第二章数据预处理-几何校正
几何校正操作步骤(精)
几何校正操作步骤实验目的：通过实习操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。
实验内容：ERDAS软件中图像预处理模块下的图像几何校正。
几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。
而将地图投影系统赋予图像数据的过程，称为地里参考（Geo-referencing）。
由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。
1、图像几何校正的途径ERDAS图标面板工具条：点击DataPrep图标，→Image Geometric Correction →打开Set Geo-Correction Input File对话框（图2-1）。
ERDAS图标面板菜单条：Main→Data Preparation→Image Geometric Correction→打开Set Geo-Correction Input File对话框（图2-1）。
在Set Geo-Correction Input File对话框（图1）中，需要确定校正图像，有两种选择情况：其一：首先确定来自视窗（FromViewer），然后选择显示图像视窗。
其二：首先确定来自文件（From Image File），然后选择输入图像。
2、图像几何校正的计算模型（Geometric Correction Model）ERDAS提供的图像几何校正模型有7种，具体功能如下：3、图像校正的具体过程第一步：显示图像文件（Display Image Files）首先，在ERDAS图标面板中点击Viewer图表两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置，操作过程如下：ERDAS图表面板菜单条：Session→Title Viewers然后，在Viewer1中打开需要校正的Lantsat图像：xiamen,img在Viewer2中打开作为地理参考的校正过的（图象或）矢量图层：xmdis3.shp第二步：启动几何校正模块（Geometric Correction Tool）Viewer1菜单条：Raster→Geometric Correction→打开Set Geometric Model对话框（2-2）→选择多项式几何校正模型：Polynomial→OK→同时打开Geo Correction Tools对话框（2-3）和Polynomial Model Properties对话框（4）。
测绘数据处理的基本步骤
测绘数据处理的基本步骤测绘是一门既具有实践性又具有技术性的学科，它涉及到地理信息的采集、处理和分析，为我们提供了宝贵的地理空间数据。
然而，要从这些原始的测绘数据中获取有用的信息并进行分析，就需要进行一系列的数据处理步骤。
本文将介绍测绘数据处理的基本步骤，并深入探讨每个步骤的重要性和具体操作方法。
第一步：数据获取数据获取是测绘数据处理的关键步骤，它直接影响到后续数据处理的准确性和有效性。
数据获取可以通过现场测量或者使用遥感技术进行。
无论采用哪种方法，都需要精确记录数据的来源、时间和地点。
在进行现场测量时，测量员需要使用专业的测量仪器来测量地面的各种要素，如高度、距离和角度。
而在使用遥感技术时，可以利用卫星影像、航空影像或者无人机影像等获取地理信息。
第二步：数据预处理数据预处理是为了清洗和处理原始数据，以消除其中的噪声和错误。
在这个步骤中，测绘员需要对原始数据进行检查，确保数据的准确性和完整性。
常见的数据预处理方法包括数据校正、数据融合和去除异常值等。
数据校正可以校正由于仪器误差或环境因素引起的数据偏移，从而提高数据的准确性。
数据融合可以将多源数据融合为一幅整体的地理影像，增加地理信息的多样性和精度。
去除异常值是为了排除异常数据的干扰，以提高数据的信度。
第三步：数据处理数据处理是将测量数据转化为可供分析和应用的形式的过程。
在这个步骤中，测绘员需要进行数据的计算、插值和模型构建等操作。
数据计算可以根据测量数据的特点进行数据的统计和分析。
插值是为了根据已知数据点的信息推算出未知点的数值，从而构建一个连续的地理信息表面。
模型构建是为了建立一个数学模型，用以描述地理现象和推测未来的发展。
数据处理可以利用专业的测绘软件和计算机技术进行，以提高数据处理的效率和准确性。
