遙感影像

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇遙感影像范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

遙感影像范文第1篇

摘要：本文介紹了遙感影像數據融合技術，并給出了融合的一些基本理論、融合處理一般步驟以及常用融合處理方法，最后簡要描述了融合評價的方式方法等。

關鍵詞：遙感影像融合融合評價

1、前言

將高分辨率的全色遙感影像和低分辨率的多光譜遙感影像進行融合，獲得色彩信息豐富且分辨率高的遙感融合影像的過程，成為遙感影像融合。全色影像一般具有較高空間分辨率，多光譜影像光譜信息較豐富，為提高多光譜影像的空間分辨率，可以將全色影像融合進多光譜影像。通過影像融合既可以提高多光譜影像空間分辨率，又能保留其多光譜特性。

2、遙感影像融合一般步驟

遙感影像信息融合一般流程主要分為兩個階段：圖像預處理，圖像融合變換。

圖像預處理主要包括：幾何校正及影像配準。幾何校正主要在于去除透視收縮、陰影等地形因素以及衛星擾動、天氣變化、大氣散射等隨機因素對成像結果一致性的影響；影像配準的目的在于消除由不同傳感器得到的影像在拍攝角度、時相及分辨率等方面的差異。

3 常用融合方式

3.1 IHS融合

IHS（亮度I、色度H、飽和度S）變換就是將影像從RGB彩色空間變換到IHS空間來實現影像融合的一種方法。由光學、熱紅外和雷達(微波)等方式得到的不同波段遙感數據，合成的RGB顏色空間是一個對物體顏色屬性描述系統，而IHS色度空間提取出物體的亮度、色度、飽和度，它們分別對應每個波段的平均輻射強度、數據向量和的方向及其等量數據的大小。RGB顏色空間和IHS色度空間有著精確的轉換關系。IHS變換法只能用三個波段的多光譜影像融合和全色影像融合。

3.2 小波融合

小波變換，基于遙感影像的頻域分析進行的，由于同一地區不同類型的影像，低頻部分差別不大，而高頻部分相差很大，通過小波變換對變換區實現分頻，在分頻基礎上進行遙感影像的融合，常用于雷達影像SAR與TM影像的融合。

3.3 Pansharping融合

Pansharping算法用于高分辨率全色影像和多光譜影像的融合生成高分辨率彩色影像，此方法要求全波段影像和多波段影像同平臺、同時間（或間隔很短）獲得。Pansharping獨具特色的融合方式(目前國際上公認的最好的融合方法)，能最大限度地保留多光譜影像的顏色信息和全色影像的空間信息，融合后的圖像更加接近實際。

3.4 融合結果

使用HIS融合方式進行融合結果如下：

圖1融合前全色影像圖2 融合前多光譜影像 圖3融合后結果影像

4融合質量評價

評價融合影像的質量是遙感圖像融合的一個重要步驟。評價融合效果主要包括定性和定量評價兩種。

定性評價一般選用目視法解釋。定量評價選擇：均值、標準差、熵、光譜偏差度、均方根差和相關系數等。定量評價分為：融合圖像的整體質量、融合圖像和低分辨率圖像的光譜信息保真度和融合圖像與高分辨率圖像的高頻信息保真度（紋理信息）三個方面。

參考文獻：

[1]孫家抦. 遙感原理與應用. 武漢: 武漢大學出版社, 2003.

[2]賈永紅. 數字圖像處理. 武漢: 武漢大學出版社, 2003.

作者簡介：1.王瑩（1988-）女，漢族，陜西西安人，長安大學信息工程學院，交通信息工程及控制專業，2011級碩士研究生

遙感影像范文第2篇

隨著遙感技術的發展，高分辨率遙感影像數據急劇增加，如何能夠從海量的遙感影像數據中獲取到用戶感興趣的信息成為了當前的主要研究目標。對于大數據量遙感影像數據的快速瀏覽問題，本文提出基于IDL實現分塊讀取數據，構建影像金字塔結構，存儲到GeoTiff格式影像文件中。利用IDL函數獲取當前窗體范圍的影像分塊信息，實現快速加載顯示影像數據。

【關鍵詞】ENVI/IDL 影像金字塔 數據分塊 快速瀏覽

1 引言

隨著“高分一號”高分辨率對地觀測系統遙感衛星的升空，搭載的高分辨率多光譜相機用于采集高分辨率遙感影像數據。它能夠提供大區域范圍的海量的、動態的基礎地理空間信息數據，成為數字城市數據采集與更新的主要來源之一。目前，ENVI、Erdas等幾個主要的遙感軟件能夠對高分辨率遙感影像數據進行讀取，但花費的時間較長，無法滿足能夠快速瀏覽影像的現實工作需求。因此尋找一種能夠快速讀取和顯示高分辨率遙感影像的方法，成為高分辨率遙感影像應用面臨的首要問題。

