遥感原理与应用-第5章遥感图像的几何处理第6章遥感图像辐射处理

第五章遥感图像的几何处理内容提纲•

遥感传感器的构像方程•

遥感图像的几何变形•

遥感图像的几何处理•图像间的自动配准和数字镶嵌

5.1遥感传感器的构像方程•遥感图像通用构像方程•

中心投影构像方程•全景摄影机的构像方程•推扫式传感器的构像方程•扫描式传感器的构像方程•侧视雷达图像的构像方程

5.1.1遥感图像通用构像方程•遥感图像的构像方程是指地物点在图像上的图像坐标(x，y)和其在地面对应点的大地坐标(X、Y、Z)之间的数学关系。根据摄影测量原理，这两个对应点和传感器成像中心成共线关系，可以用共线方程来表示。•这个数学关系是对任何类型传感器成像进行几何纠正和对某些参量进行误差分析的基础。图像(像点)坐标系o－xyf地面坐标系O－XYZ构像方程中的坐标系传感器坐标系S－UVW通用构像方程•

在地面坐标系与传感器坐标系之间建立的转换关系称为通用构像方程λp为成像比例尺分母f为摄影机主距5.1.2

中心投影构像方程中心投影构像方程正算公式反算公式旋转矩阵共线方程的意义•当地物点P、对应像点p和投影中心S位于同一条直线上时，正算公式和反算公式成立。

5.1.3全景摄影机的构像方程•全景摄影机影像是由一条曝光缝隙沿旁向扫描而成，对于每条缝隙图像的形成，其几何关系等效于中心投影沿旁向倾斜一个扫描角θ后，以中心线成像的情况，此时像点坐标为（

x，0，

－

f），所以其构像方程为：(a)倾斜角为0时的成像瞬间

(b)倾斜角不为0时的成像瞬间全景摄影机成像瞬间的几何关系

5.1.3全景摄影机的构像方程(x)

、(y)为等效的中心投影影像坐标θ

=

yp

/

fw

=

θ

5.1.4推扫式传感器的构像方程•行扫描动态传感器。在垂直成像的情况下，每一条线的成像属于中心投影，在时刻t时像点p的坐标为（

0、y、-f）

5.1.4推扫式传感器的构像方程•推扫式传感器的构成方程为：

5.1.4推扫式传感器的构像方程•

当推扫式传感器沿旁向倾斜固定角θ时•为获取立体像对，推扫式传感器要进行前后视倾斜θ扫描航向倾斜旁向倾斜沿旁向倾斜固定角θ

前后视倾斜θ扫描

5.1.5扫描式传感器的构像方程•

扫描式传感器获得的图像属于多中心投影，每个像元都有自己的投影中心，随着扫描镜的旋

转和平台的前进来实现整幅图像的成像。•由于扫描式传感器的光学聚焦系统有一个固定的焦距，因此地面上任意一条线的图像是一条

圆弧，整幅图像是一个等效的圆柱面，所以该

类传感器成像亦具有全景投影成象的特点。•任意一个像元的构像，等效于中心投影朝旁向

旋转了扫描角θ后，以像幅中心（

x＝0，y＝0）成像的几何关系。5.1.5扫描式传感器的构像方程

5.1.5扫描式传感器的构像方程

5.1.6侧视雷达图像的构像方程•

雷达往返脉冲与铅垂线之间的夹角为θ

,

oy为等效的中心投影图像，f为等效焦距。侧视雷达图像成像转换为旋转了θ角的中心投影，此时像点坐标为x=0，y=rsin

θ

,

等效焦距f=rcos

θ5.1.6侧视雷达图像的构像方程

5.1.7基于多项式的构像方程

5.1.7基于多项式的构像方程多项式构像方程的缺点

5.1.8基于DLT的构像方程

5.1.9基于RFM的构像方程

5.1.9基于RFM的构像方程

5.1.9基于RFM的构像方程

5.1.9基于RFM的构像方程

5.2遥感图像的几何变形•遥感图像成图时，由于各种因素的影响，图像本身的几何形状与其对应的地物形状往往是不一致的。•遥感图像的几何变形是指原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的形变。•研究遥感图像几何变形的前提是必须确定一个图像投影的参照系统，即地图投影系统。

5.2遥感图像的几何变形•

静态误差：传感器相对于地球表面呈静止状态时所具有的各种变形误差。•

动态误差：由于地球的旋转等因素所造成的图像变形误差。•内部误差：由于传感器自身的性能技术指标偏移标称数值所造成的。•

外部变形误差：

由传感器以外的各种因素所造成的误差，如传感器的外方位元素变化，传感器介质不均匀，地球曲率，地形起伏以及地球旋转等因素引起的变形误差。

5.2遥感图像的几何变形•传感器成像方式引起的图像变形•传感器外方位元素变化的影响•地形起伏引起的像点位移•地球曲率引起的图像变形•

大气折射引起的图像变形•地球自转的影响•

传感器的成像方式–中心投影，全景投影，斜距投影、平行投影•中心投影–

点中心投影、线中心投影、

面中心投影•由于中心投影图像在垂直摄影和地面平坦的情况下，地面物体与其影像之间具有相似性（并不考虑摄影本身产生的图像变形），不存在由成像方式所造成的图像变形，因此把中心投影的图像作为基准图像来讨论其他方式投影图像的变形规律。5.2.1传感器成像方式引起的图像变形全景投影变形•

