当前位置：文档之家 › 遥感卫星影像数据处理步骤

遥感卫星影像数据处理步骤

  • 格式：pdf
  • 大小：6.94 MB
  • 文档页数：16

北京揽宇方圆信息技术有限公司

遥感卫星影像处理是遥感应用的第一步，也是非常重要的一步。目前的

技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的流程在各个行业、不同数据中有点差异，而且注重点也各有不同。

(一)几何精校正与影像配准

引起影像几何变形一般分为两大类:系统性和非系统性。系统性一般有传

感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正;非系统

性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，

也可以是地球曲率及空气折射的变化以及地形的变化等。

(二)影像融合将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成成一副高

分辨率多光谱影像遥感的影像处理技术，使得处理后的影像既有较高的空间

分辨率，又具有多光谱特征。

(三)影像镶嵌与裁剪

(1)镶嵌

当研究区超出单幅遥感影像所覆盖的范围时，通常需要将两幅或多幅影

像拼接起来形成一幅或一系列覆盖全区的较大的影像。在进行影像的镶嵌

时，需要确定一幅参考影像，参考影像将作为输出镶嵌影像的基准，决定镶

嵌影像的对比度匹配、以及输出影像的像元大小和数据类型等。镶嵌得两幅

或多幅影像选择相同或相近的成像时间，使得影像的色调保持一致。但接边

色调相差太大时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但

用于变化信息提取时，相邻影像的色调不允许平滑，避免信息变异。

(2)裁剪

影像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界

或自然区划边界进行影像的分幅裁剪。

(四)大气校正

遥感影像在获取过程中，受到如大气吸收与散射、传感器定标、地形等

因素的影响，且它们会随时间的不同而有所差异。因此，在多时相遥感影像

中，除了地物的变化会引起影像中辐射值的变化外，不变的地物在不同时相

影像中的辐射值也会有差异。利用多时相遥感影像的光谱信息来检测地物变

化状况的动态监测，其重要前提是要消除不变地物的辐射值差异。

辐射校正是消除非地物变化所造成的影像辐射值改变的有效方法，按照

校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。绝对

辐射校正方法是将遥感影像的DN(DigitalNumber)值转换为真实地表反射率

的方法，它需要获取影像过境时的地表测量数据，并考虑地形起伏等因素来

校正大气和传感器的影响，因此这类方法一般都很复杂，目前大多数遥感影

像都无法满足上述条件。相对辐射校正是将一影像作为参考(或基准)影像，调整另一影像的DN值，使得两时相影像上同名的地物具有相同的DN值，这

个过程也叫多时相遥感影像的光谱归一化。这样我们就可以通过分析不同时

相遥感影像上的辐射值差异来实现变化监测，用户可以在遥感集市云服务平

台上完成数据采集、数据处理、产品生产、软件研制、应用开发、系统集

成、设备制造等一系列工作。

因此，相对辐射校正就是要使相对稳定的同名地物的辐射值在不同时相

遥感影像上一致，从而完成地物动态变化的遥感动态监测。

注意事项

•各个行业应用会有所不同，比如在精细农业方面，需要进行大气校正

以去除大气对图像的图像;在测绘方面，对几何校正的精度要求会很高，而且

处理的一般是高分辨率图像，需要进行正射校正处理,遥感集市云服务平台上

提供国内最全的高分卫星影像数据，同时提供遥感影像数据资源在线预览、

处理和下载服务。

在几何校正环境，使用从标准数据中选择控制点方式进行对全色图像几

何校正，以全色图像作为基准图像配准多光谱图像，将多光谱和全色图像进

行融合处理，利用矢量边界对融合结果进行裁剪，最后得到具有地理坐标、

较高分辨率的多光谱图像。

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。公司形象展示信誉证书、荣誉证书、相关资质证书

卫星遥感影像技术服务ISO（9001）认证证书复印件高新技术企业认定证明文件

国家A级纳税人遥感卫星影像地图技术服务系统遥感卫星影像三维仿真推演系统卫星影像质量快速检验系统著作权登记证历史遥感图像检验系统著作权登记证锁眼卫星影像处理软件著作权登记证同质遥感数据融合系统著作权登记证异质遥感数据融合系统著作权登记证多时空多光谱数据处理系统著作权登记证

