北京揽宇方圆信息技术有限公司 常见国产卫星遥感影像数据的简介 本文介绍了常见国产卫星数据的简介、数据时间、传感器类型、分辨率等情况。 中国资源卫星应用中心产品级别说明 ◆1A级和1C级产品均为相对辐射校正产品,只是不同卫星选用的生产参数不同。 ◆2级，2A级和2C级产品均为系统几何校正产品,只是不同卫星选用的生产参数不同。 其中: ■GF-1卫星和ZY3卫星归档产品为1A级，ZY1-02C卫星数据归档产品级别为1C级，其他卫星归档级别为2级! ◆归档产品是指:该类产品已经存在于系统中,仅需要从存储系统中迁移出来.即可供用户下载的数据。 ◆生产产品是指:该类产品不是已经存在的产品,需要对原始数据产品进行生产,然后再提供给用户下载的数据。
■当用户需要的产品级别是上述归档的级别,直接选择相应的产品级别，然后查询即可！ ■当用户需要的产品级别不是上述归档的级别,就需要进行生产.本系统提供GF-1卫星和ZY3卫星2A级的生产产品,ZY1-02C卫星2C级的生产产品,在选择需要的级别查询后,无论有没有数据,在查询结果页上方有一个“查询0级景”按钮,点击此按钮后,进行数据查询,如果有数据，选择需要的产品直接订购,即可选择需要的产品级别。 国产卫星 一、GF-3(高分3号) 1.简介 2016年8月10日6时55分，高分三号卫星在太原卫星发射中心用长征四号丙运载火箭成功发射升空。 高分三号卫星是中国高分专项工程的一颗遥感卫星，为1米分辨率雷达遥感卫星，也是中国首颗分辨率达到1米的C频段多极化合成孔径雷达（SAR）成像卫星，由中国航天科技集团公司研制。 2.数据时间 2016年8月10日-现在 3.传感器 SAR：1米 二、ZY3-02（资源三号02星） 1.简介 资源三号02星（ZY3-02）于2016年5月30日11时17分，在我国在太原卫星发射中心用长征四号乙运载火箭成功将资源三号02星发射升空。这将是我国首次实现自主民用立体测绘双星组网运行，形成业务观测星座，
一、背景介绍： 多传感器数据融合是一种信号处理、辨识方法，可以与神经网络、小波变换、kalman 滤波技术结合进一步得到研究需要的更纯净的有用信号。 多传感器数据融合涉及到多方面的理论和技术，如信号处理、估计理论、不确定性理论、最优化理论、模式识别、神经网络和人工智能等。多传感器数据融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。 多传感器信息融合技术通过对多个传感器获得的信息进行协调、组合、互补来克服单个传感器的不确定和局限性，并提高系统的有效性能，进而得出比单一传感器测量值更为精确的结果。数据融合就是将来自多个传感器或多源的信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。当系统中单个传感器不能提供足够的准确度和可靠性时就采用多传感器数据融合。数据融合技术扩展了时空覆盖范围，改善了系统的可靠性，对目标或事件的确认增加了可信度，减少了信息的模糊性，这是任何单个传感器做不到的。 实践证明：与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。信号级融合方法最简单、最直观方法是加权平均法，该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值，该方法是一种直接对数据源进行操作的方法。卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推，决定统计意义下的最优融合和数据估计。 多传感器数据融合虽然未形成完整的理论体系和有效的融合算法，但在不少应用领域根据各自的具体应用背景，已经提出了许多成熟并且有效的融合方法。多传感器数据融合的常用方法基本上可概括为随机和人工智能两大类，随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、产生式规则等;而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器数据融合中将起到越来越重要的作用。 数据融合存在的问题 (1)尚未建立统一的融合理论和有效广义融合模型及算法； (2)对数据融合的具体方法的研究尚处于初步阶段； (3)还没有很好解决融合系统中的容错性或鲁棒性问题； (4)关联的二义性是数据融合中的主要障碍； (5)数据融合系统的设计还存在许多实际问题。 二、算法介绍： 2.1多传感器数据自适应加权融合估计算法： 设有n 个传感器对某一对象进行测量，如图1 所示，对于不同的传感器都有各自不同的加权因子，我们的思想是在总均方误差最小这一最优条件下，根据各个传感器所得到的测量值以自适应的方式寻找各个传感器所对应的最优加权因子，使融合后的X值达到最优。