第四步：数据分析数据分析是为了从测绘数据中提取有用的信息和洞察地理现象的内在规律。
在这个步骤中，测绘员需要运用统计学、地理学和计算机科学等知识，对数据进行分析和建模。
Gis笔记终极版
GIS知识点总结一．数据：坐标、几何校正、数字化、预处理、入库50%一张地图->建立地图数据->把地图上表示的地理要素输入到GIS中->根据GIS数据管理要求统一坐标系统->解决坐标和尺度变形等问题->几何校正，坐标定位1.坐标1.1定义坐标系使地理数据集可使用一般位置进行集成。
是用于表示地理要素、图像和观测结果的参照系统。
通过测量框架，测量单位，投影坐标系的地图投影，其他测量系统属性定义。
坐标系(地理坐标系或投影坐标系)为定义真实世界的位置提供了框架。
在ArcGIS中坐标系被用作将不同数据集中在地理位置自动集成到通用坐标框架中以供显示和分析的方法。
投影坐标系包含两个方面的内容：投影方式和地理坐标系。
投影坐标是在地理坐标系基础上实现平面表示的唯一途径，每个平面坐标系必须通过一定的投影方式得来。
问题：如何把上海区划图数据整合到全国。
涉及赌徒存储、显示、制图1.2坐标基准：能取得整体坐标关系尽量使用；实在没有，可采用独立坐标系。
坐标体系：a)不确定（Unknown，NonEarth）：独立坐标系b)地理坐标（Geographic Coordinates）：经纬度（B，L）c)投影坐标（投影方式、地理坐标、Datum基准）图纸（图形、图像）变形定位信息文件：World File（6个图像定位参数，是仿射变换）1.3tfw文件是关于TIFF影像坐标信息的文本文件，ArcInfo、Microstation、AutoCAD等均支持该格式的坐标信息文件。
此文件定义了影像象素坐标与实际地理坐标的仿射关系，基本原理如下：A B C D E FX E Au CvY F Bu Dv=++⎫⎧⇒⎬⎨=++⎭⎩、、、、其中：X = 像素对应的地理X坐标、Y = 像素对应的地理Y坐标u = 像素坐标【列号】、v = 像素坐标【行号】实例：tif格式影像图，图像分辨率为980*784*24b，左上角象素中心坐标为【428000,2556800】，X方向地理距离为1000m，Y方向地理距离为800m,通过公式计算得到它的坐标信息文件为如下：1.02040816326531 A 【X方向上的象素分辨素】0.0 B 【X方向上的旋转系数】0.0 C 【Y方向上的旋转系数】-1.02040816326531 D 【Y方向上的象素分辨率】428000 E 【栅格地图左上角象素中心X坐标】2556800 F 【栅格地图左上角象素中心Y坐标】数据源：DataSource，矢量坐标以什么坐标系统存储视图（ArcView：View；ArcGIS：DataFrame）：用什么坐标系统显示图形数据2.几何纠正2.1图像数据的几何纠正、坐标定位、裁剪、建立Worl d Fil e、拼接等MapInfo：通过图像注册（Register）过程进行图像纠正和定位ArcView：World File、Extension：ImageWarpGeoMedia：图像注册完成图像纠正及定位ArcMap：Georeference（确定控制点、实施：平移缩放旋转）Raster Design：画辅助线=>RubberSheet=>裁剪=>保存（裁剪后的数据+定位信息文件）2.2光栅地形图几何纠正及拼接GIS 数据的基本形式：矢量数据结构：点、线、面，混合型（点线面混合）。
遥感影像几何校正的方法与步骤
遥感影像几何校正的方法与步骤遥感技术在现代科学和环境研究中扮演着重要的角色，它通过无人机、卫星等平台收集大量的遥感影像数据，这些数据可用于地表地貌的研究、城市规划、环境监测等多个领域。
然而，由于传感器的误差、地球表面的形变等因素的影响，遥感影像在采集过程中往往会发生几何畸变。
因此，几何校正成为了处理遥感影像的必要步骤之一。
一、几何校正的目的遥感影像的几何校正是指将采集的影像数据与真实地理坐标系统中的位置相对应，使影像能够准确地反映地球表面的特征。
几何校正的目的是消除影像中的几何变形，使其能够与其他地理数据进行叠加分析，从而得到更准确的结果。
二、几何校正的方法1. 传统校正方法传统的几何校正方法主要基于地面控制点（GCPs）的选择和提取。
首先，根据采集的影像和地理坐标系统中的地理特征，选择一组地面控制点。
然后，在影像中手动或自动提取这些地面控制点的位置，同时记录其在真实地理坐标系统中的位置。
最后，通过计算和调整，将影像中的像元位置校正到真实地理坐标系中。
