第36卷,第2期一一一一一一一一中国农业资源与区划Vol．36,No．2,pp44-53一一2015年4月一一一一一Chinese Journal of Agricultural Resources and Regional Planning April,2015一一一
???????????????????????????????????????????????doi:10．7621/cjarrp．1005-9121．20150207四技术方法四基于高分辨率遥感影像的桑树信息提取研究
?
以广西鹿寨县为例
谢国雪1,2,黄文校3,卢一远1,2,杨如军4(1.广西师范学院地理科学与规划学院,南宁一530001;2.北部湾环境演变与资源利用省部共建教育部重点实验室,南宁一530001;3.广西农业区划委员会办公室,南宁一530022;4.广西国土资源信息中心,南宁一530028)
摘一要一采用高分辨遥感影像提取农作物信息在北方区域得到了深入的研究和广泛应用,但受到南方地形
复杂二气候差异等条件的影响,采用遥感技术提取南方农作物信息的研究甚少三鉴于此,该文以广西鹿寨
县为例,采用2012年9月的高分辨率RapidEye 遥感影像为主要研究数据源,利用面向对象的遥感图像分
析方法,结合高程数据模型DEM 和GPS 野外采集数据,综合桑树在遥感影像上的形状特征二颜色特征二
光谱特征二纹理特征二位置特征(拓扑特征)提取桑树信息,并对其分类结果进行精度验证和评价三研究
结果表明,提取桑树信息的总精度达到91．96%,Kappa 系数达到0．8391,满足使用的精度要求三面向对
象的图像分析方法为高分辨率遥感图像信息提取农作物信息提供了新的思路,该方法与基于像元的分类技
术相比,突破了过多地关注地物局部细节而难以提取地物的整体结构信息的缺陷,避免了 椒盐现象 的
产生,有效地提高了农作物识别的精度和效率,这对提取广西大宗农作物信息具有一定的借鉴意义三
关键词一高分辨率一面向对象一RapidEye 影像一桑树一信息提取一广西鹿寨
一收稿日期:2013-12-28一谢国雪为硕士生一黄文校为农经师一卢远为研究员二通讯作者一杨如军为高级工程师一?基金项目:教育部科学技术研究重点项目(2010168)
一一随着科技的不断发展,农业的生产也进入了新时代,将遥感技术应用到农业生产发展成为当今应用与研究的热点三传统的遥感技术监测农作物种植面积主要采用基于像元的监督分类与非监督分类方法三基于像元的分类方法是基于像元的本身的数值,或像元周围某个确定范围的纹理,这种方法在农作物信息提取中有一定的缺陷,且该方法难以集成农作物特征语义信息,并且缺失拓扑和空间关系特征[1]三在基于像元的分类方法已不能满足中高分辨率的遥感影像应用于农业工作的同时,面向对象的分类方法成为了研究的焦点三该方法能充分利用高分辨率影像丰富的空间信息二地物几何结构二纹理信息的优势,并综合考虑纹理二光谱二几何特征等,且构建适合某区域农作物信息提取的知识规则集,从而实现农作物精确的分类三面向对象的分类方法不仅突破了传统的基于像元为分析处理单元的局限性,而且它突破了过多地关注地物局部细节而难以提取地物的整体结构信息的缺点[2]三目前,基于面向对象的高分辨遥感影像提取目标信息得到广泛的研究,如Dogan 等利用QuickBird 影像对浅湖水生植物信息进行提取[3];李敏等以IKONOS 影像提取了耕地信息[4];王来刚等基于HJ -CCD 影像提取了河南冬小麦[5];范磊等分析了冬小麦提取的面向对象多尺度分割方法[6]三分析前人的研究结果表明,提取地物信息主要以北方区域居多,并且提取以林地二水体二冬小麦二水稻二棉花等大面积目标为主三受到南方地形复杂二地块破碎二气候变化二种植习惯等条件的影响,将应用于北方的面向对象的分类方法直接应用于南方作物信息的提取并不可行,另外提取南方农作物信息的难度比北方农作物信息提取难度更高三因此,应用面向对象的分类方法提取南方作物信息的研究尤为迫切,并且该方法的探究对提取南方其它农作物信息具有重大意义三鉴于此,文中选中全球首个提供红边波段,能够较好地反应农作物生长
和变化信息的RapidEye 遥感影像为主要数据源,结合高程数据模型DEM 和GPS 野外采集数据,综合遥感影像的形状特征二颜色特征二光谱特征二纹理特征二位置特征,采用面向对象的图像分析方法提取了广西鹿寨县桑树信息,并对其分类结果进行精度验证和评价三结果表明,提取矢量的总精度达到91．96%,Kappa 系数达到0．8391,实验证明该方法在提取南方作物信息确实可行三1一研究区域与数据
1．1一研究区概况
鹿寨县位于广西中部,洛清江下游,湘桂走廊东部,南接柳州,北通桂林三鹿寨县辖5镇5乡,行政区域面积3355．03km 2[7]三鹿寨县处平原丘陵地区,土地肥沃,属亚热带季风气候,年平均气温20?,无霜期327天,年平均降雨量达1500mm,主要经济作物有桑树二甘蔗二淮山等三鹿寨县桑树种植区域分布广,种植面积处于中等,成片和零散种植区域均有,同时大部分农作物混合种植,地块破碎无规则,因此,提取该区的桑树具有代表性三
1．2一研究区数据
实验中采用空间分辨率为5m 的RapidEye 遥感卫星影像,影像中包含有蓝二绿二红二红边和近红外5个波段,波谱范围为0．44~0．855μm,影像获取时间为2012年9月三受到广西地区上半年天气的影响,上半年的遥感影像质量较差,结合桑树的生长情况,下半年9~10月的影像最优,最终选取了9月的遥感影像作为研究数据三辅助数据有鹿寨县行政界二乡镇界二空间分辨率为30m 的研究区高程数据模型DEM 以及野外实地采集农作物解译标志的矢量数据三
1．3一数据预处理RapidEye 遥感影像的预处理主要有影像的正射校正二大气校正二投影坐标转换二镶嵌二裁剪等三该影像数据质量较好,云雾影响小,有利于农作物信息的提取三遥感影像的正射纠正采用空间分辨率为5m 的全国第二次土地调查中使用的基础影像为基准,结合遥感卫星传感器的物理模型RPC 文件和数字高程模型DEM 对影像进行正射校正,采用最邻近方法进行重采样,误差控制在0．5个像元内三影像经过大气校正二镶嵌二裁剪处理后,对研究区域影像进行波段组合和适当的增强处理,提取桑蚕作物信息的影像波
段组合为近红外二红边和红光波段,增强影像的方法采用线性拉伸[8]三
1．4一建立桑树解译标志桑树解译标志的建立,可以有利于桑树信息特征与影像的光谱二纹理二几何等特征建立起相关性关系,它不仅能够在野外把影像与实地相对应,还为野外采集提供明确目标,指引正确路线,节约时间,提高工作效率三文章根据野外实地调查结果,结合桑树的实地情况以及桑树在RapidEye 影像上表现的色彩二纹理二色调二形状和地貌等特征,以及光谱差异二实地采集了农作物的解译标志,见图
1三
图1一解译标志
54第2期一一一一一一一一谢国雪等:基于高分辨率遥感影像的桑树信息提取研究
64中国农业资源与区划一一一一一一一一一一一一一一一一2015年2一研究方法
2．1一技术路线
面向对象的桑树信息提取主要以计算机解译为主二人机交互为辅,充分利用高分辨RapidEye影像丰富的地物纹理特征,结合南方地块破碎,农作物混合种植,桑树生长特性,特制定以下技术路线,如2三
图
2．2一目标影像特征
影像上每一种地物都有独自的影像特征,为了识别某一地物必须研究其在影像上反应的正确特征,影像特征的选取与分类方法有紧密的联系三因此,分析地物的影像特征有重要意义三
2．2．1一形状特征
由于地物不同,在影像会形成不同的形状三形状特征主要包括影像对象的面积二长宽比二长度二宽度二边界长度二形状指数二密度二主方向二不对称性二紧凑度二椭圆度二矩形度等特征[9]三了解桑树种植面积的大小和形状的紧凑度有助于选取适合的分割尺度三长宽比的特征常独立使用剔除条形的地物,如道路三
