遥感图像数据重采样的一种快速算法
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究遥感影像重采样是指将高分辨率遥感影像转化为低分辨率的过程，或者将低分辨率遥感影像转化为高分辨率的过程。
重采样方法对于遥感影像处理和分析具有重要意义，尤其是在遥感图像融合、遥感影像目标提取、变化检测等方面。
常用的遥感影像重采样方法有最近邻法、双线性插值法和三次样条插值法。
最近邻法是一种简单而快速的重采样方法，它通过选择原始像素中最接近目标像素的值进行重采样。
最近邻法容易产生锯齿状的伪影。
双线性插值法是一种常用的重采样方法，它通过对目标像素周围的四个最近邻像素进行线性插值计算得到目标像素的值。
双线性插值法能够减少锯齿状伪影，但对于高频信息处理得不够理想。
三次样条插值法是一种取样点周围像素进行三次多项式内插得到插值像素的方法。
它可以更好地保留遥感影像的细节信息，但计算复杂度较高。
遥感影像重采样方法的应用主要包括以下几个方面。
遥感图像融合是将不同分辨率、不同波段的遥感影像融合为一幅具有多波段、高分辨率的影像，以提高遥感影像的解译精度。
重采样方法在图像融合中起到关键作用，能够将不同分辨率的影像进行对齐，并保留各自影像的特征信息。
遥感影像目标提取是指从遥感影像中自动提取感兴趣目标的过程。
重采样方法能够提高遥感影像的分辨率，使目标边界更加清晰，有助于目标提取算法的准确性和可靠性。
遥感影像的变化检测是指对于相同地区的不同时间的遥感影像进行比较，以确定变化区域的过程。
重采样方法能够将不同时间的遥感影像进行像素对齐，提高变化检测的精度和可靠性。
遥感影像重采样方法在遥感影像处理和分析中具有重要的作用。
不同的重采样方法适用于不同的应用场景，选择合适的重采样方法能够提高遥感影像处理的结果质量。
随着遥感技术的不断发展和应用的扩大，重采样方法的研究和应用将会得到进一步的深化和拓展。
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究一、引言随着遥感技术的不断发展，遥感影像在各个领域的应用越来越广泛。
遥感影像的分辨率对于其应用效果有着重要的影响，不同的应用需要不同分辨率的遥感影像来满足需求。
现实中往往会遇到需要进行遥感影像分辨率重采样的情况，比如在遥感影像融合、地理信息系统构建、环境遥感监测等方面。
遥感影像的重采样是指在不改变影像地理信息和内容的情况下，将原始影像的像素重新排列或者通过插值的方法生成新的像素。
重采样技术的选择和应用对于保持遥感影像地理信息和内容的精确度至关重要。
本文将对遥感影像重采样方法的实现与应用进行研究，探讨不同的重采样方法及其在遥感领域的实际应用。
二、遥感影像重采样的基本概念1. 遥感影像的分辨率遥感影像的分辨率是指在像元上的空间分辨率，表示了影像中最小的可分辨对象大小。
分辨率越高，表示影像中的像元越小，能够反映出的细节和精度也越高。
不同的遥感影像，其分辨率可能不同，例如高分一号影像的分辨率可以达到米级甚至亚米级。
遥感影像重采样是指将一个空间分辨率不同的影像转换到另一个空间分辨率的过程。
这个过程实际上就是在原始影像的像素之间进行重新排列或者进行插值，生成新的像素。
重采样的目的是为了将不同分辨率的影像统一到某一个分辨率水平，以便于后续的处理和应用。
3. 遥感影像重采样的原理遥感影像重采样的核心原理是插值。
插值是基于已知点的数值，通过一定的数学方法，推断未知点的数值。
在遥感影像重采样中，插值可以使用不同的方法，比如双线性插值、双三次插值、最近邻插值等。
不同的插值方法会对重采样后的影像质量产生不同的影响。
1. 最近邻插值法最近邻插值法是一种简单且快速的插值方法，它的原理是选择离目标像素最近的值作为插值后的像素值。
这种方法不需要进行复杂的计算，但是在重采样后的影像中可能会出现锯齿状的伪影，降低了影像的质量。
2. 双线性插值法双线性插值法是一种常用的重采样方法，它通过对目标像素的周围四个像素进行加权平均来计算插值后的像素值。
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究1. 引言1.1 研究背景遥感影像重采样是指利用一定的数学方法和模型，对原始遥感影像进行重新采样，以达到改善影像质量和增加影像细节的目的。
重采样方法的研究和应用对于提高遥感影像的空间分辨率和准确性具有重要意义。
目前，关于遥感影像重采样方法的研究已经取得了一定的进展，但在实际应用中还存在着一些问题亟待解决。
本文将对遥感影像重采样方法进行进一步深入的研究和探讨，旨在提高遥感影像的分辨率和质量，为遥感技术的发展提供更多的支持和帮助。
1.2 研究意义遥感影像重采样方法在遥感影像处理中具有重要的意义。
随着遥感技术的不断发展和遥感数据的不断增加，遥感影像的分辨率和精度要求也越来越高。
而遥感影像重采样方法可以有效地提高遥感影像的空间分辨率和准确性，进而提升遥感影像的应用价值和实用性。
具体来说，遥感影像重采样方法可以帮助提高遥感影像的视觉效果和解译精度，为遥感数据的地形分析、土地利用监测、资源调查等应用提供更可靠的支持。
遥感影像重采样方法还可以帮助缓解遥感数据间的空间不匹配问题，提高不同遥感数据集之间的一致性和比较性，为遥感数据融合和综合分析提供更好的基础。
通过对遥感影像重采样方法进行研究与应用，可以更好地利用遥感数据资源，提高遥感数据的利用效率和价值，进而推动遥感技术在地球科学、环境监测、城市规划等领域的广泛应用和发展。
1.3 研究目的本文旨在探讨遥感影像重采样方法的实现与应用研究，通过对现有重采样方法的概述和分类，分析其实现过程和应用案例，评价其效果，并对其优势、局限性进行总结。
具体而言，本文旨在达到以下研究目的：1. 系统总结不同类型的遥感影像重采样方法，包括传统的插值方法、深度学习方法和卷积神经网络方法等，分析各种方法的优缺点和适用范围，为选择合适的重采样方法提供参考。
2. 探讨遥感影像重采样方法的实现过程，包括数据预处理、算法设计和参数优化等方面，深入分析每个环节的关键问题和解决方法，为实际应用提供技术支持。
遥感中采样的不同方法
遥感中重采样的不同方法
由于输出图像的像元点在输入图像中的行列号不是或不全是整数关系,所以需要根据输出图像上的各像元在输入图像中的位置,对原始图像按一定规则重新采样,进行亮度值的插值运算,建立新的图像矩阵.