全景投影的影像面不是一个平面，而是一个圆柱面，相当于全景摄影的投影面，称之为全景面。dy

=yp'

-

yp

=f(θ-

tanθ

)斜距投影变形•

侧视雷达属斜距投影类型传感器，S为雷达天线中心，Sy为雷达成像面，地物点P在斜距投影图像上的图像坐标为yp，它取决于斜距RP

p

yp'

=f

tanθdy

=yp

-

yp'

=f(secθ-

tanθ

)以及成像比例λ。成像几何形态引起的图像变形

5.2.1传感器外方位元素变化的影响•

传感器的外方位元素，是指传感器成像时的位置（Xs,Ys,Zs）和姿态角(φ,

ω,

κ

)•

考虑到在竖直摄影条件下,

φ=

ω=

κ

≈0•

外方位元素变化所产生的像点位移

5.2.1传感器外方位元素变化的影响•dXs、dYs、dZs、

d

κ——线性变化•

dφ、d

ω——非线性变形对推扫式成像•一条影像线与中心投影相同，但x=0，因此可以得到推扫式成像仪像点位移公式对扫描式成像•外方位元素对成像的影响为x=0,y=ftanθ时的误差方程因此可以得到推扫式成像仪像点位移公式综合变形•

外方位元素随时间变化，产生很复杂的动态变形。整个图像的变形将是所有瞬间局部变形的综合结果。对侧视雷达•航向倾角dφ和方位旋角d

κ将使雷达波瓣产生沿航向的平移和指向的旋转，引起雷达对地物点扫描时间上的偏移和斜距的变化，因而造成图像变形。•旁向倾角d

ω不会改变斜距，只是地物反射信号的强度发生改变，并且使照射带的范围发生变化。

对侧视雷达

5.2.3地形起伏引起的像点位移•投影误差是由地面起伏引起的像点位移，当地形有起伏时，对于高于或低于某一基准面的地面点，其在像片上的像点与其在基准面上垂直投影点在像片上的构像点之间有直线位移。

δ

xh

=0

5.2.3地形起伏引起的像点位移即投影差只发生在y方向（扫描方向）。对于逐点扫描仪成像：对于推扫式成像仪，由于x=0，所以上方有：δ

xh

=0，而在y

5.2.4地球曲率引起的图像变形•地球曲率引起的像点位移与地形起伏引起的像点位移类似。只要把地球表面（把地球表面看成球面）上的点到地球切平面的正射投影距离看作是一种系统的地形起伏，就可以利用前面介绍的像点位移公式来估计地球曲率所引起的像点位移。D

2

=

(2R0

-Δh)ΔhΔh

<<

2R0

5.2.4地球曲率引起的图像变形5.2.4地球曲率引起的图像变形对中心投影图像的影响：

对多光谱扫描仪图像的影响

：对侧视雷达图像的影响

：

5.2.4地球曲率引起的图像变形•在考虑遥感影像的图像变形时，地球曲率引起的像点位移一般是不能忽略的。当利用共线方程进行几何校正时，由于已知控制点的大地坐标是以平面作为水准面的，而地球是个椭球体，所以需按上述方法对像点坐标进行改正，以解决两者之间的差异，使改正后的像点位置，投影中心和地面控制点坐标之间满足共线关系。大气层不是一个均匀的介质，它的密度是随离地面高度的增加而递减，因此电磁波在大气层中传播时的折射率也随高度而变化，使得电磁波的传播路径不是一条直线而变成了曲线，从而引起像点的位移，这种像点位移就是大气层折射的影响。5.2.5大气折射引起的图像变形5.2.5大气折射引起的图像变形•

大气折射对框幅式像片上像点位移的影响在量级上要比地球曲率的影响小得多•

对侧视雷达图像，大气折射的影响体现在两方向。第一是大气折射率的变化使得电磁波的传播路径改变；第二是电磁波的传播速度减慢，而改变了电磁波传播时间。•

大气折射引起的路程变化的影响极小，可忽略不计。而时间变化的影响，不能忽略，需加以改正。•在常规框幅摄影机成像的情况下，地球自转不会引起图像变形，

因为其整幅图像是在瞬间一次曝光成像的。•地球自转主要是对动态传感器的图像产生变形影响，特别是对卫星遥感图像。当卫星由北向南运行的同时，地球表面也在由西向东自转，由于卫星图像每条扫描线的成像时间不同，因而造成扫描线在地面上的投影依次向西平移，最终使得图像发生扭曲。5.2.6地球自转的影响

