第5講課題：遙感圖像的輻射處理（1）目的要求：1.了解輻射傳輸過程；2.了解產生輻射誤差的原因；3.了解輻射校正的原理重點：輻射校正的過程難點：輻射誤差的來源教學課時：2課時教學方法：授課為主、鼓勵課堂交流本次課涉及的學術前沿：圖像的增強處理1、遙感圖像的輻射校正概念：輻射校正是指消除或改正遙感圖像成像過程中附加在傳感器輸出的輻射能量中的各種噪聲的過程。遙感圖像的輻射誤差主要包括：-----傳感器本身的性能引起的輻射誤差；-----地形影響和光照條件的變化引起的輻 射誤差；-----大氣的散射和吸收引起的輻射誤差。

1、傳感器定標

所謂傳感器定標就是指建立傳感器每個探測元所輸出信號的數(shù)值量化值與該探測器對應象元內的實際地物輻射亮度值之間的定量關系 定標的手段是測定傳感器對一個已知輻射目標的響應定標的內容：

①強度(振幅)定標:確定傳感器的響應值 如: 輸出電平與輸入功率之比.②光譜定標:測量傳感器隨入射波長變化 的響應③空間定標:測量傳感器的調制傳遞函數(shù)

輻射定標分為:絕對定標和相對定標

---絕對定標需對目標作定量的描述,即要得到目標的輻射絕對值

---相對定標只要得出目標中某一點輻射亮度與其點的相對值傳感器本身輻射誤差校正公式為：

Vc=Ks[Vr-as(n)]/?s(n)

Vc為校正后的輻射值，Vr為校正前的輻射值,Ks為太陽校正系數(shù)，是常數(shù)，as(n)為濾波偏移值，是大氣散射影響或其他原因產生的附加輻射值，決定于檢測系統(tǒng)的大氣的干擾，

?s(n)為濾波增益，決定于檢測系統(tǒng)的波譜響應因素。絕對定標、相對定標

絕對定標是研究把傳感器輸出的數(shù)字值或遙感圖像高精度地轉換為物理量的技術?；谶b感圖像特征的絕對定標基于衛(wèi)星傳感器系統(tǒng)參數(shù)的絕對定標基于校正場的絕對定標模塊絕對定標在衛(wèi)星發(fā)射前后都要進行發(fā)射前實驗室或試驗場地發(fā)射后太陽標定器或地面標定場1)傳感器實驗室定標

在遙感定量化研究中，常常需要將空中遙感器接收到的電磁波能量信號直接與地物光譜儀接收到的電磁波能量信號及地物的物理特性聯(lián)系起來加以分析研究，這就需要對地面遙感器和空中遙感器進行實驗室定標。

2)遙感器星上內定標

光學遙感的星上內定標一般采用燈定標、太陽定標及黑體定標。其優(yōu)點可對一些光學遙感實時定標，不足的是，大部分星上定標都只是部分系統(tǒng)和部分口徑定標，沒有模擬遙感器的成像狀態(tài)，星上定標系統(tǒng)也不夠穩(wěn)定，也影響了定標精度。

3)遙感器場地外定標

即在遙感器飛越輻射定標場上空，在定標場選擇若干象元區(qū)，測量遙感器對應的各波段地物的光譜反射率和大氣光譜參量，并利用大氣輻射傳輸模型給出遙感器入瞳處各光譜帶的輻射亮度，最后確定它與遙感器對應輸出的數(shù)字量化的數(shù)量關系，求解定標系數(shù)，并進行誤差分析。