最邻近法: 将最邻近的像元值赋予新像元.
优点: a 不引入新的像元值，适合分类前使用；
b 有利于区分植被类型，确定湖泊浑浊程度，温度等；
c 计算简单，速度快
缺点:最大可产生半个像元的位置偏移,改变了像元值的几何连续性，原图中某些线状特征会被扭曲或变粗成块状 .
双线性内插法: 使用邻近4 个点的像元值,按照其据内插点的距离赋予不同
的权重,进行线性内插.
优点:a 图像平滑，无台阶现象。
线状特征的块状化现象减少；
b 空间位置精度更高
缺点:a 像元被平均，有低频卷积滤波效果,破坏了原来的像元值,在波谱识别分类分析中,会引起一些问题。
b 边缘被平滑，不利于边缘检测。
三次卷积内插法 : 使用内插点周围的16 个像元值,用三次卷积函数进行内插.
优点: 高频信息损失少，可将噪声平滑,对边缘有所增强,具有均衡化和清晰化的效果
缺点: 破坏了原来的像元值,计算量大.内插方法的选择除了考虑图像的显示要求及计算量外，在做分类时还要考虑内插结果对分类的影响,特别是当纹理信息为分类的主要信息时。
研究表明，最近邻采样将严重改变原图像的纹理信息。
因此，当纹理信息为分类主要信息时，不宜选用最近邻采样。
双线性内插及三次卷积内插将减少图像异质性，增加图像同构型，其中，双线性内插方法使这种变化更为明显。
原帖在此。
卫星遥感图像信息提取方法与算法研究
卫星遥感图像信息提取方法与算法研究凭借其全球覆盖的优势，卫星遥感技术在环境监测、资源调查、城市规划等领域发挥着重要作用。
然而，由于卫星遥感图像的特殊性，直接从图像中提取有用的信息面临着许多问题和挑战。
因此，研究卫星遥感图像信息提取的方法与算法，对于有效应用遥感技术具有重要意义。
在卫星遥感图像信息提取方面，主要有两个关键问题需要解决，即图像预处理和信息提取算法。
首先，图像预处理是卫星遥感图像信息提取过程中不可或缺的一步。
由于遥感图像受到大气、云雾以及各种噪声的影响，图像预处理的目标是消除或减少这些干扰，使图像更加适合后续信息提取的需求。
图像预处理的主要步骤包括辐射校正、大气校正、几何校正和边缘增强等。
辐射校正是将原始图像的数字值转换为具有物理意义的地表反射率或辐射值，以消除照射条件的影响。
大气校正是对图像中的大气状况进行修正，以减少大气的吸收和散射对地物信息的影响。
几何校正是将图像与地理坐标系对齐，消除地形变形和传感器扫描畸变等几何失真。
边缘增强是通过增强图像的边缘特征，使目标物体的边界更加清晰易分割。
这些预处理步骤将为后续的信息提取提供更好的数据基础。
其次，信息提取算法是卫星遥感图像信息提取的核心。
信息提取算法的选择要根据目标场景、图像特征以及所需提取的信息类型进行。
在卫星遥感图像信息提取中，常用的算法包括分类、目标检测、变化检测和特征提取等。
分类是将图像划分为不同类别的过程，常用的分类方法包括基于像素的分类和基于对象的分类。
目标检测是在遥感图像中自动检测和定位感兴趣目标的过程，常用的目标检测算法包括基于阈值的方法、基于统计的方法和基于机器学习的方法。
变化检测是对不同时间或不同传感器获取的图像进行比较，以分析地表变化情况的过程，常用的变化检测算法包括基于像素的方法和基于对象的方法。
特征提取是从遥感图像中提取有用的地物特征，以支持后续的应用需求，常用的特征提取算法包括纹理特征提取、形状特征提取和光谱特征提取等。
遥感图像数据重采样的一种快速算法
适用于连续对地观测系统遥感数据 的重采样过程 。邻点权重重 采样方式 可用 以替代通 常的最近邻点 和双 线
性插值重采样方式 。 关键词 ： 遥 感 ； 据重采样 ； 数 快速 算 法 ；Ｏ Ａ Ａ ＨＲ Ｎ Ａ Ｖ Ｒ 中 图分 类号 ： Ｔ ７１ １ Ｐ５ ． 文 献标 识码 ： Ａ
作者筒舟 ： 楼璃林（９ 一 ） 男。１ ７ １７ ， ９ 年毕业于长春科技大学地球科学系。２ Ｏ 年 ８ ９ ０Ｏ 月毕业于国家海洋局第二撵洋研究所 ， 获撵洋遥感
专 业 硕 士 学 位 班 从 事｛ 每洋遥 埔 图 像 数 据 处 理 和 信息 提 取 ， 表 论 文 ２篇 。 发
维普资讯
态模 型 等参 数 密 切相 关 。 图 １为降 轨 、 倾扫 描 的 后 Ｓａｔ ｅＷｉ ｅＳａ Ｓａ Ｆ ｒ Ｓ遥 感 图像 在高斯． 吕格投影 体 系下 克
所 对 应 地 面 区 域 的 形 状 。 从 图 可 见 ， 于 成 像 过 １ 由
程 中的几何 畸变 ， 感 图像 所对 应 地 面 区域 的形状 遥 近似 为不规则 的 四边形 ， 且遥 感 图像 行 列坐 标 系 并
维普资讯
第 ６卷 第 ２期
２０ ０ ２年 ３月
遥
感
学报 Βιβλιοθήκη Ｖｏ ．６ Ｎｏ．２ １
Ｍａ ， ２ ０ ｒ Ｏ２
Ｊ ０ＵＲＮＡＬ ０Ｆ ＲＥＭ０ Ｅ Ｓ ｒ ＥＮＳ ＮＧ ｌ Ｉ
文 章 编 号 ： ０７４ １ ２０ ）０．０６０ １０ ． ９（０２ ２０９ ．６ ６
程中， 像元 点经 度增 加 ， 度减小 ； 纬
（ ）在 卫 星 运 行 方 向 上 ， 数 逐 行 增 加 过 程 中 ， ２ 行 像元 点经度 减 小 ， 度也减 小 。 纬
遥感影像重采样
遥感影像重采样⼀、简介 图像重采样就是从⾼分辨率遥感影像中提取出低分辨率影像，或者从低分辨率影像中提取⾼分辨率影像的过程。
常⽤的⽅法有最邻近内插法、双线性内插法、三次卷积法等⼆、重采样⽅法1 使⽤ReadAsArray函数def ReadAsArray(self, xoff=0, yoff=0, win_xsize=None, win_ysize=None, buf_obj=None,buf_xsize = None, buf_ysize = None, buf_type = None,resample_alg = GRIORA_NearestNeighbour,callback = None,callback_data = None)•xoff=0, yoff=0，指定从原图像波段数据中的哪个位置开始读取。
•win_xsize=None, win_ysize=None，指定从原图像波段中读取的⾏数和列数。
•buf_xsize=None, buf_ysize=None，指定暂存在内存中的新图像的⾏数和列数。
•buf_type=None，指定新图像的像素值的类型。
•buf_obj=None，指定新图像像素值数组的变量，因为整个⽅法也会返回⼀个新图像像素值的数组，⽤这两种⽅式获取重采样后的数组都可以。
•resample_alg=GRIORA_NearestNeighbour，重采样⽅法，默认为最近邻⽅法。