5.2遥感图像的几何处理•

概念：遥感图像作为空间数据，具有空间地理位置的概念。在应用遥感图像前，必须将其投影到需要的地理坐标系。

因此，遥感图像几何处理是遥感信息处理过程中的一个重要环节。•

重要性：随着遥感技术的发展，来自不同空间分辨率、不同光谱分辨率和不同时相的多源遥感数据，形成了空间对地观侧的影像金字塔。当处理、分析和综合利用这些多尺度的遥感数据、多源遥感信息的表示、融合及混合像元的分解时，必须保证各不同数据源之间几何的一致性，进行影像间的几何配准。

同时高分辨率遥感影像的出现对几何处理提出更高要求。

5.2遥感图像的几何处理遥感图像的粗加工处理•投影中心坐标的测定和解算•卫星姿态角的测定•扫描角θ的测定遥感图像的精纠正处理•

多项式纠正•共线方程纠正•SPOT图像的共线方程纠正

5.3.1遥感图像的粗加工处理•

遥感图像的粗纠正：仅做系统误差改正。•当已知图像的构像方式时，就可以把与传感器有关的测定的校正数据，如传感器的外方位元素等代入构像公式对原始图像进行几何校正。•

如多光谱扫描仪，其成像的公式为：•

粗纠正处理对传感器内部畸变的改正很有效，但处理后图像仍有较大的残差

5.3.2遥感图像的精纠正处理•概念：

消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。•

两个环节：–像素坐标的变换，即将图像坐标转变为地图或地面坐标；–

坐标变换后的像素亮度值进行重采样。遥感图像纠正处理过程•根据图像的成像方式确定影像坐标和地面坐标之间的数学模型。•根据所采用的数字模型确定纠正公式。•根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度。•

对原始影像进行几何变换计算，像素亮度值重采样。•目前的纠正方法有多项式法，共线方程法和随机场插值法等

一、遥感图像的多项式纠正•

多项式纠正回避成像的空间几何过程，直接对图像变形的本身进行数字模拟。•

遥感图像的几何变形由多种因素引起，其变化规律十分复杂，难以用一个严格的数字表达式来描述，而是用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系。本法对各种类型传感器图像的纠正是适用的。•

利用地面控制点的图像坐标和其同名点的地面坐标通过平差原理计算多项式中的系数，然后用该多项式对图像进行纠正。•

常用的多项式有一般多项式、勒让德多项式以及双变量分区插值多项式等。

一、遥感图像的多项式纠正•一般多项式纠正变换公式为•其中：x，y为某像素原始图像坐标；X，

Y为同名像素的地面（或地图）坐标。

一、遥感图像的多项式纠正•

多项式的项数（

即系数个数）N与其阶数n有着固定的关系：N=(n+1)

(n+2)/2•

多项式系数ai,bj

(i,j=0，1，2，

…

(N－

1))一般由两种办法求得：用可预测的图像变形参数构成；利用已知控制点的坐标值按最小二乘法原理求解。•

选用一次项纠正时，可以纠正图像因平移、旋转、比例尺变化和仿射变形等引起的线性变形。•

选用二次项纠正时，则在改正一次项各种变形的基础上，还改正二次非线性变形。•

选用三次项纠正则改正更高次的非线性变形。•

用已知地面控制点求解多项式系数•

遥感图像的纠正变换•

遥感图像亮度（灰度）值的重采样多项式纠正步骤列误差方程式V=AΔ

-

Lx

axV

=AΔ

-

Ly

b

y系数矩阵像点坐标求解多项式系数计算多项式系数所求变换系数构成法方程式精度评定遥感图像的纠正变换S

INC函数•

最近邻像元法•双线性内插法•双三次卷积法灰度重采样最近邻像元法双线性内插法双三次卷积法原始影像最临近法

双线性内插

双三次卷积重采样比较地形标准差（m）双线性内插（m）双三次卷积（m）300.4210.497500.6850.7011000.9540.8342002.4032.1373003.6093.1885004.3973.44210008.7886.842重采样比较不同地形下内插结果均方误差比较纠正前后的图像

二、遥感图像的共线方程纠正•共线方程纠正是建立在图像坐标与地面坐标严格数学变换关系的基础上的，是对成像空间几何形态的直接描述。该方法纠正过程需要有地面高程信息（

DEM），可以改正因地形起伏而引起的投影差。

因此当地形起伏较大，且多项式纠正的精度不能满足要求时，要用共线方程进行纠正。

二、遥感图像的共线方程纠正•在动态扫描成像时，由于传感器的外方位元素是随时间变化的，

因此外方位元素在扫描过程中的变化只能近似表达，此时共线方程本身的严密性就存在问题。所以动态扫描图像的共线方程纠正与多项式纠正相比精度不会有大的提高。

二、遥感图像的共线方程纠正•在航天摄影和卫星遥感的情况下，每幅图像所覆盖的地面范围很大，图像地物在地球切平面上的投影与其在地图上的投影之间有着不可忽略的形变差异，因此需要通过更严密的变换来建立地物的图像坐标与地图坐标之间的关系。•

