第3章-地物光谱数据的重建.ppt

1、1,第三章 地物光谱数据的重建,3.1 遥感器定标 3.2 大气校正 3.3 太阳与地形校正 3.4 遥感影像的几何校正 3.5 影像匹配和镶嵌,辐射校正,2,光谱数据重建 原因：受到太阳位置、角度条件、大气条件、地形 影响及传感器本身的性能的影响，传感器所记录的数 据与目标的光谱反射率或光谱辐射亮度值并不一致。 将传感器记录的原始辐射值（DN值）转化为地 物反射率，恢复地物光谱数据本来的面目，称为地 物光谱数据重建。,3,地物光谱重建的过程就是辐射校正的过程：,4,3.1 遥感器定标,一般把消除传感器本身影响的辐射校正过程称之为辐射定标，即遥感器定标。 对高光谱定量遥感具有十分重要的意义，只

2、有经过精确的定标后，才能获取真实的地物物理参量，才能与不同的高光谱遥感数据，模拟数据进行对比分析。 具体形式：建立成像光谱仪每个探测元件输出的数字量化值（DN）与它对应视场中输出辐射亮度值之间的定量关系。,5,有下述公式：按照每个波段进行处理（第i个波段） 式中： 波段i的入瞳辐射能量； 波段i感器输出的亮度值； 波段i的定标增益系数； 波段i的定标偏置量。,6,遥感器定标主要包括三个阶段：实验室定标 和星上定标，场地定标 （1）实验室定标 是成像光谱仪在运行前在实验室所接受的 定标过程。实验室定标首先要进行光谱定 标，然后再进行辐射定标，辐射定标分为两 种形式：相对定标和绝对定标。,7,相对

3、定标：校正遥感器中各个探测器元件响应度差异而对卫星遥感器测量到的原始数字进行归一化的工作。 绝对定标：通过各种标准辐射源，在不同波谱段建立成像光谱仪入瞳处光谱辐射亮度值与成像仪输出的数字值（DN）之间的定量关系。,8,（2）机上或星上定标,飞行之前的实验室定标会随着环境的变化而变化，由于受到发射的影响和空间工作的温度变化，发射前的定标关系发生变化，因此飞机或卫星上的定标也是必要的。 机上定标的内容和形式基本上与实验室定标是类似的，其中稳定的光源是主要因素。,9,（3）地面场定标,地面场定标：在遥感器处于正常运行条件下，选择辐射的定标场地，通过地面同步测量对遥感进行定标。对前面两项定标进行检验和

4、修正。,10,场地定标的原理：遥感器升空后，在定标场地选择若干像元区，测量成像光谱仪对应地物的各波段光谱反射率和大气光谱参量，利用大气辐射传输模型给出成像光谱仪入瞳处各谱带的辐射亮度，最后确定它与成像光谱仪对应的输出的数字量化值的关系，求解定标系数，并进行误差分析。,11,场地定标的技术流程： 1、获取空中，地面大气环境参数 2、计算气溶胶，大气水和臭氧含量 3、将测量，获取的数据带入大气辐射传输 模型，求取遥感器入瞳处的辐射亮度 4、计算定标系数 5、误差检验和分析,12,地面场定标方法,（1）反射率法 在卫星过顶时，同步测量地面目标反射率因子与大气光学特征参量，通过大气传输模型计算入瞳处辐

5、射亮度值。 （2）辐亮度法 把机载的辐射计测量的辐射度作为已知量，去标定飞行中卫星遥感器的辐射量，实现卫星遥感器标定。 （3）辐照度法 利用地面测量的向下漫射与总辐射度值来确定卫星遥感器的表观反射率，进而确定遥感器入瞳处辐射量度。,13,3.2 大气校正,大气辐射传输理论： 大气对太阳辐射的吸收，散射，辐射作用 大气散射集中在太阳辐射能量最强的可见光区。因此，散射是太阳辐射衰减的主要原因。 电磁波在传播过程中，如果通过两种介质的交界面，会出现反射现象。反射主要发生在云层顶部，取决于云量，而且各波段受到不同程度的影响，因此应尽量选择无云的天气接收遥感信号。 30%被云层反射回；17%被大气吸收；

6、22%被大气散射；31%到达地面。,14,大气辐射传输方程,大气对电磁辐射产生的散射和吸收是主要的辐射误差源，遥感图像的大气校正，主要是补偿大气在吸收与散射方面的瞬时影响(Green，1990)。 太阳光在到达地面目标之前，大气会对其产生吸收和散射作用。同样，来自目标物的反射光和散射光在到达传感器之前也会被吸收和散射。入射到传感器的电磁波能量除了地物本身的辐射以外还有大气引起的散射光。,15,16,17,大气辐射传输常用算法,一、大气辐射传输模型 1、5s模型： the simulation of the satellite signal in the solar spectrum，传统模型（

