高分辨率遥感影像图的制作与研究
遥感影像重采样方法实现与应用研究
遥感影像重采样方法实现与应用研究遥感影像重采样是指将高分辨率遥感影像转化为低分辨率的过程，或者将低分辨率遥感影像转化为高分辨率的过程。
重采样方法对于遥感影像处理和分析具有重要意义，尤其是在遥感图像融合、遥感影像目标提取、变化检测等方面。
常用的遥感影像重采样方法有最近邻法、双线性插值法和三次样条插值法。
最近邻法是一种简单而快速的重采样方法，它通过选择原始像素中最接近目标像素的值进行重采样。
最近邻法容易产生锯齿状的伪影。
双线性插值法是一种常用的重采样方法，它通过对目标像素周围的四个最近邻像素进行线性插值计算得到目标像素的值。
双线性插值法能够减少锯齿状伪影，但对于高频信息处理得不够理想。
三次样条插值法是一种取样点周围像素进行三次多项式内插得到插值像素的方法。
它可以更好地保留遥感影像的细节信息，但计算复杂度较高。
遥感影像重采样方法的应用主要包括以下几个方面。
遥感图像融合是将不同分辨率、不同波段的遥感影像融合为一幅具有多波段、高分辨率的影像，以提高遥感影像的解译精度。
重采样方法在图像融合中起到关键作用，能够将不同分辨率的影像进行对齐，并保留各自影像的特征信息。
遥感影像目标提取是指从遥感影像中自动提取感兴趣目标的过程。
重采样方法能够提高遥感影像的分辨率，使目标边界更加清晰，有助于目标提取算法的准确性和可靠性。
遥感影像的变化检测是指对于相同地区的不同时间的遥感影像进行比较，以确定变化区域的过程。
重采样方法能够将不同时间的遥感影像进行像素对齐，提高变化检测的精度和可靠性。
遥感影像重采样方法在遥感影像处理和分析中具有重要的作用。
不同的重采样方法适用于不同的应用场景，选择合适的重采样方法能够提高遥感影像处理的结果质量。
随着遥感技术的不断发展和应用的扩大，重采样方法的研究和应用将会得到进一步的深化和拓展。
遥感数字图像处理主要研究的内容
遥感数字图像处理主要研究的内容有以下几个方面：1、图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2、图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3、图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4、图像分割图像分割是遥感数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5、图像描述图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述。
随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
卫星影像在地图制图中的应用探讨
卫星影像在地图制图中的应用探讨摘要：遥感卫星影像因为覆盖面广，能够实现大范围面积内地物信息的快速准确获取，通过对同一地区不同时期的遥感影像进行综合比对，可以实现对大面积区域的长期动态监测，并依据实时遥感影像数据，对现有资料进行更新存档，在多个领域得到了较为广泛的应用。
随着遥感技术的不断发展，基于遥感影像的地图制图技术应运而生。
在遥感卫星影像的基础上，以专业的地图符号和地图注记对地物空间信息进行准确表达，从而形成遥感影像地图。
鉴于此，本文将针对地图制图期间卫星影像的应用展开更为深入的探讨与分析，仅供相关人士参考和借鉴。
关键词：卫星影像；地图制图；应用前言：近年来，经济日新月异，国产高分辨率卫星影像质量得到了稳步提升，与其相关的制图技术也得到了迅猛发展。
但由于国产高分辨率遥感影像技术起步较晚，遥感影像地图多采用国外遥感卫星影像数据。
随着我国遥感技术的迅速发展，越来越多的学者投入基于国产遥感影像的地图制图研究中去，拟定更为规范的遥感影像地图制图方法，形成标准化制图流程，具有重要的现实意义。
1数据基础本次研究以国产高分辨率遥感卫星影像为研究对象，分别以资源三号、高分一号以及高分二号遥感影像进行制图。
资源三号卫星搭载了多台高分辨率相机，包括正视多光谱相机（分辨率5.8m）、全色延迟积分成像相机（分辨率2.1m）等，全国陆地覆盖率可达99.37%以上；高分一号卫星的成功发射标志着我国高分辨率对地观测时代的开启，同样搭载多台高分辨率相机，其中多光谱相机共5台（4台分辨率为16m，1台分辨率为8m），全色延迟积分成像相机共1台（分辨率2.0m）；高分二号卫星空间分辨率相对较高，所搭载相机的分辨率优于1m，国产遥感卫星正式进入亚米级时代。
除遥感影像数据外，还需要地理矢量要素数据，主要可分为三大类，分别是行政区划数据、道路矢量数据、位置信息及地名数据，数据格式一般为shp格式，分别来源于国家基础地理信息中心、OpenStreetMap网站、已出版地图或百度地图等。
高分辨率卫星遥感影像制作DOM质量检验方法研究
高分辨率卫星遥感影像制作DOM质量检验方法研究作者：金宜来源：《科技创新导报》2019年第17期摘 ; 要：本文基于笔者从事测绘产品质量检验的相关工作实践，探讨了利用WorldView-2、WorldView-3卫星遥感影像制作DOM产品成果的质量检验内容、检验方法以及成果质量评定流程。
通过全数概查和抽样详查的方式，采用人机交互和人工审查相结合的方法进行检查，从而保证影像加工生产的质量控制。
关键词：卫星遥感影像 ;DOM ;质量元素中图分类号：TP751 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; 文献标识码：A ; ; ; ; ; ; ; ; ; ; ; ;文章编号：1674-098X（2019）06（b）-0127-03目前，遥感卫星影像已经被广泛应用于军事侦察、测绘制图、气象预报、国土资源勘查、环境质量评价和自然灾害监测与防治、以及地球系统科学等研究领域，发挥着极其重要的作用。
为满足日益广泛的前端应用，其定位已不能拘泥于传统的地貌展示，须同时满足分析与建库的需求。
数字正射影像图是利用DEM对遥感影像逐像元进行辐射改正、微分纠正和镶嵌，并按规定图幅范围裁剪生成的，带有公里格網、图廓（内、外）整饰和注记的平面图。
检验其数据的精度、现势性和完整性，也可从中提取自然资源和社会经济发展信息，为防灾治害和公共设施建设规划等应用提供可靠依据。
某城市高分辨率卫星遥感影像图制作项目是基于WorldView-2、WorldView-3卫星遥感影像数据通过对原始影像数据进行正射纠正、对单景正射影像图进行调色、镶嵌和裁切制作1：2000正射影像图成果数据，并对此DOM成果数据进行质量验收。
1 ;检查内容首先，审查项目的资料质量，其中包括技术设计书、技术总结、检查报告、仪器检定证书等文字报告的质量及资料的整理和装订等。