由于各类卫星图像的星历参数都是按地心直角坐标提供，提出了建立以地心坐标系为基础的共线方程的问题。地心坐标系S－uvw像空间坐标系S,－XYZ地球切平面坐标系C－XCYCZC地心坐标系

R0平均地球曲率半径λ

星下点S,的地心经度

φ

星下点S,的地心纬度

Bs星下点S,的地理纬度

α

传感器在S时的航偏角切平面坐标系和地心坐标系

像空间坐标系相对于间的旋转变换矩阵

切平面坐标系的旋转变换矩阵以地心坐标系为基础的构像方程地物点P在切平面坐标系中的坐标地物点P在地心坐标系中的坐标星下点S

ˊ的地心坐标切平面坐标系（

1）绕

SS9旋转k

=

a

（2）绕

y旋转（3）绕z旋转=

-λk

旋转变换矩阵k

=

-λk

=

a总的共线方程M=D·A•

上式中等号的左端意义为等效的框幅摄影机图像坐标(x)和(y)，它的具体形式视不同传感器而变，并与本章第一节所介绍的各传感器共线方程等号左端的内容完全一致。总的共线方程共线方程参数的确定•

参数的选择•

第一组：Xcs,Ycs,Zcs,

λm,

φm,

αm•

第二组：Ls,Bs,Hs,

φ,

ω,

κ•

参数的解算•

利用可预测的参数来直接构成•

利用控制点通过最小二乘法原理解求随时间变化的表征函数•

上述共线方程参数的求解适用于静态传感器，因为整幅图像拥有相同的六个方位元素，通过有限的控制点可以解求出来。•

动态传感器成象是每一条扫描线图像（每个像素）有自己的一套共线方程参数，整幅图像可能含有很多的共线方程参数，以至最后不可解。•

通常把整幅图像成象过程中的共线方程参数的变化看作是成象时间t的连续函数，用其来表达任一时刻传感器的位置和姿态。该连续函数即称为共线方程参数的表征函数。随时间变化的表征函数•最常见的共线方程参数表征函数是一个以时间为变量的多项式，以Xs，Ys，Zs为例•

由于时间t的变化一般与扫描图像行的坐标x的变化成正比，所以往往用x代替t•SPOT图像是扫描行上的中心投影构象方式，外方位元素随时间或扫描行而变。三、SPOT图像的共线方程•

虽然不同扫描行的外方位元素不同，但SPOT卫星运行姿态平稳，运行速度和轨迹得到严格控制，为此li的外方位元素又可以表示为时间或行的线性函数：

中心行号外方位元素的变化率三、SPOT图像的共线方程中心行的外方位元素几点注意•

地面坐标是以图像中心相应地面点为原点的切平面坐标系；•

原始图像必须是1A级图像•

共线方程式只适用于所确定的一个具有一定间距的地面格网上的点，而不是针对每一个点•

切平面坐标系朝北方向为X正方向，朝东方向为Y正方向；•

解算外方位元素时，因图像坐标必须变换为以图像中心为原点，飞行方向为x负方向的图像坐标，将坐标单位换算为毫米。5.4

图像间的自动配准和数字镶嵌•

图像间的自动配准•

数字图像镶嵌•

配准的目的–

多源数据进行比较和分析，图像融合、变化检测。•

配准的实质–

几何纠正。采用一种几何变换将图像归化到统一的坐标系中。•

配准的方式–

图像间的匹配–

绝对配准5.4.1

图像间的自动配准配准步骤•

在多源图像上确定分布均匀，足够数量的图像同名点。–

特征点的提取–

特征点的匹配•

通过所选择的图像同名点确定几何变换的多项式系数，从而完成一幅图像对另一幅图像的几何纠正。–多项式纠正–小面元纠正–

数字微分纠正特征点的提取•特征点主要指明显的点，

角点、

圆点等•提取算子–

Moravec算子–

Forstner算子–

Harris算子•

计算各像元的兴趣值•

给定一经验阈值，将兴趣值大于该阈值的点作为候选点。•

选取候选点中的极值点作为特征点。影像窗口w×

wk

=INT(w

2)

IVc

,r

=min{V1,

V2,

V3,

V4

}Moravec算子•

Forstner算子通过计算各像素的Robert’s梯度和像素为中心的一个窗口的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。Forstner算子Forstner算子•

这种算子受信号处理中自相关函数的启发，给出与自相关函数相联系的矩阵M，M阵的特征值是自相关函数的一阶曲率，如果两个曲率值都高，那么就认为该点是角点。

G(s)

