遙感影像獲取時受大氣條件、光照條件、地表起伏、土壤溼度、植被氣候、感測器成像模型和側視角等對地面光譜反射訊號的影響，造成同一地區所成的影像具有較大的輻射差異，這給多時相影象處理和分析帶來了極大的困難。消除影象輻射亮度差異的這一過程稱為輻射歸一化。
常規輻射歸一化方法主要有最暗目標法，直方圖匹配，基於統計量的校正，基於偽不變特徵(PIF)的校正。
1、直方圖平移法
直方圖平移法：對與時相較近的遙感影像，影象具有基本相同大氣條件和光照條件，透過比較影象的直方圖，可以明顯發現影象的灰度變化是一致的，區別在於同類地物的亮度差異。該方法假設影像中同類地物(如水體)對應的反射率沒有變化，以參考影象直方圖為標準，將原影像直方圖進行平移。最簡單的方法就是計算影象同類地物的灰度均值差。
2、直方圖匹配
通常在幾何配準後的多時相遙感影象上，發生變化的地物目標占全部地物的比例較大。所以經過輻射校正的多時相影象的灰度直方圖分佈差異明顯。雖然直方圖相似，並不說明影象具有一致的輻射特性。但是，對於配準後的同一地區的遙感影象而言，它們是同一模式的對映(忽略地物的變化)，影象內部像點輻射亮度之間具有相關關係，那麼如果直方圖相似，它們的輻射特性也就相近。
直方圖匹配能夠有效地將原影象的直方圖分佈調整為與參考影象的直方圖。該方法的優點是能夠自動快速地完成影象的輻射歸一化，其缺點是直方圖匹配這一非線性操作在一定程度上破壞了源影象中地物的輻射特性。
3、基於統計量的校正
從統計量的角度看，輻射特性相同的同一地區的遙感影象，具有相同的灰度機率分佈。又由於影象內部的相關性，具有相同灰度分佈的影象也具有相似的輻射特性。輻射歸一化進行源影象和參考影象灰度機率分佈的統計量匹配。若假設影象灰度服從高斯分佈，則有：
（gd—μf）/σf=（gr—μr）/σr
式中，gd為源影象校正後的畫素灰度值，μf、σf分別為參考影象的畫素均值和標準差，gr、μr、σr分別為源影象的畫素灰度值、均值和標準差。
將方程重新排列，得到：
gd=（gr—μr）/σr×σf+μf
這就是基於統計量的輻射校正的公式。它是一個線性變換。該方法也能自動快速地完成影象輻射歸一化，其缺點是，當影象中存在大量地物變化時，校正效果不夠理想。
4、基於偽不變特徵(PIF)的校正
偽不變特徵是指反射率基本不隨外界條件變化的地面目標。它們的反射係數獨立於成像季節或生物氣候條件，並有固定的空間位置，例如建築物、道路和較深的水域等。
基於偽不變特徵的輻射校正假定多時相影象上地物的亮度分佈為線性函式：
gd=k*gr+b
式中，k、b為引數，由人工選擇的偽不變特徵點在不同時相影象上的亮度值求出。
基於偽不變特徵的輻射校正的優點是不受地物變化的影響，而且不會削弱影象之間的地物變化；缺點是需要人工選取偽不變特徵點，且校正結果依賴於特徵點。
透過比較幾種輻射歸一化的方法發現，對於同軌同期的遙感資料來說，影象本身並沒有時相差，但是各種輻射校正調整了影象灰度值，使影象間產生了差異。因此可以透過直方圖平移來消除時相差。對於時相差較大的影象可以採用偽不變特徵和統計量相結合的方法，在影象重疊區提取一定量特徵不變或者變化小的地物樣本，利用統計量方程進行歸一化。
由於研究區所覆蓋的範圍較大，成像時間不一致，使得相鄰兩景遙感影象存在著色調特徵和結構特徵方面的差異，因此我們以質量好的影象作為標準，進行影像間的輻射歸一化。然後對影像進行拼接處理，採用先輻射歸一化後鑲嵌的方法，保證無縫拼接。