對于遙感影像數據的存儲格式、讀寫和顯示處理操作，已有學者進行了多方面的論述。劉修國等分析了GeoTiff文件格式的基本結構，并探討了GeoTag標識域具體含義和影像存儲組織的方法；卜坤等討論了對于大數據遙感影像數據采用分塊處理，減少對內存的需求；查東平等研究了利用GDAL處理Tiff格式文件，實現快速讀取和顯示遙感影像的方法；王淼等討論了IDL實現遙感影像漫游縮放技術的可行性。

本文針對直接讀取海量影像數據容易造成內存不足、整幅影像加載顯示緩慢等問題，在分析GeoTiff文件格式的基礎之上，結合構建影像瓦片金字塔，研究了基于ENVI/IDL開發語言實現分層分塊讀取影像數據，多分辨率快速顯示影像的方法。

2 技術路線

本文高分辨率遙感影像快速瀏覽功能設計的基本思想是利用構建瓦片金字塔、GeoTiff影像存儲文件等關鍵技術實現遙感影像數據的分層分塊存儲，記錄遙感影像的地理空間信息和影像分塊的圖像特性?；贗DL/ENVI開發語言，構建具有圖像視窗創建、影像分層分塊存儲、重采樣提取分塊影像數據、加載顯示影像圖像的影像快速瀏覽技術?？傮w技術路線如圖1所示。

3 關鍵技術

3.1 影像金字塔模型

遙感影像處理軟件顯示圖像的一般做法是把影像數據讀入到內存中，通過讀取內存中遙感影像相關數據來實現。在圖像數據量比較小的情況下，可以快速顯示遙感影像。對于高分辨率遙感影像來說，由于影像數據量是巨大的，有限的內存空間無法讀取全部的影像數據。高分辨率影像數據的讀取顯示是采用構建影像金字塔結構來實現的。

影像金字塔是以原始影像為基礎通過重采樣技術生成不同比例尺的各層的影像數據，并且各層劃分為多個尺寸大小相同的圖像塊。原始影像數據作為金字塔的底層，分辨率最高，數據量最大。隨著金字塔層數的增加，影像分辨率降低，數據量減少，表示的范圍不變，如圖2。

3.2 影像分塊技術

讀取的影像數據太大，超過內存的大小的時候，IDL會顯示無法分配內存的錯誤，尤其是處理高分辨率的海量影像數據的時候，對內存的需求就更大了。圖像分塊技術，是將圖像按照一定的矩形大小，把圖像分成幾塊，然后分塊進行處理。使用圖像分塊技術，可以在計算過程中有效減少對內存的需求，從而實現快速讀取圖像數據。

影像分塊的大小通常采用2的冪次方，影像塊太大或太小都會影響系統的有效性能。因此，根據遙感影像數據情況，選擇數據塊大小是影像數據存儲管理必須考慮的因素。目前，常采用的數據塊大小為256*256像素，這樣可以減少硬盤磁頭定位時間。

3.3 GeoTiff格式圖像文件

GeoTiff圖像文件是一個Tiff6.0文件，繼承了Tiff6.0規范中的文件結構，將GeoTiff信息編碼在一些未使用的TIFF保留標簽中[8]。Tiff圖像文件的結構包括文件頭（Image File Header，IFH）、圖像文件目錄（Image File Directory，IFD）和圖像數據區。每個文件只能有一個文件頭，但允許有多個文件目錄和多個圖像數據區。GeoTiff文件利用6個“地理標簽”（GeoTag）保存圖像的地理信息，如圖3。

3.4 IDL語言

美國ITT VIS（ITT Visual Information System）公司推出了第四代可視化交互數據語言IDL（Interactive Data Language）是新一代交互式、跨平臺，面向對象的應用程序開發語言，具有較強的數據分析和可視化功能。IDL將內存的柵格數據均視為二維數組，IDL對數組計算進行了優化，將數組作為整體進行操作，其速度遠遠快于對數組元素的循環操作。

IDL提供了內置的處理圖像數組的類和函數，簡化了影像處理流程，降低了開發難度。類IDLgrWindow用于創建顯示窗口，類IDLgrView用于創建顯示視圖對象，類IDLgrModel創建顯示模式對象，類IDLgrImage創建圖像對象。TV或TVSCL命令用于顯示圖像，WINDOW命令創建顯示窗口。

