邵艷坡， 洪友堂

(中國地質(zhì)大學(xué)(北京),北京 100083)

遙感影像相對輻射校正的PIF方法

邵艷坡， 洪友堂

(中國地質(zhì)大學(xué)(北京),北京 100083)

多時相遙感影像間的相對輻射歸一化是進(jìn)行遙感動態(tài)監(jiān)測的前提。偽不變特征(pseudo-invariant feature,PIF)相對輻射校正法的校正效果在很大程度上取決于PIF點的選取。普通人工選點方法具有主觀性強(qiáng)、選點數(shù)量及質(zhì)量有限等缺陷。為解決上述問題，首先對2期TM影像進(jìn)行精確幾何糾正與配準(zhǔn)； 然后利用波段比值運(yùn)算與PIF質(zhì)量控制相結(jié)合的方法逐步細(xì)化PIF，以提高PIF的選取質(zhì)量，降低其選取的主觀性，并利用與對應(yīng)樣本點各波段的相關(guān)系數(shù)評價所選點的質(zhì)量； 最后利用所選取的合格PIF點，通過最小二乘回歸分析獲取增益與偏移量，并對2個時相的TM影像進(jìn)行相對輻射校正。對校正前、后典型地物波譜曲線、均方根誤差、歸一化植被指數(shù)(normaliged difference vegetation index,NDVI)統(tǒng)計量等進(jìn)行分析的結(jié)果表明,校正效果比較理想。

多時相； 相對輻射校正； 偽不變特征(PIF)方法； 比值運(yùn)算 ； 回歸分析

0 引言

在多時相遙感影像獲取過程中，大氣條件、傳感器定標(biāo)、太陽輻射強(qiáng)度等的不同，會對遙感動態(tài)監(jiān)測產(chǎn)生很大的影響[1]，因此輻射校正尤為重要。要想精確地進(jìn)行遙感動態(tài)變化監(jiān)測，就必須考慮對多時相影像獲取時產(chǎn)生的輻射畸變進(jìn)行歸一化處理。常用的輻射校正方法主要有絕對輻射校正和相對輻射校正。絕對輻射校正可以較精確地將影像灰度值轉(zhuǎn)換為地物反射輻亮度或反射率,其方法有FLAASH模型法和ATCOR模型法等[2]。但絕對輻射校正需要精確的傳感器定標(biāo)參數(shù)和大氣校正參數(shù)，對于大多數(shù)歷史數(shù)據(jù)來說獲取這些參數(shù)是非常困難的。相對輻射校正則是采用多時相影像的地物灰度值代替地物反射輻亮度或反射率進(jìn)行的校正[3]，對待校正影像的灰度值與參考影像的灰度值進(jìn)行匹配，從而消除或減小“外源差異”的影響，如直方圖匹配法、偽不變特征(pseudo-invariant feature,PIF)法等[4-5]。由于PIF法操作簡單，校正效果明顯，已被許多學(xué)者廣泛應(yīng)用； 但PIF的選取往往主觀性較強(qiáng)，影響了其選取的質(zhì)量。本文以控制PIF的選取質(zhì)量為出發(fā)點，分階段逐步細(xì)化所提取的PIF點，并將其應(yīng)用于相對輻射校正，取得較理想的校正效果。

1 常用的相對輻射校正方法

1.1 簡化黑暗像元法

簡化黑暗像元法的假設(shè)前提是待校正遙感影像中存在不隨時間變化的黑暗像元(如很深的水體)、地表朗伯面反射和大氣性質(zhì)均一，并且忽略了大氣多次散射輻照作用和鄰近像元漫反射作用[6]。反射率很低的黑暗像元因受大氣影響使其亮度值相對增加,可以認(rèn)為這部分增加的亮度是因受大氣程輻射影響而產(chǎn)生的[7]。在影像中選取黑暗像元(陰影、深水體等)，從各波段亮度值中分別減去該像元值，即可得到簡化黑暗像元法輻射校正結(jié)果。Ahern等[8]和Gordon[9]就采用了把深且清潔的水體像元作為黑暗像元的方法進(jìn)行大氣校正，該方法被認(rèn)為在海洋影像中具有可接受的精度[7]。簡化黑暗像元法簡單、易操作，但其精度往往達(dá)不到要求，只能用作初步輻射校正。