然后，依据《数字测绘成果质量检查与验收》（GB/T 18316-2008）从空间参考系、位置精度、影像质量和逻辑一致性及附件质量5个质量元素对DOM成果进行检验。
高分辨率遥感影像正射影像图制作.doc
高分辨率遥感影像正射影像图制作摘要：以Quick Bird遥感数据为例，本文介绍了从原始卫星图像的收集到在ENVI遥感图像处理软件中进行遥感图像正射图制作的方法和步骤。
描述了在正射影像图制作过程中融合、纠正等步骤以及其原理。
遥感卫星数据具有时效性好、覆盖范围大、成本低廉。
因此利用商业化的遥感图像处理软件直接对遥感卫星图像产品进行正射校正，继而制作正射影像图，是一条好的路线，能够取得好的结果。
关键词：卫星遥感 QuickBird影像数字正射影像图（DOM） ENVI1.引言遥感影像是通过遥感技术获得的地球表面客体或事物的图像，高分辨率的卫星影像是指像素空间分辨率在10m以内的遥感影像，正射影象是指消除了由于传感器倾斜、地形起伏及地物等引起的畸变以后的影响。
正射影象图直观、生动，影像所记录的信息量非常丰富，细节表达的也很清楚，同时更新速度非常快。
利用高分辨率卫星影像制作的正射影像精度高，时效性好，生产周期短、更新速度快，能够满足很多行业的要求，可以大大地节省生产成本提高生产效率。
2.DOM的特点数字正射影象图是利用DEM对遥感图像逐像元进行辐射改正、微分纠正和镶嵌，按照规定图幅范围裁剪生产形象数据，同时它带有公里网格、图廓整饰和注记的平面图。
DOM具有地图精度和影响特征，精度高、信息量丰富、直观性好、制作周期短、连续性好。
3.正射影像制作原理：数值微分纠正根据已知影像的参数（内、外方位元素）与数字地面模型，利用相应的构像方程式，或按一定的数学模型用控制点解算，从原始非正射投影的数字影像获取正射影像，这种过程是将影像化为很多微小的区域逐一进行。
通过解求像素的位置，然后进行灰度内插与赋值运算，实现像素与相应地面元素的几何变换。
4.正射影像图制作数字正射影像（Digital Orthophoto Map，简称DOM）是利用数字高程模型（DEM）对经扫描处理的数字化航空影像，经逐像元进行投影差改正、镶嵌，按国家基本比例尺地形图图幅范围裁剪生成的数字正射影像数据集。
遥感影像配准技术及应用研究
遥感影像配准技术及应用研究遥感技术是现代化社会的产物，它以卫星遥感和航空遥感为主要手段，以在海、陆、空中相机等数码影像获取设备为载体，利用成像分辨率优异和快速获取数据的特点，实现短时间内大面积地图制作和数据采集的效果。
而遥感影像配准技术的应用则在众多研究领域中具有广泛的应用，如城市规划、农业、环境监测等领域，无疑是未来发展的重要方向。
遥感影像配准技术的概念所谓遥感影像配准技术，简单来说就是将两幅及以上的遥感图像进行位置和方位决策，从而使它们能够在同一个几何坐标系下进行比较、对照和计算，以获取更精确更全面的信息。
它的主要目的是为了将多个遥感图像融合到一起，形成高分辨率、高时效性、高精度度数值地图或时间序列地图。
遥感影像配准技术的分类根据分类方法的不同，遥感影像配准技术可以分为以下几种：1.点对点配准技术：这是最早的遥感影像配准方法，它利用人工地识别待配准遥感图像和已知参考图像中具有对应关系的某些物点和地标物，求出两图像中对应相同点的变换之间的数学传递函数，并将待配准图像变换至与标准图像相同的地理坐标系下，以实现两幅图像对比和分析。
2.特征点匹配配准技术：特征点匹配配准技术是一种自动匹配待配准图像和已知参考图像中的特征点，建立两幅图像之间的几何变换关系的方法。
该技术在配准速度、自动性和通用性方面有很大的优势。
它适用于图像中含有特殊标志物、建筑物等的区域。
3.基于互信息的配准技术：基于互信息的配准技术是一种权衡速度和精度的取舍，通过比较待配准和标准图像中像素值的相似度、互异性和相关性等统计指标，来计算两幅图像之间的相似度，实现图片配准。
遥感影像配准技术的应用遥感影像配准技术在很多领域都有着广泛的应用，下面将介绍一些最为典型的应用场景。
1.城市规划：随着城市化进程的加速，城市规划和管理变得越来越复杂。
高分辨率遥感影像指导了城市空间结构的分析和控制，对于合理规划和管理城市起到了至关重要的作用。
在城市规划中，通常需要对不同时间或不同数据源的遥感影像进行配准，以实现城市空间态势的比较和分析。
遥感图像处理与分析技术的发展趋势
遥感图像处理与分析技术的发展趋势随着遥感技术的不断发展和进步，越来越多的遥感数据被获取到并被应用到各种领域中。
然而，在大量的遥感影像中，如何提取出所需的信息和数据，进一步研究遥感图像的信息，是遥感图像处理与分析技术的重要方向。
本文将从影像处理与分析两个角度来讨论遥感图像处理与分析技术的发展趋势。
一、遥感图像处理技术的发展趋势1. 数字化数字化是遥感图像处理的基础，也是其发展的前提。
在遥感图像的获取过程中，通常需要使用许多成像传感器，获取到大量的数据后，需要进行数字化处理才能获得高质量的遥感图像。
数字化技术能够移除遥感图像中的噪声和不必要的信息，还能够提高遥感图像处理的效率。
2. 智能化智能化处理是遥感图像处理的一大发展趋势。
随着计算机应用的发展以及人工智能技术的进步，人工智能技术已经被应用到遥感图像处理中。
智能化处理能够利用计算机算法进行遥感图像自动分析，如目标自动检测、红外图像处理等。
智能化处理不仅可以提高遥感图像分析精度，也能够提高分析处理的效率。
3. 高分辨率遥感图像处理随着国内外遥感图像技术的快速发展，高分辨率遥感图像已经成为遥感图像处理发展的重要标志。
高分辨率遥感图像处理技术的目标是提取大量详细的空间信息，如地图、城市规划、资源研究、环境监测等方面。
高分辨率遥感图像处理技术因其高精度、高分辨率和强大可靠性，在城市规划、林业、水资源和农业等领域已有广泛应用。
二、遥感图像分析技术的发展趋势1. 特征提取特征提取是遥感图像分析的重要环节，该技术能够从大量的遥感影像中提取出具有重要意义的信息和数据。
遥感图像的特征提取可以通过遥感影像自动解算和特征选择工具实现，提高遥感图像分析的精度和效率。
在这个过程中，通常会使用计算机视觉技术和机器学习技术。
2. 遥感图像分类遥感图像分类是将特定的地物或目标从遥感图像中抽象出来，进行半自动和自动识别。
遥感图像分类可以分为监督和非监督两种方法。
监督的分类方法是根据已知的地物类型和特性建立分类模型，然后将这个模型用于其他遥感数据的分类。
基于深度学习的高分辨率遥感影像道路自动提取研究
基于深度学习的高分辨率遥感影像道路自动提取研究1. 引言1.1 研究背景和意义随着遥感技术的飞速发展，高分辨率遥感影像已经成为地理空间信息获取的主要手段。