北京揽宇方圆信息技术有限公司

合集下载

遥感卫星影像数据质量如何检查

遥感卫星影像数据质量如何检查

遥感卫星影像数据质量如何检查

原始影像质量检查

取得原始影像数据后，首先要对数据源质量进行全面检查。主要检查内容和要求如下：

1、原始数据检查以景为单位，应用遥感图像处理软件打开影像数据，采用人工目视检查的

方法，对每景数据进行质量检查，并进行文字记录。

2、检查相邻景影像之间的重叠是否在4%以上，特殊情况下不少于2%。

3、检查原始影像信息是否丰富，是否存在噪声、斑点和坏线。

4、检查影像云、雪覆盖情况，是否满足云、雪覆盖量小于10%，且不能覆盖城乡结合部等

重点地区之规定。

5、检查侧视角是否满足规程之规定：一般小于15°，平原地区不超过25°，山区不超过

20°。

6、对检查结果中不符合以上质量要求的数据信息及时反馈全国调查办，申请替换。

3.1.2原始影像质量常见问题根据以往的影像处理经验，除常见的云雪覆盖量较大和侧视角超限等问题外，在原始影像的

检查中常见质量问题如下：

1、掉线，如图3-1所示：

图3-1：掉线现象2、条带现象，如图3-2所示：

图3-2条带现象3、增溢过度现象，如图3-3所示：

图3-3影像增溢过度

3.1.3原始影像分析

原始影像数据质量检查合格后，根据各景影像的头文件信息，通过GIS软件生成落图矢量文

件（WGS84坐标），内容包含数据源类型、景号、时相、侧视角等属性字段。将落图矢量文件与

项目区范围在GIS软件中进行叠加，全面检查数据覆盖是否完整，并对重叠较小的区域进行反复

确认，将缺漏数据情况及时反馈全国调查办。同时，在满足重叠要求和项目区覆盖完整的前提下，

尽量排除不需要生产的数据以提高工作效率和保障项目进度。

在确定好需生产数据的数量和分布后，以分带区为单元，将同一投影带内的原始数据以所在

带号为名称的文件夹分别存放，对跨分带线的数据以面积较大区域所在投影带为准，以备下一环

节的使用。

3.1.4原始影像预处理

由于卫星具有侧视观测地面的功能，获取完整监测区的数据时段不同、空中云雾干扰以及地

面光线不均匀等原因，会造成一景图像内部、景与景之间的感光程度存在差别，采用专业图像处

遥感卫星数据

遥感卫星数据

LANDSAT系列

卫星 Landsat1，2，3 Lantsat4,5,7 Lansant8

高度/km 918 705 705

遥感器 MMS,RBV,DCS LS-4,LS-5MSS,TM,

GPSPAC

LS-7ETM+ OLI/TIRS

波长范围/微米 RBV

1) 0.48 - 0.58

2) 0.58 - 0.68

3)0.70- 0.83 (bands

1 through 3)

MSS

1)0.5-0.6

2)0.6-0.7

3)0.7-0.8

4)0.8-1.1 TM

1)0.45-0.52

2)0.52-0.60

3)0.63-0.69

4)0.76-0.90

5 )1.55-1.75

6)10.4-12.5

还有LS-7的7)2.09-2.35

8)0.52-0.90

ETM+

1)0.52-0.90

2)0.45-0.52

3)0.53-0.61

4)0.63 - 0.69

5)0.78-0.90

6)1.55-1.75

7)2.09-2.35

8)10.4 - 12.5

MSS OLI

1)0.43-0.45

2)0.45-0.51

3)0.53-0.59

4)0.64-0.67

5)0.85-0.88

6)1.57-1.65

7)2.11-2.29

8)0.50-0.68

9)1.36-1.38

TIRS

1)10.60-11.19

2)11.50-12.51

地面分辨率/m 79 LS-4 80,30

LS-5 80,30

LS-7 15 (PAN)30

(MS) 30,15

全色图像分辨率/m LS-7 15 15

热红外分辨率/m LS-5 120 120

侧摆能力 无 LS-5有 有

全球覆盖周期/d 18 16 16

扫描宽度/km 185 185 185

SPOT系列

卫星 SPOT1,2,4 SPOT5 SPOT6

高度/km 822 832 695

遥感影像的分类处理

遥感影像的分类处理

.

. 摘 要

在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。

构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。

近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到 1 至 5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。

相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。

然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图 1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support

遥感影像处理具体操作步骤

遥感影像处理具体操作步骤

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。