4 技術實現

為了實現大數據遙感影像的讀取和顯示功能，按照以下五個步驟完成：

（1）讀取原始影像的元數據，包括左上角坐標值，影像寬度和高度，影像波段數，像素類型等參數。這個步驟得到影像基本信息，為后面的分塊存儲影像數據作準備。

（2）對原始影像進行分塊處理，并按照GeoTiff格式定義保存。根據步驟（1）中的影像信息，確定影像分塊的行數和列數，創建GeoTiff文件結構數組。

（3） 根據GeoTiff文件結構數組，創建GeoTiff文件結構，并在GeoTiff文件中填充圖像文件目錄IFD和圖像數據內容。

（4）動態創建金字塔文件。根據分辨率的不同，設置數據分塊大小參數不同。依據數據分塊大小，從原始影像數據文件中讀取分塊數據，寫入目標金字塔文件中。

（5）根據當前窗體視圖范圍，從金字塔文件中讀取數據，并顯示到窗體中。

5 結語

由于海量高分辨率遙感影像數據的獲取周期的縮短，構建合理的遙感影像文件存儲結構以及尋找快速調度顯示清晰遙感影像的方法有著明顯的意義。本文基于IDL對高分辨率影像構建影像金字塔和創建GeoTiff格式圖像文件，實現了通過分塊讀取影像以快速顯示影像數據的功能。

參考文獻

[1]劉修國，花衛華.GeoTiff中GeoTag域解析[J].地球科學―中國地質大學學報，2002，27（3）：246-249.

[2]卜坤，張樹文，張宇博.基于IDL的柵格地圖代數實現與應用[J].計算機工程與應用，2008，44（9）：174-177.

[3]查東平，林輝，孫華等.基于GDAL的遙感影像數據快速讀取與顯示方法的研究[J].中南林業科技大學學報，2013，33（1）：58-62.

[4]王淼，熊顯名，騰惠忠等.基于IDL的遙感圖像漫游和縮放技術的實現[J].微型機與應用，2014，33（6）：37-39，43.

[5]譚慶全，畢建濤，池天河.一種靈活高效的遙感影像金字塔構建算法[J].計算機系統應用，2008，4：124-127.

[6]余粉香，王光霞，萬剛.大數據量遙感影像的快速調度與顯示[J].海洋測繪，2006，26（2）：27-30.

[7]張涵斐，黃忠紅，孟永軍.海量遙感影像的存儲與快速調度顯示方法[J].測繪與空間地理信息，2011，34（3）：36-39，43.

[8]牛芩濤，盛業華.GeoTIFF圖像文件的數據存儲格式及讀寫[J].四川測繪，2004，27（3）：105-108.

[9]閆殿武.IDL可視化工具―入門與提高[M].北京：機械工業出版社，2003.

作者簡介

徐超（1982-），男，遼寧省鞍山市人，碩士學位?，F為浙江省測繪大隊工程師。從事遙感技術和地理信息系統的應用開發工作。

遙感影像范文第3篇

關鍵詞：遙感；影像質量；遙感應用

中圖分類號：TP79 文獻標識碼：A

遙感影像應用分析日益廣泛，但其也存在較多的影響因素，這些因素能夠對遙感分析結果的精度產生較大的影響。如：(1)遙感影像數據本身包含的誤差，即影像數據質量的影響；(2)數據預處理引入的誤差(如幾何誤差和輻射誤差)；(3)數據分析過程中的誤差（如量化誤差、分析方法引入的誤差）；(4)數據產品存儲方式轉換的誤差（如柵格與矢量轉換誤差）。其中，影像數據質量作為影像應用的先天條件，往往對遙感影像的應用領域和精度水平起到決定性作用。

而在遙感影像質量分析中，分辨率是一個至關重要的概念，并表現為多重含義[1]。影像分辨率簡單來說就是成像系統對影像細節分辨能力的一種度量，也是影像中目標細微程度的指標，它表示地物信息的詳細程度。因此，對遙感數據質量的描述往往利用遙感影像的四種類型的分辨率來進行，包括：時間分辨率、光譜分辨率、輻射分辨率和空間分辨率。

一、時間分辨率的影響

時間分辨率（Temporal Resolution）一般指是指對同一目標的序列影像成像的時間間隔，即對同一地區進行重復觀察的頻率。從這一含義來講，多時相影像分析能夠提供所需的變化信息。例如，美國國家海洋大氣局（NOAA）的地球靜止軌道環境業務衛星（GOES）運行于地球同步軌道上，可獲取高時間分辨率的影像（如：每半小時），使得氣象學家可以每小時更新一次鋒系和颶風的位置，并綜合其他信息預測風暴的路徑。