相對定標:是為了校正傳感器各個探測元件響應度差異而對衛(wèi)星傳感器測量到的原始數(shù)字計數(shù)值進行歸一化的一種處理過程

包括對衛(wèi)星傳感器本身的定標和校正以及針對不同傳感器或不同時間的遙感圖像數(shù)據(jù)融合或鑲嵌時，將不同圖像按照一定標準進行定標和校正。

(1)直方圖均衡化TM(2)均勻場景圖像法SPOT

植被指數(shù)真實性檢驗全球洋面氣溶膠真實性檢驗

定標前定標后2太陽高度角和地形影響引起的輻射誤差校正

太陽高度角和地形影響引起的輻射誤差,在多光譜圖像上可以通過兩個波段的比值基本消除其影響。3大氣校正

(1)基于地面場地數(shù)據(jù)或輔助數(shù)據(jù)進行輻射校正

在遙感成像的同時，同步獲取成像目標的反射率，或通過預先設置已知反射率的目標，把地面實況數(shù)據(jù)與傳感器的輸出數(shù)據(jù)進行比較，來消除大氣的影響。將地面測定的結果與衛(wèi)星圖像對應像元的亮度值進行回歸分析，其回歸方程為：L=a+bR

(2)大氣模型大氣模型計算復雜，并且需要有關大氣假設或成像時刻的大氣參數(shù)（氣壓，溫度，水汽，臭氧等），氣體中的懸浮物類型，高度，太陽高度角，傳感器的視角等。

(3)利用波段特性來校正

A:回歸分析法在不受大氣影響的波段圖像和待校正的某一波段圖像中，選擇由最亮至最暗的一系列目標，將每一目標的兩個待比較的波段亮度值進行回歸分析，如MSS的第4和7波段,其亮度值分別為L4和L7，回歸方程為：y=a+bx

其中x，y為兩個波段圖像L7和L4灰度的平均值則大氣校正公式為：?4=L4-aX(L7)a4Y(L4)B:直方圖法若圖像中存在亮度為零的目標，如深海水體、陰影等，則其對應圖像的亮度值應為零，實際上只有在沒有受大氣影響的情況下，其亮度值才可能為零，其他目標由于受水氣散射、輻射使得目標的亮度值不為零。根據(jù)具體大氣條件，各波段要校正的大氣影響是不同的。

為確定大氣影響，顯示有關圖像的直方圖，從圖上可以得知最黑的目標亮度為零，即第七波段圖像的最小亮度值為零，第四波段的亮度最小值為a4，則a4就是第四波段圖像的大氣校正。其它波段同理可以得到大氣校正遙感圖像輻射增強

遙感圖像增強是為特定目的，突出遙感圖像中的某些信息，削弱或除去某些不需要的信息，使圖像更易判讀。圖像增強的實質是增強感興趣目標和周圍背景圖像間的反差。它不能增加原始圖像的信息，有時反而會損失一些信息。它也是計算機自動分類一種預處理方法。數(shù)字圖象

數(shù)字圖像直方圖:以每個像元為單位，表示圖像中各亮度值或亮度值區(qū)間像元出現(xiàn)的頻率的分布圖。一、直方圖變換

直方圖a圖像直方圖靠近低灰度區(qū)，該圖像屬于低反射率景物圖像；b圖像為高反射率景物圖像；c圖像直方圖標準差偏小，為低反差景物圖像；d圖像直方圖的標準差較大，為高反差景物的圖像；e圖像直方圖呈現(xiàn)出多峰，圖中有多種地物出現(xiàn)的頻率較高；f圖像直方圖呈現(xiàn)出雙峰，并且高亮度地物（如云、白背景等）出現(xiàn)頻率高。正態(tài)分布：反差適中，亮度分布均勻，層次豐富，圖像質量高。偏態(tài)分布：圖像偏亮或偏暗，層次少，質量較差。小結

圖像直方圖是描述圖像質量的可視化圖表。在圖像處理中，可以通過調整圖像直方圖的形態(tài)，改善圖像顯示的質量，以達到圖像增強的目的?；叶茸儞Q是一種簡單而實用的方法。它可使圖像動態(tài)范圍增大，圖像對比度擴展，圖像變清晰，特征明顯，它是圖像增強的重要手段之一。

二灰度變換

直方圖均衡是將隨機分布的圖像直方圖修改成均勻分布的直方圖（圖6－2－5），其實質是對圖像進行非線性拉伸，重新分配圖像像元值，使一定灰度范圍內的像元的數(shù)量大致相等。1直方圖均衡直方圖均衡特點是：

(1)各灰度級所占圖像的面積近似相等

(2)原圖像上頻率小的灰度級被合并

(3)增強圖像上大面積地物與周圍地物的 反差，同時也增加圖像的可視粒度.