星敏感器国外研究现状 国外星敏感器研究及应用已有近50年的时间。到目前为止，至少有三代产品在航天器上得到应用。第一代为星跟踪器，多采用光电倍增管之类光电元件作为敏感元件；第二代为星图仪式星敏感器，采用电荷耦合器CCD作为敏感元件，以中低性能的CPU为处理器，采用局部天区恒星识别算法；第三代星敏感器相对于第二代的主要进步在于采用了高分辨率成像元件和高性能处理器，提高了姿态确定精度和数据处理速度，增加了自主全天恒星识别功能，同时敏感器的体积、质量和功耗也有大幅度降低。表1为国外部分星敏感器指标。 表1 国外部分星敏感器指标 质量功耗测量精度数据更新率国别厂家及产品名 称 美国HDOS公司 2.7kg 11w 24"10Hz 3kg 8.5w 15"(3σ)10Hz 法国SODERN公司 SED26 1.5kg 7.6w 1",9"(1σ)1Hz 丹麦丹麦理工大学 ASC 意大利GA公司A-STR 3.05kg 10w 12",27"(3σ)10Hz 20世纪90年代初，随着大规模集成电路技术和CMOS加工工艺技术的日趋成熟，出现了采用CMOS工艺的动态像元星敏感器APS。目前欧美一些机构已率先开始采用APS作为探测元件，研制体积更小、功耗更低的星敏感器。欧空局的小卫星姿态敏感器项目就是为了促进和试验小型化姿态敏感器的一些新项目，其中采用了512×512动态像元敏感器（APS）、高集成度多芯片模块（MCM）电路等。其试验模型仅重270g，体积约为62mm×53mm×53mm（未计及盖子和处理器部件），功耗2.4w（带处理器时增加到5w）。实验证实，该星
跟踪器当更新速率为10Hz时，在20°×20°视场中对5等星的测量精度和噪声等效角都优于1"(2 )。这类新型星敏感器正代表了现代星敏感器不断小型化、轻型化、低功耗、高实时性的发展趋势，特别是在减少体积、重量、功耗方面，有了重大飞跃。 20世纪70年代，美国最早将星敏感器应用于航天器上。1989年，苏联将其用在和平号空间站上。联邦德国、法国和日本也先后使用星敏感器测量航天器姿态。 星敏感器国内研究现状 我国进行星敏感器技术研究已有20多年。主要研究单位有中科院成都光电所、中科院长春光机所、北京航空航天大学等。我国第一代星敏感器已于2000年9月和2002年10月两次随卫星发射入轨，作为姿态确定系统当备份使用。这一代星敏感器相当于国外第二代星敏感器，具有局部天区恒星识别功能。随后我国也陆续开展了第二代、第三代星敏感器的研究。我国的第二代星敏感器相当于国外第三代星敏感器，具有自主全天恒星识别功能，而且在减小体积、功耗方面有了很大进步。我国的第三代星敏感器为CMOS星敏感器，北京航空航天大学研制的CMOS星敏感器获得2007年国家技术发明一等奖。
实验一 20 40 60 80 100120 140 160 180 200 单臂电桥输出电压与负载的关系 重量/g 增砝码时的电压值/m v 拟合曲线的斜率和截距分别为p =0.2398 和3.2400 20 40 60 80 100120140 160 180 200 单臂电桥输出电压与负载的关系 重量/g 减砝码时的电压值/m v
拟合曲线的斜率和截距分别为p = 0.2497 和1.3667 输出电压与重量变化量的关系如图所示，根据拟合曲线（用o 符号标记）和实际特性曲线（实线）的关系可知，灵敏度w u s ??=/等于实际特性曲线的斜率即s=0.2398 非线性误差%100/??=FS n Y m δ，其中4.51=FS Y ，由b kx y +=，将p 值带入可得24.32398.0+=x y ，由此式可得拟合曲线各点的电压值为 将以上数据与实际测的的值进行比较可得在2.0=?m 将值带入可得%39.0%1004 .512 .0%100/=?=??=FS n Y m δ
实验二 由以上测量数据可得如下特性曲线 20 40 60 80 100 120140 160 180 200 半桥输出电压与负载的关系 重量/g 加砝码时的电压值/m v 拟合曲线的斜率和截距分别为p =0.4945 和-0.1267 20 40 60 80 100120140 160 180 200 半桥输出电压与负载的关系 重量/g 减砝码时的电压值/m v
