利用校正板对无人机影像辐射校正

无人机影像上获取到的数据是反映传感器对光响应的数值特征（即DN值），但DN值与环境光强及相机参数有关，只有将其转换为反射率才能较好的反映地物的特征。一般的转换方法是使用二向反射率已知的校正板进行「单点比值」（只有一块校正板）和「统计回归模型」（多块校正板）进行校正

校正流程

这里以大疆P4M为例，主要涉及校正板照片的辐射校正、校正板数据提取、构建反射率回归模型、反射率计算

1.校正板辐射校正

首先对校正板的照片进行辐射校正，与一般的影像处理方式相同，辐射处理的主要目的是使影像之间具有可比性。但大疆在AE解锁情况下会根据光强调整曝光时间，使整个影像的亮度尽可能均一化，弱化多云天气的影响，所以这一步也可以忽略。不过搞研究的话还是做一下校正比较准确一些，具体校正流程如下

暗电流校正

暗电流校正比较简单，大疆P4M的xmp信息中Xmp.Camera.BlackCurrent为黑电平DN值为4096，只要讲整个影像的DN值减去4096即可

增益曝光时间校正

大疆多光谱相机的xmp信息中同样有「增益」Xmp.drone-dji.SensorGain「和曝光时间」Xmp.drone-dji.ExposureTime这个校正过程也比较简单，使用DN值乘以增益和曝光时间即可

暗角校正

在大疆说明文档里有对暗角多项式校正方法进行描述，其实其他相机的校正方法都大同小异，大疆的xmp信息中有暗角校正的多项式参数可以直接使用

辐射校正

由于大疆在xmp信息里有五个波段的辐射强度Xmp.drone-dji.Irradiance以及辐射传感器的增益Xmp.drone-dji.SensorGainAdjustment基于此就可以利用校正后的DN值除以矫正后的辐射值得到反射率。经过测试，这个反射率的值与校正板还是有很大的差异的，所以需要利用校正板再进行校正

2.校正板系数确定

我们获取到校正板的影像后经过前面的处理得到一个校正后的影像，然后需要提取特定校正版的反射率值，与实际的值进行建模来校正无人机影像的反射率，下面介绍使用ENVI来提取校正板的反射率

2.1加载图片

打开ENVI，导入图片，这里是两个校正板（反射率为25%和50%）

得到1-5分别代表蓝、绿、红、红边、近红外五个影像

2.2创建感兴趣区域（ROI）

选中左边的照片，右键创建ROI

分别在两个板子的中间建立两个ROI，其中ROI文件也可以存起来，下次还是这个图的话可以继续使用绘制完成后如图所示

2.3校正板反射率提取

之后右键提取到两个校正板的反射率（这里是第五个波段即近红外影像）

选择统计所有ROI将其余四个板子的反射率值获取到以后就可以选中所有图片，右键remove来去除，再加载下一批新的图片

2.4反射率校正

2.1-2.4介绍了获取辐射处理后校正板的反射率值（仅以近红外波段的为例，其他波段获取方法相同），这个是相机得到的原始值，我们可以将其录入Excel中以便于后期对整个影像进行校正

可以看到，虽然影像经过辐射处理后距离反射率的固定值还是有很大的差距，不过25%和50%的板子之间的差异基本上也是二倍关系，说明相机的响应还算是良好的线性关系。后面可以利用比值法或者建立回归模型来把我们利用辐射校准后的反射率校准为真实范围（即校正后两个校正板的反射率变为了25%和50%）

---

到这里校正板的工作基本完成，可以用ENVI的band math或者python编程对影像进行最终的校正得到真实反射率

参考 连接