遥感影像处理步骤
遥感影像处理具体操作步骤
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。
遥感影像快速处理与智能解译系统
遥感影像快速处理与智能解译系统随着空间科学技术的快速发展，遥感影像的获取和分析已成为地理信息系统（GIS）、环境监测、城市规划、土地资源调查等领域的重要工具。
然而，遥感影像的解析往往面临处理量大、处理速度慢以及解译精度不高等问题。
为了解决这些问题，本文将介绍一种遥感影像快速处理与智能解译系统。
一、遥感影像快速处理系统遥感影像快速处理系统主要包括以下四个步骤：数据预处理、图像融合、图像分类和图像分割。
1、数据预处理：这个步骤主要是对原始数据进行质量检查、格式转换和噪声去除等操作，以确保数据的准确性和一致性。
2、图像融合：通过将多源遥感影像进行融合，可以获取更全面和准确的信息。
常用的图像融合方法包括基于波段融合、基于空间融合和基于光谱融合等。
3、图像分类：这个步骤主要是利用计算机视觉和深度学习技术对遥感影像进行自动分类，以实现快速、准确的数据处理。
4、图像分割：对于一些特定的应用场景，可能需要对遥感影像进行更精细的处理，例如目标检测、边缘检测等，这时就需要用到图像分割技术。
二、智能解译系统智能解译系统是遥感影像解析的关键部分，它主要包括以下三个步骤：特征提取、分类识别和结果输出。
1、特征提取：从遥感影像中提取有用的特征是智能解译系统的第一步。
这些特征可以包括颜色、形状、纹理等，具体提取哪些特征需要根据实际应用场景来确定。
2、分类识别：在提取出有用的特征之后，就需要利用这些特征来进行分类识别。
常用的分类识别方法包括支持向量机（SVM）、随机森林（RF）、神经网络等。
3、结果输出：智能解译系统需要将分类识别的结果以易于理解的方式输出，例如生成报告、绘制图表等。
三、总结遥感影像快速处理与智能解译系统是遥感技术发展的重要方向，它可以大大提高遥感影像的处理速度和解译精度，从而为各领域的决策提供更准确、更及时的数据支持。
虽然现有的系统已经取得了很大的进展，但是仍存在一些挑战和问题需要解决，例如如何进一步提高处理速度和解译精度，如何更好地适应各种复杂的应用场景等。
遥感数据处理的基本步骤与技巧
遥感数据处理的基本步骤与技巧遥感技术作为一种获取地球表面信息的重要手段，被广泛应用于农林牧渔、城市规划、环境监测等领域。
而遥感数据的处理和分析则是有效利用遥感信息的关键环节。
本文将介绍遥感数据处理的基本步骤与技巧，以帮助读者更好地应用遥感数据。
一、数据获取遥感数据的获取是遥感数据处理的第一步。
常用的遥感数据包括航空影像、卫星影像和激光雷达数据。
在选择遥感数据时，需根据具体的研究目标和需求，选择适合的数据类型和分辨率。
而对于不同类型的遥感数据，其获取的方法也有所不同。
例如，航空影像可以通过航拍或无人机获取，卫星影像可以通过遥感卫星获取。
二、数据预处理数据预处理是遥感数据处理的重要环节。
通过对遥感数据进行校正和增强，可以提高数据的质量和可用性。
常见的数据预处理步骤包括辐射校正、大气校正、几何纠正和镶嵌拼接。
辐射校正是将原始遥感数据转化为能量辐射亮度值，大气校正是去除大气散射和吸收的影响，几何纠正是将图像投影到地面坐标系，镶嵌拼接是将多个遥感图像拼接成一个完整的图像。
三、特征提取特征提取是遥感数据处理的关键环节之一。
通过对遥感图像中的特征进行提取和分类，可以获取地表覆盖类型、土地利用状况等信息。
常用的特征提取方法包括阈值分割、数学形态学、边缘检测和纹理分析等。
例如，通过采用基于阈值分割和数学形态学的方法，可以将遥感图像中的建筑物和道路等目标进行提取和分类。
四、数据分析数据分析是利用遥感数据进行研究和应用的重要环节。
通过对遥感数据的统计分析、模型建立和空间分析，可以揭示地表变化、环境演变等规律。
常用的数据分析方法包括主成分分析、分类与回归树、遥感时序分析和地形分析等。
例如，通过主成分分析方法，可以从遥感图像中提取出主要的波段特征，进而分析地表覆盖类型的空间分布和变化趋势。
五、结果验证结果验证是遥感数据处理的最后一步，也是决定数据处理结果可靠性的关键环节。
通过与实地调查和已有数据的对比，可以评估遥感数据处理的准确性和可信度。
遥感影像处理技术方案
遥感影像处理技术方案一、引言遥感技术已广泛应用于农业、环境监测、城市规划、交通管理等领域。
遥感影像处理是遥感技术应用的重要环节，通过对遥感影像的预处理、增强、特征提取等操作，实现目标识别、分类、定位等功能。
本文将详细论述遥感影像处理的流程与方法，为相关应用领域提供技术支持和参考。
二、遥感影像预处理遥感影像预处理是后续处理的基础，主要包括辐射定标、大气校正、几何校正等步骤。
1.辐射定标辐射定标是通过对传感器测量到的辐射强度进行标定，将原始影像转换为绝对辐射值。
辐射定标系数是关键参数，可通过传感器制造商提供的校准文件获取。
通过辐射定标，可消除传感器非线性响应的影响，提高影像的准确性。
2.大气校正大气校正主要是消除大气散射、吸收等因素对遥感影像的影响，还原地物真实反射强度。
常见的校正方法有经验模型法、物理模型法等。
经验模型法基于已知的地物反射率，根据实际天气情况进行校正；物理模型法根据大气散射原理，建立大气层与地面反射的数学模型，对影像进行校正。
