3. 矿区多光谱影像预处理基础
多光谱影像进入拼接流程之前,原始DN值只是传感器记录的数字量化结果,既不代表真实地表反射率,也不具备统一的空间基准。若直接拿原始影像做镶嵌、匀色和波段校核,误差会被后续步骤放大:辐射差异被误判为地物差异,几何错位被误判为拼接算法失效。因此预处理的核心任务是把影像"拉回物理量和统一坐标系",为拼接与波段校核提供可比、可配准的输入。本节按辐射—大气—几何—增强去噪四条链路展开,并给出可操作的参数与判据。
辐射定标:把DN值换成有物理意义的量
辐射定标分两步。第一步是相对辐射定标,消除探元间响应不一致造成的条带;第二步是绝对辐射定标,把DN转换为辐亮度或表观反射率。以常见的推扫式多光谱传感器为例,绝对定标公式为:
L = Gain × DN + Offset # 辐亮度,单位 W/(m²·sr·μm)
ρ_TOA = π·L·d² / (ESUN·cosθs) # 表观反射率
# Gain/Offset 来自元数据定标系数;d 为日地距离(天文单位)
# ESUN 为波段大气外太阳辐照度;θs 为太阳天顶角
实操中先读元数据中的定标系数与成像时间,计算日地距离修正因子,再逐波段套用公式。判断定标是否合理的快速方法:在同景影像中选取大面积稳定地物(如深水体、裸岩、沥青路面),检查其表观反射率是否落在经验区间内——清水在近红外波段应接近0,植被在近红外应明显高于红光。若出现近红外水体反射率异常偏高,多半是Offset符号或定标系数单位(μW与W)用错。矿区场景还需注意:大面积裸露采坑与排土场的反射率动态范围大,定标后应检查是否出现饱和截断(DN=最大值处反射率被压平)。
大气校正:从表观反射率到地表反射率
大气校正的目的是去除瑞利散射、气溶胶散射和水汽吸收的影响。工程上常用暗像元法或基于辐射传输模型的方法(如6S、FLAASH类思路)。暗像元法的操作要点是:在影像中寻找近红外波段反射率接近0的浓密植被或深水体像元,取其各波段最小值作为气溶胶路径辐射的估计,再逐波段减去并做增益归一化。矿区常见问题是暗像元难找——植被稀疏、地表以灰褐色为主,此时可退而使用气溶胶光学厚度(AOD)产品作为输入,或选取影像内最暗的阴影区作为参考。
校正效果的判据不是"看起来更亮",而是:同一地物在不同日期影像上的反射率趋于一致;植被红光吸收谷与近红外高反射平台更清晰;水体在近红外进一步趋近于0。若校正后短波红外出现大面积负值,说明气溶胶估计过量,应回退参数重新估计。大气校正对后续拼接的意义在于:它把"成像条件差异"从"地物差异"中剥离出来,使镶嵌时的匀色有物理依据,而不是单纯靠直方图匹配硬拉。
几何粗校正:先建立可配准的底子
几何粗校正解决的是系统性几何变形:地球自转、传感器姿态、地形起伏和投影差异。粗校正通常分两级:一级用元数据中的轨道、姿态和成像几何参数,配合DEM做正射纠正,把影像投影到统一坐标系(矿区常用CGCS2000或地方坐标);二级用少量地面控制点(GCP)做多项式或有理函数模型精化。粗校正阶段GCP不必很多,但分布要覆盖影像四角与中部,残差RMS建议控制在1~2个像元内;若超过3个像元,应检查控制点坐标系统是否与影像一致、高程基准是否匹配。
矿区地形起伏大、采坑边坡陡,正射纠正时DEM分辨率直接影响边坡附近的几何精度。经验上DEM格网应不粗于影像地面分辨率的2~3倍;对深凹采坑,若DEM未更新到最新开采面,坑底会出现明显拉伸错位,这类误差在粗校正阶段就应记录,供后续拼接时设置掩膜或局部配准。粗校正的输出应是带有明确投影、像元大小和地理范围的影像,而不是"看起来正了"的图片。
影像增强与去噪:为判读和匹配服务
增强与去噪不是为了让图好看,而是为了提升后续特征匹配与人工判读的稳定性。常用手段包括:线性拉伸与直方图均衡化提升对比度;波段比值(如铁染指数、植被指数)突出矿区地物差异;主成分变换压缩冗余并分离噪声;空间域滤波中值滤波去除椒盐噪声,频域或小波方法抑制周期性条带。推扫影像的条带噪声具有明显方向性,宜先用列均值归一化做条带去除,再用中值滤波处理残余孤立噪声,顺序颠倒会把条带"抹"成块状伪影。
去噪强度的判断依据是:噪声被压制的同时,道路边缘、采坑边界、建筑轮廓不被模糊。可用边缘梯度均值作为量化参考——去噪前后梯度下降超过约20%时,通常意味着过平滑。增强后的影像应保留原始辐射量级信息,避免因拉伸导致后续波段比值计算失真;因此建议增强结果单独输出为显示产品,参与计算的仍是定标和大气校正后的反射率数据。
把四步串成可复现的流程
四条链路并非严格串行:辐射定标与大气校正必须先后衔接,几何粗校正可与辐射处理并行,增强去噪放在最后且只作用于显示产品。一个可复现的预处理记录至少应包含:定标系数来源与日地距离修正值、大气校正方法与关键参数(AOD或暗像元位置)、GCP数量与RMS残差、DEM来源与格网大小、去噪方法与边缘梯度变化量。这些记录直接决定后续拼接误差能否被追溯到预处理环节,而不是笼统归因于"拼接算法不好"。