•callback=None,callback_data=None，回调函数和数据。
该函数的作⽤在于将⼀部分数据读取到已定义的⼀个数组中。
从其参数 resample_alg来看，该函数可以完成重采样功能。
但是需要对重采样后的地理变换进⾏重新设置。
地理变换中包含像素⼤⼩等信息，重采样后，像素⼤⼩发⽣变化，地理变换也要随之更新低分辨率重采样成⾼分辨率# _*_ coding: utf-8 _*_import osfrom osgeo import gdalos.chdir(r'D:\osgeopy-data\Landsat\Washington')in_ds = gdal.Open('p047r027_7t20000730_z10_nn10.tif')in_band = in_ds.GetRasterBand(1)out_rows = in_band.YSize * 2out_columns = in_band.XSize * 2gtiff_driver = gdal.GetDriverByName('GTiff')out_ds = gtiff_driver.Create('band1_resampled.tif',out_columns, out_rows)out_ds.SetProjection(in_ds.GetProjection())geotransform = list(in_ds.GetGeoTransform())geotransform[1] /= 2geotransform[5] /= 2out_ds.SetGeoTransform(geotransform)data = in_band.ReadAsArray(buf_xsize=out_columns, buf_ysize=out_rows)out_band = out_ds.GetRasterBand(1)out_band.WriteArray(data)out_band.FlushCache()out_puteStatistics(False)out_ds.BuildOverviews('average', [2, 4, 8, 16, 32, 64])del out_ds⾼分辨率重采样成低分辨率# _*_ coding: utf-8 _*_import osimport numpy as npfrom osgeo import gdalos.chdir(r'D:\osgeopy-data\Landsat\Washington')in_ds = gdal.Open('nat_color.tif')out_rows = int(in_ds.RasterYSize / 2)out_columns = int(in_ds.RasterXSize / 2)num_bands = in_ds.RasterCountgtiff_driver = gdal.GetDriverByName('GTiff')out_ds = gtiff_driver.Create('nat_color_resampled.tif',out_columns, out_rows, num_bands)out_ds.SetProjection(in_ds.GetProjection())geotransform = list(in_ds.GetGeoTransform())geotransform[1] *= 2geotransform[5] *= 2out_ds.SetGeoTransform(geotransform)data = in_ds.ReadRaster(buf_xsize=out_columns, buf_ysize=out_rows)out_ds.WriteRaster(0, 0, out_columns, out_rows, data)out_ds.FlushCache()for i in range(num_bands):out_ds.GetRasterBand(i + 1).ComputeStatistics(False)out_ds.BuildOverviews('average', [2, 4, 8, 16])del out_ds 注意，在这种情况下，要确保⾏数和列数是整数，因为除法的结果可能是浮点数，如果不是整型数据，程序很可能报错。
卫星影像重采样算法
卫星影像重采样算法
卫星影像重采样算法常用的有三种，包括最邻近法（Nearest Neighbor）、双线性内插法（Bilinear Interpolation）和立方卷积法（Cubic Convolution）。
1. 最邻近法：这是最简单的一种重采样方法，将新格网的像素值设置为原始影像中最接近的像素值。
该方法简单快速，适用于要求保留原始像素值的情况。
但这种方法最大可产生半个像元的位置偏移，可能造成输出图像中某些地物的不连贯。
2. 双线性内插法：使用原始影像中周围四个像素的加权平均值来计算新格网的像素值。
这种方法可以提供比最邻近法更平滑的图像结果，且精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。
虽然双线性内插法比最邻近发在计算量上有所增加，但其精度和效果都有显著提升。
3. 立方卷积法：使用更大的像素邻域进行加权计算，以提供更平滑的图像结果。
该方法对边缘有所增强，并具有均衡化和清晰化的效果，但它会改变原来的像元值，且计算量大。
这三种方法各有优缺点，在实际应用中，需要根据具体需求和情况选择合适的方法。
数字影像重采样的方法
数字影像重采样的方法
数字影像重采样是将数字图像从一个像素格点网格映射到另一个像素格点网格的过程。
这通常涉及到调整图像的尺寸、分辨率或方向。
以下是一些常见的数字影像重采样方法：
1.最近邻插值（Nearest-neighbor interpolation）：
最近邻插值是一种简单的插值方法，它将目标像素的值设定为原始图像中最近的像素的值。
这种方法计算速度快，但可能导致图像出现锯齿状的块状效应。
2.双线性插值（Bilinear interpolation）：
双线性插值使用了目标像素周围的四个最近邻像素的权重来计算目标像素的值。
这种方法相比最近邻插值产生了更平滑的图像，但在一些情况下可能引入一些模糊。
3.双三次插值（Bicubic interpolation）：
双三次插值在计算目标像素值时使用了周围16个最近邻像素的权重。
相较于双线性插值，双三次插值可以提供更高的图像质量，但计算复杂度也更高。
4.立方卷积插值（Cubic convolution interpolation）：
