卫星遥感及其影像分解

合集下载

常用的遥感卫星影像数据处理方法

北京揽宇方圆信息技术有限公司常用的遥感卫星影像数据处理方法1、常用遥感图像处理软件⏹ENVI:美国Exelis Visual Information Solutions公司的旗舰产品⏹PCI GEOMATICA：加拿大PCI公司旗下的四个主要产品系列之一⏹EDRAS imagine2、白色的光可以分解为系列单色的可见光；三种原色：红、绿、蓝；三种补色：黄、品、青黄=红+绿品=红+蓝青=绿+蓝任何一种颜色都可以用3原色或者3补色来组合3、常用的波段组合特点红绿蓝321真彩色：可见光组成，符合人眼对自然物体的观察习惯。

对于水体和人工地物表现突出。

432假彩色：城市地区，植被种类。

543假彩色：增强对植被的识别743假彩色：增强对植被的识别，以及矿物、岩石类别的区分。

4、共15个主功能模块，其中一般的遥感数字图像处理经常用到的是Viewer、Import、DataPrep、Interpreter、Classifier、Modeler等。

5、功能模块介绍：①该模块主要实现图形图像的显示，是人机对话的关键。

②数据输入输出模块，主要实现外部数据的导入、外部数据与ERDAS支持数据的转换及ERDAS内部数据的导出。

③数据预处理模块，主要实现图像拼接、校正、投影变换、分幅裁剪、重采样等功能。

④专题制图模块，主要实现专题地图的制作。

⑤启动图像解译模块，主要实现图像增强、傅里叶变换、地形分析及地理信息系统分析等功能。

⑥图像库管理模块，实现入库图像的统一管理，可方便地进行图像的存档与恢复。

⑦图像分类模块，实现监督分类、非监督分类及专家分类等功能。

⑧空间建模模块，主要是通过一组可以自行编制的指令集来实现地理信息和图像处理的操作功能。

⑨矢量功能模块，主要包括内置矢量模块及扩展矢量模块，该模块是基于ESRI的数据模型开发的，所以它直接支持coverage、shapfile、vector layer等格式数据。

⑩雷达图像处理模块，主要针对雷达影像进行图像处理、图像校正等操作。

IKONOS卫星遥感影像解译数据的波段简介

IKONOS卫星遥感影像解译数据的波段IKONOS卫星影像IKONOS卫星简介IKONOS为美国DigitalGlobe公司的高分辨率遥感卫星，于1999年09月24日发射，其影像分辨率达0.82米，为全球首颗提供1米以下分辨率的商用光学卫星，揭开了高分辨率卫星影像的时代。

IKONOS卫星基本参数卫星遥感数据分类：一、卫星分辨率1.0.3米：worldview3、worldview42.0.4米：worldview3、worldview2、geoeye、kompsat-3A3.0.5米：worldview3、worldview2、geoeye、worldview1、pleiades、高景一号4.0.6米：quickbird、锁眼卫星5.1米：ikonos、高分二号、kompsat、deimos、北京二号6.1.5米：spot6、spot7、锁眼卫星7.2.5米：spot5、alos、资源三号、高分一号（4颗）、高分六号、锁眼卫星8.5米:spot5、rapideye、锁眼卫星、planet卫星4米9.10米:spot5、spot4、spot3、spot2、spot1、Sentinel-卫星10.15米:landsat5(tm)、landsat(etm)、landsat8、高分一号16米二、卫星类型1.光学卫星：spot2、spot3、spot4、spot5、spot6、spot7、worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、高分一号、高分二号、高分六号、北京二号、高景一号、资源三号、环境卫星。

2.雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星3.侦查卫星：美国锁眼卫星全系例(1960-1980)4.高光谱类卫星：高分五号、环境小卫星、ASTER卫星、EO-1卫星三、卫星国籍1.美国：worldview1、worldview2、worldview3、quickbird、geoeye、ikonos、landsat5(tm)、landsat(etm)、锁眼卫星、planet卫星2.法国：pleiades、spot1、spot2、spot3、spot4、spot5、spot63.中国：高分一号、高分二号、高分六号、高景卫星、北京二号、资源三号等4.德国：terrasar-x、rapideye5.加拿大：radarsat-2四、卫星发射年份1.1960-1980年：锁眼卫星(0.6米分辨率至10米)2.1980-1990年：landsat5(tm)、spot13.1990-2000年：spot2、spot3、spot4、landsat(etm)、ikonos4.2000-2010年：quickbird、worldview1、worldview2、spot5、rapideye、radarsat-2、alos5.2010-至今：高分一号、高分二号、高分三、高分四、高分五、高分六号、高分七、spot6、spot7、资源三号、worldview3、worldview4、pleiades、高景卫星、planet卫星。

