更新时间：2023-12-06 17:01
辐射校正（ radiometric correction ）是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。辐射误差产生的原因可以分为：传感器响应特性、太阳辐射情况以及大气传输情况等。词条根据产生原因详细介绍了对应的辐射校正方法。
辐射校正：消除图像数据中依附在辐射亮度中的各种失真的过程。处理站拿到接收站送来的原始数据(raw data)，读入图像处理系统后，先进行数据分解，分别建立原始遥感图像数据文件和遥测辅助信息数据文件； 然后根据从辐射传输方程推导出的遥感图像辐射误差校正模型，在图像处理系统软硬件的支持下，进行系统辐射校正。
辐射误差：利用传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值叫做辐射误差。
辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。
需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。
遥感图像辐射校正主要包括三个方面：
（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；
（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；
（3）大气散射和吸收引起的辐射误差改正。
总的说来，辐射误差产生的原因可以分为2种： 传感器响应特性和外界自然条件（包括太阳辐射情况和大气传输情况等）。
1、尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声等引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异；
2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。
光学镜头的非均匀性引起的边缘减光现象的纠正 。
边缘减光是指在使用透镜的光学系统中，由于透镜光学特性的非均匀性，使在其成像平面上存在边缘比中间暗的现象。
纠正方法为： EP=E0COS4θ
E0:以平行于主光轴的方向通过透镜到达像平面O点的光强度;
EP：以与主光轴成θ角的方向通过镜头到达像平面P点的光强度。
目前应用最广泛的遥感卫星图像为Landsat TM、ETM及SPOT等，它们均采用光电变换系统来替代传统相机的透镜光学系统摄像，不存在边缘减光现象，故一般不需要采取COS4θ校正处理。
而光电变换系统的灵敏度特性一般都有很高的重复性和稳定性，可定期在地面测定其可能发生的变化，并把测量值收集到遥测辅助信息数据文件中。
上式中E为传感器接收到的电磁波能量,E0为地物的辐射能量,
测量大气参数，按理论公式求得大气干扰辐射量；
为大气的衰减系数，计算复杂。
在可见光和近红外区影响大气衰减的主要因素是气溶胶的散射作用，在热红外区则主要是大气中的水蒸气。
为了进行大气辐射校正，必须知道大气中的气溶胶特性、密度和水蒸气浓度，但是要取得这些数据，目前还很因难，因此，此方法应用较少。
近几年发射的卫星已考虑到这个问题，在遥感平台上搭载一套测量大气参数的装置。
通过将野外实地波谱测试获得的无大气影响的辐射值与卫星传感器同步观测结果进行分析计算，来确定校正量；
事先测定若干地物反射率并建立标志，以此数据与图像数据对比来消除大气影响； 常选用同类仪器测量，将地面测量结果与卫星影像对应像元亮度值进行回归分析，计算辐射校正值。 但遥感是动态过程，在地面特定地区、特定条件和一定时间内测量的地物反射率数据，并不具有普遍性，所以此法代价很大而适用范围有限，一般也很少采用。
在特殊条件下，利用某些不受大气影响或影响很小的波段来校正其它波段。
由于大气散射主要发生在短波段图像（可见光遥感中的以蓝、绿波段最甚），随波长增长，散射作用逐渐减弱，因此可以把红外图像当作无散射影响的标准图像，将其它波段的图像与之比较，其差值是需校正的散射辐射值。 具体的校正方式有2种：回归分析法和直方图法。
（1）回归分析法
以红外波段图像如TM7作为无散射影响的标准图像，在待进行大气散射校正的可见光波段图像上(如TM1/TM2/TM3)，找出最黑的影像（如高山阴影或其他暗黑色地物目标）； 然后把对应的TM7图像上的同一地物目标找出来，再把可见光与红外图像的灰度值数据取出进行比较分析。
（2）直方图法
当图像上有洁净且有一定深度和面积的水体或深暗地形阴影时，其直接反射能量应为0或接近于0。但因受大气影响，可见光各波段图像直方图的低端灰度值不为0，而是使直方图产生漂移值a 。波长越短，散射作用越强，a值越大。
1.公式法：
太阳高度角的校正是通过调整一幅图像内的平均灰度来实现，太阳高度角θ斜射时得到的图像g(x,y)与直射时得到的图像f(x,y)有如下关系：
如果不考虑天空光的影响，各波段图像可以采用相同的太阳高度角进行校正。对于太阳方位角引起的误差可以按相似的方式进行处理。
2.波段比值法
太阳高度角在图像上还会产生阴影，一般情况下图像上的阴影是难以消除的，但在多光谱图像上，地物阴影区的灰度值，可以认为是无阴影时的影像灰度值再加上对各波段影响相同的阴影灰度值。 比值运算：又叫图像相除，用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比得到。在比值图像上阴影的影响基本消除，有助于提高遥感图像定量分析与识别分类精度。
利用比值处理，可以扩大不同地物间的光谱差异，区分在单波段中容易发生混淆的地物，同时可以消除或减弱地形阴影、云的影响和植被干扰等。
例如有些地物在单波段图像内的亮度差异极小，用常规方法难以区分它们。像水和沙滩，在第四波段和第七波段的亮度非常接近，容易混淆。但如果把两波段图像相除，其比值的差异极大，就很容易将它们区分开。
另外，太阳方位角的变化也会改变光照条件，还随季节、地理纬度的变化而变化，不过太阳方位角引起的图像辐射误差通常只对图像细部特征产生影响，可以采用与太阳高度角校正类似的方法进行处理。
如果太阳光垂直入射到水平地表时收到的光照强度为I0，那么光线垂直入射到倾角为α的坡面上时，其入射点处的光强度I为：
若处在坡度为的倾斜面上的地物目标影像为g(x,y)，则校正后图像f(x,y)为：
因此，因地形起伏引起的辐射校正需要知道各坡面的倾角，还要有该区域的DEM数据，目前不易实施，一般情况下不对其做校正，在需要时可采用比值图像来校正。
条纹和斑点误差校正
常用的方法有：平均值法、直方图法、在垂直扫描线方向上采用最近邻点法或三次卷积法。（起平滑作用）