立方卷积插值是一种使用像素值的立方函数的插值方法，对图像进行平滑处理。
它相对于双三次插值在一些情况下可能产生更好的结果。
nczos 插值：
Lanczos 插值使用sinc 函数的权重来计算目标像素的值，是一种高质量的插值方法。
它通常用于需要较高图像质量的应用，如图像放大。
在选择重采样方法时，需考虑应用场景、计算资源和图像质量要求。
不同的插值方法在不同的情况下表现良好，因此最佳的选择可能取决于具体的应用需求。
遥感影像重采样方法实现与应用研究
基金项目:云南省高校工程研究中心资助项目 作者简介：王枭轩(1992—),男，研究生，主要研究方向：定量遥感、农业遥感研究；左小清(1972—),男，博士，教授，主要研究方 向：农业与生态环境遥感研究；杨泽楠(1995—),女，研究生，教授，主要研究方向：遥感图像处理。
王枭轩等：遥感影像重采样方法实现与应用研究
中图分类号：TP79 文献标识码：A
DOI: 10.3969/j.issn.l003-6970.2019.07.007
本文著录格式：王枭轩，左小清，杨泽楠.遥感影像重采样方法实现与应用研究[J].软件，2019,40 (7):42-46
Research on Realization and Application of Remote Sensing Image Resampling
WANG Xiao-xuan, ZUO Xiao-qing, YANG Ze-nan {.School ofland and resources engineering,Kunming University ofScience and Technology, Kunming 650093, China)
[Abstract] : Resampling is an important process of remote sensing image processing. In order to ensure the clarity and authenticity of remote sensing images, as well as the time efficiency of image processing, it is necessary to choose appropriate and correct methods to process image data, which is of great practical significance. In this paper, two resampling methods, the nearest interpolation method and the bilinear interpolation method, are used to rotate and scale the image, and the processing results are compared and analyzed. The results show that the nearest neighbor method is faster and bilinear than the nearest neighbor method, but the result of bilinear method is better than the nearest neighbor method. Therefore, when selecting an appropriate resampling method, it is necessary to comprehensively consider the time consumption and product effect, so as to select an appropriate resampling method. [Key words] : Resampling; Nearest interpolation method; Bilinear interpolation; Cubic convolution interpolation
ODIS 1B数据的重采样方法研究
何 畸变 现象 突 出 ， 其 中“ 双眼皮” （ ｂ ｏ ｗ— ｔ ｉ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ）现 象就是 畸 变的 明显 表象 ， 其 纠正 的效 果 直 接 影 响 到 图像 的定 位质量 ， 影 响到数 据 的定量 分析 和应 用 ， 因 而， 对 ＭＯＤ Ｉ Ｓ １ Ｂ数 据 重采样 的 问题备 受关 注 。
维普资讯
遥 感 应 用
遥感信息
ＭＯ ＤＩ Ｓ １ Ｂ数 据 的重 采 样 方 法 研 究
何 立① ② ③， 孙 涵② ③， 黄 永 磷② ③， 黄 小燕④
（ ① 广 西 师 范 学 院 ，广 西 南 宁 ５ ３ ０ ０ ０ １ ； ② 国家 卫 星 中 心遥 感 应 用 试 验 基 地 ， 广 西南 宁 ５ ３ ０ ０ ２ ２ ； ③ 广 西 区气 象 局 减 灾 研 究 所 ，广 西 南 宁 ５ ３ ０ ０ ２ ２ ； ④ 广 西 南 宁 市气 象 局 ， 广西南宁 ５ ３ ０ ０ ２ ２ ）
１ 引 言
ＭＯ ＤＩ Ｓ数 据 是 自然 灾 害 与 生 态 环 境 、 全 球 环 境 和气 候变 化研究 的重 要信 息源 。然 而受 卫 星扫描
特性及 地球 曲率 等 因素 的影 响 ， Ｍ法 对 数 据 进 行 几 何 订 正 ， 两 种 方 法 都 通
过建立 多项 式 的方 式 来 进行 运 算 ， 这无 形 中增 加 了 运 算 量且 两种 方 法对 Ｅ ＮＶＩ 系 统 都有 所 依 赖 ］ ； 蒋 耿 明， 刘荣 高等 人 采 用三 次 样 条 插 值 法 与 自适 应 归
一
化 反距 离权 重法 相结 合 的技 术 处 理 ＭＯ ＤＩ Ｓ卫 星
本方 法 ， 但 没有 提 出具 体 有 效 的几 何 纠正 措 施 。郭
