4-遥感图像预处理

合集下载

遥感导论课程报告遥感图像一般预处理流程ppt课件

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)

遥感图像处理实验报告

遥感图像处理实验报告

遥感图像处理实验报告遥感图像处理实验报告引言:遥感图像处理是一门应用广泛的技术,它通过获取、分析和解释地球表面的图像数据,为地质勘探、环境监测、农业发展等领域提供了重要的支持。

本实验旨在探索遥感图像处理的基本方法和技术,以及其在实际应用中的价值和意义。

一、图像预处理图像预处理是遥感图像处理的第一步,它主要包括图像的去噪、增强和几何校正等操作。

在本实验中,我们使用了一张卫星图像作为样本,首先对图像进行了去噪处理,采用了中值滤波算法,有效地去除了图像中的椒盐噪声。

接着,我们对图像进行了增强处理,采用了直方图均衡化算法,使得图像的对比度得到了显著提高。

最后,我们进行了几何校正,通过对图像进行旋转和缩放,使得图像的几何形状与实际地理位置相符合。

二、图像分类图像分类是遥感图像处理的关键步骤之一,它通过对图像中的像素进行分类,将其划分为不同的地物类型。

在本实验中,我们使用了监督分类方法,首先选择了一些具有代表性的样本像素,然后通过训练分类器,将这些样本像素与不同的地物类型进行关联。

接着,我们对整个图像进行分类,将图像中的每个像素都划分为相应的地物类型。

最后,我们对分类结果进行了验证,通过与实地调查结果进行对比,验证了分类的准确性和可靠性。

三、图像融合图像融合是遥感图像处理的一项重要技术,它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。

在本实验中,我们选择了两幅具有不同波段的卫星图像,通过波段归一化和加权平均的方法,将这两幅图像融合在一起。

融合后的图像不仅保留了原始图像的颜色信息,还具有更高的空间分辨率和光谱分辨率,可以提供更全面和准确的地物信息。

四、图像变化检测图像变化检测是遥感图像处理的一项关键任务,它可以通过对多幅图像进行比较,检测出地表发生的变化情况。

在本实验中,我们选择了两幅具有不同时间的卫星图像,通过差异图像法和指数变化检测法,对这两幅图像进行了变化检测。

通过对比差异图像和变化指数图,我们可以清晰地看到地表发生的变化,如城市扩张、植被变化等,为城市规划和环境监测提供了重要的参考依据。

遥感图像处理

遥感图像处理

遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。

遥感图像处理可以应用于多个领域,包括地理信息系统(GIS)、环境监测、农业、城市规划等。

本文将介绍遥感图像处理的基本概念、常用方法和应用案例。

2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术,以下是一些常用的基本概念:2.1 遥感图像遥感图像是通过遥感设备获取的图像数据,可以是卫星图像、航空摄影图像或无人机图像等。

