下载掌阅APP，畅读海量书库
立即打开
光学影像预处理主要针对GF-1和GF-2卫星遥感数据，处理内容包括大气校正、正射纠正、配准、融合和镶嵌。数据预处理技术流程如图3.1所示。
由于大气分子、气溶胶的散射以及臭氧、水汽等气体的吸收，均会影响传感器接收到的信号，导致航空、航天遥感平台上的传感器接收到的地物信息不能真实地反映地表辐射特征。由于不同时期不同区域的大气情况可能存在一定的差异，为避免在不同时期提取同一地物的变化出现语义不明的现象，有必要开展大气校正方法的研究。
目前的大气校正模型大致可以归纳为：基于图像特征模型、地面线性回归经验模型、大气辐射传输理论模型3种（赵英时，2004）。基于图像特征模型仅利用遥感图像自身的信息，用该方法校正后的图像存在不同程度的噪声；地面线性回归经验模型需进行地面同步定标点的光谱测量，且要求地面定标点区域不宜过大，表面均匀；辐射传输理论是利用电磁波在大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正的方法，利用辐射传输模型反演地物反射率能较合理地描述大气散射、吸收等过程，它是基于准确的辐射传输模型和良好的大气参数的获取方法；广泛使用的辐射传输模型有6S、MODTRAN、LOWTRAN、ATREM、ATCOR、UVRAD等（郑伟等，2004）。ATCOR大气校正模型目前被广泛应用于通用的图像处理软件。尤其是ATCOR2和ATCOR3模型将适用范围推广至更广泛的山区。本书应用ATCOR3模型对从地表到大气再到传感器的传输过程进行模拟，反演GF-1卫星数据的地表反射率。其中，包括三个量，分别为表观辐亮度、表观反射率、地表反射率。
图3.1 数据预处理技术流程
1.表观辐亮度
利用定标系数将图像上原始DN值转换为大气层外反射的表观辐亮度 L λ ，这是定量化的基础，遥感数据的应用很大程度上取决于定标系数的精度。其关系公式如下：
式中 gain ——定标斜率（传感器对应的增益），W·m -2 ·sr -1 ·μm -1 ；
DN ——卫星载荷观测值；
bias ——定标截距（传感器对应的偏差值），W·m -2 ·sr -1 ·μm -1 。
GF-1 PMS2传感器辐射定标参数见表3.2。
表3.2 GF-1 PMS2传感器辐射定标参数（部分截取）
2.表观反射率
实现辐射定标后，采用式（3.2）将影像的表观辐亮度转换为表观反射率。式（3.3）中的表观辐亮度 L λ 是大气层顶进入卫星传感器的光谱辐射亮度，它是来自地表和大气辐射亮度的总和；所以大气层顶的表观反射率也是地表反射率和大气反射率的总和（池宏康等，2005）。
式中 ρ λ ——波段 λ 的表观反射率；
L λ ——波段 λ 的表观辐亮度；
d ——天文单位的日地距离；
ESUN λ ——波段 λ 处大气上界太阳光谱辐照度，其值可根据光谱响应函数与太阳照度数据获得；
θ s ——太阳天顶角。
3.地表反射率
基于辐射传输理论，假设地面像元为均一、朗伯地表时，则在大气上界传感器接收到的光谱辐亮度可以表示为（Levy R C等，2007）
式中 L m ——传感器接收到的光辐射亮度；
L 0 ——零地表反射时大气引起的程辐射；
T ——地表到传感器的透过率；
S ——大气底层球面反照率；
ρ ——像元反射率；
F d ——到达地表的下行辐射通量密度。
在崎岖地表情况下，需计算单个像元周围 0.5km反射率的地形观测因子。在忽略邻边效应的情况下，以一个固定不变的地形反射率作为迭代的起始值，计算地表反射率。
通过目视比较可以看出，大气校正前影像对比度不高，大气校正去除了薄雾，影像整体亮度和视觉效果具有明显变化，纹理及色彩信息更加丰富，地物边缘更加清晰明确。大气校正效果如图3.2所示。由于校正时计算了天空视界、山体倾斜度和阴影等信息，校正后突出了山体的倾斜度、山体的棱角更加分明。影像的整体曲线与实际的地物波谱曲线趋势相同，光谱反射率和光谱辐射率正常。
图3.2 大气校正效果
归一化植被指数反应地表的生态环境。为进一步分析校正后影像的质量，提取影像的归一化植被指数。通常归一化植被指数在-1和1之间，如果图像值靠近1，则为植被信息的可能性大，用于提取和凸显植被信息。与校正前影像相比，校正后影像的植被覆盖度高，直方图动态范围变大。说明大气校正能增大高植被覆盖区与低植被覆盖区NDVI的差别，使植被信息更加突出。同时，发现GF-1 影像在亮地物（云、雪）和暗地物（水体）出现过饱和和过暗的问题。
卫星影像在成像过程中，受到透视投影、地球曲率及地形起伏等诸多因素的影响，致使影像中各个像点产生不同程度的几何变形，导致影像失真。因此，有必要对影像进行正射纠正。