2．2．2一颜色特征
影像上地物的颜色是区别于其它地物的重要特征,也是目视解译修改依据的特征之一三RapidEye遥感影像以Layer5二layer4和layer3波段组合下,桑树在影像上主要显示的颜色为亮黄色,甘蔗作物显示为暗红色,水稻作物显示为粉红色等三
2．2．3一光谱特征
主要包括影像中各波段的均值二标准差二最大偏差二亮度值等以及自定义的光谱特征参数三应用最邻近分类器训练样本过程中充分使用了光谱特征,并且,桑树在影像反应的亮度值高于其它地类,可用于区分其它地类三
2．2．4一纹理特征
主要指的是影像目标色调平滑或粗糙程度三一般情况下,耕地的纹理主要包括波形二光滑二斑纹二线性及其他不规则的纹理三影像上桑树反应的纹理特征属于光滑型,桉树地物则属于波形纹理三
2．2．5一位置特征可理解为目标地物主要种植的地域,以及与周边其它地物的拓扑关系三由于农作物所需的生长环境不同,对种植的分布有很大的影响三研究区域中,目标地物主要种植于地势平坦区域,沿河流分布居多,周边多种植甘蔗和水稻农作物,海拔较高的山地二丘陵可使用DEM 数据设置阈值直接排除出研究范围,这样不仅减少分割对象,而且节约时间三
2．3一归一化植被指数与比值植被指数
仅依靠影像已存在的特征提取矢量远不能满足需求,因此,增加两个自定义的要素,分别是归一化植被指数(NDVI)和比值植被指数(RVI)三
归一化植被指数是反映土地覆盖植被状况的一种遥感指标,能够区分植被类与非植被类,通过设定NDVI 的阈值,可提高解译的精度,NDVI 的计算公式为:一一NDVI =[Mean Layer 5]-[Mean Layer 3][Mean Layer 5]+[Mean Layer 3](1)
式中,[Mean Layer 3]二[Mean Layer 5]分别表示红光波段和近红外波段的均值三
比值植被指数常被用于度量植被的长势和植被丰富程度,同时可有效增强植被与土壤直接的辐射差异,有助于区分植被地物与非植被地物三RVI 的计算公式为:
一一RVI =[Mean Layer 5][Mean Layer 3](2)式中,[Mean Layer 3]二[Mean Layer 5]分别为红光波段和近红外波段的均值三
NDVI 值与RVI 值的综合应用提取地物信息,可有效剔除平地层中大部分的水体二裸地二道路二居民点等非植被地物,也可以根据NDVI 值与RVI 值的范围剔除非桑树的其它作物三不同地类反应的NDVI 和RVI 范围值不同,范围值分布情况如图3三图3一NDVI 值与RVI 值
非植被地物的NDVI 值和RVI 值通常小于0,从图3可确定桑树的NDVI 范围值为0．5~0．7,RVI 范围值为3~4,因此确定NDVI 值和RVI 值的范围后,可有效剔除非植被地类和非桑树三
2．4一提取信息主要方法
信息提取主要的步骤为影像分割和对象的分类,对应的方法分别为影像分割方法与提取信息方法三
2．4．1一多阈值分割(multi-threshold segmentation )多阈值分割的主要目的是利用研究区域的DEM 作为阈值,把影像分为两大类,即山地类与平地类,74第2期一一一一一一一一谢国雪等:基于高分辨率遥感影像的桑树信息提取研究
提取桑树目标包含在平地类中,并且平地类被粗略分为几个大对象三多阈值分割的效果如图
4三
图4 山地与平地分类(蓝色区域为平地)
2．4．2一多尺度分割(multiresolution segmentation )
多尺度影像分割从任一像元开始,采用自下而上的区域合并算法形成对象[10],区域合并算法执行过程中遵循异质性最小原则,并且综合考虑了影像的光谱异质性(光谱因子)和形状异质性(形状因子),其中形状异质性包括光滑度异质性二紧凑度异质性[11]三分割后影像对象的平均异质性最小的前提是光谱异质性和形状异质性都最小[12],在影像分割前,必须确定光谱异质性和形状异质性的权重值三
影像对象的异质性f 由4个变量计算而得,4个变量分别为:光谱异质性h color 二形状异质性h shape 二光谱异质性权重w color 二形状异质性权重w shape 三其中权重值满足0?w color ?1,0?w shape ?1,并且w color +w shape =1,影像的平均异质性f 计算公式(3):一一f =w color ?h color +w shape ?h shape
(3)光谱异质性h color 与光谱标准差有紧密关系,通常由各个波段的光谱标准差σc 乘以相应的权重w c
再求和而得,表示公式(4):
一一h color =em c =1w c ?σc (4)
公式中的m 值为波段数三形状异质性h shape 由紧凑度h compact 和光滑度h smooth 两部分组成,对应的权重分别为w compact 二w smooth ,其中满足w compact +h smooth =1,计算公式(5):
一一h shape =w compact ?h compact +w smooth ?h smooth (5)形状紧凑度h compact 与影像对象的边界长度(周长)l 二影像对象像元个数n 有关,计算公式(6):
一一h compact =l n (6)形状光滑度h smooth 由影像对象的边界长度(周长)l 与最小外接矩形边界长(矩形周长)b 决定,形状光滑度计算公式见(7):
一一h smooth =l b (7)了解多尺度异质性的计算原理,将有助于设定权重值,在多尺度执行过程还需设定波段的权重值,波段权重的选择表明了该波段在影像分割过程中参与信息的多少,波段权重的设置是影响分割质量结果的重要因素之一[13]三由于研究区域影像的5个波段均参与分割,但红二红边二近红外波段是提取信息中的主
要组合波段,相对权重值较大设为1,蓝二绿波段权重均为0．8,DEM 数据不参与影像的分割,权重值设84中国农业资源与区划一一一一一一一一一一一一一一一一2015年
为0三影像特征因子的权重设定中,主要利用光谱的信息,以形状因子作为辅助特征,将形状特征权重设为0．2,紧凑度0．5,分割尺度分别设为60二90二120,效果见图5三经过比较分割后所得的对象与影像上桑树分布区域,发现选取分割尺度为120为最优,分割所形成的对象面积有效避免了分割过小与过大的现象三因为对象分割过小会引起相同地物分割成多个对象,增加提取的难度,对象分割尺度过大,会将不同的地物分割为一个对象,致使无法正确分类
三
图5一多尺度分割效果
2．4．3一最邻近分类法与模糊分类法最邻近分类法的实现原理是根据选取的样本进行特征统计,再以这个特征作为类型的中心,计算出待分类的对象所包含的分类特征与样本特征之差三根据差值可判断与哪个样本类最近,就将其归为哪个样本类三最邻近分类法的优点在于简单二直观二计算速度快,但当样本个数选取过多时,由于计算量大,分类速度降低,并且影响分类精度三因此,同一类地物的样本个数最好不超过5个三为了弥补最邻近分类法的不足,将其与模糊分类法相结合,可提高分类精度三面向对象的分类方法采用模糊分类的原理,有两种分类器:最邻近分类和隶属度函数分类三最邻近分类是使用一组不同样本来指定隶属度值,而利用隶属度函数的分类是基于用户定义的对象特征函数[14]三隶属度值的计算是根据函数的斜率计算隶属的胡函数值,依据对象与样本的不同距离,可得到不同的隶属度值三当距离越短,说明这个对象相对于这个类的隶属度越高;反之越小三被分类的对象与样本的特征空间距离由所有特征的标准差二波段均值二亮度等特征值进行标准化,这样可实现不同特征在特征空间中的组合分类三在研究过程中,通过解译点选取样本,建立不同地物样本特征图,确定提取不同地物类型
的特征,最后利用隶属度函数对目标地物进行提取[14]三