航天遥感与卫星图像

5. 纹理：也叫内部结构，指遥感图像中目标地物内部色调有规则变化造成的影像结构。农田草坪针叶林
4
遥感原理
4. 大小：指遥感图像上目标物的形状、面积与体积的度量。
5. 位置：指目标地物分布的地点。 6. 图形：目标地物有规律的排列而成的图形结构。 7. 相关布局：多个目标地物之间的空间配置关系。
✓ 色调:地面温度的构像. ✓ 热辐射能量大，色调浅;能量小，色调深。油膜比水辐射度低，热红外图像呈现冷异常
色调深。厂矿、热电厂排除的循环水为工业热流，热异
常, 色调浅。烟雾形成的冷异常，异常形态可以看出，烟雾
扩散的方向和影响的范围。
44
遥感原理
✓ 形状:被探测地物与背景温度差异形成”热分布” 形状.
38
遥感原理
彩红外像片
彩红外像片由地物反射的光线进入摄影机镜头，使彩
色红外感光底片产生光化学反应，由该底片印出的像片称为彩红外像片。彩色红外感光片没有感蓝层，有感绿、感红和感红外层。因此不受大气散射蓝光的影响，像片清晰度很高，适合城市航空摄影。
彩红外比彩色像片信息更加丰富.
39
3. 位：指目标地物在遥感影像上的空间位置，包括目标地物分布的空间位置、相关布局等。
2
遥感原理
二、目标地物识别特征
1. 色调：
色调是地物或现象反射或发射电磁波强弱程度在遥感图像上的记录和反映。显示影像的亮暗程度，通常用“灰阶” 表示。是识别地物的主要标志。
影响影像色调的主要因素有：
地物的亮度系数，物体本身颜色，地物
10
直接判读标志
（一）形状和大小：
人造地物具有规则的几何外形和清晰的边界，自然地物具有不规则的外形和规则的边界。