拟合曲线的斜率和截距分别为p = 0.4988和-1.1933 输出电压与重量变化量的关系如图所示，根据拟合曲线（用o 符号标记）和实际特性曲线（实线）的关系可知，灵敏度w u s ??=/等于实际特性曲线的斜率即s=0.4944 非线性误差%100/??=FS n Y m δ，其中3.98=FS Y ，由b kx y +=，将p 值带入可得1267.04945.0-=x y ，由此式可得拟合曲线各点的电压值为 将以上数据与实际测的的值进行比较可得在3.0=?m 将值带入可得%3.0%1003 .983 .0%100/=?=??=FS n Y m δ
北京揽宇方圆信息技术有限公司 遥感卫星数据处理知识详解 遥感技术自20世纪60年代兴起以来，被应用于各种传感仪器对电磁辐射信息的收集、处理，并最后成像。遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。 那对遥感图像处理可以达到什么目的呢？ ①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌； ②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的K 分和判释； ③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类（见数据釆集和处理）。 遥感数据处理过程 多谱段遥感信息的处理过程是： ①数据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。 ②预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。 ③精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。
④信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增 强、密度分割等。 ⑤信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编 辑，并绘制成各种专题图。 遥感信息处理方法和模型越来越科学，神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。 多源遥感数据融合 遥感数据融合技术旨在整合不同空间和光谱分辨率的信息来生产比单一数据包含更多细节的融合数据，这些数据来自于安放在卫星、飞行器和地面平台上的传感器。融合技术已成功应用于空间和地球观测领域，计算机视觉，医学影像分析和防卫安全等众多领域。 遥感数据处理的发展趋势 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。 这种发展主要表现在以下4个方面： 1. 1.多分辨率多遥感平台并存 2. 空间分辨率、时间分辨率及光谱分辨率普遍提高。目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m 的多种空间分辨率。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 1. 2.微波遥感、高光谱遥感迅速发展 2. 微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。 微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们
星敏感器基本原理及研究现状与发展趋势 0 引言 星敏感器是以恒星为参照系，以星空为工作对象的高精度空间姿态测量装置，通过探测天球上不同位置的恒星并进行解算，为卫星、洲际战略导弹、宇航飞船等航空航天飞行器提供准确的空间方位和基准，并且与惯性陀螺一样都具有自主导航能力，具有重要的应用价值。 星敏感器的研究发展与应用已历经半个多世纪，随着新材料，新器件的出现和工艺技术的进步，精度提高，功耗减小，成本降低，应用领域日益广泛的新型星敏感器不断推出。因此，及时收集整理分析比较国外星敏感器的信息，有利于国内有关姿态测量控制技术的发展。 1 星敏感器研究现状 1.1 应用于卫星等空间飞行器的星敏感器 星敏感器空间适用性好，且成本较高，因此传统上多用于卫星等空间飞行器的定姿。 1.1.1 基于CCD图像传感器的星敏感器 电荷耦合器件(CCD)体积小，重量轻，功耗低，耐冲击，可靠性高，像元尺寸及位置固定，对磁场不敏感，适合空间应用需要，自70年代中期美国率先研发出基于CCD的星敏感器后，一直作为主流的图像传感器应用于星敏感器。 （1）德国Jena-Optronik 的ASTRO 系列 该公司的第一款星敏感器是ASTRO 1，1984 年研制，1989年应用于MIR(和平)空间站上。其后的ASTRO 5是全自主星敏感器，重量轻、功耗小、价格便宜，但横滚轴精度较差，需要两枚同时工作以提高精度。ASTRO 10 为分体式结构，电子模块与光敏模块分离，主要应用于近地轨道的各类卫星(SAR-Lupe，TerraSAR，DARPA’s Orbital Express,我国的HJ-1 与FY-3等)。ASTRO 10 集高精度低功耗低重量低成本等优点于一身，是全自主式星敏感器。主要特点是：内置星表，无须先验知识定姿，遮光罩的遮光角可以自定。自主温控或者由飞行器控制。电子模块和敏感器头部相互独立，依靠电缆连接，便于在飞行器上的安装与调整。电子接口可选。可靠性高，在轨寿命长，抗辐射性能好。ASTRO 15 (图1)是Jena-Optronik目前最先进的自主式星敏感器，具有高度的可靠性、耐用性和广泛的适用性。被波音公司选定为Boeing 702 platform卫星的标准配置。同ASTRO 10相比，ASTRO 15 尺寸重量增大，视场基本不变，观星能力增强，单星精度提高，定姿时间缩短。 图1ASTRO 15 星敏感器
北京揽宇方圆信息技术有限公司 遥感卫星影像数据制图技术流程 1.数据准备 1.1地形图 地形图是进行遥感影像几何精纠正的坐标参照系，也是重要的基础数据，包含多种层面的非遥感信息数据。 目前常用的地形数据多为数字地图。对于尚未有数据地图的工作区域，通常收集纸质地图，经过数据扫描，转换为数据地图。扫描分辨率通常设置为200-400dpi。扫描图通常存在变形，需要利用GIS软件进行几何校正，已达到制图精度要求。 对于早期或常规方法获得的成果图件，在建立数据库及系统分析前，通常也采用图形扫面方法，经系统处理，将纸质图形转换为数字图形。 1.2遥感数据源的选择 遥感数据源的选择是整个遥感制图工作中最基本和重要的工作。遥感数据源的选择一般包括遥感图像的空间分辨力、时相及波段的选择。另外在具体的工作中，数据源的选择还要综合其它非图像数据内容本身的因素来考虑，如成果图形的比例要求、精度要求、经费支持强度及遥感图像获取的难易程度等。 1.2.1遥感图像空间分辨力的选择
遥感影像空间分辨力是遥感数据源的一个重要指标，决定了遥感制图所获得的成果数据的精度和准确度。一般各主要成图比例尺对应遥感影像空间分辨力如下： 经过几十年的发展，遥感技术在社会各个领域得到广泛的应用与发展。目前遥感卫星可以提供从小于1米到公里级的影像空间分辨率，可以满足1:2000/3000的比例尺遥感制图精度要求，制图精度能够满足我国现行的制图精度要求。航空遥感影像可以提供厘米级的空间分辨率，可以满足大比例尺制图要求。 目前，国内遥感制图应用比较广泛的是土地利用/土地覆盖（1：1万——1：10万），生态环境监测、城市信息化、大型工程环境监测、灾害监测、遥感找矿…… 如：利用QuickBird/IKONOS进行违章用地监测、城市绿地与城市用地监测 利用eTM/SPOT进行土地利用遥感制图…… 1.2.2遥感信息的时相选择 地表由一个非常复杂的系统组成、时刻处于动态的变化过程。如地表的温度、水份、天气状况、人类活动等影响使得不同时间地表信息反映在遥感影像上也有明显的差异。遥感时相的选择其目的就是依据用户的需求，能够获取高质量的遥感影像。 1.2.3遥感图像的波段选择 一般遥感影像的各个波段都有不同的适用范围，而不同波段的组合则可以充分利用图像的多波段信息。波段组合总的原则是要最大反映信息量，要能从中有效地识别各种专题信息。如利用陆地资源卫星LandSat-TM图像数据进行土地资源调查时，一般采用4、3、2三个波段进行假彩色合成；MODIS 影像数据提供数十个波段数据，可以依据用户需求选择不同的波段组合方式。 2.图像处理
星敏感器安装误差的三位置法地面标定方法 王宏力，何贻洋，陆敬辉，杨阳，陈俊宇 (火箭军工程大学控制工程系，陕西西安710025) 摘要：针对目前星敏感器安装误差标定过程中存在的标定模型复杂标定测试流程繁琐等问题，提出了一种星敏感器安装误差的三位置法地面标定方法。该方法根据坐标系的欧拉变换，构建了星敏感器安装误差的数学模型；根据误差模型，提出了基于三轴精密转台的安装误差三位置法地面标定策略。采用最小二乘法和三位置法进行仿真对比实验，结果表明，安装误差的三位置法标定结果比最小二乘法标定结果的稳定性提高了近10倍。三位置法还具有标定测试流程简单等优点，对提高星敏感器的使用精度具有重要参考价值。 