遥感图像辐射定标

1/1遥感图像辐射定标第一部分辐射定标概念及重要性 2第二部分辐射定标方法分类 3第三部分大气校正原理及方法 6第四部分传感器响应函数校正 10第五部分反射率转换模型 12第六部分绝对辐射定标途径 14第七部分相对辐射定标方法 18第八部分定标精度评估及影响因素 21

第一部分辐射定标概念及重要性关键词关键要点【辐射定标概念】

1.辐射定标是指将传感器记录的数字信号（DN值）转换为物理辐射值（例如，辐射亮度、辐射率）的过程。

2.这涉及到使用已知的目标或辐射校准器来确定传感器响应函数，并应用该函数对图像数据进行校正。

3.辐射定标对于定量遥感分析至关重要，因为它允许用户比较不同传感器和图像获取时间捕获的辐射值。

【辐射定标重要性】

辐射定标的概念

辐射定标是遥感图像处理中一项重要的步骤，旨在将遥感图像中记录的原始数字值(DN)转换为物理测量值，例如地表反射率或辐射率。

通过辐射定标，可以消除各种影响图像辐射特征的环境和传感器因素，从而获得更准确、更可比的图像数据。这些因素包括大气散射、传感器增益和偏置以及太阳照度变化。

辐射定标的重要性

辐射定标对于以下应用至关重要：

*定量遥感分析：辐射定标使从遥感图像中提取准确的定量信息成为可能，例如地表温度、植被指数和地表类型。

*跨图像比较：通过消除环境和传感器因素，辐射定标允许对不同时间、不同传感器和不同平台获取的图像进行有效比较。

*图像合成：辐射定标是影像融合和多光谱图像合成等图像处理技术的基础，可产生具有更高信息含量的图像。

*目标检测和分类：辐射定标可提高目标检测和分类的准确性，因为准确的辐射测量可改善目标与背景之间的光谱可分性。

*物理模型的验证：辐射定标的图像数据可用于验证和校准气候、植被和水文等物理模型。

辐射定标方法

辐射定标有多种方法，包括：

*大气校正：消除大气散射和吸收的影响。

*传感器校准：确定传感器增益和偏置，从而将DN转换为辐射率或反射率。

*地面参考法：使用具有已知辐射特征的地面目标进行定标。

*辐射传输模型：利用物理模型来模拟辐射传输并估计地表反射率。

*交叉校准：将不同传感器之间或同传感器不同时刻之间的图像进行匹配和定标。

选择最合适的辐射定标方法取决于图像的类型、应用和可用的参考信息。第二部分辐射定标方法分类关键词关键要点【辐射定标方法分类】：

【绝对辐射定标】：

1.对遥感图像进行绝对辐射定标，得到图像实际表征的地物辐射亮度值。

2.需要使用已知辐射亮度值的标定源（如靶场、辐射仪等）进行定标。

3.考虑大气影响、仪器响应特性等因素，建立辐射定标方程，对图像进行定量化处理。

【相对辐射定标】：

辐射定标方法分类

简介

辐射定标是将遥感图像像素值转换为真实辐射或亮度值的过程，对于遥感图像定量分析至关重要。根据使用的参考信息，辐射定标方法主要分为以下三类：

1.绝对辐射定标

*采用外部辐射计（例如太阳辐射计或月球扫描仪）测量待定标图像中的特定地物或目标的真实辐射值。