2．5一提取信息决策树经过对研究区域的综合分析,以及充分结合桑树在影像反应的特征,确定提取桑树信息的最佳组合,建立了分类决策树如图6,执行分类后的效果如图7三
2．6一人工修改与野外核查
在eCognition 中提取的桑树矢量精度达到70%以上,为了达到精度要求,采用目视解译修改矢量三目视解译方法的精度较高,应用于修改面向对象方法提取的信息,不仅减少工作量,而且提高精度三目视解译主要在Arcgis 平台和Supermap 6R 平台中完成,Arcgis 平台主要采用修改属性方法,Supermap 6R 平台根据像元值计算自动提取,以及人工剔除矢量,两种方法的特点是操作简单二效率高三在完成目视解译修改矢量后进行野外核查,即将桑树矢量与影像叠加,采用gps 定位实地核查,若有错误与缺漏,则再次修改,直至抽取验证区域正确率达到90%以上三
94第2期一一一一一一一一谢国雪等:基于高分辨率遥感影像的桑树信息提取研究
图6一
桑树信息提取决策树
图7一桑树信息提取效果
3一结果与分析
3．1一分类结果
采用高分辨率RapidEye 遥感影像为主要研究数据,利用面向对象的分类方法提取广西鹿寨县桑树信息,应用目视解译修改计算机自动提取的矢量结果,通过野外实地核实及再次修改得出桑树信息影像专题图部分区域效果如图8三从图中可看出,桑树种植区域分布较广,主要分布于地势平坦处,种植面积大小05中国农业资源与区划一一一一一一一一一一一一一一一一2015年
无规则,小面积种植区多与甘蔗二水稻等作物混合种植,沿江区域种植面积较多也较为成片
三图8一桑树信息影像专题
3．2一精度评价
分类精度是评价分类图像中的像元被正确分类程度的一个指标三在研究中采用ENVI 软件评价桑树矢量的精度,使用的是混淆矩阵进行验证三在评价过程中,根据野外实地建立的作物解译点所在正确位置选取桑树173个图斑为验证样本,该验证样本均匀分布在整个研究区三为了达到评价的客观与有效性,在分类的桑树矢量结果中利用随机采样法选取了352个图斑进行分类结果验证,建立的分类结果混淆矩阵及评价结果如表1三
表1一分类混淆矩阵及分类精度
桑树
非桑树总和用户精度(%)桑树
101776109393．05非桑树
97963106090．85
总和
111410392153生产精度(%)91．2992．69
总精度:91．96%一Kappa 系数:0．8391Kappa 系数是由Cohen 在1960年提出的用于评价遥感图像分类的正确程度的和比较图件一致性的指
数[15]三一般情况下,K <0．4,表明分类精度很差;K 在0．4~0．8之间,表明分类精度属于中等;K >0．8,表明分类精度相当高三从表1精度评价的结果中,发现生产精度与用户精度值均高于90%,桑树分类结果评价的用户精度为93．05%,生产精度为91．29%,并且总的分类精度为91．96%,Kappa 系数为0．8391,根据Cohen 的结论,可得桑树分类的精度较好,满足应用的需求三3．3一结果分析在研究中主要以加入红边波段的高分辨率RapidEye 遥感影像为研究数据源,红边波段对农作物生长状况反映较为敏感,因此成为首先数据三利用面向对象的方法提取桑树信息过程中,采用DEM 阈值分为山地类与平地类,山地类中几乎没有种植桑树,可直接排除出研究范围,很大程度上减少了研究的对象,为下一步的多尺度分割减少工作量;通过多尺度分割的方法得到了一个个研究的对象,综合桑树在影像上反应的形状特征二颜色特征二光谱特征二纹理特征二位置特征,增加自定义的归一化植被指数(NDVI)和比值植被指数(RVI),剔除甘蔗二水稻二林地等作物;应用最邻近分类法与模糊分类法相结合的方法可根据选取的样本提取桑树信息,也解决了桑树与部分林地混淆问题,提取的正确率可达70%以上,再1
5第2期一一一一一一一一谢国雪等:基于高分辨率遥感影像的桑树信息提取研究
25中国农业资源与区划一一一一一一一一一一一一一一一一2015年经过人工目视解译修改分类成果,并野外实地核实与再次修改得到桑树矢量的最终成果,经过精度评价结果表明桑树矢量的用户精度高于生产精度,Kappa系数也显示分类结果为优三采用面向对象的方法提取研究区桑树信息,不仅节约了人力二物力二财力二时间的投入,而且有效地提高了分类的精度,对于提取南方作物信息确实可行三
4 结束语
在高分辨率影像中提取桑树信息,关键在于方法的采用与特征选择三基于面向对象的图像分析方法能综合应用影像的纹理二形状二光谱二颜色等特征,多尺度分割能创建桑树同质性的分类对象,为后续的作物精确分类奠定基础三最邻近和模糊分类器计算方法能够根据影像的桑树标志二影像的特征属性等信息,从而实现桑树的精确分类三面向对象的分类方法与基于像元的分类方法有本质的区别,其分类的对象不再是像元,而是一个具有同质性的影像对象,该方法提取的地物能够有效避免了 椒盐 现象的产生,同时比纯粹的目视解译节省时间二减少工作量,提高工作效率三同时面向对象的方法突破了传统基于像元的分类方法过多地关注地物局部细节而难以提取地物的整体结构信息的缺陷三
经研究发现,基于RapidEye遥感影像采用面向对象的方法提取南方农作物信息确实可行,综合利用3S平台,使得提取农作物更加简单快捷,总的分类精度达91．96%,Kappa系数达0．8391,分类精度满足应用需求三该方法的研究对于进一步探究广西大宗农作物提取二农作物动态监测等具有重要的指导意义,面向对象分类技术也必将成为农作物遥感信息提取的发展趋势三
参考文献
[1]一李春干.面对对象的遥感图像森林分类研究与应用.北京:中国林业出版社,2009,11:3~20
[2]一曹宝,秦其明,马海建,等.面向对象方法在SPOT5遥感图像分类中的应用 以海淀区为例.地理与地理信息系统,2006,22
(6):553~557
[3]一Dogan OK,Akyurek Z,Beklioglu M．Identification and Mapping of Submerged Plants in a Shallow Lake Using QuickBird.Satellite Da-
ta．Environmental Management,2008:1~6
[4]一李敏,崔世勇,李成名,等.面向对象的高分辨率遥感影像信息提取 以耕地提取为例.遥感信息,2008:63~66
[5]一王来刚,郑国清,陈怀亮,等.基于HJ-CCD影像的河南省冬小麦种植面积变化全覆盖监测.中国农业资源与区划,2011,32(2):
58~67
[6]一范磊,程永政,王来刚,等.基于多尺度分割的面向对象分类方法提取冬小麦种植面积.中国农业资源与区划,2010,31(6):44
~51
[7]一广西壮族自治区统计局.广西年鉴.南宁:广西年鉴社,2011:342~344
[8]一殷年.基于线性拉伸的遥感图像处理.光电子技术与信息,1998,(5):29~33
[9]一李莉.面向对象的高分辨率遥感影像信息提取研究.成都:成都理工大学摄影测量与遥感专业,2012:1~44
[10]一侯伟,鲁学军,张春晓,等.面向对象的高分辨率影像信息提取方法研究 以四川理县居民地提取为例.地球信息科学学报,
2010,12(1):119~125
[11]一张振勇,王萍,朱鲁,等.eCognition技术在高分辨率遥感影像信息提取中的应用.国土资源信息化,2007:15~17
[12]一戴昌达,姜小光,唐伶俐.遥感图像处理应用与分析.北京:清华大学出版社,2004
[13]一黄瑾.面向对象遥感影像分类方法在土地利用信息提取中的应用研究.成都:成都理工大学,2010:3~40
[14]一王志波.基于面向对象方法的沙化土地遥感信息提取技术研究 以浑善达克沙漠地为例.北京:中国林业科学研究院,2012:1
~68