遥感图像通常包含多个波段,每个波段代表不同的光谱信息。

2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。

预处理的目的是提高图像质量、减少噪声和伪影,并使得图像更适合进行后续处理和分析。

2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。

常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。

2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较,以检测地物、景观或环境发生的变化。

遥感图像变化检测可以用于监测自然灾害、环境变化等。

2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析,提取图像中的有用信息和特征。

遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。

3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。

3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理,以增强图像的可视化效果和信息提取能力。

常用的图像增强方法包括直方图均衡化、滤波(如中值滤波、高斯滤波)和锐化等。

3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。

常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。

3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。

遥感图像处理的基本步骤与技巧

遥感图像处理的基本步骤与技巧

遥感图像处理的基本步骤与技巧遥感技术是指利用航天器、飞机、卫星等高空平台获得的遥感图像进行信息提取和数据分析的过程。

随着科技的不断进步和应用范围的扩大,遥感图像处理已经成为许多领域中的重要工具。

本文将介绍遥感图像处理的基本步骤与技巧,以帮助读者更好地理解和应用这一技术。

一、图像预处理遥感图像预处理是遥感图像处理的第一步,旨在通过去除噪声、辐射校正和几何校正等处理,使图像质量更高,方便后续处理。

其中,去除噪声主要是采用滤波算法,如中值滤波、均值滤波等。

辐射校正主要用于将图像的辐射能量转换为表观反射率,以消除云、阴影等因素的影响。

几何校正是通过对图像进行几何变换,将其与地理坐标系统对齐,以便于后续的地理信息提取。

二、特征提取特征提取是遥感图像处理的核心环节,目的是从遥感图像中提取出具有代表性和区分度的特征信息。

常用的特征包括光谱特征、纹理特征、形状特征等。

光谱特征是指根据图像像素的光谱反射率或辐射能量,提取出不同波段的特征。

纹理特征是指从图像中提取出地物的纹理信息,包括纹理方向、纹理密度等。

形状特征是指从图像中提取出地物的形状信息,包括面积、周长等。

三、分类与识别分类与识别是遥感图像处理中的重要任务,目的是将地物按照其属性进行分类和识别。

常见的分类方法包括监督分类和无监督分类。

监督分类是指根据已知的样本类别信息,通过训练分类器将图像中的地物分到不同的类别中。

无监督分类是指根据图像像素之间的相似性将其分为一定数量的类别。

分类结果可以用于制作地图、监测资源变化等。

四、变化检测变化检测是遥感图像处理中的一项重要任务,主要应用于监测和分析地表物体的变化。

遥感图像在不同时间获取的变化信息可以帮助我们了解自然和人类活动对地表的影响。

常见的变化检测方法包括像素级变化检测和对象级变化检测。

像素级变化检测是指比较两幅图像对应像素之间的差异,以确定变化的位置和类型。

对象级变化检测是指先将图像分割成不同的对象,然后比较不同时间获取的对象之间的差异。

《遥感图像预处理》课件

《遥感图像预处理》课件
《遥感图像预处理》PPT 课件
本课件将介绍遥感图像预处理的定义、步骤、常见方法以及应用领域。同时, 我们将探讨遥感图像预处理的优点、挑战以及未来发展趋势。
遥感图像预处理的定义
遥感图像预处理涉及对获取的遥感图像进行校正、增强和去噪等操作,以提高图像质量和可用性。
遥感图像预处理的步骤
1 图像获取
通过卫星或无人机等手段获得遥感图像。
准确性要求
遥感图像预处理要求高精度的 校正和处理结果,对算法的准 确性有很高要求。
遥感图像预处理的未来发展趋势
1
AI技术应用
人工智能技术的发展将为遥感图像预处
多源数据整合
2
理提供更高效、精确的处理方法。
将多源遥感数据进行整合和融合,提升
信息获取的质量和多样性。
3
自动化处理
自动化算法的应用将进一步提高遥感图 像预处理的效率和可靠性。
2 几何校正
对图像进行几何校正,消除地物形变和畸变。
3 辐射校正
对图像进行辐射校正,将不同波段的图像转 换为表观反射率。
4 增强和去噪
对图像进行增强和去噪处理,以提高视觉效 果和数据质量。
遥感图像预处理的常见方法
直方图均衡化
通过重新分配像素值,增强图 像对比度。
滤波处理
利用滤波器去除图像中的噪声。
遥感图像预处理的优点
1 高效性
遥感图像预处理可以大幅提高图像处理的效率和速度。
2 信息获取
遥感图像预处理可以获取大范围、多时相的地表信息。
3 非侵入性
通过遥感图像预处理,可以获取地表信息而无需实地调查。
遥感图像预处理的挑战
复杂性
遥感图像预处理面临多波段、 高分辨率等复杂图像数据处理。