卫星影像处理与遥感图像解译技巧

卫星影像处理与遥感图像解译技巧地球遥感技术以其高分辨率和广覆盖的优势，成为当今科技发展中重要的工具之一。

卫星影像处理和遥感图像解译技巧是在遥感应用过程中必不可少的环节。

本文将探讨几种常见的卫星影像处理和遥感图像解译技巧，并探索其应用领域和未来发展方向。

一、卫星影像预处理技巧在利用卫星影像进行遥感图像解译之前，首先需要对卫星影像进行预处理。

预处理的目的是消除或减小影像中的噪声和不确定因素，提高遥感数据的可用性。

1. 辐射校正辐射校正是指将原始卫星影像转化为反映地表辐射能量分布的数据。

由于卫星影像获取过程中会受到大气环境的影响，因此需要进行辐射校正来消除大气效应。

常用的辐射校正方法有大气纠正、反射率校正等。

2. 几何校正几何校正是指对卫星影像进行几何校正，使其符合地理坐标系统。

卫星影像获取过程中会受到卫星运动和地球自转的影响，因此几何校正对于实现影像的精确配准和准确的空间位置信息非常重要。

3. 合成影像将多幅卫星影像合成成为一张高分辨率的影像可以提高遥感数据的空间分辨率，同时也可以提高影像的质量。

常用的合成影像方法有类别合成、分辨率增强等。

二、遥感图像解译技巧遥感图像解译是指通过对卫星影像进行解读和分析，得出地表特征和信息的过程。

它是遥感技术中最核心、最具挑战性的环节之一。

1. 图像分类图像分类是将卫星影像中的像元划分为不同的类别，以实现不同地物类别的提取和识别。

常用的图像分类方法包括像元法、目标法、混合像元法等。

2. 特征提取特征提取是指从卫星影像中提取出能够区分和区域化地物类别的特征。

常用的特征提取方法有光谱特征提取、纹理特征提取、形态特征提取等。

3. 目标检测目标检测是指利用卫星影像进行目标或地物的检测和识别。

常见的卫星影像目标检测方法有目标检测算法、基于机器学习的目标检测等。

三、卫星影像处理与遥感图像解译的应用领域卫星影像处理和遥感图像解译技巧广泛应用于地质勘探、环境监测、农业、城市规划等领域。

卫星遥感影像数据的处理流程

北京揽宇方圆信息技术有限公司技术能力说明北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。

目录1目的 (5)2范围 (5)3职责 (5)4引用文件 (5)5成果主要技术指标和规格 (5)5.1成果的种类 (5)5.2坐标系统及高程基准 (5)5.3成果主要规格 (5)6设计方案 (5)6.1软件和硬件配置要求 (6)6.1.1软件 (6)6.1.2硬件 (6)6.2技术路线及工艺流程 (6)6.2.1技术路线 (6)6.2.2工艺流程 (6)6.3技术规定 (6)6.3.1主要技术指标 (6)6.3.2作业准备 (7)6.3.2.1资料收集 (7)6.3.2.2资料分析 (7)6.3.3控制点的布设和获取 (7)6.3.4影像控制点的精度要求 (8)6.3.5影像融合与处理 (8)6.3.5.1影像融合的技术要求 (8)6.3.5.2融合后影像处理 (8)6.3.5.3影像匀色 (8)6.3.6影像的正射纠正 (8)6.3.6.1纠正控制点采集 (8)6.3.6.2纠正方法 (9)6.3.7影像镶嵌 (10)6.3.7.1镶嵌原则 (10)6.3.7.2重叠精度检查 (10)6.3.8图幅裁切 (10)6.3.9超限分析与处理 (10)6.3.9.1客观原因 (10)6.3.9.2人为原因 (10)6.3.10相关文件制作 (10)6.3.11提交资料 (11)6.4质量控制 (11)6.4.1检查内容 (11)6.4.1.1关键工序检查要点 (11)6.4.1.2外业控制测量 (11)6.4.1.3正射纠正的质量检查 (11)6.4.1.4镶嵌、接边质量检查 (11)6.4.1.5DOM精度评定 (11)6.5安全生产及数据安全 (12)II6.5.1安全生产 (12)6.5.2数据安全 (12)6.6上交和归档成果及其资料内容和要求 ·····································错误！未定义书签。