1.2 直方圖匹配法

直方圖匹配方法是將待校正影像的灰度直方圖匹配到參考影像的灰度直方圖。通常情況下同一地區(qū)多時相影像的變化區(qū)域占小部分，因此經(jīng)過匹配的2景影像的灰度直方圖存在相似的映射關(guān)系[10]。通過直方圖匹配，可以拉近待校正影像與參考影像的輻射特性，進(jìn)而實現(xiàn)相對輻射校正。該方法能夠快速自動完成影像輻射校正； 但直方圖匹配過程為非線性運(yùn)算，會在一定程度上破壞源影像中地物的輻射特性，因此應(yīng)謹(jǐn)慎使用。

1.3 影像回歸法

影像回歸法是線性相對輻射校正中最簡單的一種方法。該方法的假設(shè)前提是2期遙感影像存在一種線性關(guān)系，直接利用2期影像的全部像元值解算其參數(shù)，完成相對輻射校正。由于該方法不需要選點，因而操作非常簡便； 但2期影像之間往往存在地物變化區(qū)域，其像元值必然會發(fā)生變化，使得2期影像對應(yīng)區(qū)域并不滿足線性關(guān)系。因此，如果地物變化較多，將對校正結(jié)果產(chǎn)生嚴(yán)重影響[11]。

1.4 暗集-亮集法

暗集-亮集方法是利用所選的控制點集解算出線性參數(shù)，進(jìn)而實現(xiàn)相對輻射校正。因此，該方法也是一種線性相對輻射校正方法，其中的控制點集由影像的綠度和亮度共同決定[5]。其樣本選擇方法為

暗點={綠度≤T1AND 亮度≤T2} ，

(1)

亮點={綠度≤T1AND 亮度>T2} ，

(2)

式中：T1為綠度的閾值；T2為亮度的閾值； AND為“與”運(yùn)算符。

丁麗霞等[5]指出，閾值T1和T2可通過目視分析綠度-亮度散點圖和遙感影像確定。文獻(xiàn)[5]運(yùn)用暗集-亮集法對多時相影像進(jìn)行了相對輻射校正，得出在水域所占比例較大的區(qū)域校正效果較好的結(jié)論。該方法的缺點是需要選取2套樣本，操作相對復(fù)雜； 而且在水域所占比例較小的情況下校正效果并不理想。

1.5 PIF法

PIF法最早由Schottetal于1988年提出。該方法通過在2個時相影像中找到同一地點沒有發(fā)生地物類型變化且光譜性質(zhì)穩(wěn)定的地物樣本點(即PIF點)，利用灰度值的線性相關(guān)性進(jìn)行輻射校正，不需要傳感器的輻射定標(biāo)和相關(guān)大氣參數(shù)就可獲得規(guī)則化的地物反射數(shù)據(jù)[12]。

PIF法相對輻射校正最關(guān)鍵的步驟是PIF的選取。許多學(xué)者對PIF選取做了大量探討與嘗試。張友水等[4]用設(shè)定閾值和主成分分析的方法選取PIF點，克服了PIF選取的主觀性缺陷； 丁麗霞等[5]用近紅外波段/紅波段比值與近紅外波段的交集來確定PIF點，發(fā)現(xiàn)該方法對光譜變化影響較小，有利于土地利用變化動態(tài)監(jiān)測； 鄧書斌等[12]用差值與設(shè)定閾值的方法提取PIF，得到了較好的輻射校正效果； 邢宇[13]用小波變換將信息從空間域轉(zhuǎn)換為頻率域，并對低頻分量進(jìn)行差值運(yùn)算提取PIF，有效地保留了源影像中由地物變化引起的輻射差異。