遥感图像处理的基本步骤和技巧

遥感图像处理的基本步骤和技巧

遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。

遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。

本文将介绍遥感图像处理的基本步骤和技巧。

一、图像预处理图像预处理是遥感图像处理的第一步,目的是改善图像质量,消除噪声和其他不必要的干扰。

常见的图像预处理技术包括辐射校正、大气校正和几何纠正。

辐射校正是将原始图像中的数字数值转换为辐射亮度值,以消除由于不同仪器和观测条件引起的辐射差异。

大气校正则是通过对图像进行大气光校正,消除大气吸收和散射效应,获得更准确的地物辐射亮度信息。

几何纠正是校正图像中的几何畸变,使其与实际地面特征对应。

二、图像增强图像增强是通过增加图像的对比度和清晰度,突出感兴趣的地物信息。

常见的图像增强技术包括直方图均衡化、滤波和波段变换。

直方图均衡化是通过调整图像像素的亮度分布,增强图像对比度。

滤波是通过应用各种滤波器来去除图像中的噪声和模糊。

波段变换是将图像从一种波段转换到另一种波段,以提取不同地物特征。

三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。

常见的特征提取技术包括阈值分割、边缘检测和纹理分析。

阈值分割是将图像分为不同的区域,使每个区域具有相似的亮度或颜色特征。

边缘检测是寻找图像中的边界线,以辅助划分地物边界。

纹理分析是通过提取图像的纹理特征来描述地物的空间结构。

四、分类与识别分类与识别是将特定地物进行分类和识别的过程。

常见的分类与识别技术包括监督分类、无监督分类和目标检测。

监督分类是通过使用已知类别的训练样本,建立分类器对图像进行分类。

无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。

目标检测是在图像中检测和识别特定的目标,例如建筑物、道路等。

五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。

通过对图像分析可以获取地表特征的数量和质量信息,用于环境变化监测、资源管理和规划决策。

遥感图像预处理

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。

遥感图像预处理

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。

第四章遥感数据预处理-影像校正

第四章遥感数据预处理-影像校正
• 大气校正是指大气散射校正,
即消除大气散射对辐射失真 的影响。包括大气的消光 (吸收和辐射)、天空光照 射、路径辐射。
绝对校正示意图
常用大气辐射校正模型
相对辐射校正
• 适用范围: • 归一化单时相遥感影像不同波段间的强度
• 将多时相影像遥感数据各个波段的强度归
一化到某一选定的标准影像上
直方图校正方法
• 由传感器的噪声或磁带等部件的误码率造 根据影像变形情况选取校正模型,不同模型需要控制点数目不同,一阶多项式几何校正(理论最小值):3个控制点;
没有经过色彩调节的拼接影像
成的,其特点是孤立和分散的,往往和周 X,Y,Z:地面坐标;
图像几何校正的基本方法是先建立几何校正的数学模型;
围的亮度值有明显的差别,并且彼此不相 similarly, RPC coefficients c1, …, c20, d1, …, d20 in functions fc and gc
• 地形图矢量化获取等高线 • 立体观测 • Lidar数据直接获取
生理视差是产生立体视觉和判断景物远近的原因。
立体观察是根据立体视觉原理进行的。实施立体观 察,必须是在连续拍摄的两张空中照片的重叠部分 上进行的。
人造立体视觉:空间景物在感光材料上构像,再用 人眼观察构像的像片产生生理视差,重建空间景物的立 体视觉,所看的空间景物称为立体影像,产生的立体视 觉称为人造立体视觉。
20-30个GCP,一般可以满足需求 三阶多项式几何校正(理论最小值):10个控制点; c’ = fc(φ’,λ’,h’)/gc(φ’,λ’,h’)
关。斑点可以通过将图像像元亮度值同它 五阶多项式几何校正(理论最小值):21个控制点;
遥感几何校正-高程数据获取

遥感图像处理流程

遥感图像处理流程

遥感图像处理流程一.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。

图1 消除噪声前图2 消除噪声后(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。

图3 去条纹前图4 去条纹后图5 去条带前图6 去条带后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。