2. 数字校正方法随着计算机和数字图像处理技术的发展，数字校正方法逐渐取代了传统的校正方法。
数字校正方法主要基于数学模型和算法来完成几何校正的过程。
常用的数字校正方法包括多项式模型、参数拟合模型和同步解调模型等。
这些模型可以将影像中的像素位置与地理坐标系中的位置互相转换，从而实现几何校正。
三、几何校正的步骤几何校正的具体步骤可以归纳为以下几个步骤：1. GCPs的选择和提取在进行几何校正之前，首先需要选择一组地面控制点。
这些地面控制点应该具有明显的地理特征，如建筑物的角点、道路的交汇处等。
然后，在影像中提取这些地面控制点的位置，并记录其真实地理坐标。
2. 模型的选择和拟合根据影像中地面控制点的位置和真实地理坐标，选择合适的数学模型和算法。
根据所选择的模型，在计算机中进行参数拟合，并得到校正过程所需要的参数。
3. 影像几何校正通过上面的步骤，我们已经获得了数学模型和参数。
高分辨率遥感数据的处理与分析方法
高分辨率遥感数据的处理与分析方法遥感技术的发展日益成熟，高分辨率遥感数据的获取量逐渐增加。
如何处理和分析这些海量数据成为遥感领域的重要研究课题。
本文将介绍高分辨率遥感数据的处理与分析方法，并探讨其在不同领域的应用。
一、数据预处理高分辨率遥感数据的预处理是数据处理的重要步骤，它包括数据去噪、辐射校正、几何校正等内容。
1. 数据去噪：高分辨率遥感数据中常常存在各种噪声，如椒盐噪声、斑点噪声等。
为了减少噪声对后续分析的影响，可以采用滤波算法对数据进行去噪处理，如中值滤波、均值滤波等。
2. 辐射校正：高分辨率遥感数据的辐射校正是将原始数据转换为物理度量的一个过程。
通过影像的辐射校正，可以消除大气、地表反射率等因素对遥感影像的影响，得到准确的反射率信息。
3. 几何校正：高分辨率遥感数据的几何校正是将影像的像素空间坐标与实际地理坐标之间建立映射关系的过程。
通过准确的几何校正，可以保证影像的空间精度，提高后续分析的可靠性。
二、数据分类与特征提取高分辨率遥感数据的分类和特征提取是将遥感影像转化为语义信息的重要工作。
1. 数据分类：数据分类是指将遥感影像中的像素根据其反射率或其他属性进行分类，以获得具有不同意义的地物信息。
常用的分类方法包括基于像元的分类、基于对象的分类和基于深度学习的分类等。
2. 特征提取：特征提取是将遥感影像中不同地物的特征进行提取和描述的过程。
常用的特征提取方法包括纹理特征提取、形状特征提取、光谱特征提取等。
通过特征提取，可以获得地物的几何、纹理和光谱等多维信息，为后续的应用提供基础。
三、数据融合与信息提取高分辨率遥感数据融合与信息提取是将多源数据融合，获取更丰富的地物信息的关键环节。
1. 数据融合：高分辨率遥感数据融合是指将不同源、不同分辨率的遥感数据进行融合，以获取更全面、更准确的地物信息。
常见的数据融合方法包括基于智能算法的融合、基于模型的融合等。
2. 信息提取：通过数据融合，可以获取到更丰富的地物信息。
卫星测图中的卫星数据处理流程与技巧
卫星测图中的卫星数据处理流程与技巧导语：随着科技的不断发展，卫星测图逐渐成为了地理信息系统（GIS）领域中不可或缺的重要工具。
卫星数据处理是卫星测图的基础，对于结果的准确性和可靠性起着至关重要的作用。
本文将主要介绍卫星数据处理的流程与技巧，帮助读者更好地理解和应用卫星测图技术。
一、卫星数据的获取与收集卫星数据的获取是卫星测图的第一步，而数据的收集则是获取数据的重要方式之一。
目前，卫星数据的获取主要有两种方式：直接下载和购买。
直接下载是指通过卫星数据共享平台，如美国地质调查局（USGS）提供的EarthExplorer，从互联网上直接下载卫星数据。
而购买方式则是通过商业卫星数据提供商购买特定区域的卫星影像和产品。
二、卫星数据的预处理卫星数据的预处理是卫星数据处理的重要环节，通过对原始数据进行校正和增强，可以提高数据的质量和可用性。
预处理的主要步骤包括：几何校正、辐射校正和大气校正。
1.几何校正几何校正是将原始卫星影像矫正为地理参考图像的过程，主要包括地球表面形状校正、图像配准和图像变形纠正等操作。
几何校正的目的是消除由卫星姿态、运动和大气影响等因素导致的图像形变，以达到真实地表形状的正确显示。
2.辐射校正辐射校正是将原始卫星影像转换为可比较的辐射能量值，以便进行不同时间、不同卫星和不同传感器影像的定量比较。
辐射校正主要通过测定辐射敏感区域的大气透过率和太阳辐射能量来完成。
3.大气校正大气校正是为了减小大气散射和吸收对卫星影像质量的影响而进行的处理。