卫星遥感图像处理中的图像分割算法使用技巧探究

卫星遥感图像处理中的图像分割算法使用技巧探究图像分割算法是卫星遥感图像处理中的重要环节，其作用是将图像分割成不同的区域或对象，以便更好地获取地理信息。

在卫星遥感图像处理中，图像分割算法的准确性和效率是至关重要的。

本文探究了卫星遥感图像处理中常用的图像分割算法以及使用技巧，旨在提供对于该领域的初学者以及研究人员有关卫星遥感图像处理中图像分割算法使用的指导。

一、图像分割算法的基本概念及分类图像分割是指将图像划分为若干互不相交的区域，每个区域内的像素具有相似的特性。

在卫星遥感图像处理中，常用的图像分割算法包括基于阈值的分割、区域增长法、边缘检测法以及基于机器学习的分割等。

1. 基于阈值的分割基于阈值的分割是一种简单且常用的分割算法。

该算法将图像的灰度值与设定的阈值进行比较，根据阈值的大小决定像素属于前景或背景。

常见的阈值分割算法包括全局阈值法、自适应阈值法以及基于直方图的阈值法等。

2. 区域增长法区域增长法是一种基于像素的分割算法，其原理是从种子点开始，根据预设的条件逐步扩展区域。

该算法通常需要提前设定一些种子点，并利用像素之间的相似性进行区域的扩张，直到满足停止条件。

区域增长法通常能更好地适应图像的复杂结构。

3. 边缘检测法边缘检测法是通过检测图像中不连续的强度变化来实现图像分割的算法。

该算法可通过检测图像中的边缘来分割出不同的区域。

常见的边缘检测算法有Sobel、Canny和Laplacian等。

4. 基于机器学习的分割基于机器学习的分割算法是近年来发展起来的一种先进的图像分割方法。

该算法通过训练模型，自动从图像中学习分割的规则。

常见的机器学习算法包括K-means聚类、支持向量机（SVM）、随机森林和深度学习等。

二、卫星遥感图像处理中图像分割算法的使用技巧在卫星遥感图像处理中，图像分割算法的使用技巧是影响分割结果准确性和效率的关键。

以下是一些在卫星遥感图像处理中使用图像分割算法的技巧：1. 选择适合的图像分割算法不同的图像分割算法适用于不同的图像特性和任务需求。

卫星遥感影像解译样本生产技术规程

卫星遥感影像解译样本生产技术规程英文回答：## Satellite Remote Sensing Image Interpretation Sample Production Technology Specification.1. Overview.Satellite remote sensing image interpretation is a process of extracting information from satellite images. This information can be used for various purposes, such as land use mapping, agricultural monitoring, and disaster assessment.The accuracy of satellite remote sensing image interpretation depends on the quality of the samples used for training the image classification algorithm. Therefore, it is important to develop a standardized procedure for the production of high-quality samples.2. Sample Collection.The first step in sample production is to collect a set of representative samples. These samples should cover the entire range of variability in the image data.The samples can be collected manually or automatically. Manual sample collection is time-consuming, but it allows for a more precise selection of samples. Automatic sample collection is less time-consuming, but it may result in a less representative sample set.3. Sample Labeling.Once the samples have been collected, they must be labeled with the correct land cover class. This labeling can be done manually or automatically.Manual labeling is time-consuming, but it allows for a more precise labeling of samples. Automatic labeling is less time-consuming, but it may result in a less accurate labeling.4. Sample Validation.After the samples have been labeled, they must be validated to ensure that they are accurate. This can be done by comparing the labels to ground truth data.The ground truth data can be collected through field surveys or by using other sources of information, such as aerial photographs or lidar data.5. Sample Selection.The final step in sample production is to select a subset of samples to use for training the image classification algorithm. This subset should be representative of the entire range of variability in the image data.The samples can be selected randomly or by using a stratified sampling approach. Stratified sampling ensures that all land cover classes are adequately represented inthe training set.6. Conclusion.The production of high-quality samples is essential for the accuracy of satellite remote sensing image interpretation. By following the steps outlined in this specification, users can produce samples that are representative, accurate, and suitable for training image classification algorithms.中文回答：## 卫星遥感影像解译样本生产技术规程。

银川活动断层卫星遥感图像解译

３活动断裂解译标志
利用卫星遥感图像进行活动断层解译，常通
利用的解译标志包括色调标志、地层标志、貌标地
图像增强处理的目的是为了突出研究目标的
志、水系标志、土壤一被标志与纹理标志等。植（）１色调标志：性构造界面两侧地质体的线波谱响应特征存在着差异或线性构造本身有独特的波谱响应特征，因此，遥感图像上常出现明显在
பைடு நூலகம்
裂带、家新庄一南泉子断裂、关口断裂与青铜峡断裂，对其影像特征与空间分布规律进行详细分析。黎三并
银川活动断裂的解译分析为该地区的地震安全性评价与地震活动性分析奠定了基础。关键词：成孔径雷达；光学遥感；信息融合；活动断层；感解译合遥中图分类号：３５２Ｐ１．文献标识码：Ａ文章编号：６３— ０７２１）１— ０７— ９１７８４（０２Ｏ０１０
信息融合，融合图像具有两种遥感手段的综合优
点，服了单一遥感手段的不足，以增强对地震克可
地质现象特别是隐伏构造的识别能力。基于此，
本文选择ＥＶＳＴ雷达卫星与Ｌｎｓｔ７ＥＭＮＩＡａｄａ一Ｔ
的与背景色调、色彩有显著差异的色调异常线、色调异常带及色调异常分界面。在第四系沉积物覆

GeoEye卫星遥感影像解译数据技术参数是多少

GeoEye卫星遥感影像解译数据技术参数是多少？卫星遥感数据分类：一、卫星分辨率1.0.3米：worldview3、worldview42.0.4米：worldview3、worldview2、geoeye、kompsat-3A3.0.5米：worldview3、worldview2、geoeye、worldview1、pleiades、高景一号4.0.6米：quickbird、锁眼卫星5.1米：ikonos、高分二号、kompsat、deimos、北京二号6.1.5米：spot6、spot7、锁眼卫星7.2.5米：spot5、alos、资源三号、高分一号（4颗）、高分六号、锁眼卫星8.5米:spot5、rapideye、锁眼卫星、planet卫星4米9.10米:spot5、spot4、spot3、spot2、spot1、Sentinel-卫星10.15米:landsat5(tm)、landsat(etm)、landsat8、高分一号16米二、卫星类型1.光学卫星：spot2、spot3、spot4、spot5、spot6、spot7、worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、高分一号、高分二号、高分六号、北京二号、高景一号、资源三号、环境卫星。

遥感卫星影像数据提取绿地面积方案和解译标志建立

北京揽宇方圆信息技术有限公司遥感卫星影像数据提取绿地面积方案和解译标志建立数据预处理WorldView全色高分辨率数据（0.50m）在数据预处理中要突出其高分辨率。

处理的目的是为了增强局部灰度的反差从而突出纹理细节和加强纹理能量，通过细化来尽可能减少噪音，特别强调在增强局部灰度反差时保持原灰度关系只是增加灰度的值，在拉伸方法选择上不采用非线性拉伸。