(4)如果輸出數(shù)據(jù)分段級較小，則會產生 一個初步分類的視覺效果。 (5)具體增強效果不易控制,只能全局均衡直方圖均衡前后的影像直方圖均衡前后的彩色影像2直方圖正態(tài)化

直方圖正態(tài)化是將隨機分布的原圖像直方圖修改成高斯分布,修改直方圖的方法與直方圖均衡類似，采用累加方法

3直方圖匹配直方圖匹配是通過查找表使得一個圖像的直方圖與另一個圖像直方圖類似，亦屬于非線性變換。

直方圖的匹配對在不同時間獲取的同一地區(qū)或鄰接地區(qū)的圖像；或者由于太陽高度角或大氣影響引起差異的圖像匹配很有用。特別是對圖像鑲嵌或變化檢測有用。為了使圖像直方圖匹配獲得好的結果，兩幅圖像應有相似的特性：(1)．圖像直方圖總體形狀應類似；(2)．圖像中黑與亮特征應相同；(3)．對某些應用，圖像的空間分辨率應相同；(4)．圖像上地物分布應相同，尤其是不同地區(qū)的圖像匹配。如果一幅圖像里有云，而另一幅沒有云，那么在直方圖匹配前，應將其中一幅里的云去掉。待匹配的影像匹配后的影像參照影像分別的直方圖4亮度反轉處理 灰度反轉是指圖像灰度范圍進行線性或非線性取反，產生一幅與輸入圖像灰度相反的圖像，其結果是原來亮度的地方變暗，原來暗的地方變亮。5線性變換

在改善圖像對比度時，如果采用線性或分段線性的函數(shù)關系，那么這種變換就是線性變換。調整線性參數(shù)，改變變換效果分段式線性變換三、彩色變換

把數(shù)字圖像組合轉換成彩色圖形，或者把各種增強或分類圖像組合疊加，以彩色圖像顯示出來。（彩色的視覺分辨能力比黑白高）

1:彩色合成(多波段色彩變換)根據(jù)每個象元數(shù)據(jù)值的大小和性質，分別歸入計算機規(guī)定的程序中，賦給每個象元一種顏色，經計算機處理，輸出按順序排列的彩色象元點陣，這就是彩色合成圖象。

彩色合成技術就是利用眼睛的視覺特性，以少數(shù)幾種色光或染料合成出許多不同的顏色。彩色合成一般是用紅、綠、藍三種基本色調

色彩是由色度（顏色種類）、亮度（色彩明亮度）和飽和度（色彩深淺）三個指標來衡量的。要重現(xiàn)物體的天然色彩或進行假彩色合成，必須對彩色進行分解，以獲得紅、綠、藍三基色分光圖象，然后用加色法或減色法還原成本來的顏色。

加色法是以紅、綠、藍三基色中的兩種以上色光按一定比例混合，產生其它色彩的彩色合成法。 兩種基色按等量疊加得到一種補色：紅+綠=黃，紅+藍=品紅，綠+藍=青紅+綠+藍=白(消色)非互補色不等量疊加，得到兩者的中間色 紅（多）+綠（少）=橙紅（少）+綠（多）=黃綠

減色法

是指從白光中減去其中一種或兩種基色光而產生其它色彩的彩色合成法。減色法一般用于顏料配色，如彩色印刷、染印彩色象片等。

ETM3ETM4ETM5

合成影像TM1TM2TM3TM4TM5TM6TM7TM7,4,1TM5,7,2TM5,4,3TM4,3,21)密度分割概念：單波段黑白遙感圖像可按亮度分層，對每層賦予不同的色彩，使之成為一幅彩色圖像。這種方法又叫密度分割。分層方案的確定：分層方案與地物光譜差異對應合適，可以較好地區(qū)分地物類別。2:偽彩色增強技術(單波段彩色變換)輸入圖像顯示直方圖確定分割的等級數(shù)，并計算分割的間距像元亮度值轉換為像元新值賦色