关键词：三位置法；星敏感器；安装误差；三轴精密转台 中图分类号：V249.32+3文献标志码：A DOI ：10.3788/IRLA201645.1113003Ground calibration method of installation error for star sensor based on three positions method Wang Hongli,He Yiyang,Lu Jinghui,Yang Yang,Chen Junyu (Department of Control Engineering,Rocket Force University of Engineering,Xi ′an 710025,China) Abstract:Aiming at problems such as complicated calibration models and trivial test progress,which are occurred during the calibration of installation error for star sensors,a novel ground calibration method of installation error based on three positions was introduced.Firstly,a mathematical model of installation error was established according to Euler transformation of coordinate systems.Secondly,a new ground calibration strategy of installation error based on three typically -selected positions on a triaxial precise turntable was put forward.The least square method and three positions method were adopted to conduct simulation contrast experiments.Simulation results demonstrate that calibration result stability of three positions method increases by nearly 10times than calibration result stability of least square method.Furthermore,three positions method has simplified the calibration test procedure,which has important practical reference value to improve the operational accuracy of star sensor. Key words:three positions method;star sensor;installation error;triaxial precise turntable 收稿日期：2016-03-22；修订日期：2016-04-26 基金项目：陕西省自然科学基础研究计划(2014JM2-6107) 作者简介：王宏力(1965-)，男，教授，博士，主要从事组合导航、星敏感器等方面的研究。Email:wanghongli_1965@https://www.doczj.com/doc/028674292.html, 1113003-1第45卷第11期 红外与激光工程2016年11月Vol.45No.11Infrared and Laser Engineering Nov.2016 万方数据
北京揽宇方圆信息技术有限公司 常用的遥感卫星影像数据处理方法 1、常用遥感图像处理软件 ?ENVI:美国Exelis Visual Information Solutions公司的旗舰产品 ?PCI GEOMATICA：加拿大PCI公司旗下的四个主要产品系列之一 ?EDRAS imagine 2、白色的光可以分解为系列单色的可见光；三种原色：红、绿、蓝；三种补色：黄、 品、青 黄=红+绿品=红+蓝青=绿+蓝任何一种颜色都可以用3原色或者3补色来组 合 3、 常用的波段组合 特点 红绿蓝 321真彩色：可见光组成，符合人眼对自然物体的观察习惯。对于水体和人工 地物表现突出。 432假彩色：城市地区，植被种类。 543假彩色：增强对植被的识别 743假彩色：增强对植被的识别，以及矿物、岩石类别的区分。 4、共15个主功能模块，其中一般的遥感数字图像处理经常用到的是Viewer、Import、DataPrep、Interpreter、Classifier、Modeler等。 5、功能模块介绍： ①该模块主要实现图形图像的显示，是人机对话的关键。
