基于FLAASH与QUAC模型的SPOT 5影像大气校正比较

卫星遥感影像的大气校正是定量遥感研究的前提与难点之一,大气校正有多种方法和模型。采用FLAASH与QUAC模型对覆盖长株潭地区的SPOT 5遥感影像进行大气校正,进而对校正前后的影像进行视觉、地物光谱曲线对比分析。结果表明,两种模型有其特定的适用范围,均能基本消除大气的影响,能较好地恢复各类地物光谱的典型特征;采用FLAASH模型的精度较QUAC模型的精度高;应用QUAC模型较FLAASH简便,它对输入参数和仪器标定精度的依赖性小。     

考虑地物类型的Minnaert地形校正模型优化方法EI北大核心CSCD

地形校正可以削弱地势复杂区域由于地形起伏导致的地表接收太阳辐射不均匀和地表反射率失真的问题,从而提升遥感影像质量和遥感信息提取的精度。但是,现有地形校正模型存在过校正、波段间校正效果不稳定以及校正效果不理想等问题。本文根据Minnaert地形校正模型系数k和地物二向性反射特性的相关性,对Minnaert模型进行改进,提出了一种考虑地物类型的Minnaert地形校正模型(简称为CMinnaert模型),并在地物预分类中采用《土地利用现状分类》一级分类标准和分植被疏密程度分类两种方式,用以验证CMinnaert模型的稳定性并筛选最佳地物类型划分方案。首先对待校正影像进行地物类型预分类,其次逐波段针对各地物类型分别进行系数k的拟合求解,然后使用各波段各地物类型的系数k对该范围的遥感影像进行Minnaert地形校正。以河南省商城县的Landsat 8/OLI影像为实验数据,选取余弦校正模型、SCS校正模型、Minnaert校正模型、分坡度的Minnaert校正模型作为对比模型,通过目视对比和统计数据分析的方式评估CMinnaert模型的地形校正效果。研究结果表明,本文提出的CMinnaert模型有效地削弱了地形效应对遥感影像辐射亮度值的影响,与原始影像和其他4种地形校正结果相比,进行地物一级分类的CMinnaert模型有效降低了各波段辐亮度与太阳入射角余弦的线性拟合R2,未出现过校正现象;分植被疏密程度分类的CMinnaert模型在第1、5波段存在过校正问题,但其余波段辐亮度与太阳入射角余弦的线性拟合R2是6种模型中最低的。以上结果证明两种地物预分类方式的CMinnaert模型校正效果都较稳定且明显优于其他四种地形校正模型,且本文建议在进行CMinnaert地形校正时采用地物一级分类的方式进行地物预分类。     

陡峭山区影像的半经验地形校正

本文提出一种新的半经验地形校正模型SCEDIL(Simple topographic Correction using Estimation of Diffuse Light),该模型通过结合DEM与光学影像数据寻找局部区域内完全光照和阴影的水平像元,并以光照、阴影水平像元的平均反射率值估算局部区域散射辐射比,提高了陡峭山区影像的地形校正精度。以高分一号卫星和Landsat ETM+影像为例,从目视判读和定量分析两个方面,比较分析该算法与传统半经验地形校正算法(C、SCS+C)的校正结果。结果表明:(1)对较为平坦的地形,SCEDIL和C、SCS+C校正都有较好的目视结果;对地面起伏较大的陡峭地形,C、SCS+C校正后,原阴影区域易呈现破碎化特征,SCEDIL校正后,原阴影区域过渡较为平滑。(2)SCEDIL校正后,各波段反射率的均值和标准差优于C、SCS+C校正,SCEDIL校正后,影像总分类精度与同类地物光谱信息均一性均优于C和SCS+C校正。SCEDIL半经验地形校正方法能有效地去除影像中的地形干扰,尤其对陡峭地形的校正效果,优于常规地形校正模型。     

数字遥感影像地形效应分析及校正

在数字遥感影像应用中一个不可忽视的现象是地形校应，它是定量遥感分析、自动分类、图象分割及特征提取时首先要分析和处理的问题，尤其是在丘陵和山区。本文较系统地分析了数字遥感影像中的地形效应，论述了地形效应的校正模型及技术，并借助于数字高程模型（ＤＥＭ），对ＴＭ影像进行了地形效应的校正实验，取得了令人满意的结果。     