主要目的是消除不同高度或角度视场内大气吸收和散射对亮度的影响，使卫星影像能够更真实地反映地表的特征。
三、卫星数据的处理与分析卫星数据经过预处理后，就可以进行接下来的数据处理与分析。
卫星数据的处理与分析主要有以下几个方面：1.图像融合图像融合是将具有不同空间分辨率和光谱特性的多幅卫星影像融合到一起，以获得具有更高分辨率和更丰富信息的图像。
常见的图像融合方法包括基于波尔塔定理的多光谱和全色波段融合、小波变换融合和人工神经网络融合等。
几何校正模块
城环学院 1401周蓉 181403043几何校正模块几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。
ENVI是完整的遥感图像处理平台，地理学家通常选择ENVI来从遥感影像中提取信息。
在这道题中，我们利用ENVI进行几何校正，即利用地面控制点和几何校正数学模型来校正非系统因素产生的误差。
扫描地形图的几何校正1.第一步：打开并显示图像文件开始>程序>ENVI Classic，选择主菜单>File>Open Image File，将以下4个文件打开，并显示在Display 中。
2.第二步：启动几何校正模块主菜单>Map>Registration>Select GCPs:Image to map，打开几何校正模块。
在Image to Map Registration 面板中，选择Beijing-1954-GK-Zone-20北京1954年地图配准。
主菜单> Map > Registration > Select GCPs:Image to Image,打开几何校正模块。
Basic Image基准影像选择Display#1，Wrap Image校正影像选择Display#2。
点击OK 进入采集地面控制点。
3.第三步：采集地面控制点在两个Display中要求要找到相同区域。
因为老师给的图的比例尺较小，所以我选择了有明确特点的目标点。
在Zoom窗口中打开定位十字光标，将十字光标放在相同点上，可以双击此点来看一下它的具体的经纬度坐标，使点设置的更为精准。
点击Ground Control Points Selection上的Add Point按钮，将当前的定位点加入控制点列表。
控制点应选取多个来确保精准性，我选择了三个空间距离分开较远的三个点。
控制点数量达到了3以后，RMS被自动计算。
几何精校正的步骤
几何精校正的步骤几何精校正是一种用于校正图片中的几何畸变的技术，通常用于计算机视觉和计算机图形学领域。
下面将介绍几何精校正的一般步骤。
1.畸变模型选择：几何精校正的第一步是根据图像的畸变情况选择合适的畸变模型。
常见的畸变模型包括径向畸变模型和切向畸变模型。
径向畸变模型假设图像中心点为畸变中心，将畸变以径向逐渐递减的方式表示；切向畸变模型则假设图像中心点为畸变中心，将畸变以切向方式表示。
2.畸变参数估计：根据选定的畸变模型，需要估计畸变模型的参数。
常见的畸变参数包括径向畸变系数和切向畸变系数。
径向畸变系数用于描述径向畸变的程度，而切向畸变系数用于描述切向畸变的程度。
3.畸变矫正：在获得畸变参数后，可以使用这些参数对图像进行畸变校正。
畸变校正的基本思想是通过对图像中的每个像素点进行坐标变换来消除畸变。
对于径向畸变，可以使用径向畸变系数对图像中的每个像素点进行坐标变换，以消除径向畸变；对于切向畸变，可以使用切向畸变系数对图像中的每个像素点进行坐标变换，以消除切向畸变。
4.生成校正图像：在畸变校正的过程中，可以选择将校正结果保存为校正图像。
校正图像是经过畸变校正处理后的图像，通过校正图像可以更直观地观察图像中的畸变情况。
5.校正效果评估：为了评估校正效果，可以使用一些评估指标，如反投影误差等。
反投影误差是指通过将校正后的图像重新投影到原始图像上，并计算重新投影像素与原始像素之间的欧氏距离。
较小的反投影误差表示校正效果较好。
6.重复调整：在校正效果评估的基础上，可以根据需要调整畸变参数，并重新进行畸变校正和评估，直到满足校正要求为止。
总之，几何精校正是一种通过选择适当的畸变模型、估计畸变参数、进行畸变矫正，最终生成校正图像的一系列步骤。
通过这些步骤，人们可以更好地消除图像中的几何畸变，从而获得更准确和真实的图像信息。
几何校正操作步骤
几何校正操作步骤实验目的：通过实习操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。
实验内容：ERDAS软件中图像预处理模块下的图像几何校正。
几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。
