第二讲：遥感图像预处理_
第二讲 高空间分辨率遥感图像预处理
第二讲 高空间分辨率遥感图像预处理
像元排列 2
像元排列 1 = 输入 (有畸 变的)
像元排列 2 = 输出 (校正 后的)
像元排列 1 几何位置正确的输出像元的矩阵，叠加在初始有畸变的矩阵之上
HRS/Institute of Remote Sensing Applications, CAS
第二讲 高空间分辨率遥感图像预处理 3. 几何校正—多项式纠正
• 基本思想：图象变形规律可以看作为平移、缩放、 旋转、仿射、偏扭和弯曲等形变的合成。
• 基本过程：利用有限个地面控制点的已知坐标，解 求多项式的系数，然后将各像元的坐标代入多项式 进行计算，便可求得纠正后的坐标。
HRS/Institute of Remote Sensing Applications, CAS
几何畸变的校正对遥感数字图像的定量分析及位置配准 具有重要意义。
HRS/Institute of Remote Sensing Applications, CAS
第二讲 高空间分辨率遥感图像预处理 3. 几何校正--几何畸变产生的原因：
(1)遥感平台位置和运动状态变化的影响； (2)地形起伏的影响； (3)地球表面曲率的影响； (4)大气折射的影响； (5)地球自转的影响。
HRS/Institute of Remote Sensing Applications, CAS
第二讲 高空间分辨率遥感图像预处理
瞬时视场角
扫描仪瞬时视场所对应的地面实际大小。 扫描镜在一瞬时时间可以视为静止状态，此时，接受到的目标地物的电 磁波辐射，限制在一个很小的角度之内，这个角度被称为瞬时视场角。
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。
遥感图像处理技术的基本步骤
遥感图像处理技术的基本步骤遥感图像处理技术是利用卫星、飞机等遥感平台获取的图像数据进行分析和处理的一项重要技术。
它可以帮助我们了解地表现象和环境变化，为资源利用、灾害监测和环境保护提供有力的支持。
本文将介绍遥感图像处理技术的基本步骤，并探讨其在不同领域中的应用。
一、图像预处理图像预处理是遥感图像处理的第一步，目的是对原始图像进行校正和增强，以减少噪声、消除系统误差并提高图像质量。
常见的图像预处理方法包括大气校正、辐射校正、几何校正和噪声过滤等。
大气校正可以消除大气传输对图像的影响，使图像更加真实可靠；辐射校正可以将原始图像的辐射值转换为反射率或亮度温度，以便进一步分析；几何校正可以校正图像的几何畸变，使图像与真实地理位置对应准确；噪声过滤可以降低图像的噪声水平，提高图像的清晰度和解译能力。
二、图像数据解译图像数据解译是遥感图像处理的核心环节，它通过对图像的特征提取和分类识别，从图像中提取出我们感兴趣的信息。
特征提取可以通过计算图像的纹理特征、形状特征和光谱特征等，来描述和区分地物的不同属性。
分类识别则是将提取出的特征与已知地物类别进行对比，将图像中的像素进行分类。
常见的分类方法有监督分类和非监督分类。
监督分类需要提供一些训练样本，训练分类器进行分类；非监督分类则是根据图像的统计特性，自动将图像进行分类。
三、图像信息提取图像信息提取是遥感图像处理的下一步，它通过进一步分析图像数据，提取出我们所需要的地理、生态或环境信息。
常见的图像信息提取包括土地利用/覆盖分类、植被指数计算、水体边界提取和灾害监测等。
土地利用/覆盖分类可以对图像中的地物进行识别，如农田、森林、草地等；植被指数计算可以评估植被的生长状况和覆盖度，如归一化植被指数（NDVI）；水体边界提取可以通过分析图像的光谱信息，识别出水体的边界和分布；灾害监测可以通过对图像的变化分析，及时发现和评估地质灾害的风险。
四、图像结果分析图像结果分析是遥感图像处理的最后一步，它主要是对处理后的图像结果进行定量或定性分析，验证处理方法的有效性和结果的可靠性。
简述光学遥感影像预处理的大概过程
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获取高质量遥感数据的关键步骤之一。
