遥感图像预处理共38页
遥感图像预处理汇总
1.自定义坐标系1.1.坐标系概括常用坐标系分为地理坐标系和投影坐标系。
1.1.1.地理坐标系地理坐标系中含椭球体(spheroid)和大地基准面(datum)两个重要部分。
1)椭球体。
地球并不是一个规则球体，因此我国常用以下椭球体模拟地球，见表1。
2)大地基准面大地基准面指参考椭球与WGS84参考椭球的相对位置关系（3个平移，3个旋转，1个缩放），可用3个、4个或者7个参数进行描述。
每个椭球体都对应一个或多个大地基准面。
1.1.2.投影坐标系投影坐标系是利用一定数学法则将地球表面上的经纬线网表示到平面上，属于平面坐标系。
一个投影坐标系包含椭球体、投影方法和大地基准面。
我国普遍采用的投影方法是高斯-克吕格投影，在欧美国家称为横轴莫卡托投影(Transverse Mercator)。
为保证地图精度，采用分带投影法，有3°分带和6°分带两种。
对于每分带的投影，需指定中央经线以及坐标轴原点X、Y坐标。
我国在北半球，为避免Y坐标出现负值，规定统一将各带Y值加500km。
为避免各带坐标重复，可在不同带间Y值冠以带号，即通用坐标。
商业软件坐标系分为标准坐标系和自定义坐标系，我国实际应用中往往需要自定义坐标系，以北京54坐标系和西安80坐标系为例讲解如何在Envi中自定义坐标系。
1.2.Envi自定义坐标系1.2.1.定义椭球体使用记事本打开HOME\ITT\IDL80\products\envi48\map_proj\ellipse.txt，将“Krasovsky, 6378245.0, 6356863.3”(Beijing-54坐标系使用)和“IAG-75, 6378140.0, 6356755.3”(Xian-80坐标系使用)加入文本末端。
1.2.2.定义基准面使用记事本打开HOME\ITT\IDL80\products\envi48\map_proj\datum.txt，将“D_BEIJING_1954, Krasovsky, -12, -113, -41”(Beijing-54坐标系使用)和“D_Xian_1980, IAG-75, 0, 0, 0”(Xian-80坐标系使用)加入文本末端。
遥感图像预处理
2、融合
是在空间增强中最常用的一种方法，它是 对不同空间分辨率的遥感图像的融合处理， 使处理后的压迫感影像既有较好的空间分 辨率，又具有多光谱特征，从而达到图像 增强的目的。
融合的关键
是融合前两幅图像的配准以及处理过程中 融合方法的选择，只有将不同空间分辨率 的图像精确的进行配准，才可能得到满意 的融合效果；而对于融合方法的选择，则 取决于被融合图像的特性以及融合的目的， 同时，需要对融合方法的原理有正确的认 识。
•
•
不断重复1~7，采集若干GCP，直到满足 所选定的几何校正模型为止。而后，每采 集一个Input GCP，系统就会自动产生一 个Ref.GCP，通过移动Ref.GCP可以逐步 优化校正模型。
（6）图像重采样过程
在Geo Correction Tools对话框中单击 Image Resample图标 ，打开 Resample对话框，在Resample对话框中， 定义输出文件和重采样参数。
图像叠置组合
• • • • • • •
图像叠置组合包括如下工具： Send Image to Top：将选择图像置于最上层 Send Image Up One：将选择图像上移一层 Send Image to Button：将选择图像置于最下 层 Send Image Down One：将选择图像下移一层 Reverse Image Order：将选择图像次序颠倒 可以使用这些工具调整图像的叠置次序。
命令，打开Add Images for Mosaic 对话框。 1选择拼接图像文件为wasia1_mss.img 2设置图像拼接区域为Compute Active Area 3单击Add按钮 4 重复前三步操作依次加载wasia2_mss.img和 wasia3_tm.img 5 单击Colse按钮
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的重要环节，它对于后续的遥感影像分析和应用具有至关重要的作用。