時間分辨率表達的另一含義是：主動式傳感器（如：激光雷達，LIDAR）向地面發射單脈沖后，能記錄的回波個數。例如，大多數LIDAR系統發射一個脈沖，并記錄該脈沖的多個回波響應。測量多個回波響應之間的時差就可以確定目標的高度和地形特點。主動式傳感器發射的一束能量信號所持續的時間長度成為脈沖寬度，采用短脈沖可以獲得相當精確的距離測量結果。

對于常規的土地利用動態遙感監測工作而言，時間分辨率一般從屬于第一層含義，即利用多時相遙感數據對土地覆蓋信息進行變化檢測[2]。其一般要求兩個重要的時間分辨率保持不變。

第一，影像獲取時間應大致在一天中的相同時刻。這樣可以有效地消除太陽高度角的影響，使遙感數據中的反射特征不會因太陽高度的不同而產生太大的差異。

第二，針對監測目標內容，選擇合適時令和季節的影像進行檢測，并盡可能是同一地區不同年份但相同季節的遙感影像。其原因在于，不同時令季節的情況下，地面植被物候、季節性太陽高度角等存在較大差異，這些差異都會導致地物光譜特性的差異，進而對變化檢測結果產生負面影響。

二、光譜分辨率的影響

光譜分辨率（Spectral Resolution）是指遙感器所能記錄的電磁反射波譜中某一特定的波長范圍值。波長范圍越寬，則光譜分辨率越粗糙；反之越精細。

遙感影像變化檢測的基本假定是：如果IFOV內的生物物理目標在兩個時相間發生變化，那么該像元在兩景影像中的光譜響應就會有差異。理想情況下，傳感器應具有足夠的光譜分辨率以記錄光譜區內的反射通量，并且該光譜區間能夠最好的獲取物體最具描述意義的光譜特性。因此，高的光譜分辨率可以保證監測目標能夠在影像上有所響應，以提供更為豐富的信息。

但光譜分辨率并不是越高越好，相反由于光譜分辨率過高，往往會造成信息的大量冗余和波段之間相關性太強，進而容易引起數據處理得不到預期的結果[3]。D.Landgrede與B.Shahshahani利用了四種分類算法，通過對訓練樣本數目與最終分類精度的實驗，揭示了光譜分辨率對分類精度的影響[4]。實驗結果圖如下所示：

圖1 訓練樣本數量、分類器與特征維數對分類精度的影響

從圖3-1可以發現，使用傳統的統計分析模式分類，隨著波段數目增大，訓練樣本數量相對于特征空間維數的比例減小，分類過程中計算得到的參數估值偏差也逐漸變大，最終會導致分類精度的降低，而這對利用分類后變化檢測算法有著相當大的影響。因此，遙感影像變化檢測要求確定合適的光譜分辨率影像。

另一方面，遙感影像變化檢測還要求選擇波段基本一致的影像數據。例如，Landsat MSS的第4 波段（綠光）、第5波段（紅光）和第7波段（近紅外），Spot的第1波段（綠光）、第3波段（紅光）和第4波段（近紅外）一起使用。如果各傳感器間的波段匹配得不好，變化檢測的很多算法都將無法應用，效果很差。

三、輻射分辨率的影響

輻射分辨率（Radiometric Resolution）又稱亮度閾值，是指在一個波段中所記錄的代表地物反射電磁波的強度（表現為亮度或灰度）的所有可能的數值。在影像中表現為影像的灰度級。例如，在字節長度為8位的文件中，像元點亮度值可以分為256級，則代表地物亮度的數值可為從0～255中的某個值。輻射分辨率與影像灰度級成正比，灰度級越高，其輻射分辨率就越高。在遙感影像直觀上來看，灰度級越高，影像的細節表達能力就越強。如下圖所示：

(a) (b) (c)

圖2 (a)經過處理的輻射分辨率為8bit、1m 空間分辨率的IKONOS圖像（IKONOS圖像的輻射分辨率為11bit）；(b)經處理的輻射分辨率為4bit的影像；(c)經過處理的輻射分辨率為1bit的影像