3.几何校正几何校正主要是消除遥感影像的几何变形，包括平移、旋转、缩放等。
几何校正需要选取一定数量的地面控制点，通过校正公式对整个影像进行校正。
常用的方法有直接线性变换、多项式变换等。
几何校正可提高影像的定位精度，为后续的目标识别、分类等操作提供准确的基础数据。
三、遥感影像增强遥感影像增强旨在提高影像的对比度、清晰度等，以便更好地识别和提取目标信息。
常见的增强方法包括对比度增强、空间滤波、频率域滤波等。
1.对比度增强对比度增强通过拉伸像素强度分布范围，提高影像的对比度。
常见的对比度增强方法有直方图均衡化、反锐化掩膜等。
直方图均衡化通过对像素强度分布进行均衡化处理，提高影像的对比度；反锐化掩膜通过增强高频信息，提高影像的细节表现。
2.空间滤波空间滤波通过在空间域对影像进行平滑或锐化处理，去除噪声或增强边缘信息。
常见的空间滤波方法有均值滤波、中值滤波、高斯滤波等。
测绘技术中的遥感影像处理流程详解
测绘技术中的遥感影像处理流程详解引言：遥感技术在现代测绘领域中扮演着至关重要的角色，通过使用航空或卫星平台获取的遥感影像，可以提供全球范围的地表信息。
然而，这些原始的遥感影像需要经过一系列的处理步骤，才能够提供准确、可用的地理信息。
本文将详细介绍测绘技术中的遥感影像处理流程，并探讨其中的一些关键步骤和技术。
一、预处理遥感影像处理的第一步是预处理，主要目的是对原始影像进行校正和增强，以消除图像中的噪声、失真和其他不可避免的问题。
预处理包括几个子步骤：1. 几何校正几何校正是将原始影像与特定的地理坐标系统对应起来的过程。
通过地面控制点或现有的地理参考数据，可以计算出影像中各像素点的地理坐标。
这个过程涉及到地理坐标转换、投影变换等数学计算，确保遥感影像可以与地理坐标系统一致。
2. 辐射校正辐射校正是针对遥感影像中的辐射亮度值进行校正，以消除大气、地表反射率和传感器响应等因素引起的光谱失真。
这个过程涉及大气校正模型、辐射校正系数等参数的确定，确保影像中的亮度值具有可比性和可解释性。
3. 增强处理增强处理是通过调整影像的亮度、对比度、色彩等属性，以改善影像的可视化效果。
常见的增强处理技术包括直方图均衡化、空间滤波、波段合成等，通过这些技术可以突出目标特征、减弱干扰因素，使影像更易于解译和分析。
二、影像分类预处理完成后，接下来的步骤是影像分类，其目的是将遥感影像中的像素点划分为不同的类别，以提取出地物的信息。
影像分类可以基于不同的特征和方法进行，常见的分类方法包括：1. 监督分类监督分类是一种基于已知样本进行自动分类的方法。
首先，遥感影像中的一部分区域被标记为不同的类别，称为训练样本。
然后，根据这些训练样本，使用统计分类算法（如最大似然估计、支持向量机等）对整个影像进行分类。
监督分类方法可以提供较高的分类精度，但需要大量的标记样本和专业知识。
2. 无监督分类无监督分类是一种基于像素灰度值之间的相似性进行自动分类的方法。
遥感影像处理步骤
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
（2）除坏线和条带去除遥感图像中的坏线。
遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
（2）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤一、影像获取遥感影像预处理的第一步是获取原始影像数据。
通过卫星、飞机或其他遥感平台获取的影像数据，可以获得不同波段的光谱信息。
二、影像校正影像校正是为了消除由于影像获取过程中产生的各种误差，提高影像质量。
主要包括几何校正和辐射校正两个方面。
几何校正是通过对影像进行几何变换，将其与真实地物的位置和形状相对应。
这样可以消除由于视角、高程等因素引起的形变，使影像与实际地物一一对应。
辐射校正是为了消除由于大气、地表反射等因素引起的辐射差异。
通过对不同波段的辐射通量进行标定和校正，可以得到准确的辐射值。
三、影像配准影像配准是将不同时间、不同传感器或不同分辨率的影像对齐到同一坐标系统中。
通过对影像进行几何变换，使其在空间上一一对应。
这样可以实现影像的叠加和比较。
四、影像增强影像增强是为了提高影像的可视性和解译能力。
通过应用不同的滤波器、变换或增强算法，可以突出地物的特征，减少噪声和干扰，使影像更清晰、更易于分析。
五、影像分类影像分类是将影像像元划分为不同的地物类别。
根据不同的目标和需求，可以使用不同的分类方法，如基于像素的分类、基于对象的分类等。
六、影像融合影像融合是将多源、多尺度或多波段的影像融合成一幅综合影像。
通过融合可以充分利用各种影像的优势，提高地物提取和解译的精度。
七、影像制图影像制图是将处理后的影像转换为地图或图像产品。
通过对影像进行地理参考、投影变换和符号化处理，可以生成各种专题地图和影像产品。
八、影像分析影像分析是对处理后的影像进行定量和定性分析。
通过应用不同的遥感算法和模型，可以提取地物信息、监测变化和预测趋势。
九、结果验证结果验证是对影像分析结果进行验证和评估。
通过与实地调查数据进行比对，可以评估分析结果的准确性和可靠性。
