卫星遥感及其影像分解

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 imagine2、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。

IKONOS卫星遥感影像解译数据的波段IKONOS卫星影像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。

IKONOS卫星基本参数卫星遥感数据分类：一、卫星分辨率1.0.3米：worldview3、worldview42.0.4米：worldview3、worldview2、geoeye、kompsat-3A3.0.5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、spot63.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、rapideye5.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)、spot13.1990-2000年：spot2、spot3、spot4、landsat(etm)、ikonos4.2000-2010年：quickbird、worldview1、worldview2、spot5、rapideye、radarsat-2、alos5.2010-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。

卫星影像处理与遥感图像解译技巧地球遥感技术以其高分辨率和广覆盖的优势，成为当今科技发展中重要的工具之一。

卫星影像处理和遥感图像解译技巧是在遥感应用过程中必不可少的环节。

本文将探讨几种常见的卫星影像处理和遥感图像解译技巧，并探索其应用领域和未来发展方向。

一、卫星影像预处理技巧在利用卫星影像进行遥感图像解译之前，首先需要对卫星影像进行预处理。

预处理的目的是消除或减小影像中的噪声和不确定因素，提高遥感数据的可用性。

1. 辐射校正辐射校正是指将原始卫星影像转化为反映地表辐射能量分布的数据。

由于卫星影像获取过程中会受到大气环境的影响，因此需要进行辐射校正来消除大气效应。

常用的辐射校正方法有大气纠正、反射率校正等。

2. 几何校正几何校正是指对卫星影像进行几何校正，使其符合地理坐标系统。

卫星影像获取过程中会受到卫星运动和地球自转的影响，因此几何校正对于实现影像的精确配准和准确的空间位置信息非常重要。

3. 合成影像将多幅卫星影像合成成为一张高分辨率的影像可以提高遥感数据的空间分辨率，同时也可以提高影像的质量。

常用的合成影像方法有类别合成、分辨率增强等。

二、遥感图像解译技巧遥感图像解译是指通过对卫星影像进行解读和分析，得出地表特征和信息的过程。

它是遥感技术中最核心、最具挑战性的环节之一。

1. 图像分类图像分类是将卫星影像中的像元划分为不同的类别，以实现不同地物类别的提取和识别。

常用的图像分类方法包括像元法、目标法、混合像元法等。

2. 特征提取特征提取是指从卫星影像中提取出能够区分和区域化地物类别的特征。

常用的特征提取方法有光谱特征提取、纹理特征提取、形态特征提取等。

3. 目标检测目标检测是指利用卫星影像进行目标或地物的检测和识别。

常见的卫星影像目标检测方法有目标检测算法、基于机器学习的目标检测等。

三、卫星影像处理与遥感图像解译的应用领域卫星影像处理和遥感图像解译技巧广泛应用于地质勘探、环境监测、农业、城市规划等领域。

北京揽宇方圆信息技术有限公司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。

目录1目的 (5)2范围 (5)3职责 (5)4引用文件 (5)5成果主要技术指标和规格 (5)5.1成果的种类 (5)5.2坐标系统及高程基准 (5)5.3成果主要规格 (5)6设计方案 (5)6.1软件和硬件配置要求 (6)6.1.1软件 (6)6.1.2硬件 (6)6.2技术路线及工艺流程 (6)6.2.1技术路线 (6)6.2.2工艺流程 (6)6.3技术规定 (6)6.3.1主要技术指标 (6)6.3.2作业准备 (7)6.3.2.1资料收集 (7)6.3.2.2资料分析 (7)6.3.3控制点的布设和获取 (7)6.3.4影像控制点的精度要求 (8)6.3.5影像融合与处理 (8)6.3.5.1影像融合的技术要求 (8)6.3.5.2融合后影像处理 (8)6.3.5.3影像匀色 (8)6.3.6影像的正射纠正 (8)6.3.6.1纠正控制点采集 (8)6.3.6.2纠正方法 (9)6.3.7影像镶嵌 (10)6.3.7.1镶嵌原则 (10)6.3.7.2重叠精度检查 (10)6.3.8图幅裁切 (10)6.3.9超限分析与处理 (10)6.3.9.1客观原因 (10)6.3.9.2人为原因 (10)6.3.10相关文件制作 (10)6.3.11提交资料 (11)6.4质量控制 (11)6.4.1检查内容 (11)6.4.1.1关键工序检查要点 (11)6.4.1.2外业控制测量 (11)6.4.1.3正射纠正的质量检查 (11)6.4.1.4镶嵌、接边质量检查 (11)6.4.1.5DOM精度评定 (11)6.5安全生产及数据安全 (12)II6.5.1安全生产 (12)6.5.2数据安全 (12)6.6上交和归档成果及其资料内容和要求 ·····································错误！未定义书签。