從圖2可以看出，輻射分辨率的降低使得影像的細節模糊，主要體現在其空間分辨率的相應降低。因此，輻射分辨率對變化檢測的影響可以從空間分辨率的角度來分析。

四、空間分辨率的影響

空間分辨率（Spatial Resolution）是指遙感器所能分辨的最小的目標大小，即影像目標的空間細節在影像中可分辨的最小尺寸。空間分辨率越高則目標和面積值越小。

空間分辨率直接影響著像元的純度?？臻g分辨率高的遙感影像單位像元對應的地面范圍小，純像元出現的概率大，混合像元的數量相對較少，使得目標地物與背景的灰度反差大，區分度好。但另一方面，高分辨率也帶來問題：純像元的個數越多，噪聲就相對越多，使得同一類別地物內部的光譜響應值差異越大，同一地物的識別區分難度也相應加大[12]。

如下圖3所示，對一幅空間分辨率為0.69米的QuickBird影像，降低其分辨率依次為2.76米、5.52米，展示其直方圖，并利用 Canny算法提取邊界。

(a) (b) (c)

(d) (e) (f)

(g) (h) (i)

圖3(a)為空間分辨率為0.69米的QUICKBIRD影像；（b）為經過處理的、空間分辨率為2.73米的QUICKBIRD影像；(c) 為經過處理的、空間分辨率為5.52米的QUICKBIRD影像；(d)、(e)、(f)均為其對應的影像直方圖；(g)、(h)、(i)為對應的邊緣提取結果圖

從上述實驗可以看出，利用0.69米分辨率的遙感影像提取出來的邊緣結果復雜；利用5.52米的遙感影像提取出來的邊緣結果有殘缺。而利用2.73米分辨率的遙感影像能夠較為清晰的提取出邊緣結果。這個現象可以解釋為：適當的分辨率圖像可使具有大面積分布的連續目標地物仍構成單純像元；同時使小面積同亮度的地物不能構成純凈像元，只能與周圍地物構成混合像元，使得整個像元亮度比目標地物的低。

因此，在進行遙感應用分析時，不同分辨率的遙感影像的分析效率是不一樣的，存在一個最佳的分辨率，既可以清晰地分割出人工地物，又可以濾除許多噪聲。相反，如果分辨率過低會造成人工地物信息提取困難，過高則會造成噪聲過多。

五、小結

綜上所述，對于常規的遙感應用工作而言，時間分辨率的選取其一般要求兩個重要的時間分辨率保持不變。而光譜分辨率則存在一個最佳值得選取問題，光譜分辨越高往往會造成信息的大量冗余和波段之間相關性太強，進而容易引起數據處理得不到預期的結果。輻射分辨率對遙感應用的影響可以從空間分辨率的角度來分析?？臻g分辨的選擇也存在一個最佳的分辨率，既可以清晰地分割出人工地物，又可以濾除許多噪聲。相反，如果分辨率過低會造成人工地物信息提取困難，過高則會造成噪聲過多。

參考文獻

[1] 杜永明，不同分辨率對遙感影像中識別人造地物的影響。遙感技術與應用，2001,16(4):214～217

[2] 2006年度土地利用動態遙感監測項目技術方案. 國土資源地籍管理司2006年

遙感影像范文第4篇

【關鍵詞】高分衛星 遙感影像 預處理 數據格式轉換

隨著空間信息技術的發展，對地觀測系統也逐漸的從地面、低空發展到太空，并且對觀測的連續性、快速性、精確性等有了更為嚴格的要求。高分一號是我國觀測系統的首顆發射衛星，其成功實現了寬覆蓋、高精度、穩定度的控制技術，而對于高分二號而言，其成功突破了優于1m的分辨率水平，并且能夠具有高定位、快速靈活、機動的能力等特點，對于提升我國空間衛星水平、數據的自給率等這些方面具有非常重要的意義。并且高分O畹某曬κ凳涌熗宋夜空間信息產業的發展，有利的推動了我國國民經濟建設與社會的進步。

遙感影像的預處理即為影像數據的糾正與重建的過程，主要是糾正遙感成像過程中，由于傳感器外在原因：如姿態的變化、高度、速度等因素造成的遙感影像的幾何畸變與變形，并且遙感影像本身在空間、時間及光譜分辨率上的不足，在獲取數據的過程中不能夠精確的進行信息的記載，很大程度上會降低遙感數據的精度，因此，需要對遙感影像進行遙感數據的預處理。本文是在高分遙感數據的基礎上，通過對高分一號衛星數據進行分析，將原始高分數據進行預處理的過程，得到在幾何與輻射上真實的圖像。