总结：遥感影像预处理是遥感应用的重要环节，它涉及到影像获取、校正、配准、增强、分类、融合、制图、分析和结果验证等多个步骤。
每个步骤都有其独特的作用和意义，对于提高影像质量和分析精度具有重要意义。
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。
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。
如何进行遥感影像处理
如何进行遥感影像处理遥感影像处理是一门涉及图像处理和地理信息科学的重要学科，它通过获取和分析卫星、航空相机等传感器获取的遥感影像数据，为地理研究和资源利用提供了强大的支持。
本文将为读者介绍如何进行遥感影像处理的基本流程和一些常用的工具和方法。
一、数据获取遥感影像处理的第一步是获取遥感影像数据。
目前，遥感影像多采用卫星数据，如Landsat、MODIS等数据。
这些数据可通过美国地质调查局（USGS）等机构的网站进行下载。
此外，一些商业高分辨率卫星如SPOT、QuickBird和WorldView也提供了遥感影像数据的购买或租赁服务。
二、数据预处理在进行遥感影像处理之前，通常需要对数据进行预处理，以消除噪声、校正影像几何偏差等。
首先，可以使用图像拼接技术将多幅遥感影像拼接成一幅大图。
其次，可以进行大气校正，即校正由大气因素引起的亮度差异。
最后，还可以进行影像几何校正，使得影像的地理坐标能够与实际地理坐标一致。
三、影像分类影像分类是遥感影像处理的重要环节之一，它将遥感影像像素分为不同的类别，以便进行地物识别、土地覆盖分析等应用。
常见的影像分类方法包括：无监督分类、监督分类和混合分类。
无监督分类是基于像素的统计特征进行分类，例如聚类算法。
监督分类则需要先人工标记一些训练样本，然后使用分类器进行分类，例如支持向量机（SVM）和随机森林（Random Forest）等。
混合分类是将无监督分类和监督分类结合起来，以充分利用两种方法的优势。
四、影像变化检测遥感影像变化检测是通过对多个时间点的遥感影像进行比较和分析，以探测和分析地表的变化情况。
这对于城市扩张、自然灾害监测等应用具有重要意义。
常用的影像变化检测方法包括像素级变化检测和目标级变化检测。
像素级变化检测通过对像素亮度和颜色等特征的比较来判断变化情况。
目标级变化检测则通过对预先提取的目标进行比较，例如建筑物、道路等。
五、影像融合影像融合是将多个来源或多个波段的遥感影像进行融合，以获得更高分辨率或更多的信息。
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤在遥感领域，影像预处理是遥感数据处理的重要环节，对于提高遥感影像的质量和后续分析具有重要意义。
以下是遥感影像预处理的正确步骤：一、数据获取与预处理1.数据获取：遥感影像数据来源于各种遥感卫星、航空遥感等，需要根据研究目的选择合适的数据源。
2.预处理：数据获取后，需要对数据进行预处理，以消除原始数据中的噪声、异常值等问题。
预处理方法包括去除噪声、裁剪、缩放等。
二、几何校正与图像配准1.几何校正：由于遥感影像在采集过程中可能受到传感器本身、地球曲率、大气折射等因素的影响，导致影像几何变形。
几何校正旨在消除这些变形，提高影像质量。
常见的方法有传感器模型校正、基于控制点的几何校正等。
2.图像配准：图像配准是将多幅遥感影像（如多光谱影像和单波段高分辨率影像）进行空间对齐，使其在同一坐标系统下。
配准方法有基于像素的配准、基于变换的配准等。
三、图像融合1.图像融合是将不同分辨率、不同光谱的遥感影像融合为高分辨率、多光谱的影像。
常见的图像融合方法有：（1）IHS变换融合：将高分辨率全色影像与亮度进行直方图匹配，然后去掉亮度，用预处理的高分辨率全色影像代替。
与色度H、饱和度S一起，利用逆变换式变换至RGB系统，得到融合后的影像。
（2）小波变换融合：利用人眼对局部对比度变化敏感的特性，根据一定的融合规则，在多幅原图像中选择最显著的特征（如边缘、线段等），并将这些特征保留在融合后的图像中。
四、影像增强与分割1.影像增强：通过调整亮度、对比度、色彩平衡等参数，提高遥感影像的视觉效果。
常见的增强方法有：直方图均衡化、自适应直方图均衡化、色彩空间转换等。
2.影像分割：将融合后的遥感影像划分为不同的区域，以便进行后续分析。
常见的分割方法有：基于阈值的分割、基于区域的分割、基于边缘的分割、基于深度学习的分割等。
五、特征提取与分析1.特征提取：从遥感影像中提取有意义的特征，如纹理、颜色、形状等。
常见的特征提取方法有：灰度共生矩阵、局部二值模式（LBP）、HOG特征等。
测绘技术使用教程之遥感影像处理与解译方法
测绘技术使用教程之遥感影像处理与解译方法遥感影像是一种通过遥感技术获取的地球表面信息的图像数据，其广泛应用于测绘、地理信息系统、环境监测等领域。
在测绘技术使用教程中，遥感影像的处理与解译方法是一个重要的内容。
首先，遥感影像的处理包括预处理和后处理两个方面。
预处理主要包括影像的几何校正和辐射校正两个步骤。
几何校正是将遥感影像与地面坐标系对应起来，使得影像上的每个像素点都能与地表上的一个实际位置相对应。
辐射校正是对影像进行辐射定标，将数字值转化为实际的辐射亮度值，以便后续的解译分析。
