GIS遥感图像的基本处理教程

使用地理信息系统进行卫星遥感图像处理的技巧与方法随着技术的不断发展，地理信息系统（GIS）在卫星遥感图像处理中发挥着越来越重要的作用。

地理信息系统能够处理和分析卫星遥感图像，从而为地震监测、土地利用规划、资源管理等诸多领域提供有力的支持。

本文将介绍一些使用地理信息系统进行卫星遥感图像处理的技巧与方法。

第一，对卫星遥感图像进行预处理。

卫星遥感图像往往受到大气、地表反射、传感器本身等因素的影响，因此需要进行预处理以消除这些干扰。

预处理包括辐射定标、大气校正、镶嵌、几何校正等步骤。

辐射定标是将原始图像的数字值转换为反射率或亮度温度值，以确保图像的准确性。

大气校正是根据大气模型矫正图像中的大气干扰。

镶嵌是将多个卫星图像拼接在一起，以获取更大范围的图像。

几何校正是校正图像中的几何失真，以使图像的几何特征与实际地物一致。

第二，进行图像分类与特征提取。

图像分类是将卫星遥感图像中的像素分为不同的类别，常用的分类方法有无监督分类和监督分类。

无监督分类是指根据图像中像素的统计特征进行分类。

监督分类是指使用训练样本进行分类，训练样本是事先由专家手动标注的具有代表性的区域。

特征提取是提取图像中的特定地物信息，如植被指数、土地覆盖类型等。

特征提取可以通过计算、模型或算法等方法实现。

第三，进行空间分析与建模。

地理信息系统能够对卫星遥感图像进行空间分析和建模，以研究地理现象的空间分布和相关性。

空间分析是指对图像中的地理对象进行定量化分析，如面积、长度、形状等。

建模是指根据卫星遥感图像中的数据建立数学模型，以预测和模拟地理现象。

常用的空间分析方法包括缓冲区分析、空间插值和路径分析等。

第四，进行可视化与展示。

地理信息系统能够将卫星遥感图像可视化呈现，以更直观地展示地理信息。

可视化创造了一种直观的视觉效果，帮助解释和理解卫星遥感图像。

常用的可视化方法包括颜色合成、图像增强和3D可视化等。

综上所述，使用地理信息系统进行卫星遥感图像处理需要进行预处理、图像分类与特征提取、空间分析与建模以及可视化与展示等步骤。

目录01下载影像02波段组合03影像拼接04影像裁切05对裁切的影像进行监督分类06矢量化07修改图斑08注意*说明：按住Ctrl键点击以上超链接可以直接到达该步骤一、下载影像通过与全国矢量边界叠加检验影像是否下载完整，该操作在arcGIS中完成。

如下图：若想去掉背景值（影像周围黑色区域），只需选中对应影像——右键——properties在弹出对话框里选择去除按钮如图所示点击应用即可消除背景值。

二、波段组合打开ENVI单击file——Open Image File如下图：单击RGB Color（红线框）先后单击该影像的4、3、4、波段单击load RGB，在弹出窗口中选择File——Save image As——image File选择路径保存即可。

三、影像的拼接用ENVI将要拼接的影像全部打开操作步骤：单击file——Open Image File打开所有要拼接的影像。

（我们是分省拼接的）选择Map→Mosaicking→Georeferenced打开拼接窗口在弹出窗口选择Import→ImportFiles选中要拼接的影像如图所示：单击OK如下图，该操作并没有去掉背景值，有很多黑色的三角，要去掉背景值需选中要去除背景值的影像右键——Edit Entry弹出对话框如下图，在红色框位置输入0，即可消除背景值，因为遥感影像中背景值的对应数值就是0；另外Lower Image to bottom和Lower Image to position可调整影像层次关系，将云多或质量较差的影像放在底层。

点击File菜单下的Apply命令，在弹出对话框中单击choose选择输出路径完成镶嵌。

四、影像的裁切1、单击file——Open Image File打开拼接好的影像，与镶嵌相同。

2、单击file——Open Vector File 打开裁切影像的矢量边界，因为我们用的矢量边界是shape 文件，所以打开时注意选择显示的文件为*.sap3、在弹出窗口中选择Memory 再选择OK4、选中边界文件，File——Export layer to ROI；此处可以选择多个矢量边界一起转为ROI（右图），ENVI裁切的直接工具是ROI文件，选择多个矢量边界裁切出来的区域是边界之和裁切出的对应区域。