SCS+C地形辐射校正模型的应用分析研究

在对有森林覆盖的山区影像进行地形辐射校正时，基于太阳-冠层-传感器（SCS）几何关系的校正模型优于基于太阳-地形-传感器（STS）几何关系的模型。SCS校正模型解释了树木不依赖于地形、观测角和光照入射角而具有向地性生长的本质特性，但在某些地形区域，SCS与余弦校正同样存在过度校正的问题。为了解决这个问题，研究者在SCS校正模型中引入C校正系数来解释散射辐射项，提出了SCS+C校正模型。以北京密云Landsat 5影像为数据源，通过目视判别、直方图、定量的统计参数和地物光谱曲线对比等方法，对SCS+C校正模型与传统的余弦校正、C校正和SCS校正模型进行了对比。结果表明，4种方法均能在很大程度上消除地形阴影，更好地反映阴影区域的细节信息； 从总体的光谱特性保真程度来说，余弦和SCS校正都因过度校正问题表现较差，SCS+C校正最好，C校正次之。     

一种顾及空间相关性遥感影像辐射度的地形校正算法

地形校正的目的是消除太阳光照对不规则地面地物辐射值的影响。这种影响会使相似植被类型地物的辐射值发生很大的变化。因此,在地形复杂的地区,地形校正是影像预处理的一个重要步骤。传统的基于单像素的地形校正方法,虽然减小了辐射值的变化,但在太阳入射角低的地区常常出现校正过度的情况。针对这种误差进行分析,提出一种考虑了空间相关性的校正算法,并且利用鄂西地区的Landsat7卫星影像进行的试验证明,该算法优于传统的地形校正模型。     

基于FLAASH模型的SPOT6卫星影像大气校正及评价

受大气吸收和散射影响,传感器接收到的辐射信息和地表真实反射信息之间存在误差,影响影像的分析精度。选择ORDOS矿区SPOT6卫星多光谱数据,对其进行辐射定标,采用FLAASH模型进行大气校正,对校正前后影像的视觉效果、典型地物反射率光谱曲线、归一化植被指数(NDVI)和植被覆盖度的变化进行对比分析。校正后影像的地物特征更明显、反射率差别较大,能较好还原地表真实信息;NDVI增幅较大,平均植被覆盖度有所提升,能还原较为准确的植被信息。结果表明,FLAASH模型可以有效消除大气影响,对SPOT6卫星影像有较好的校正作用。     

基于Radarsat-2数据的星载SAR正射校正和地形辐射校正方法研究

地形对雷达影像的几何和辐射特性都有强烈的影响.对雷达影像进行定量分析和参数提取之前,必须对SAR影像进行精确的几何校正和辐射校正,消除地形的影响.基于RD定位模型和数字高程模型建立一种正射校正和地形辐射校正(TRC)方法.通过试验,从定性和定量两方面评价正射校正和地形辐射校正结果的有效性.比较基于投影角和基于局部入射角...     

基于FLAASH模型的MODIS1B数据的大气校正

主要介绍了FLAASH大气校正模型的主要原理及算法,并运用ENVI软件中的FLAASH大气校正模型对上海长江口地区MODIS1B卫星影像进行大气校正,对校正前后的影像进行对比分析。研究表明,MODIS1B卫星影像经过FLAASH大气校正后,较好地消除了大气影响。     

一种改进的遥感影像地形校正方法

地形校正是遥感影像定量化应用环节之一,以往的地形校正研究多是针对一景影像中很小的局部影像块来进行处理研究的,对整景大场景影像进行地形校正的研究尚不多。基于此,本文利用高分一号的宽视场相机拍摄的16 m分辨率的遥感影像,研究了大场景下地形校正方法,对C校正模型进行了改进,在C校正模型中加入了反射角的影响,并且验证了改进模型的合理性;最后对改进的模型与余弦校正模型、传统的C校正模型的处理结果进行了比较。通过分析,利用改进的模型,影像的标准差普遍变小,影像校正后的阴阳坡亮度值趋于一致的趋势更明显。试验结果表明,对大场景、非星下点成像的遥感影像利用改进模型进行地形校正效果明显增强。     