接下来是遥感影像的解译方法。
遥感影像的解译可以分为目视解译和机器解译两种方法。
目视解译是根据影像上的各种特征，如颜色、形状、纹理等，进行人工的目视判断。
机器解译则是利用计算机技术对遥感影像进行自动解译，通过像元分类的方法将影像中的不同地物类型进行识别。
目视解译适用于复杂地物类型和精细地物边界的识别，而机器解译适用于大范围的地物分类和统计分析。
在目视解译中，根据影像的不同波段和特征，可以采用不同的解译方法。
常用的解译方法包括目视解译、图象比对、化色解译、特征解译等。
目视解译是根据影像的直观特征，如颜色、亮度等进行人工判断的方法，可以快速识别出地物的大致分布状况。
图象比对是将不同波段的影像进行对比，通过对比分析来判断地物类型的方法。
化色解译则是将不同波段的影像按照一定的比例叠加在一起，形成彩色影像，利用颜色差异进行地物类型的识别。
特征解译是根据地物的形状、纹理等特征进行判断的方法，适用于复杂地物类型的解译。
机器解译主要依靠计算机技术进行，包括图像分类、目标检测和变化检测等方法。
图像分类是根据影像的统计特征和分类模型，将影像中的不同地物类型进行自动识别和分类的方法。
目标检测是在图像中寻找特定目标的方法，如建筑物、车辆等。
变化检测是通过对比两个或多个时间点的遥感影像，分析影像变化的方法，适用于环境监测、城市规划等领域。
总之，遥感影像处理与解译方法是测绘技术中重要的内容。
简述光学遥感影像预处理的大概过程
光学遥感影像预处理是指对获取的遥感影像进行一系列的处理，以便更好地应用于后续的遥感信息提取和分析。
其大概过程可以分为以下几个步骤：1. 数据获取在光学遥感影像预处理的过程中，首先需要获取遥感影像数据。
这些数据可以来自于卫星、飞机、无人机等评台获取的遥感影像数据。
在数据获取的过程中，需要注意遥感影像的分辨率、波段数量等参数，以便后续的处理和分析。
2. 数据预处理数据预处理是光学遥感影像预处理的重要步骤之一。
在这一步中，需要对原始的遥感影像数据进行校正和去噪。
校正包括大气校正、辐射校正等，去噪则是为了减少影像中的噪声对后续分析的影响。
3. 影像配准影像配准是指将获取的多幅遥感影像数据进行配准，使得它们能够在同一坐标系下进行分析。
这一步可以通过地面控制点配准、影像匹配等方法来实现。
4. 影像切割在光学遥感影像预处理中，有时需要将大块的遥感影像数据进行切割，以便更好地应用于特定的分析需求。
影像切割可以根据不同的地物类型、研究区域等进行划分。
5. 特征提取特征提取是光学遥感影像预处理的关键环节之一。
在这一步中，需要针对特定的分析目标提取出影像中的特征信息，如植被覆盖度、土地利用类型等。
这一步可以通过图像分类、目标检测等方法来实现。
光学遥感影像预处理是遥感领域中的重要环节，它能够提高后续遥感信息提取和分析的准确性和可靠性。
通过对遥感影像数据进行一系列的处理，可以更好地挖掘出影像中蕴含的丰富信息，为地球观测和环境监测等领域提供有力的支持。
在本次文章中，我们简要介绍了光学遥感影像预处理的大概过程，包括数据获取、数据预处理、影像配准、影像切割和特征提取等步骤。
这些步骤为后续遥感信息提取和分析打下了重要的基础，同时也为遥感数据的应用提供了可靠的数据支撑。
在未来的研究和实践中，我们需要进一步深入地探讨每个环节的具体方法和技术，以更好地应对复杂的遥感数据分析需求。
希望通过本次文章的介绍，读者能够对光学遥感影像预处理有一个初步的了解，并对其重要性有所认识。
遥感影像处理的使用方法与技巧
遥感影像处理的使用方法与技巧遥感影像处理是一种通过遥感技术获取地球表面信息并加以分析的方法。
利用遥感影像处理技术，可以对地表进行监测、分析和解译，为农业、林业、环境保护和城市规划等领域提供了有效的工具和支持。
一、遥感影像的获取遥感影像的获取主要通过卫星、飞机和无人机等载具进行，这些载具搭载的传感器可以感知地表的各种信息并将其转化为图像数据。
获取到的遥感影像数据具有多光谱、高分辨率和大范围等特点，为后续的影像处理提供了基础数据。
二、遥感影像预处理在进行影像分析之前，需要对遥感影像进行预处理。
常见的预处理方法包括噪声去除、辐射校正、几何校正和大气校正等。
这些预处理步骤可以提高影像质量，减少数据误差，并使得后续的影像处理更加有效和准确。
三、遥感影像分类遥感影像分类是将遥感影像中的像素根据其特征进行分类，并划分出不同的地物类型。
常用的分类方法包括有监督分类和无监督分类。
有监督分类需要提前标注一部分样本数据，并利用这些样本数据进行分类；无监督分类则是通过计算机自动解析影像数据的统计特性进行分类。
遥感影像分类可以帮助用户快速获取地表特定地物的空间分布信息，为资源调查和环境监测提供定量依据。
四、遥感影像变化检测遥感影像变化检测是通过对不同时间获取的影像进行比较，来检测地表的变化情况。
变化检测可以用于监测土地利用变化、自然灾害的评估等。
常用的变化检测方法包括基于像素的差异检测和基于对象的差异检测。
前者是通过对影像像素值的比较来判断变化的发生；后者是先提取出地物对象，然后对对象属性进行比较来判断变化。
变化检测的结果可以为相关领域的研究提供重要依据。
五、遥感影像融合遥感影像融合是将不同传感器获取的多源遥感影像进行融合，以获取更为全面和准确的信息。