地理信息系统中的遥感图像处理与解译技术教程遥感技术是指利用人造卫星、飞机、无人机等遥感设备对地球表面进行观测和感知的技术。

这些设备可以获取多光谱、高分辨率的遥感图像，为地理信息系统（GIS）中的各种应用提供了重要的数据源。

地理信息系统中的遥感图像处理与解译技术是对遥感图像进行数字处理和解读，以提取有关地表特征和地物信息的方法和技术。

本文将介绍地理信息系统中的遥感图像处理与解译技术，并提供一些教程和示例以帮助读者了解和掌握这些技术。

一、遥感图像的处理遥感图像的处理包括预处理和后处理两个阶段。

预处理主要是对原始的遥感图像进行辐射校正、大气校正、几何校正等处理，以获得准确、可比较的图像数据。

后处理则是对经过预处理的图像进行增强、分类、融合、特征分析等处理，以提取出感兴趣的信息。

1. 辐射校正：由于地表反射和传感器响应的非线性，遥感图像的原始数据通常需要进行辐射校正，以消除不同光照条件和传感器特性的影响。

2. 大气校正：大气影响是遥感图像中的常见问题之一，特别是在可见光和近红外波段。

大气校正可以校正遥感图像中由大气成分引起的光的吸收和散射。

3. 几何校正：几何校正是将图像的像素位置与地表特征的实际位置对应起来，以便进行空间分析和测量。

4. 增强处理：增强处理是改善遥感图像质量和可视化效果的一种方法，包括直方图均衡化、滤波、锐化等。

5. 特征提取：特征提取是从遥感图像中提取有关地物和地表特征的信息，包括目标检测、目标识别、图像分割等。

二、遥感图像的解译遥感图像的解译是将图像特征与地物类型进行对应，以提取地物信息和研究地表特征的过程。

1. 监督分类：监督分类是一种常用的遥感图像解译方法，它需要事先准备一组训练样本，然后使用分类算法将图像像素分配到不同的类别中。

2. 无监督分类：无监督分类是一种不依赖事先准备的训练样本的解译方法，它通过对图像进行聚类分析，将像素聚类到相似的类别中。

3. 目标检测与识别：目标检测与识别是从遥感图像中检测和识别特定目标或特征的过程，如建筑物、道路、水体等。

遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。

遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。

本文将介绍遥感图像处理的基本步骤和技巧。

一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。

常见的图像预处理技术包括辐射校正、大气校正和几何纠正。

辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。

大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。

几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。

二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。

常见的图像增强技术包括直方图均衡化、滤波和波段变换。

直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。

滤波是通过应用各种滤波器来去除图像中的噪声和模糊。

波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。

三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。

常见的特征提取技术包括阈值分割、边缘检测和纹理分析。

阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。

边缘检测是寻找图像中的边界线，以辅助划分地物边界。

纹理分析是通过提取图像的纹理特征来描述地物的空间结构。

四、分类与识别分类与识别是将特定地物进行分类和识别的过程。

常见的分类与识别技术包括监督分类、无监督分类和目标检测。

监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。

无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。

目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。

五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。

通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。

遥感图像处理技术的基本步骤遥感图像处理技术是利用卫星、飞机等遥感平台获取的图像数据进行分析和处理的一项重要技术。

它可以帮助我们了解地表现象和环境变化，为资源利用、灾害监测和环境保护提供有力的支持。

本文将介绍遥感图像处理技术的基本步骤，并探讨其在不同领域中的应用。

一、图像预处理图像预处理是遥感图像处理的第一步，目的是对原始图像进行校正和增强，以减少噪声、消除系统误差并提高图像质量。

常见的图像预处理方法包括大气校正、辐射校正、几何校正和噪声过滤等。

大气校正可以消除大气传输对图像的影响，使图像更加真实可靠；辐射校正可以将原始图像的辐射值转换为反射率或亮度温度，以便进一步分析；几何校正可以校正图像的几何畸变，使图像与真实地理位置对应准确；噪声过滤可以降低图像的噪声水平，提高图像的清晰度和解译能力。