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究王枭轩;左小清;杨泽楠【摘要】重采样是对遥感图像进行处理的一个重要处理过程.为了保证遥感影像的清晰度、真实度,还有就是图像处理的时间效率,就要选择合适而且正确的方法来处理影像数据,这种选择是非常有实际意义的.本文采用最邻近插值法和双线性插值法这两种重采样方法对图像进行旋转、缩放,并对处理结果进行了对比分析.结果可知:最邻近法速度快,双线性次于它,但是双线性法得出的效果优于最邻近法.所以在选择合适的重采样方法的时候,要综合考虑耗时、产品的效果,从而选择合适的重采样方法.【期刊名称】《软件》【年(卷),期】2019(040)007【总页数】5页(P42-46)【关键词】重采样;最邻近插值法;双线性插值法;三次卷积插值【作者】王枭轩;左小清;杨泽楠【作者单位】昆明理工大学国土资源工程学院,云南昆明 650093;昆明理工大学国土资源工程学院,云南昆明 650093;昆明理工大学国土资源工程学院,云南昆明650093【正文语种】中文【中图分类】TP79由于各种原因，卫星遥感图像在遥感图像的生成过程中会产生一定的畸变，有三个原因：首先，对于卫星遥感器本身[1]：卫星遥感器本身的问题，使图像的几何畸变发生，这种问题有很多源头，比如，由于速度引起的扫描速度偏差，扫描镜自身的误差等，这些原因，都会造成图片产生变化，从而产生误差。
其次是卫星原因[2]：由于卫星一直绕地球在椭球轨道上转动，因此卫星的运行快慢以及卫星的高低都会不停地发生变化，除此之外，卫星的姿态也会发生一定改变，就是这些使得图像发生畸变。
最后是地球本身的原因：地球本身与图像成像有很大的关系。
其中，最主要的原因有地球的曲率、地球的自转、地形的起伏变化等[3]。
卫星接收图像都是在轨道运行降阶，简而言之，地球自西面向东面自转，而卫星绕地球从北端向南端运动[4]。
这种相对运动造成了卫星的星下位置偏移，这种偏移就使图像产生了畸变。
遥感图像数据重采样方法[发明专利]
![遥感图像数据重采样方法[发明专利]](https://img.taocdn.com/s3/m/eb75646283d049649a66584e.png)
专利名称：遥感图像数据重采样方法专利类型：发明专利
发明人：尹球,陈海燕,胡勇,叶荣,巩彩兰申请号：CN200910049112.5
申请日：20090410
公开号：CN101533510A
公开日：
20090916
专利内容由知识产权出版社提供
摘要：本发明公开一种遥感图像数据重采样方法，适用于对极轨气象卫星平台上光学遥感仪器获得的遥感图像的重采样。
本发明先对输入的原始图像逐行根据同一扫描行内相邻两点经度值的大小关系确定参与输出像元内插的原始图像点坐标，然后进行等经度间隔线性内插，接下来对输出的等经度间隔数据逐列根据上下邻近点的纬度值大小关系确定参与输出像元内插的输入像元的坐标进行线性内插，输出等经度间隔×等纬度间隔的图象数据。
本发明所提供的方法减少了确定内插点坐标的计算量，对于有像旋现象的图像可同时消除像旋。
本发明方法输出的图像为像元大小规则的图像，为接下来图像进行适当的投影打下了基础，进而为卫星遥感数据进一步的数据处理与应用奠定了基础。
申请人：中国科学院上海技术物理研究所
地址：200083 上海市玉田路500号
国籍：CN
代理机构：上海新天专利代理有限公司
代理人：郭英
更多信息请下载全文后查看。
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究遥感影像重采样是指在不同分辨率或坐标系统下，将遥感影像从原始像素空间转换到目标像素空间的过程。
重采样方法的选择对于保持图像质量和准确性至关重要。
本文将介绍遥感影像重采样方法的原理、实现和应用研究。
一、重采样方法的原理遥感影像重采样方法可以分为两大类：基于像素的重采样和基于区域的重采样。
基于像素的重采样方法是将源图像中的每个像素映射到目标图像中的一个像素。
常用的基于像素的重采样方法有最邻近插值、双线性插值和双立方插值。
最邻近插值是一种最简单的重采样方法，它将源图像中的每个像素直接复制到目标图像中的最近像素位置。
这种方法的优点是计算简单，但会导致图像产生锯齿状的伪影。
基于区域的重采样方法是将源图像中的一个区域映射到目标图像中的一个区域，通常使用图像分割和图像匹配等技术来实现。
基于区域的重采样方法可以更好地保持图像的结构特征和纹理信息，但计算复杂度较高，应用范围相对较窄。
重采样方法的实现可以使用地理信息系统（GIS）软件、遥感图像处理软件或编程语言来完成。
以ArcGIS为例，可以使用Spatial Analyst或Raster Calculator工具来进行遥感影像重采样。
需要将源图像和目标图像导入到ArcGIS中，并设置源图像和目标图像的分辨率、坐标系统和范围等属性。
然后，在Spatial Analyst或Raster Calculator中选择合适的重采样方法，设置源图像和目标图像的像素大小和重采样倍数，执行重采样操作。
根据需要对重采样结果进行后续处理和分析。
遥感影像重采样方法在地理信息系统、土地利用、环境监测和农业等领域具有广泛的应用研究价值。
在地理信息系统中，重采样方法可以用于影像配准、影像融合、影像拼接和影像纠正等操作，提高地图更新和空间分析的精度和效率。
在土地利用中，重采样方法可以用于土地覆盖分类和土地变化检测等应用，提高土地利用动态变化的监测和管理能力。
在环境监测中，重采样方法可以用于大气污染、水质检测和植被生长监测等应用，提供高质量的遥感数据支持环境保护和生态恢复。
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究遥感影像重采样是指将像元在图像上的位置发生变化，从而改变像元的空间分辨率的过程。
在遥感影像处理中，由于不同传感器获取到的影像具有不同的空间分辨率，为了方便后续的分析和应用，需要将其进行重采样处理。
遥感影像重采样方法有很多种，常用的方法有最近邻法、双线性插值法、双三次插值法等。
最近邻法是一种简单的重采样方法，主要原理是将目标像元的值赋为距离最近的源像元的值。
该方法计算简单，速度快，但由于对源像元的选择过于简化，会导致重采样后的影像存在边界走样的问题。
双线性插值法是一种基于线性插值的重采样方法。
该方法在计算目标像元的值时，会考虑目标像元周围的4个源像元的值，并根据其位置进行加权平均计算。
双线性插值法能够比较好地保持影像中的边缘信息，但在处理高频细节时会存在模糊现象。
在实际应用中，遥感影像重采样主要用于以下几个方面：1. 不同空间分辨率的遥感影像融合：对于不同分辨率的遥感影像，可以利用重采样方法将其调整为相同的空间分辨率，从而方便进行融合分析。
例如将高分辨率的光学影像与低分辨率的雷达影像进行融合，可以同时获取到光学影像的细节信息和雷达影像的整体覆盖范围。
2. 遥感影像配准：在遥感影像配准过程中，需要将待配准影像与参考影像调整到相同的空间分辨率。