从高分辨率遥感影像中自动提取道路信息，对于城市规划、交通管理、灾害监测等领域具有重要的应用价值。
然而，传统的基于图像处理的方法在道路提取中往往受到噪声、阴影、光谱变异等因素的干扰，难以实现高精度、高效率的自动提取。
深度学习技术的兴起为遥感影像道路自动提取提供了新的解决方案。
通过深度学习模型的学习和优化，可以从复杂的遥感影像中准确地提取出道路信息，大大提高了道路提取的精度和效率。
1.2 国内外研究现状国内外学者在基于深度学习的遥感影像道路提取方面进行了大量的研究。
早期的研究主要集中在利用卷积神经网络（CNN）进行道路提取，通过设计不同的网络结构和训练策略来提高提取精度。
近年来，随着全卷积网络（FCN）和U-Net等模型的提出，研究者开始尝试利用这些模型进行遥感影像的道路提取，取得了显著的效果。
此外，还有一些研究将深度学习与其他技术相结合，如条件随机场（CRF）、图模型等，以进一步提高道路提取的准确性。
1.3 研究目标和方法本文的研究目标是基于深度学习技术，设计并实现一种高精度、高效率的高分辨率遥感影像道路自动提取方法。
为实现这一目标，本文将采用以下研究方法：首先，对高分辨率遥感影像进行预处理，包括辐射定标、大气校正、正射校正等步骤，以提高影像质量；其次，设计一种基于深度学习的道路提取模型，通过大量的训练数据对模型进行训练和优化；最后，对提取结果进行后处理和优化，以提高道路提取的准确性和完整性。
2. 高分辨率遥感影像数据预处理2.1 数据来源和特性本文所采用的高分辨率遥感影像数据主要来源于卫星遥感平台。
这些数据具有高空间分辨率、多光谱特性和丰富的地物信息。
然而，由于受到大气条件、传感器误差等因素的影响，原始遥感影像往往存在辐射失真、几何变形等问题，需要进行预处理以消除这些影响。
高分辨率卫星遥感立体影像处理模型与算法
高分辨率卫星遥感立体影像处理模型与算法一、本文概述随着空间技术和遥感科学的迅猛发展，高分辨率卫星遥感已成为地球观测与资源管理的重要手段。
高分辨率卫星遥感立体影像，以其高空间分辨率、高光谱分辨率和高时间分辨率的优势，为地表特征提取、环境监测、城市规划等领域提供了丰富而准确的信息源。
如何高效、精确地处理这些立体影像，以充分发挥其应用潜力，是当前遥感领域面临的重要挑战。
本文旨在探讨高分辨率卫星遥感立体影像处理模型与算法。
本文将回顾高分辨率卫星遥感立体影像处理技术的发展历程，分析现有技术的优缺点。
接着，本文将重点介绍几种先进的处理模型与算法，包括基于深度学习的立体匹配算法、多源数据融合算法以及变化检测算法等。
这些算法不仅提高了影像处理的精度和效率，还拓宽了高分辨率卫星遥感的应用范围。
本文还将探讨高分辨率卫星遥感立体影像处理技术在实践中的应用案例，如城市规划、灾害监测、环境评估等，以展示这些技术的实际应用价值和潜力。
本文将对未来高分辨率卫星遥感立体影像处理技术的发展趋势进行展望，指出可能的研究方向和挑战，以期为相关领域的研究和实践提供参考。
本文将对高分辨率卫星遥感立体影像处理模型与算法进行全面而深入的探讨，旨在推动遥感科学技术的发展，为地球观测与资源管理提供更有效的技术支持。
二、高分辨率卫星遥感技术概述高分辨率卫星遥感技术是指利用卫星搭载的遥感设备获取地球表面的高清晰度图像和数据的技术。
这种技术在地理信息系统、城市规划、农业监测、环境保护、灾害评估和军事侦察等领域具有广泛的应用。
高分辨率卫星遥感技术的关键在于其搭载的传感器和数据处理算法。
传感器必须具备高空间分辨率、高光谱分辨率和高时间分辨率，以确保获取到的图像清晰、详细。
同时，数据处理算法需要能够从这些高分辨率图像中提取有用的信息，进行分类、识别和分析。
立体影像处理是高分辨率卫星遥感技术中的一个重要方面，它涉及到从不同角度获取的两幅或多幅图像中重建地面的三维模型。
基于ArcGis10.1软件下遥感影像挂图的制作探究
基于ArcGis10.1软件下遥感影像挂图的制作探究摘要：遥感影像挂图一般用于自然地理、旅游景观、交通路网等领域中，主要是利用高分辨率的航空航天遥感影像数据进行叠加，通过制作的影响挂图直观的显现出区域监控画面，对区域规划、道路建设等工作具有良好的利用价值，对灾害重建和灾后规划工作具有重要意义。
本文简单探究了基于ArcGis10.1软件下遥感影响挂图的制作，对遥感影像挂图的制作流程及制作方法进行阐述。
关键词：ArcGis10.1软件；遥感影像挂图；制作探究ArcGis10.1软件可以对地理数据及地理信息进行编辑和浏览，在该软件的平台上完成对地理信息系统的开发工作和地理信息的发布，是目前较为流行的一款GIS平台，可以有效提高工作效率和地图的制作质量。
基于ArcGis10.1软件下遥感影像挂图的制作可以对区域规划工作和道路建设、土地利用、资源调查等工作进行有效利用，在灾后重建工作和灾害评估中影像挂图发挥着重要作用[1]。
常规挂图制作时基于相关软件按照图像的方式对线划图添加颜色和图案，通过色彩喷绘的方式进行印刷，但这种方法已经不能适应于地理挂图的需求。
随着科技水平提高，遥感技术在地理观测中可以朝着高分辨率发展，遥感影像在更多领域中都得到了运用。
一、影像挂图的制作流程（一）影像底图生产影像底图生产主要是制作正射影像，通过数字高程模型，与影像内外方位的元素进行结合，对影像元按照投影差进行改正，按照影像的规定范围进行剪切和镶嵌。
对于无法通过数字高程模型获取数据，可以在影像的周边范围设置地面控制点，进行几何纠正，直到满足于影像的精度需求[2]。
在特殊情况下进行应急测绘，通过影像底图生产对原始的航空航天影像纠正。
（二）挂图制作基于ArcGis10.1软件下的挂图制作主要是通过5个步骤进行，首先启动ArcMap，并选择最终适应大小的尺寸模板，在后期制作中如果需要修改，可以通过文件中页面大小设置选项对地图页面大小进行调整；其次，对需要的正射影像、地名、矢量等数据进行加载，在后期制作中对数据图层按照表达的内容进行命名，以便于后期挂图制作的识别[3]。
遥感数字正射影像图制作的探究
第24期2020年12月No.24December，20200 引言在测绘事业快速发展过程中，开始广泛应用卫星遥感技术与方法，以此提升影像图片、数据信息获取的实时性与准确性。
数字化正射影像图能够确保图像的直观性与清晰度，同时可以根据数据信息变化，做出相关调整规划。
当前，在多行业领域内，数字化正射影像测绘图的应用范围非常广。
此次研究主要是阐述和讨论数字化正射影像测绘图的原理与应用。
1 QuickBird卫星概述该卫星是由美国数字全球公司发射，分辨率可以达到亚米级。
相比于传统遥感小型卫星，QuickBird 卫星的应用优势显著，分辨率可以达到60 cm ，多光谱成像，成像幅宽，可以扩展遥感卫星的应用领域[1]。