[15]一刘淼,胡远满,布仁仓,等.基于RS和GIS的松潘县景观变化研究.辽宁工程技术大学学报,2006,26(3):351~353
INFORMATION EXTRACTION OF SILKWORM -CROPPING AREAS BASED ONHIGH SPATIAL RESOLUTION REMOTE SENSING IMAGES
A CASE STUDY OF LUZAI COUNTY ,GUANGXI ,CHINA Xie Guoxue 1,2,Huang Wenxiao 3,Lu Yuan 1,2,Yang Rujun 4
(1.School of Geography and Planning ,Guangxi Teachers Education University ,Nanning 530001,China ;
2.Key Laboratory of Beibu Gulf Environmental Evolution and Resources Utilization ,Ministry of Education ,Nanning 530001,China ;
3.Office of Guangxi Agriculture Regional Planning Committee ,Nanning 530022,China ;
https://www.doczj.com/doc/1411418454.html,nd and Resources Information Center of Guangxi ,Nanning 530028,China )
Abstract 一
Using high
-resolution remote sensing image to extract crop information has been deeply studied and widely used in the northern region.However ,there was little research in the south due to the influence of complex terrain ,climatic differences and other conditions.The main purpose of the article was to extract silkworm corps in-formation combining the specific situation with referring predecessor 'research results.Taking Luzhai County in Guangxi as an example ,and utilizing the RapidEye high resolution remote sensing images in September 2012as the main source of research
data ,using the methods of the object -oriented image analysis combining with the elevation data model DEM and
GPS field acquisition interpretation and field crops data ,this paper extracted silkworm crops information based on
the comprehensive information of its shape features ,color characteristics ,spectral characteris-tics ,
texture
characteristics and location characteristics (topological features )reflected on the remote sensing ima-ges.Finally ,the classification
results will be accurately verified and evaluated.The results showed the overall ac-curacy of silkworm crop
information extracted was up to 91．96%,and the Kappa coefficient reached 0．8391.As a result ,the validation and evaluation results met the precision requirement.It also showed that the method applied to extract
the southern
crops information was really practical.Finally ,it concluded that the object -oriented remote sensing image analysis
method and technology provided a good new way for the high -resolution remote sensing im-age feature information https://www.doczj.com/doc/1411418454.html,pared with the remote sensing image method of pixel -based classification technique ,this method
not only broken through the shortcomings of difficulty in extracting entire structural informa-tion of the culture features
due to paying too much attention to partial details ,but also avoid the "salt and pepper phenomenon ".What is more ,it can effectively improve the accuracy and efficiency of crop information identifica-tion.The object -oriented
remote sensing image classification method provided a better solution to solve the prob-lems including land
broken
,mixed planting crops and difficulty to extract crop information in southern region.With the continuous improvement of image resolution ,the method will gradually replace the remote sensing image method of pixel -based classification ,which will become the hotspot in the research field.Keywords 一high resolution ;object -oriented ;RapidEye image ;silkworm crop ;information extraction 3