原始WorldView全色高分辩率影像亮度较低，反差小，选择适当的输入范围，调整反差系数，能改善视觉效果，所以，对高分辩率数据以消除蒙雾和提高亮度为主，尽可能减少纹理细节损失。

同时，根据融合目的的不同，在拉伸时加以区别。

用于绿化信息解译时，要避免灰度过饱和，尽可能减少纹理细节损失。

在融合图像中，多光谱数据的贡献是它的光谱信息。

融合前主要以色彩增强为主，调整亮度、色度、饱和度，拉开不同地类之间的色彩反差。

对局部的纹理要求不高，有时为了保证光谱色彩，可以削弱纹理信息来确保融合图的效果。

在城市绿化遥感测试中，为了增强绿化信息，扩大不同地类，如街道、建筑物、居民点等光谱信息的差异，使绿化地类更突出，采用了三维反差增强。

其技术实质是扩大同名像元在要合成的三个波段上灰度的差度，使该同名点合成的色调鲜艳，达到彩色增强的目的；同时，使图像上不同地物间微小的灰度差异也能增强成明显的色调差异，从而达到增强图像信息的效果。

具体处理时，采用波段特征差异光谱加权法。

将重新生成的三个新分量再进行彩色合成，便扩大了地类间的色调，减少了相关性。

根据WorldView多光谱数据的波谱效应，WorldView多光谱数据采取1（R）、2（G）、3（B）合成的图像拥有模拟真彩色，色彩柔和，适合各类人员解译使用。

影像配准本项目中使用的Worldview卫星数据的全色数据和多波谱数据需进行影像配准处理，不同时像卫星数据也要进行配准，图像配准中误差一般地区不大于0.5个像元。

影像配准采用以下方法进行精度检查：融合检查：对配准后数据进行快速融合处理，目视检查融合图是否有重影现象。

遥感卫星影像介绍.

QuickBird快鸟卫星介绍快鸟卫星技术参数- -空间分辨率是相对于时间分辨率而言的。

时间分辨率多用于仪器时基线性的分辨能力；由几何空间引起的分辨率称为空间分辨率。

因为射线胶片照相检测或实时成像检测多在静止状态下进行，不涉及时间分辨率问题，所以在实时成像检测技术中所言分辨率就是指空间分辨率。

发射时间:2001年10月18日运载火箭:Delta Ⅱ发射地点:美国范登堡空军基地轨道高度及倾角:450 km 98°太阳同步重访周期:1~3.5天视角:沿轨道方向和垂直轨道方向均可调整轨道周期:93.4分钟每轨拍摄:约57景幅宽&图像大小:主要景幅宽星下点为16.5 km 可达到的地面宽度544 km(中心点为卫星地面轨道，最大倾角30°)定位精度:圆误差23 m；线性误差17 m(无地面控制点)传感器分辨率&光谱波段:全色星下点61 cm黑白：445~990 nm多光谱星下点2.44 m 蓝450~520 nm 绿520~600 nm红630~690 nm近红外760~900 nm数据编码方式:11 bit/s卫星姿态控制系统:三轴稳定/恒星跟踪稳定/惯性平台/飞轮/GPS星上存储器:128 Gbit/s卫星设计寿命:7年QuickBird卫星于2001年10月由美国DigitalGlobe公司发射星下点分辨率0.61米产品分辨率：全色0.61-0.72米，多光谱2.44-2.88米产品类型：全色、多光谱、全色+多光谱（捆绑）、三波段融合（任意三个多光谱波段与全色波段融合产生的0.61米数据）、四波段融合（四个多光谱段与全色波段融合成的0.61米数据）全色波段，多光谱波段号：蓝、绿、红、近红外景宽16.5公里，景面积272平方公里。

此订单按面积购买。

QB数据05年最新价格表（单位：元/平方公里）说明：（全色0.61米分辨率，多光谱为2.44米分辨率）1、基础产品（1B）的最小定单（包括存档数据与编程接收数据）为1景；2、标准产品（2A）中存档数据的最小定单为25 Km2；3、标准产品（2A）中普通编程接收数据的最小定单为64 Km2；4、捆绑模式数据是指该产品包括全部5个波段的原始数据（1全色波段＋4多光谱波段）；5、所有编程接收订单的云量覆盖规范都是小于20%；6、编程接收订单中的“侧视角度”选项只有两个选择：a) 0 — 15度范围；b) 0 — 25度范围, 这两个选择没有价格上的差异。