光学遥感影像表观辐亮度地形效应纠正物理模型

针对已有地形纠正方法的不足, 在山区辐射传输模型简化的基础上, 提出了水平地面上接收到的漫射辐射与垂直于太阳方向表面接收的直射辐射比例因子的概念, 建立了仅需要太阳角度信息和大气模式作为输入参数, 主要针对地形效应本身进行纠正的简单纠正模型, 可以将复杂地形区光学遥感影像表观辐亮度纠正为无地形影响的水平地表辐亮度, 并以TM影像为例进行了实验验证。     

地表反射率地形校正物理模型与效果评价方法研究进展

地形校正是准确获取地形复杂区遥感反射率的重要步骤，对提高山区地表遥感参数定量化反演精度，扩大遥感产品应用广度具有重要意义。从20世纪80年代开始，国内外学者开始对准确获取山区地表遥感反射率进行研究，建立了多种地形校正模型来减少或消除遥感图像中地形效应影响，减少同种地表类型的反射率差异，并将地形校正模型分为经验模型和物理模型。根据构建物理模型时是否考虑地表非朗伯体特性，将物理模型分为朗伯体假设模型和非朗伯体假设模型，本文分别从朗伯体假设模型和非朗伯体假设校正模型展开叙述。从两类模型构建的理论基础，模型特点，局限性等几方面进行分析和讨论，描述了两类模型的发展历程，系统阐述了朗伯体假设模型和非朗伯体假设模型的适用性和不足，剖析了目前地形校正模型存在的问题与挑战。同时，本文也比较了应用于地形校正的效果评价方法，并展望了地形校正方法和地形校正评价方法的未来主要发展方向。     

A correction technique for false topographic perception of remote-sensing images based on an inverse topographic correction technique

The false topographic perception phenomenon (FTPP) refers to the visual misperception in remote-sensing images that certain types of terrains are visually interpreted as other types in rugged lands, for example, valleys as ridges and troughs as peaks. For this reason, the FTPP can influence the visualization and interpretation of images to a great extent. To scrutinize this problem, the paper firstly reviews and tests the existing FTPP-correction techniques and identifies the inverse slope-matching technique as an effective approach to visually enhance remote-sensing images and retain the colour information. The paper then proposes an improved FTPP-correction procedure that incorporates other image-processing techniques (e.g. linear stretch, histogram matching, and flat-area replacement) to enhance the performance of this technique. A further evaluation of the proposed technique is conducted by applying the technique to various study areas and using different types of remote-sensing images. The result indicates the method is relatively robust and will be a significant extension to geovisual analytics in digital earth research.     

应用遥感影像制作矿区大比例尺地形图

本文在专业的遥感和地理信息系统软件平台支持下,利用Aster立体像对和IKONOS高分辨率遥感影像分别提取矿区地形信息和地物信息,结合矿区的实际特点,参照地形图制作规范对矿区大比例尺地形图的制作进行了分析和探讨,结果表明利用遥感影像进行矿区大比例尺地形图制作不但周期短、速度快、时效性强,而且精度完全能够满足生产需要,是一种实用可行的方法。     

包络线去除的丘陵地区遥感影像阴影信息重建

中国西南丘陵常态山和喀斯特山交错分布,遥感影像普遍存在山体阴影,分布零散且无规律,基于DEM的地形校正模型(C校正等)虽然算法成熟、易于操作,但在复杂地形区存在误差。引入基于相似像元包络线的阴影校正方法(CR校正),按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤,采用西南丘陵地区Landsat 8 OLI影像进行验证实验。结果表明:CR校正后,阴影区的视觉特征与邻近非阴影区趋于一致,阴影像元亮度有明显提升;校正后影像主要波段标准差减小,与非阴影区参考光谱的相对均方根误差在2.919%以内,最低仅为0.516%;自动分类精度从43.59%提高到61.57%,CR校正有效提高了有阴影的丘陵地区遥感影像质量。     

Assessment of different topographic correction methods in ALOS AVNIR-2 data over a forest area