利用高分辨率的DOM和1∶5万的DEM作为控制资料，选取待纠正影像和基准影像上均有的同名明显特征地物点为纠正控制点。在纠正单元内选择影像的四个角点及正中央的中心点，每景控制点数量在山区为12～15个控制点，在平原区为9～12个控制点，相邻景重叠区应选取不少于3个公共点。控制点要均匀分布，不能集中，尽量不要在一条直线上。根据纠正过程中软件自动记录的控制点残差文件，检查正射纠正控制点的点位精度，若控制点残差不符合规定的精度要求，则需查找原因并重新选点。
正射纠正的算法有多种，主要包括共线方程模型、基于仿射变换的严格几何模型、改进型多项式模型、有理函数模型及经验模型等（栾庆祖等，2007）。其中，共线方程模型是摄影测量里最基本的公式，是目前研究最多和使用最广的空间几何模型，是建立在对传感器成像时的位置和姿态进行模拟和解算的基础上的，因此其几何校正精度是目前认为最高的，但由于高分辨率卫星传感器的突出特征是长焦距和窄视场角，这种成像特征如果用共线方程模型描述，则会到这定向参数之间存在较强的相关性，从而影响定向的精度和稳定性。基于仿射变换的严格几何模型是以相机焦距和传感器绕飞行方向的侧视角为变量，按照最小二乘法解算参数的校正方法，对于低分辨率的遥感影像的校正较为有效。改进型多项式模型是直接对影像本身的变形进行数学模拟，对各种传感器有普遍的适用性，但对于地形起伏较大的地区，该方法得不到满意的结果。有理函数模型是各种传感器几何模型的一种更广义的表达形式，适用于多种传感器模型，模拟精度较高。
基于上述的分析，本书采用有理函数模型对影像进行正射纠正。有理函数模型将像点坐标（ r ， c ）表示为以相应地面点空间坐标（ X ， Y ， Z ）为自变量的多项式的比值，计算公式如下：
其中，（ r n ， c n ）和（ X n ， Y n ， Z n ）分别表示像素坐标（ r ， c ）和地面点坐标（ X ， Y ， Z ）经平移和缩放后的标准化坐标。多项式中每一项的各个坐标分量 X ， Y ， Z 的幂最大不超过3，每一项各个地面坐标分量的幂的总和也不超过3，每个多项式的形式为
式中 α ijk ——待解算的多项式系数。
将纠正后的影像与基础底图在同一窗口中打开，采用“拉窗帘”的方法逐屏幕检查，判别并量测正射影像的平面精度。正射校正影像图如图3.3所示。若影像发生了明显抖动或错位现象，则量测该处同名点误差，两者相对误差应满足要求。否则，须查明原因，除卫星测视角、控制资料精度造成相对误差超限的局部地区外，其他地区须符合精度要求。
图3.3 正射校正影像图
对纠正、配准后满足精度要求的全色与多光谱数据，融合前还需要对其进行预处理：一方面，提高全色数据的亮度，增强局部反差，突出纹理细节，尽可能降低噪声；另一方面，对多光谱数据进行色彩增强，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。一般采用线性或非线性拉伸、亮度对比度、色彩平衡、色度、饱和度等方法进行色调调整。处理后的影像要达到灰阶分布具有较大动态范围，纹理清晰、色调均匀、反差适中，色彩接近自然真彩色。色调调整时应尽可能保留多光谱影像的光谱信息和全色影像的纹理细节，以便进行各种地类提取（李霖等，2014）。
遥感影像通常采用的融合方法有IHS变换、主成分变换、加权乘积、比值变换、小波变换、HPF、BROVERY、PANSHARP、等多种方法，其中PANSHARP融合方法对图像融合有较好的效果。从目视效果上来看，几种融合影像均对原始全色影像的空间分辨率有显著提高。色彩还原上整体来看几种融合影像均对色彩有较好的还原，其中BROVERY融合结果颜色最为艳丽，但是植被显示颜色偏绿而水体颜色均为黑色。PCA融合影像则较差，在大比例尺下还能看到较大的栅格。HPF、PANSHARP融合影像目视效果较好，但HPF融合影像亮度较低，有一定的细节缺失现象。而PANSHARP融合不仅从亮度还是细节上都表现得非常好，在较暗的部分仍能很好地体现地物的纹理。融合影像对比如图3.4所示。
图3.4 融合影像对比图
镶嵌的质量直接影响图面的效果和成果应用，水土保持业务的开展通常是以小流域或者县域为单元的，因此有必要对影像进行镶嵌。镶嵌时应尽可能保留分辨率高、时相新、云雾量少、质量好的影像，避开云、雾、雪覆盖及其他质量差的区域。按照《第二次全国土地调查底图生产技术规定》的要求，在镶嵌前需进行重叠检查，景与景间重叠限差在平原区、丘陵区小于2个像元，在山区、高山区小于3个像元。重叠检查后，对待镶嵌的影像进行亮度和色彩的调整，时相相同或相近的镶嵌影像纹理、色彩自然过渡；时相差距较大、地物特征差异明显的镶嵌影像，允许存在光谱差异，但同一地块内光谱特征尽量一致。镶嵌线应选取线状地物或地块边界明显的几何分界线，或空旷、色调暗、纹理细碎不规则部位及山谷地带，避免切割建筑物、田块等完整地物，接边处无地物错位、模糊、重影和晕边现象。接边线尽量选择在灰度曲线上局部变化急陡的地区，避免选择在灰度曲线上变化平缓的地区。镶嵌线选择如图3.5所示。
图3.5 镶嵌线选择示意图