通过重采样方法，可以将两幅影像的分辨率进行统一，从而方便后续的配准操作。
3. 地学应用分析：在地学应用中，遥感影像重采样可以用于提取地物特征、进行地物分类等。
通过将不同分辨率的影像进行重采样，可以实现不同尺度的地物分析，从而更好地满足具体应用需求。
遥感影像重采样是遥感影像处理中的重要步骤之一，合理选择合适的重采样方法对于影像的后续分析和应用具有重要意义。
在具体应用中，需要根据实际需求和数据特点合理选择重采样方法，以保证处理结果的精度和效率。
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究遥感影像重采样方法是对原始遥感影像进行像元大小调整的过程，其目的是为了提高遥感影像的空间分辨率，便于后续的遥感数据处理和分析。
随着遥感技术的不断发展，重采样方法在遥感数据处理中发挥着越来越重要的作用。
本文将介绍遥感影像重采样方法的基本原理和应用研究。
首先，介绍了重采样方法的定义及其应用背景，然后详细介绍了遥感影像重采样的三种方法，包括最近邻插值法、双线性插值法和三次样条插值法，并对它们的优缺点进行了比较。
最后，本文总结了遥感影像重采样方法在遥感数据处理和分析中的应用研究。
一、遥感影像重采样方法的定义和应用背景遥感影像重采样是指通过插值方法将原始遥感影像的像元大小调整为新的分辨率，以便于后续的遥感数据处理和分析。
重采样方法的应用背景主要有以下几个方面：1. 提高遥感影像空间分辨率：在遥感数据处理和分析中，空间分辨率往往是非常重要的指标，因为它直接影响遥感数据的精度和可靠性。
通过重采样方法可以将低分辨率的遥感影像转换成高分辨率的遥感影像，从而提高遥感数据的精度和可靠性。
2. 匹配多源遥感数据：在遥感数据融合中，遥感影像的像元大小要求一致，否则就难以实现多源遥感数据的有效融合。
通过重采样方法可以将多源遥感影像的像元大小调整为一致，方便后续的遥感数据融合和处理。
3. 提高数据处理效率：在一些遥感数据处理算法中，高分辨率的遥感影像往往会导致计算量大、时间长的问题。
通过重采样方法可以将高分辨率的遥感影像转换成低分辨率的遥感影像，从而提高数据处理效率。
二、遥感影像重采样的三种方法及优缺点在遥感影像重采样方面，有三种主要的方法，分别是最近邻插值法、双线性插值法和三次样条插值法。
下面将分别进行介绍。
1. 最近邻插值法最近邻插值法是一种简单的重采样方法，它将目标像元的值设为最近邻像元的值，即用最近的像元的值替代目标像元的值。
这种方法的优点在于简单易行，计算速度快，但是它存在明显的问题，即当像元大小调整比例较大时，会导致空间分辨率受到严重降低。
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究1. 引言1.1 遥感影像重采样方法实现与应用研究遥感影像重采样方法实现与应用研究旨在探讨如何通过重采样方法来提高遥感影像的质量和精度，以更好地应用于地球科学、环境监测、农业和城市规划等领域。
重采样是指将原始遥感影像数据在不改变其基本信息的基础上进行大小或分辨率的变换，常用于不同分辨率的遥感数据融合、图像配准和数字地球模型等方面。
遥感影像重采样方法的研究对于提高遥感影像处理的效率和精度具有重要意义。
通过对重采样方法的研究，可以更好地利用遥感影像数据，实现对地表信息的快速获取和准确分析。
目前，关于遥感影像重采样方法的研究主要集中在重采样算法的改进和优化、重采样方法在不同遥感数据处理中的应用等方面。
2. 正文2.1 重采样方法的基本原理重采样方法的基本原理是指在遥感影像处理中，为了使原始影像与需要进行处理的影像具有一致的空间分辨率和像素大小，需要对原始影像进行重新采样。
重新采样是指通过对原始影像的像素进行插值或抽取，生成一个新的影像，使其具有指定的空间分辨率和像素大小。
重采样方法的基本原理包括插值和抽取两种方式。
插值是指在已知像素值的情况下，通过对像素值之间的关系进行计算，生成新的像素值。
常见的插值方法包括双线性插值、双三次插值、最近邻插值等。
抽取是指直接从原始影像中选取像素值作为新影像的像素值。
抽取方法包括最近邻抽取、双线性抽取等。
重采样方法的基本原理在遥感影像处理中起到关键作用，能够有效地提高影像的空间分辨率和像素大小，从而更好地满足不同应用领域的需求。
通过对原始影像进行有效的重采样，可以使影像处理和分析更加精确和可靠。
2.2 常见的遥感影像重采样方法常见的遥感影像重采样方法包括最邻近插值、双线性插值、双三次插值、高斯插值等。
最邻近插值是将原始像素的值直接复制到目标像素上，适用于处理简单的位置变换；双线性插值通过对四个最近邻像素进行线性插值计算目标像素的值，能够处理一定程度的平滑处理；双三次插值在双线性插值的基础上增加了更复杂的插值算法，可以更好地保持图像的细节信息；高斯插值则是通过利用高斯函数进行加权平均来计算目标像素的值，适用于处理大幅度的缩放或旋转变换。
遥感重采样实验报告
一、实验目的1. 理解遥感图像重采样的基本原理和方法。
2. 掌握遥感图像重采样技术在不同分辨率转换中的应用。
3. 分析不同重采样方法对图像质量的影响。
二、实验内容1. 实验环境：使用ENVI软件进行遥感图像重采样实验。
2. 实验数据：选择一幅高分辨率遥感图像和一幅低分辨率遥感图像，分别进行重采样实验。
3. 实验步骤：（1）打开ENVI软件，导入高分辨率遥感图像和低分辨率遥感图像。
（2）对高分辨率遥感图像进行重采样，将其分辨率降低至与低分辨率遥感图像相同。
（3）对低分辨率遥感图像进行重采样，将其分辨率提高至与高分辨率遥感图像相同。
（4）比较不同重采样方法对图像质量的影响。
三、实验结果与分析1. 高分辨率遥感图像重采样实验（1）选择双线性插值方法进行重采样，将高分辨率遥感图像的分辨率降低至与低分辨率遥感图像相同。
（2）将重采样后的图像与原始低分辨率遥感图像进行对比，分析图像质量变化。
2. 低分辨率遥感图像重采样实验（1）选择双三次插值方法进行重采样，将低分辨率遥感图像的分辨率提高至与高分辨率遥感图像相同。
（2）将重采样后的图像与原始高分辨率遥感图像进行对比，分析图像质量变化。
3. 实验结果分析（1）在高分辨率遥感图像重采样实验中，双线性插值方法得到的重采样图像与原始低分辨率遥感图像较为接近，但细节信息有所损失。
（2）在低分辨率遥感图像重采样实验中，双三次插值方法得到的重采样图像与原始高分辨率遥感图像较为接近，但边缘信息有所模糊。
四、实验结论1. 遥感图像重采样技术在分辨率转换中具有重要意义，可满足不同应用需求。