1 高分遙感影像的軟件選取

本文中所涉及到的高分遙感預處理軟件采用的是ENVI與ERDAS相結合的技術方案。采用這兩種軟件相結合的方式，其優勢在于：首先，ENVI能夠通過底層的IDL開發語言進行功能擴展，開發定制自己的遙感平臺。其次，ENVI提供了光譜分析工具，使得基于波段與文件的遙感技術完美結合，并且通過圖像的配準，可以提供多個圖像窗口進行分析，清晰明了、易于操作。再次，通過兩者相結合的方式可以將遙感影像與ArcGIS進行一體化整合，對遙感平臺進行全方位的應用。最后，通過ERDAS軟件進行數據格式的轉換。本文首先是通過遙感處理軟件對高分遙感數據進行預處理，然后通過photoshop工具對影像進行勻光勻色的調整，最終完成整個預處理過程。

2 高分遙感影像的預處理過程

2.1 預處理流程

文章以正定市高分一號遙感衛星影像為例，演示了高分衛星遙感數據預處理的全過程。

首先是對高分一號2m全色影像與8m多光譜影像進行正射糾正（Orthorectification），糾正影像的傾斜偏差及投影過程中產生的誤差，第二步是將正射糾正后的多光譜整景數據與全色整景數據進行配準，是將全色影像作為基準對多光譜影像進行配準，第三步是對配準后的影像進行融合，對影像進行接邊線的處理，使得融合后的影像在分辨率上能夠達到非常高的精度，第四步利用Photoshop工具，對影像進行顏色平衡的調整，使其能夠在色彩上達到較好的效果。通過以上步聚就完成了整個圖像預處理的過程，并進行結果的輸出。

2.2 正射糾正

正射糾正（Orthographical correction）是糾正了因傳感器、地形的起伏不均衡等因素引起的像點元素上的偏移，并利用地面控制點通過相應的數學算法模型來進行實現的過程。正射校正后的影像無論在精度上、影像的特性上以及信息表達上都能達到很好的效果，而且其數據的結構相對簡單，并能夠改正因地勢較大產生的誤差。高分影像的正射糾正過程采用依靠高分影像自帶的RPC文件和數字高程模型（DEM）來進行數據定位的校正方式。RPC文件實質上是通過將傳感器的軌道參數及其他各種物理參數相結合并通過地面的控制點元素解算出來的變換矩陣。

本設計中選擇二次多項式的方法進行校正，在ENVI中選擇Geometric CorrectionOrthorectificationRPC Orthorectification模塊進行糾正，并且選擇30m的DEM進行數字高程的校正。

2.3 配準與融合技術

遙感影像的配準（registration）是通過選擇地面清晰控制點并按照一定的變換函數及重采樣方法對同名像元點進行配準的過程。對配準后的影像需要進行重采樣處理以改正輸出影像的像元偏差，以此來建立新的圖像矩陣，常用的重采樣方法有雙線性法、三次卷積法、最鄰近法等，對于高分一號衛星遙感數據采用雙線性內插方法，其主要處理是將同一區域的2m全色影像作為基準對8m多光譜進行校準，該過程可以在很大程度上保留影像原有的幾何特征，能夠得到精度較高的配準影像。

遙感影像配準的過程是融合的先決條件，其融合過程是將不同傳感器、分辨率、波段的數據通過一定的分析算法綜合起來的技術。圖像的融合算法有：

（1）空間色彩變化法：HIS、PCA等；

（2）代數運算方法：MLT、Brovey、加法運算、比值法等；

（3）空間濾波融合算法：SFIM、HPF、Bretschneider小波變換法等；

（4）其他方法：PCI、光譜響應融合算法等。

對于高分遙感數據，通常采用Pansharpen的融合方法，可以使得融合后的遙感影像既保持了較高的空間分辨率，又具有了多光譜特征的色彩信息，并且使融合后的影像在紋理色彩上信息豐富，空間細節特征上保持較好。

2.4 鑲嵌

影像的鑲嵌過程是將多于兩景的影像進行無縫拼接，完成一幅完整的、大場景影像的過程。本文中利用ENVI軟件的Georeferenced Mosaicking功能來完成，主要過程：進行顏色平衡的調整，將RGB的波段設為3，2，1；通過設置影像背景數值對影像的背景黑邊進行忽略處理，即將背景值設為0；對兩景相鄰覆蓋影像的鑲嵌邊緣進行處理，將羽化值設為10。

在鑲嵌過程中要注意：

（1）鑲嵌之前需選擇一張基準影像（Fixde），作為鑲嵌過程中對比度匹配及出現跨帶問題時鑲嵌后輸出影像的地理投影、數據類型的基準，并以此作為顏色平衡參考（Adjust）對其他影像進行調整；