②数据输入输出模块，主要实现外部数据的导入、外部数据与ERDAS支持数据的转换及ERDAS内部数据的导出。③数据预处理模块，主要实现图像拼接、校正、投影变换、分幅裁剪、重采样等功能。 ④专题制图模块，主要实现专题地图的制作。 ⑤启动图像解译模块，主要实现图像增强、傅里叶变换、地形分析及地理信息系统分析等功能。 ⑥图像库管理模块，实现入库图像的统一管理，可方便地进行图像的存档与恢复。 ⑦图像分类模块，实现监督分类、非监督分类及专家分类等功能。 ⑧空间建模模块，主要是通过一组可以自行编制的指令集来实现地理信息和图像处理的操作功能。 ⑨矢量功能模块，主要包括内置矢量模块及扩展矢量模块，该模块是基于ESRI的数据模型开发的，所以它直接支持coverage、shapfile、vector layer等格式数据。 ⑩雷达图像处理模块，主要针对雷达影像进行图像处理、图像校正等操作。 ⑾虚拟GIS模块，给用户提供一个在三维虚拟环境中操作空间影像数据的模块。 ⑿立体分析模块，提供针对三维要素进行采集、编辑及显示的模块。 ⒀自动化影像校正模块，该模块提供工作站及向导驱动的工作流程机制，可实现影像的自动校正。 ⒁启动智能变化检测模块。⒂启动面向对象信息提取模块。 6、图像显示操作：①启动Viewer视窗；②在菜单条单击File|Open|Raster Layer,打开Select Layer To Add对话框；③在File选项卡中选择要打开的图像文件；④在Raster Options选项卡中设置显示参数；⑤确定后，打开图像。 7、几何校正：纠正系统和非系统因素引起的几何畸变。 8、图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准，以使两幅图像中的同名像素配准。 9、图像纠正（Rectification）：借助一组控制点，对一幅图像进行地理坐标的校正。又叫地理参照。 10、图像地理编码（Geo-coding）：特殊的图像纠正方式，把图像矫正到一种统一标准的坐标系。 11、图像正射校正：借助于地形高程模型，对图像中每个像元进行地形的校正，使图像符合正射投影的要求。 12、图像几何校正图像几何校正途径 ①数据预处理途径（Start from Data Preparation） Main→Data Preparation→Image Geometric Correction→打开Set Geo-Correction Input File 对话框 点击Data Prep图标→Image Geometric Correction→打开Set Geo-Correction Input File对话框
XQSoftware 遥感影像处理系统XQSoftware Remote Sensing Image Processing System 产品白皮书 2019年3月
目录 1产品介绍 (3) 2功能特点 (3) 3 关键技术 (4) 3.1高性能并行计算影像处理技术 (4) 3.2稀少控制超大规模区域网平差技术 (4) 3.3配准纠正技术 (4) 3.4影像融合技术 (4) 3.5匀光匀色技术 (5) 4系统功能介绍 (5) 4.1卫星影像区域网平差 (5) 4.2DOM生产 (6) 4.2.1正射纠正 (6) 4.2.2影像融合 (7) 4.2.3匀光匀色 (8) 4.2.4镶嵌成图 (10) 4.3业务工作流 (10) 4.3.1配准纠正业务流 (10) 4.3.2配准融合业务流 (12) 4.4DSM/DEM生产 (13) 4.5交互编辑工具软件 (14) 4.5.1配准纠正工具软件 (14) 4.6其他模块 (17) 4.6.1金字塔创建 (17) 4.6.2真彩色转换 (18) 4.6.3影像增强 (19) 4.6.4影像去雾 (20) 4.6.5投影转换 (23) 4.6.6格式转换 (24) 4.6.7波段重组 (25) 4.6.8影像云检测 (26) 4.6.9水域检测 (28) 4.6.10植被检测 (29) 5系统界面 (30) 5.1硬件系统外观 (30) 5.2软件系统界面 (30) 6应用领域 (33) 7联系我们....................................................................................................错误!未定义书签。
