ENVI下不变目标法相对大气校正详解
分享
-
2016-06-13
相对大气校正按照数学基础可以分为2种，非线性校正法和线性校正法。非线性校正法最典型的是直方图匹配，图像的直方图是图像中所有灰度值的概率分布。即将校正图像的直方图与参考图像的直方图进行匹配，使两幅图像具有相同或相近的灰度值概率分布，达到两幅图像上同名地物具有相同灰度值的目的。利用ENVI中Histogram Matching工具（Display中，Enhance->Histogram Matching）
线性校正法有个前提假设：不同时相的图像灰度值之间满足线性关系，这种假设在近似情况下是成立的。这样就可以通过线性等式来描述不同时相间的灰度关系，用x表示参考图像，y表示待校正图像，他们之间的线性关系可描述为：
y=ax+b (13.5)
其中：a、b为线性等式中的参数，即为增益和偏移量。线性校正的关键是确定式13.6中的两个参数，通常是根据两时相光谱性质相对稳定地物样本点的DN值，利用线性回归的方法求得式13.6中的参数a、b。之后，用式(13.5)对图像的各波段DN值做线性变换，完成相对大气校正。
根据前述原理，完成线性相对校正需要以下3个步骤：
第一步，在两幅图像中搜寻相对固定目标即光谱稳定的地物样本点，即伪不变特征要素（PIF：Pseudo-Invariant Features）；
第二步，运用这些伪不变特征点的DN值，利用线性回归的方法求解式(13.6)中的参数，得到图像间的线性关系；
第三步，根据该关系式，通过波段运算，得到与参考图像具有相同或相近辐射值的结果图像，完成相对大气校正。整个过程的关键是PIF的选择。
下面以两个不同大气环境下成像、已经经过精确配准、ENVI标准格式的Landsat TM5数据为例（2000年和2001年），介绍线性校正法的操作步骤：
第一步：PIF选择
选择一幅目视质量较好的图像作为基准图像（2001年），另外一幅作为待校正图像（2000年）。在两个图像上选择相同区域的沥青房顶、砾石面、混凝土停机坪、洁净水体、混凝土、沙地等地物作为PIF，这些地物不会随时间的变化而变化。
（1） 在主模块中，选择File->Open Image File，打开两幅图像，并在Display中显示。
（2） 在其中一幅影像上点击右键，从快捷菜单中选择Geographic Link，将显示的两幅影像地理链接。
（3） 在显示2000年图像的主图像窗口中，选择Overlay-> Region of Interest，打开ROI Tool面板。
（4） 通过目视方式，从两幅图像找到光谱稳定、相同地物作为样本，用Polygon或者Point类型绘制感兴趣区。
（5） 在绘制一定数量感兴趣后(不宜太多，太多后面的回归运算量会很大)，在ROI Tool面板中，选择File-> Output ROIs to ASCII，在Select Input File for ROI data对话框中，选择2000年的图像文件，单击OK。在打开的Output ROIs to ASCII Parameters面板中，单击Edit Output ASCII Parameters按钮，打开Output ROI Value to ASCII面板（图13.17），只勾选地理坐标（Geo Location）和像元值（Band Values）。之后选择输出的ROI以及输出的文件路径及文件名（图13.18），单击Ok将ROI内对应像素位置和像元值输出为文本文件。
（6） 回到ROI Tool面板中，选择Options-> Reconcile ROIs via Map，将前面绘制的ROI转接到2001年的图像上，类似（5）步的方法将基准图像的ROI内对应像素位置和像元值输出为文本文件。
图13.17 Output ROIs to ASCII Parameters面板
图13.18 Output ROI Value to ASCII面板
分别用记事本打开上面步骤得到两个文本文件，这样我们得到了2000年的图像和2001年的图像相对应伪不变特征要素（PIF）的像素值。从文本文件中可以看到，两个时相图像中每一个波段的像素值是一一对应关系，刚好对应式13.5中的x和y。第二步中就是利用这些像素值，根据最小二乘回归分析法获得式13.6中的a和b两个参数。
第二步、线性关系式求解
使用最小二乘回归的方法来求解线性回归式，根据最小二乘回归分析法从式13.5可得到
其中xi、yi分别表示第i个待校正图像（2000年）和参考图像（2001年）对应的PIF的像元值。
将第一步获得PIF的像元值分别导入Excel电子表格中（同一个sheet），利用Excel电子表格计算功能很容易计算式13.6和13.7中的a和b。这样就得到待校正图像每个波段的线性变换关系式（如表12.11）。
表13.11 回归解算的a和b值
第三步、线性变换
利用表13.11中的a和b值，在ENVI的Band Math工具对待校正图像做线性变换，然后利用Layer Stacking工具将线性变换结果组合成一个多波段文件。步骤如下：
（1） 在主菜单中，选择Basic Tools->Band Math，如图13.19所示，在Enter an expression中输入：b1*1.02-34。将第一个波段的线性表达式输入（详细Band Math操作参考后面章节）。
（2） 单击OK按钮，在打开的Variables to Bands Pairings面板中，为b1变量选择待校正图像的第一个波段（2000年的图像），选择Memory输出结果。
（3） 同样的方法为其他波段进行线性变换。
（4） 在主菜单中，选择Basic Tools->Layer Stacking，在Layer Stacking Parameters面板中，单击Import File按钮，将（1）（2）（3）步骤中各个波段的线性变换结果组合为一个文件。
