大的多光谱影像处理功能 ENVI能够充分提取图像信息，具备全套完整的遥感影像处理工具，能够进行文件处理、图像增强、掩膜、预处理、图像计算和统计，完整的分类及后处理工具，及图像变换和滤波工具、图像镶嵌、融合等功能。ENVI遥感影像处理软件具有丰富完备的投影软件包，可支持各种投影类型。同时，ENVI还创造性地将一些高光谱数据处理方法用于多光谱影像处理，可更有效地进行知识分类、土地利用动态监测。3 更便捷地集成栅格和矢量数据ENVI包含所有基本的遥感影像处理功能，如：校正、定标、波段运算、分类、对比增强、滤波、变换、边缘检测及制图输出功能，并可以加注汉字。ENVI具有对遥感影像进行配准和正射校正的功能，可以给影像添加地图投影，并与各种GIS数据套合。ENVI的矢量工具可以进行屏幕数字化、栅格和矢量叠合，建立新的矢量层、编辑点、线、多边形数据，缓冲区分析，创建并编辑属性并进行相关矢量层的属性查询。4 ENVI的集成雷达分析工具助您快速处理雷达数据用ENVI完整的集成式雷达分析工具可以快速处理雷达SAR数据,提取CEOS信息并浏览RADARSAT和ERS-1数据。用天线阵列校正、斜距校正、自适应滤波等功能提高数据的利用率。纹理分析功能还可以分段分析SAR数据。ENVI还可以处理极化雷达数据，用户可以从SIR-C和AIRSAR压缩数据中选择极化和工作频率，用户还可以浏览和比较感兴趣区的极化信号，并创建幅度图像和相位图像。5 地形分析工具ENVI具有三维地形可视分析及动画飞行功能，能按用户制定路径飞行，并能将动画序列输出为 MPEG文件格式，便于用户演示成果。3.4 异常像元的校正3.4.1 未标定及水气影响波段的确定与剔除Hyperion图像的242波段中，辐射定标的波段为VNIR857，SWIR77224，没有定标的波段置为0值，它们是波段17、5876、25242。将定标波段提取出来生成一幅198个波段的图像。由于VNIR的波段5657和SWIR的波段7778重叠实际上只有196个独立的波段，且SWIR7778的噪音比VNIR5657的大, 通常保留VNIR5657, 而删除SWIR7778。于是生成一幅196个波段的图像，其对应原始波段为857和79224。高光谱遥感数据中,光谱范围13561417nm、18201932nm和大于2395nm的波段受水汽的影响较大,在这些波段中,极少包含地面信息。因此,需把它们剔除。而对Hyperion数据,受水汽影响的波段为：121127、167178和224 ,共20个波段。剔除受水汽影响的波段后,剩下176个波段，即：857、79120、128166、179223。被剔除波段和保留波段及其波长范围分别见表3.1和表3.2。表3.1 被剔除的Hyperion波段Hyperion 原始波段波长范围（nm）1735541658789361346121127135614261681781820193122424023952577表3.2 被保留的Hyperion波段Hyperion 原始波段波长范围（nm）8574269267912093313461281661427181017922319422385总计：1763.4.2 坏线的修复由于传感器的标定还存在一定的错误，在Hyperion的L1级产品中，仍然存在不正常的数据。通常将无数据或数据值非常小的一行或一列成为坏线。对176个波段的Hyperion 图像进行逐波段的检查,并记录有坏线存在的波段和对应的列号,检查结果见表3.3。然后,用其相邻行或列的平均值修复,坏线修复前后的图像比较见图3-2。3.4.3 像元DN值到绝对辐射值的转换Hyperion的L1产品数据集，以有符号的整型数据记录，数值范围为-32767+32767。但是，实际上的地物辐射值很小，VNIR的最大辐射为750W/m2/sr/m ，SWIR的为350 W/m2/sr/m。因此, 产品生成时, 采用了扩大因子，VNIR和SWIR的因子系数分别为40 和8011。在分析应用Hyperion数据时，必须将像元值转换为绝对辐射值。首先，所有VNIR波段除以40后，生成一个新图像文件，所有SWIR波段除以80，生成另一个新图像文件然后，将两个图像文件合并，得到绝对辐射值图像。3.4.4 垂直条纹的去除Hyperion传感器是推扫型成像光谱仪，面阵CCD器件上的上万个探测元件的标定很困难，致使Hyperion图像除了坏线之外，多数波段都不同程度地存在许多条纹，尤其SWIR波段。条纹的像元DN值一般较小，但不为零。条纹的存在严重影响了图像的质量和图像的应用。在上述处理后保留的176个波段中，有不同程度条纹的波段达近百个。Hyperion的VRIN波段条纹较重、清楚，且较少；SWIR波段条纹较轻、隐约，且较多。图3-3为波段VNIR57和SWIR100的原始图像，从中可明显地看到条纹的分布。