ENVI扩展工具：深度学习利器——相对辐射校正工具

卫星传感器获取的光谱数据受到许多因素的影响，如大气吸收和散射、传感器-目标-光源几何关系、传感器校准和图像处理程序。为准确揭示卫星影像反射率所代表的真正地表类型，有必要进行辐射校正。有两种方法可以进行辐射校正：绝对辐射校正和相对辐射校正。绝对校正要求在卫星数据获取时使用地面测量数据进行辐射定标和大气校正。相对辐射校正或称为相对辐射归一化则不需要卫星过境时的实测数据。该方法涉及将强度或DN值校正或归一化到参考图像。归一化后的图像看起来就像是在与参考图像相似的大气和光照条件下使用相同的传感器获取的。

在使用不同卫星或传感器获取的遥感影像进行深度学习模型训练后，训练好的模型往往不能直接用于其他卫星影像数据。这是由于不同影像的辐射和数据类型差异。而相对辐射归一化可以降低由于采集条件不一引起的图像之间的辐射差异。因此对不同卫星影像进行相对辐射校正后，可以大幅提高深度学习模型应用于不同卫星影像的分类效果。

本工具对两个由于光照条件不同而动态范围明显不同的图像进行相对辐射归一化处理。该过程以一个图像为基础，使用线性回归方法计算调整第二个图像所需的增益和偏置。该工具两个输入图像可以具有不同的空间或地理范围，但需要具有相同的波段数量。