【ENVI】辐射校正和图像去噪声

一、数据来源

Landsat-8中的湛江区域的遥感影像数据图，其大概信息情况如下表1所示。

表1 Landsat-8中湛江区域的遥感数据下载情况

二、内容

1）辐射校正

1、利用两类数据进行绝对辐射定标

2、利用两类数据进行大气校正，学会使用平均相对反射率法、对数残差法以及FLAASH大气校正这三种方法，通过特征光谱曲线对比三类方法大气校正的差异。

3、利用两类数据，进行太阳高度角校正。

2）图像去噪声

1、了解空间滤波的操作过程

2、利用特征光皮曲线进行对比空间滤波对图像产生的效果

三、操作成果

根据自行下载的数据，在ENVI上进行效果出图。得到辐射定标图（图2）、学会大气校正的三种方法并且成果出图，如图3-图5所示，学习对湛江区域的遥感数据进行太阳高度角校正（图6所示）

 图2 原图（左）与辐射定标（右）对比

 图3 内部平均校正（左）与原图（右）对比

 图4 对数校正（左）与原图（右）对比

图5 大气校正（左）与原图（右）对比

图6 太阳高度角校正（左）与原图（右）对比

1. 空间滤波成果图

   在遥感图像处理中，经常采用空间域中的邻域处理方法来改变遥感图像中像元与其周围相邻像元的关系，即“空间滤波”，来突出遥感图像上某些特征，如突出边缘或纹理。传统的空间滤波方法有图像卷积运算、平滑、锐化。通过资料的学习，得到均值滤波与低值滤波的图像比较（图7）、低频滤波与中值滤波的比较（图8）、低通滤波逆变换（图9）、真彩色显示FFI低通滤波逆变换后与原图的比较（图10）.

图7 均值滤波图像（左）和低频滤波图像（右）

图8 低频滤波（左）和中值滤波（右）的比较

图9 低通滤波逆变换成果图

图10 真彩色显示FFI低通滤波逆变换后（左）与原图（右）的比较

四、总结

1. 辐射校正

辐射校正是进行图像处理的前提，熟悉掌握此方法步骤对今后的遥感出图及论文撰写等有巨大帮助。任何遥感图像数据在拿到手之前都需要经过图像预处理，学习和掌握辐射校正等方法应用，是遥感专业必备的知识技能。

1. 空间滤波

遥感图像的空间滤波是一种图像增强的方法，主要是目的是经过处理后，可以更好的对图像进行分析、判读、理解、识别、提取其中丰富的遥感信息。

通过自我寻找资料等学习了解到空间滤波还有高通滤波器（High Pass Filter)高通滤波在保持高频信息的同时，消除了图像中的低频成分。可以用来增强不同区域之间的边缘，犹如使图像尖锐化。直通滤波（Directional)是第一个派生的边缘增强滤波，它选择性地增强有特定方向成分的图像特征。遥感图像的空间滤波是一种图像增强的一种方法，因此是否对遥感图像进行滤波处理应该依旧研究的需要而定，可以采用一些动态的运算方法，以模拟随着像元的不同位置，根据不同的像元周围的像元值来确定该像元的灰度值，获得另外的一种效果。