（2）鑲嵌過程中，任一兩景影像間能夠有一定區域的重合面，以解決兩張影像間的鑲嵌線問題，得到視覺上完整的影像。

經過對遙感影像的正射糾正、配準、融合、鑲嵌及色彩處理，得到預處理后的遙感影像，給出鑲嵌前后的遙感影。

2.4.1 裁剪

圖像裁剪的作用是保留所研究區域的影像，并且保證所裁剪部分信息豐富、易于表達等特點，主要分為兩部分進行相應的裁剪：掩膜計算及矢量數據的柵格化。掩膜計算裁剪方法是通過已有的圖像對被裁剪的影像進行遮掩，裁剪所需大小的影像；矢量數據的柵格化是將矢量數據（即裁剪線）轉化為柵格文件，定義矢量數據投影，使其與柵格文件投影一致；在柵格數據中通過將所裁剪的區域設為1與被裁減的影像進行交集處理，輸出即為裁剪的結果。

本文中用到的裁剪方式即為矢量數據的柵格化，其裁剪過程需要利用ArcGIS與ENVI協同完成，首先利用Polyline工具在ArcGIS中畫出裁剪線，保持裁剪線與影像投影一致；其次將矢量數據的裁剪線保存到ENVI中，利用ENVI的裁剪模塊對影像進行裁剪，完成裁剪過程。

2.4.2 大氣校正

大氣校正是消除了大氣干擾、地形等因素的影響，從而獲得真實的反射率數據，并對其進行動態監測的過程，這是預處理中比較重要的環節。本設計中通過選擇ENVI Classic軟件下的BasicTools工具中的Preprocessing―General Purpose Utilities―Dark Subtract進行大氣校正，首先選擇的是待校正的遙感影像，然后對影像的像素值進行選擇，這里選擇波段的最小值（Band Minimum），最后選擇路徑對影像進行的輸出。

2.5 數據格式轉換

投影變換（Projection Transformation），即為地圖投影之間相互轉換的方法及理論，根據遙感數據需求進行自定義投影設置。而本文采用的遙感數據是高分一號衛星數據，其影像本身自帶WGS84坐標，通過正射糾正的過程，其地理坐標變為UTM投影坐標，利用ArcGIS中的投影變換工具，根據應用要求將其轉為需要的投影信息。

3 結語

隨著我國高分辨率對地觀測系統應用的展開，高分的應用范圍已經涉及到各行各業，極大的推進了我國空間信息技術產業的發展。而遙感衛星影像的預處理過程是高分應用在各行業展開的前提與基礎，是一個非常重要的環節。

本文通過具體的實例，介紹了高分遙感衛星影像的預處理全過程，其中正射糾正消除了因衛星姿態及其地面起伏引起的綴偽湫蔚奈侍猓為后期影像信息的提取提供了影像的準確度；配準及其融合技術使圖像能夠達到很高的精度，消除了影像的誤差，提高了影像的分辨率；而鑲嵌過程則能夠使影像更加完整和美觀。整個預處理過程相輔相成，為后期的應用及分析過程打下了良好的基礎。

參考文獻

[1]高分一號.中國資源衛星應用中心[EB/OL].

[2]潘勇.遙感圖像數據預處理研究[J].數字技術與應用，2010.

作者單位

遙感影像范文第5篇

植被對于我們來說扮演著重要的角色。它不僅影響地球的各種平衡，在生化循環中還有重要作用。因此。地球植被及其變化一直被各國科學家和政府所關注。[2]

城市植被是地球植被中的一部分，對于保護城市生態環境具有不可忽視的作用。另外，城市綠地是城市生態系統不可缺少的部分，是多種因素作用的結果，更是居民生活水平和城市環境的重要標志。因此開展城市植被生態研究具有重要現實的意義。

遙感主要是根據不同的物體會產生不同的電磁波的響應，從而識別地面上各類地物。具有視域范圍廣、圖像清晰逼真、宏觀性強、重復周期短、信息量多、資料收集方便的優點。[1]因此，衛星遙感是監測植被的有效手段。

本文主要針對城市植被信息的提取，從城市遙感的原理和數據源、城市植被信息的提取方法和遙感技術等幾方面對基于遙感影像對城市植被信息提取的研究的進展進行論述，并討論了這些研究的特點和各自存在的一些不足，以及發展的趨勢。

