第3章 遥感影像预处理
遥感影像预处理实验报告
遥感影像预处理实验报告实验目的：掌握遥感图像几何校正的基本方法和步骤;掌握图像拼接的原理，以及两幅图像拼接的时候需要的条件，掌握拼接技术；学习通过ERDAS进行遥感图像规则分幅裁剪，不规则分幅裁剪的实验过程，能够对一幅大的遥感图像按照要求裁剪图像；·掌握不同分辨率图像的特性，详细理解各种融合方法的原理，以及各种融合方法的优缺点，能够根据不同的应用目的合理选择融合方法，掌握融合的操作过程。
实验内容：在ERDAS软件中图像预处理模块下的图像几何校正在ERDAS软件中图像预处理模块下的图像拼接，裁剪在ERDAS软件中Interpreter模块下的图像融合实验方法和步骤：1．显示图像：在ERDAS图标面板中点击Viewer图表两次，ERDAS图表面板菜单条：Session→Title Viewers，将两个菜单平铺。
如图1-1图1-1在Viewer1中打开需要校正的Landsat图像：tmAtlanta.img在Viewer2中打开作为地理参考的校正过的SPOT图像：panAtlanta.img图1-22：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）→选择多项式几何校正模型：Polynomial→OK，如图1-3图1-3在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：→定义多项式次方（Polynomial Order）:2→定义投影参数：（PROJECTION）:略→Apply→Close图1-43.在GCP Tool Referense Setup对话框（图3-5）中选择采点模式：→选择视窗采点模式：Existing Viewer→OK，如图1-5图1-5打开Viewer Selection Instructions指示器（图1-6）图1-6在显示作为地理参考图像panAtlanta.img的Viewer2中点击左键→打开reference Map Information 提示框（图1-7）；→OK图1-7→此时，整个屏幕将自动变化为如图1-8所示的状态，表明控制点工具被启动，进入控制点采点状态。
遥感影像处理课程设计
遥感影像处理课程设计一、课程目标知识目标：1. 理解遥感影像的基本概念，掌握遥感技术的基本原理和应用领域；2. 学习遥感影像的预处理方法，包括图像增强、辐射校正和几何校正；3. 掌握遥感影像分类和特征提取的基本算法，并能运用相关软件进行实际操作；4. 了解遥感影像在资源调查、环境监测和城市规划等领域的应用案例。
技能目标：1. 能够独立操作遥感影像处理软件，进行图像预处理、分类和特征提取；2. 能够运用遥感技术解决实际问题，设计简单的遥感应用项目；3. 培养学生团队协作和解决问题的能力，提高实际操作和动手实践技能。
情感态度价值观目标：1. 培养学生对遥感科学的兴趣，激发探究遥感技术发展的热情；2. 增强学生的环境保护意识，认识到遥感技术在资源环境保护中的重要性；3. 树立正确的价值观，认识到遥感技术在实际应用中的伦理和社会责任。
课程性质：本课程为高年级专业选修课，旨在使学生掌握遥感影像处理的基本知识和技能，提高实际应用能力。
学生特点：学生具备一定的地理信息系统和计算机操作基础，具有较强的学习能力和实践欲望。
教学要求：结合理论教学和实际操作，注重培养学生的动手能力和创新能力，提高其在遥感领域的工作竞争力。
通过分解课程目标为具体的学习成果，为教学设计和评估提供明确依据。
二、教学内容1. 遥感影像基本概念与原理：包括遥感影像的构成、分辨率、波段信息等基本知识，遥感技术的工作原理及其在地理信息科学中的应用。
教材章节：第一章 遥感影像概述2. 遥感影像预处理：介绍影像增强、辐射校正和几何校正等预处理方法，分析不同预处理技术对影像质量的影响。
教材章节：第二章 遥感影像预处理3. 遥感影像分类与特征提取：讲解监督分类、非监督分类、决策树分类等基本算法，以及特征提取和选择的方法。
教材章节：第三章 遥感影像分类与特征提取4. 遥感应用案例分析：分析遥感影像在实际应用中的成功案例，如资源调查、环境监测、城市规划等。
教材章节：第四章 遥感应用案例分析5. 遥感软件操作与实践：指导学生运用遥感软件进行影像预处理、分类和特征提取等操作，培养实际操作能力。
61-实验三遥感图像预处理（波段合成、裁剪与拼接）
实验三遥感图像预处理（波段合成、裁剪与拼接）一、 实验目的通过实验了解整个图像的预处理过程，从而加深对遥感图像计算机处理的内容及概念的理解。