*根据外部辐射计的观测值和图像中的相同位置，建立辐射度方程来计算每个像素的辐射值。

*常用于精确的辐射测量和定量遥感分析，但需要特定的设备和专业知识。

2.相对辐射定标

*使用图像本身中的信息来估计像素的辐射值。

*假设图像中某些物体或区域具有已知的辐射值（通常称为参考目标或标定场），然后将其他像素的辐射值与参考目标进行比较。

*常用的方法包括：

*历史归档信息：使用与研究区域相似的先前采集图像中的归档数据作为参考。

*辐射传输模型：利用大气模型和地表参数来估计像素的辐射值。

*相对辐射定标精度较低，但不需要外部辐射计，且适用于大多数遥感应用程序。

3.混合辐射定标

*结合了绝对和相对辐射定标方法。

*首先使用绝对辐射定标对图像进行粗略校正，然后使用相对辐射定标方法进行精细调整。

*这种方法可以提高辐射定标的精度，同时降低了对外部辐射计的依赖性。

具体方法

1.绝对辐射定标法

*太阳辐射计法：使用太阳辐射计测量太阳辐射，并根据太阳几何条件和大气参数计算地表辐亮度。

*月球扫描仪法：利用月球作为已知辐射源，通过月球扫描仪测量月球辐射，并根据月球相位和地球-月球距离计算地表辐亮度。

2.相对辐射定标法

*黑暗像素法：假设图像中最暗的像素代表地表零辐射值，然后根据图像中像素的亮度差异计算相对辐射值。

*亮像素法：假设图像中最亮的像素代表地表最大辐射值，然后根据图像中像素的亮度差异计算相对辐射值。

*直方图匹配法：将待定标图像的直方图与具有已知辐射值图像的直方图进行匹配，将像素值转换为辐射值。

*辐射传输模型法：利用大气辐射传输模型和地表反射率信息，估算每个像素的辐射值。

3.混合辐射定标法

*基于场景的辐射定标法：使用卫星接收的辐射数据或地面辐射观测数据进行绝对辐射定标，然后采用场景目标（例如湖泊或植被）进行相对辐射定标。

*分级辐射定标法：首先使用粗略的绝对辐射定标方法进行预处理，然后应用相对辐射定标方法进行精细调整。

选择原则

选择合适的辐射定标方法取决于应用程序的精度要求、可用信息和现有资源。一般来说，绝对辐射定标适用于需要高精度的定量分析，相对辐射定标适用于大多数遥感应用，混合辐射定标则提供了精度和效率之间的平衡。第三部分大气校正原理及方法关键词关键要点主题名称：大气校正原理

1.分析大气对遥感图像的影响，包括散射、吸收和路径辐射等效应。

2.了解大气校正的基本原则，如消除大气影响、恢复地表反射率和提高图像质量。

3.掌握大气校正的主要算法，如辐射传输算法、统计算法和机器学习算法。

主题名称：黑体法

大气校正原理及方法

大气校正旨在消除或减轻大气散射、吸收等影响，恢复遥感图像真实的辐射信息。

物理模型方法

辐射传输方程

辐射传输方程（RTE）描述了辐射通过大气的过程：

```

L(λ,ψ,φ;z)=L(λ,ψ,φ;0)e^(-τ(λ,z)/cos(ψ))+∫0^zL(λ,ψ',φ';z')e^(-(τ(λ,z)-τ(λ,z'))/cos(ψ))P(λ,ψ,φ;ψ',φ',z')dλ