二、图像数据解译图像数据解译是遥感图像处理的核心环节，它通过对图像的特征提取和分类识别，从图像中提取出我们感兴趣的信息。

特征提取可以通过计算图像的纹理特征、形状特征和光谱特征等，来描述和区分地物的不同属性。

分类识别则是将提取出的特征与已知地物类别进行对比，将图像中的像素进行分类。

常见的分类方法有监督分类和非监督分类。

监督分类需要提供一些训练样本，训练分类器进行分类；非监督分类则是根据图像的统计特性，自动将图像进行分类。

三、图像信息提取图像信息提取是遥感图像处理的下一步，它通过进一步分析图像数据，提取出我们所需要的地理、生态或环境信息。

常见的图像信息提取包括土地利用/覆盖分类、植被指数计算、水体边界提取和灾害监测等。

土地利用/覆盖分类可以对图像中的地物进行识别，如农田、森林、草地等；植被指数计算可以评估植被的生长状况和覆盖度，如归一化植被指数（NDVI）；水体边界提取可以通过分析图像的光谱信息，识别出水体的边界和分布；灾害监测可以通过对图像的变化分析，及时发现和评估地质灾害的风险。

四、图像结果分析图像结果分析是遥感图像处理的最后一步，它主要是对处理后的图像结果进行定量或定性分析，验证处理方法的有效性和结果的可靠性。

遥感影像处理具体操作步骤遥感影像处理是利用遥感技术获取的遥感影像数据进行分析和处理的过程。

下面是遥感影像处理的具体操作步骤：1. 数据预处理：- 影像获取：通过卫星、航空器或者无人机等获取遥感影像数据。

- 影像校正：对获取的遥感影像进行几何校正和辐射校正，以消除影像中的几何畸变和辐射差异。

- 影像配准：将多个遥感影像进行配准，使其在同一坐标系下对齐，以便进行后续的分析。

- 影像切割：根据需要，将遥感影像切割成小块，方便后续处理。

2. 影像增强：- 直方图均衡化：通过调整影像的像素灰度分布，增强影像的对照度和细节。

- 滤波处理：利用滤波算法对影像进行平滑或者锐化处理，以去除噪声或者增强细节。

- 波段合成：将多个波段的影像合成为一幅彩色影像，以显示不同特征或者信息。

3. 影像分类：- 监督分类：根据已知样本进行训练，利用分类算法将遥感影像中的像素分为不同的类别。

- 无监督分类：根据像素的相似性进行聚类，将遥感影像中的像素分为不同的类别，不需要事先提供训练样本。

4. 特征提取：- 纹理特征：通过计算影像中像素的纹理统计量，提取纹理特征，用于地物分类和识别。

- 形状特征：通过计算影像中像素的形状参数，如面积、周长、圆度等，提取形状特征，用于地物分类和识别。

- 光谱特征：利用遥感影像中不同波段的反射率或者辐射值，提取光谱特征，用于地物分类和识别。

5. 地物提取：- 目标检测：利用目标检测算法，自动提取遥感影像中的目标物体，如建造物、道路等。

- 变化检测：通过比较不同时间的遥感影像，检测地物的变化情况，如城市扩张、土地利用变化等。

6. 结果评估：- 精度评估：通过对照遥感影像处理结果与实地调查数据或者高分辨率影像进行对照，评估处理结果的准确性和精度。

- 一致性检验：对处理结果进行一致性检验，确保处理结果的逻辑和合理性。

以上是遥感影像处理的具体操作步骤。

不同的任务和目标可能需要不同的处理方法和算法，具体操作步骤可能会有所不同。

遥感图像的‎处理一般包‎括的步骤1）图像精校正‎由于卫星成‎像时受采样‎角度、成像高度及‎卫星姿态等‎客观因素的‎影响，造成原始图‎像非线性变‎形，必须经过几‎何精校正，才能满足工‎作精度要求‎一般采用几‎何模型配合‎常规控制点‎法对进行几‎何校正。

