光学遥感器在轨绝对辐射定标精度决定着定量化应用的广度和深度,反射率法、辐照度法以及辐亮度法等基于大面积均匀场的在轨替代定标发挥着重要作用,但由于存在场地数量有限、定标频次低、场地反射率低以及单点定标无法实现全动态范围定标的问题,定标精度限制在5%~8%之间。光学遥感器空间分辨率的提高,使得基于光谱平坦性好、朗伯性好的灰阶靶标的绝对辐射定标成为可能。本文研究了基于灰阶靶标的定标方法的原理、定标流程及影响因素,并在此基础上提出了简化辐射传输计算的方法。考虑到高分辨多光谱相机响应线性及暗电流等的影响,本文采用带偏置的一次函数响应模型,对某多光谱相机进行了三次试验,求出了定标增益与偏置,定标不确定度优于5%。利用铺设的彩色靶标进行了反射率反演验证,结果显示,在5%~70%的反射率内,绝对差值不到0.01。所提绝对辐射定标方法可以实现光学卫星遥感器大动态范围的绝对辐射定标,解决了在响应低端定量化应用时定标精度普遍较低的问题。

直接采样微波辐射计统计模型及定标研究

比值辐射计是一种监视漫反板双向反射分布函数(BRDF)在轨衰变的有效装置，太阳观测通道相对几何因子(简称几何因子)是比值辐射计在轨应用前需要精确测量的关键参数之一。对比值辐射计工作原理进行了介绍，在实验室内以卤钨灯代替室外的太阳对比值辐射计几何因子进行了重复测试，根据几何因子统计结果结合测试误差进行比值辐射计470、650、825 nm 波段几何因子测试不确定度的分析。结果表明，比值辐射计几何因子测试不确定度在470 nm 波段为0.48%，在后两个波段均优于0.16%，符合该参数的测试需求，为后期星上定标不确定度的评估以及星上定标系数的获取提供了有效的数据支撑。

辐射定标是光学遥感信息定量化的关键技术之一。随着高分辨光学遥感器定量化应用的发展，在轨绝对辐射定标精度的要求也越来越高。提出了一种基于多灰阶靶标的在轨定标方法，采用实际测量的漫射辐照度与总辐照度比来代替辐射传输计算的气溶胶散射，同时布设高反射率靶标以提高辐射定标精度。初步试验结果表明，基于多灰阶靶标的高分辨率光学卫星传感器在轨绝对辐射定标方法，对假定的理论模型依赖较少，能够实现全动态范围的高精度定标，不确定度优于4%，而且满足复杂环境条件的应用要求。

目前野外工作大口径双波段红外经纬仪的外场辐射定标装置普遍采用大面积均匀扩展辐射源，该方法需要两套定标设备，功耗高、便携性能差、研制难度大。为解决这一问题，分析比较了不同定标方法的原理、过程及技术性能，得出琼斯法是对野外环境下工作的大口径红外经纬仪进行辐射定标最佳方案的结论。为此研制了双波段红外辐射计，该辐射计由黑体照明光管和参考辐射计两部分组成，采用牛顿式望远系统及中继光路系统，选用InGaAs和PbSe两款红外探测器分别接收短波红外和中波红外辐射信号，可对短波和中波双波段进行辐射定标。讨论了校准参考辐射计对保证红外经纬仪最终测量精度的必要性，并给出参考辐射计在短波和中波不同的校准方法和校准结果。对校准该辐射计的不确定度进行了分析，短波和中波校准不确定度分别为4.12%和2.35%。

Landsat-8 OLI影像批处理代码，实现功能：辐射校正、图像裁剪，可直接运行。 语言：IDL 平台：ENVI5.x

限制，只能处理FY-4的可见光与短波红外波段且是2km分辨率数据，这是一个处理FY-4数据的程序，主要进行两个处理，辐射定标与几何校正，定标为表观反射率。底层使用C++语言实现，主要用到HDF5与GDAL两个库，保存格式是GEOTIFF，坐标系为WGS-84地理坐标系。可以处理两个分辨率，2KM与4KM，由于没有进行分块处理，所以2KM数据占内存1.5G左右。

LANDSAT8数据预处理，辐射定标与大气校正

文运用相机标定模型确定了相机像平面的像坐标，利用本质矩阵标定双目相机，快速找出了相机的相对位置关系；利用MATAB软件和图像处理进行编程求解；通过对图像的预处理和灰度质心法对模型进行了验证，得出模型的精度。 针对问题一，根据数码相机的特点，提出了一个新的标定方法，建立相机标定模型，确定了靶标上圆的圆心在该相机像平面的像坐标，为问题二的计算提供了一个好的算法。 针对问题二，我们利用问题一建立的模型和方法运用MATLAB编程精确的计算了靶标上五个圆的圆心在像平面上的像坐标。 针对问题三，我们引入了灰度质心法及像差模型对前述问题的模型的稳定性和坐标值精度进行检验后，发现两种模型的中心坐标值的误差值在[0~3]个像素区间内，说明前述模型的计算结果的精度很高，通过像差模型得出其径向畸变系数趋于无穷小，认为前述模型有很好的稳定性。 针对问题四，我们提出了一种改进的的立体摄像机标定方法，通过双目匹配点，线性地求解本质矩阵，快速找出摄像机的相对位置关系。

计算机视觉是信息技术领域的一个重要分支，它涉及到图像处理、机器学习和几何推理等多个学科，用于理解和解释现实世界中的视觉信息。在这个"摄影机定标，点的三维重建VC程序"中，我们将深入探讨两个关键概念：摄影机定标和点的三维重建。 我们来看摄影机定标。这是一个必要的步骤，用于确定摄影机内部和外部参数，以便准确地将二维图像坐标转换为三维空间坐标。定标通常涉及使用已知几何形状（如棋盘格）的图像，通过检测棋盘格角点并解决几何方程来估算摄像机的内参（如焦距、主点位置）和外参（如旋转和平移矩阵）。在VC程序中，这可能涉及到OpenCV库的使用，该库提供了方便的函数来自动检测特征点、计算本质矩阵和单应性矩阵，进而推导出相机参数。 接下来，我们讨论点的三维重建。在计算机视觉中，从多个视角的二维图像恢复三维信息是一项挑战。一旦摄影机被定标，我们就可以使用立体匹配或结构光等技术来确定物体表面点的深度。这个程序可能实现了基于特征匹配的三角测量方法，通过在不同视角的图像中找到相同的特征点，计算它们的视差，从而求得每个点的三维坐标。这个过程涉及到图像配对、特征描述符的提取与匹配、匹配点对的筛选以及最后的三维重建。 文件"程序说明.txt"很可能包含了详细的操作指南，包括如何运行程序、输入数据格式、预期输出等内容，这对于初学者来说非常有价值。"测试数据"可能是一系列用于验证程序功能的图像或已知三维点集，这些数据可以帮助检查程序的正确性和准确性。而"CameraPos"可能包含每张图像对应的相机位置信息，这是进行三维重建时不可或缺的数据。 这个VC程序为学习和实践计算机视觉中的核心任务——摄影机定标和点的三维重建提供了实用工具。通过理解这两个概念，开发者可以进一步扩展到更复杂的场景分析、物体识别和运动追踪等领域。对于初学者，这是一个很好的起点，可以亲手操作并理解这些复杂的算法是如何工作的。