遥感卫星影像预处理的方法步骤

1技术路线DOM 技术流程图数据查询数据获取数据预处理质量检查整理提交原始数据正射校正平面控制高程数据辐射校正辐射定标大气校正配准融合整体镶嵌范围裁切高景一号MUX 影像大气校正植被指数多样性选择NDVI/EVI/NDWI/...光谱特征影像集随机森林分类研究区作物分类结果精度评价训练样本验证样本影像预处理辐射定标影像融合纹理特征多样性选择Mean/Entropy/ASM/...GLCM 计算高景一号Pan 影像灰度级量化...纹理特征影像集影像集验证样本集训练样本集实地调查高分解译样本筛选样本数据影像数据分类土地利用分类技术流程遥感图像水体粗提取先验阈值区间ROI 区域图像分割阈值水陆二值图边界膨胀直方图统计图像分割最小连通区去除水体掩膜图像水体分布提取技术流程模块开发数据处理数据获取水面实测光谱数据光学遥感数据实测水质参数数据水体固有光学量数据光谱特征分析固有光学特性分析基于水面实测光谱的水质参数反演算法基于光学遥感数据的水质参数反演策略最优反演算法精度评价水质参数反演软件模块开发反演算法水体光学分类大气校正水体提取水质参数反演技术路线图建筑物提取提取技术路线图2影像正射校正方案2.1正射校正原理遥感影像获取的过程中会受到各种不定因素的影响，如：传感器的成像方式、地形起伏、地球曲率、大气折射等，导致图像本身的几何位置、形状、尺寸等与其对应的地物不一致，发生变形。

通过一定的数学模型来改正和消除遥感影像产生的变形的过程称为几何校正。

通常情况下，对影像进行粗略几何校正时，需要利用卫星等提供的一些轨道、姿态参数以及与地面系统相关的处理参数来进行校正。

当精度要求较高时需对影像进行几何精校正，即利用地面控制点及畸变模型对原始影像进行校正。

经过粗校正之后接收到的全色影像数据中的大部分地物已经实现了重叠，只有个别仍存在偏差。

此时，需要利用DEM 数据对全色影像做正射校正，生成全色影像的正射影像图。

正射校正是将中心投影的影像进行纠正形成正射投影影像的过程，先把影像化分为许多小区域，之后根据相关参数按照对应的中心投影构像方程或者特定的数学模型用控制点进行解算，得到解算模型后利用数字高程模型对原始遥感影像进行校正，最终获得数字正射影像。

遥感卫星传感器及其成像方式

光电过程-辐射数据定量
胶片探测范围较窄
电子格式范围较广
多系统分离采集-可比性差光谱波段同时采集-可比性强
一、多光谱扫描成像
• 根据成像方式的不同, 多光谱扫描成像系统可分为光学机械扫描和推扫式扫描两种主要类型。
光学机械扫描 optical- mechanical scanning
推扫式扫描 push- broom scanning
第三章传感器及其成像方式
聊城大学环境与规划学院
第一节传感器的分类
• 传感器 ( sensor) , 也称敏感器或探测器, 是收集、探测并记录地物电磁波辐射信息的仪器。
– 传感器探测电磁波波段的响应能力 – 传感器的空间分辨率和图像的几何特性 – 传感器获取地物电磁波信息量的大小和可靠程
输出器（扩展5）
感色性---感光片对光谱中不同波长光线敏感的程度和范围由乳剂中加入的光谱增感剂的性质决定
①.盲片色只含AgBr和少量AgI 未加光谱增感剂 0.34~0.5μm
②.正色片在色盲乳剂中加入正（绿）色增感剂 0.34~0.58μm(在0.5~0.52μm处略有下降)
③.全色片在色盲乳剂中加入多种光谱增感剂 0.34~0.72μm(对0.5~0.52μm的绿光感光度稍低)
如何下载卫星遥感影像？
如何下载卫星遥感影像？
如何下载卫星遥感影像？
如何下载卫星遥感影像？
Landsat 8 OLI_TIRS 卫星影像
• 2013 年2月11日，美国航空航天局(NASA) 成功发射Landsat-8卫星。 Landsat-8卫星上携带两个传感器，分别是OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）。