而将地图投影系统赋予图像数据的过程，称为地里参考（Geo-referencing ）。
由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。
1图像几何校正的途径ERDAS图标面板工具条：点击DataPrep图标，宀Image Geometric Correction宀打开Set Geo-Correction In put File 对话框（图2-1）。
ERDAS 图标面板菜单条：Main 宀Data Preparation I m age Geometric Correction 宀打开Set Geo-Correction In put File 对话框（图2-1）。
图2-1 Set Geo-Correction Input File?寸话框在Set Geo-Correction In put File对话框（图1 ）中，需要确定校正图像，有两种选择情况：其一：首先确定来自视窗（FromViewer），然后选择显示图像视窗。
其二：首先确定来自文件（From Image File），然后选择输入图像。
2、图像几何校正的计算模型（Geometric Correction Model ）ERDAS提供的图像几何校正模型有7种，具体功能如下：3、图像校正的具体过程第一步：显示图像文件(Display Image Files )首先，在ERDAS图标面板中点击Viewer图表两次，打开两个视窗(Viewer1/Viewer2 ),并将两个视窗平铺放置，操作过程如下：ERDAS 图表面板菜单条：Session^ Title Viewers然后，在Viewer1中打开需要校正的Lantsat图像：xiamen,img在Viewer2中打开作为地理参考的校正过的(图象或)矢量图层：xmdis3.shp第二步：启动几何校正模块(Geometric Correction Tool )Viewer1 菜单条：Raster^ Geometric CorrectionT打开Set Geometric Model 对话框(2-2)T选择多项式几何校正模型：Polynomial T OKT同时打开Geo Correction Tools 对话框(2-3 )和Polynomial Model Properties 对话框(4)。
基于纬度和经度的MODIS数据几何纠正
基于纬度和经度的MODIS影响几何精度校正摘要MODIS影像是一种很重要的遥感资源,它的目的就是为了研究和预测地球的变化。
为了给MODIS应用提供高精度的影像，几何校正是影像预处理中最重要的方法之一。
这篇文章将介绍几何校正的原理和过程。
选择合适的地面控制点对于几何校正方法来说十分重要。
因为在MODIS数据里有很多有用的纬度和经度信息，这些被用做地面控制点的几何信息可以实现几何精度的校正。
通过悬着合适的地图投影，原始的图像从原来的坐标系统转换到了地图坐标系统。
通过多次转换和插入距离向量，最终可以获得纠正的影像。
实验结果表明纠正后的影像的精度和质量能够满足要求。
关键词MODIS数据，几何精度校正，几何变形，转置向量的插入，坐标转换1 介绍遥感数据影像不能直接用于实际应用，因为影像的几何形状，大小，方向常常与参照系统的定义不一致。
在原始数据中有一些几何变形的问题，比如原始数据的行和列不对称，象素的空间分辨率与实际地物不一致，表面地形不规则变化等等。
同时，多来源的数据来自于不同的波段，多个传感器和在遥感处理过程中不同时间段的混合，这些都需要高的数据精度。
因此，对原始数据进行几何校正是很重要的。
通常，遥感影像的全面转换时一些综合的结果，例如运动，转动，时区等。
消除这些变形的过程就叫做几何纠正。
MODIS影像一种新的气象卫星数据。
它是一系列地球观测卫星中的主要的数据获取工具，它的目的就是研究和预测地球环境的变化。
MODIS的发展和应用成功的促进了地球环境研究的能力。
由于高质量的数据和免费的下载政策，MODIS数据已经成为遥感研究者们重要的数据来源。
然而，在MODIS数据中，由于各种因素的影响，存在和几何变形。
因此，在这边文章中提到了MODIS数据的几何纠正方法。
通过利用MODIS数据的经度和纬度信息，原始的影像能够有效的得到纠正。
文章余下的内容如下。
第二部分介绍几何纠正的原理；第三部分提出基于经度和纬度信息的几何精度纠正的方法；第四部分显示实验结果。
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。