7、已淘汰）。 2、6s模型：second simulation of the satellite signal in the solar spectrum，输入多个参数：几何参数，气溶胶 模式，地面高度等,18,19,20,其他基于大气物理参数的模型 1、lowtran模型：大气辐射传输实用软件 2、modtran模型：对lowtran的改进 3、acorn模型：美国科罗拉多州ImSpec有限公司开发的一种基于图像处理的大气校正软件，实现图像辐射值到表观地表反射率的转换。,21,22,23,高光谱影像的大气校正模型,将遥感器获得的辐射亮度DN值转化为反射率值 1）线性回归模型 2）平面场模型 3

8、）内部平均法 4）对数残差模型 5）暗目标法,24,（1）线性回归模型：需要光谱均一，面积一定的两个目标，亮目标和暗目标。假设图像DN值与反射率存在线性关系： 求出系数k和b就能得到DN值与反射率的关系进行反射率的反演。 缺点：精度不高，特定条件下,25,（2）平面场（FF）定标模型 广泛应用于城乡光谱遥感数据处理当中，在影像中要求选择一块面积大，分布均匀（光谱响应平稳）的区域，然后对图像中每个像元去除这个区域的平均光谱辐射值： 通常平面场通过人工（ROI）来进行选择，比如 ENVI,26,（3）内部平均法 对整幅影像的光谱值进行平均，得到整幅图像的 平均参考光谱，每一个像元都去除以这个平均参

9、考 光谱，计算公式是： 适用于图像中，条件充分复杂的区域,27,（4）对数残差模型 目的主要是为了消除光照和地形因子的影响 是表征地面变化的地貌因子 是某处波段的光照因子 对上式进行对数运算可以得到： 利用这个式子可以均衡每次运算中的残差值,28,（5）暗目标法 假设图像中存在辐射亮度为0或者辐射亮度 很小的暗目标。通过比较各波段直方图，将相应 波段中最小值与暗目标的差，为大气辐射影响。 1978年Ahern等利用清澈的水体影像作为暗 目标提取大气光学信息进行大气辐射纠正。,29,一、太阳位置引起的辐射校正 通过太阳高度角将太阳光线斜照射时获取的 影像校正为太阳光垂直照射时获取的影像。 二、地

10、形起伏引起的辐射校正 将影像的像素值与对应的入射角进行拟合， 从而确定DN值与入射角之间的关系。然后将拟 合的结果投影到水平面上，以此作为校正的标 准。,3.3 太阳与地形校正,30,3.4 遥感影像的几何校正,几何畸变：遥感图像在几何位置上发生了变化，产生行列不均匀，像元大小与地面大小对应不准确，地物形状不规则 变化。 产生畸变的图像给定量分析及位置配准造成困难。在应用遥感图像之前，必须将其准确投影到需要的坐标系中。 遥感影像变形的原因：,31,（1）遥感平台位置和运动状态变化,32,（2）地形起伏影响,33,（3）地球表面曲率的影响,像点位置的移动,像元对应于地面宽度的不等,34,（4）大

11、气折射的影响,35,（5）地球自转的影响,36,几何畸变校正,37,几何纠正分为：粗校正和精校正两个阶段 遥感数据接受后，首先由接受部门进行校正，这种校正往往根据遥感平台、地球、传感器的各种参数进行处理（粗加工）。 遥感图像的粗加工处理是纠正系统误差，即把与传感器有关的测定的校正数据带入相应的构像方程。粗加工处理对传感器内部畸变的改正很有效，但是处理后仍有很大的残差（系统误差和偶然误差），而用户拿到这种产品后，由于使用的目的不同或投影及比例尺不同，仍旧进一步做几何校正（几何精校正）。,38,（1）高光谱遥感数据的粗校正,也称为系统纠正，利用成像光谱仪的校准参数， 位置参数、平台姿态等测量值代入

12、校正公式里 面，把原始图像纠正到所要求的地图投影坐标系 当中，一般分为5个步骤： 1、在原始图像上划分格网，确定每个像素的格网坐标。 2、计算每个格网点的遥感器外方位元素。 3、将格网点坐标转换到地面直角坐标系 4、将地面直角坐标系转化为地图投影坐标 5、建立多项式纠正变换函数,39,粗纠正的缺点： 由于遥感平台外方位元素以及时间参数等往 往是估算，无法把握其精度，因此，粗纠正并非 真正意义上的几何纠正。,40,（2）高光谱遥感图像的精纠正,高光谱遥感图像的精校正：基于地面控制点来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的过程。 它包括两个环节： 一是像素坐标的变换