多時相遙感影像地物規(guī)則化的數(shù)學(xué)模型一般為線性回歸模型，即

yi=axi+b，i=1,2,…,n,

(3)

式中：yi為參考影像灰度值；xi為待校正影像灰度值；a和b為線性回歸模型的參數(shù)。

將所選PIF數(shù)據(jù)序列A1(x1,y1),A2(x2,y2),…,An(xn,yn)代入式(3)，利用最小二乘回歸分析法可得到

(4)

(5)

利用PIF方法進(jìn)行相對輻射校正，效果較明顯且容易實現(xiàn)。本文在一般PIF法的基礎(chǔ)上對PIF點進(jìn)行分步細(xì)化提取，實現(xiàn)了相對輻射校正。

2 PIF選取方法

為了克服在PIF選取過程中的主觀性，提高選取質(zhì)量，本文利用波段比值運(yùn)算與PIF質(zhì)量控制相結(jié)合的方法，分階段逐步細(xì)化選取PIF點。

2.1 PIF的初步選取

波段比值運(yùn)算就是將2個時相遙感影像的對應(yīng)波段相除，若2期影像中對應(yīng)地物沒有發(fā)生變化，則其影像灰度值相等或相近，對應(yīng)波段比值為1； 若2期影像中有發(fā)生地物變化的區(qū)域，對應(yīng)地物灰度值差異一般較大，對應(yīng)波段比值會在1的上下較大范圍內(nèi)波動。要選的PIF點就在比值為1的區(qū)域中； 但即使地表沒有發(fā)生變化，由于傳感器與大氣產(chǎn)生的畸變，同一地物在不同時相影像中的灰度值也會產(chǎn)生差異，這時就需要給波段比值設(shè)定一個閾值，選取閾值內(nèi)的點，淘汰閾值外的點。通過比值影像可以看出，未變化區(qū)域的灰度值與背景值較接近，而變化區(qū)域的灰度值與背景值有較大差異，因此可以較直觀地看出PIF在影像中的分布區(qū)域。需要指出的是，2期影像必須事先經(jīng)過嚴(yán)格的幾何糾正與精確配準(zhǔn)。

2.2 PIF篩選

首先，采用文獻(xiàn)[4]提出的方法對初步選取的PIF點的散點圖進(jìn)行主成分分析，確定散點圖的主軸線PC1； 然后以PC1為基準(zhǔn)，在垂直于PC1的方向設(shè)定閾值±L； 提取閾值內(nèi)的PIF點，同時計算所選點在2期影像對應(yīng)波段的相關(guān)系數(shù)r。r用于度量變量x與y之間相互關(guān)聯(lián)的程度，即

(6)

r=0并不意味著2個變量之間沒有關(guān)聯(lián)，只是意味著沒有線性關(guān)系。r僅是線性關(guān)系的一種度量。由于本文的假設(shè)前提是PIF點間存在線性關(guān)系，因此認(rèn)為r越接近1，所選點的線性相關(guān)性越好，PIF點的質(zhì)量越高。如果小于設(shè)定的r，則返回到第一步重新進(jìn)行閾值篩選，直到選出合格的PIF點。通過設(shè)定合理的閾值和線性相關(guān)系數(shù)，能夠提取出高質(zhì)量的PIF點。

3 數(shù)據(jù)處理

3.1 實驗區(qū)與遙感數(shù)據(jù)

本文選擇湖南省岳陽市及其周邊地區(qū)作為實驗區(qū)，進(jìn)行輻射校正研究。所選的遙感影像分別是2009年3月14日和2001年3月8日獲取的TM影像。2期影像均為Landsat5影像，且時相基本一致； 影像質(zhì)量較好，云量較少，其中2009年影像的平均云量為4.08%，2001年影像的平均云量為1.01%。實驗區(qū)位于影像的左上部(大小為2 178像元×1 488像元)，影像較為清晰，云量均不超過1%，可滿足相對輻射校正實驗的要求。