```

其中，L(λ,ψ,φ)是大气顶端辐射亮度，L(λ,ψ',φ')是大气层内辐射亮度，τ(λ)是大气透射率，P(λ,ψ,φ;ψ',φ')是散射相函数。

使用RTE进行大气校正需准确估计атмосферную透射率和散射相函数，这通常需要辅助信息（如气象资料）。

大气辐射传输代码（RTM）

RTM是基于RTE构建的计算机程序，模拟大气的辐射传输过程。利用RTM，可以计算大气条件下遥感图像的辐射亮度，并与实测亮度对比，反演气溶胶光学参数。

统计模型方法

主成分分析（PCA）

PCA将原始遥感图像的多通道数据转化为一组不相关的正交分量。大气效应通常集中在低阶分量中，而地表信息则分布在高阶分量中。通过去除低阶分量，可以实现大气校正。

独立成分分析（ICA）

ICA类似于PCA，但假设数据源自统计独立的源。大气效应和地表信息通常具有不同的统计特性，因此可以使用ICA对其进行分离。

机器学习方法

神经网络

神经网络可以学习遥感图像与大气参数之间的复杂关系。通过训练神经网络，可以预测大气影响，并将其从图像中去除。

回归模型

回归模型建立大气参数与遥感图像亮度之间的关系。使用训练数据集，可以拟合回归模型，然后将其应用于新的图像进行大气校正。

其他方法

视线校正方法

该方法假设大气影响沿着观测路径是均匀的。通过测量地表上的已知目标，可以确定大气衰减和散射参数，并将其应用于其他目标。

暗像素法

该方法利用图像中黑暗的像素（通常对应于阴影或水体）来估计大气散射和吸收。假设这些像素仅接收散射辐射，因此可以计算大气影响并对其进行校正。

大气校正算法

6S算法

该算法是一个RTM，用于计算大气辐射传输。它考虑了气溶胶、气体吸收和散射等因素。

MODTRAN算法

该算法是一个RTM，提供大气辐射传输的详细模拟。它具有广泛的光谱分辨率和大气模型。

ATCOR算法

该算法基于视线校正方法，使用先验知识和辅助数据来估计大气影响。

FLAASH算法

该算法基于物理模型，同时利用了PCA和回归方法。它可以有效去除大气散射和吸收的影响。

DES算法

该算法基于ICA方法，将大气效应和地表信息分离开来。它适用于具有复杂大气条件的图像。

基于机器学习的算法

近年来，基于机器学习的算法在大气校正中取得了显着进展。这些算法使用深度学习等先进技术，从大规模数据集中学​​习大气与地表之间的关系。

大气校正数据集

*地面测量光谱仪（如AERONET）收集的气溶胶光学参数

*大气廓线探测仪（如CALIPSO）收集的大气气溶胶和云廓线

*高光谱遥感图像（如Hyperion、AVIRIS）包含丰富的辐射信息

注意事项

*大气校正是遥感图像处理中的一个重要步骤，可以提高图像质量和定量分析的准确性。

*大气校正方法的选择取决于数据集的性质、大气条件的复杂性和应用需求。

*大气校正算法的性能受输入数据的准确性和稳定性影响。第四部分传感器响应函数校正传感器响应函数校正

简介

传感器响应函数校正是在遥感图像辐射定标过程中，对传感器记录的原始辐射值进行校正，以补偿传感器固有的非线性响应特性，从而恢复真实的地表辐射值。

校正原理

传感器响应函数校正基于这样一个原理：传感器的输出辐射值与入射辐射值之间存在着非线性的关系，可以用一个响应函数来描述。该响应函数可以表示为：

```

L_s=F(L_in)

```

其中：

*L_s是传感器的输出辐射值

*L_in是入射辐射值

*F是传感器响应函数

校正的过程就是确定响应函数F，并使用它来反演真实的入射辐射值L_in。

校正方法

有两种主要的方法用于传感器响应函数校正：

1.使用校准场

这种方法使用一个已知反射率和辐射值的校准场。通过在校准场上采集图像，可以得到传感器对已知辐射值的响应值。然后，可以拟合响应函数，并将其用于校正其他图像。

2.使用维卡函数

维卡函数是一种数学函数，用于描述传感器的非线性响应。该函数具有三个参数：a、b和c，可以根据传感器的数据进行拟合。一旦确定了维卡参数，就可以使用它们来反演真实的入射辐射值。