在校正时利‎用地面控制‎点(GCP)，通过坐标转‎换函数，把各控制点‎从地理空间‎投影到图像‎空间上去。

几何校正的‎精度直接取‎决于地面控‎制点选取的‎精度、分布和数量‎。

因此，地面控制点‎的选择必须‎满足一定的‎条件，即：地面控制点‎应当均匀地‎分布在图像‎内；地面控制点‎应当在图像‎上有明显的‎、精确的定位‎识别标志，如公路、铁路交叉点‎、河流叉口、农田界线等‎，以保证空间‎配准的精度‎；地面控制点‎要有一定的‎数量保证。

地面控制点‎选好后，再选择不同‎的校正算子‎和插值法进‎行计算，同时，还对地面控‎制点(GCPS)进行误差分‎析，使得其精度‎满足要求为‎止。

最后将校正‎好的图像与‎地形图进行‎对比，考察校正效‎果。

2）波段组合及‎融合对卫星数据‎的全色及多‎光谱波段进‎行融合。

包括选取最‎佳波段，从多种分辨‎率融合方法‎中选取最佳‎方法进行全‎色波段和多‎光谱波段融‎合，使得图像既‎有高的空间‎分辨率和纹‎理特性，又有丰富的‎光谱信息，从而达到影‎像地图信息‎丰富、视觉效果好‎、质量高的目‎的。

3）图像镶嵌如果工作区‎跨多景图像‎，还必须在计‎算机上进行‎图像镶嵌，才能获取整‎体图像。

镶嵌时，除了对各景‎图像各自进‎行几何校正‎外，还需要在接‎边上进行局‎部的高精度‎几何配准处‎理，并且使用直‎方图匹配的‎方法对重叠‎区内的色调‎进行调整。

当接边线选‎择好并完成‎了拼接后，还对接边线‎两侧作进一‎步的局部平‎滑处理。

4）匀色相邻图像，由于成像日‎期、系统处理条‎件可能有差‎异，不仅存在几‎何畸变问题‎，而且还存在‎辐射水平差‎异导致同名‎地物在相邻‎图像上的亮‎度值不一致‎。

遥感图像处理操作指南第二讲一．多项式纠正（1）打开两幅图像，左边是待配准图像，右边是参考图像。

在待配准图像窗口菜单栏上打开Raster/Geometric Correction,弹出如下对话框：（2）拖动下拉菜单，选择Polynomial。

弹出如下对话框：Polynomial为多项式的阶数，一般选为1，2。

3或以上阶数会导致模型不稳定。

通过公式(t+1)(t+2)/2来确定所需选点的最少个数（t为多项式阶数）。

我们这里选1。

完成后点击Apply。

（3）选择Projection/Set Projection from GCP Tool,弹出如下对话框：（3）选择第一项Existing Viewer,弹出如下对话框：（4）单击参考图像的Viewer，即可完成关联。

关联完成后，弹出如下对话框，显示地理坐标信息。

（5）点击OK则弹出一下对话框：（6）选点：点击按钮分别在两幅图像上选点。

选点完成后，点击GEO CORRECTION TOOLS对话框中的按钮，对图像进行重采样，如下图所示：●输出图像文件名(output file):●选择重采样方法(Resample Method):Bilinear Interpolation●定义输出图像像元大小。

●输出图像尺寸与参考图像一致。

（7）选择OK启动重采样进程，并关闭Image Resample 对话框。

备注：●设置多项式系数为1或2，尽量少用3次多项式，会导致图像畸变较大。

对于平原地区次数为1足够。

●找控制点技巧：先设置为1次多项式，在图像4个角布点，之后的点就可以让ERDAS自动计算，然后手工微调。

找到7个点后可以设置为2次多项式自动计算点。

●为减少平面中误差，对于2次多项式通常要求找30-40个点。

更多的点不会明显改善纠正的精度对于山区，无论找多少点可能纠正精度都不够，这时候需要正射纠正来处理。

二．R PC纠正（1）打开两幅图像，在待配准图像菜单栏上打开Raster/Geometric Correction,弹出如下对话框：（2）拖动下拉菜单，选择QuickBird RPC的纠正类型。