5第2期一一一一一一一一谢国雪等:基于高分辨率遥感影像的桑树信息提取研究
遥感专题信息提取与专题图制作设计报告 1.课程设计的目的和意义 本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；熟悉遥感图像处理的方法和步骤，学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题和解决问题的能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。 2.课程设计的原理和方法 2.1课程设计原理 2.1.1 图像预处理 ERDAS软件默认的文件格式是img格式，因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大，实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息，要将影像头文件信息添加进去。 2.1.2几何纠正 遥感所获取的数据，均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理是将图像数据投影到平面上，使其符合地图投影系统。而将地图投影系统赋予图像数据的过程，称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何纠正的过程包含了地理参考过程。在实习过程中，采用了一次多项式法进行几何纠正。 2.1.3图像镶嵌 因研究范围的要求，需要在几何上将左右两幅图像连接在一起，并且保证拼接后的图像反差一致，色调相近，没有明显的接缝。遥感影像在镶嵌之前，必
须包含投影信息、地理坐标信息，还要有相同的波段数。当然，在挑选遥感数据时，要尽可能选择成像时间和成像条件相近的遥感图像，要求相邻影像的色调一致。 2.1.4图像裁剪 在实际工作中，经常需要根据研究工作范围对图像进行裁剪，按照ERDAS 实际图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：规则分幅裁剪和不规则分幅裁剪。 规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，就可以确定图像的裁剪位置，整个裁剪过程比较简单。 不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角两点的坐标确定裁减位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI多边形，也可以是ArcInfo的一个Polygon Coverage，针对不同的情况采用不同的裁剪过程。 2.1.5图像融合 图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。 2.1.6图像分类 图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：监督分类与非监督分类。 2.2课程设计方案
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，
GeoEye-1/IKONOS卫星影像数据价格表 说明： 1. 所有影像未经镶嵌处理。 2. 存档与编程： A. 存档数据：3个月前采集的Geo Ortho Kit数据 B. 编程数据：未采集的数据和3个月以内新采集的数据 3. 标准交付期： A. 存档数据：合同签订后5-10个工作日 B. 编程数据：数据接收成功后10-15个工作日 4. 起订面积： A. 存档数据：49km22 (最短边长不小于5公里) B. 编程数据：100km22 (最短边长不小于5公里)
5. 编程费用：标准编程免收编程费，如需加急编程，每个工作区收取38000 元编程费。 6. 运保费：人民币500元。 7. 含云量规定：实际含云量面积低于20%的影像为合格产品，若要求云量覆 盖在10%以内的影像每平方公里加价25%，要求云量覆盖在5%以内的影像每平方公里加价50%。 8. 目标仰角规定：标准拍摄目标仰角在60°- 90°之间。若要求拍摄目标仰 角在72°-90°之间，每平方公里需加收10%的附加费。 QuickBird/WorldView-1/WorldView-2影像数据价格表一、真彩色\彩红外\全色\4波段多光谱(MS1)： 二、4波段捆绑(Pan+MS1)\ 4波段融合数据： 三、立体像对(基础产品)：
卫星编程级别说明: 1．S级：优先级别最低的编程订单，适用于对影像获取时间要求不严格的客户，以及订单竞争不激烈的地区。优点是单价比较低，客户可以自己设定采集开始和截止时间， 或接受DG提供的采集周期；缺点是获取时间比较长.云量覆盖率不大于15% 。 2．S+级：优先级别比S级订单高，适用于急于获取合格影像的客户，以及订单竞争一般激烈的地区。优点是客户可以自己设定采集开始和截止时间，或接受DG提供的采集周期，单价相对较低，可以保证获取影像的质量。云量覆盖率不大于15% 。 3．AS级：优先级别较高，适用于急于获取合格影像的客户，以及订单竞争激烈的地区。客户必须接受DG提供的采集周期，并接受分批交付。优点是订单优先级别高，如果在DG提供的采集周期内没有完成采集，客户可以选择用DG现有的其他存档数据免费填充未完成的区域，或继续延长订单的采集周期。如果客户选择取消编程订单的未完成部分 并用免费存档数据填充未完成区域，应在原AS级订单取消后180天进行免费数据的申请；如果客户选择延长采集周期，DG会重新评估并给出新的采集周期，客户必须接受这个新的采集周期。云量覆盖率不大于15% 。 4．SS级：优先级别最高的编程订单，目标区域宽度要求小于13.5 公里，南北长度小于165 公里。DG会在未来2周的时间内，指定一个日期进行单次接收，客户可以提前48 小时确认订单，订单一旦确认，不能取消，无论云量多少均收全款。适用于灾害分析、
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
国产高分辨率卫星影像自动化高精度处理----------卫星影像基于已有DOM/DEM自动化处理测试报告1、测试情况 1.1.数据情况 影像类型景数单景全色大小单景多光谱大小 高分一号31624Ｍ156Ｍ 天绘一号15976Ｍ137Ｍ资源1号02Ｃ7300Ｍ*2103Ｍ资源三号6 1.12Ｇ606Ｍ 1.2参考数据 参考DOM：影像分辨率为2米； 参考DEM：1：1万分幅DEM，格网间距为5米。 1.3机器性能 电脑工作站一台，其主要性能配置如下： CPU：Intel Xeon E5-269016核 RAM：128G 磁盘驱动器：Samsung SSD850
2 、作业流程 3、效率统计 3.1预处理 已有DEM和DOM预处理可在任务开展前，电脑全自动化进行预 处理，本次任务预处理1：10000分幅参考DEM2871，参考DOM40.5G，利用晚上时间（18小时）完成。 3.2自动定向纠正与融合处理 备注：以下时间全为计算机自动计算的时间，不需额外人工处理 影像类型全色影像自动定向与纠正全色与多光谱影像配准纠正与融合 高分一号4.5分钟/景（总共20景，7核 并行，90分钟完成） 1.2分钟/景（总共31景，12核并行， 37分钟完成） 天绘一号9分钟/景（总共9景，5核并 行，85分钟完成） 6分钟/景（总共15景，15核并行， 106分钟完成） 资源三号25分钟/景（总共5景，单核 处理，128分钟完成） 45分钟/景（总共5景，单核处理， 220分钟完成）