QuickBird 卫星利用四波段实现数据采集，包括红外、红色、绿色、蓝色等，之后借助专业软件处理。
QuickBird 卫星在采集数据颜色时，可以达到真实色彩效果，以此获得高分辨率的遥感数字正射影像图。
传统航空摄像技术受到设备限制，成像较窄，批量化制作遥感数字正射影像图的限制因素较多，但是QuickBird 卫星在遥感数字正射影像图制作中的限制影响比较少。
2 遥感数字正射影像图制作原理与优势分析数据元是一种科学的数字化校正工具与纠错工具，在制作遥感数字正射影像图时，可以发挥重要作用，及时发现内在误差与问题。
通过操作控制措施对信息数据进行修改调整，对不同影像表现结构进行识别区分。
一般情况下，正射影像图制作多应用构象程序内方程式、计算控制要求、定位参数和指标。
图像制作技术的应用优势显著，可以真实准确地反映出各类数据信息，实时性与高效性非常强，还能够反映出实时信息与数据变化，确保影像图表现的形象化和直观化，可支持制图的不间断处理，以此提升工作效率。
通过遥感数字正射影像图方法，能够提升地图内的几何信息精度，为后续分析和研究工作提供准确的数据与信息支持，同时可以很好地呈现在影像图特征中，帮助制图人员分辨不同区域范围内的建筑特点与地形。
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究摘要：高分辨率遥感影像是绿地信息提取的主要数据源。
本文以IKONOS 影像为数据源，综合运用测绘、遥感技术，以Erdas Imagine软件为研究平台，以山东农业大学北校区为实验区，运用非监督分类、监督分类以及目视解译等方法对影像中的绿地信息进行提取，通过精度分析对比，探索出对小区域绿地信息提取的理想方法，为区域绿化提供信息支撑。
关键词：高分辨率；遥感影像；信息提取；绿地；绿化Abstract: The high resolution remote sensing image is the main data sources for collecting green space information. Regarding IKONOS images as data sources, by comprehensively using surveying and mapping, remote sensing technology, applying the Erdas Imagine software as the study platform, making the north campus of Shandong Agricultural University as the study area, using the methods of unsupervised classification, supervised classification and visual interpreting to collect the green space information from image, through the precision analysis contrast, this paper explores ideal methods to collect green space information of the resident area, providing information support for resideng area afforesting.Keywords: high resolution; remote sensing image; information collecting; green space; afforesting中图分类号: S731.1 文献标识码：A文章编号：一引言快速准确摸清城市绿地现状及绿化水平，是正确评价城市绿地及其生态效益，科学建立和有效管理城市绿地的工作基础［1］。
（论文）基于不同分辨率遥感影像的...
第３８卷第３期２０１５年３月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ．３８，Ｎｏ．３Ｍａｒ．，２０１５收稿日期：２０１４－０９－０３，修订日期：２０１５－０１－１２基金项目：国家自然科学基金（５１２１３８１１）资助作者简介：孔令婷（１９９１－），女，江苏南京人，摄影测量与遥感专业硕士研究生，主要研究方向为遥感图像处理与应用。
基于不同分辨率遥感影像的分类方法对比研究孔令婷，杨英宝，章 勇（河海大学地球科学与工程学院，江苏南京２１００９８）摘要：基于４种不同分辨率的遥感影像数据，分别为３０ｍ分辨率的Ｌａｎｄｓａｔ－８数据，融合Ｌａｎｄｓａｔ－８多光谱波段和全色波段的１５ｍ分辨率数据，５．８ｍ分辨率的资源３号卫星数据以及融合后２．１ｍ分辨率的资源３号卫星数据。
采用ＩＳＯ－ＤＡＴＡ、最大似然分类法和面向对象分类法对影像进行分类，对分类方法的效果以及分辨率变化对面向对象分类方法的精度影响进行分析。
结果显示在低分辨率影像中，面向对象方法受到限制，分类效果相比传统方法没有太大改善；而在高分辨率影像中，面向对象方法分类效果很好，并且随着分辨率提高分类精度也相应的提高。
关键词：高分辨率影像；分类；面向对象中图分类号：Ｐ２３７ 文献标识码：Ａ 文章编号：１６７２－５８６７（２０１５）０３－００４０－０４ＳｔｕｄｙｏｎＣｌａｓｓｉｆｉｃａｔｉｏｎＭｅｔｈｏｄｓＢａｓｅｄｏｎＤｉｆｆｅｒｅｎｔＲｅｓｏｌｕｔｉｏｎＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＫＯＮＧＬｉｎｇ－ｔｉｎｇ，ＹＡＮＧＹｉｎｇ－ｂａｏ，ＺＨＡＮＧＹｏｎｇ（ＳｃｈｏｏｌｏｆＥａｒｔｈＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｉｓｂａｓｅｄｏｎｆｏｕｒｄｉｆｆｅｒｅｎｔｒｅｓｏｌｕｔｉｏｎｓｒｅｍｏｔｅ－ｓｅｎｓｉｎｇｉｍａｇｅｓ．３０ｍｒｅｓｏｌｕｔｉｏｎＬａｎｄｓａｔ－８ｉｍａｇｅｄａｔａ，１５ｍｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｆｕｓｅｄｂｙｍｕｌｔｉｓｐｅｃｔｒａｌｂａｎｄｓａｎｄｐａｎｃｈｒｏｍａｔｉｃｂａｎｄｏｆｌａｎｄｓａｔ－８ｄａｔａ，５．８ｍｒｅｓｏｌｕｔｉｏｎＺＹ－３ｉｍａｇｅｄａｔａａｎｄ１５ｍｒｅｓｏｌｕｔｉｏｎｆｕｓｉｏｎｉｍａｇｅ．ＩＳＯ－ＤＡＴＡ，ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｗｅｒｅｕｓｅｄ．Ｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓａｎｄｉｍｐａｃｔｏｆｒｅｓｏｌｕｔｉｏｎｃｈａｎｇｅｓｏｎｔｈｅａｃｃｕｒａｃｙｏｆｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄｍｅｔｈｏｄｗｅｒｅａｎａｌｙｚｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄａｐｐｒｏａｃｈｉｓｌｉｍｉｔｅｄｉｎｌｏｗｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｉｓｎｏｔｍｕｃｈｉｍ－ｐｒｏｖｅｄｃｏｍｐａｒｅｄｔｏｔｈｅｔｒａｄｉｔｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄ．Ｗｈｉｌｅｉｎｔｈｅｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓｔｈｅｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｗｏｒｋｓｗｅｌｌ，ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｉｓｉｍｐｒｏｖｅｄａｌｏｎｇｗｉｔｈｒｅｓｏｌｕｔｉｏｎｉｎｃｒｅａｓｅ．Ｋｅｙｗｏｒｄｓ：ｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄ０ 引 言在传统的遥感影像分类中，基于像元的分类较多，包括监督和非监督分类法。
高分辨率遥感影像的解译和应用
高分辨率遥感影像的解译和应用高分辨率遥感影像是现代遥感技术的一大成果，它将地球上的各种特征呈现得非常清晰，为地质勘察、城市规划、环境监测等领域提供了重要的参考。
本文将从解译和应用两个方面探讨高分辨率遥感影像的意义和作用。
一、高分辨率遥感影像解译高分辨率遥感影像解译是将从高分辨率遥感影像中提取有用信息的过程。
它是了解地球表面地物分布、性质和演化过程的一个重要方法。
高分辨率遥感影像解译既需要对遥感成像技术具有充分的认识，也需要对实际应用领域的背景和目标问题有深入的了解。
在进行遥感图像解译时，应首先确定解译目的，选择合适的遥感数据和解译方法，然后进行影像解译分析，最后得出结论。
高分辨率遥感影像解译的主要方法包括目视解译、计算机自动解译和人工辅助解译。
目视解译是利用解译师对高分辨率遥感影像的视觉分析和专业知识来提取信息的一种方法。
计算机自动解译是利用数字图像处理和机器学习算法来提取高分辨率遥感影像中的信息。
人工辅助解译是将计算机提取的信息与人工干预结合起来的一种方法。
高分辨率遥感影像解译的难点在于如何正确地确定地物类型和识别特征，特别是在重合区、混淆区和较小的地物上。
为了解决这些问题，需要在影像解译过程中根据实际情况，采用多种解译方法和手段相结合，最终获得准确的结果。
二、高分辨率遥感影像应用高分辨率遥感影像在许多领域可以起到重要作用，下面我们将从资源勘查、城市规划、环境监测三个方面介绍高分辨率遥感影像的应用。
（一）资源勘查高分辨率遥感影像在矿产资源勘查、林业资源管理等领域中得到了广泛应用。
通过高分辨率遥感影像的解译和分析，可以快速地获得地质、地形、植被覆盖、土地利用等地表特征信息，进而判断某一区域内是否存在矿产资源和其类型、质量等各种参数，减小了矿山勘探的成本。
此外，在林业资源管理中，高分辨率遥感影像可以提供森林面积、树种、密度等信息，为森林保护、开发和利用做出重要的决策。
（二）城市规划高分辨率遥感影像在城市规划、建设和管理中也有重要的应用，它可以提供城市居民的居住环境信息、基础设施建设规划等方面的参考。
高分辨率遥感卫星影像的处理技术与解决方案
高分辨率遥感卫星影像的处理技术与解决方案辽宁省沈阳市 110034【摘要】近几年，随着地球空间新技术的不断发展，高分辨卫星遥感技术已逐渐发展成了对地测量的主流技术，其造价低廉、采集速度快、不受地理环境等条件制约，已广泛应用于石油、林业等领域。
然而，由于海量的高精度遥感图像，在实际的数据分析和实际运用中，尚缺少一套行之有效的规范，使得许多领域还处在摸索的初级阶段。
本文旨在探讨高分辨率遥感图像的一些技术难题，并根据实际使用要求，给出了相应的数据分析与实现方法，为高精度遥感图像的处理与应用奠定了基础。
关键词：高分辨率；遥感卫星；影像；处理；解决方案0.引言传统的遥感图像分类法主要是根据图像的频谱信息来进行相关的特征抽取，然后采用有监控的或无监控的分类方法进行。
但事实上，从卫星的角度看，地面上的各种地形都有很大的差别，再加上物体本身对光有反射作用以及同物异谱，同谱异物现象的存在，这就极大的制约了遥感图像的采集精度。
也就是说，仅仅依靠遥感图像的频谱来进行目标的识别，存在着极大的局限性。
因此，多属性的描述已经是一个不可避免的发展方向。
1.高分辨率遥感卫星影像如下表所示为当前高分辨率卫星和重要的参数信息比较。
从图表中可以看出，当前高分辨率的卫星图像在时空上的分辨能力已达2.5m，同时也有较强的实时性能。
根据已有的技术条件，根据工程施工要求及技术要求，采用高精度的卫星定位技术，可以在项目的规划、图纸的编制、项目的维修和管理等方面得到推广。
在此基础上，根据遥感图像的特征，结合实际的工程需要，提出了相应的数据处理方案。
实现了局部图像的无缝连接。
通常情况下，如果是从网上下载和采购的卫星图像，由于其初始资料是不规则的、经纬的，所以在实际应用中，往往难以达到与复杂地形有关的空间特性，所以必须将原始资料进行无缝的连接。
在图像的无缝拼接时，对于非均匀图像，要根据行列矩阵存储图像，同时要在边沿处进行像素的自动填补，同时还要在接缝部位采用特别的工艺，以进一步消除图像中的马赛克现象，避免图像的自动填补失效。
高分辨率遥感影像图的制作
高分辨率遥感影像图的制作摘要：针对高分辨遥感影像图的制图方法以及制作过程中存在的问题，从实际应用的角度，总结了高分辨率遥感影像图制图关键技术。
介绍了利用ERDAS IMAGINE遥感影像处理软件对内蒙古某遥感影像进行几何校正、重采样等处理，然后利用ArcGIS软件将遥感影像图和AutoCAD图进行叠加，最后，利用Photoshop软件对叠加后的进行地图整饰。
高分辨遥感影像图将在农业、林业、海洋等各个方面都有着非常重要的应用。