遥感卫星影像数据预处理一般流程介绍
镶嵌
当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接起来形 成一幅或一系列覆盖全区的较大的图像。
在进行图像的镶嵌时，需要确定一幅参考图像，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、以及输出图像的像元大小和数据类型等。镶嵌得两幅或 多幅图像选择相同或相近的成像时间，使得图像的色调保持一致。但接边色调相差太大 时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但用于变化信息提取时，相邻 图像的色调不允许平滑，避免信息变异。
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 均匀分布在整幅图像内，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。
的辐射值在不同时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。
北京揽宇方圆信息技术有限公司
（3）图像重采样 重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行 列号不是或不全是正数关系。因此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，进行亮度值的插值计算，建立新的图像矩阵。常用的内插 方法包括： 1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图像仍然保持原 来的像元值，简单，处理速度快。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。
卫星遥感数据预处理标准
卫星遥感数据预处理标准
卫星遥感数据预处理的标准可能涉及以下步骤：
1. 辐射定标：将遥感图像的数字值转换为物理辐射度量，以消除传感器本身的影响。
2. 大气校正：降低大气干扰，提高图像质量，以消除大气条件对遥感图像的影响。
3. 几何校正：修正图像中的几何畸变，使其在地理坐标系统中对应正确的位置，保证遥感图像的地理信息准确性。
4. 数据融合：将来自不同传感器的数据融合，以提高信息获取的综合能力，如分辨率融合、多光谱与全色融合等。
5. 数据降噪：处理图像中的噪声，如周期性噪声、条带噪声等，可以采用傅立叶变换等方法进行降噪处理。
6. 特征提取：提取图像中的特征信息，如纹理、形状、边缘等，用于后续的目标识别和分类。
7. 地理编码：将经过预处理的遥感数据与地理坐标系统相关联，以便进行地理定位和空间分析。
请注意，预处理步骤可能根据具体的卫星遥感数据和任务需求有所不同，可以参考具体数据预处理要求或研究相关文献来了解具体流程和标准。
几何校正
图像几何校正几何校正(Geometric Correction)就是将图像数据投影到平面上，使其符合地图投影系统的过程；而将地图坐标系统赋予图像数据的过程，称为地理参考(Geo-referencing)。
由于所有地图投影系统都遵从于一定的地图坐标系统，所以几何校正包含了地理参考。
一、图像几何校正概述在正式开始介绍图像几何校正方法和过程之前，首先对ERDAS IMAGINE图像几何校正过程中的几个普遍性的问题进行简要说明，以便于随后的操作。
1．图像几何校正途径在ERDAS IMAGINE系统中进行图像几何校正，通常有两种途径启动几何校正模块。
数据预处理途径：在ERDAS图标面板菜单条单击Main |Data Preparation |lmage Geometric Correction命令，打开Set Geo Correction lnput File对话框。
或在ERDAS图标面板工具条单击Data Prep图标{Image Geometric Correction命令，打开Set Geo Correction lnput File对话框。
在Set Geo Correction lnput File对话框中，需要确定校正图像，有两种选择情况：选择FromViewer单选按钮，然后单击Select Viewer按钮选择显示图像窗口。
(1)打开Set Geometric Model对话框。
(2)选择几何校正计算模型(Select Geometric Model)。