4、成果展示 4.1控制点分布情况 备注：因计算机保密要求，以下所有图片均为彩色打印再扫描得到的，色彩有些偏色。 图1高分一号全色影像基于底图匹配控制点分布情况 图2天绘全色影像基于底图匹配控制点分布情况
北京揽宇方圆信息技术有限公司 高分辨率遥感卫星有哪些 高分辨率遥感可以以米级甚至亚米级空间分辨率精细观测地球，所获取的高空间分辨率遥感影像可以清楚地表达地物目标的空间结构与表层纹理特征，分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的地学解译分析提供了条件和基础。随着高分辨率遥感影像资源日益丰富，高分辨率遥感在测绘制图、城市规划、交通、水利、农业、林业、环境资源监测等领域得到了飞速发展。 北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。 一、卫星类型 (1)光学卫星：worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、北京二号、高景一号、资源三号、高分一号、高分二号、环境卫星。 (2)雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 (3)侦查卫星：美国锁眼卫星全系例(1960-1980) 二、卫星分辨率 (1)0.3米：worldview3、worldview4 (2)0.4米：worldview3、worldview2、geoeye、kompsat-3A (3)0.5米：worldview3、worldview2、geoeye、worldview1、pleiades
面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。
影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。 类型基本原理影像的最小单元适用数据源缺陷 传统基于光谱的分类方 法地物的光谱信息 特征 单个的影像像元 中低分辨率多光谱 和高光谱影像 丰富的空间信息利 用率几乎为零 基于专家知识决策树根据光谱特征、空 间关系和其他上 下文关系归类像 元 单个的影像像元多源数据知识获取比较复杂 面向对象的分类方法几何信息、结构信 息以及光谱信息 一个个影像对象 中高分辨率多光谱 和全色影像 速度比较慢
基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南 中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.doczj.com/doc/1411418454.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。 关键词：遥感，城市绿地，信息提取，混合像元 中图分类号：TP 7 1．引言 随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。 另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。 利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题 城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取 随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。
北京揽宇方圆信息技术有限公司 全色卫星影像多光谱卫星影像高光谱卫星影像 随着光谱分辨率的不断提高，光学遥感的发展过程可分为：全色（Panchromatic）→彩色（Color Photography）→多光谱（Multispectral）→高光谱（hyspectral）。 注： 全色波段（Panchromatic band），因为是单波段，在图上显示是灰度图片。全色遥感影像一般空间分辨率高，但无法显示地物色彩。实际操作中，我们经常将之与波段影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。 全色波段，一般指使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。 多光谱遥感 多光谱遥感：将地物辐射电磁破分割成若干个较窄的光谱段，以摄影或扫描的方式，在同一时间获得同一目标不同波段信息的遥感技术。 原理：不同地物有不同的光谱特性，同一地物则具有相同的光谱特性。不同地物在不同波段的辐射能量有差别，取得的不同波段图像上有差别。 优点：多光谱遥感不仅可以根据影像的形态和结构的差异判别地物，还可以根据光谱特性的差异判别地物，扩大了遥感的信息量。 航空摄影用的多光谱摄影与陆地卫星所用的多光谱扫描均能得到不同普段的遥感资料，分普段的图像或数据可以通过摄影彩色合成或计算机图像处理，获得比常规方法更为丰富的图像，也为地物影像计算机识别与分类提供了可能。
高光谱 高光谱遥感起源于20世纪70年代初的多光谱遥感，它将成像技术与光谱技术结合在一起，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，这样形成的遥感数据可以用“图像立方体”来形象的描述。同传统遥感技术相比，其所获取的图像包含丰富的空间、辐射和光谱三重信息。 高光谱遥感技术已经成为当前遥感领域的前沿技术。 高光谱遥感具有不同于传统遥感的新特点： 1）波段多：可以为每个像元提供十几、数百甚至上千个波段； 2）光谱范围窄：波段范围一般小于10nm； 3）波段连续：有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； 4）数据量大：随着波段数的增加，数据量成指数增加； 5）信息冗余增加：由于相邻波段高度相关，冗余信息也相对增加。 优点： 1）有利于利用光谱特征分析来研究地物； 2）有利于采用各种光谱匹配模型； 3）有利于地物的精细分类与识别； 异同点 国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区只有几个波段，如美国LandsatMSS，TM，法国的SPOT等；而光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral)；随着遥感光谱分辨率的进一步提高，在达到λ/1000时，遥感即进入超高光谱(ultraspectral)阶段(陈述彭等，1998)。 高光谱和多光谱实质上的差别就是：高光谱的波段较多，普带较窄。（Hyperion有233~309个波段，MODIS有36个波段） 多光谱相对波段较少。（如ETM+，8个波段，分为红波段，绿波段，蓝波段，可见光，热红外（2个），近红外和全色波段） 高光谱遥感就是多比多光谱遥感的光谱分辨率更高，但光谱分辨率高的同时空间分辨率会降低。