3.2 幾何糾正與配準(zhǔn)

由于缺少當(dāng)?shù)卮蟊壤叩匦螆D，本文采用目視效果要更好些的2009年TM影像圖作為幾何糾正參考基準(zhǔn)。糾正過程主要包括控制點選取、糾正模型選取、重采樣方式選擇及糾正精度檢查等。

控制點選取的數(shù)量與糾正模型有較大的關(guān)系。本文以幾何多項式模型為例，說明控制點數(shù)量與其之間的關(guān)系。所選控制點個數(shù)應(yīng)不少于(n+1)(n+2)/2的2倍，其中n為多項式階項； 當(dāng)n為2或更高次時，每景影像的控制點個數(shù)應(yīng)不少于20個[14]。通過對2期影像的對比與分析，共選出57個控制點，均勻分布于整景影像中； 左上部控制點分布相對密集，邊緣區(qū)域有少量控制點，云覆蓋區(qū)域無控制點。控制點的均方根誤差(rootmeansquareerror,RMSE)為0.08個像元。本文采用二次多項式模型，利用控制點數(shù)據(jù)對影像進(jìn)行擬合； 采用雙線性內(nèi)插法對影像進(jìn)行重采樣，最后得到幾何糾正結(jié)果。

由于幾何糾正存在一定誤差，造成2景影像重疊區(qū)中的相同地物不重疊，這時需要利用重疊區(qū)的匹配點和相應(yīng)的計算模型進(jìn)行精確配準(zhǔn)。本文依托ENVI軟件平臺，對基準(zhǔn)影像和幾何糾正結(jié)果影像進(jìn)行了自動配準(zhǔn)。采用三次多項式線性擬合、雙線性內(nèi)插法重采樣，配準(zhǔn)精度為0.02個像元。將糾正結(jié)果影像與基準(zhǔn)影像疊置，利用“卷簾”方式對糾正結(jié)果影像進(jìn)行配準(zhǔn)精度檢查的結(jié)果表明，2景影像中的重要地物特征點(如道路交叉點、河流彎曲點等)都能較好地重合對應(yīng)。

3.3 相對輻射校正

相對輻射校正一般以1個時相的影像為參考影像(即主影像)，另1個時相的影像為匹配影像(即從影像)，其目的就是將從影像的DN(digitalnumber)值校正到主影像，使2個時相遙感影像中的同名地物點具有相同的DN值，實現(xiàn)DN值的歸一化； 因此，相對輻射校正亦稱為輻射歸一化處理[15]。本文選用目視效果較好、影像內(nèi)部整體變動范圍較大(利于信息量保留) 的2009年TM影像作為參考影像。圖1為2個時相TM影像第一波段(TM1)像元灰度值的散點圖，從圖中可以看出2009年影像內(nèi)部變動范圍要比2001年影像較大些(其他波段的散點圖與圖1基本一致)。

圖1 2009年與2001年TM1像元灰度值散點圖

3.3.1 PIF提取

一般的PIF提取方法主觀性較強(qiáng)，尤其是在地物光譜變化較大的區(qū)域很容易造成錯選。本文針對這一問題將PIF提取分為2個階段： ①運(yùn)用波段比值與掩模運(yùn)算，初步提取PIF； ②利用設(shè)定閾值與分析散點圖主成分的方法對①中提取的PIF進(jìn)行篩選。