2. 双线性插值和双三次插值是常用的重采样方法，但各自存在优缺点。
双线性插值在降低分辨率时保持图像质量较好，但细节信息损失较大；双三次插值在提高分辨率时保持图像质量较好，但边缘信息模糊。
3. 在实际应用中，应根据具体需求选择合适的重采样方法，以获得最佳图像质量。
五、实验建议1. 在进行遥感图像重采样实验时，可尝试不同的插值方法，比较其优缺点，为实际应用提供参考。
遥感图像数据重采样的一种快速算法
文章编号:100724619(2002)022*******遥感图像数据重采样的一种快速算法楼 林,黄韦艮,周长宝,杨劲松(国家海洋局海洋动力过程与卫星海洋学重点实验室,国家海洋局第二海洋研究所,浙江杭州 310012)摘 要: 从原始遥感图像几何畸变特征出发,建立了SeaS tar SeaWiFS 和NOAA AVHRR 遥感图像数据重采样的一种快速算法,并提出了邻点权重重采样方式。
该种快速算法能有效地提高遥感图像几何校正的速度,并适用于连续对地观测系统遥感数据的重采样过程。
邻点权重重采样方式可用以替代通常的最近邻点和双线性插值重采样方式。
关键词: 遥感;数据重采样;快速算法;NOAA AVHRR 中图分类号: TP751.1 文献标识码: A1 引 言由于传感器、遥感平台以及地球本身等方面的原因,遥感图像存在难以避免的几何畸变[1]。
宽视场的海洋水色卫星SeaStar SeaWiFS 与气象卫星NOAA AVHRR 遥感图像几何畸变在扫描行边缘部分特别严重。
为了校正卫星原始遥感图像的几何畸变,需要进行两步工作。
一是遥感图像像元的几何定位,即地理经纬度的确定。
二是对原始遥感图像数据进行重新采样并输出。
国内外对于宽视场的海洋水色卫星与气象卫星遥感图像像元的几何定位方法已有众多研究,其定位精度已达到几个像元至亚像元级水平[2—4]。
前人对遥感图像数据重取样方法也作了一些研究,但重采样方法多采用传统的方法,重采样速度较慢[5,6]。
本文从遥感图像的几何畸变特征出发,研究遥感图像数据快速重采样算法。
2 遥感图像几何畸变特征卫星在一定高度的轨道飞行,星载传感器通过反射镜的旋转扫描获取地球表面的辐射率信息。
遥感图像所对应的地面区域取决于以下两维运动:卫星沿着轨道的运动和扫描仪垂直于轨道切线方向的旋转扫描运动[3]。
因此遥感图像的几何畸变过程与遥感平台轨道性质、传感器扫描成像特性和地球形态模型等参数密切相关。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文章编号:100724619(2002)022*******遥感图像数据重采样的一种快速算法楼 林,黄韦艮,周长宝,杨劲松(国家海洋局海洋动力过程与卫星海洋学重点实验室,国家海洋局第二海洋研究所,浙江杭州 310012)摘 要: 从原始遥感图像几何畸变特征出发,建立了SeaS tar SeaWiFS 和NOAA AVHRR 遥感图像数据重采样的一种快速算法,并提出了邻点权重重采样方式。
该种快速算法能有效地提高遥感图像几何校正的速度,并适用于连续对地观测系统遥感数据的重采样过程。
邻点权重重采样方式可用以替代通常的最近邻点和双线性插值重采样方式。
关键词: 遥感;数据重采样;快速算法;NOAA AVHRR 中图分类号: TP751.1 文献标识码: A1 引 言由于传感器、遥感平台以及地球本身等方面的原因,遥感图像存在难以避免的几何畸变[1]。
宽视场的海洋水色卫星SeaStar SeaWiFS 与气象卫星NOAA AVHRR 遥感图像几何畸变在扫描行边缘部分特别严重。
为了校正卫星原始遥感图像的几何畸变,需要进行两步工作。
一是遥感图像像元的几何定位,即地理经纬度的确定。
二是对原始遥感图像数据进行重新采样并输出。
国内外对于宽视场的海洋水色卫星与气象卫星遥感图像像元的几何定位方法已有众多研究,其定位精度已达到几个像元至亚像元级水平[2—4]。
前人对遥感图像数据重取样方法也作了一些研究,但重采样方法多采用传统的方法,重采样速度较慢[5,6]。
本文从遥感图像的几何畸变特征出发,研究遥感图像数据快速重采样算法。
2 遥感图像几何畸变特征卫星在一定高度的轨道飞行,星载传感器通过反射镜的旋转扫描获取地球表面的辐射率信息。
遥感图像所对应的地面区域取决于以下两维运动:卫星沿着轨道的运动和扫描仪垂直于轨道切线方向的旋转扫描运动[3]。
因此遥感图像的几何畸变过程与遥感平台轨道性质、传感器扫描成像特性和地球形态模型等参数密切相关。
图1为降轨、后倾扫描的SeaStar SeaWiFS 遥感图像在高斯2克吕格投影体系下所对应地面区域的形状。
从图1可见,由于成像过程中的几何畸变,遥感图像所对应地面区域的形状近似为不规则的四边形,并且遥感图像行列坐标系统与地理经纬度坐标系统之间也是不重合的。
例如降轨、后倾扫描的SeaStar SeaWiFS 遥感图像,其地理经纬坐标与行列坐标之间具有如下关系:(1)在扫描行方向上,列数从1变化到1285过程中,像元点经度增加,纬度减小;(2)在卫星运行方向上,行数逐行增加过程中,像元点经度减小,纬度也减小。
图1 SeaS tar SeaWiFS 图像形状Fig.1 Shape of SeaS tar SeaWiFS image对于SeaStar SeaWiFS 其它成像状态和NOAAAVHRR 的遥感图像,也可以得到类似的关系。
收稿日期:2000211221;修订日期:2001202227基金项目:国家“十五”科技攻关项目2001BA603B 206和国家“973”计划“我国近海有害赤潮的生态学、海洋学机制及预测防止”项目的资助。
作者简介:楼 林(1974— ),男。
1997年毕业于长春科技大学地球科学系。
2000年8月毕业于国家海洋局第二海洋研究所,获海洋遥感专业硕士学位。
现从事海洋遥感图像数据处理和信息提取,发表论文2篇。
第6卷第2期遥 感 学 报V ol.6,N o.22002年3月JOURNA L OF RE M OTE SE NSINGMar.,20023 遥感图像数据重采样我们希望数据重采样后输出的图像其行列坐标与地理经纬度坐标之间是一致的,并且是像元均匀分布的二维矩阵,以便于保存、处理和显示。
由于原始图像行列坐标空间与地理经纬坐标空间之间是不一致的,使得原始图像与重采样图像之间的转换关系是非线性的。
原始图像中排列规则的像元用直接成图法投影到重采样图像空间后,这种规则排列往往被打乱,容易出现重采样图像中没有原始图像中所对应的像元,如图2。
因此不能根据地理经纬坐标直接将像元从原始畸变图像空间投影到重采样图像空间。