Abstract:Aim at the existent problem in graphics method and creation process that Gao distinguishes Yao image diagram, from the physically applied angle, tallied up Gao resolution Yao image diagram graphics key technique.Introduced to make use of ERDAS IMAGINE Yao image processing the software carry on to some Yao image in Inner Mongolia several what correct, heavy sample etc. processing, then make use of ArcGIS software Yao image the diagram and AutoCAD diagram carry on folding to add, end, make use of Photoshop software to carry on map the whole decoration towards folding to add behind of.Gao’s distinguishing Yao image diagram will all have a count for much application at agriculture, forestry, and ocean...etc. each aspectses关键词:几何校正；重采样；影像叠加；地图整饰Keyword:several what correct;Is heavy to sample;The image folds to add;Map the whole decoration0 前言随着遥感技术的飞速发展，遥感应用的逐步深入，地图制作也发生了翻天覆地的变化。
基于ＨＲＮｅｔ的高分辨率遥感影像道路提取方法
第４６卷 第４期２０２４年４月系统工程与电子技术ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＶｏｌ．４６ Ｎｏ．４Ａｐｒｉｌ２０２４文章编号：１００１ ５０６Ｘ（２０２４）０４ １１６７ ０７ 网址：ｗｗｗ．ｓｙｓ ｅｌｅ．ｃｏｍ收稿日期：２０２３０１１９；修回日期：２０２３０４０７；网络优先出版日期：２０２３０５１９。
网络优先出版地址：ｈｔｔｐ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２３０５１９．１３３６．００６．ｈｔｍｌ基金项目：自然资源部矿山地质灾害成灾机理与防控重点实验室项目（２０２２ ０８）；陕西省自然科学基础研究计划（２０２３ ＪＣ ＱＮ ０２９９）；中央高校基本科研业务费（ＸＪＳ２２１３０７）资助课题 通讯作者．引用格式：陈雪梅，刘志恒，周绥平，等．基于ＨＲＮｅｔ的高分辨率遥感影像道路提取方法［Ｊ］．系统工程与电子技术，２０２４，４６（４）：１１６７ １１７３．犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋：ＣＨＥＮＸＭ，ＬＩＵＺＨ，ＺＨＯＵＳＰ，ｅｔａｌ．Ｒｏａｄｅｘｔｒａｃｔｉｏｎｆｒｏｍｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｂａｓｅｄｏｎＨＲＮｅｔ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２４，４６（４）：１１６７ １１７３．基于犎犚犖犲狋的高分辨率遥感影像道路提取方法陈雪梅１，２，刘志恒１，２， ，周绥平１，余 航１，刘彦明１（１．西安电子科技大学空间科学与技术学院，陕西西安７１０１２６；２．自然资源部矿山地质灾害成灾机理与防控重点实验室，陕西西安７１００５４） 摘 要：高分辨率遥感影像中，传统的道路提取方法存在着精度低、鲁棒性低的问题，提出基于高分辨率网络（ｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎｎｅｔ，ＨＲＮｅｔ）实现高分辨率遥感影像道路分割。
对ＨＲＮｅｔ进行改进，将相同分辨率的ＨＲＮｅｔ子网的输出与输出层结果进行拼接并输入非局部块，两个损失函数Ｃｒｏｓｓ ｅｎｔｒｏｐｙＬｏｓｓ和ＤｉｃｅＬｏｓｓ用来解决道路数据集样本不平衡问题。
基于高分辨率卫星遥感影像的精准农业研究
基于高分辨率卫星遥感影像的精准农业研究精准农业是指利用现代科技手段，在农业生产过程中根据不同地区、不同土壤类型、不同植被覆盖情况、不同生长期作物的需求，实现种植、施肥、灌溉、植保等农业生产环节的精准化。
当前，随着国家对农业发展的重视以及农民收入增加的要求，精准农业已经成为农业发展的重要方向之一。
而高分辨率卫星遥感影像作为精准农业的重要数据来源，其在监测农作物种植面积、分析农情况、检测土壤水分和养分状况等方面具有优势。
因此，利用高分辨率卫星遥感影像来开展农业生产研究已成为当前精准农业研究的重要手段之一。
一、高分辨率卫星遥感影像在农业方面的应用1、测绘农作物卫星遥感影像可以非常方便地测绘出农作物的分布情况和面积，包括不同作物的生长状态、生育期、地理位置等。
这也就为农民精准施肥、灌溉、农药的使用和疾病防治等工作提供了有力的技术支撑。
2、分析农情通过高分辨率卫星遥感影像，可以实时地获取农作物的状况情况，了解农作物的生长和发育情况，根据研究结果针对性的制定相应的农业生产计划。
此外，高分辨率卫星遥感影像还可以确定农作物的受病情况，及时采取措施，减轻农业生产的损失。
3、监测土壤水分和养分状况高分辨率卫星遥感影像可以通过热红外监测技术来进行地表温度测量，从而推测土壤水分状况以及养分状况。
对于农作物品种的选择、种植密度、施肥、灌溉等方面来说，都非常有帮助。
二、精准农业技术在农业发展中面临的问题1、农民意识问题目前，我国普遍存在农民对于农业发展新技术的接受程度不高、落后的种植理念、较低的生产效率等问题。
因此，加强对农民基础知识的培训，增强农民意识和决策能力是解决农业发展中面临的首要问题。
2、精准化农业数据不足当前我国虽然已经取得了一定的高分辨率卫星遥感影像技术突破，但是对于不同地区、不同作物、不同农业环境的精准数据采集和精准数据处理还需进一步完善。
3、农业生产标准和规范不统一由于我国农业机械化水平不同，技术水平也参差不齐，各地农业生产工艺也不一样，因此，在推广精准农业技术上还需进一步研究标准和规范的统一化问题，应该尽量避免重复劳动和资源浪费。
高分辨率遥感影像的质量评价方法研究
高分辨率遥感影像的质量评价方法研究一、引言近年来，遥感技术得到了广泛的应用，尤其是高分辨率遥感影像成为了地学相关领域不可或缺的数据来源。
然而，遥感影像的质量评价方法一直是遥感界的一大难题。
本文旨在探讨高分辨率遥感影像的质量评价方法，为遥感研究提供一些可借鉴的方法。