過程以不同的色彩表示圖像的色調變化，增強了圖像的顯示能力同一地物或現(xiàn)象可能被分割成兩種不同密度并以不同的顏色顯示出來，或同一色彩卻表示兩種以上不同的地物，造成判讀錯誤。

效果分析3、IHS變換RGB模式與IHS模式將RGB模式轉換成IHS模式，對于定量地表示色彩特性，以及在應用程序中實現(xiàn)兩種表達方式的轉換具有重要意義。

I明度：是人眼對光源或物體明亮程度的感覺。 物體反射率越高，明度就越高。

H色調：是色彩彼此相互區(qū)分的特性。

S飽和度：是色彩純潔的程度，即光譜中波長段是否窄， 頻率是否單一的表示。RGBIHSIHSRGB作業(yè)：1、名詞解釋：輻射校正、輻射誤差、輻射畸變2、試簡述對單波段圖像進行直方圖均衡化的具體步驟。3、偽彩色增強與假彩色增強有何異同點？第6講課題：遙感圖像的輻射處理（2）目的要求：1.了解輻射傳輸過程；2.了解產生輻射誤差的原因；3.了解輻射校正的原理重點：圖像的平滑和銳化難點：圖像融合教學課時：2課時教學方法：授課為主、鼓勵課堂交流本次課涉及的學術前沿：圖像的增強處理3圖像平滑

1:平滑--圖像中出現(xiàn)某些亮度值過大的區(qū)域，或出現(xiàn)不該有的亮點時，采用平滑方法可以減小變化，使亮度平緩或去掉不必要的亮點。均值平滑：將每個像元在以其為中心的區(qū)域內，取平均值來代替該像元值，以達到去掉尖銳“噪聲”和平滑圖像的目的。中值濾波：將每個像元在以其為中心的鄰域內，取中間亮度值來代替該像元值，以達到去掉尖銳“噪聲”和平滑圖像的目的。

在消除噪音的同時，還能防止邊緣模糊空間濾波：以突出圖像上的某些特征為目的，通過像元與周圍相鄰像元的關系，采取空間域中的鄰域處理方法進行圖像增強方法。圖像卷積運算：在圖像的左上角開一個與模板同樣大小的活動窗口，圖像窗口與模板像元的亮度值相乘再相加，得到新像元的灰度值。低通濾波4圖像銳化銳化—突出圖像的邊緣、線性目標或某些亮度變化率大的部分。羅伯特梯度：找到了梯度較大的位置，也就找到了邊緣，用不同的梯度值代替邊緣處像元的值，也就突出了邊緣。索伯爾梯度拉普拉斯算法定向檢測高通濾波垂直邊緣水平邊緣5

多光譜圖像四則運算

1．減法運算

Bm=BX－BY

其中BX、BY為兩個不同波段的圖像或者不同時相同一波段圖像。

*當為兩個不同波段的圖像時，通過減法運算可以增加不同地物間光譜反射率以及在兩個波段上變化趨勢相反時的反差。

*而當為兩個不同時相同一波段圖像相減時，可以提取波段間的變化信息。

2．加法運算B=

通過加法運算可以加寬波段，如綠色波段和紅色時段圖像相加可以得到近似全色圖像；而綠色波段，紅色波段和紅外波段圖像相加可以得到全色紅外圖像。3．乘法運算

B=(∏Bi)1/m

乘法運算結果與加法運算結果類似

4．除法運算Ｂ＝Ｂx／Ｂy

*通過比值運算能壓抑因地形坡度和方向引起的輻射量變化，消除地形起伏的影響；

I陰5/I陰7=ρ5E陰5/E陰ρ7=ρ5/ρ7I陽5/I陽7=ρ5E陽5/E陽ρ7=ρ5/ρ7

*也可以增強某些地物之間的反差，如植物、土壤、水在紅色波段與紅外波段圖像上反射率是不同的，通過比值運算可以加以區(qū)分

因此，比值運算是自動分類的預處理方法之一。5．混合運算

歸一化差分植被指數(shù)（NDVI）NDVI=(紅外-紅)/(紅外+紅)