表示高斯模板②

表示卷积gx

和

gy

x

和y

方向的梯度Harris算子Harris算子•灰度分布的影像相关匹配•金字塔特征匹配特征点的匹配•通过计算模板图像和搜索窗口之间的互相关值，来确定匹配的程度，互相关值最大时的搜索窗口位置决定了模板图像在待匹配图像中的位置。影像相关匹配参考图像

A

搜索图像B•

兰氏距离•

平均绝对和•

相关系数•归一化相关系数•

标准相关系数•互信息

图像之间的相似性测度•该方法是将两幅原始图像生成两列分辨率依次降低的图像序列，从分辨率最低的层次开始进行匹配，找到匹配点后将其映射到上一层中的一个搜索区域，然后将两幅图像的分辨率提高一层，在此搜索区域内进行匹配，直到分辨率提高到与原始图像分辨率一致，此时得到的匹配点即认为是两幅图像的匹配点。金字塔特征匹配•SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。SIFT算法SIFT算法SIFT算法高级特征几何纠正•多项式纠正•小面元纠正•

数字微分纠正•

全自动地获取密集同名点对作为控制点，由密集同名点对构成密集三角网（

小面元），利用小三角形面元进行微分纠正，实现图像精确配准。•

特点是可在两个任意图像上快速匹配出密集、均匀分布的数万个乃至数十万个同名点。通过小面元微分纠正，实现不同遥感图像间的精确相对纠正，检测中误差一般不超过1.5个像素。小面元纠正•De

launay三角形是由与相邻Voronoi多边形共享一条边的相关点连接而成的三角形。De

launay三角形的外接圆圆心是与三角形相关的Voronoi多边形的一个顶点。

De

launay三角形是Voronoi图的对偶图。•De

launay三角形的准则是：任何一个De

launay三角形的外接圆的内部不能包含其它任何点。Denau

lay三角网小面元纠正数字微分纠正

Z是高程，由DEM内插求得数字微分纠正•

图像镶嵌：将不同的图像文件合在一起形成一幅完整的包含感兴趣区域图像。•不同时间同一传感器获取，也可以是不同时间不同传感器获取，但同时要求镶嵌的图像之间要有一定的重叠度。•

实质就是几何纠正（前提）5.4.2数字图像镶嵌•

图像的几何纠正•搜索镶嵌边•

亮度和反差调整•平滑边界线图像镶嵌步骤一维模板宽度为WK列N行的重叠区航空影像镶嵌卫星影像镶嵌•根据研究区域的大小或形状截取一部分图象•

裁剪指研究区域只占整个图像的一部分，这个区域有可能是规则的，也可能是不规则的。•

如果是规则的，则只要知道该区域的两个角点坐标就可以获取该区域的图像。•

如果是不规则的，则需要知道该区域的边界。5.4.3遥感图像的裁剪不规则边界的裁剪规则形状裁剪本章结束第六章遥感图像辐射处理内容提纲•遥感图像的辐射处理•遥感图像增强•

图像平滑•

图像锐化•

多光谱图像四则运算•

图像融合•

传感器接收的电磁波能量与目标本身辐射的能量是不一致的。•

传感器输出的能量包含了由于太阳位置和角度条件、大气条件、地形影响和传感器本身的性能等所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解造成影响，必须加以校正或消除。问题的提出基本概念•

辐射定标和辐射校正是遥感数据定量化的最基本环节。•

辐射定标：指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。•

辐射校正：指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。•

辐射误差•

传感器辐射标定•

辐射校正•

地面辐射校正场6.1遥感图像的辐射处理•传感器接收的电磁波能量包含三部分：–

太阳经大气衰减后照射到地面，经地面反射

后，又经大气第二次衰减进入传感器的能量–

地面本身辐射的能量经大气后进入传感器的能量–

大气散射、反射和辐射的能量。•遥感图像的辐射误差主要包括：–传感器本身的性能引起的辐射误差–

地形影响和光照条件的变化引起的辐射误差–

大气的散射和吸收引起的辐射误差6.1.1辐射误差•

绝对定标：对目标作定量的描述，要得到目标的辐射绝对值。绝对定标要建立传感器测量的数字信号与对应的辐射能量之间的数量关系，即定标系数，在卫星发射前后都要进行。•相对定标：只得出目标中某一点辐射亮度与其他点的相对值。又称为传感器探测元件归一化。为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。

由于传感器中各个探测元件之间存在差异，使传感器探测数据图像出现一些条带。相对辐射定标的目得就是降低或消除这些影响。6.1.2传感器辐射定标绝对定标方法•设传感器入口处波段i的辐射度Li和传感器输出的亮度值DNi之间存在线性关系：•

卫星运行时，传感器的辐射灵敏度将随时间而变，故传感器的绝对辐射定标中的增益和偏置量要不断更新。这一更新利用卫星上的太阳标定器和地面标定场来完成。Landsat专题制图仪TM的辐射定标•