正确的预处理能够提高遥感影像的质量和准确度，为后续的数据分析提供有力支持。
下面将介绍遥感影像预处理的正确步骤。
一、获取遥感影像数据遥感影像数据可以通过卫星、飞机等遥感平台获取。
在获取数据时，需要确保数据的准确性和完整性，并且注意选择合适的数据源和分辨率。
二、辐射校正遥感影像数据在获取过程中受到了大气、地表反射等因素的影响，需要对数据进行辐射校正。
辐射校正可以消除大气散射和吸收引起的影响，使得遥感影像能够更准确地反映地物的真实特征。
三、几何校正遥感影像在获取过程中存在着不可避免的几何畸变，需要进行几何校正。
几何校正可以将遥感影像的像素位置与地理位置进行对应，使得影像能够与地理信息数据相匹配。
四、影像拼接如果获取到的遥感影像数据较大，需要进行影像拼接。
影像拼接可以将多个影像拼接成一个完整的影像，提供更广阔的地理范围和更丰富的信息。
五、影像增强影像增强是为了提高遥感影像的视觉效果和信息提取能力。
常见的影像增强方法包括直方图均衡化、滤波等。
六、去噪处理遥感影像数据中常常包含各种噪声，需要进行去噪处理。
去噪处理可以提高影像的清晰度和信息质量。
七、影像切割根据具体的需求，可以对遥感影像进行切割，提取感兴趣的区域或目标。
影像切割可以减少后续处理的数据量，提高处理效率。
八、数据格式转换根据不同的应用需求，遥感影像的数据格式可能需要进行转换。
数据格式转换可以使得遥感影像能够被不同的软件和平台所识别和使用。
九、数据融合多源遥感影像数据可以通过数据融合的方法进行融合，提供更综合、全面的信息。
常见的数据融合方法包括像素级融合、特征级融合等。
遥感影像预处理的正确步骤包括获取遥感影像数据、辐射校正、几何校正、影像拼接、影像增强、去噪处理、影像切割、数据格式转换和数据融合。
这些步骤可以保证遥感影像的质量和准确度，为后续的数据分析和应用提供有力支持。
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
图像处理遥感图像预处理
图像处理遥感图像预处理实验二遥感图像预处理一、背景知识一幅遥感数据拿到手后，首先要做的常常是赋予遥感图像的地理坐标系统。
方法有地理校正和地理配准两种。
地理校正是在遥感图像上选取控制点，然后赋予控制点的真实坐标达到校正图像和获取地理参考的目的。
地理配准是选取一个有相同覆盖范围的已有坐标系统和假定没有变形的图像或图形为参考系，达到校正原始图像的目的。
第二种方法使用的最多。
图像校正后，由于关心的区域可能只是图像的一部分获分布于几个图像，这时要对图像进行裁减和镶嵌。
二、实验目的1. 了解遥感数据预处理的内容、步骤，需要准备的材料。
2. 能使用常用的预处理内容三、实验内容(2学时)1. 遥感图像校正2. 图像投影变换;3. 图像分幅剪裁;4. 图像拼接处理;四、实验准备(1) 软件ERDAS IMAGINE Professional 8.5版本以上。
(2) 系统样例数据。
需要校正的Landsat TM图像:tmAtlanta.img作为地理参考的校正过的SPOT图像:panAtlanta.img用于拼接处理的图像wasia1_mss.img、wasia2_mss.img五、实验步骤、方法1. 遥感图像校正(1) 分别打开两个视图窗口，在其中分别打开图像tmAtlanta.img和panAtlanta.img。
(2) 选择Image Geometric Correction打开校正选项窗口。
(3) 选择From Viewer，点击Select Viewer，然后在panAtlanta.img视图窗口上单击。
采用影像—影像的校正模式。
校正算法采用多项式方法。
(4) 确定多项式系数为2。
(5) 点选Set Projection from GCP Tool，设置投影参照类型。
(6) 选择Existing Viewer，即以现有视图中的图像投影为配准依据。
(7) 确定后，打开校正对话框布局。
完成控制点的采集后，实行对图像进行校正。
遥感图像预处理
遥感图像预处理遥感图像一般处理流程包括以下几项：数据源选择—图像输入与浏览—图像预处理（几何校正。
图像融合。