1 城市植被及遙感影像光譜特征

1.1 城市植被

城市植被指的是城市里覆蓋著的生活植物，即城市內一切自然正常生長以及人工種植的各類植物類型的總稱。

1.2 植被遙感影像光譜特征

在藍色和紅色波段，能量很低；在綠色波段附近，會形成一個小的峰值。而在近紅外波段，葉肉海綿組織結構有很大的反射表面。

2 城市植被信息提取數據源、遙感影像預處理

2.1 信息提取數據源及其選擇

1）Landsat TM影像及ETM+遙感數據?？臻g分辨率不是很高。

2）MODIS數據，很高的信噪比。

3）美國商業遙感衛星Quick Bird影像，能較清晰的從遙感圖像判讀出城市綠地。[4]

4）IKONOS遙感數據，全色波段的分辨率為1m，多光譜數據分辨率為4m。[5]

5）此外，遙感數據還有很多類型，比如SPOT影像等。

2.2 衛星影像預處理

研究中遙感影像的預處理包括：幾何校正、遙感影像圖像增強、截取研究區域、相關性分析等一系列處理，在處理中需根據不同類型不同特點的遙感圖像進行不同的預處理。

3 城市植被信息提取的方法

3.1 人機交互方式進行植被信息提取

3.1.1 基于波段的選擇進行分類法提取

步驟：

1）實驗波段的選擇及彩色合成

結合波段的波譜物理特征優先選擇幾個波段，K-L變換后的第一、第二、第三主成分波段，NDVI植被指數段和K-L變換后的第一主分量加影像的三個波段進行波段間的相關性分析，對該3種波段數據進行假彩色合成，反復比較，選出植被景觀目視效果最好的合成的圖像。

2）遙感影像的分類及后處理

利用非監督確定圖像的最佳類別數；進行監督分類；在計算機分類的基礎上，通過目視解譯對錯分加以糾正；進行空間濾波，消除出現頻數過少的像元圖斑，得出解譯精度。[3]

特點：在信息提取的時候不僅考慮了7個原始的波段數據，而且還包括各主分量、NDVI比值型指數在內的 “衍生”波段數據。也可以采用波段數據組合這樣的方法，提高判讀和分類的精度。

不足：同物異譜和異物同譜的現象導致了分類精度的下降，所以分類的時各種客觀或者主觀因素會影響到分類的精度。另外，植被信息的多少隨著分類數目的多少而定，也會影響準確度。

3.1.2 高分辨率影像的城市植被提取

步驟：

1）NDVI提取。首先要設NDVI的閾值，大于此閾值為綠地。將提取出來的部分綠地同原圖像進行一定的邏輯運算，從原始圖像中剔除綠地像元。

2）基于地物光譜響應知識及ISODATA綠地提取

根據非植被的特征，將該類信息提取并剔除，將此時的圖像作為新原始圖像，通過灰度拉伸后，再進行分類提取。目視解譯然后選擇綠地樣本點，利用非監督ISODATA聚類技術，最后一次提取出綠地信息。[6]

特點：混分現象少，信息提取的精確度高。該方法針對各類地物的特點分別進行處理，當提取出一層信息后，要把它剔除，從而避免對其它信息提取的影響。該方法比較方便，能夠在不考慮其他已分出來地物的光譜特征的情況下分辨出具有細微光譜差異的地物。

不足：只對于高分辨率影像效果較好。

3.2 計算機自動提取方式

3.2.1 像元信息分解和神經網絡分類相結合的分類模型進行信息提取

步驟：設計出像元信息分解和神經網絡分類相結合的分類模型。該模型先考慮通過像元信息分解法（像元信息分解模型認為各種典型地物在空間上是可以重疊的）把綠地從遙感影像中分離出來，再作為分類掩膜，采用BP神經網絡分類對其進行分類。此模型在進行初級分類時采用像元信息分解法，在只有少數幾類地物分類，有效地排除和避免了提取綠地信息時其它多余信息的干擾和影響。[7]

特點：是一種新的基于像元信息分解和神經網絡分類相結合的城市綠地遙感信息自動提取方法。可開展野外遙感調查以提高和驗證分類精度。保證了分類時綠地的純潔度，提高了分類的精度。

不足：NDVI、DEM數據的精確程度會影響信息提取的精度。在進行像元信息分解時，各種典型地物的反射率采用的是標準反射率，所以如果能夠測出各典型地物的實際反射率，則分類精度會得到進一步的提高。

3.2.2 基于See5的遙感影像決策樹分類

步驟：

1）選擇訓練和檢驗樣區，并提取圖像的植被指數。

2）應用ENVI軟件的Decision Tree模塊實現影像分類。