遙感影像獲取時受大氣條件、光照條件、地表起伏、土壤溼度、植被氣候、感測器成像模型和側視角等對地面光譜反射訊號的影響，造成同一地區所成的影像具有較大的輻射差異，這給多時相影象處理和分析帶來了極大的困難。消除影象輻射亮度差異的這一過程稱為輻射歸一化。
常規輻射歸一化方法主要有最暗目標法，直方圖匹配，基於統計量的校正，基於偽不變特徵(PIF)的校正。
1、直方圖平移法
直方圖平移法：對與時相較近的遙感影像，影象具有基本相同大氣條件和光照條件，透過比較影象的直方圖，可以明顯發現影象的灰度變化是一致的，區別在於同類地物的亮度差異。該方法假設影像中同類地物(如水體)對應的反射率沒有變化，以參考影象直方圖為標準，將原影像直方圖進行平移。最簡單的方法就是計算影象同類地物的灰度均值差。
2、直方圖匹配
通常在幾何配準後的多時相遙感影象上，發生變化的地物目標占全部地物的比例較大。所以經過輻射校正的多時相影象的灰度直方圖分佈差異明顯。雖然直方圖相似，並不說明影象具有一致的輻射特性。但是，對於配準後的同一地區的遙感影象而言，它們是同一模式的對映(忽略地物的變化)，影象內部像點輻射亮度之間具有相關關係，那麼如果直方圖相似，它們的輻射特性也就相近。
直方圖匹配能夠有效地將原影象的直方圖分佈調整為與參考影象的直方圖。該方法的優點是能夠自動快速地完成影象的輻射歸一化，其缺點是直方圖匹配這一非線性操作在一定程度上破壞了源影象中地物的輻射特性。
3、基於統計量的校正
從統計量的角度看，輻射特性相同的同一地區的遙感影象，具有相同的灰度機率分佈。又由於影象內部的相關性，具有相同灰度分佈的影象也具有相似的輻射特性。輻射歸一化進行源影象和參考影象灰度機率分佈的統計量匹配。若假設影象灰度服從高斯分佈，則有：
（gd—μf）/σf=（gr—μr）/σr
式中，gd為源影象校正後的畫素灰度值，μf、σf分別為參考影象的畫素均值和標準差，gr、μr、σr分別為源影象的畫素灰度值、均值和標準差。
將方程重新排列，得到：
gd=（gr—μr）/σr×σf+μf
這就是基於統計量的輻射校正的公式。它是一個線性變換。該方法也能自動快速地完成影象輻射歸一化，其缺點是，當影象中存在大量地物變化時，校正效果不夠理想。
4、基於偽不變特徵(PIF)的校正
偽不變特徵是指反射率基本不隨外界條件變化的地面目標。它們的反射係數獨立於成像季節或生物氣候條件，並有固定的空間位置，例如建築物、道路和較深的水域等。
基於偽不變特徵的輻射校正假定多時相影象上地物的亮度分佈為線性函式：
gd=k*gr+b
式中，k、b為引數，由人工選擇的偽不變特徵點在不同時相影象上的亮度值求出。
基於偽不變特徵的輻射校正的優點是不受地物變化的影響，而且不會削弱影象之間的地物變化；缺點是需要人工選取偽不變特徵點，且校正結果依賴於特徵點。
透過比較幾種輻射歸一化的方法發現，對於同軌同期的遙感資料來說，影象本身並沒有時相差，但是各種輻射校正調整了影象灰度值，使影象間產生了差異。因此可以透過直方圖平移來消除時相差。對於時相差較大的影象可以採用偽不變特徵和統計量相結合的方法，在影象重疊區提取一定量特徵不變或者變化小的地物樣本，利用統計量方程進行歸一化。
由於研究區所覆蓋的範圍較大，成像時間不一致，使得相鄰兩景遙感影象存在著色調特徵和結構特徵方面的差異，因此我們以質量好的影象作為標準，進行影像間的輻射歸一化。然後對影像進行拼接處理，採用先輻射歸一化後鑲嵌的方法，保證無縫拼接。