例NDVI=(MSS7-MSS5)/(MSS7+MSS5)也稱為生物量指標變化，可使植被從水和土中分離出來。

(MSS6-MSS5)/(MSS6+MSS5)以消除部分大氣影響6多光譜圖像變換一K-L變換(Karhunen-Loeve)(主分量變換)

K-L變換:它是對某一多光譜圖像X.利用K-L變換矩陣A進行線性組合,而產生一組新的多光譜圖像Y.

Y=AX特點:變換后的主分量空間與變換前的多光譜空間坐標系相比旋轉了一個角度。新坐標系的坐標軸一定指向數(shù)據(jù)量較大的方向。

該變換的幾何意義是把原始特征空間的特征軸旋轉到平行于混合集群結構軸的方向上去。

達到數(shù)據(jù)壓縮、提高信噪比、提取相關信息、降維處理和提取原圖像特征信息的目的。主分量變換計算步驟如下：（1）計算多光譜圖像的均值向量M和協(xié)方差矩陣 C。（2）計算矩陣C的特征值λr和特征向量φr，（r=1，2，………,M）,M為多光譜圖像的波段 數(shù)。（3）將特征值λr按由大到小的次序排列，即 λ1>λ2>……>λm.（4）選擇前幾個特征值對應的幾個特征向量構造變換矩陣φn.（5）根據(jù)Ｙ＝φnX進行變換，得到的新特征影像就是變換的結果，X為多光譜圖像的一個光譜特征矢量。第一分量方差分布最廣，集中最多信息，第二分量次之。例:有三幅影像,其灰度為:P1[0111],P2[0001],P3[0001]其均值為:M1=(0+1+1+1)/4=3/4M2=1/4M3=1/4Σ=協(xié)方差:δ11=[(0-3/4)(0-3/4)+3(1-3/4)(1-3/4)]/4=3/16δ12=[(0-3/4)(0-1/4)+(1-3/4)(0-1/4)+(1-3/4)(1-1/4)+(1-3/4)(0-1/4)]/4=1/16

同理:δ11δ12δ133/161/161/16

δ21δ22δ23=1/163/16-1/16

δ31δ32δ331/16-1/163/16=λ1由|Σ-λE|=0

λ1=λ2=0.25

λ3=0.0625如只有P1,P2兩幅影像則:λ1=1/4,λ2=1/8當λ1=1/4,時:δ11δ12V11V11

δ21δ22

V11V11=4有:31V11V11

13V21V21V11=V21當λ2=1/8時,同理:

δ11δ12V12V12

δ21δ22

V22V22V12=-V22

=λ2A=

1-111Y=AX二K-T變換

是kauth-Thomas變換的簡稱，也稱穗帽變換.是一種坐標空間發(fā)生旋轉的線性變換，旋轉后的坐標軸指向與地面景物有密切關系的方向

主要針對TM圖像數(shù)據(jù)和MSS數(shù)據(jù).Y=A·XY=（ISBIGVIYIN）TX=（X4X5X6X7）

其中：ISB——土壤亮度軸的像元亮度值IGV——植物綠色指標軸的像元亮度值IY

——黃色軸IN

——噪聲軸Xi

——地物在MSS四個波段上的亮度值穗帽變換的變換矩陣根據(jù)經驗確定。Kauth和Thomas研究出的矩陣A具有如下形式：

0.4330.6320.5860.264-0.290-0.5670.6000.491-0.8240.533-0.0500.1850.2230.012-0.5430.809

土壤亮度變化軸ISB為穗帽的底邊，帽上面各部分反映了植物生長變化狀況，植物株冠的綠色發(fā)展到頂點（最旺盛時在帽頂）以后逐漸枯黃，枯黃過程是從帽頂沿著一些稱為帽穗的路徑回歸到土壤底線（因