常见的融合方法包括基于像素的融合和基于特征的融合。
基于像素的融合是将不同分辨率的遥感影像像素进行融合；基于特征的融合是将影像中的特征进行提取和融合。
遥感影像融合可以提高影像的空间、光谱和时间分辨率，为用户提供更为细致准确的地表信息。
如何进行遥感影像增强与处理
如何进行遥感影像增强与处理遥感影像是通过航空或卫星等方式获取的地球表面的图像数据。
由于拍摄条件、设备性能以及环境因素的限制，遥感影像常常存在一些问题，如图像模糊、噪声干扰等。
为了提高遥感影像的质量和准确性，需要进行增强和处理。
本文将介绍如何进行遥感影像增强与处理的方法和技巧。
一、图像增强的目的和方法图像增强是指通过一系列的处理方法，改善图像的视觉效果和质量。
其目的是提高图像的对比度，减少噪声，增强图像细节，以便更好地进行分析和解译。
1、直方图均衡化直方图均衡化是一种常用的图像增强方法。
它通过调整图像像素值的分布，使得图像的亮度和对比度得到均衡。
具体步骤是：首先计算图像的灰度直方图，然后根据直方图进行像素值的调整。
直方图均衡化能够有效地增强图像的细节和对比度，使得图像更易于解译。
2、滤波器增强滤波器增强方法主要是通过应用不同类型的滤波器来抑制图像中的噪声和其他干扰。
常用的滤波器有均值滤波器、中值滤波器和锐化滤波器等。
均值滤波器可以平滑图像，中值滤波器可以有效地去除椒盐噪声，而锐化滤波器可以增强图像的边缘。
3、多尺度分析多尺度分析是一种结合不同尺度的信息来进行图像增强的方法。
通过分析图像在不同尺度上的特征，可以更好地理解图像的内容。
常用的多尺度分析方法有小波变换和特征金字塔等。
小波变换能够将图像分解为不同频率的子图像，从而提取出图像的细节信息。
特征金字塔则是一种层次化的图像表示方法，可以在不同尺度上检测出图像的边缘和纹理等特征。
二、图像分割和分类的方法图像分割是指将图像分成若干个具有相同特征的区域的过程。
图像分类是指将图像分配到不同的类别或标签中的过程。
图像分割和分类是遥感影像处理中重要的一步，它可以用于自动提取和识别图像中的目标或区域。
1、基于颜色和亮度的分割方法基于颜色和亮度的分割方法是最常用的一种图像分割方法。
它通过分析图像中像素的颜色和亮度信息，将图像分成不同的区域。
常用的方法有阈值分割、区域生长和分水岭算法等。
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤遥感影像预处理是遥感技术中非常重要的一步，它能够提取出影像中所需的信息并减少干扰因素，为后续的数据分析和应用提供清晰的数据基础。
下面将介绍遥感影像预处理的正确步骤。
1. 数据获取遥感影像预处理的第一步是获取原始遥感影像数据。
可以通过卫星遥感、航空遥感或无人机遥感等方式获取。
获取到的原始数据可能包含噪声、失真等问题，需要进行预处理来提高数据质量。
2. 辐射校正遥感影像中的像素值受到辐射条件的影响，辐射校正是将像素值转换为能反映地物表面特征的物理量。
辐射校正的方法包括大气校正、辐射定标等，目的是消除大气、地表反射率等因素对影像的影响。
3. 几何校正几何校正是将遥感影像的像素与地理坐标系相对应，使得像素位置准确地对应于真实地物位置。
几何校正的主要工作包括影像配准、地面控制点获取和校正模型建立等过程。
4. 噪声去除遥感影像中常常存在各种噪声，如斑点噪声、椒盐噪声等。
噪声去除的方法包括滤波、插值等，以提高影像的质量和清晰度。
5. 影像增强影像增强是通过改变影像的对比度、亮度等参数，使得地物特征更加明显。
常用的影像增强方法有直方图均衡化、滤波增强等。
6. 影像融合影像融合是将多个不同波段或不同分辨率的遥感影像融合为一幅影像，以获取更全面、准确的信息。
融合方法包括基于像素级的融合和基于特征级的融合。
7. 尺度转换遥感影像通常具有不同的空间分辨率和时间分辨率，为了方便数据分析和应用，需要进行尺度转换。
常见的尺度转换方法有降尺度和升尺度等。
8. 数据裁剪根据具体应用需求，对遥感影像进行裁剪，提取感兴趣的区域或特定的地物信息。
9. 影像格式转换遥感影像通常有多种格式，如TIFF、JPEG、ENVI等，为了方便数据存储和共享，需要将影像格式进行转换。
10. 数据存储经过预处理的遥感影像需要进行数据存储，以备后续的数据分析和应用。
遥感影像预处理的正确步骤包括数据获取、辐射校正、几何校正、噪声去除、影像增强、影像融合、尺度转换、数据裁剪、影像格式转换和数据存储等。
遥感图像拼接步骤期末总结
遥感图像拼接步骤期末总结一、遥感图像拼接的步骤1. 遥感影像的获取与预处理在进行遥感图像拼接之前，首先需要获取原始遥感影像数据。
遥感影像可以是航空摄影图像、卫星遥感影像等，需要通过遥感平台或者数据提供商购买或下载相应的影像数据。
然后对原始影像进行预处理，包括校正、配准、辐射定标等。
校正可以提高影像的几何精度，配准则是将不同影像的坐标系统一化，辐射定标则是将影像的光谱信息校正为物理量。
2. 影像拼接区域的选择在进行影像拼接之前，需要确定拼接的区域。
可以根据实际应用需求来选择，比如选择特定的地理区域，或者选择两幅影像的重叠区域等。
选择合适的拼接区域可以提高拼接的精度和效果。
3. 影像拼接的几何校正影像拼接的几何校正是指将不同影像的几何特征进行统一化，保证影像之间的几何一致性。