不变目标法相对大气校正操作过程已经完成。
图13.19 Band Math
摘自《ENVI遥感图像处理方法》科学出版社
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100pwby.html
线性校正法有个前提假设：不同时相的图像灰度值之间满足线性关系，这种假设在近似情况下是成立的。这样就可以通过线性等式来描述不同时相间的灰度关系，用x表示参考图像，y表示待校正图像，他们之间的线性关系可描述为：
y=ax+b (13.5)
其中：a、b为线性等式中的参数，即为增益和偏移量。线性校正的关键是确定式13.6中的两个参数，通常是根据两时相光谱性质相对稳定地物样本点的DN值，利用线性回归的方法求得式13.6中的参数a、b。之后，用式(13.5)对图像的各波段DN值做线性变换，完成相对大气校正。
根据前述原理，完成线性相对校正需要以下3个步骤：
第一步，在两幅图像中搜寻相对固定目标即光谱稳定的地物样本点，即伪不变特征要素（PIF：Pseudo-Invariant Features）；
第二步，运用这些伪不变特征点的DN值，利用线性回归的方法求解式(13.6)中的参数，得到图像间的线性关系；
第三步，根据该关系式，通过波段运算，得到与参考图像具有相同或相近辐射值的结果图像，完成相对大气校正。整个过程的关键是PIF的选择。
下面以两个不同大气环境下成像、已经经过精确配准、ENVI标准格式的Landsat TM5数据为例（2000年和2001年），介绍线性校正法的操作步骤：
第一步：PIF选择
选择一幅目视质量较好的图像作为基准图像（2001年），另外一幅作为待校正图像（2000年）。在两个图像上选择相同区域的沥青房顶、砾石面、混凝土停机坪、洁净水体、混凝土、沙地等地物作为PIF，这些地物不会随时间的变化而变化。
（1） 在主模块中，选择File->Open Image File，打开两幅图像，并在Display中显示。
（2） 在其中一幅影像上点击右键，从快捷菜单中选择Geographic Link，将显示的两幅影像地理链接。
（3） 在显示2000年图像的主图像窗口中，选择Overlay-> Region of Interest，打开ROI Tool面板。
（4） 通过目视方式，从两幅图像找到光谱稳定、相同地物作为样本，用Polygon或者Point类型绘制感兴趣区。
（5） 在绘制一定数量感兴趣后(不宜太多，太多后面的回归运算量会很大)，在ROI Tool面板中，选择File-> Output ROIs to ASCII，在Select Input File for ROI data对话框中，选择2000年的图像文件，单击OK。在打开的Output ROIs to ASCII Parameters面板中，单击Edit Output ASCII Parameters按钮，打开Output ROI Value to ASCII面板（图13.17），只勾选地理坐标（Geo Location）和像元值（Band Values）。之后选择输出的ROI以及输出的文件路径及文件名（图13.18），单击Ok将ROI内对应像素位置和像元值输出为文本文件。
（6） 回到ROI Tool面板中，选择Options-> Reconcile ROIs via Map，将前面绘制的ROI转接到2001年的图像上，类似（5）步的方法将基准图像的ROI内对应像素位置和像元值输出为文本文件。
图13.17 Output ROIs to ASCII Parameters面板
图13.18 Output ROI Value to ASCII面板
分别用记事本打开上面步骤得到两个文本文件，这样我们得到了2000年的图像和2001年的图像相对应伪不变特征要素（PIF）的像素值。从文本文件中可以看到，两个时相图像中每一个波段的像素值是一一对应关系，刚好对应式13.5中的x和y。第二步中就是利用这些像素值，根据最小二乘回归分析法获得式13.6中的a和b两个参数。
第二步、线性关系式求解
使用最小二乘回归的方法来求解线性回归式，根据最小二乘回归分析法从式13.5可得到
其中xi、yi分别表示第i个待校正图像（2000年）和参考图像（2001年）对应的PIF的像元值。
将第一步获得PIF的像元值分别导入Excel电子表格中（同一个sheet），利用Excel电子表格计算功能很容易计算式13.6和13.7中的a和b。这样就得到待校正图像每个波段的线性变换关系式（如表12.11）。
表13.11 回归解算的a和b值
第三步、线性变换
利用表13.11中的a和b值，在ENVI的Band Math工具对待校正图像做线性变换，然后利用Layer Stacking工具将线性变换结果组合成一个多波段文件。步骤如下：
（1） 在主菜单中，选择Basic Tools->Band Math，如图13.19所示，在Enter an expression中输入：b1*1.02-34。将第一个波段的线性表达式输入（详细Band Math操作参考后面章节）。
（2） 单击OK按钮，在打开的Variables to Bands Pairings面板中，为b1变量选择待校正图像的第一个波段（2000年的图像），选择Memory输出结果。
（3） 同样的方法为其他波段进行线性变换。
（4） 在主菜单中，选择Basic Tools->Layer Stacking，在Layer Stacking Parameters面板中，单击Import File按钮，将（1）（2）（3）步骤中各个波段的线性变换结果组合为一个文件。
不变目标法相对大气校正操作过程已经完成。
图13.19 Band Math
摘自《ENVI遥感图像处理方法》科学出版社
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100pwby.html