二、高分辨率遥感影像的质量评价高分辨率遥感影像质量评价是通过定量或半定量方法，来评价遥感影像的质量程度，准确性和对信息处理的影响程度。
评价指标既反映了数据本身的质量特征，也体现了数据产生和获取过程中不同因素的影响。
1.空间分辨率高分辨率遥感影像所提供的信息量往往与其空间分辨率有关。
空间分辨率是遥感影像中最重要的一项质量因素，它决定了图像清晰度和细节度。
空间分辨率则可以通过衡量影像中最小相邻像元间的距离来进行评价，值越小则表示分辨率越高，数据的空间信息得到了更多的保留。
2.光谱分辨率光谱信息是遥感影像最大的优势之一，因为它能够为许多地学研究提供有效的输入参数。
光谱分辨率是指遥感仪器能够在不同波段上采集到的信息，它也是确定遥感影像中可见和隐含特征的根本因素之一。
光谱分辨率常常可以在遥感仪器产品文档中查到。
3.辐射定标和大气校正遥感影像数据质量是由数据获取和处理过程中的错误而决定的。
仪器安装和环境因素的变化、数据传输过程中的误码以及存储系统中的噪声等，都会影响到遥感图像的最终质量。
因此，评价遥感影像的质量必须确保遥感仪器与场地特定环境之间存在一定关联性。
有效的辐射定标可以弥补各种场景下采集的数据之间的强度差异和光看上去的差异。
另外，地球大气的折射和散射对遥感数据质量也会有影响，因此需要进行大气校正或基于物理的高光谱分析技术来补偿这些影响。
4.几何精度高分辨率遥感影像的几何精度是其定量和半定量分析的基础，常被称为地理参考，它与地图信息、地形学数据以及地球大气圈信息都密切相关。
位置精度、水平精度和高程精度都是反映几何精度的重要指标。
因此，可以根据这些指标来评价其几何配准和地球坐标系统。
超高空间分辨率遥感影像的图像处理方法研究
超高空间分辨率遥感影像的图像处理方法研究随着遥感技术的不断发展，超高空间分辨率遥感影像已经成为了遥感数据的重要组成部分。
但是由于其数据量巨大，处理难度较大，因此如何高效地进行图像处理成为了该领域研究的热点问题。
一、图像去噪超高空间分辨率遥感影像中往往会存在大量的噪声，影响了其显示和识别效果。
因此，对于这类影像，图像去噪是必不可少的图像处理方法之一。
在进行图像去噪时，可以采用传统的滤波算法如中值滤波和高斯滤波等，但是这些方法往往会导致图像细节的模糊。
针对这种问题，非局部均值去噪方法被广泛应用于超高空间分辨率遥感影像的图像去噪中。
该方法首先通过计算每个像素周围一定大小的像素的相似度，然后对相似的像素进行加权平均值处理，从而达到图像平滑去噪的目的。
二、图像增强超高空间分辨率遥感影像中的信息量非常丰富，但是其显示效果往往不如预期。
这时，图像增强技术可以提高遥感影像的视觉效果和信息采集的质量。
现有的图像增强方法包括直方图均衡化、对比度拉伸、小波变换等。
其中，小波变换是一种适用于图像增强的常见方法，它通过将图像分解成各个不同频率的小波分量，然后对每个分量进行增强处理。
该方法可以保留图像细节，同时提高图像对比度和清晰度。
三、图像分类超高空间分辨率遥感影像往往具有非常高的空间分辨率，可以提供更为细致的地表信息。
因此，图像分类技术在该领域的应用非常广泛。
图像分类的目的是将图像中的像素划分到不同的类别中，通常可以采用监督学习方法和无监督学习方法。
其中，支持向量机是一种常见的监督学习方法，可以通过构建超平面来分类不同类别的数据。
而基于聚类的无监督学习方法可以通过对像素之间的相似性进行分组来实现图像分类。
四、图像拼接超高空间分辨率遥感影像往往采集自大范围区域，但单张影像的覆盖范围往往比较有限，因此如何实现多张影像的有效拼接成为了该领域中的一个重要问题。
目前，图像拼接技术主要包括基于特征匹配的方法和基于变形模型的方法。
其中，基于特征匹配的方法可以通过提取图像中的特征点，并对特征点进行匹配来实现多张影像的拼接。
- 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)。
根据规范，1：10000 地图的单点定位误差为图上 0.5mm，即 5 米，由计算结果 m 可知 根据此模型计算得到的检查点数据满足精度要求。
4. 高分辨率遥感影像和 AutoCAD 图像的叠加
4.1 高分辨率遥感影像和 AutoCAD 图像的叠加制作过程
4.1.1 AutoCAD 下的图像处理 a 打开 AutoCAD 文件：启动 AutoCAD 软件，单击“文件”命令，打开“文件”菜单，选择
0.318 0.501 0.323 0.309 0.374 0.059 0.065 0.118 0.281 0.353 0.502 0.824 0.499 0.428 0.370
根据上表计算总的控制点误差为：
15
∑ ∆xi2 = 2.199905
i =1
15
∑ ∆yi2 = 0.216384
i =1
Correction→打开 Set Geo Correction Input File 对话框，选择 From Image File 打开融合后的影 像，单击 OK,打开遥感影像图。
②在 AutoCAD2002 中打开相应的内 AutoCAD 矢量图作为校正依据。 b 启动几何校正模块 ①在打开 Set Geometric Model 对话框中，选择多项式几何校正计算模型为 Polynomial。
待校正模型建立起来以后，在影像上选取 10 个检查点（Check Point，简称为 CHP）， 以检查模型的校正精度。将其在影像上的坐标和在地形图上的坐标进行比较，得到了如表所 示的结果。
表 2 检查点精度统计结果 Table 2 The precision statistics results
检查点 CHP #1
由表 2 的数据进一步计算得到：
10
∑ ∆xi2 = 14.213086
i =1
10
∑ ∆yi2 = 17.341017
i =1
∑ mx =
1 10
10
∆xi2
i =1
= 1.192186
∑ my =
1 10
10
∆y
2 i
i =1
= 1.316853
m=
m
2 x
+
m
2 y
= 1.776347
-5-
（6） （7） （8） （9） （10）
3.2.2 高分辨率遥感影像的拼接 遥感影像图不是一个完整的 img 格式的影像，需要进行影像的拼接[3]。 在 ERDAS 图标面板工具条，单击 Data Preparation 图标→Mosaic Images 命令，打开
Mosaic Tool 对话框。 ①在 Edit 菜单中选择 Add Images 命令，将所要拼接的影像加到 Mosaic Tool 页面中。 ②在 Mosaic Tool 图标面板中工具条，根据需要单击相应的图标设置拼接关系。 ③在 Process 菜单中选择 Run Mosaic 命令，执行图像拼接处理。
