遥感数据质量改善之信息校正 内容简介

本书系统开展遥感影像辐射差异校正方法的研究。针对单幅影像, 主要论述线阵扫描传感器影像的相对辐射校正方法、框幅式成像的亮度不均匀校正方法、云雾校正方法、地形辐射校正方法、建筑物阴影校正方法等 ; 针对多时相或多传感器数据, 主要探讨高分辨率遥感影像镶嵌中的辐射差异校正方法、多源遥感数据的归一化校正方法等。

遥感数据质量改善之信息校正 本书特色

沈焕锋、李慧芳、李星华、张良培著的《遥感数据质量改善之信息校正（精）》是“三部曲”的第二部，主要研究由传感器因素、光照条件、大气影响、地表形态等导致的辐射差异校正问题。针对线阵扫描传感器影像中的条纹与条带问题，重点讲述面向探元响应不均匀的相对辐射校正方法；针对框幅式成像中传感器与光照因素导致的辐射畸变问题，系统研究遥感影像整体亮度不均匀的校正方法；针对大气条件对遥感成像的辐射不均匀影响，分别探讨遥感影像高保真同态滤波云雾去除方法与空谱自适应暗原色去雾方法；针对山区地形起伏引起的辐射差异问题，研究顾及投射阴影的地形校正方法；针对高分辨率遥感影像中建筑物等地物的阴影，进行阴影检测与修复的深入分析；针对影像镶嵌中的辐射差异问题，系统研究包含辐射配准、接缝线计算与查找、羽化校正的无缝镶嵌方法流程；针对多源遥感数据的辐射不一致问题，重点阐述基于粗分辨率参考的多源遥感数据的归一化处理框架与评价方法。

遥感数据质量改善之信息校正 目录

遥感数据质量改善之信息校正 节选

《遥感数据质量改善之信息校正》：第1章 绪论1.1 研究背景与意义航空航天遥感在成像瞬间往往受到多种内在和外在因素的干扰，包括传感器结构与状态、光照条件、大气分布、地表形态等（图1.1）（李慧芳，2013；方子岩 等，2011；徐萌 等，2006；Schowengerdt，2006）。不同类型的干扰因素作用于观测过程，经常导致影像内部或影像之间出现明显的辐射差异。影像内部的辐射差异主要指同类地物在同一影像的不同区域表现出辐射不一致的现象，影像之间的辐射差异指多时相或多源影像在辐射表征上出现的时空不一致问题。图1.1 遥感成像过程图如图1.2所示，列出了遥感数据中常见的辐射差异表现形式，由传感器、光照、大气、地表等不同因素独立或联合导致而成。图1.2 多类型的信息不均（1） 线阵扫描传感器的探元响应差异。线阵扫描传感器一般由一定数量行状分布的探测元件构成，每个探测元件对应一个像素（梅安新，2001）。受光学空间响应、电荷耦合元件（CCD）暗电流等因素的影响，不同感光元件对辐射信号的响应存在不一致问题，在影像上也就对应出现如图1.2（a）所示的条状辐射突变（徐伟伟，2011；赵晓熠 等，2010；Dinguirard et al.，1999；Wang et al.，1997）。（2） 框幅式相机影像的辐射不均匀。框幅式相机成像受到镜头曝光色散的影响，产生虚光效应，均匀地表的曝光度在成像焦平面的中心*强，离中心越远曝光度越弱，导致成像平面的边缘部分比中心部分亮度值偏低（易尧华 等，2003；朱述龙 等，2000）。此外，成像瞬间的光照条件对影像亮度的影响与CCD的几何分布相关，面阵中心与边缘的光照条件差异显著，从而综合导致影像中出现亮度分布的高低差异（潘俊，2008；胡庆武 等，2004；利尔桑德 等，2003）。两者综合影响产生的辐射不均匀如图1.2（b）所示。（3） 大气分布导致的薄云与雾霭。当大气中的水汽浓度过于饱和时，水分子就会聚集在微尘等凝结核的周围形成小水滴，并进一步聚集形成云或雾（史俊杰 等；2015；李海巍，2012；沈文水 等，2010；贺辉 等，2009）。源于大气散射效应，受云雾影响较大的影像区域辐射亮度显著增高，与受云雾影响较小的区域形成明显的辐射差异（刘泽树 等，2015；Shen et al.，2014；Li et al.，2012），如图1.2（c）和图1.2（d）所示。（4） 地表形态导致的地形和建筑物阴影。在山区，地形起伏会导致阳坡与阴坡之间出现明显的辐射差异，表现形式即为地形阴影（Li et al.，2014，2016；Teillet et al.，1997；FunkaLea et al.，1995），如图1.2（e）所示；在高分辨率遥感影像的城市区域，建筑物的投射阴影导致局部地表入射能量减弱，信息被削弱且信噪比较低（方涛 等，2016；Zhang et al.，2014；李慧芳，2013），如图1.2（f）所示。（5） 综合因素导致的时空不一致。在对多景影像进行镶嵌时，在拼接处如不进行特殊处理往往会出现明显的辐射差异（Mills et al.，2009；卢军，2008；Szeliski，2006），如图1.2（g）所示；另外，多源遥感定量产品也经常呈现明显的参量不一致问题，如图1.2（h）所示，两种传感器获取的归一化植被指数（NDVI）产品差异显著。这两种辐射/参量差异的产生，通常是多种因素共同作用的结果（甘文霞 等，2014；Trishchenko et al.，2002；Teillet et al.，2001；Li et al.，1996；）。显而易见，以上多种干扰因素导致的辐射信息差异，不但影响数据的视觉效果，也会降低影像的解译精度与定量应用能力。因此，发展高效的信息校正方法，消除影像内部或影像之间的辐射差异，具有重要的研究与应用意义。1.2 《遥感数据质量改善之信息校正》研究内容为了消除遥感数据中辐射差异的影响，需要进行辐射校正处理，主要包括绝对辐射校正与相对辐射校正两大类（武星星 等，2013；丁丽霞 等，2005）。在绝对辐射校正方法中，较为经典的方法是利用LOWTRAN、MODTRAN、6S等辐射传输模型，实现对地表物理量的逼近反演（Kotchenova et al.，2006；Vermote et al.，1997；Berk et al.， 1987，1999）。基于辐射传输模型的方法理论严谨，在常规条件下能够获得较高的反演精度，因此在定量遥感中应用广泛（Berk et al.，2005；Acharya et al.，1999）。然而，在一些情况下，基于统计模型的相对辐射校正方法更具优势（张鹏强 等，2006；张友水 等，2006）。首先，辐射传输模型一般适用于大中尺度建模，难以对细微尺度、复杂的辐射过程进行模拟，特别是针对高分辨率遥感影像中的薄云、建筑物阴影等问题，无法进行有效的处理；其次，绝对辐射校正模型往往过程复杂，涉及的参数众多，而有些应用并不需要绝对的地表反射率，这时利用相对辐射校正模型反而更加简单易行。因此，《遥感数据质量改善之信息校正》主要从相对辐射校正的角度，阐述对多种辐射差异的高精度校正方法。……