常见的几何校正方法包括刚性变换、仿射变换和投影变换等。
几何校正可以通过地面控制点、SIFT特征匹配等手段进行。
其中，地面控制点是利用地面上已知的点（如地物边界）与影像中的对应点进行匹配，从而估算出影像之间的几何变换参数。
4. 影像拼接的光谱校正影像拼接的光谱校正是指将不同影像的光谱信息进行统一化，保证影像之间的光谱一致性。
光谱校正可以通过直方图匹配、灰度拉伸等方法进行。
直方图匹配是将一幅影像的像素值分布调整为另一幅影像的像素值分布，从而实现光谱校正。
5. 影像拼接的融合算法影像拼接的融合算法是指将不同影像的像素进行融合，生成拼接后的影像。
常见的融合算法包括简单平均法、加权平均法、多尺度变换等。
简单平均法是将不同影像的像素值进行简单平均，加权平均法则是根据不同影像的重要性进行加权平均。
多尺度变换则是通过将影像进行分解和重建来实现融合。
二、关键技术和常见问题1. 影像的配准影像的配准是影像拼接中的关键技术之一。
影像配准的准确度直接影响到拼接效果的质量。
常见的影像配准技术包括特征点匹配、区域匹配等。
特征点匹配是通过提取影像中的特征点（如SIFT特征点）来进行匹配，区域匹配则是利用影像中的区域来进行匹配。
遥感影像处理的一般流程
遥感影像处理的一般流程
咱先说说这遥感影像啊，就像一个神秘的大宝藏，等着咱们去挖掘里面的宝贝。
刚开始接触的时候，我也懵得很，那叫一个抓瞎！唉，不过慢慢摸索，也就上道了。
你知道吗？拿到影像的第一步，就像打开一个神秘的盒子，得先检查它的质量。
我记得有一次，拿到的影像居然有大片的噪点，哇，当时我就傻眼了！这可咋办？后来才发现，得先做个预处理，把那些噪点啊、条纹啊啥的去掉。
说到预处理，这里面的门道可多了。
有时候得调整一下亮度和对比度，就像给照片美个容似的。
嗯...我记得好像有一次，调得太过了，影像都变得怪怪的，我这手咋这么笨呢！
接下来就是几何校正啦，这一步可重要了。
要是没弄好，后面的分析都得跑偏。
我跟你说，有一回我就没校正准确，结果分析出来的结果那叫一个离谱，被老板狠狠批了一顿，惨呐！
然后呢，就是分类和识别啦。
这就像是给影像里的东西贴上标签，什么是山，什么是水，什么是房子。
这里面的算法可多了去了，有时候我都被绕晕。
对了，我想起个事儿。
之前听说有个同行，在分类的时候居然把一片沙漠看成了海洋，哈哈，这笑话够我笑好久的！
我这又扯远啦！反正遥感影像处理这事儿，得细心，还得有耐心。
有时候一个小细节没注意，就得从头再来。
朋友，你要是在处理过程中遇到啥问题，别慌，多试试，多琢磨，咱总能搞定的！你说是不是？。
高光谱遥感影像处理流程
高光谱遥感影像处理流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!高光谱遥感影像处理流程。
1. 辐射校正，去除传感器和大气造成的辐射失真，恢复影像真实的辐射亮度值。
gee遥感影像去云处理步骤
gee遥感影像去云处理步骤以GEE遥感影像去云处理步骤为标题，写一篇文章：一、简介GEE（Google Earth Engine）是由谷歌公司开发的一款基于云计算平台的遥感影像处理工具。
在遥感影像处理中，云是一个常见的干扰因素，会影响到图像的质量和可用性。
因此，去除云影响是遥感影像处理中的重要步骤之一。
本文将介绍使用GEE进行遥感影像去云处理的步骤。
二、数据准备在进行遥感影像去云处理之前，首先需要准备待处理的遥感影像数据。
通过GEE平台，可以方便地获取全球范围内的高分辨率遥感影像数据。
用户可以根据自己的需求选择合适的遥感影像数据。
三、区域选择在进行遥感影像去云处理之前，需要选择感兴趣的区域。
用户可以通过GEE平台提供的地图工具，在全球范围内进行区域选择。
选择合适的区域可以提高后续的处理效果。
四、云检测云检测是遥感影像去云处理的关键步骤之一。
GEE平台提供了多种云检测算法，用户可以根据自己的需求选择合适的算法。
常用的云检测算法包括阈值法、光谱指数法和机器学习法等。
通过对遥感影像进行云检测，可以得到每个像素点的云掩膜。
五、云修复云修复是指根据云掩膜对遥感影像进行修复，填补云缺失的像素值。
GEE平台提供了多种云修复算法，常用的有插值法和时序插值法等。
通过对云掩膜进行像素级别的云修复，可以恢复云缺失的像素值，提高遥感影像的质量。
六、质量评估在进行遥感影像去云处理之后，需要对处理后的影像质量进行评估。
常用的质量评估指标包括信噪比、均方根误差和相关系数等。
通过对处理后的影像进行质量评估，可以判断去云处理的效果是否达到预期。
七、结果导出在完成遥感影像去云处理之后，可以将处理结果导出为常见的遥感影像格式，如GeoTIFF或ENVI格式。
用户可以选择合适的导出参数，如分辨率和坐标系等。
导出后的遥感影像可以用于后续的分析和应用。
八、应用案例遥感影像去云处理在农业、森林资源管理和环境监测等领域具有广泛的应用价值。
例如，在农业领域，可以利用去云处理后的遥感影像对农田的生长情况进行监测和分析，实现精准农业管理。
- 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)。
3.2.3 遥感影像数据的获取目前世界上用于民用的卫星很多，最常用于作物长势监测的是美国发射的一系列陆地卫星。