校正过程

传感器响应函数校正通常涉及以下步骤：

1.获取校准数据：使用校准场或其他方法获取传感器的响应值。

2.拟合响应函数：使用校准数据拟合传感器响应函数。

3.反演真实辐射值：使用响应函数反演原始图像中记录的辐射值，得到真实的入射辐射值。

注意事项

在进行传感器响应函数校正时，需要注意以下事项：

*传感器类型：校正方法取决于传感器的类型。

*校准条件：校准场的条件（例如照明和温度）应与被校正图像的条件相似。

*维卡函数参数：维卡参数应根据传感器的特定响应特性进行拟合。

*校正误差：校正误差受多种因素的影响，例如校准数据的质量和拟合响应函数的精度。

结论

传感器响应函数校正是遥感图像辐射定标的关键一步，它可以补偿传感器非线性响应的影响，并恢复真实的地表辐射值。通过采用适当的校正方法和考虑校正注意事项，可以提高遥感图像的定量精度，为后续的图像分析和解释提供可靠的基础。第五部分反射率转换模型反射率转换模型

辐射定标的目的是将传感器记录的原始辐射值转换为地表目标的反射率值，从而获得目标的真实辐射特征。反射率转换模型旨在通过考虑入射辐射、目标反射特性和传感器响应等因素，将原始辐射值转换成反射率值。