Abstract

Because the removal of topographic effects is one the most important pre-processing steps when extracting information from satellite images in digital Earth applications, the problem of differential terrain illumination on satellite imagery has been investigated for at least 20 years. As there is no superior topographic correction method applicable to all areas and all images, a comparison of topographic normalization methods in different regions and images is necessary. In this study, common topographic correction methods were applied on an ALOS AVNIR-2 image of a rugged forest area, and the results were evaluated through different criteria. The results show that the simple correction methods [Cosine, Sun-Canopy-sensor (SCS), and Minnaert correction] are inefficient in exceptionally rough forests. Among the improved correction methods (SCS+C, modified Minnaert, and pixel-based Minnaert), the best result was achieved using a pixel-based Minnaert approach in which a separate correction factor in various slope angles is used. Thus, this method should be considered for topographic correction, especially in forests with severe topography.     

The effect of atmospheric and topographic correction methods on land cover classification accuracy

Mapping of vegetation in mountain areas based on remote sensing is obstructed by atmospheric and topographic distortions. A variety of atmospheric and topographic correction methods has been proposed to minimize atmospheric and topographic effects and should in principle lead to a better land cover classification. Only a limited number of atmospheric and topographic combinations has been tested and the effect on class accuracy and on different illumination conditions is not yet researched extensively. The purpose of this study was to evaluate the effect of coupled correction methods on land cover classification accuracy. Therefore, all combinations of three atmospheric (no atmospheric correction, dark object subtraction and correction based on transmittance functions) and five topographic corrections (no topographic correction, band ratioing, cosine correction, pixel-based Minnaert and pixel-based C-correction) were applied on two acquisitions (2009 and 2010) of a Landsat image in the Romanian Carpathian mountains. The accuracies of the fifteen resulting land cover maps were evaluated statistically based on two validation sets: a random validation set and a validation subset containing pixels present in the difference area between the uncorrected classification and one of the fourteen corrected classifications. New insights into the differences in classification accuracy were obtained. First, results showed that all corrected images resulted in higher overall classification accuracies than the uncorrected images. The highest accuracy for the full validation set was achieved after combination of an atmospheric correction based on transmittance functions and a pixel-based Minnaert topographic correction. Secondly, class accuracies of especially the coniferous and mixed forest classes were enhanced after correction. There was only a minor improvement for the other land cover classes (broadleaved forest, bare soil, grass and water). This was explained by the position of different land cover types in the landscape. Finally, coupled correction methods showed most efficient on weakly illuminated slopes. After correction, accuracies in the low illumination zone (cos β ≤ 0.65) were improved more than in the moderate and high illumination zones. Considering all results, best overall classification results were achieved after combination of the transmittance function correction with pixel-based Minnaert or pixel-based C-topographic correction. Furthermore, results of this bi-temporal study indicated that the topographic component had a higher influence on classification accuracy than the atmospheric component and that it is worthwhile to invest in both atmospheric and topographic corrections in a multi-temporal study.     

光谱特征扩展的时间序列Landsat数据地表覆盖分类

时间序列遥感影像常用于地表覆盖监测及其变化监测。然而,利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化,其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本,而对于历史影像,常常难以获得可靠的样本数据。本文基于遥感数据定量化处理,尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先,结合一种新的大气校正方法和相对辐射归一化方法,对时间序列Landsat数据进行定量化处理,以消除各期影像之间的辐射差异,获得地表反射率数据。然后,论文选择一期易于获得分类训练样本的反射率数据作为"参考影像",并结合样本数据提取不同地表覆盖类型的光谱特征。最后,将"参考影像"中提取的地物光谱特征,扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证,结果显示:基于光谱特征扩展的分类方法,可有效对定量化处理后的Landsat数据进行分类,分类总体精度为88.35%—94.25%,分类结果和传统的单景监督分类结果具有较好的一致性。此外,研究也发现,"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。     

利用Quick Bird全色遥感影像更新城市大比例尺地形图

利用现势的高分辨率遥感影像,经过精确的多项式变换正射几何纠正后,得到正射影像(DOM)与原有的数字线划图(DLG)叠加,经判读识别地物的变化,实现对原有地形图的快速更新.通过对地面控制点和检查点纠正的精度分析说明,利用Quick Bird遥感影像数据在地势较为平坦的城区更新1:2000比例尺的地形图是可行的.