TM1，2，3，4，5，7的辐射定标通过星上定标光源系统进行。该系统有三组带有遮光快门的定标光源，一个可控制黑体温度的表面供第六波段定标。快门还提供一个零辐射亮度的表面作为TM1，2，3，4，5，7波段的直流参考水准，并提供第二个已知温度表面供六波段定标。在TM遥感器正反扫描前的1.3~1.5毫秒时间间

隔内，探测器同时观测到定标辐射信号灯、直流参考水准和已知温源。前二者用于TM1，2，3，4，5，7波段定标而后者用于第六波段温度定标用。•影像的辐射校正•太阳高度角和地形影响引起的辐射误差校正•

大气校正•

系统噪音6.1.3辐射校正大气校正•

大气的影响：减少照射到地面的能量，增加对传感器探测到的，与地面特征无关的散射。•

消除大气的影响是非常重要的，消除大气影响的校正过程称为大气校正。•

校正的方法：•

寻找0反射目标•

条件：整个图像在相同的大气条件下获得。常用校正方法•1)

基于地面场地数据或辅助数据进行辐射校正•在遥感成像的同时，同步获取成像目标的反射率，或通过预先设置已知反射率的目标，把地面实况数据与传感器的输出数据进行比较，来消除大气的影响。本方法假设地面目标反射率与传感器所获得的信号之间属于线性关系。常用校正方法•2)

利用某些波段特性来校正其它波段的大气影响。••一般情况下，散射主要发生在短波图像，对近红外几乎没有影响，如MSS-7几乎不受大气辐射的影响，把它作为无散射影响的标准图像，通过对不同波段图像的对比分析来计算大气影响。•

在不受大气影响的波段图像和待校正的某一波段图像中，选择从最亮到最暗的一系列目标，对每一目标的两个波段亮度值进行回归分析，如MSS的第4和7波段，其亮度值分别为L4和L7，回归方程为：回归分析法直方图法•目标：

图像中存在亮度为零的目标。•

理想情况：

图像的亮度值应为零。•实际情况：

目标的亮度值不为零。•

方法：根据具体大气条件，各波段要校正的大气影响是不同的。为确定大气影响，显示有关图像的直方图,从图上可以得知最黑的目标亮度为零，即第七波段图像的最小亮度值为零，第四波段的亮度最小值为a4，则a4就是第四波段图像的大气校正。直方图法系统噪音•

图像数据中的干扰。•产生的原因：受感测、信号数字化或数据记录过程中的限制。•影响：数字图像质量下降，或完全掩盖图像中的真正辐射信息。•

目的：

图像恢复到与初始图像尽可能接近的状况。•方法：与噪音的特性有关•

关键：探测噪音系统的条带噪音•

当遥感数据进行辐射定标和辐射校正后，如何评价其精度，需要通过地面辐射校正场来对计算结果进行验证和修正。

因此通过地面辐射校正场来提高辐射定标和校正的精度具有特别重要的意义。–建立地面辐射校正场符合遥感数据定量化的需要–建立地面辐射校正场可以弥补星上定标的不足–满足多种遥感资料的应用需要6.1.4地面辐射校正场现有的定标场•一个完整的地面试验场对地理环境和技术准备有极高的要求。目前世界上比较典型的地面辐射场有：1979年美国在新墨西哥州白沙建立的地面辐射定标场，1987年法国在马赛西北La

Crau建立的地面辐射定标场。利用地面辐射定标场对有关的传感器进行了定标，取得了预期的成果。我国地面辐射校正场•

从二十世纪八十年代接收和应用国内外气象和陆地卫星数据时，

已认识到了在我国建立自己的地面辐射校正场的重要性和迫切性，以提高数据辐射定标和辐射校正精度。以后我国将发射自己的各类遥感卫星，因此建立地面辐射校正场具有十分重要的现实意义。•

我国根据需要选择了敦煌西戈壁作为可见光和红外波段的辐射校正场，青海湖作为热红外波段和红外低发射率的辐射校正场。中国气象局第7号令《气象探测环境和设施保护办法》•第十五条严禁在遥感卫星辐射校正场场区内从事任何建设和改变场区内自然状态的行为。本办法所称遥感卫星辐射校正场，是指利用辐射特性稳定、均匀的地物目标作为辐射参考基准，通过星地同步观测，对在轨运行遥感仪器进行绝对辐射定标或星上辐射定标校正的场地。•图像灰度直方图•图像反差调整6.2遥感图像增强•图像灰度直方图反映了一幅图像中灰度级与其出现概率之间的关系。6.2.1

图像灰度直方图•

线性变换•

直方图均衡•直方图正态化•

直方图匹配•

密度分割•其他非线性变换6.2.2

图像反差调整线性变换•简单线性变换：按比例拉伸原始图像灰度等级范围•

目的：为了充分利用显示设备的显示范围，使输出直方图的两端达到饱和。•特点：一对一关系，像元总数不变。•其数学表达式为：线性增强线性变换直方图均衡•将随机分布的图像直方图修改成均匀分布的直方图，其实质是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了直方图均衡直方图均衡直方图正态化•将随机分布的原图像直方图修改成高斯分布的直方图•