图7 图像配准前图8 图像配准后(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

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。

4-遥感图像预处理

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。

(完整版)遥感影像预处理

(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/硕处理后影傀/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。

遥感实习报告一——遥感图像的预处理

遥感实习报告一——遥感图像的预处理
代表了遥感图像处理系统未来的发展趋势;
ERDAS公司是世界上占最大市场份额的专业遥感图像处理软件公司,全球用户遍布100多个国家,软件套数从1996年的12000套迅速增加到目前的近50,000套。
ERDAS IMAGINE其所有产品均可运行于UNIX或微软Win 2000/WinXP等操作系统上;
四、实习步骤(应附上不同过程中的实习结果,如图形、图像、数字等)
(一)了解ERDAS遥感图像处理软件
1、软件的基本情况
ERDAS IMAGINE是美国ERDAS公司开发的遥感图像处理系统;
具有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集成功能;
2)多波段图像的合成
1、单击 图标,并选择菜单Utilities|Layer Stack命令,打开Layer Selection and Stacking对话框:
2、将5个通道的NOAA数据都添加到一个文件中,组合成一个包含5个通道的文件。
3、然后,用Viewer打开这个组合文件,进行假彩色合成。
4、选择Raster|band combination:
数据类型(type)为:Generic Binary
数据媒体(media)为:File
2、接下来在下面的对话框中,输入相关参数:
Data Fቤተ መጻሕፍቲ ባይዱrmat:BIL;Data Type:Unsigned 8 Bit
Rows:512;Cols:512
3、按照同样的方法将提供的NOAA/AVHRR的5个波段数据全部输入并转换成ERDAS格式(img)。
调整合成的波段组合方案,试一试不同的波段组合方案,看一看组合的效果。

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。

4-遥感图像预处理

4-遥感图像预处理

3参数就是指三个平 移,4参数指三个平 移加上一个比例因 子(缩放) ENVI/IDL
4.1自定义坐标系——投影坐标系
投影坐标系是利用一定的数学 法则把地球表面上的经纬线网表 示到平面上,属于平面坐标系。 数学法则指的是投影类型,

目前我国普遍采用的是高斯— —克吕格投影(圆柱等角投影) ,在英美国家称为横轴墨卡托投 影(Transverse Mercator)。

ENVI/IDL
4.1自定义坐标系——高斯平面直角坐标系

在投影面上,中央子午线和赤道的投影都是直线,并且以中央子 午线和赤道的交点O作为坐标原点,以中央子午线的投影为纵坐 标x轴,以赤道的投影为横坐标y轴。X坐标赤道以北为正,Y坐标 是以东为正,因此在我国x坐标都是正的,y坐标的最大值(在赤
道上)约为330km。为了避免出现负的横坐标,可在横坐标上加
椭球体参数文件 基准面参数文件 坐标系参数文件
• •
六度带中央经线经度的计算:当地中央经线经度 =6°×当地带号-3° 三度带中央经线的计算,3°×当地带号
ENVI/IDL
4.1自定义坐标系——ENVI自定义

1、定义椭球体 <椭球体名称>,<长半轴>,<短半轴>
-
“Krasovsky,6378245.0,6356863.0” “IAG-75,6378140.0,6356755.3”
行计算,目前一些绿色软件已经能够计算。
ENVI/IDL
4.1自定义坐标系——ENVI自定义

坐标定义文件:
-
HOME\ITT\IDL\products\envi48\map_proj 文件夹 下,三个文件记录了坐标信息:
  1. 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. 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. 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)。

打开map_proj.txt,可以看到新建的坐标信息已经自动加入
ENVI/IDL
4.1自定义坐标系——使用自定义坐标系
• • • • • •
试验的栅格数据来自光盘第四章 试验的栅格数据情况为:一幅北京坐标系的栅格数据,投影参数如下: 投影类型:Transverse Mercator 椭球:Krassovsky 基准面:Krassovsky(自定义) 中央经线:117
矢量窗口中选取。纠正可以采用多项式函数、Delaunay 三角测量或旋转、 缩放、平移(RST)等方法来进行。支持的重采样方法包括最临近、双线性
和三次卷积法。