几种典型高分辨率商业遥感卫星系统 1．2．1 IKONOS卫星系统 1．基本情况 IKONOS是空间成像公司(Space Imaging)为满足高解析度和高精度空间信息获取而设计制造，是全球首颗高分辨率商业遥感卫星。IKONOS-1于1999年4月27日发射失败，同年9月24日，IKONOS-2发射成功，紧接着于10月12日成功接收到第一幅影像。 IKONOS卫星由洛克希德—马丁公司(Lockheed Martin)制造，重1600lb，由Athena II 火箭于加利福尼亚州的范登堡空军基地发射成功，卫星设计寿命为7年。它采用太阳同步轨道，轨道倾角98.1o，平均飞行高度681km，轨道周期98.3min，通过赤道的当地时间为上午10:30，在地面上空平均飞行速度为6.79km/s，卫星平台自身高1.8m，直径1.6m。 IKONOS卫星的传感器系统由美国伊斯曼—柯达公司(Eastman Kodak)研制，包括一个1m分辨率的全色传感器和一个4m分辨率的多光谱传感器，其中的全色传感器由13816个CCD单元以线阵列排成，CCD单元的物理尺寸为12μm x 12μm，多光谱传感器分四个波段，每个波段由3454个CCD单元组成。传感器光学系统的等效焦距为10m，视场角(FOV)为0.931o，因此当卫星在681km的高度飞行时，其星下点的地面分辨率在全色波段最高可达0.82m，多光谱可达3.28m，扫描宽度约为11km。传感器可倾斜至26o立体成像，平均地面分辨率1m左右，此时扫描宽度约为13km。IKONOS的多光谱波段与Landsat TM的1—4波段大体相同，并且全部波段都具有11位的动态范围，从而使其影像包含更加丰富的信息。 IKONOS卫星载有高性能的GPS接收机、恒星跟踪仪和激光陀螺。GPS数据经过后处理可提供较精确的星历信息；恒星跟踪仪用以高精度确定卫星的姿态，其采样频率低；激光陀螺则可高频地测量成像期间卫星的姿态变化，短期内有很高的精度。恒星跟踪数据与激光陀螺数据通过卡尔曼滤波能提供成像期间卫星较精确的姿态信息。GPS接收机、恒星跟踪仪和激光陀螺提供的较高精度的轨道星历和姿态信息，保证了在没有地面控制的情况下，IKONOS卫星影像也能达到较高的地理定位精度。 2．成像原理 与Landsat和SPOT-4卫星相比，IKONOS卫星的成像方式更加灵活，其传感器系统采用独特的机械设计，可以十分灵活地以任意方位角成像，偏离正底点的摆动角甚至可达到60o。IKONOS卫星360o的照准能力使其既可侧摆成像以获取异轨立体或缩短重访周期，也可通过沿轨道方向的前后摆动同轨立体成像，具有推扫、横扫成像能力。 IKONOS卫星能获取同轨立体影像。当卫星接近目标时，传感器光学系统先沿着轨道向前倾斜，照准目标区域并采集第一幅影像，接着控制系统操纵传感器向后摆动，大约100s 后再次照准目标区并采集第二幅影像，如图1．1所示。由于IKONOS卫星利用单线阵CCD 传感器，通过光学系统的前后摆动实现同轨立体成像。因此，相应的立体覆盖是不连续的。
IKONOS卫星遥感影像解译数据分辨率是多少? IKONOS卫星简介 IKONOS为美国DigitalGlobe公司的高分辨率遥感卫星，于1999年09月24日发射，其影像分辨率达0.82米，为全球首颗提供1米以下分辨率的商用光学卫星，揭开了高分辨率卫星影像的时代。--广西善图科技。 IKONOS卫星基本参数
IKONOS卫星影像样片 IKONOS卫星影像 IKONOS卫星影像 卫星遥感数据分类： 一、卫星分辨率 1.0.3米：worldview3、worldview4 2.0.4米：worldview3、worldview2、geoeye、kompsat-3A 3.0.5米：worldview3、worldview2、geoeye、worldview1、pleiades、高景一号 4.0.6米：quickbird、锁眼卫星 5.1米：ikonos、高分二号、kompsat、deimos、北京二号 6.1.5米：spot6、spot7、锁眼卫星 7.2.5米：spot5、alos、资源三号、高分一号（4颗）、高分六号、锁眼卫星 8.5米:spot5、rapideye、锁眼卫星、planet卫星4米
9.10米:spot5、spot4、spot3、spot2、spot1、Sentinel-卫星 10.15米:landsat5(tm)、landsat(etm)、landsat8、高分一号16米 二、卫星类型 1.光学卫星：spot2、spot3、spot4、spot5、spot6、spot7、worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、高分一号、高分二号、高分六号、北京二号、高景一号、资源三号、环境卫星。 2.雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 3.侦查卫星：美国锁眼卫星全系例(1960-1980) 4.高光谱类卫星：高分五号、环境小卫星、ASTER卫星、EO-1卫星 三、卫星国籍 1.美国：worldview1、worldview2、worldview3、quickbird、geoeye、ikonos、landsat5(tm)、landsat(etm)、锁眼卫星、planet卫星 2.法国：pleiades、spot1、spot2、spot3、spot4、spot5、spot6 3.中国：高分一号、高分二号、高分六号、高景卫星、北京二号、资源三号等 4.德国：terrasar-x、rapideye 5.加拿大：radarsat-2 四、卫星发射年份 1.1960-1980年：锁眼卫星(0.6米分辨率至10米) 2.1980-1990年：landsat5(tm)、spot1 3.1990-2000年：spot2、spot3、spot4、landsat(etm)、ikonos 4.2000-2010年：quickbird、worldview1、worldview2、spot5、rapideye、radarsat-2、alos 5.2010-至今：高分一号、高分二号、高分三、高分四、高分五、高分六号、高分七、spot6、spot7、资源三号、worldview3、worldview4、pleiades、高景卫星、planet卫星
北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。
卫星影像图与飞机航拍图的区别 一、卫星影像图与飞机航拍图区别 (一)定义 1、卫星影像图：卫星影像图是以卫星作为遥感平台，通过卫星上装载的对地观测遥感仪器对地球表面进行观测所获得的遥感图像。 2、飞机航拍图：飞机航拍图是以飞机作为遥感平台，在近地点的稳定高度拍摄地面各种目标所获得的图像。 (二)成图原理、方式 1、卫星影像图：以卫星为航天遥感平台（一般大于80km），以扫描方式获取图像，有很多波段，最大可达350多个以上，彩色图像基本上都是波段组合和融合而成，色彩不太真实。 2、飞机航拍图：以飞机为航空遥感平台（小于80km），以光学摄影进行的遥感，一般是黑白，真彩和彩红外摄影，一般最多4个波段，颜色比较真实。 (三)分辨率 1、卫星影像图：比例尺小，分辨率低，清晰度相对较低，一般分辨率可从0.5米—1000米之间；
2、飞机航拍图：比例尺较大，分辨率较高，清晰度高，一般分辨率可从0.04米—1米之间。 (四)图像变形 1、卫星影像图：摄影高度较高，因此建筑的投影差方向和大小基本上都一样,变形小。 2、飞机航拍图：摄影高度较低，因此建筑的投影差方向和大小每个地方都不一样，变形大。 (五)成图面积 1、卫星影像图：成图面积大，含信息丰富，拍摄面域广，获取速度快，可做全球动态监测。 2、飞机航拍图：成图面积小，离地面距离相对要近得多, 观察格外清晰、准确, 图像稳定, 精度高,避免了常规调查的盲目性和不必要的无效工作, 极大的节约了时间和精力, 节约了财力和物力。 (六)图像用途 1、卫星影像图：国土，规划，水利等大型工程。 2、飞机航拍图：小面积测绘，应急、抗灾。 (七)优点 1、卫星影像图：