图像镶嵌。
裁剪。
大气校正等）--图像信息提取（人工解释自动分类特征提取动态监测等）--成果报告与应用（制图 Gis 共享）在这里着重介绍遥感图像预处理，遥感图像预处理在遥感图像处理占有十分重要位置。
图像预处理包括；几何校正。
图像融合。
图像镶嵌。
裁剪。
大气校正等1.几何校正：纠正系统和非系统因素引起的几何畸变。
引起图像畸变因素系统误差有规律的、可预测的。
比如扫描畸变非系统误差无规律的如传感器平台的高度、经纬度、速度和姿态的不稳，地球曲率及空气折射，地形影响等图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准，以使两幅图像中的同名像素配准。
图像纠正：借助一组控制点，对一幅图像进行地理坐标的校正。
又叫地理参照图像地理编码：特殊的图像纠正方式，把图像矫正到一种统一标准的坐标系。
图像正射校正：借助于地形高程模型（DEM），对图像中每个像元进行地形的校正，使图像符合正射投影的要求。
几何粗校正：校正系统误差，地面站完成地理参照：利用数据自带参数进行几何校正。
几何精校正（常简称为几何校正）：基于地面控制点，利用几何校正模型，构建图像与地面坐标/与图像之间的几何关系完成几何校正，当控制点选择源是图像（有地理坐标）时候，又属于图像配准范畴。
图像配准：基于两幅图像之间的同名点，利用几何校正模型，构建图像与图像之间的几何关系完成几何校正，基准图像不一定有地理坐标。
正射校正：结合传感器的姿态参数、地面控制点以及高精度的D EM 数据进行的几何校正图像预处理——几何校正（常见几个形式）几种常见几何校正形式：卫星轨道参数（全自动）地面控制点（同名点）+校正模型（人机交互）RP C 文件+地面控制点+DE M （人机交互）.图像预处理——几何校正（控制点获取）地面控制点获取途径基础数据基础测绘数据数字线画图（DL G ）数字栅格图（DR G ）影像数据正射影像（DO M ）实地测量（GP S ）地面控制点实质：找到待校正图像上的点对应真实的坐标值图像预处理——几何校正（控制点质量控制）图像选点原则（正射纠正不适用）选取图像上易分辨且较精细的特征点：道路交叉点，河流弯曲或分叉处，海岸线弯曲处，飞机场，城廓边缘等特征变化大的地区需要多选图像边缘部分一定要选取控制点尽可能满幅均匀选取数量原则在图像边缘处，在地面特征变化大的地区，需要增加控制点保证一定数量的控制点，不是控制点越多越好。
4-遥感图像预处理
第四章数据预处理4.1 坐标定义与投影转换图像预处理时遥感数字图像处理中非常重要的环节，也是空间信息提取之前首先要做的工作。
主要包括图像几何校正、图像融合、图像镶嵌和图像裁剪等一般过程。
4.1.1 坐标定义ENVI中的坐标定义文件存放在ITT\IDLxx\products\envixx \map_proj 文件夹下。
三个文件记录了坐标信息：ellipse.txt：椭球体参数文件。
datum.txt：基准面参数文件。
map_proj.txt：坐标系参数文件。
在ENVI中自定义坐标系分三步：定义椭球体、基准面和定义坐标参数。
1、定义椭球体语法为<椭球体名称>，<长半轴>，<短半轴>。
这里将“Krasovsky, 6378245.0, 6356863.0”和“IAG-75, 6378140.0, 6356755.3”加入ellipse.txt末端（图2-1）。
图2-1 定义地球椭球体ellipse.txt文件中已经有了克拉索夫斯基椭球，由于翻译原因，这里的英文名称是Krassovsky。
为了让其他软件平台识别，这里新建一个Krasovsky椭球体。
2、定义基准面语法为<基准面名称>，<椭球体名称>，<平移三参数>。
这里将“Beijing-54, Krasovsky, -12, -113, -41”和“Xi'an-80,IAG-75,0,0,0”加入datum.txt 末端（图2-2）。
图2-2 定义大地基准面有的时候为了与其他软件平台兼容，基准面的名称需要写成所用的椭球体名称。