如何进行卫星遥感影像的解译和分析

如何进行卫星遥感影像的解译和分析卫星遥感影像的解译和分析一直是地理信息科学领域的重要研究内容。

随着卫星技术的不断发展和遥感数据的广泛应用，卫星遥感影像的解译和分析已经成为了现代地理学、环境学、农业学等学科研究中不可或缺的工具。

本文将探讨如何进行卫星遥感影像的解译和分析，从选择合适的遥感数据、进行影像预处理、提取地物信息以及应用解译结果等方面进行介绍。

首先，选择合适的遥感数据是进行卫星遥感影像解译和分析的关键。

合适的遥感数据包括高分辨率的遥感影像、不同波段的多光谱遥感影像以及时序遥感影像等。

高分辨率的遥感影像能够提供更为细致的地物信息，而多光谱遥感影像可以提供地物的光谱信息，时序遥感影像则能反映地物的动态变化。

因此，在选择遥感数据时，需要根据具体的研究目标和需求来确定合适的数据。

其次，进行影像预处理是进行卫星遥感影像解译和分析的必要步骤。

影像预处理主要包括影像校正、辐射校正和几何校正。

影像校正可以排除由于大气、地表反射和传感器等因素引起的影响，提高影像的质量。

辐射校正则是将原始的观测数据转换为可比较的辐射能量值，以进行定量分析。

几何校正能够纠正影像的几何畸变，保证影像的精度和准确性。

通过影像预处理，可以提高遥感影像的质量和可信度，为后续的解译和分析提供可靠的基础。

然后，提取地物信息是卫星遥感影像解译和分析的核心内容。

地物信息主要包括地物类别、面积、空间分布以及特征参数等。

在提取地物信息时，可以使用传统的像元分类方法，如最大似然分类、支持向量机和人工神经网络等。

同时，也可以结合地物特征参数进行解译和分析，如纹理特征和形态特征等。

在提取地物信息时，应根据具体的研究目标和需求选择适当的解译方法和技术，同时结合遥感数据和地理信息系统等辅助工具，提高解译和分析的准确性和可靠性。

最后，应用解译结果是卫星遥感影像解译和分析的重要环节。

解译结果的应用可以涉及到多个领域，如土地利用与覆盖变化、环境监测与评估以及农业资源管理等。

遥感图像解译

遥感图像解译遥感图像解译第⼀章：遥感图像解译的⼀般问题本章重点：①图1.0.1对应的遥感图像解译的特点；②地物信息传递的七个步骤；③质量评价的四个标准及其相关计算；遥感：通过各种传感器，在不接触⽬标条件下探测⽬标地物，获取其反射、辐射和散射的电磁波信息，并进⾏处理、分析和应⽤的⼀门科学和技术。

★图1.0.1（欧空局发布的PROBA图像）表明了图像解译能⼒和⼈的视觉能⼒的关系：卫星遥感延伸了视觉器官功能，将⾁眼看不到的地物⽬标所具有的某些特征信息通过对遥感图像的解译获取出来，⼈眼进⾏⽬视判读时因为个⼈经验等原因的限制，容易使⽬视判读解译出现很⼤的偏差，⼈⼯解译的程度和精度很⼤程度受到视觉能⼒的限制。

★地物信息传递的七个过程：1.有选择地观测地学环境；2.由数据产⽣的局部概念模型；3.将地物图像数据转变成图像信息；4.图像信息的组织和管理；5.图像信息在新的层次上还原为地物信息；6.由地学信息产⽣的局部概念模；7.按照地学应⽤要求进⾏加⼯。

图像解译按应⽤领域可以分为普通地学解译和专业解译（地质、⼟壤、军事等）；图像解译按组织⽅法可以分为：野外解译、飞⾏器⽬视解译、室内解译、综合解译。

遥感信息的利⽤⽅式照遥感技术的发过程划分： 1.瞬时信息的定性划分；2. 空间信息的定位；3.瞬时信息的定量分析；4.时间信息的趋势分析5.多源信息的综合分析。

解译产品和各种技术的发展(P11)：观察与测量仪器的改变；产品形式的改变；⽣产⼯艺的改变；新⼀代传感器的研制；地理信息系统的⽀持；遥感应⽤模型的深化.★遥感图像解译的质量要求解译质量的四个标准：1.解译的完整性:解译的完整性标志着所得出的结果与给定任务的符合程度。