表3.3 Hyperion图像坏线的检查结果波段号列号波段号列号8-91，6，68，11477-22425610-111，6，114，199949212-261，114999127-2847，11411613729-351，114119-120239321，114124246391771907，112200-2017图3-2 SWIR 波段(1084nm)坏线修复前后图像图3-3试验区Hyperion 的VNIR波段(925nm)和SWIR 波段(1144nm) 原始图像1 去除方法怎样去除条纹或修复条纹是Hyperion图像预处理的一项重要工作。本研究中采用了一种称为“全局去条纹”的方法。其原理为：设为第K波段列的平均值，为第K波段列的标准差，而设和分别为“参考图像”对应的第K波段列的平均值和标准差。设传感器的增益为,偏移量为,则图像中第K波段的列、行的辐射值应修正为： （3.1）其中： （3.2） （3.3）在本研究中，将“参考图像” 的平均值和标准差分别用整个图像的平均值和标准差代替，即： ， （3.4）式中：为K波段整个图像的平均值，为K波段整个图像的平均标准差。首先通过计算可得到图像中任意K波段的和，利用上述公式则可以对图像的条纹进行校正。图像条纹去除前后比较见图3-3和图3-4，从中可以看到条纹去除的效果。图3-4 试验区Hyperion VNIR 波段(925nm)和SWIR 波段(1144nm) 条纹修复后图像2 条纹去除效果评价- MNF 最低噪声分离旋转(MNF ,Minimum Noise Fraction Rota2tion)是被用于判定图像数据内在的维数，隔离数据中的噪声，减少随后处理计算的需求。转换后数据空间可以被分为两部分：一部分与大的特征值和相对应的特征图像相关，其余部分与相差不大的特征值和噪声占主导地位的图像联系在一起。因此，可以从MNF波段检查图像噪音的多少。对Hyperion条纹去除前后的图像作MNF转换，并对条纹去除前后的MNF波段1和波段13进行比较(见图3-5)，从中可以明显地看到条纹去除的效果。原始图像的MNF 波段1和波段13上的噪音较大，条纹去除后的MNF波段1和波段13上噪音均减少了很多。图3-5原始图像的MNF波段1（A）和MNF波段13(B)与条纹去除后图像的MNF波段1(C)3.5 大气校正大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地表的真实物理模型参数，如地物反射率、辐射率、地表温度等。遥感成像的过程是一个复杂的过程。在成像的过程中 ,光信号在从太阳到传感器的过程中两次经过大气 ,不可避免受到大气的影响。由于大气的存在 ,太阳辐射经过气体分子的吸收和气溶胶粒子的散射 ,得到减弱 ,同时部分散射信号在直接或经过地物反射进入到传感器 ,又得到增强。反映在实际处理中 ,大气影响降低了图像的反差比 ,使图像可读性降低 ,增加了解译的困难 。图像是否需要进行大气校正，取决于图像的质量和其应用，如果图像的空间分布均匀，大气的影响是一致的，若只是用单时相的数据进行分类，或者根据相关矩阵判断地物的分离性，那么就没必要进行大气校正。相反，如果图像的空间分布不均匀，如部分区域有薄雾出现，这时有必要进行大气校正，如果想对不同时相的图像进行比较，或者进行图像与样地测量光谱或数据库光谱比较，那么大气校正是十分必要的。3.5.1基于遥感图像本身的反演方法在没有条件进行地面同步测量的情况下，借用统计方法进行图像相对反射率转换。从理论上来讲，基于图像特征的大气校正方法都不需要进行实际地面光谱及大气环境参数的策略，而是直接从图像特征本身出发消除大气影响，进行反射率，基于属于数据归一化的范畴。大气校正是相当复杂的，但在许多遥感应用中，往往不一定需要绝对的辐射校正，这种基于图像的相对校正就能满足其要求。LRC（Log Residual Correction）对太阳辐射衰减、大气影响及地形因子所带来的偏差都有所消除。此外，基于遥感影像波段间数学运算的植被指数如NDVI（归一化植被指数）、ARVI（大气阻抗植被指数）等，可部分校正大气程辐射和因大气路径长度不同而产生的变形差异。这类方法要求已知或假定图像中某些像元的反照率值，以此来建立地表反照率和卫星观测值之间的关系，并假定整幅图像具有同样的大气条件，因而能够将这个关系应用到整幅图像中。3.5.1.1直方图匹配法直方图匹配法(histogram matching methods)是指如果确定某个没有受到大气影响的区域和受到大气影响的区域的反射率是相同的,并且可以确定出不受影响的区域,就可以利用它的直方图对受影响地区的直方图进行匹配处理。这种方法实施起来较简单、容易。在遥感图像处理软件ERDAS和PCI中都有这个功能。该方法的关键在于寻找2个具有相同反射率但受大气影响却相反的区域,而且它还假定气溶胶的空间分布是均匀的。因此如果能把范围较大的一景遥感图像分成很多小块,在分别用这种方法进行大气校正将取得更好的效果。