-
辐射误差和几何误差产生的主要原因是什么?
辐射误差产生的原因主要有两种,即传感器本身的响应特性和传感器外界(自然)环境的影响,包括大气(雾和云)和太阳照射等,具体如下:
1. 因传感器的响应特性引起的辐射误差
(1)光学摄影机引起的辐射误差
主要是由光学镜头中心和边缘的透射强度不一致造成的,它使同一类地物在图像上不同位置有不同的灰度值。
(2)光电扫描仪引起的辐射误差。
主要包括两类:一类是光电转换误差,即在扫描方式的传感器中,传感器收集到的电磁波信号经光电转换系统转换为电信号过程所引起的辐射量误差;另一类是探测器增益变化引起的误差。
2. 因大气影响引起的辐射误差
电磁波在大气传输过程中会发生散射,散射增加了到达卫星传感器的能量,会降低遥感图像的对比度和反差。因为散射增加的亮度值不含有地面信息,会使图像的反差降低,从而降低图像的可分辨性。
3. 因太阳辐射引起的辐射误差
(1)因太阳位置引起的辐射误差
太阳位置主要指太阳的高度角和方位角。太阳高度角和方位角不同,则地物入射照度也会发生变化,地物的反射率也就随之改变。比如,当太阳高度角较低时,图像上会产生阴影压盖在其他地物上,造成同物异谱问题,影响遥感图像的定量分析和自动识别。太阳方位角的变化也会改变光照条件,但所引起的误差通常只对图像细部特征产生影响,对高空间分辨率的图像影响更大。由于季节变化和地理经纬度的差异,太阳高度角和方位角的变化是不可避免的。
(2)因地形引起的辐射误差
传感器接收的辐亮度和地面坡度有关。太阳光线垂直入射到水平地表和坡面上所产生的辐亮度是不同的。由于地形起伏的变化,在遥感图像上会造成同类地物灰度不一致的现象。
4. 其他原因引起的辐射误差
遥感图像中有时因各传感器特性的差别、干扰、故障等原因引起不正常的条纹和斑点,这些错误的信息往往会影响图像的统计计算。
几何误差产生的主要原因也有两种,一种是静态误差,指成像过程中,传感器相对于地球表面呈静止状态时所具有的各种误差;一种是动态误差,主要是由于成像过程中地球的旋转所造成的图像误差。按照来源可分为内部误差,即主要是由于传感器自身的性能、技术指标偏离标称数值造成的;另一种为外部误差,指的是传感器本身处在正常工作的条件下,由传感器以外的各因素所造成的误差。具体有传感器姿态,高度,速率,视场宽度的变化、有限扫描时间、传感器成像方式、地球自转、地球曲率等原因引起几何误差。
-
辐射校正的主要内容?
辐射校正的目的在于消除因传感器自身条件、薄雾等大气条件、太阳方位等条件引起的传感器测量值与目标的光谱反射率或光谱幅亮度等物理量之间的差异,利用已建立的地物反射率与遥感图像像素之间的关系,通过遥感图像的像素值计算传感器的像素反射率,为后续遥感图像识别、解译、分析等后续工作奠定基础。遥感影像辐射校正内容主要分为系统级以及用户级的。具体如下:
一、系统级辐射校正
系统级辐射校正主要解决使用光学透镜中产生的边缘减光现象、光电转换的系统产生的条纹、斑点的校正以及灰度一致化的校正。
- 对因透镜光学的非均匀性产生的边缘减光现象,可以利用公式 Ep=E0cos4θ (EP为平行于主光轴的方向透过透镜到达像平面的光线强度,E0为与主光轴成θ角度方向透过镜头到达像平面p点的光线强度)进行辐射校正。
- 对由检测器引起的条纹,其误差判定和消除的常用方法有:平均值法、直方图法及在垂直扫描线方向上采用最近邻点法或三次卷积法等。
- 对由噪声或磁带的误码率等造成的斑点,校正后的斑点亮度值取其邻域像素亮度值的平均值或用三次立方卷积法进行修正,通常边缘附近和图像四周的像素不进行斑点消除。
- 对因拍摄条件不同引起的灰度状况不一致的问题,在图像拼接前后需要进行亮度值的修正,可使用直方图匹配等方法进行处理。
二、用户级辐射校正
用户级的辐射校正主要解决辐射定标、大气影响产生的误差和地面辐射产生的影响,大气和地面辐射对图像产生的影响主要是出在辐射传输过程中。具体如下:
- 辐射定标