异常数据处理方法研究 1异常数据处理概述 1.1 研究背景 近年来，随着海上风力发电技术的日益成熟和陆上风电可开发资源的不断减少，海上风电尤其是近海风电的开发开始加速。风机是海上风电开发的主要形式，而风机基础结构承担着抵抗海上风机结构的竖向、水平荷载和倾覆力矩的作用，其质量关系到海上风机结构的运行安全。作为隐蔽工程，其健康状况受到了社会各界的高度重视，如何对风机基础特别是MW级风机基础的安全运行状况监测成为研究领域的热点。现有的监测技术需要通过设置在风机基础中的数据采集系统自动获取基础的各状态的大量参数，如应力、应变、振动、变形等，采集到的海量原始数据通过通信网络传输到监控中心，经过数据存储，分析处理得到基础的安全运行状况和维修决策等结论。 风机基础监测系统是集结构监测、系统识别及结构评估于一体的综合监测系统，其内容包括几何变形监测、结构响应（应力、应变及振动）监测等。监测系统的质量主要取决于三方面因素:(1)传感器的灵敏性和精度以及数据传输和采集设备的性能；(2)测点的空间分布，即传感器的最优布置问题；(3)异常数据的分析处理。 从目前电子技术的发展来看，成熟、稳定、高性能的传感器已经被应用与监测系统中，而且合理安排传感器位置，以达到信息采集的最优化，也已经有很多研究成果。但由于监测信息格式复杂、信息量大，每天数据量甚至能达到十几GB，如果不能有效地对这些数据进行处理，很多异常数据将不能有效辨识，缺失信息将不能有效弥补，而且监测数据的分析必须建立在准确有效的监测数据之上，低精度和异常的监测数据常常影响数值分析的结果，会影响到系统的功能与特性分析，给后续数据处理带来很大的误差，正常信息不能得到有效利用，故有必要对原始采集数据进行处理。因此监测异常数据处理是三方面中至关重要的一点。 监测系统异常数据处理包含两个方面的内容：(1)异常数据检测，即找出异常信息并确定异常信息所在位置，根据需要将异常数据保存入专门数据库中或直接进行剔除；(2)异常数据修正，即通过插值等方法，参考数据异常点前后的数据，完成该异常数据点的修正，确保采集信息不缺失，保持原始采集数据的连续性。 异常是一个复杂的概念，迄今为止还没有一个统一定义。Hawkins提出的异常定义被大多数人所接受，其定义为：异常是在数据集中与众不同的数据，使人们怀疑这些数据并非随机产生的，而是产生于完全不同的机制。异常数据往往代
北京揽宇方圆信息技术有限公司 Geotif格式的alos卫星数据处理 如图1所示，Alos数据处理流程是先利用参考矢量（栅格影像）作为参考资料，对全色影像进行正射纠 正，利用正射校正后的全色影像作为参考影像，对多光谱影像进行正射纠正。然后利用校正后的全色和多 光谱影像进行融合，最后进行镶嵌和调色处理。 图1Alos数据处理流程
1全色影像正射纠正 1.1建立工程 PCI Geomatica软件采用工程化管理方式对影像进行正射校正。 1.1.1选择模型 在OrthoEngine面板点击Flie—new，选择数学模型，选择Optical Satellite Modeling及Rational Function （Extract from image），如图2所示。 图2选择模型 1.1.2设置投影信息 尽量保证输出成果与参考影像的投影信息一致。这里设置为高斯投影，北京54坐标系。中央经线为114 度，伪东偏500000米。如图3所示。 图3设置投影信息 1.2导入数据 在Processing step处点击下拉菜单，选择data Input（图4）。点击第一个图标弹出打开影像面板，并点 击New image打开一幅新影像（图5）。 图4导入数据 图5打开一幅新影像
1.3采集控制点 Processing step下拉菜单选择GCP/TP collection，弹出控制点采集面板。输入参考影像及DEM。Auto lacate和compute model处勾上（图6）。 图6控制点采集面板 从参考影像中找到一个特征地物点，点击use point，并在图6控制点采集面板处点击extract elevation，在待纠正影像处将会自动定位。当确定参考点与工作影像中的点一致时，在工作影像上点击use point，并在控制点采集面板处点击accept。依此选择12个左右均匀分布的点。 1.4正射纠正 在Processing step下拉菜单选择Ortho Generation，点击第三个图标，弹出Ortho Image Production 面板。输入DEM，在Ortho Image处设置正射后影像存放路径和名称。采样方式选择cubic（图7）。 图7正射纠正