影像达到真彩色的效果。 在 ERDAS 图标面板工具条，单击 Data Preparation 图标→Subset Imagine 命令，打开
Subset 对话框。在 Subset 对话框中，在 Output Options 中的 Select Layers 键入要输出图像的 波段数，设置为 1：3。
影像图的整饰
影像图的输出 图 1 遥感影像处理基本流程 Fig.1The processing basic process of remote sensing image
3.2 高分辨率遥感影像的处理
3.2.1 高分辨率遥感影像波段处理 QuickBird 彩色影像（多光谱）中，包含蓝、绿、红三个波段，剔除掉近红外波段，使
1. 引言
随着遥感技术的飞速发展，遥感应用的逐步深入，地图制作也发生了翻天覆地的变化。 1943 年德国开始利用航空相片制作各种比例尺的影像地图。1945 年前后美国开始产生影像 地图，中国在 20 世纪 70 年代开始研制影像地图[1]。由于遥感影像图具有遥感影像与地图的 各自优点，它比遥感影像具有可读性和可量测性，比普通地图更加客观真实，信息量更加丰 富，因此日益受到人们的重视。目前遥感影像图无论在农业的土地资源调查，农作物生长状 况及其生态环境的监测，还是在林业的森林资源调查，监测森林病虫害、沙漠化或是在海洋 资源的开发与利用，海洋环境污染监测都有着非常重要的应用[2]。
3.2.3 高分辨率遥感影像的几何校正 由于遥感器的内部畸变，遥感平台的运行状态，地球本身对遥感图像的影响等会使遥感
图像成像过程中产生的各种几何畸变，需要进行几何纠正。 a 显示图像文件 ① 在 ERDAS 图 标 面 板 工 具 条 上 ， 单 击 DatePreperation 图 标 →Image Geometric
的数值。 d 定义输出像元大小（Output Cell Sizes），X 值为 30/Y 值为 30。 e 设置输出统计中忽略值，即选中 Ignore Zero in Stats 复选框。 f 设置重新计算输出默认值（Recalculate Output Defaults），设 Skip Factor 为 10。 g 单击 OK 按钮。
ห้องสมุดไป่ตู้
1.562312 -0.985290 -2.000456 -1.288565 -1.542185 0.977512 -0.795421 0.824521 1.401033
5.525219 1.995067 5.836866 4.129351 3.670560 2.165787 1.363191 1.388555 3.419916
坐标差
∆xi /m
-1.436001
坐标差
∆yi /m
-1.287591
∆xi2 + ∆yi2
/m 3.719989
CHP #2 1.756246 CHP #3 -1.012063 CHP #4 1.354637 CHP #5 0.899195 CHP #6 1.136761 CHP #7 -1.100117 CHP #8 -0.854691 CHP #9 0.841855 CHP 10 1.207072
∑ mx =
1 15
15
∆xi2
i=1
= 0.382963
（1） （2） （3）
-4-
∑ my =
1 15
15
∆yi2
i =1
= 0.120107
m=
m
2 x
+
m
2 y
= 0.401356
（4） （5）
所以 X 方向总误差为 0.382963， Y 方向总误差 0.120107； RMS(Root Mean Square， 均方根中误差)为 0.401356，以上单位均为像素。
-2-
②单击 OK 按钮。 ③同时打开 Geo Correction Tools 对话框和 Polynomial Model Properties 窗口。 在 Polynomial Model Properties 窗口中，定义多项式模型参数及投影参数。 ④定义多项式次方（Polynomial Order）为 2。 ⑤定义投影参数（Projection）中的 Map Units(地图单位)选择 Meters。再点击 Set Projection from GCP Tool 选择地面控制点的获取方式。 ⑥在打开的 GCP Tool Reference Setup 对话框中选择 Keyboard Only 键盘输入控制点方 式，点击 OK。 ⑦在弹出的 Reference Map Information 对话框中，在 Map Units 中选择“Meters”,再点击 Add/Change Map Projection 选择投影方式。 ⑧单击 OK 按钮，对影像进行几何校正。 c 采集地面控制点 在图像几何校正过程中，采集控制点是一项非常重要和相当繁琐的工作， 具体过程如下（如图 2）： ①在 GCP 工具对话框中单击 Select GCP 图标，进入 GCP 选择状态。 ②在 GCP 数据表中将输入 GCP 的颜色（Color）设置为比较明显的红色。 ③在打开的 AutoCAD 图中找出位置明显的点作为控制点，记录其坐标，再打开的 Viewer#1 窗口中找到所选控制点的位置，再点击 GCP Tool 对话框中的 图标，点击所 选点的位置，再 GCP Tool 对话框中 X Ref 和 Y Ref 输入所记录的坐标。
0.306 -0.474 -0.304 -0.289 -0.358 0.058 0.061 0.100 -0.266 0.341 -0.487 0.783 0.478 0.408 -0.358
0.086 -0.162 -0.110 -0.107 -0.109 0.010 -0.021 -0.063 -0.091 0.091 -0.124 0.254 -0.142 0.131 -0.095
3.2.4 高分辨率遥感影像图的重采样 在 Geo Correction Tool 对话框中单击 Image Resample 图标，打开 Resample（图像重采
样）对话框，在 Resample 对话框中，定义重采样参数： a 输出图像文件名（Output File）为*.img。 b 选择重采样方法（Resample Method）为 Nearest Neighbor。 c 定义输出范围（Output Corners），在 ULX、ULY、LRX、LRY 微调框中分别输入需要
3.3 实验数据整理
表 1 遥感影像图几何校正结果 Table1 The results of geometric correction of image of remote sensing
RMS 中 误 差 / 像
GCP
X 残差/像素 Y 残差/像素 素