3、定义坐标（1）选择主菜单Map→Customize Map Projection命令；（2）在Customized Map Projection Definition窗口中设置地图投影的参数（图2-3）；图2-3 定义地图投影关参数说明：Projection Name：定义投影名称；Projection Type：定义投影类型，这里选择Transverse Mercator；Projection Datum:定义大地基准面，这里选择之前定义的Beijing-54；False easting：定义东偏移的距离500km；Latitude of Projection origin：定义投影的起始维度；Longitude of central meridian：定义中央经线；Scale factor：定义缩放倍率。
遥感图像预处理共40页
谢谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
Байду номын сангаас
遥感图像预处理
6、纪律是自由的第一条件。——黑格 尔 7、纪律是集体的面貌，集体的声音， 集体的 动作， 集体的 表情， 集体的 信念。 ——马 卡连柯
8、我们现在必须完全保持党的纪律， 否则一 切都会 陷入污 泥中。 ——马 克思 9、学校没有纪律便如磨坊没有水。— —夸美 纽斯
10、一个人应该：活泼而守纪律，天 真而不 幼稚， 勇敢而 鲁莽， 倔强而 有原则 ，热情 而不冲 动，乐 观而不 盲目。 ——马 克思
遥感图象处理Ⅰ(图像预处理)
实验二遥感图象处理Ⅰ（图像预处理）1.1 概述图像预处理包括图像几何校正，图像裁剪处理和图像镶嵌处理三个部分。
由于遥感系统空间、波谱、时间以及辐射分辨率的限制，很难精确地记录复杂地表的信息，因而误差不可避免地存在于数据获取过程中。
这些误差降低了遥感数据的质量，从而影响了图像分析的精度。
因此在实际的图像分析和处理之前，有必要对遥感原始图像进行预处理。
经过预处理工作，针对遥感图像的变换、增强、分类等工作将会变得更加得心应手。
1.2 实验目的1通过本次上机实验，掌握遥感图像几何校正、裁剪与镶嵌处理的基本方法和步骤。
2深刻理解遥感图像预处理的意义。
3熟悉ERDAS数据预处理模块。
1.3 实验原理几何校正是利用地面控制点进行，用一种数学模型来近似描述遥感图像的几何畸变过程，并利用标准图像与畸变的遥感图像之间的一些对应点（地面控制点数据对）求得这个几何畸变模型，然后利用此模型进行几何畸变的校正，这种校正不考虑畸变的具体形成原因，而只考虑如何利用畸变模型来校正遥感图像。
步骤大致包括GCP（地面控制点）的选取、多项式纠正模型的选择、重采样，内插方法的选择三个环节。
如果工作区域较小，只要一景遥感图像中的局部就可以覆盖的话，就需要进行遥感图像裁剪处理。
同时，如果用户只关心工作区域之内的数据，而不需要工作区域之外的图像，同样需要按照工作区域边界进行图像裁剪。
于是就出现规则裁剪与任意多边形裁剪等类型。
如果工作区域较大，需要用两景或者多景遥感图像才能覆盖的话，就需要进行遥感图像镶嵌处理。
遥感图像镶嵌处理即将经过几何校正的若干相邻图像拼接成一副图像或一组图像。
注意：需要拼接的输入图像必须含有地图投影信息，且必须具有相同的波段数，但是可以具有不同的投影类型，像元大小也可以不同。
在进行图像镶嵌时，需要确定一副参考图像，参考图像将作为输出镶嵌图像的基准，决定镶嵌图像的对比度匹配，以及输出图像的地图投影，像元大小和数据类型。
1.4 实验过程1.4.1 遥感图像几何校正第1步：显示图像文件首先，在ERDAS图标面板中单击Viewer图标两次，打开两个视窗（Viewer#1/Viewer#2）。
《遥感图像预处理》PPT课件
〔2〕色调：是色彩彼此相互区分的特性。
〔3〕饱和度：是色彩纯洁的 程度，即光谱 中波长段是否窄，频率是否单一的表示。
3、颜色立体
〔1〕颜色立体：中间垂直轴代说明度 ；中间 水平面的圆周代表色调；圆周上的半径大小 代表饱和度。
2. 数字化：将连续的图像变化，作等间距的抽样 和量化。通常是以像元的亮度值表示。数字量 和模拟量的本质区别：离散变量，连续变量。
3. 数字图像的表示：矩阵函数
数字图像直方图：以每个像元为单位，表示图 像中各亮度值或亮度值区间像元出现的频率的分布 图。
直方图的作用 ✓ 正态分布：反差适中，亮度分布均匀，层次丰