基本原理

反射率转换模型的基本原理是基于辐射传递方程：

```

L=L_sr+L_a+L_p

```

其中，L为传感器接收到的辐射值，L_sr为目标反射的辐射，L_a为大气透过辐射，L_p为大气散射辐射。

反射率转换模型通过假设大气透过辐射和大气散射辐射是已知的或可以估计的，将辐射传递方程简化为：

```

R=(L-L_a-L_p)/L_sr

```

其中，R为目标的反射率。

反射率转换模型类型

常用的反射率转换模型包括：

*Lambertian反射率模型：假设目标是理想的Lambertian反射体，反射率在所有方向上都是相同的。

*双向反射率分布函数（BRDF）模型：考虑目标的非理想反射特性，描述反射率随入射和散射方向的变化。

*几何光学模型：使用几何光学原理模拟目标的反射过程，适合具有复杂几何形状的目标。

模型选择

选择合适的反射率转换模型取决于目标的反射特性、传感器类型和辐射条件。一般来说：

*对于均匀、粗糙的目标，Lambertian反射率模型可以提供准确的反射率估计。

*对于具有非理想反射特性的目标，需要使用BRDF模型或几何光学模型。

*在不同的大气条件下，需要考虑大气透过辐射和大气散射辐射的影响，并使用适当的大气校正算法。

反射率转换模型的应用

反射率转换模型广泛应用于遥感图像处理中，包括：

*地表特征提取：通过分析不同波段的反射率值，提取土地利用类型、植被覆盖度、地表温度等信息。

*生物物理参数反演：利用植被反射率与叶绿素含量、叶面积指数等生物物理参数之间的关系，反演这些参数。

*大气校正：通过估计大气透过辐射和大气散射辐射，消除大气影响，获得地表的真实反射率值。

反射率转换模型是辐射定标的关键步骤，为遥感图像的定量分析和地表特征的准确提取提供了基础。第六部分绝对辐射定标途径关键词关键要点太阳辐射传输模型

1.基于太阳辐射传输原理，建立辐射定标模型，考虑大气传输、传感器响应等因素。

2.利用辐射传输参数（如大气光学厚度、气溶胶光学厚度等）进行模型参数反演。

3.反演得到辐射定标参数，实现遥感图像的绝对辐射定标。

场观测量

1.对场观目标进行辐射测量，获取实地辐射值。

2.设计传感器安装平台，保证传感器与场观目标处于相同的视场条件下。

3.结合场观测量数据与遥感图像，建立辐射定标关系，实现遥感图像的绝对辐射定标。

目标辐射模型

1.根据目标的反射率、发射率等光学特性，建立目标辐射模型。

2.结合目标模型与辐射传输模型，建立目标辐射传输模型。

3.反演得到目标辐射传输参数，从而实现遥感图像的绝对辐射定标。

实验室定标

1.利用实验室辐射标准源，对传感器进行分光响应定标。

2.通过建立传感器响应模型，将分光响应定标结果转换为辐射定标参数。

3.结合实验室定标结果与发射率模型，实现遥感图像的绝对辐射定标。

跨传感器定标

1.采用光学方法或统计方法，建立不同传感器之间的辐射定标关系。

2.利用交叉定标传感器进行辐射定标传输，实现目标传感器的绝对辐射定标。

3.提高遥感图像的跨传感器兼容性和数据一致性。

趋势与前沿

1.机器学习与深度学习技术在辐射定标中的应用，自动化定标过程，提高效率和准确度。

2.高光谱遥感的辐射定标技术研究，探索高光谱图像的绝对辐射定标方法。

3.天基辐射定标平台的研究与发展，为遥感图像提供长期的辐射定标参考。绝对辐射定标途径

概述

绝对辐射定标旨在将遥感图像中的数字编号（DN）转换为真实地表辐射亮度值（L），这是一个至关重要的过程，可确保图像数据在定量分析中的准确性和可比性。绝对辐射定标有两种主要途径：利用参考面板和利用大气校正模型。

利用参考面板

原理：

这种方法利用地面放置的已知辐射特性（如反射率或发射率）的参考面板来定标图像数据。在图像采集期间，这些面板会与目标区域一同被成像。

过程：

1.测量参考面板的辐射特性：使用实验室或现场仪器，精确测量参考面板在各个波段的反射率或发射率。

2.采集参考面板的图像：在图像采集期间，获取包含参考面板的图像数据。

3.提取参考面板的数字编号：从图像中提取参考面板的DN。

4.计算校正参数：使用参考面板的已知辐射特性和DN，计算将DN转换为辐射亮度值的校正参数（例如，增益和偏移）。

5.应用校正参数：将校正参数应用于整个图像，将DN值转换为辐射亮度值。

类型：

*反射式参考面板：用于校正反射式图像，例如来自可见光和红外波段的图像。

*热辐射式参考面板：用于校正热辐射图像，例如来自热红外波段的图像。

利用大气校正模型

原理：

这种方法使用大气校正模型来计算图像中大气散射和吸收的影响。它通过去除这些影响来恢复地表辐射亮度值。

过程：

1.选择大气校正模型：根据图像采集条件和目标应用，选择适当的大气校正模型。

2.获取大气参数：收集大气参数，例如大气气溶胶量、水汽含量和臭氧浓度。这些参数可以通过大气模型、卫星数据或地面测量获得。

3.输入图像数据：将图像数据输入大气校正模型。

4.大气校正：模型使用大气参数和图像数据来计算和去除大气影响。

5.恢复地表辐射亮度：大气校正后，获得地表辐射亮度值的图像。

类型：

*辐射传输模型：利用辐射传输原理模拟大气散射和吸收过程。

*经验模型：根据统计分析和经验关系建立的经验模型。

*混合模型：结合辐射传输模型和经验模型的混合模型。

优势与劣势

利用参考面板

*优点：

*提供高度准确的校正参数。

*对大气条件不敏感。

*缺点：

*需要部署和维护参考面板。

*难以在所有场景中部署。

利用大气校正模型

*优点：

*不需要参考面板。

*适用于各种场景。

*缺点：

*可能不如参考面板法准确。

*需要准确的大气参数。

选择考虑因素

选择绝对辐射定标方法时，应考虑以下因素：

*准确度要求：所需结果的准确度水平。

*场景复杂性：图像中地表和大气条件的复杂性。

*数据可用性：参考面板的可用性或大气参数的获取可能性。

*成本和方便性：与每种方法相关的成本和部署便利性。

通过谨慎选择和应用绝对辐射定标方法，可以确保遥感图像数据的高准确性和可比性，从而为定量分析和理解地球表面提供可靠的信息基础。第七部分相对辐射定标方法关键词关键要点【相对辐射定标方法】