它涉及数据获取、几何校正、大气校正、降噪和图像增强等一系列处理过程，为后续的分析和应用提供清晰、准确的数据基础。
在本文中，将以序号标注的方式，简述光学遥感影像预处理的大概过程，并分享个人观点和理解。
1. 数据获取光学遥感影像预处理的第一步是获取原始影像数据。
这些数据可以来自于遥感卫星、无人机或其他航空平台。
在获取数据之前，需要考虑影像的空间分辨率、光谱分辨率和时间分辨率等特征，以确保数据的适用性和可靠性。
2. 几何校正几何校正是将原始影像数据与地理参考系统对齐的过程。
它涉及几何校正、辐射定标和投影转换等步骤。
几何校正的目的是消除影像中的空间畸变，使其能够准确地表示地球表面的特征。
3. 大气校正大气校正是消除大气散射对遥感影像的影响。
大气校正的目标是校正影像中的大气影响，以恢复地表反射率的真实值。
这个过程通常需要使用大气校正模型和气象数据来估算和修正大气散射。
4. 降噪降噪是为了提高影像质量而采取的一系列去除不必要噪声的操作。
常用的降噪方法包括平滑滤波、小波变换和空间域滤波等。
降噪过程的目的是减少影像中的噪声和杂乱信息，以提高图像的清晰度和可解释性。
5. 图像增强图像增强是为了改善影像的观感效果而进行的一系列处理。
常见的图像增强方法包括对比度拉伸、直方图均衡化和空域滤波等。
图像增强的目标是突出影像中的特定信息，使其更容易被人眼识别和解释。
总结起来，光学遥感影像预处理的大概过程包括数据获取、几何校正、大气校正、降噪和图像增强。
通过这些处理步骤，原始的遥感影像数据可以被处理成高质量、准确的数据，为后续的分析和应用提供可靠的基础。
个人观点和理解：光学遥感影像预处理是获取高质量遥感数据的重要环节，它对于遥感应用和研究具有重要意义。
在预处理的过程中，几何校正和大气校正是两个关键的步骤。
几何校正可以消除影像中的空间畸变，使其能够精确地表达地球表面的特征。
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。
遥感图像预处理
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。
遥感图像处理和分析的技术方法
遥感图像处理和分析的技术方法遥感图像处理和分析技术是利用遥感技术获取的图像数据进行数字化处理和分析的一种方法。
随着卫星遥感技术的发展和应用范围的不断扩大，遥感图像处理和分析已经成为了自然资源调查、环境监测、城市规划等领域中不可或缺的技术手段。
本文将介绍一些常用的遥感图像处理和分析的技术方法。
一、图像预处理图像预处理是指在进行图像分析前对图像进行一系列的处理，以消除图像噪声、增强图像特征、纠正图像畸变等。
常见的图像预处理方法有去噪、增强、几何校正等。
去噪是图像预处理的重要一步。
常用的去噪方法有中值滤波、均值滤波等。
中值滤波是通过取像素周围区域内的中值来替代原始像素值，从而实现去除噪声的效果。
而均值滤波是通过取像素周围区域内的平均值来替代原始像素值。
根据图像的特点和需求，可以选择不同的去噪方法。
增强是为了使图像中的目标更加清晰可见。
常用的增强方法有直方图均衡化、滤波处理等。
直方图均衡化是根据图像的直方图将图像的灰度值进行重新分配，从而达到增强图像对比度的效果。
滤波处理可以通过选择合适的滤波算子对图像进行滤波，从而增强图像的边缘和细节。
几何校正是对图像进行坐标或形状方面的纠正。
常见的几何校正方法有正射纠正、影像配准等。
正射纠正是将原始图像的像素映射到地面坐标上，从而实现图像上的长度、面积等量的真实测量。
影像配准是通过寻找图像间的对应关系，将多幅图像进行几何纠正，使它们在坐标和形状上保持一致。
二、图像分类图像分类是指将遥感图像中的像素按照一定的规则和方法进行划分、归类的过程。
常见的图像分类方法有基于像素的分类、基于对象的分类等。
基于像素的分类是将遥感图像中的每个像素单元独立地进行分类。
常用的基于像素的分类方法有最大似然分类、支持向量机（SVM）分类等。
最大似然分类是根据统计学原理，通过最大化每个像素像属于某个类别的概率来进行分类。
而SVM分类则是通过构建一个超平面，将不同类别之间的间隔最大化，从而实现分类。
遥感图像处理操作指南_第二讲.