(3)单击OK按钮。
(4)打开校正模型参数与投影参数设置对话框。
(5)定义校正模型参数与投影参数。
(6)单击Apply按钮应用或单击Close按钮关闭。
(7)打开GCPToolReferenceSetup对话框。
●首先确定来自文件(From lmage File)，然后选择输入图像(input lmage File)。
(1)打开SetGeometricModel对话框。
遥感地学分析实验
遥感地学分析实验报告二中国·长春2019年1月实验二基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析【实验原理】土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。
及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。
使用遥感影像数据可以提取土地荒漠化信息，判断土地荒漠化的发生与发展程度。
沙漠化研究表明，随着沙漠化程度的加重，地表植被遭受严重破坏，地表植被盖度降低和生物量减少，在遥感图像上表现为植被指数相应减少。
由此看来，植被指数（NDVI）可作为反映沙漠化程度的生物物理参数。
在沙漠化的研究实践中，通过定位观测发现，随着沙漠化程度的加重地表状况发生了明显的改变，伴随着地表植被覆盖度的下降，地表水分相应地减少，地表粗糙度下降，地表反照率得到相应的增加。
因此，沙漠化过程导致的地表下垫面状况的变化，使地表反照率（Albedo）发生明显的变化，其可作为反映沙漠化程度的重要地表物理参数。
通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。
荒漠化过程及其地表特性的变化能在Albedo-NDVI 特征空间中得到明显直观的反映。
在Albedo-NDVI 特征空间中，利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，可以将不同荒漠化土地有效地加以区分，实现荒漠化时空分布与动态变化的定量监测与研究。
沙漠化遥感监测模型在Albedo—NDVI 特征空间，不同沙漠化土地对应的植被指数(NDVI)和地表反照率(A1bedo)具有非常强的线性负相关性。
根据VerstraeteandPinty 的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分Albedo-NDVI 特征空间，可以将不同的荒漠化土地有效地区分开来。
而垂线方向在Albedo-NDVI 特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即DDI=k*NDVI–Albedo其中：DDI 可称为荒漠化分级指数，k 由特征空间中拟合的曲线斜率确定。
遥感数字图像处理实验教程 03
遥感数字图像处理实验教程（ENVI）第一章ENVI应用基础徐老师1.1ENVI软件概述1.2ENVI文件系统和存储1.3ENVI常用系统配置说明1.4ENVI数据的输入与输出1.5ENVI数据显示操作第二章数据预处理李飞2.1 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。
2.1.1 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、定义投影（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。
- 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)。
6 像元的灰度确定有哪些方法
1. 所做的工作：
① 变换后的图像空间的各像元亮度值的计算。
2. 方法：
① 邻近点插值法（Nearest Neighbor) ② 双线性插值法 ③ 三次卷积插值法 ④ 双三次样条插值法
1．近邻点插值法
距离实际位置最近的像元的灰度值作为输出图像像元的灰 度值。
在待求点的四邻像素中，将距离这点最近的相邻像素灰度 赋给该待求点。公式为：
f (i 1, j 2)
f (i, j 2)
f (i 1, j 2)
f (i 2, j 2)
该算法计算量最大，但内插效果最好，精度最高。
7 输出纠正数字影像
1. 把经过逐个像元的几何位置变换和灰度 重采样得到的输出影像数据按照需要的 格式写入纠正后的影像文件。