对解译完整性的评价⼀般以质量指标来表⽰，在个别情况下，也会进⾏数量的评价，即已揭⽰细部数量与总数量的百分⽐。

2.解译可靠性：指出解译结果与实际的符合程度，决定于正确地物数量与实际总数量的⽐值关系。

（可通过混淆矩阵表达：总体精度、Kappa 系数、混淆矩阵（可能性）、⽣产者（制造者）精度以及⽤户精度。

遥感卫星影像解译方法、原则和程序

北京揽宇方圆信息技术有限公司遥感卫星影像解译方法、原则和程序遥感解译：即为从遥感图像中识别和提取某种影像，赋予特定的属性和内涵以及测量特征参数的专业化过程。

遥感地质解译：机助地质解译有两种方式，一是以数字遥感影像为信息源，以ERDAS、MAPGIS、PCI和PHOTOSHOP等软件为解译平台，根据地质体遥感解译标志，解译圈定岩性、构造、接触关系、地质灾害和土地荒漠化等地质现象；二是以遥感影像为背景，叠合专题地质图层，结合典型地质体影像特征，进行对比修正解译。

以遥感资料为信息源，以地质体、地质构造和地质现象对电磁波谱响应的特征影像为依据，通过图像解译提取地质信息，测量地质参数，填绘地质图件和研究地质问题的过程（行为）。

遥感数据的收集，它包括遥感数据、地理数据和地质资料的收集，是遥感地质调查工作的基础。

以前通常是目视解译为主，现在一般是在计算机上以人机对话方式进行识别和解译工作，其基本方法有五点：1．解译是认识实践的反复过程，首先要熟悉、吃透本工作区域的有关资料（即地质、地貌、水文、气象、植被、土壤、物探、化探资料及前人各类工作成果）；分析研究前人对区域地质遥感解译成果的合理、可靠程度，弄清遥感资料能解决的地质问题和已解决及有待解决的地质问题。

地质体的性质是多方面的，主要包括物理性质与化学性质两大类，遥感主要是反映地质体的光谱特征信息，对全面认识地质体而言，有其局限之处。

遥感影像记录的是地质体光谱反射（SAR为后向散射）和辐射特征，地质体性质和表面特征不同所反映出的光谱特征差异可通过色、形、纹、貌四种影像特征要素加以表征。

不言而喻，能通过地质、物探、化探多方信息去认识地质体，则是更为全面、可靠的。

因此在遥感解译中，应充分收集利用已有地质、物探、化探等资料进行综合解译分析，有助于提高成果质量。

地、物、化、遥多元信息的综合研究，在区域上常采用计算机多元信息迭加处理的方式来实现。

通过空中、地面、地下三维空间信息的综合研究，将对地质体的空间展布和时间演化取得更好效果。

遥感卫星影像解译

北京揽宇方圆信息技术有限公司遥感卫星影像解译遥感卫星影像的解译标志，也称判读要素，它是遥感图像上能直接反映和判别地物信息的影像特征。

包括形状、大小、阴影、色调、颜色、纹理、图案、位置和布局。

解译者利用其中某些标志能直接在图像上识别地物或现象的性质、类型和状况；或者通过已识别出的地物或现象，进行相互关系的推理分析，进一步弄清楚其它不易在遥感影像上直接解译的目标，例如根据植被、地貌与土壤的关系，识别土壤的类型和分布等。

(1)形状：指目标物在影像上所呈现的特殊形状，在遥感影像上能看到的是目标物的顶部或平面形状。

例如飞机场、盐田、工厂等都可以通过其形状判读出其功能。

地物在影像上的形状受空间分辨率、比例尺、投影性质等的影响。

(2)大小：指地物形状，面积或体积在影像上的尺寸。

地物影像的大小取决于比例尺，根据比例尺，可以计算影像上的地物在实地的大小。

对于形状相似而难于判别的两种物体，可以根据大小标志加以区别，如在航片上判别单轨与双轨铁路。

(3)阴影：指影像上目标物，因阻挡阳光直射而出现的影子。

阴影的长度、形状和方向受到太阳高度角、地形起伏、阳光照射方向、目标所处的地理位置等多种影响，阴影可使地物有立体感，有利于地貌的判读。

根据阴影的形状、长度可判断地物的类型和量算其高度。

(4)色调：指影像上黑白深浅的程度，是地物电磁辐射能量大小或地物波谱特征的综合反映。

色调用灰阶(灰度)表示，同一地物在不同波段的图像上会有很大差别；同一波段的影像上，由于成像时间和季节的差异，即使同一地区同一地物的色调也会不同。

(5)颜色：指彩色图像上色别和色阶，如同黑白影像上的色调，它也是地物电磁辐射能量大小的综合反映，用彩色摄影方法获得真彩色影像，地物颜色与天然彩色一致；用光学合成方法获得的假彩色影像；根据需要可以突出某些地物，更便于识别特定目标。

(6)纹理：也叫影像结构，是指与色调配合看上去平滑或粗糙的纹理的粗细程度，即图像上目标物表面的质感。