1)第一階段——PIF初步提取。利用前文所述方法，首先，選取2期影像中某一對應(yīng)波段作比值運(yùn)算(本文選擇TM2，其他波段的比值運(yùn)算結(jié)果類似)。需要注意的是，在作比值運(yùn)算時應(yīng)檢查分母是否為0的情況。本文用IDL語言編寫了比值運(yùn)算程序，考慮了運(yùn)算過程中分母為0的情況，并加載到ENVI+IDL中運(yùn)行； 然后，通過對比2期影像灰度直方圖信息及相應(yīng)地物灰度值信息，設(shè)定閾值為0.94～1.05； 最后，采用掩模運(yùn)算將初步選取的PIF從2期影像中提取出來。

圖2為從實驗區(qū)局部區(qū)域初步提取的PIF效果圖與2期TM原影像的對比情況(均為TM5(R)，TM4(G)，TM3(B)假彩色合成影像)。

(a) 2001年(局部) (b) 2009年(局部)(c) 對(b)初步提取PIF后

圖2 TM原始影像與初步提取PIF后影像對比

(TM5(R)，TM4(G)，TM 3(B)假彩色合成影像)

Fig.2 Comparison between original image and image after initial extraction of PIF

經(jīng)上述處理后，可將2個時相影像中變化明顯的地物識別出來并予以剔除，從而縮小了PIF選取的范圍，有利于第二階段散點圖主軸的確定。由圖2可以看出，變化地物主要為新增建筑物與水域，符合地物變化規(guī)律，這也說明了上述處理方法的可行性。而在人工選點時，很容易將這些變化的水域和建筑物頂部錯選為PIF點。

2)第二階段——PIF篩選。張友水等[4]指出，在2期遙感影像中如果沒有發(fā)生地物變化且沒有輻射畸變的影響，那么這2期像對應(yīng)波段的二維散點圖是一條斜率為1的直線； 發(fā)生地物變化但不受輻射畸變影響時，散點圖近似橢圓形且主軸斜率接近1； 發(fā)生地物變化且受輻射畸變影響時，散點圖的橢圓主軸斜率與1偏離較大。相對輻射校正的目的就是將散點圖中主軸斜率通過線性回歸分析變換為1。

經(jīng)過上一步的比值運(yùn)算，已初步剔除了地物發(fā)生變化區(qū)域。為了保證精度，本文通過設(shè)定閾值進(jìn)一步剔除錯選點，提高PIF的準(zhǔn)確性。

首先，設(shè)定閾值，剔除第一階段中錯選的部分點，這部分錯選點的特點是距二維散點圖主軸方向較遠(yuǎn)。圖3示出以TM1為例初步提取PIF點后的散點圖。分析圖3可以看出，初步提取PIF點后的散點圖近似為橢圓形。以長半軸方向作橢圓的兩條切線，切線外的點視為不合格點，因此，設(shè)定差異閾值為15能夠剔除不合格PIF(不同波段閾值設(shè)置不同，需視散點圖而定)。然后，利用主成分分析方法可得到高質(zhì)量的PIF點。

圖3 2009年與2001年TM1初步提取PIF后散點圖

通過以上步驟剔除不合格點并計算出2期影像處理前后各波段的相關(guān)系數(shù)(表1)。

表1 PIF選取各階段對應(yīng)波段相關(guān)系數(shù)

由表1中處理后2期影像各波段之間的相關(guān)系數(shù)可以看出，篩選出的PIF點具有很高的相關(guān)性。PIF選取的第二階段以TM1主成分分析為例，各波段之間的相關(guān)系數(shù)均在0.96以上，因此可認(rèn)為提取的PIF點具有較高的可靠性。

同理，運(yùn)用上述方法分別選出TM2―TM5和TM7的PIF，結(jié)果與TM1相近，相關(guān)系數(shù)均在0.96以上。

3.3.2 輻射校正結(jié)果

將上述選出的PIF點代入式(3)，利用最小二乘回歸分析法便可得到增益a與偏移量b。表2列出解算出的增益a與偏移b及回歸判定系數(shù)R2。R2是對回歸模型擬合程度的綜合度量，R2越大，模型擬合程度越高。

表2 相對輻射校正的增益(a)、偏移量(b)與 回歸判定系數(shù)(R2)

