遥感IDL二次开发(大气校正)

简介: 遥感IDL二次开发(大气校正)

1.程序功能:

用ENVI打开TM数据,将数据传到IDL工作空间,在IDL环境下进行大气校正,并将结果回传给ENVI。


2.程序源代码:

Function AtmoCorr32,test
;**************** 读入数据 *********************;
size_image=size(test)
samples=size_image[1];TM列数
lines=size_image[2];TM行数
bands=size_image[3];TM波段数
;读取 TM 的 Gain 和 Offset 值到 data 中
fn_calib='辐射定标参数txt文件存储路径';
openr,lun,fn_calib,/get_lun
data=fltarr(2,6)
data1=fltarr(3,6)
readf,lun,data0
readf,lun,data1
free_lun,lun
gain=data0[0,0:5];增益值
offset=data0[1,0:5];偏移值
;用定标系数将原始DN值转换为大气层顶太阳辐亮度L
L=fltarr(size_image[1],size_image[2],size_image[3]);定义辐亮度
for i=0,bands-1 do begin
L[*, *, i]=gain[i]*test[*,*,i]+offset[i];
Endfor
;输出辐射定标后文件
envi_write_envi_file,out_name='大气校正参数txt文件路径',L
;读取大气校正参数
a=data1[0,*]
b=data1[1,*]
c=data1[2,*]
;设置一个数组准备存放大气校正的结果
E=fltarr(size_image[1],size_image[2],size_image[3])
;大气校正
for i=0,bands-1 do begin
y=a[i]*L[*,*,i]-offset[i];
E[*,*,i]=y/(1+c[i]*y);
Endfor
;输出大气校正文件
envi_write_envi_file,out_name='输出大气校正结果txt文件路径',E
return,E
end


**注意:**首先要打开 ENVI+IDL联合程序, 然后用ENVI加载影像,并将需要使用的影像导入到 IDL 中,最后在IDL命令窗口中输入函数:如 E=AtmoCorr32(test)


3.结果

微信截图_20230111114939.png

微信截图_20230111114946.png

微信截图_20230111114953.png

微信截图_20230111114959.png

相关文章
|
1月前
|
机器学习/深度学习 存储 数据采集
智能光栅光片显微成像技术的LabVIEW解决方案
智能光栅光片显微成像技术的LabVIEW解决方案
21 4
|
1月前
|
传感器 定位技术
Ardupilot — EKF3使用光流室内定位代码梳理
Ardupilot — EKF3使用光流室内定位代码梳理
21 0
|
1月前
|
传感器 算法 定位技术
Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜
Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜
|
11月前
|
编解码 算法
ENVI IDL:如何进行图像清晰度评价?
ENVI IDL:如何进行图像清晰度评价?
127 0
|
12月前
|
传感器 算法 数据挖掘
【影像配准】多时相遥感影像配准结果模块化(附有完整代码)
【影像配准】多时相遥感影像配准结果模块化(附有完整代码)
|
12月前
|
数据可视化 C++
【变化检测】多时相遥感影像变化检测 Qt界面可视化 / 实现卷帘功能(附有完整代码)
【变化检测】多时相遥感影像变化检测 Qt界面可视化 / 实现卷帘功能(附有完整代码)
|
存储 传感器 文件存储
Landsat 7遥感影像大气校正与预处理:ENVI实现
本文介绍基于ENVI软件,实现对Landsat 7遥感影像加以预处理与多种不同大气校正方法的操作~
1261 1
Landsat 7遥感影像大气校正与预处理:ENVI实现
|
传感器 人工智能 算法
Feat-Calibr | 一款实用的开源激光雷达到车体外参的标定工具
对于拥有惯导的自动驾驶车辆而言,激光雷达到惯导/车体(以下简称激光雷达外参自标定)的方法对后续的感知、定位等下游应用具有非常重要的意义。对于这一问题,最容易想到的办法是同时跑激光里程计与惯导的里程计,并使用手眼标定的方法寻找这外参。这个方法最主要的问题是标定精度受制于激光雷达里程计的精度,对于当前量产的固态激光雷达而言,受制于有限的FOV,测距精度较差,抖动,以及多变的标定场景等问题,难以适配鲁棒且高精度的激光里程计用于外参标定。
Feat-Calibr | 一款实用的开源激光雷达到车体外参的标定工具
|
传感器 机器学习/深度学习 编解码
激光雷达与视觉联合标定综述!(系统介绍/标定板选择/在线离线标定等)
由于2D识别的成功,论文引入了一个大型基准,称为OMNI3D,重新审视了3D目标检测的任务。OMNI3D对现有数据集进行了重新利用和组合,生成了234k张图像,标注了300多万个实例和97个类别。由于相机内参的变化以及场景和目标类型的丰富多样性,这种规模的3D检测具有挑战性。论文提出了一个名为Cube R-CNN的模型,旨在通过统一的方法在摄像机和场景类型之间进行泛化。结果表明,在更大的OMNI3D和现有基准上,Cube R-CNN优于先前的工作。最后,论文证明了OMNI3D是一个强大的3D目标识别数据集,表明它提高了单个数据集的性能,并可以通过预训练加速对新的较小数据集的学习。
激光雷达与视觉联合标定综述!(系统介绍/标定板选择/在线离线标定等)