13、； 二是对坐标变换后的像素亮度值进行重采样。,41,直接纠正方法:从原始图像，依次对每个像元根据变换函数 F（），求得它在新图像中的位置。并将灰度值付给新图像的对应位置上。 间接纠正法:从新图像中依次每个像元，根据变换函数 f () 找到它在原始图像中的位置，并将图像的灰度值赋予新图像的像元。 二者并无本质区别，互为逆变换,一、坐标变换,42,1 基本思路 校正前的图像由于某种几何畸变，图像像元对应的地面距离并不相等。 校正后的图像也是由等间距的网格点组成的，且以地面为标准，符合某种投影的均匀分布。 因此，可以用一个适当的多项式来表达纠正前后图像中相应点之间的坐标关系。,间接纠正法：采取多项式

14、拟合,43,2 具体步骤 建立变换前图像坐标（x,y）与变换后图像坐标（u,v）的关系，通过每一个变换后的图像像元坐标计算出变换前对应的图像坐标点。显然，整数（u,v）的像元点在原图像坐标系中一般不在整数（x,y）点上。计算校正后图像中每一点所对应原图中的位置（x,y）。计算时按行逐点计算，每行结束后进行下一行计算，直到全图结束。 计算每一点的亮度值。由于计算后的（u,v）多数不在原图的像元中心处，因此必须重新计算新位置的亮度值。一般来说，新点的亮度值介于邻点亮度值之间，所以常常采用内插法计算。,44,3 计算方法（以多项式法为例）(反解法) 首先建立两图像像元点之间的对应关系，用数 学关系f

15、表示为二元N次多项式，记做：,通常数学关系表示为二元N次多项式：,45,实际计算中常常采用二元二次多项式， 其展开式为：,首先要计算出上面式的12个系数，这就需要12个方程，实际工作中发现，6个控制点是解线性方程的理论最低数，这样少的控制点较正后的图像效果差，因此在实际工作中，要增加控制点，控制点增加后计算结果有所改变，需采用最小二乘法，通过对控制点数据进行曲面拟合来求系数。,公式（1）,46,这里,代表,，L为控制点的个数，上式写成距阵形式记为：,同样以Y为主的距阵形式为：,47,依据最小二乘法进行求解系数矩阵的值，并进行 精度检验：,48,系数确定后，利用公式（1）便可以根据每一个像元点的

16、行列值,求出所对应的原图像对应的值,为了确定校正后图像上每点的亮度值，只要求出其原图点的亮度,不在采样点,49,二、重采样 采样方法： 1）最近邻法 2）双线性内插法 3）三次卷积内插法,50,1）最近邻法,图像中两相临点的距离为1，即行间距为1，列间距为1，取与所计算点（x,y）周围相临的4个点，比较他们与被计算点的距离，哪个点距离最近，就取哪个的亮度值作为（x,y）点的亮度值。设该最近邻点的坐标为（K，L），则： K=Integer(x+0.5) L=Integer(y+0.5) 式中，Integer为取整，于是点（K，L）的亮度值就作为点（x,y）的亮度值。 这种方法简单易用，计算量小，

17、在几何精度上精度为0.5个像元，但是处理后的图像的亮度具有不连续性，从而影响了精度。,51,原始图像,纠正后图像（最邻近插值）,52,53,实际计算时，先对全幅图像沿行依次计算每一个点，再沿列逐行计算，直到全部点计算完毕。双线性内插法虽然与最邻近法比起来其计算量增加，但是精度明显提高，特别是对亮度不连续现像或线状特征的块状化现像有明显的改善。但是这种内插法对图像起到平滑的作用，从而使对比度明显的分界线变的模糊。,54,双线性插值,原始图像,纠正（双线性插值）,55,56,原始图像,几何纠正（三次卷积）,57,几种方法的优缺点,最近邻法：算法简单且保持原光谱信息不变；缺点是几何精度较差，图像灰度

18、具有不连续性，边界出现锯齿状； 双线性插值：计算较简单，图像灰度具有连续性且采样精度比较精确；缺点是细节丧失； 三次卷积法：计算量大，图像灰度具有连续性且采样精度比较精确。,58,一、 影像配准 影像配准：是指同一地区不同时刻的图像，或不同遥感器获得的多种 图像通过几何变换实现重叠，通常叫相对配准；将相对配准的多图像 纳入某一地图坐标系统，通常叫绝对配准。 多项式和共线方程遥感图像数字纠正方法可以实现多图像的几何配准，例如：采用多项式纠正，一旦在多图像上选择分布均匀、足够数量的一些同名影像作为相互匹配的控制点，就可以根据控制点解求多项式系数，实现一幅图像对另一幅图像的几何校正，从而达到多图像的几何配准。但是在很多情况下，很难找到准确可靠的控制点，所以多图像的几何配准，通常都采用相关函数的原理进行自动配准。 多图像自动配准的基本原理是根据对两个图像的近似性的量度，即在两个图像的相对移动中，找出其相似性量度值最大，或差别最小的位置作为图像配准的位置。,3.5 高光谱影像配准和镶嵌,59,多