1、几何校正方法
-
1)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。

高斯—克吕格投影示意
ENVI/IDL
4.1自定义坐标系——高斯克吕格投影

想想一个椭圆柱面横套在地球椭球体外面,并与某一条子午线( 此子午线称为中央子午线或轴子午线)相切,椭圆柱的中心轴通 过椭球体中心,然后用一定投影方法,将中央子午线两侧各一定 经差范围内的地区投影到椭圆柱面上,再将此柱面展开即成为投 影面,如图所示,此投影为高斯投影。高斯投影是正形投影的一 种。 高斯平面投影的特点 ①中央子午线无变形; ②无角度变形,图形保持相似; ③离中央子午线越远,变形越大。

做好这个以后可以进行投影转换,前提是必须设定好80坐标系
的信息

选择Map->Convert Map Projecton,进行西安80的坐标转换。
ENVI/IDL
4.2图像几何校正概述

使用Registration 选项可以对图像进行地理坐标定位,或根据基底图像的
几何坐标对其他图像进行纠正。地面控制点可以交互式地在显示窗口和/或
上500km。由于每个带都如此,因此还应在坐标前面再冠以带号 。这种坐标称为国家统一坐标。例如,有一点y=19 623 456.789m,该点位在19带内,位于中央子午线以东,其相对于中 央子午线而言的横坐标则是:首先去掉带号,再减去500 000m, 最后得=123 456.789m。
ENVI/IDL

• •
4.1自定义坐标系——坐标参数获取
• 北京54坐标系
-
大地基准面的参数为三个偏移,即(-12,-113,41,0,0,0,0)
• 西安80坐标系 - 西安80坐标系所用的七个参数有点特殊,因为根据
区域不同,参数也不一样,因此有两种途径获取七 参数
- 1、通过测绘部门获取 - 2、根据三个80坐标系与其他坐标系的同名点坐标值来进
3参数就是指三个平 移,4参数指三个平 移加上一个比例因 子(缩放) ENVI/IDL
4.1自定义坐标系——投影坐标系
投影坐标系是利用一定的数学 法则把地球表面上的经纬线网表 示到平面上,属于平面坐标系。 数学法则指的是投影类型,

目前我国普遍采用的是高斯— —克吕格投影(圆柱等角投影) ,在英美国家称为横轴墨卡托投 影(Transverse Mercator)。

北京54坐标系、西安80坐标系实际上指的是我国 的两个大地基准面
椭球体名称
WGS84 年代 1984 长半轴(米) 短半轴(米) 6378137.0 6378245.0 6378140.0 6356752.3 6356863.0 6356755.3 扁率 1:298.257 1:298.3 1:298.257
• • • •
ENVI/IDL
4.1自定义坐标系——6°和3°带

高斯投影6带:自0度子午线起每隔经差6°自西向东分带,依次编号 1,2,3,…。我国6带中央子午线的经度,由75°起每隔6度而至135,共计11 带(13~23带),带号用N表示,中央子午线的经度用L表示,它们的关系 是,L=6N-3(N为带号) 高斯投影3带:自东经1°30′开始,每隔3°划为一带,全球共计120带, 它的中央子午线一部分同6带中央子午线重合,一部分同6带的分界子午线 重合,我国带共计22带(24~45带)
4.1自定义坐标系——ENVI自定义
投影类型选择Transverse Mercator,Scale factor填 写0.9996,与Gauss-Kruger 等同。False easting中如 果把带号,如39 500000, 得到的坐标就带有带号。
下面以添加一个20度带(6 度)的坐标
选择Projection->Add New Projection, 将投影添加到 ENVI 所用的投影列表中。 选择 File > Save Projections,存储新的或 更改过的投影信息。这样一 个新的投影坐标就新建完成 。
4.1自定义坐标系——北京54和西安80坐标 系

