基于星载高光谱数据的遥感数据预处理

摘要 遥感影像的预处理是遥感数据应用的基础，预处理结果的好坏将影响图像的质量及后续的研究。研究利用高光谱数据对穿越香格里拉县中部一景EO-1 Hyperion数据进行预处理。预处理分别进行envi补丁下数据波组合、未定标和水汽影响波段去除、绝对辐射值转换、大气校正等处理，结果表明：图像质量提高，减少了数据运算量，为应用研究奠定了基础。。

关键词 EO-1；Hyperion；高光谱；遥感；大气校正

中图分类号 P237 文献标识码 A 文章编号 1007-5739（2012）22-0245-02

遥感可以快速获取地表信息，并通过数据的传输与处理、判译分析，实现了解和研究地物的空间分布等地表特征[1]。由于遥感系统空间、波谱、时间以及辐射分辨率的限制，会在数据获取的过程中产生误差。这些误差降低了遥感数据的质量和精度。因此，在图像分析和处理之前需要进行遥感原始影像的预处理，减小数据误差，提高图像质量。选用穿越香格里拉中部的一景EO-1 Hyperion数据，着重进行绝对辐射值转换、坏线修复、大气校正、几何校正等预处理工作以及方法的阐述。

1 EO-1 Hyperion数据介绍

EO-1上搭载了3种传感器，高光谱成像光谱仪Hyperion是其中之一。Hyperion数据覆盖范围为北纬15°~55°，东经70°~140°的矩形区域。Level 1R（Hyp-L1R）和Level 1Gst数据产品（Hyp-L1G）分别是Hyperion高光谱成像光谱仪的2种数据格式数据产品。该数据共有242个波段，幅宽7.7 km，地面分辨率为30 m，光谱范围为400～2 500 nm，光谱分辨率达到10 nm。

虽然hyperion的L1级数据是经过一系列的处理结果得来，但实际结果仍然存在着质量问题，需要进行进一步的数据预处理，以解决图像数据误差。

2 Hyperion数据预处理原理与方法

研究区位于香格里拉县中部，香格里拉地理位置处于北纬27°31′12″~28°31′12″，东经99°12′00″~100°17′24″，是滇、川以及三省区交汇处，该研究区森林资源丰富。研究选取香格里拉县中部一景Eo-1 Hyperion影像（EO1H132040200 4307110PX）为源数据，此图像成像时间为2004年3月7日。影像范围为北纬26°31′48″~28°27′00″，东经99°19′12″~100°4′48″，该影像选取29、20、11波段进行RGB彩色合成。

2.1 ENVI补丁下数据波段组合

为方便使用Hyperion数据而使用Hyperion工具组件，在进行预处理时先进行ENVI补丁下数据波段组合。Hyperion工具的使用会将该研究区的L1G/L1T GeoTIFF数据转换成含有波长、最大波宽和坏波段信息的ENVI格式的文件。

2.2 未定标及水汽波段的去除

EO-1 Hyperion数据产品共有242个波段，其中198个波段经过辐射定标处理，而没有定标波段1~7、58~76、225~242波段为0值，必须将其去除。定标波段分别为可见光红外波段（VNIR）1~70中的8~57波段，短波红外波段（SWIR）71~242中的77~224波段。由于VNIR中的56~57波段与SWIR中的77~78波段重叠，因此只有196个波段[2]。其中，SWIR中的77~78噪音比VNIR中的56-57大，因此去除SWIR77~78波段生成一副196波段的图像。Hyperion数据242条波段中，另外受水汽影像较大的121~127、167~178以及224波段将其剔除。保留的波段为8~57、79~120、128~166、179~223。

2.3 DN值转换绝对辐射值

由于实际的地物辐射值很小，DN值是HyperionL1产品中扩大的传感器辐射强度值。扩大比例因子分别为40、80，对应所选取的可见光-近红外波段中的8~57及短红外波段中的79~223波段。在实际应用数据中必须将像元值转换成绝对辐射值。因此，将VNIR波段除以40，SWIR波段除以80后将两者分别生成的图像文件进行合并，得出绝对辐射值图像。

2.4 坏线修复

坏线是在传感器定标存在错误下产生的，往往是无数据或数据值非常小的一行或一列。在高光谱影像中呈现黑条。因此将坏线逐波段逐行检查并记录，然后用其相邻行或列的平均值进行修复。Hyperion的SWIR波段条纹隐约较多。由于高光谱原始影像图呈倾斜状因此在进行坏线检查前先将图像转正。利用图像倾斜坐标值及反正切函数得出应输入的旋转角度-12.77418428。

2.5 垂直条纹的去除

受地球固有特性因素、仪器自身特性的影响，在图像上多数波段会出现不同程度的条纹。条纹的存在将影响图像的质量及后续的研究应用，去除垂直条纹的方法有2种，分别是均值去条纹法、全值去条纹法[3]。该文采用全局去条纹法，去除条纹后图像质量提升，并且较好的保留了原有的光谱信息。

2.6 FLASSH大气校正

遥感影像的大气校正是预处理的重要组成部分。大气对电磁辐射的影响主要是吸收和散射，并叠加在地物的反射信号上，使遥感像元处的图像清晰度和对比度下降[4]。大气校正可以去除大气及光照对地物反射的影响，从而提高图像质量并正确地显示地物波普信息。FLASSH是ENVI软件基于MODTRAN4辐射传输模型的大气校正模块，运用本模块可以还原真实的地表反射率，消除影像smile效应及噪声。

2.6.1 输入文件准备。大气校正的数据是经过定标后的辐射亮度值（辐射率）且带有中心波长值和波普宽度值。由于ENVI标准栅格格式文件是BIP或BIL格式，在经过上述绝对辐射值转换后，数据格式发生转变，处理中将其转换成BIL格式。

2.6.2 模型参数设置。根据已知地表的气温、季节纬度以及反射率数据输出目录文件和说明文件来设置大气校正模型参数，根据研究区情况选取传感器类型为HYPERION、高程为3.200 km等设置，其他参数设置基于FLASSH模块原理及相关文献[5]。

2.6.3 几何校正。几何校正也是预处理的重要步骤，根据已知经过正射校正的TM影像数据，通过坐标一致原则，在研究区均匀选取20个明显的地物点，总误差为0.5，预处理结果如图1所示。

3 结论与讨论

预处理过程是遥感图像进行分类处理不可缺少的组成部分，预处理的好坏将直接影响到后续图像的分析精度。主要介绍基于Hyperion数据的预处理原理及过程，研究发现Eo-1 hyperion数据经过预处理后会降低噪音提高图像质量，从而为提取正确的地物信息做保障。另外，波段的去除会降低计算量提高处理效率，为后续相关分类研究奠定坚实的基础。

4 参考文献

[1] 童庆禧，张兵，郑兰芬.高光谱遥感——原理技术与应用[M].北京：高等教育出版社，2006.

[2] 谭炳香，李曾元，陈尔学，等.EO-1 Hyperion高光谱数据预处理[J].遥感信息，2005（7）：36-37.

[3] 邬伦，张晶，刘瑜.地理信息系统—原理、方法和应用[M].北京：科学出版社，2001.

[4] 张秋爽，祝民强，刘碧洪.Hyperion高光谱遥感数据大气校正方法[J].计机测量与控制，2010，18（1）：220-221.

[5] 袁金国，牛铮，王锡平.基于FLAASH的Hyperion高光谱影像大气校正[J].光谱学与光谱分析，2009，29（5）：1181-1l85.