根據(jù)以上求出的增益a與偏移b可列出歸一化方程，進(jìn)而利用歸一化方程完成相對輻射校正。

4 結(jié)果與分析

本文從典型地物波譜曲線、均方根誤差、歸一化植被指數(shù)(normaliged difference vegetation index,NDVI)統(tǒng)計量等多方面分析相對輻射校正的效果。

4.1 典型地物波譜曲線分析

在理論上，不同時相、相同地物的波譜曲線應(yīng)是一致的，但因受輻射畸變的影響，會導(dǎo)致地物波譜曲線有很大的差異，相對輻射校正的目的就是消除或減弱這些差異。地物的波譜曲線越相似，說明地物的反射特性越相近，地物波譜曲線的變化在一定程度上可以說明相對輻射校正的效果。本文分別從原始影像、輻射校正后影像與參考影像中選取水體、植被、耕地和裸地4種典型地物進(jìn)行波譜曲線分析(圖4)?？梢钥闯觯?jīng)相對輻射校正后的影像，有把原始影像的典型地物波譜曲線向參考影像拉近的趨勢，說明校正是有效果的。圖4中植被的波譜曲線與耕地的波譜曲線形態(tài)非常相似，這是因為所選影像的獲取季節(jié)正值春季，耕地上的農(nóng)作物與其他植被葉綠素含量都很高，因而在波譜曲線上表現(xiàn)為相近走勢。

(a) 水體(b) 植被(c) 耕地(d) 裸地

圖4 典型地物波譜曲線

Fig.4 Spectrum curves of typical features

4.2 均方根誤差分析

RMSE可用于檢驗歸一化影像與參考影像的相似性[16]，其計算公式為

(7)

RMSE越小，說明校正后影像與參考影像的輻射值越接近[11]。但是，不同時相的影像必然存在地物變化，這些變化區(qū)域會影響RMSE的計算結(jié)果，變化區(qū)域越大影響越嚴(yán)重； 所以，不能單純地認(rèn)為RMSE越小校正效果越好。另外，所選樣本點的多少也會影響輻射校正精度(表3)。

表3 輻射校正前、后主-從影像均方根誤差

從表3可以看出，經(jīng)相對輻射校正后影像的RMSE總體有減小的趨勢； 僅有個別波段(如TM5)比校正前稍大。TM5處于水的吸收波段，由于2期影像中水域面積較大且有明顯的變化，因而影響了RMSE的計算結(jié)果。但總的來說，相對輻射校正可以減小校正前、后主-從影像灰度值的差異。

4.3 NDVI分析

本文還結(jié)合NDVI進(jìn)行了綜合分析。選取的2期影像具有相同的季相，可認(rèn)為植被的變化是微弱的。利用輻射校正前、后主-從影像提取的NDVI的差值統(tǒng)計量可以反映校正效果(表4)。

表4 輻射校正前、后NDVI差值統(tǒng)計

從表4可以看出，輻射校正后NDVI差值的標(biāo)準(zhǔn)差與變化范圍2個統(tǒng)計量均比校正前減小，表明校正后影像與參考影像的植被信息更為接近，進(jìn)而說明本文方法在一定程度上減弱了2期影像的輻射差異，達(dá)到了相對輻射校正的目的。

5 結(jié)論

本文研究了多時相遙感影像相對輻射校正中的偽不變特征(PIF)方法。在前人研究的基礎(chǔ)上，利用比值運(yùn)算與質(zhì)量控制相結(jié)合的方法提取了質(zhì)量較高的PIF。在PIF選取過程中得出以下結(jié)論：

1)幾何糾正與精確配準(zhǔn)是相對輻射校正的前提，本文將幾何糾正精度控制在0.1個像元以內(nèi)。

2)本文使用的方法與一般人工選取PIF點的方法相比具有較強(qiáng)的優(yōu)勢，選點數(shù)量占整景影像的30%～45%； 而且選點質(zhì)量較高，節(jié)省了人工選點的時間，減少了PIF選取的主觀性。