用户级的校正过程首先考虑辐射定标。辐射定标解决的问题是不同传感器间、同一传感器不同日期产生的图像中灰度级可能存在偏差,需要进行定标校正后才能相互比较。定标有两种确定方法,一种是线性公式法,它计算出朗伯体或非朗伯体的幅亮度并根据线性模型幅亮度与探测器对应的输出信号的数字量比值得出最后定标结果;另一种是根据不同传感器提供的定标参数(Gains、Bias)计算幅亮度。有了幅亮度也可以根据公式计算反射率值。
2. 大气校正
在遥感图像中,卫星遥感图像需要进行大气校正。航空摄影获取的图像,根据飞行高度的情况,可以选择不进行大气校正。大气校正的目的在于消除因大气散射引起的辐射误差,以得到更加精确的地物辐射值。
按照校正的方式,大气校正包括相对大气校正、基于模型大气校正和绝对大气校正,具体如下:
2.1 相对大气校正
主要有内部平均法和平场域法,二者校正后图像的像素值都是相对反射率值。
内部平均法假设地面变化是充分异构的(光谱反射特性的变化互相抵消),将图像DN值与整幅图像的平均辐射光谱值作为相对反射率,它可以消除地形阴影和整体亮度的差异,但是当假设不成立时,得到的反射光谱会有虚假性。
平场域法要求图像中具有一个光谱反射率曲线变化相对平坦的比较均一的地表区域,且该区域的平均光谱受太阳辐射、大气散射和吸收影响的共同控制。通常通过人机交互选择,将每个图像的DN值与选择的平场域的平均值的比值作为地表反射率。该方法考虑了各种因素的乘性贡献,但不适合大量多条带高光谱数据处理,因为工作量太大,且人工查找有一定随意性。
2.2 基于模型大气校正
辐射传输模型(如MODTRAN模型、6S模型)从一个模拟的太阳辐射光谱开始,然后计算太阳高度的辐射影响(根据成像时间计算)以及大气散射和吸收。在缺乏实际相关资料的情况下,使用者须估计一些输入参数,如散射媒介的总数和分布。充分混合的气体(CO2和O2)导致的吸收被认为是均匀的,但由水汽引起的吸收通常是空间变化的。利用包含水汽吸收波段的光谱部分可以估计水汽吸收的影响,并对每个像素进行校正。但最终的表观反射率值仍可能包含地形阴影的影响。利用辐射传输方程通常只能得到近似解,且该方法具有诸多假设条件,只有在理想条件下或拥有实测参数条件下其校正的结果才具有较高的可靠性。
2.3 绝对大气校正
主要有基于地面真实数据的经验方程方法和基于图像暗像元的方法。校正后图像的像素值为绝对值、辐亮度或反射率。
经验方程法原理是选择两个以上的亮目标点和暗目标点作为定标点,假设图像DN值与反射率之间存在线性关系,通过实测两个目标点的反射光谱值和建立线性回归确定他们的线性关系之后就可以求出像素的反射率。该方法适用于包含地面实况数据的图像,不然转换的结果是“表现的”反射率,这个转换没有包括可能的地形影响。
暗像元法原理是依据大气散射的选择性,即大气散射对短波影响大,对长波影响小,利用某些不受大气影响或者影响很小的波段校正其他波段。为处理方便,陆地遥感把红外和近红外图像中的最暗像元看作无散射影响,通过不同波段的对比分析计算出大气散射的干扰值。一般通过回归分析法和直方图法确定校正参数。回归分析法选用的参考目标是最不受大气影响的某一波段图像中最黑区域的一系列目标,将每个目标的两个待比较波段亮度值提取出来进行回归分析,回归方程为B1=b0*B7+a0;直方图法选用的参考目标是存在最黑目标时该目标受大气影响产生的最小亮度值,直接从各个波段中减去其最小亮度值。暗像元法直接、简易,其校正精度可以满足一般遥感的研究和应用,实际工作中经常采用;但其条件特殊,黑暗像元的确定也带有一定的主观性。
地面校正
用户级的辐射校正最后一步是地面辐射的校正,这其中包括了太阳辐射校正和地形辐射校正。
太阳辐射校正主要校正由太阳高度角导致的辐射误差,即将太阳光线倾斜照射时获取的图像校正为太阳光线垂直照射时获取的图像。主要有公式法和波段比值法两种方法。
地形辐射校正主要校正地表坡度造成的从地表反射到传感器的太阳辐亮度的辐射误差,需要DEM数据的参与,可采用地表法线向量和太阳入射向量之间的夹角校正,在多波段的情况下也可以采用波段比值法消除地表坡度影响。
-
几何校正的主要内容?