高分辨率遥感影像数据一体化测图系统PixelGrid 北京四维空间数码科技有限公司 一、概况介绍 高分辨率遥感影像数据一体化测图系统PixelGrid（以下简称“PixelGrid”）是由中国测绘科学研究院自主研发的“十一五”重大科技成果，获得2009年度国家测绘科技进步一等奖。 为将这一重大科技成果实现产业化，2008年开始，由中国测绘科学研究院参股单位北京四维空间数码科技有限公司进行成果转化和产品化，并开展销售。 该软件是我国西部1:5万地形图空白区测图工程以及第二次全国土地调查工程的主力软件， 被誉为国产的“像素工厂”。 PixelGrid以其先进的摄影测量算法、集群分布式并行处理技术、强大的自动化业务化处理能力、高效可靠的作业调度管理方法、友好灵活的用户界面和操作方式，全面实现了对卫星影像数据、航空影像数据以及低空无人机影像数据的快速自动处理，可以完成遥感影像从空中三角测量到各种比例尺的DEM/DSM、DOM等测绘产品的生产任务。 PixelGrid软件主界面。 二、主要特点 PixelGrid系统以现代摄影测量与遥感科学技术理论为基础，融合计算机技术和网络通讯技术，采用基于RFM通用成像模型的大范围遥感影像稀少或无控制区域网平差、基于旋转/缩放不变性特征多影像匹配的高精度航空影像自动空三、基于多基线/多重特征的高精度DEM/DSM自动提取、等高线数据半自动采集及网络分布式编辑、基于地理信息数据库等多源控制信息的高效影像地图制作、基于松散耦合并行服务中间件的集群分布式并行计算等一系列核心关键技术，是中国测绘科学研究院研制的一款类似“像素工厂”（ISTAR PixelFactoryTM）的新一代多源航空航 天遥感数据一体化高效能处理系统。
遥感专题信息提取与专题图制作设计报告 1、课程设计的目的与意义 本次课程设计的目的主要就是为了加深理解与巩固遥感原理与应用的有关理论知识;熟悉遥感图像处理的方法与步骤,学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题与解决问题的能力,培养良好的工作习惯与科学素养,为今后工作打下良好的基础。 2、课程设计的原理与方法 2、1课程设计原理 2、1、1 图像预处理 ERDAS软件默认的文件格式就是img格式,因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大,实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息,要将影像头文件信息添加进去。 2、1、2几何纠正 遥感所获取的数据,均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理就是将图像数据投影到平面上,使其符合地图投影系统。而将地图投影系统赋予图像数据的过程,称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统,因此几何纠正的过程包含了地理参考过程。在实习过程中,采用了一次多项式法进行几何纠正。 2、1、3图像镶嵌 因研究范围的要求,需要在几何上将左右两幅图像连接在一起,并且保证拼接后的图像反差一致,色调相近,没有明显的接缝。遥感影像在镶嵌之前,必须包含投影信息、地理坐标信息,还要有相同的波段数。当然,在挑选遥感数据时,要尽可能选择成像时间与成像条件相近的遥感图像,要求相邻影像的色调一致。 2、1、4图像裁剪 在实际工作中,经常需要根据研究工作范围对图像进行裁剪,按照ERDAS实际图像分幅裁剪的过程,可以将图像分幅裁剪分为两种类型:规则分幅裁剪与不规则分幅裁剪。 规则分幅裁剪就是指裁剪图像的边界范围就是一个矩形,通过左上角与右下角两点的坐标,就可以确定图像的裁剪位置,整个裁剪过程比较简单。 不规则分幅裁剪就是指裁剪图像的边界范围就是任意多边形,无法通过左上角与右下角两点的坐标确定裁减位置,而必须事先生成一个完整的闭合多边形区域,可以就是一个AOI多边形,也可以就是ArcInfo的一个Polygon Coverage,针对不同的情况采用不同的裁剪过程。
北京揽宇方圆信息技术有限公司 高分辨率卫星影像报价 单片产品单位：元/平方公里产品类型存档S级编程/90天内编程S+级编程 Worldview-3 0.3米真彩色 330550640 0.3米全色＋4个多光谱 Worldview-30.3米全色＋8个多光谱420690800 Geoeye Worldview-2 Wordview-3 0.4米真彩色 220244360 0.4米全色＋4个多光谱 Worldview-2 Worldview-3 0.4米全色＋8个多光谱330380430 Geoeye Worldview-2 Wordview-3 0.5米真彩色 195220330 0.5米全色＋4个多光谱 Worldview-2 Worldview-3 0.5米全色＋8个多光谱310340400 Worldview-10.5米全色146179280 Quickbird(快鸟) 0.6米真彩色 195220330 0.6米全色＋4个多光谱
ikonos 0.8米真彩色 130190300 0.8米全色＋4个多光谱 pleiades 0.5米真彩色 195195220 0.5米全色＋4个多光谱 rapideye5米多光谱121215资源三号 2.1米全＋5.8米多光谱4000 高分一号2米全色＋8米多光谱4000 高分二号0.8米全色＋3.2米多光谱20000 锁眼卫星全色6000 默认的数据产品级别是:没有经过地形校正的产品，只经过了辐射校正、传感器和卫星平台引起的误差校正，具有地图投影。用户可以直接通过相关专业软件结合自己的DEM、RPC参考模型、亚米级精度的地面控制点来做正射校正。 立体产品单位：元/平方公里产品类型存档S级编程/90天内编程S+级编程全色340440840 4波段5406401152 8波段8909901511 IKONOS4105101020 Pleiades-1540640840 立体相对100平方公里起订 北京揽宇方圆信息技术有限公司
北京揽宇方圆信息技术有限公司 表1：商业光学高分辨率卫星参数一览表
北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。
优势： 1：北京揽宇方圆国内老牌卫星数据公司，经营时间久，行业口碑相传，1800个行业用户选择的实力见证。 2：北京揽宇方圆遥感数据购买专人数据查询一对一服务，数据查询网址是卫星公司网。 3：北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。 4：北京揽宇方圆国家高新技术企业，通过ISO900认证的国际质量管理操作体系，无论是遥感卫星品质和遥感数据处理质量，都能得到保障。 5：影像数据官方渠道：所有的卫星数据都是卫星公司授权的原始数据，全球公众数据查询网址公开查询，影像数据质量一目了然，数据反应客观公正实事求是，数据处理技术团队国标规范操作，提供的是行业优质的专业化服务。 6：签定正规合同：影像数据服务付款前，买卖双方须签订服务合同，提供合同相应的正规发票，发票国家税网可以详细查询，有增值税普通发票和增值税专用发票两种发票类型可供选择。以最有效的法律手段来保障您的权益。 7：对公帐号转款：合同约定的对公帐号，与合同主体名发票上面的帐号名称一致，是由工商行政管理部门核准的公司银行账户，所有交易记录均能查询，保障资金安全。 8：售后服务：完善的售后服务体制，全国热线，登陆官网客服服务同步。 技术能力说明 北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。
遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非
遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。