遥感图像处理操作指南第二讲一．多项式纠正（1）打开两幅图像，左边是待配准图像，右边是参考图像。
在待配准图像窗口菜单栏上打开Raster/Geometric Correction,弹出如下对话框：（2）拖动下拉菜单，选择Polynomial。
弹出如下对话框：Polynomial为多项式的阶数，一般选为1，2。
3或以上阶数会导致模型不稳定。
通过公式(t+1)(t+2)/2来确定所需选点的最少个数（t为多项式阶数）。
我们这里选1。
完成后点击Apply。
（3）选择Projection/Set Projection from GCP Tool,弹出如下对话框：（3）选择第一项Existing Viewer,弹出如下对话框：（4）单击参考图像的Viewer，即可完成关联。
关联完成后，弹出如下对话框，显示地理坐标信息。
（5）点击OK则弹出一下对话框：（6）选点：点击按钮分别在两幅图像上选点。
选点完成后，点击GEO CORRECTION TOOLS对话框中的按钮，对图像进行重采样，如下图所示：●输出图像文件名(output file):●选择重采样方法(Resample Method):Bilinear Interpolation●定义输出图像像元大小。
●输出图像尺寸与参考图像一致。
（7）选择OK启动重采样进程，并关闭Image Resample 对话框。
备注：●设置多项式系数为1或2，尽量少用3次多项式，会导致图像畸变较大。
对于平原地区次数为1足够。
●找控制点技巧：先设置为1次多项式，在图像4个角布点，之后的点就可以让ERDAS自动计算，然后手工微调。
找到7个点后可以设置为2次多项式自动计算点。
●为减少平面中误差，对于2次多项式通常要求找30-40个点。
更多的点不会明显改善纠正的精度对于山区，无论找多少点可能纠正精度都不够，这时候需要正射纠正来处理。
二．R PC纠正（1）打开两幅图像，在待配准图像菜单栏上打开Raster/Geometric Correction,弹出如下对话框：（2）拖动下拉菜单，选择QuickBird RPC的纠正类型。
(完整版)遥感影像预处理
遥感影像预处理预处理是遥感应用的第一步，也是非常重要的一步。
目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。
预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。
本小节包括以下内容：∙ ∙ ●数据预处理一般流程介绍∙ ∙ ●预处理常见名词解释∙ ∙ ●ENVI中的数据预处理1、数据预处理一般流程数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。
图1数据预处理一般流程各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。
2、数据预处理的各个流程介绍（一）几何精校正与影像配准引起影像几何变形一般分为两大类：系统性和非系统性。
系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。
在做几何校正前，先要知道几个概念：地理编码：把图像矫正到一种统一标准的坐标系。
地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。
图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准影像几何精校正，一般步骤如下，（1）GCP（地面控制点）的选取这是几何校正中最重要的一步。
可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。
选取得控制点有以下特征：1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等；2、地面控制点上的地物不随时间而变化。
GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。
卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。
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
遥感图像预处理ppt课件
- 以SPOT PAN正射纠正结果作为基准影像，对TM影像进 行图像配准；用工程区矢量数据（河北襄樊市部分区 域）分别裁剪SPOT和TM影像，对裁剪结果进行图像融 合，得到工程区域10米的多光谱影像。
3.2基于影像自带地理定位文件几何校正
• 对于重返周期短，空间分辨率较低的卫星数据， 如AVHRR、Modis、SeaWiFS等，地面控制点的选择 有相当的难度。我们可以用卫星传感器自带地理 定位文件进行几何校正，校正精度主要受地理定 位文件的影响。
- 主菜单->Map->Orthorectification->spot-> Orthorectify SPOT with Ground Control
