MODIS影像条带去除

MODIS影像条带去除

摘要

记录一下使用MODIS影像（L1B）时遇到的一些问题和解决思路（持续更新）。

MODIS介绍

官方介绍：MODIS Web

数据产品

L1B

各波段信息：

其中：

RefSB:Reflective Solar Bands(太阳光反射波段)

Emissive:Emissive Bands(热辐射波段)

EV:Eearth View

数据预处理

几何校正

MODIS的产品数据，如果按存放的形式来讲可以分为两类，第一类是Swath数据，第二类是Grid数据。Swath数据实际上就是按传感器的实际扫描过程，一行一行地存放的，每一景的空间范围并不固定。MODIS的1级产品和大部分的2级大气产品，都属于Swath数据。Grid数据其实是在Swath数据的基础上做了后处理，在全球分块的基础上，把原有的数据全部归算到了固定空间范围的格网内，且每个像元代表的面积也是相等的。Grid数据常用的投影格式就是正弦投影，MODIS绝大部分的地表产品就是这一形式。由于MODIS传感器自身的特性，在扫描的过程中星下点像元的空间分辨率和边缘区域像元的空间分辨率有较大的差异，越往边缘，像元代表的空间范围就越大（如下图）。但在数据存放的过程中，是按像元挨像元的方式，最终出来的结果，和实际的地表范围相比，看起来就像是变形了。要还原出Swath数据代表的真实空间范围，就必须要对它做几何校正（Georeference）。

具体可参考：MODIS Swath数据的几何校正-Python批处理

条带去除

MODIS使用了一组独立的扫描传感器，这可能会导致原始图像中的条纹，特别是在BTD（Brightness Temperature Difference）图像中。

1. 使用官方工具

   IMAPP - International MODIS/AIRS Processing Package

   算法原理可参考这篇文章：IMPROVED DESTRIPING FOR TERRA AND AQUA MODIS DATA: ALGORITHM DESCRIPTION AND QUANTITATIVE RADIOMETRIC ASSESSMENT

   下面是查到的其他方法（还未验证可行性）。

2. 频率域去噪

   傅里叶变换，小波变换等。通过去除高频信息的方式去除条带，但高频影像信息不一定都是条带，因此很难通过高频彻底检测出条带，而且处理后也会对非条带区域产生干扰，比如丢失一些纹理细节。

   相关链接：

   傅里叶变换 - OpenCV中文官方文档

   通俗讲解：图像傅里叶变换

   傅里叶变换去除图像噪声（横纹

   OpenCV: Fourier Transform

3. 空间域去噪

   优点是不会对非条带区域产生负面作用，适用于单行条带检测域去除，不适用去除宽条带，而且这种方法去除的效果取决于条带检测是否准确。

4. 统计量调整法

   直方图匹配、矩匹配法、均衡化曲线补偿消除法等。直方图匹配假设每个传感器探测的地物具有相同的辐射分布，适用于去除几何纠正前卫星影像中的宽条带。矩匹配法能比直方图匹配更有效但该方法会改变影像行或列的均值分布，造成一定的灰度畸变。均衡化曲线补偿消除法不仅能有效去除条带、还能较好的保持影像灰度连续性，较其他方法有一定优势。