通过非线性变换使得一个图像的直方图与另一个图像直方图类似。•

要求–

1．

图像直方图总体形状应类似；–

2．

图像中黑与亮特征应相同；–

3．

图像的空间分辨率应相同；–

4．

图像上地物分布应相同，尤其是不同地区的图像匹配。如果一幅图像里有云，而另一幅没有云，那么在直方图匹配前，应将其中一幅里的云去掉。直方图匹配其他非线性变换•非线性变换有很多方法，如对数变换、指数变换、平方根变换、标准偏差变换、直方图周期性变换。密度分割•密度分割与直方图均衡类似。产生一个阶梯状查找表，原始图像的灰度值被分成等间隔的离散的灰度级，每一级有其灰度值。

n为密度分割的层数密度分割灰度反转•对图像灰度范围进行线性或非线性取反，产生一幅与输入图像灰度相反的图像。•结果：原来亮的地方变暗，原来暗的地方变亮。•灰度反转有两种算法：–简单的灰度反转–条件反转其中Din为输入图像灰度且已归一化（

0

-

1.0），Dout为输出反转灰度。•简单的灰度反转灰度反转•

条件反转•

目的：在于消除各种干扰噪声，使图像中高频成分消退，平滑掉图像的细节，使其反差降低，保存低频成分。•

邻域平均法•

低通滤波法6.3

图像平滑•基本思想：利用图像点（

x，y）及其邻域若干个像素的灰度平均值来代替点（

x，y）的灰度值，结果是对亮度突变的点产生了“平滑”效果。•邻域平均是基于图像上的背景或目标部分灰度的变化是连续的，缓慢的，而颗粒噪声使图像上一些像素的灰度造成突变。•通过邻域平均可以平滑突变的灰度。6.3.1邻域平均法•S为（

x，y）的邻域，可以取包含（

x，y）的3×3邻域、5×5邻域或7×7邻域等6.3.1邻域平均法•平滑计算可以用邻域内元素与其对应的权相乘后相加，用⊕表示，称为空间卷积•模板中各数值之和为1，即有平均的意思。6.3.1邻域平均法6.3.1邻域平均法•低通滤波法属于频域处理方法。•

图像中灰度跳跃变化区，对应着频率域中的高频成分，灰度变化缓慢的区域对应着频率域中的低频成分。

图像中的噪声，经图像变换后，对应高频成分。•低通滤波法是用滤波方法将频率域中一定范围的高频成分滤掉，而保留其低频成分以达到平滑图像的目的。6.3.2低通滤波法•

其中F（

u，v）是含有噪音的图像变换，G（

u，v）是平滑处理后的图像变换，H（

u，v）为滤波器。现在要选择一个合适的H（

u，v），经式6－3－3运算后使F（

u，v

）的高频

成分衰减以得到G（

u，v），经图像反变换得

到所希望的平滑图像。选择H（

u，v）是进行

低通滤波的关键。它必须具备低通滤波特性。6.3.2低通滤波法•由卷积定理可知•其中：D0是一个非负值，为理想低通滤波器的截止频率，D（

u，v）是从（

u，v）到频率域原点的距离理想的低通滤波•一个理想的二维低通滤波器为：理想的低通滤波•理想滤波器的含义是以截止频率D0为半径的圆内所有频率分量都能通过，截止频率以外的所有频率分量完全不能通过。•理想低通滤波器的平滑效果很明显。与空间域处理一样，也有使图像变模糊的现象，并且随D0减小其模糊程度加重。其它低通滤波器•

目的：增强图像中的高频成份，突出图像的边缘信息，提高图像细节的反差，也称为边缘增强，其结果与平滑相反。•

图像锐化方法：–

空间域处理–频率域处理6.4

图像锐化•锐化是对邻区窗口内的图像微分，常用的微分方法是梯度。6.4.1

空间域图像锐化空域锐化算子不同算子的边缘提取效果比较Sobel算子Prewitt算子

Roberts算子

Laplace算子原始图像空间域图像锐化•锐化在频域中处理称为高通滤波。它与低通滤波相反，保留频域中的高频成分而让低频成份滤掉，加强了图像中的边缘和灰度变化突出部分，以达到图像锐化的目的。在高通滤波中要选择一个合适的滤波器，使其具有高通滤波的特性。6.4.2频域图像锐化•式中D0意义同前，用图表示，其含义为把半径为D0内的所有低频安全滤掉，大于D0的所有频率完全通过。理想高通滤波器其他高通滤波器边缘增强边缘提取6.4.2频率域图像锐化