3.6 Landsat7影像几何校正
• Landsat7影像数据是从网上免费下载的，是LPGS 格式的L1T级别格式，已经经过一定的几何校正和 DEM校正，使用UTM WGS84的坐标系统。
RapidEye
模型
文件
RPC
RPC文件(. rpc)
RPC
RPC文件(.met)
RPC
RPC
文
件
PRODUCT_RPC.TXT
Pushbroom Sensor 星 历 参 数 文 件
(METADATA.DIM)
RPC
RPC文件（_rpc.txt）
RPC
RPC文件(_metadata.pvl)
RPC
• 数据：
- 5-SPOT PAN正射纠正
练习6-2
• 内容：
- 自定义RPC参数 - 使用控制点
• 数据：
- 5(1)-自定义RPC正射纠正
遥感图像预处理
遥感图像预处理实验报告学院：扌旨导教师：________ 刘志宏________________2011 年3月30日实验项目名称：熟悉遥感软件、图像预处理实验目的：1知道如何下载遥感图像。
2 、熟悉遥感软件，了解图像大小、投影、直方图信息，了解软件的各项功能。
3 、对下载的自己家乡的遥感数字图像进行单波段到多波段的合成。
4、对已经合成好的多波段遥感数字图像进行裁减。
5、对已经裁减好的遥感数字图像进行图像的拼接。
6、对合成的多波段的遥感数字图像进行投影变换。
实验原理：ERDAS IMAGINE 是一款遥感图像处理系统软件。
ERDAS IMAGINE 是美国ERDAS公司开发的遥感图像处理系统。
它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS （遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势。
数据来源：国际科学数据服务平台---数据检索---Landsat 卫星---四川省宜宾市屏山县，数据标识LT51290402005216BJC00，条带号129,行编号40，中心纬度28.87，中心经度104.12，日期20050804,平均云量5%波段数3 （第三个波段图像无法正常下载，总是会损坏）。
实验过程：1、下载遥感图像：打开国际科学数据服务平台主页，点击数据检索栏下的LANDSA■卫星检索。
从中国地图中找到宜宾市屏山县，圈出一个大致区域，选择TM图像，点击查询进行下载。
如下图（我选择第二个）：2、多个单波段图像合成多波段图像：打开ERDAS，依次点击操作，In terpreter-Utilities-Layer select ion and stack in g-I nput File 添加单波段遥感数字图像-Add，把所有准备合成的单波段图像全部添加完毕，再操作-Output File，命名合成图像和选择它的存储位置。
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》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。
- 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)。
中国科学院遥感应用研究所
4,坡度坡向校正
中国科学院遥感应用研究所
按照上式计算,如果第i行是一个坏行或坏列,由于坏行或坏列上所有 像元都是零级灰值,故mi和di计算出来也为零值,最后计算的Gij的灰 度值应该等于整个像幅灰度值的平均值M,即计算出来第 i 行(列) 的所有像元的灰值都相等(也即等于某一常数时),说明第 i 行(列 )是一个坏行(列),需进行处理.
BVi, j,k = Int( BVi-1, j,k + BVi+1, j,k 2 )
(a) 原始影像
(b) 基于参考波段的大气校正结果影像
中国科学院遥感应用研究所
遥感大气校正类型-回归分析归一化多时相影像
多时相影像归一化首先要选取基准影像,然后对不同时相 的所有其他影像的光谱特征进行转换,使它们具有与基准 影像基本相同的辐射量级. 多时相影像归一化包括伪不变特征的选取,通常称之为辐 射地面控制点.伪不变特征具有如下特点:
L1λ =
Rλ TΦλ
π
E0 λ Tθλ S λ cos θ
中国科学院遥感应用研究所
遥感大气校正-大气影响的定量分析(五)
大气对辐射散射后, 来自各个方向的散射又重新以漫入射的形式照射地物,其辐 照度为ED,经过地物的反射及反射路径上大气的吸收进入传感器 ,其亮度值为(此值通常很小,有人主张忽略不计)
遥感图像处理遥感图像预处理
中国科学院遥感应用研究所
mengyu_irsa@ 2009年2月23日
孟瑜
概要
概述 辐射校正 几何校正
中国科学院遥感应用研究所
1,概述
中国科学院遥感应用研究所
概述
虽然已经开发了较为完善的遥感系统,然而,由于地球大气,陆地 和水体非常复杂,用空间,时间,光谱和辐射分辨率均有限的传感器并 不能很好的记录他们.因此,获取数据时产生的误差会降低遥感数据的 质量,并影响随后的人工或计算机辅助影像分析的精度. 遥感数据的两种常见误差为辐射误差和几何误差.