4～20mA传感器数据处理新途径 New Way of Data Processing Based on 4～20mA Sensor 北京长空机械有限责任公司秦严定迟文焕 摘要：本文给出了一种利用软件实现4～20mA传感器数据转换的方法，消除了硬件电路中电压放大器输出端的残留电压，保证了数据转换精度。 关键词：压力传感器；模拟信号，数字信号；单片机控制 引言 在单片机控制的许多应用场合，都要使用传感器来将单片机不能直接测量的信号转换成单片机可以处理的电模拟信号，如压力传感器、温度传感器、流量传感器等。早期的传感器大多为电压输出型，即将测量信号转换为0-5V电压输出，通过模拟数字转换电路转换为数字信号供单片机读取、控制。但在信号需要远距离传输或使用环境中电网干扰较大的场合，电压输出型传感器的使用受到了限制，暴露了抗干扰能力较差等缺点，而电流输出型传感器以其具有较高的抗干扰能力得到了广泛应用。 电压输出型压力传感器抗干扰能力差，有时输出的直流电压上还叠加有交流成分，使单片机产生误判断，控制出现错误，严重时还会损坏设备。 电流输出型传感器的输出范围常用的有0～20mA及4～20mA两种，传感器输出最小电流及最大电流时，分别代表传感器所标定的最小及最大额定输出值。 如测压范围为以0～35Mpa的输出压力传感器为例进行叙述。对于输出0～20mA的传感器0mA电流对应0MPa压力值，输出4～20mA的传感器4mA电流对应0MPa压力值，两类传感器的20mA电流都对应35MPa压力值。 对于输出0～20mA的传感器，在电路设计上我们只需选择合适的降压电阻，通过A/D转换器直接将电阻上的电压转换为数字信号即可，电路调试及数据处理都比较简单。 对于输出4～20mA的传感器，电路调试及数据处理上都比较烦琐。但这种传感器能够在传感器线路不通时，通过是否能检测到正常范围内的电流，判断电路是否出现故障，因此使用更为普遍。 4～20mA传感器的一般处理方法 由于4～20mA传感器输出4mA时，在取样电阻上的电压不等于0，直接经模拟数字转换电路转换后的数字量也不为0，单片机无法直接利用，通过公式计算过于复杂。因此一般的处理方法是通过硬件电路将4mA在取样电阻上产生的电压降消除，再进行A/D转换，工作原理如图1。 图1（略）
数据融合也称为信息融合，是将来自多个传感器或多源的信息进行综合处理，从而得出更为全面、准确和可靠的结论。数据融合出现于２０世纪７０年代，源于当时军事领域的需要，称为多源相关、多传感器混合数据融合，并于２０世纪８０年代建立其技术。美国是数据融合技术起步最早的国家，在随后的十几年时间里各国的研究开始逐步展开，并相继取得了一些具有重要影响的研究成果。和国外相比，我国在数据融合领域的研究起步较晚。海湾战争结束以后，数据融合技术引起国内有关单位和专家的高度重视。一些高校和科研院所相继对数据融合的理论、系统框架和融合算法展开了大量研究，但基本上处于理论研究的层次，在工程化、实用化方面尚未取得有成效的突破，许多关键技术问题尚待解决。 多传感器数据融合是人类和其他生物系统中普遍存在的一种基本功能。人类本能地具有将身体上的各种功能器官所探测到的信息与先验知识进行融合的能力，以便对周围的环境和正在发生的事件作出估计。多传感器数据融合的基本原理就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对这些传感器及其获得信息的合理支配和使用，把其在时间或空间上的冗余或互补信息依据某种准则来进行综合，以获得被测对象的一致性解释或描述，使该系统由此而获得比它的各组成部分的子集所构成的系统具备更优越的性能。 具体而言，多传感器数据融合基本原理如下： １）多个不同类型的传感器获取目标的数据； ２）对输出数据进行特征提取，从而获得特征矢量； ３）对特征矢量进行模式识别，完成各传感器关于目标的属性说明； ４）将各传感器关于目标的属性说明数据按同一目标进行分组，即关联； ５）利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。 在各种系统中，靠单一的传感器不能满足对目标、环境的识别和控制的要求。若对不同传感器采集的数据单独、孤立地进行加工，不仅会导致数据处理工作量的剧增，而且割断了各传感器数据之间的有机联系，丢失数据有机组合蕴涵的特征，造成数据资源的浪费。因此，要对多传感器的数据进行综合处理即数据融合，从而得出更为准确、