时，与大气层发生散射作用和吸收作用。 吸收作用直接降低地物的辐射能量，引起 辐射畸变。散射作用除降低地物的辐射能 量外，大气散射的局部辐射还会进入传感 器，直接叠加在目标地物的辐射能量之中， 成为目标地物的噪声，降低了图像的质量。
§2 辐射校正
一、遥感图像的辐射误差主要有三个因素 光照条件 光照条件的不同也会引起辐射畸变，如 太阳高度角、地面坡度等，都会引起辐 射的畸变
加色法与减色法的区别: 减法三原色:黄、品红、青
三、光学增强处理
✓ 图像的光学增强处理方法具有精度高， 反 映目标地物更真实，图像目视效果好等优点， 是遥感图像处理的重要方法之一。
✓ 计算机图像处理的优点在于速度快、操作简 单、效率高等优点，有逐步取代光学方法的 趋势。
1. 彩色合成 ➢ 加色法彩色合成 ➢ 减色法彩色合成
〔2〕颜色比照：在视场中， 相邻区域的不同颜色的相互 影响叫做颜色比照。两种颜 色相互影响的结果，使每种 颜色会向其影响色的补色变 化。在两种颜色的边界，比 照现象更为明显。因此，颜 色的比照会产生不同的视觉 效果。
如何进行遥感图像的处理与分析
如何进行遥感图像的处理与分析遥感技术是指通过卫星、飞机等远程手段获取地球表面信息的一种技术，它具有广泛的应用领域，包括环境监测、农业、城市规划等。
遥感图像的处理和分析是遥感技术的重要组成部分，它能够帮助我们从海量的遥感数据中提取有效信息，为决策提供科学依据。
本文将介绍如何进行遥感图像的处理与分析。
一、遥感图像的预处理遥感图像的预处理是图像处理的第一步，它主要包括图像校正、辐射校正和大气校正等。
图像校正是将图像转换为常用的坐标系统，如UTM坐标系或地理坐标系，以便进行后续的分析。
辐射校正是将图像的数字值转换为表面反射率，以消除光照条件的影响。
大气校正是消除大气散射对图像的影响，使得图像更加准确和可靠。
二、遥感图像的特征提取特征提取是从遥感图像中提取与研究对象有关的信息特征。
常用的特征包括光谱特征、纹理特征和形状特征等。
光谱特征是指通过对不同波段的遥感图像进行统计和分析，来获取地物的光谱信息。
纹理特征是指通过分析图像中的纹理变化来获取地物的纹理特征。
形状特征是指通过对地物的形状进行测量和分析，来获取地物的形状信息。
这些特征能够帮助我们对地物进行分类和识别。
三、遥感图像的分类与识别遥感图像的分类与识别是将图像中的像素或区域划分成不同的类别，并将其与标志样本进行比较，以实现遥感图像的自动解译和分析。
常用的分类方法包括有监督分类和无监督分类。
有监督分类依赖于标志样本，通过训练分类器来实现图像的分类。
无监督分类则是根据图像的统计特征对图像进行自动聚类。
分类和识别的准确性往往取决于样本的选择和分类器的性能。
四、遥感图像的变化检测遥感图像的变化检测是指通过对多期遥感图像进行比较和分析，来获取地物变化的信息。
常用的变化检测方法包括像元级变化检测和目标级变化检测。
像元级变化检测通过对图像的像素进行比较，来获取地物的变化信息。
目标级变化检测则是通过对地物的目标进行分析，来获取地物变化的信息。
变化检测能够帮助我们了解地表环境的动态变化和变化原因。
《遥感图像预处理》课件
通过线性或非线性变换来调整像素强度范围，增强图像的对比度。
对比度拉伸
通过增强高频分量来增强图像的边缘和细节信息。
锐化滤波
通过将图像的低频和高频分量分离并分别处理，增强图像的对比度和细节信息。
同态滤波
02
01
03
04
05
遥感图像的融合处理
06
图像融合是将多源信道所采集到的关于同一目标的图像，通过一定的图像处理和信息融合技术，提取各自信道的信息并最终复合在一起，形成高质量、全面、准确的图像。
THANKS
几何校正的方法
遥感图像的噪声去除
04
VS
噪声去除是遥感图像预处理中的重要步骤，旨在减少或消除图像中的噪声，提高图像质量。
意义
噪声是影响遥感图像质量的主要因素之一，去除噪声有助于提高图像的视觉效果、降低后续分析的误差，为遥感应用提供更准确、可靠的数据基础。
定义
基于图像的统计特性，通过滤波、变换等技术手段，将噪声与图像信号分离，从而达到去除噪声的目的。
意义
原理
基于图像的数学模型和物理模型，通过一定的算法和技术，对图像的像素值进行变换和处理，以达到增强图像的目的。