北京54或者西安80坐标系是投影直角坐标系
坐标名称
投影类型
Gauss Kruger(Transverse Gauss Kruger(Transverse
椭球体
基准面
北京54 西安80
北京54 西安80
Mercator) Mercator)
Krasovsky IAG75


东向偏移:500000m
由于数据的投影信息不是国际标准或者说其参数名称不是标准的,所以在ENVI中有 可能不能读取数据的投影信息,因此加载了一个“伪投影信息”,这个时候就需要 重新设定投影信息。 ENVI/IDL
4.1自定义坐标系——使用自定义坐标系

打开数据文件,在Available Bands List中选择文件,点击右 键打开Header Info,在Edit Attributes中选择Map Info。选 择Change Projection,将前面定义好的北京54坐标选上。

3、控制点预测和误差计算
-
1)控制点预测 ENVI提供控制点预测,选用一次多项式是点的最少个数为3,二次多项式为6,最少的的个数为(n+1)
(n+2)/2
-
2)误差计算
ENVI/IDL
4.3基于影像自带地理定位文件几何校正

内容:
-
以Modis数据为例进行演示

1、打开modis数据,file->open external file->eos->modis使用扩展方式打开 MOD02HKM……
-
根据象元灰度值或者地物特征自动寻找两幅图的同名点,根据同名点来完成图像的配置过
程。当同一地区两个图像由于各自校正误差不能重叠时,可以采用此方法进行调整。
ENVI/IDL
4.2图像几何校正概述

2、控制点选择方式
-
1)从栅格图像上选取,对应的模式为Image to Image
2)从矢量图上选取,对应的模式为Image to Map 3)从文本文件中导入,对应模式为Image to Image和Image to Map 4)键盘输入,对应模式为Image to Map

2、添加基准面 <基准面名称>,<椭球体名称>,<平移三参数>
-
"D_BEIJING_1954,Krasovsky,-12,-113,-41" "D_XIAN-80,IAG-75,0,0,0" 为了跟Arcgis接轨,所以建议54和80坐标系基准面时候所用名字用上述名字。

3、定义坐标
-
选择Map> Customize Map Projection ENVI/IDL
椭球体参数文件 基准面参数文件 坐标系参数文件
• •
六度带中央经线经度的计算:当地中央经线经度 =6°×当地带号-3° 三度带中央经线的计算,3°×当地带号
ENVI/IDL
4.1自定义坐标系——ENVI自定义

1、定义椭球体 <椭球体名称>,<长半轴>,<短半轴>
-
“Krasovsky,6378245.0,6356863.0” “IAG-75,6378140.0,6356755.3”
1940 克拉索夫斯基( Krasovsky ) IAG75 1975
ENVI/IDL
4.1自定义坐标系——北京54和西安80坐标
• •
北京54坐标系 新中国成立以后,我国大地测量进入了全面发展时期,在全国范围内开展了正规 的,全面的大地测量和测图工作,迫切需要建立一个参心大地坐标系。由于当时 的“一边倒”政治趋向,故我国采用了前苏联的克拉索夫斯基椭球参数,并与前 苏联1942年坐标系进行联测,通过计算建立了我国大地坐标系,在北京设立大地 坐标原点,定名为1954年北京坐标系。 西安80坐标系 1978年4月在西安召开全国天文大地网平差会议,确定重新定位,建立我国新的坐 标系。为此有了1980年国家大地坐标系。1980年国家大地坐标系采用地球椭球基 本参数为1975年国际大地测量与地球物理联合会第十六届大会推荐的数据。该坐 标系的大地原点设在我国中部的陕西省泾阳县永乐镇,位于西安市西北方向约60 公里,故称1980年西安坐标系,又简称西安大地原点。基准面采用青岛大港验潮 站1952-1979年确定的黄海平均海水面(即1985国家高程基准)。 ENVI/IDL
4.1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。
相关文档
最新文档