卫星遥感图像处理中的图像分割算法使用技巧探究图像分割算法是卫星遥感图像处理中的重要环节，其作用是将图像分割成不同的区域或对象，以便更好地获取地理信息。

在卫星遥感图像处理中，图像分割算法的准确性和效率是至关重要的。

本文探究了卫星遥感图像处理中常用的图像分割算法以及使用技巧，旨在提供对于该领域的初学者以及研究人员有关卫星遥感图像处理中图像分割算法使用的指导。

一、图像分割算法的基本概念及分类图像分割是指将图像划分为若干互不相交的区域，每个区域内的像素具有相似的特性。

在卫星遥感图像处理中，常用的图像分割算法包括基于阈值的分割、区域增长法、边缘检测法以及基于机器学习的分割等。

1. 基于阈值的分割基于阈值的分割是一种简单且常用的分割算法。

该算法将图像的灰度值与设定的阈值进行比较，根据阈值的大小决定像素属于前景或背景。

常见的阈值分割算法包括全局阈值法、自适应阈值法以及基于直方图的阈值法等。

2. 区域增长法区域增长法是一种基于像素的分割算法，其原理是从种子点开始，根据预设的条件逐步扩展区域。

该算法通常需要提前设定一些种子点，并利用像素之间的相似性进行区域的扩张，直到满足停止条件。

区域增长法通常能更好地适应图像的复杂结构。

3. 边缘检测法边缘检测法是通过检测图像中不连续的强度变化来实现图像分割的算法。

该算法可通过检测图像中的边缘来分割出不同的区域。

常见的边缘检测算法有Sobel、Canny和Laplacian等。

4. 基于机器学习的分割基于机器学习的分割算法是近年来发展起来的一种先进的图像分割方法。

该算法通过训练模型，自动从图像中学习分割的规则。

常见的机器学习算法包括K-means聚类、支持向量机（SVM）、随机森林和深度学习等。

二、卫星遥感图像处理中图像分割算法的使用技巧在卫星遥感图像处理中，图像分割算法的使用技巧是影响分割结果准确性和效率的关键。

以下是一些在卫星遥感图像处理中使用图像分割算法的技巧：1. 选择适合的图像分割算法不同的图像分割算法适用于不同的图像特性和任务需求。

卫星遥感影像解译样本生产技术规程英文回答：## Satellite Remote Sensing Image Interpretation Sample Production Technology Specification.1. Overview.Satellite remote sensing image interpretation is a process of extracting information from satellite images. This information can be used for various purposes, such as land use mapping, agricultural monitoring, and disaster assessment.The accuracy of satellite remote sensing image interpretation depends on the quality of the samples used for training the image classification algorithm. Therefore, it is important to develop a standardized procedure for the production of high-quality samples.2. Sample Collection.The first step in sample production is to collect a set of representative samples. These samples should cover the entire range of variability in the image data.The samples can be collected manually or automatically. Manual sample collection is time-consuming, but it allows for a more precise selection of samples. Automatic sample collection is less time-consuming, but it may result in a less representative sample set.3. Sample Labeling.Once the samples have been collected, they must be labeled with the correct land cover class. This labeling can be done manually or automatically.Manual labeling is time-consuming, but it allows for a more precise labeling of samples. Automatic labeling is less time-consuming, but it may result in a less accurate labeling.4. Sample Validation.After the samples have been labeled, they must be validated to ensure