方法
直方图均衡化、对比度拉伸、锐化滤波、同态滤波、傅里叶变换等。
通过拉伸像素强度分布范围来增强图像的对比度。
直方图均衡化
将图像从空间域变换到频率域，通过增强高频分量或抑制低频分量来增强图像的3
几何校正的定义
几何校正是指将原始的遥感图像经过一系列的变换，使其与标准地图或参考地图在几何位置上对齐的过程。
几何校正的意义
几何校正是遥感图像预处理的重要步骤，它能够纠正图像中由于传感器、地球曲率、地球自转等因素导致的几何畸变，提高遥感图像的精度和可靠性，为后续的图像分析和应用提供准确的基础数据。
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。
遥感导论课程报告遥感图像一般预处理流程ppt课件
几何校正模型
主要有： 仿射变换（RST） 多项式 局部三角网（Delaunay Triangulation）
图像配准
经常在实际数据生产中会遇到，同一地区的图像 或者相邻地区有重叠区的图像，由于几何校正误 差的原因，重叠区的相同地物不能重叠，这种情 况对图像的融合、镶嵌、动态监测等应用带来很 大的影响。遇到这种情况，可以利用重叠区的匹 配点和相应的计算模型进行精确配准。
地球曲率及空气折射，地形影响等
几何校正：纠正系统和非系统因素引起的几 何畸变。
背景知识——卫星姿态引起的图 像变形
背景知识——动态扫描图像的变 形
几何校正模型
主要有： 仿射变换（RST） 多项式 局部三角网（Delaunay Triangulation）
几何粗校正
几何粗校正：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。
Modis传感器参数
校 正 前
校 正 后
在google earth上显示校正后 的结果
几何精校正
基于地面控制点，利用几何校正模型，构建图像 与地面坐标/与图像之间的几何关系完成几何校 正，当控制点选择源是图像（有地理坐标）时候， 又属于图像配准范畴。
多项式模型 x=a0+a1x+a2Y+a3x2+a4xy+a5y2+…… y=b0+b1x+b2Y+b3x2+b4xy+b5y2+…… 最少控制点个数 N=（n+1）*（n+2）/2 误差计算 RMS Eerror=sqrt（（x’-x）2+（y’-y）2）
3-遥感图像预处理
Coordinate System）
（Projected Coordinate System）
3.3自定义坐标系——大地坐标
•
在地面上建立一系列相连接的三角形，量取一段 精确的距离作为起算边，在这个边的两端点，采 用天文观测的方法确定其点位（经度、纬度和方 位角），用精密测角仪器测定各三角形的角值， 根据起算边的边长和点位，就可以推算出其他各 点的坐标。这样推算出的坐标，称为大地坐标。
椭球体参数文件 基准面参数文件 坐标系参数文件
ENVI/IDL
本节收获
• 了地理投影的基本原理，大地坐标的概念
• 了解北京54、西安80坐标系的由来及其参数 • 掌握了在ENVI下如何自定义坐标系，包括添加椭
球体、基准面和定义坐标系
• 在ENVI下自定义了北京54
19度带（6度分带）的 坐标系，以便后续专题的使用
133enviidl35spotpan正射纠正比例尺变化?在影像的铅直方向也有同样的影响房子的宽度是恒定的8m而在影像上的体现却各有不同这说明各处的比例尺是变化的enviidl35spotpan正射纠正传感器姿态方位要进行三角测量就要给定软件计算或估计出的空间传感器的位置和方位123enviidl35spotpan正射纠正推帚扫描透视中心传感器的系统误差?数据是沿扫描线获取的每条扫描线都有自己的透视中心?每条扫描线的传感器位置和方向都不同?多项式的纠正只能针对分辨率比较低的卫星影像而对于高分辨率的卫星影像我们需要严格的物理模型如dim原数据或者是有理函数多项式进行模拟卫星参数如rpc参数
像重采样生成成一副高分辨率多光谱影像遥感的 图像处理技术，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。
• 图像融合除了要求融合图像精确配准外，融合方