几何校正是通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法,这种方法能够精确地改正动态扫描图像所具备地各种误差,其基本原理是利用图像坐标和地面坐标(另一图像坐标、地图坐标等)之间的坐标转换关系实现。
按照先后顺序,几何纠正工作包括两部分工作内容:系统几何纠正和用户几何精纠正。前者往往由遥感数据接收部门处理、传感器研制部门提供完成,用户购买的二级产品中往往已经进行了系统纠正。用户的几何精纠正按顺序包括了三部分:利用同名地物点进行的几何纠正(即一般意义上的几何精纠正),利用DEM进行的正射纠正,利用DSM进行的真正射纠正。
正射纠正是指校正从空间中的一点(视点)观测地表,地表上各点随着地形起伏在图像上产生的几何学失真,其在光学遥感图像上具体表现为远离视点且高程较高的地点会倒向视点相反一侧,在雷达图像上主要表现为透视收缩,使其与图重合的精密几何校正处理。其中高空间分辨率图像必须进行正射校正。
几何精纠正又称为几何配准,是指把不同传感器获取的具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。如果基础数据集是图像,该过程称为相对纠正,即以一景图像作为基础,纠正其他的图像,这是图像—图像的纠正,纠正过程中不涉及地理投影转换;如果基础数据是标准的地图,则称为绝对纠正,即以地图作为基础,纠正图像,这是图像—地图的纠正,涉及地理投影和坐标转换,常用于GIS的应用。几何精纠正处理具体流程如下:
(1)确定工作范围
根据工作要求,确定工作范围,然后对遥感图像进行剪裁。考虑纠正和制图的要求,剪裁的图像范围要适当的大于工作范围。图像范围定义不恰当时,会造成纠正后的图像范围不全,而且会产生过多的空白区。
(2)输入遥感图像
按规定的图像格式或遥感传感器的类型读入遥感数字图像。
(3)选择投影和坐标
根据工作要求和参数地图或图像的投影信息,选择投影和坐标系,确定相关的投影参数。
(4)选择地面控制点
根据图像特征和地区情况,结合野外调查和地形图选择地面控制点(GCP)。地面控制点和相应的像素为同名地物点,应该清晰无误地进行匹配。条件合适,可以借助于一些特征的算法进行半自动的匹配。对于中低空间分辨率图像,纠正精度往往以像素为单位。对于高空间分辨率图像,纠正精度往往以米为单位。
(5)选择纠正方法和纠正函数
以控制点为基础,通过不同的数学模型来建立图像坐标和地面(或地图)坐标间的纠正方程,然后使用该方程进行坐标变化。常用的模型有多项式法、共线方程法、随机场内插值法等。某些传感器的图像数据(如MODIS图像)中已经嵌入了坐标信息,可以直接用来建立纠正方程。
(6)图像重采样
待纠正的数字图像本身属于规则的离散采样,非采样点上的灰度值需要通过采样点(已知像素)内插来获取,即重采样。重采样时,附近若干像素(采样点)的灰度值对被采样点的影响的大小(权重)可以用重采样函数来表达。重采样完成,就得到纠正后的图像。如果是同一区域的图像—图像纠正,为便于对比应用,重采样的起点坐标对应与参考图像相同。
(7)输出纠正后图像
将图像数据按需要的格式写入到新的图像文件中。
(8)精度评估
在参考地图或图像和纠正后的图像中重新选择若干同名点,评估纠正误差。如果误差不符合要求,则调整或增加控制点。