that they are accurate. This can be done by comparing the labels to ground truth data.The ground truth data can be collected through field surveys or by using other sources of information, such as aerial photographs or lidar data.5. Sample Selection.The final step in sample production is to select a subset of samples to use for training the image classification algorithm. This subset should be representative of the entire range of variability in the image data.The samples can be selected randomly or by using a stratified sampling approach. Stratified sampling ensures that all land cover classes are adequately represented inthe training set.6. Conclusion.The production of high-quality samples is essential for the accuracy of satellite remote sensing image interpretation. By following the steps outlined in this specification, users can produce samples that are representative, accurate, and suitable for training image classification algorithms.中文回答：## 卫星遥感影像解译样本生产技术规程。

GeoEye卫星遥感影像解译数据技术参数是多少？卫星遥感数据分类：一、卫星分辨率1.0.3米：worldview3、worldview42.0.4米：worldview3、worldview2、geoeye、kompsat-3A3.0.5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、spot63.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、rapideye5.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)、spot13.1990-2000年：spot2、spot3、spot4、landsat(etm)、ikonos4.2000-2010年：quickbird、worldview1、worldview2、spot5、rapideye、radarsat-2、alos5.2010-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GeoEye卫星遥感影像解译数据技术参数请参照下面的参数表。

北京揽宇方圆信息技术有限公司遥感卫星影像数据提取绿地面积方案和解译标志建立数据预处理WorldView全色高分辨率数据（0.50m）在数据预处理中要突出其高分辨率。

处理的目的是为了增强局部灰度的反差从而突出纹理细节和加强纹理能量，通过细化来尽可能减少噪音，特别强调在增强局部灰度反差时保持原灰度关系只是增加灰度的值，在拉伸方法选择上不采用非线性拉伸。

原始WorldView全色高分辩率影像亮度较低，反差小，选择适当的输入范围，调整反差系数，能改善视觉效果，所以，对高分辩率数据以消除蒙雾和提高亮度为主，尽可能减少纹理细节损失。

同时，根据融合目的的不同，在拉伸时加以区别。

用于绿化信息解译时，要避免灰度过饱和，尽可能减少纹理细节损失。

在融合图像中，多光谱数据的贡献是它的光谱信息。

融合前主要以色彩增强为主，调整亮度、色度、饱和度，拉开不同地类之间的色彩反差。

对局部的纹理要求不高，有时为了保证光谱色彩，可以削弱纹理信息来确保融合图的效果。

在城市绿化遥感测试中，为了增强绿化信息，扩大不同地类，如街道、建筑物、居民点等光谱信息的差异，使绿化地类更突出，采用了三维反差增强。

其技术实质是扩大同名像元在要合成的三个波段上灰度的差度，使该同名点合成的色调鲜艳，达到彩色增强的目的；同时，使图像上不同地物间微小的灰度差异也能增强成明显的色调差异，从而达到增强图像信息的效果。

具体处理时，采用波段特征差异光谱加权法。

将重新生成的三个新分量再进行彩色合成，便扩大了地类间的色调，减少了相关性。

根据WorldView多光谱数据的波谱效应，WorldView多光谱数据采取1（R）、2（G）、3（B）合成的图像拥有模拟真彩色，色彩柔和，适合各类人员解译使用。

影像配准本项目中使用的Worldview卫星数据的全色数据和多波谱数据需进行影像配准处理，不同时像卫星数据也要进行配准，图像配准中误差一般地区不大于0.5个像元。

影像配准采用以下方法进行精度检查：融合检查：对配准后数据进行快速融合处理，目视检查融合图是否有重影现象。