3)利用比值運(yùn)算進(jìn)行的初步選點十分必要，有利于確定散點圖的主軸和完成主成分分析。

4)本文采用的與PIF質(zhì)量控制相結(jié)合、分階段逐步細(xì)化PIF點的方法能有效控制選點的質(zhì)量，PIF點的相關(guān)系數(shù)達(dá)到了0.96以上。

5)利用所提取的PIF對2期影像進(jìn)行相對輻射校正后，分別從典型地物波譜曲線、均方根誤差和NDVI差值統(tǒng)計量等方面分析評價了校正結(jié)果。分析結(jié)果一致，取得了較為理想的輻射校正效果。

[1] 趙英時.遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003. Zhao Y S.The Principle and Method of Analysis of Remote Sensing Application[M].Beijing:Science Press,2003.

[2] 王永鋒,靖娟利.基于FLAASH和ATCOR2模型的Landsat ETM+影像大氣校正比較[J].測繪與空間地理信息,2014,37(9):122-125. Wang Y F,Jing J L.Comparison of FLAASH and ATCOR2 atmospheric correction modules on Landsat ETM+data[J].Geomatics & Spatial Information Technology,2014,37(9):122-125.

[3] Chavez P S Jr,Mackinnon D J.Automatic detection of vegetation changes in the southwestern United States using remotely sensed images[J].Photogrammetric Engineering and Remote Sensing,1994,60(5):571-583.

[4] 張友水,馮學(xué)智,周成虎.多時相TM影像相對輻射校正研究[J].測繪學(xué)報,2006,35(2):122-127. Zhang Y S,Feng X Z,Zhou C H.Relative radiometric correction for multitemporal TM images[J].Acta Geodaetica et Cartographica Sinica,2006,35(2):122-127.

[5] 丁麗霞,周斌,王人潮.遙感監(jiān)測中5種相對輻射校正方法研究[J].浙江大學(xué)學(xué)報:農(nóng)業(yè)與生命科學(xué)版,2005,31(3):269-276. Ding L X,Zhou B,Wang R C.Comparison of five relative radiometric normalization techniques for remote sensing monitoring[J].Journal of Zhejiang University:Agriculture & Life Sciences,2005,31(3):269-276.

[6] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學(xué)出版社,2010:290. Deng S B.Remote Sensing Image Processing Method[M].Beijing:Science Press,2010:290.

[7] 鄭偉,曾志遠(yuǎn).遙感圖像大氣校正的黑暗像元法[J].國土資源遙感,2005,17(1):8-11.doi:10.6046/gtzyyg.2005.01.02. Zheng W,Zeng Z Y.Dark-object methods for atmospheric correction of remote sensing image[J].Remote Sensing for Land and Resources,2005,17(1):8-11.doi:10.6046/gtzyyg.2005.01.02.

[8] Ahern F J,Goodenough D G,Jain S C,et al.Use of clear lakes as standard reflectors for atmospheric measurements[C]//Proceedings of the 11th International Symposium on Remote Sensing of Environment. Ann Arbor,America,1977:731-775.

[9] Gordon H R.Removal of atmospheric effects from satellite imagery of the oceans[J].Applied Optics,1978,17(10):1631-1636.

[10]張鵬強(qiáng),余旭初,劉智,等.多時相遙感圖像相對輻射校正[J].遙感學(xué)報,2006,10(3):339-344. Zhang P Q,Yu X C,Liu Z,et al.A study on relative radiometric correction of multitemporal remote sensing images[J].Journal of Remote Sensing,2006,10(3):339-344.

[11]韓改新.一種新的遙感影像變化檢測相對輻射校正方法[J].測繪與空間地理信息,2008,31(3):84-86,89. Han G X.A new method of the relative radiometric normalization in remote sensing image change detection[J].Geomatics & Spatial Information Technology,2008,31(3):84-86,89.