中国科学院遥感应用研究所
概述
辐射误差(rediometric error):利用传感器观测目标的反射 与辐射能量时,传感器所得到的测量值与目标的光谱反射率或 光谱辐射亮度等物理量是不一致的.其中包含了太阳位置条件 ,薄雾等大气条件,或因传感器的性能不完备等条件所引起的 失真. 辐射校正(rediometric calibration):为了正确评价目标的 反射和辐射特性,消除图像中依附在辐射亮度中的各种失真过 程.
Lλ = L1λ + L2 λ + L pλ
L=
RTΦ
π
S ( E 0Tθ cos θ + E D ) + SL p
中国科学院遥感应用研究所
遥感大气校正-大气影响的定量分析(八)
比较以下两个公式:
L'0 λ =
Rλ
π
E0 λ S λ cos θ
L=
RTΦ
π
S ( E 0Tθ cos θ + E D ) + SL p
L0 λ =
Rλ
π
Eλ =
Rλ
π
E 0 λ cos θ
Rλ 是地物反射率; π 是球面度(半球反射)
中国科学院遥感应用研究所
遥感大气校正-大气影响的定量分析(三)
传感器接收信号时 受仪器的影响还有一个系统增益因子 S λ ,这时进入传感器的 亮度值为:
L
' 0λ
=
Rλ
π
E0 λ S λ cos θ
回归分析法 假定某红外波段,存在程辐射为主的大气影响,且亮度增值最小,接 近于零,设为波段a.现需要找到其他波段相应的最小值,这个值一定比 a波段的最小值大一些,设为波段b,分别以a,b波段的像元亮度值为坐 标,作二维光谱空间,两个波段中对应像元在坐标系内用一个点表示. 由于波段之间的相关性,通过回归分析在众多点中一定能找到一条直线 与波段b的亮度Lb轴相交,且
中国科学院遥感应用研究所
遥感探测器系统误差校正-行起始问题
有时,扫描系统在起始扫描行工作不正常,未能采集数据或 数据放到了不恰当的位置.例如,某扫描行的所有像元可能 均被系统地向右平移了1个像元,这就是行起始问题. 行起始量是系统的情况下,可以通过简单的平移来解决这个 问题; 行起始位移量是随机的,需要逐行进行人机交互恢复数据. Landsat-2/3采集的大量MSS数据都存在行起始问题.
大气的主要影响是减少了图像的对比度,使原始信号和 背景信号都增加了因子.
中国科学院遥感应用研究所
遥感大气校正-大气影响的定量分析(九)
无大气时(a)白处亮度值为50,黑处亮度值为0,则亮度对比 C1 =(50-0)/50=1. 当有大气影响时(b),乘上透过率后假定减少10%,亮度值减少到45 ,而由于L2和 Lp 存在,黑白处亮度均增加 10,这样亮度对比变成 C2 =(55-10)/55=9/11.
