大疆DJI M3M P4M多光谱影像辐射标定光谱指数提取

概要

利用已有工具实现多光谱影像的辐射标定（转反射率）、影像拼接（镶嵌）、目标区域光谱信息提取和反演模型构建。

整体实现流程

1、影像辐射标定转反射率；
2、影像镶嵌；
3、目标区域（研究区）光谱信息提取；
4、反演模型构建与成图

技术名词解释

文章所涉技术名词：

• ND值：影像像元的亮度值，记录物体的灰度值，无单位整数值。其实就是我们常说的像素值。
• 反射率：物体表面所能反射的辐射量和它所接受的辐射量的比值，取值范围【0,1】。可表达物体的特性，如植物是绿色的，是因为在可见光范围内，植被对红光和蓝光吸收较多，对绿光吸收较少。
• 辐射标定：用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。非光学、光谱学或者遥感的朋友可以将其理解为数据标准化的过程，标准化原始数据是影像灰度值，无具体意义，标准化的结果是反射率，有具体意义。
• 影像镶嵌：也叫影像拼接，是指将两幅或多幅影像拼在一起，构成一幅整体影像的技术过程。
• 光谱信息：这里泛指研究目标的反射率、吸收率、植被指数等信息。比如农业遥感中常用的植被指数NDVI\NDRE\OSAVI等。

技术路线

这里需要额外注意的是，务必先辐射标定，将原始影像转为反射率后再拼接，而不是先拼接再转反射率

上面两张图分别是原始影像和辐射校正后的影像。尽管有时先拼接后辐射校正后的数据可用，但先辐射标定后影像镶嵌方式更为严谨，后者可有效减少数据采集时因光强变化数据的影像。

实现流程

`1、影像辐射标定

利用校正板，或校正系数对原始数据进行辐射标定处理，将各架次的影像依次转换为反射率影像。

2、影像镶嵌

利用pix4d等软件，对辐射标定后的影像进行镶嵌处理。本软件已集成的影像镶嵌功能，可影像镶嵌处理。

镶嵌后的P4M影像，随机查看绿色作物的冠层可以看到，光谱曲线是典型的植被光谱曲线。

3、光谱信息提取

提取研究区各波段的反射率信息及其波段组合成的植被指数信息的过程，称为研究区光谱信息提取。最为典型提取方法是，确定研究区域，确定典型光谱指数，如NDVI\GNDVI\NDRE\CIRE\OSAVI\SAVI等等。

3.1 利用arcgis提取光谱信息

针对点数据（采样时记录的点坐标），利用arcgis建立研究区点矢量图层，利用arcgis提取至点功能，提取各波段反射率信息，然后根据植被指数公式计算各植被指数数据。

针对面数据（主要是小区实验），利用arcgis建立研究区面矢量图层，利用arcgis的区域统计功能，提取各波段平均反射率信息，然后根据植被指数公式计算各植被指数数据。
以上，是使用较为广泛的数据提取过程，相关实现过程，可通过百度关键词获取，这里不再累述。

3.2 利用脚本进行光谱信息提取

利用arcgis建立研究区面矢量图层，利用软件光谱信息提取功能，一键提取研究区各波段光谱信息及多种植被指数信息。

软件可同步提取各波段反射率信息以及尤其组成的仅60多个植被指数的均值、最大值、方差、标准差等信息。

4、反演模型构建

这里其实就是建立农学参数与光谱指数信息回归方程的过程。最为常见模型有多元、幂指数、支持向量机等。

5、小结

本文大致梳理多光谱影像处理的一般流程，包含辐射标定、影像拼接、光谱信息提取和模型构建四个方面，针对关键部分进行了简要解释。于专业读者来说内容过于浅显；于入门读者来说，但内容过于简要，不足以作为教程使用，如需更详细的内容，还需各位读者根据关键词自行检索或留言。