[12]鄧書斌,武紅敢,江濤.遙感動態(tài)監(jiān)測中的相對輻射校正方法研究[J].遙感應(yīng)用,2008(5):71-75. Deng S B,Wu H G,Jiang T.A study on relative radiometric normalization for remote sensing dynamic monitoring[J].Remote Sensing Information,2008(5):71-75.

[13]邢宇.小波變換在遙感圖像相對輻射校正中的應(yīng)用[J].測繪與空間地理信息,2015,38(6):13-14,31. Xing Y.Application of wavelet transform in relative radiometric correction of remote sensing image[J].Geomatics & Spatial Information Technology,2015,38(6):13-14,31.

[14]諸云強(qiáng),孫九林.土地利用遙感動態(tài)監(jiān)測應(yīng)用研究——以蘭州安寧區(qū)為例[J].資源科學(xué),2006,28(2):82-87. Zhu Y Q,Sun J L.Dynamic monitoring of land use through remote sensing technology:A case study in Anning district,Lanzhou City[J].Resources Science,2006,28(2):82-87.

[15]郭麗峰,高小紅,亢健,等.偽不變特征法在遙感影像歸一化處理中的應(yīng)用[J].遙感技術(shù)與應(yīng)用,2009,24(5):588-595. Guo L F,Gao X H,Kang J,et al.Application of the pseudo-invariant feature in normalization process of the remote sensing images[J].Remote Sensing Technology and Application,2009,24(5):588-595.

[16]李居亮,都金康,張友水.用基于相對輻射校正的TM影像監(jiān)測紹興土地覆蓋變化[J].遙感信息,2004(4):22-25. Li J L,Du J K,Zhang Y S.Land cover change monitoring in Shaoxing by radiometric calibrated TM data[J].Remote Sensing Information,2004(4):22-25.

(責(zé)任編輯： 劉心季)

PIF method for relative radiometric correction of remote sensing images

SHAO Yanpo， HONG Youtang

(ChinaUniversityofGeosciences(Beijing),Beijing100083,China)

Relative radiometric normalization of multi temporal remote sensing images is the prerequisite of dynamic monitoring of remote sensing. The effect of pseudo-invariant feature(PIF)relative radiation correction is largely determined by the selection of PIF points. The method of ordinary artificial point selection has a lot of shortcomings, such as strong subjectivity and the fact that the points’ quality and quantity cannot be controlled. The following operations proposed in this paper will solve these problems. First, the accurate geometric correction and registration of the two TM images were carried out. Then the PIF was refined in stepwise way by combining the band ratio operation and quality control to improve the quality of PIF and reduce the subjectivity of its selection. The quality of selected points was evaluated by using the correlation coefficient of corresponding sample points of each band. The method of least square regression analysis was used to get the gain and offset based on the qualified PIF points selected. Then the relative radiometric correction of the two TM images was carried out. The spectrum curves of typical features, root mean square error, NDVI statistics between corrected image and original image were analyzed. The results show that the correction effect is satisfactory.

multi-temporal； relative radiometric calibration； pseudo-invariant feature(PIF) method； ratio operation； regression analysis

10.6046/gtzyyg.2017.01.02

邵艷坡,洪友堂.遙感影像相對輻射校正的PIF方法[J].國土資源遙感,2017,29(1)：7-13.(Shao Y P,Hong Y T.PIF method for relative radiometric correction of remote sensing images[J].Remote Sensing for Land and Resources,2017,29(1)：7-13.)

2015-09-28；

2015-10-22

邵艷坡(1990-)，男，碩士研究生，主要研究方向為遙感圖像處理。Email： syanpo@163.com。

洪友堂(1965-),男,副教授,碩士生導(dǎo)師。Email： hongyoutang@163.com。

TP 751.1; P 237

A

1001-070X(2017)01-0007-07