3.5.1.2黑体目标法该方法的基本原理就是在假定待校正的遥感图像上存在黑暗像元区域、地表朗伯面反射、大气性质均一，忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下，反射率很小的黑暗像元是由于大气的影响，而使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气程辐射的影响产生的。其关键技术主要在于遥感图像中黑暗像元值有效地确定和大气校正模型的适当选择。利用黑暗像元值计算出程辐射，并代入适当的大气校正模型，获得相应的参数后，通过计算就得到了地物真实的反射率。如果区域存在水体或者浓密的植被时，经过大量的统计发现，中红外波段（2.1um）的这些植被、水体的像素及其反射率和可见光/近红外波段有很强的线性相关。由于在可见光/近红外波段处浓密植被和水体的反射率很低，在影像上为“暗目标”，因此该方法被称为黑体目标法，该方法具有很长的研究历史，并且也可能是目前使用最广泛的大气校正方法。MODIS、TM、ETM/ETM+都有成功使用该方法的实例（Kaufman Y.J,etal 2000;Lavreau J.,1999;Teilet P.M. AND edosejevsG.F.）。我国学者对黑暗像元法也进行了大量的研究。如张玉贵使用气象记录为辅助数据对黑暗地物作调整进行了 TM 影像的大气校正。茅荣正，倪绍祥等人用该方法进行了LANDSAT-7 ETM+影像大气校正，并用 IDL 算法实现。陈蕾，邓孺孺等人用基于地面耦合的黑暗像元法进行了 TM 影像的大气校正。王庆安等人在大气校正模型中，加入了大气吸收的影响因素在推算散射时不但考虑了瑞利散射、气溶胶的影响，还考虑了臭氧光学厚度的作用。田庆久等人在 DOS 方法的基础上，合理分析假设暗体反射率值，并结合 Lowtran-7、6S、Modtran-3 大气辐射传输模型进行大气模拟，研究并发展基于遥感影像信息的快速、经济、有效的大气辐射校正和反射率反演方法。刘小平，余前等人以山区阴影部分的植被作为黑体，先假设阴影区植被的反射率为 0，估算出大气散射对程辐射的贡献， 再利用迭代法对程辐射进行校正。3.5.1.3 固定目标法不变目标法(invariable-object methods)假定图像上存在具有较稳定反射辐射特性的像元，并且可确定这些像元的地理意义，那么就称这些像元为不变目标，这些不变目标在不同时相的遥感图像上的反射率将存在一种线性关系。当确定了不变目标以及它们在不同时相遥感图像中反射率的这种线性关系，就可以对遥感图像进行大气校正。Schott利用不变目标 DN 的平均值及标准差提出了一种估算这种线性关系的斜率和截距的方法。Hall提出利用 K-T 变换中的亮度分量和绿度分量来确定不变目标的方法。他们成功地应用了这种方法对 TM 图像进行了大气校正。Coppin等人利用该方法进行大气校正时假定了 5 种不变目标，清澈且深的贫营养化的湖泊、茂密的老红松树林、平广的沥青屋顶、无杂质的沙砾覆盖区、混凝土的路面或大型停泊场。PaxLenney等人通过该方法利用 10 景 TM 图像监测了埃及的土地利用变化，他们选择图像中黑暗水体和明亮沙地作为不变目标。Michener等人用相似的方法监测了由于洪水导致的森林生态系统的变化状况。我国对该方法也有研究，池宏康等人提出了利用裸沙土壤线对遥感图像进行大气校正的方法。该方法选择具有较稳定光谱反射特征的裸沙作为不变目标。并且找到裸沙在相同的红光和近红外波段组合的二维平面直角坐标中，该裸沙不断变化的反射率存在一种线性关系。该方法可应用于干旱、半干旱地区卫星遥感数据的大气校正。可以看出，不变目标法简单、直接，但它本质上属于一种统计的方法，是一种相对的大气校正方法。如果能有一些卫星过境时的实测资料辅助这种方法可以得到绝对的大气校正结果。3.5.1.4 查找表法该方法的主要原理是，把各种大气参数、卫星传感器获取的辐射以及地面辐射度（或反射率）之间的相互关系以查找表的形式预先存储（R.G。Holm,R.D.Jackson,etal,1989）.并假设卫星接收信号与地面辐射存在线性关系，虽然实际上在0.01.0反射率范围内，它们的关系称二次关系（Thome K.,etal,1998）,但是在小变化范围内可以近似认为它们是线性关系的（Slater P. and Jackson R.D.,1982）。如果进行大气校正，首先从其他获得诸如大气散射、吸收以及气溶胶的光学厚度等大气参数，利用这些参数，一般情况下，输入的这些参数值和LUT表不能完全匹配，因此利用分段线性拟合的方法来确定卫星观测辐射与地表辐射（或反射率）。该方法的优点是避免了求解辐射传输方程，而节约机时，同时保证了结果的可靠性，这种方法已经被用于陆地（Price J.C.,1984）和海洋上空的大气校正（Deschamps P. and Phulpin T.,1980）。3.5.1.5 对比度减少法并非所有的陆地上空都覆盖着浓密的植被而在影像上呈暗背景，尤其是对于那些干旱、半干旱和沙漠地区，由于地