本文使用的是2013年2月11日，NASA发射的Landsat 8卫星数据，Landsat 8上携带有两个主要载荷：OLI（陆地成像仪）和TIRS（热红外传感器）。
OLI包括9个波段，空间分辨率为30米，其中包括一个15米的全色波段，成像宽幅为185×185 km。
OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5（0.845–0.885 μm），排除了0.825 μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段（band1：0.433–0.453 μm）主要应用海岸带观测，短波红外波段(band9：1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。
表3-2 Landsat8各波段的名称与用途Table 3-2 The name and purpose of each band of Landsat8（引自：张玉君，国土资源遥感，2013）波段No 波段名称波长范围/nm 数据用途GSD地面采样距离/nm辐射率/（W·m-2sr-1um-1）典型SNR（典型）1 NewDeep Blue 433-453 海岸区气溶胶30 40 1302 Blue 450-515 基色/散射/海岸30 40 1303 Green 525-600 基色/海岸30 30 1004 Red 630-680 基色/海岸30 22 905 NIR 845-885 植物/海岸30 14 906 SWIR2 1560-1660 植物30 4.0 1007 SWIR3 2100-2300 矿物/干草/无散射30 1.7 1008 PAN 500-680 图像锐化15 23 809 SWIR 1360-1390 卷云测定30 6.0 13010 TIR 10300-11300 地表温度10011 TIR 11500-12500 地表温度100本实验获取条带号和行编号为143/029，选取棉花蕾期、花铃期、吐絮期内无云、质量较好的影像数据，过境时间分别为2013年6月25日，8月5日，8月29日。
3.2.4 卫星影像处理地面目标是个复杂的多维模型，具有一定的空间位置、形状、大小和相互关系等空间分布特征。
从一个无限的、连续的多维信息源的地面原型经遥感过程转为一个有限的、离散的二维平面记录的遥感信息后，受大气传输效应和遥感器成像特征的影响，这些地面目标的空间特征被部分扭曲，发生变形。
星载传感器所获得的辐射能量需穿过整个大气层，电磁波在大气中传播时因大气吸收和散射作用的影响，其强度和光谱分布均会发生变化。
传感器接收到的辐射强度及光谱分布的变化以及地面目标空间的变形等降低了遥感图像的真实性，因此，需对原始遥感图像进行预处理，以纠正原始图像中的几何与辐射变形，得到一个尽可能在几何和辐射上的真实图像。
Landsat8可通过ENVI 5.1和ENVI 5.0 SP3软件打开。
（1）辐射定标，本文使用ENVI 5.0 SP3软件打开影像，选择ToolBox/Radiometric Correction/Radiometric Calibration，在Radiometric Calibration面板中，选择定标类型，辐射亮度值和大气表观反射率。
选择输出路径，可以得到大气表观反射率数据。
如图所示。
图3-1 辐射定标Fig. 3-1 Radiometric calibration（2）大气校正大气定标FLAASH模块，它是由光谱研究的世界领先者Spectral Science, Inc.(SSI)开发的一种专门用于卫星影像大气校正的模型系统。
它适用的范围比较广泛，几乎适用于当今所有类型卫星生产的影像。
FLAASH通过光谱特征估计大气属性，并采用先进的MODTRAN4+模型来进行大气纠正。
用户界面简单，并且根据维度与季节信息分为六种不同的大气纠正模型，可以有效的去除大气中水气、气溶胶对地面光谱反射的影响。
光谱还原精度高，使用FLAASH进行大气校正，能够高保真的恢复地物波谱信息。
图3-2 FLAASH大气校正Fig. 3-2 FLAASH atmospheric correction（3）几何校正本文使用高精度GPS野外实测地面控制点对Landsat8影像进行校正，几何精校正应用二次多项式、三次卷积法重采样，地图投影采用Lat/LonWGS-84，精较准误差和配准误差控制在0.5个像元以内，控制点不少于20个，主要选择道路交叉处，固定水域等易辨识处。
【分享】Landsat TM 辐射定标和大气校正步骤作者: zxf200315309(站内联系TA)发布: 2011-01-04Landsat TM 辐射定标和大气校正不一、数据准备从usgs网站或者马里兰大学下载TM原始数据，usgs网站下载的数据是原始数据，在envi软件File–Open External File–Landsat–Geotiff with meta中只需打开***********_MTL.txt即可打开所有波段数据（除band6）u马里兰大学网站下载的数据有可能不是原始数据，在envi软件File–Open External File–Landsat–Geotiff with meta中只需打开***********.met即可打开所有波段数据（除ban d6）二、辐射定标1. 由于ENVI 4.7中有专门进行辐射定标的模块。