必须引入适当的坐标转换函数来实现对原始图像数据的重采样。
图2 重采样示意图Fig.2 Schematic of resam pling从图2可见,完成一个像元的重采样过程可以分为两个步骤:首先确定重采样像元(u ,v )在原始图像行列坐标空间的位置(x ,y ),即共轭点;其次,利用其种方法确定这一共轭点的亮度值f (x ,y )。
其具体实现过程是从空白的重采样图像出发,建立原始图像行列坐标空间(i ,j )与经纬坐标空间(u ,v )的转换关系函数F (u ,v ),即:x =F x (u ,v )y =F y (u ,v )(1)其中x ,y 是共轭点在原始图像行列坐标空间(i ,j )上的坐标值,由于共轭点不一定与原始图像像元相重合,x 与y 的取值一般情况下不为整数。
然后,利用式(1)按坐标顺序依次求取重采样图像空间中每个待采样像元(u ,v )在原始畸变图像空间中的共轭位置点(x ,y )。
最后根据共轭点周围的原始图像像元应用某种方法确定这一共轭位置点的亮度值f (x ,y ),并把此共轭点的亮度值赋给重采样图像空间中待采样像元(u ,v ),即f (x ,y )→g (u,v )。
下面分别探讨像元重采样的两个过程。
311 转换函数F (u ,v )的确定在几何精校正中,重采样过程中坐标间转换函数是利用地面控制点(G CPs )采用多项式变换方法来求取的。
在没有G CPs 可资利用的情况下,数据重采样过程中的转换函数不能通过多项式变换方法求取。
我们在对图2进行分析后可知,重采样图像中坐标为(u ,v )像元在原始图像空间中不一定能找到与原始图像像元相重合的现成共轭点。
在通常情况下该共轭点P (x ,y )位于几个原始像元之间,如图3。
一般地说,任何一个有效的共轭点可以由原 图3 共轭点位置示意图Fig.3 Schematic of conjugate points始图像中某4个相邻像元所组成的“块”所唯一确定。
因此,转换函数的求解实际上就是获取与重采样像元(u ,v )所对应的原始图像的i ,i +1,j 和j +1等行列坐标值。
因此转换函数的求解过程可以是:首先,由重采样图像空间行列坐标(u ,v )确定该点的地理经纬坐标(Lat ,Lon );然后,在原始图像空间中确定由i ,i +1,j 和j +1四个行列坐标值所决定的区域或块,使得该区域在经纬度空间中包含点(Lat ,Lon )。
本文根据遥感图像几何畸变特征,提出了一种“块操作”来确定共轭点位置的方法,并完成了其快速算法。
本文所谓的“块”是指由原始图像中4个像元点的最大、最小经纬度值所确定的经纬度空间上的区域。
312 共轭点位置的确定在进行数据重采样的计算过程中,有大量计算时间花费在共轭位置的定位上,也就是说重采样点共轭位置的确定是数据重采样的关键部分。
对于降轨、后倾扫描的SeaWiFS 遥感图像数据,考虑到上文提到的两个图像特征,我们可以将一维顺序数据的对半查找方法推广应用到二维图像空间,快速地确定共轭点位置,进而获取相应i ,j 值。
具体过程如下:第2期楼 林等:遥感图像数据重采样的一种快速算法97(1)确定重采样图像空间中像元(u ,v )的共轭点p (x ,y )的经纬度坐标(lat ,Lon );(2)将整幅原始畸变图像作为一个区域块(Block ),并默认为当前正在操作的区域块,则该区域块是由块中最大、最小经纬度的4个相应像元(实际上就是图幅的4个端点)圈围而成;(3)求得当前操作块的最大、最小经纬度,由此判断点(Lat ,Lon )是否在该操作块中。
如果在当前操作块中则进行下一步,否则返回“共轭点不在整幅图像中”的信息;(4)如果当前操作块的行数和列数均不大于2,则返回当前操作块在整幅图像中的行列位置信息,否则进行下一步;(5)以行列数为依据,将当前操作块对半分割成4个子块(sub 2block ),如图4。
分别求取4个子块的最大、最小经纬度,判断点(Lat ,Lon )是否在这些子块中。
如果不在所有的4个子块中,则返回“共轭点不在整幅图像中”的信息;图4 对半查找法区域分割示意图Fig.4 Schematic of block partition(6)共轭点与子块的关系有两种情况,一是共轭点单独存在于某子块中;二是共轭点存在于相邻两子块的公共区域中,如图5。
如果属于第一种情况,则跳到步骤(8);图5 相邻子块的公共区域Fig.5 C omm on area of tw o adjacent sub 2blocks(7)此时共轭点位于块一与块二、块一与块三、块二与块四或块三与块四等公共区域之一。
根据公共区域对角线(即相邻子块的公共边)上像元的地理经纬坐标值就可以判断共轭点位于哪个子块;(8)将共轭点所在的子块设置为当前操作块,返回到步骤(3)。
利用上述算法,如果原始图像大小为1024×1024个像元,则查找重采样图像中任意像元的共轭点在原始图像中的位置,其对半查找(块操作)的次数在理论上不会超过10次。
该种方法与普通的顺序查找方法相比,共轭点定位过程在运算速度上呈几何量级提高,能够极大地提高数据重采样的速度。
上述确定共轭点位置的“块操作”方法的另一个优点是可以设定条件,以获取不同大小的包含共轭点的块(上文中设定块的大小为2×2个像元),以满足确定共轭位置点亮度值时不同方法的需要。
如三次卷积方法确定共轭位置点亮度值时要利用4×4邻域的原始像元数据。
313 共轭位置点亮度值的确定如上文所述,共轭点在通常情况下位于几个原始像元之间,因此共轭点必须根据该点周围的若干邻近像元亮度值的贡献来确定。
在利用上文方法获得共轭点所在的原始图像区域后,我们就可以应用某种采样方法来确定共轭点的亮度值。
常用的亮度获取方法有最近邻点法、双线性插值和三次卷积法。
最近邻点法的优点是算法简单且能保持原始图像的亮度值不变,但常使采样后的遥感图像在亮度上不连续,原来光滑的边界出现锯齿状。
这种情况在图像的边缘表现得尤为突出。
双线性插值法的优点是计算较为简单,校正后的图像亮度连续,但因其具有低通滤波的性质,造成高频信息的损失,常使采样后的遥感图像变得模糊。
三次卷积法对前述两种方法的缺点都能克服,但计算量极大。
考虑到上面3种方法的优缺点,以及原始图像中像元的经纬度坐标已知的情况,本文提出一种“邻点权重法”来确定共轭位置点的亮度值。
“邻点权重法”数据重采样原理如图6,共轭位置点的亮度值按公式(2)求取:sum =∑4n =11/d nf (x ,y )=∑4n =11/d nsum Pn(2) 式(2)中的d n 表示共轭点到4个邻近原始像元点的经纬度距离,P n 为原始像元的亮度值。