1.通过统计遥感图像中某个已知或可估计目标的灰度值分布，建立该目标反射率与灰度值的回归方程。

2.利用该回归方程，对图像中其他区域的灰度值进行转换，得到相对辐射定标后的图像。

3.相对辐射定标方法无需准确的辐射传输模型和大气校正模型，计算简单，适用于不同分辨率和覆盖区域的遥感图像。

【辐射率转换法】

相对辐射定标方法

相对辐射定标是一种将待校准图像的辐射值与参考图像的已知辐射值相比较的技术。这种方法基于两个基本假设：

1.待校准图像和参考图像的波谱特性相似。

2.待校准图像和参考图像的辐射值随时间稳定。

相对辐射定标方法通常包括以下步骤：

1.数据预处理

*几何配准：将待校准图像和参考图像几何配准，以确保它们的空间对应性。

*大气校正：校正大气散射和吸收对辐射值的影响。

*去除噪声：消除图像中的噪声和异常值。

2.辐射响应函数估计

*选择参考图像：选择辐射特性已知的参考图像，例如已定标的卫星图像或地面测量数据。

*提取区域：从待校准图像和参考图像中提取感兴趣区域（ROI）。

*计算响应函数：计算ROI中每个波段待校准图像与参考图像的辐射值比值。这称为辐射响应函数（RRF）。

3.辐射定标

*应用RRF：将待校准图像中的每个波段的辐射值乘以相应的RRF，以校准其辐射值。

*绝对定标：如果需要绝对辐射值，则可以将校准后的图像与已知辐射通量值的图像或地面测量数据进行对比。

相对辐射定标方法的优点：

*简单易行：相对辐射定标不需要对传感器进行精确的定标。

*成本低廉：这种方法不需要昂贵的设备或测量装置。

*时间高效：相对辐射定标比绝对辐射定标更省时。

*适用于多光谱图像：这种方法适用于具有多个波段的多光谱图像。

相对辐射定标方法的缺点：

*依赖于参考图像：校准结果的准确性取决于参考图像的精度。

*波谱相似性假设：该方法假设待校准图像和参考图像具有相似的波谱特性，这在实践中可能并不总是成立。

*辐射值稳定性假设：该方法假设待校准图像和参考图像的辐射值随时间稳定，这在某些情况下可能不成立，例如存在云或大气变化。

*可能存在误差累积：如果相对辐射定标过程重复进行，则误差可能会累积，导致不准确的校准。

应用

相对辐射定标方法广泛应用于遥感成像中，包括：

*卫星图像校正

*航空图像校正

*地面图像校正

*多源图像融合

*环境监测

*土地利用分类第八部分定标精度评估及影响因素定标精度评估

辐射定标精度的评估至关重要，它反映了定标过程的准确性。定标精度评估通常采用以下指标：

*绝对辐射定标精度：指地物实际辐射值与定标后影像中相应像元辐射值的偏差，通常以均方根误差（RMSE）或相对偏差（RPD）表示。

*相对辐射定标精度：指同一影像内不同像元辐射值的相对误差，通常以变异系数（CV）或信噪比（SNR）表示。

影响因素

辐射定标精度的影响因素主要包括：

1.辐射源稳定性：

辐射源（如太阳或实验室光源）的稳定性直接影响定标结果。不稳定的辐射源会导致定标过程中波段间的辐射能量分布变化，从而影响定标精度。

2.大气校正：

大气衰减和散射对遥感影像的辐射亮度会产生影响。如果大气校正不充分，定标后影像的辐射值可能存在偏差，影响定标精度。

3.传感器特性：

传感器的光谱响应函数、线性度和几何畸变等特性都会影响定标精度。传感器光谱响应函数不均匀或线性度差，会导致不同波段的辐射值误差较大。

4.定标模型选择：

不同的定标模型（如单线性、二次线性和维斯变换模型）对辐射定标精度有不同的影响。选择合适的定标模型至关重要。

5.定标样本选择：

定标样本的选择对定标精度有很大影响。样本应代表目标区域的辐射特征，且数量充足。样本分布均匀，可避免定标区域外的数