6.5多光谱图像四则运算•针对多源遥感图像的特点，可以利用多源图像之间的四则运算来达到增加某些信息或消除某些影响的目的。•

减法运算•加法运算•乘法运算•

除法运算•

混合运算减法运算•

Bm=BX－

BY•

其中BX、BY为两个不同波段的图像或者不同时相同一波段图像。•当为两个不同波段的图像时，通过减法运算可以增加不同地物间光谱反射率以及在两个波段上变化趋势相反时的反差。

而当为两个不同时相同一波段图像相减时，可以提取波段间的变化信息。•当用红外波段与红波段图像相减时，即为植被指数，即VI=B1R－

BR红外波段-红波段•通过加法运算可以加宽波段，如绿色波段和红色时段图像相加可以得到近似全色图像；•而绿色波段，红色波段和红外波段图像相加可以得到全色红外图像。加法运算

红波段+绿波段除法运算•

通过比值运算能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响；•

也可以增强某些地物之间的反差，如植物、土壤、水在红色波段与红外波段图像上反射率是不同的，通过比值运算可以加以区分。•因此，比值运算是自动分类的预处理方法之一。红波段/红外波段•归一化差分植被指数，也称为生物量指

标变化，可使植被从水和土中分离出来。•差分比值运算

，可以消除部分大气影响。混合运算•

图像融合：将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。6.6

图像融合融合的目的•从不同的遥感图像中获得更多有用的信息，补充单一传感器的不足。•全色图像一般具有较高空间分辨率（如

SPOT全色图像分辨率为10m），多光谱图像光谱信息较丰富（SPOT有三个波段），为提高SPOT多光谱图像的空间分辨率，可以将全色图像融合进多光谱图像。通过融合既提高多光谱图像空间分辨率（10m），又保留其多光谱特性。关键技术问题•

图像的配准–

空间配准–

数据关联•融合模型的建立与优化–

充分认识研究对象的地学规律与信息特征–

充分了解每中融合数据的特性，适用性和局限性–

如何考虑选择最佳波段用于融合•

融合方法的选择融合的层次•基于像素的融合，基于特征的融合，基于知识的融合融合分类三种融合层次特点比较遥感图像融合的条件•融合图像应包括不同空间和光谱分辨率•融合的图像应是同一区域•

图像应尽可能精确配准•在不同时间获取的图像中，其内容没有大的变化预处理包括两部分：图像几何校正与图像配准遥感图像融合流程图像配准图像融合识别后处理决策基础预处理图像

基于像素级的图像融合具体方法•

要求多源图像精确配准•分辨率一致•将图像按某种变换方式分解成不同级的子图像，同时，这种分解变换必须可逆，即由多幅子图像合成一幅图像，即为融合图像。这时多幅子图像中包含了来自其它需要融合的经图像变换的子图像。融合的方法•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基于像元的加权融合对两幅图像

Ii，Ij按下式进行：Iij'

=A(PiIi

+

Pj

Ij

)

+

BA

，B为常数；Pi，Pj

为两个图像的权， Pj

=1-

Pi

为两幅图像的相关系数：rij

=

σ

ij

/

σ

iσ

j加权融合•SPOT全色图像与多光谱图像的融合，由于多光谱中的绿、红波段与全色波段相关性较强，而与红外波段相关性较小，可以采用全色波段图像与多光谱波段图像的相关系数来融合。其过程如下：1.

对两幅图像进行几何配准，并对多光谱图像重采样与全色图像分辨率相同；2.

分别计算全色波段与多光谱波段图像的相关系数；

3.

用全色波段图像和多光谱波段图像按下式组合：

加权融合•

IHS变换将图像处理常用的RGB彩色空间变换到IHS空间。

IHS空间用亮度（

Intensity）、

色调（

Hue）、饱和度

(Saturation)表示。•

IHS变换可以把图像的亮度、

色调和饱和度分开，图像融合只在强度通道上进行，图像的色调和饱和度保持不变。基于HIS变换的图像融合•待融合的全色图像和多光谱图像进行几何配准，并将多光谱图像重采样与全色分辨率相同；•

将多光谱图像变换转换到HIS空间。•

对全色图像I9和HIS空间中的亮度分量I进行直方图匹配。•

用全色图像I9代替IHS空间的亮度分量，即HIS

-

>HI9

S。•

将HI9S逆变换到RGB空间，即得到融合图像。基于IHS变换的融合过程基于主分量变换的图像融合•

方法一•

对多光谱图像的多个波段进行主分量变换。变换后第一主分量含有变换前各波段的相同信息，而各波段中唯一对应各波段的部分，被分配到变换后的其它波段。•

将高分辨率图像和主成分第一分量进行直方图匹配，使高分辨率图像与主成分第一分量图像有相近的均值和方差。•

用直方图匹配后的高分辨率图像代替主成份的第一分量进行主分量逆变换。基于主分量变换的图像融合•

方法二•将高分辨率图像作为一个波段和多光谱图像组合一起进行KL变换，变换后图像信息的再分配达到高分辨率图像和多光谱图像的融合。基于主分量