中国科学院遥感应用研究所
遥感探测器系统误差校正-行或列缺失
若扫描系统(如Landsat MSS或Landsat-7 ETM+)的某个探测器不正常, 就有可能产生一整行没有光谱信息的线.坏行或坏列称为行或列缺失, 其像元值为0,在图像只显示一条黑线; 对于遥感图像可以直接在图像上目视观察该线是否存在,但一般来说, 则要设法让计算机自动查找.采用公式
_
1 2 3
3 5 7
3 5 7
3 5 7
红外波段 La = 2
可见光波段
b
Lb = 5
_
∑ ( L L )( L L ) = 2 β= ∑ (L L )
a a b _ 2 a a
_
_
α = Lb βLa = 1
2 4 6
2
2 4 6
辐射校正后
:
4 6
可见光波段
中国科学院遥感应用研究所
遥感大气校正类型-回归分析法
输出BVi,j,k = 输入BVi, j,k 偏移量
中国科学院遥感应用研究所
遥感大气校正类型-直方图最小值去除法
MSS-7
MSS-4 G
大气影响的灰度直方图
MSS-7 MSS-4
原始影像
G
大气影响校正后的灰度直方图 直方图法大气校正结果影像
中国科学院遥感应用研究所
遥感大气校正类型-回归分析法
L2 λ =
Rλ TΦλ
π
Sλ ED
中国科学院遥感应用研究所
遥感大气校正-大气影响的定量分析(六)
相当部分的散射光 向上通过大气直接进入传感器,这部分辐射称为程辐射度,亮 度为 L .
pλ
中国科学院遥感应用研究所
遥感大气校正-大气影响的定量分析(七)
可见,由于大气影响的存在,实际到达传感器的辐射亮度是前 面所分析的三项之和,即
_
_
La
和 Lb分别为a,b波段亮度的平均值.α是波段a中的亮度为0处波段b
中所具有的亮度.可以认为α就是波段b的程辐射度.校正的方法是将波段 b中每个像元的亮度值减去α ,来改善图像,去掉程辐射. 同理依次完成其他波段的校正.
中国科学院遥感应用研究所
遥感大气校正类型-回归分析法
1 2 3 1 2 3
几何纠正:解决遥感图像的几何变形的问题.
中国科学院遥感应用研究所
2,遥感探测器系统误差校正
中国科学院遥感应用研究所
遥感探测器系统误差校正
常见的由遥感系统引入的辐射误差包括:
y 随机坏像元(散粒噪声) y 行起始/终止问题 y 行或列缺失 y 行或列部分缺失 y 行或列条纹
数字图像处理技术有时可以修复误定标的光谱信息使之与 正确的实测数据相对一致.然而,对于那些没有获得数据 的区域.有时只能做修饰性的调整.
中国科学院遥感应用研究所
遥感探测器系统误差校正-随机坏像元
随机坏像元:一个探测器未记录某个像元的光谱值,该像 元称为坏像元. 散粒噪声:影像中发现许多这种坏像元. 通常,这些像元的值通常在单个或多个波段中为0或255. 定位坏像元:使用简单的阈值法,标出数据集中所有的亮 度值为0的像元(假设像元为0的像元为散粒噪声,而不是 真正的地面覆盖,如水体) 修复:取该像元8领域的像元,取平均代替
中国科学院遥感应用研究所
遥感大气校正类型-回归分析法
回归分析法
Lb = βLa + α
中国科学院遥感应用研究所
遥感大气校正类型-回归分析法
回归分析法
β是斜率:
∑ ( L L )( L L ) β= ∑ (L L )
a a b b _ 2 a a
_
_
α = Lb βLa
中国科学院遥感应用研究所
可见,对比度 减小,图像质 量下降了
遥感大气校正类型
遥感数据的大气校正:
y 绝对大气校正 y 相对大气校正
中国科学院遥感应用研究所
遥感大气校正类型-直方图最小值去除法
直方图最小值去除法
中国科学院遥感应用研究所
遥感大气校正类型-直方图最小值去除法
直方图最小值去除法 基本思想在于一幅图像中总可以找到某种或某几种地物,其辐 射亮度或反射率接近0,例如,地形起伏地区山的阴影处,反射率 极低的深海水体处等,这时在图像中对应位置的像元亮度值应为0 .实测表明,这些位置上的像元亮度不为零.这个值就应该是大 气散射导致的程辐射度值. 大气效应的校正算法定义为:
(a) 原始图像
中国科学院遥感应用研究所
(b) 结果图
遥感探测器系统误差校正-行或列部分缺失