2. 当n=2时，畸变关系式如下，包含12个未知数，至少需 要6个已知点来建立关系式，解求未知数。
x a00 a10x a01y a20x2 a11xy a02 y2
y b00 b10x b01y b20x2 b11xy b02 y2
模型系数的确定：
1. 数量应当超过多项式系数的个数，最少 为(n+1)*(n+2)/2个。
该方法要比最近邻元法复杂，计算量大。但没有灰 度不连续性的缺点，结果令人满意。
它具有低通滤波性质，使高频分量受损，图像轮廓 有一定模糊。
3．三次卷积法
该方法利用三次多项式S(x)来逼近理论上的最佳插值 函数sin(x)/x。其数学表达式为：
1 2 | x |2 | x |3 0 | x | 1
S(x)
4
8
|
x
|
5
|
x
|2
Hale Waihona Puke |x|31 | x | 2
0
| x | 2
(i-1,j-1)
(i-1,j+2)
v u (x,y)
(i+2,j-1)
(i+2,j+2)
待求像素(x,y)的灰度值由其周围十六个点的灰度值加权 内插得到。可推导出待求像素的灰度计算式如下：
f(x,y)=A‧B ‧ C
其中 A=[s(1+v) s(v) s(1-v) s(2-v)]
1. 直接法纠正：
① 把原始影像的每个像元通过纠正公式变换到新 影像的相应位置，同时把原始影像上像元灰度 值赋予新影像相应像元位置上的一种数字影像 变换方法。
2. 间接法纠正：
① 指由纠正后新影像的像元位置，通过纠正公式 推求其在原始影像中的相应位置，并通过重采 样将该位置的灰度值，反送到新影像相应像元 上的一种数字影像变换方法。
1. 多项式纠正的基本思想：图像的变性规律可 以看作是平移、缩放、旋转、仿射、偏扭、 弯曲等形变的合成。一般的公式为：
xi fx( Xi,Yi) c0 c1Xi c2Yi c3 XiYi c4 Xi 2 c5Yi 2 ... yi fy( Xi,Yi) d 0 d1Xi d 2Yi d 3 XiYi d 4 Xi2 d 5Yi2 ...
f (i 1, j 1)
B
f (i, j 1)
f (i 1, j 1)
f
(i
2,
j
1)
f (i 1, j) f (i, j)
f (i 1, j) f (i 2, j)
f (i 1, j 1) f (i, j 1)
f (i 1, j 1) f (i 2, j 1)
c=[s(1+u) s(u) s(1-u) s(2-u)]T
利用有限的控制点的已知坐标，解求多项式的系数， 确定变换函数。然后将各个像元带入多项式进行计算， 得到纠正后的坐标。
1. 当n=1时，畸变关系为线性变换，式子中包含a00、a10、 a01 b00、b10、b016个未知数，至少需要3个已知点来建 立方程式，解求未知数。
x a00 a10 x a01 y y b00 b10x b01 y
第二章 遥感图像几何校正
1. 几何精校正原理：
① 利用地面控制点进行的几何校正，它是用一 种数学模型来近似描述遥感图像的几何畸变 过程，利用标准图像与畸变的遥感图像之间 的一些对应点求出这个几何畸变模型，然后 利用些模型进行对遥感图像进行几何畸变的 校正。
② 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。
2. 当取得的控制点的个数超过多项式的系 数个数时，系数的确定采用最小二乘法 进行优化，使得到的系数最佳。
5 图像变换
1. 像元空间坐标变换是按选定的校正函数把 原始的数字影像逐个变换到输出影像相应 的坐标上去，变换方法分为直接纠正和间 接纠正。
2. 所需要做的工作：
① 图像空间像元位置的变换。 ② 图像像元值的确定
｛ Xn = int（XP+0.5）
p
Yn = int（YP+0.5）
该方法最简单，效果尚佳，但校正后的图像有明显锯齿状， 即存在灰度不连续性。
2．双线性内插法
对于(i+u,j+v)有 f(i+u,j+v)=[f(i+1,j+v)-f(i,j+v)]u+f(i,j+v)
= (1u)(1 v) f (i, j) (1u)vf (i, j 1) u(1 v) f (i 1, j) uvf (i 1, j 1)
图像几何校正的一般步骤
1. 数据准备
① 卫星影像数据 ② 大地测量成果 ③ 控制点
2. 输入显示数字影像
① 按规定的格式，利用专业的程序将遥感影像读 入计算机。
3 确立校正变换模型
1. 多项式法：
① 原理直观，使用灵活，可以用于各种类型的图像。
x h1 (x, y)
y h2 (x, y)
遥感图像的多项式纠正