将原始TM的影像打开以后，选择Basic Tools–Preprocessing–Calibration Utilities–Landsat Calibration2. 进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。
从遥感影像的头文件中获取Data Acquisition 的时间，Sun elevation。
如果你是用File–Open External File–La ndsat–Geotiff with meta(Fast) 的方法打开的话，sun elevation 就已经填好了。
这里Cali bration Type 注意选择为Radiance。
输出文件，定标就完成了。
三、大气校正简单一点的大气校正可以采用ENVI的FLAASH模块，以下就是FLAASH操作的步骤：1. FLAASH 模块的进入方法是Spectral–FLAASH，或者是Basic Tools–Preprocessing–Cali bration Utilities–FLAASH。
2. FLAASH 模块的操作界面分为三块：最上部设定输入输出文件；中间设定传感器的参数；下部设定大气参数。
3. 首先设定输入输出文件。
FLAASH 模块要求输入辐亮度图像，输出反射率图像。
之前我们进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像，然后再Input Radiance Image 中选择转换格式后的图像。
(Basic Tools–Con vert Data(BSQ,BIL,BIP))。
这里注意，当输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。
ENVI 默认的辐亮度单位是μW/cm2 ? sr?nm，而之前我们做辐射定标时单位是W/m2 ?sr?μm，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。
4. 此外，如果TM 影像的头文件中没有波段的信息，在这里也要求你提供一个.txt 文件以包含此信息。
那么，准备好一个.txt 文件，其中含有一列TM 每个波段中心波长的信息。
如果，我们打开的是Geotiff with meta，就不用填写波段信息了。
5. 在Output Reflectance File 和Output Directory for FLAASH files 里面设定输出文件的文件名和位置。
6. 设定传感器参数。
首先是Scene Center Location，即遥感图像中心的坐标，以及Flight Date, Flight Time GMT，这三者都可以在TM 的头文件中找到，填入即可。
7. 在Sensor Type 菜单中选择Landsat TM5。
此时Sensor altitude 自动填上为705km。
而Pixel Size 填为30m。
8. 根据遥感影像研究区实际情况，填写Ground Elevation，比如呼和浩特市为1.05km。
9. 最关键的为大气参数部分:a) Atmospheric Model( 大气模式): 共有Sub-Arctic Winter (SAW) ，Mid-Latitude Winte r (MLW)，U.S. Standard (US) ，Sub-Arctic Summer(SAS), Mid-Latitude Summer (MLS)和Tropical (T) 。
根据经纬度和时间可以选定研究区的大气模式，见ENVI Help。
b) Aerosol Model（气溶胶模式）：有Rural, Urban, Maritime 和Tropospheric四种选择。
根据实际情况选择即可。
关于此四种模式的解释见ENVI Help。
c) 当我们选择TM 时，可选的参数还有Aerosol Retrieval 和Initial Visibility。
这两个参数对最后的结果又相当重要的影像，因此最好能调查到当地的Initial Visibility。
此外，AERO NET 在全世界各地有测定AOD（Atmospheric Optical Depth）的站点，可以查询AOD 以后转换为消光系数，通过消光系数估算能见度，此步骤比较繁琐，在此不予详述。
如果采用Aerosol Retrieval 中的K-T算法计算Visibility，且能够计算出结果的话，则采用K-T 算法的能见度，否则采用Initial Visibility 所指定的能见度。
d) 关于Aerosol Retrieval。
如果选择了下拉菜单中的K-T method，那么需要在Multispect ral Settings 中设定参数,在Assign Default Values Based on Retrieval Conditions 中选择Over-land Retrieval Standard (660:2100nm)即可。