第三章 遥感影像预处理：辐射定标、大气校正、几何校正、影像裁剪与镶嵌

说实话，很多刚入行的朋友觉得预处理这步又枯燥又麻烦。我当年也这么想。直到有一次，我拿了一景没做大气校正的影像去做变化检测，结果把一片农田的灌溉变化误判成了城市扩张……嗯，从那以后，我再也不敢跳过预处理了。

预处理说白了，就是让原始影像变得「能用」。原始数据里藏着传感器误差、大气干扰、地形畸变，你不处理它，它就会在后续分析里给你挖坑。这一章，我把几个核心步骤掰开揉碎了讲给你听。

3.1 辐射定标

辐射定标是第一步。它的任务很简单——把传感器记录的DN值（数字量化值）转换成物理量，比如辐射亮度或反射率。

为什么要做这个？因为DN值本身没有物理意义。你想想看，同一个地物，不同传感器拍出来的DN值可能差很多。不做定标，你拿什么去比较？

我在项目中遇到过一件事：用Landsat 8数据做长时间序列分析，发现某年的反射率突然整体偏低。查了半天，原来是那一年换了传感器，定标参数没更新。所以，每次下载数据，第一件事就是检查元数据文件里的定标系数。

3.2 大气校正

大气校正，说白了就是把大气对影像的影响去掉。太阳光穿过大气层，会被散射、吸收，到达传感器的信号已经「失真」了。

举个例子：你站在山顶看远处的山，总觉得雾蒙蒙的，那就是大气散射造成的。遥感影像也一样，不做大气校正，你提取的地物反射率会偏大或偏小。

常用的方法有几种：

• 相对大气校正： 比如暗目标法（DOS），假设影像中最暗的地物（如深水）反射率为0，以此推算大气参数。简单快速，但精度一般。
• 绝对大气校正： 比如FLAASH、6S模型，需要输入大气参数（气溶胶厚度、水汽含量等）。精度高，但参数获取麻烦。
• 经验线性法： 用地面实测的反射率数据来校正。精度最高，但需要外业工作。

我个人习惯是：如果做定性分析（比如目视解译），用相对校正就够了。但如果做定量分析（比如反演叶面积指数、估算生物量），必须用绝对校正。

3.3 几何校正

几何校正解决的是「影像上的像素点对应地面哪个位置」的问题。原始影像因为传感器姿态、地形起伏、地球曲率等原因，存在几何畸变。

几何校正分两种：

1. 粗校正： 利用卫星自带的轨道参数和姿态数据，消除系统性畸变。这一步通常在数据分发前就做完了。
2. 精校正： 通过地面控制点（GCP）来修正残余误差。这是我们需要自己做的。

精校正的流程大致是：

• 选取控制点（道路交叉口、建筑物角点等明显特征点）
• 建立多项式变换模型（一次、二次或三次多项式）
• 重采样（最近邻、双线性内插、三次卷积）

重采样方法的选择也有讲究。最近邻法速度快，但会丢失细节；三次卷积法效果好，但计算量大。我一般做分类用最近邻，做目视解译用三次卷积。

3.4 影像裁剪

影像裁剪就是把研究区域从整景影像里「切」出来。这一步看似简单，但有几个细节要注意。

裁剪方式有两种：

• 规则裁剪： 按矩形范围裁剪，适合大区域分析。
• 不规则裁剪： 按矢量边界（如行政区划、流域边界）裁剪，适合特定区域研究。

我记得有一次做城市扩张分析，用行政区划边界裁剪影像。结果发现边界附近有很多「锯齿」状的像素。这是因为矢量边界和影像的投影坐标系不一致。解决办法是：先统一坐标系，再裁剪。

3.5 影像镶嵌

当研究区域覆盖多景影像时，就需要镶嵌——把多张影像拼成一张无缝的大图。

镶嵌的核心难点在于「接缝线」的处理。不同影像的拍摄时间、光照条件、大气状况都不一样，直接拼接会出现明显的色调差异。

常用的处理方法：

• 直方图匹配： 以一幅影像为参考，调整其他影像的直方图，使色调趋于一致。
• 羽化融合： 在接缝线附近做渐变过渡，消除拼接痕迹。
• 最佳接缝线选择： 自动寻找差异最小的路径作为接缝线，避免穿过建筑物、道路等明显地物。

镶嵌后的影像，建议做一次整体色调均衡。我常用的是全局直方图拉伸，让整幅影像的亮度分布更均匀。

3.6 预处理流程总结

这一套流程走下来，你可能会觉得步骤多、参数杂。但我想说的是：预处理的质量，直接决定了后续分析的成败。你花在预处理上的每一分钟，都会在后面的变化检测和城市扩张分析中得到回报。

下面这张图，是我自己总结的预处理流程框架，你可以照着这个顺序来操作：

这张图里，我特意把裁剪和镶嵌放在并列的位置。因为在实际项目中，你通常只做其中一种：要么裁剪单景影像，要么镶嵌多景影像。当然，也有先镶嵌再裁剪的情况，顺序可以灵活调整。