二、 实验内容1.自定义坐标系2.波段合成（图像融合）3.图像镶嵌（图像拼接）4.图像裁剪三、 实验数据1. TM-30m.img2. bldr_sp.img3. Mosaic1.img4. Mosaic2.img5. bhtmsat.img6. can_tmr.img7. qb_boulder_msi.img8. qb_boulder_pan.img四、 实验操作原理及步骤遥感图像预处理主要包括图像几何校正、图像融合、图像镶嵌、图像裁剪等过程，其处理顺序一般如下图所示。
图 1一般图像预处理流程1.自定义坐标系一般国外商业软件坐标系都分为标准坐标系和自定义坐标系两种。
我国情况较为特殊，往往需要自定义坐标系。
所以，在ENVI第一次使用时，需要对系统自定义北京54坐标系西安80坐标系。
1.1添加参考椭球体找到ENVI系统自定义坐标文件夹—C:\Program Files\ITT\IDL708\products\envi46\map_proj。
根据每台电脑安装的路径以及版本不同而略有不同。
以记事本形式打开ellipse.txt，将“Krasovsky,6378245.0,6356863.0”和“IAG-75,6378140.0,6356755.3”加入文本末端。
（这里主要是为了修改克拉索夫斯基因音译而产生的错误，以便让其他软件识别；另外中间的逗号必须是英文半角。
）1.2添加基准面以记事本格式打开datum.txt，将“Beijing-54, Krasovsky, -12, -113, -41”和“Xi'an-80,IAG-75,0,0,0”加入文本末端。
1.3定义坐标定义完椭球参数和基准面后就可以在ENVI中以我们定义的投影参数新建一个投影信息（Customize Map Projections），在编辑栏里分别定义投影类型、投影基准面、中央子午线、缩放系数等，最后添加为新的投影信息并保存。
遥感影像处理技术方案
遥感影像处理技术方案一、引言遥感技术已广泛应用于农业、环境监测、城市规划、交通管理等领域。
遥感影像处理是遥感技术应用的重要环节，通过对遥感影像的预处理、增强、特征提取等操作，实现目标识别、分类、定位等功能。
本文将详细论述遥感影像处理的流程与方法，为相关应用领域提供技术支持和参考。
二、遥感影像预处理遥感影像预处理是后续处理的基础，主要包括辐射定标、大气校正、几何校正等步骤。
1.辐射定标辐射定标是通过对传感器测量到的辐射强度进行标定，将原始影像转换为绝对辐射值。
辐射定标系数是关键参数，可通过传感器制造商提供的校准文件获取。
通过辐射定标，可消除传感器非线性响应的影响，提高影像的准确性。
2.大气校正大气校正主要是消除大气散射、吸收等因素对遥感影像的影响，还原地物真实反射强度。
常见的校正方法有经验模型法、物理模型法等。
经验模型法基于已知的地物反射率，根据实际天气情况进行校正；物理模型法根据大气散射原理，建立大气层与地面反射的数学模型，对影像进行校正。
3.几何校正几何校正主要是消除遥感影像的几何变形，包括平移、旋转、缩放等。
几何校正需要选取一定数量的地面控制点，通过校正公式对整个影像进行校正。
常用的方法有直接线性变换、多项式变换等。
几何校正可提高影像的定位精度，为后续的目标识别、分类等操作提供准确的基础数据。
三、遥感影像增强遥感影像增强旨在提高影像的对比度、清晰度等，以便更好地识别和提取目标信息。
常见的增强方法包括对比度增强、空间滤波、频率域滤波等。
1.对比度增强对比度增强通过拉伸像素强度分布范围，提高影像的对比度。
常见的对比度增强方法有直方图均衡化、反锐化掩膜等。
直方图均衡化通过对像素强度分布进行均衡化处理，提高影像的对比度；反锐化掩膜通过增强高频信息，提高影像的细节表现。
2.空间滤波空间滤波通过在空间域对影像进行平滑或锐化处理，去除噪声或增强边缘信息。
常见的空间滤波方法有均值滤波、中值滤波、高斯滤波等。
遥感影像处理步骤
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。
（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。
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。
（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是遥感技术中的重要环节，它对于后续的遥感影像分析和应用具有至关重要的作用。
正确的预处理能够提高遥感影像的质量和准确度，为后续的数据分析提供有力支持。
下面将介绍遥感影像预处理的正确步骤。
一、获取遥感影像数据遥感影像数据可以通过卫星、飞机等遥感平台获取。
在获取数据时，需要确保数据的准确性和完整性，并且注意选择合适的数据源和分辨率。
二、辐射校正遥感影像数据在获取过程中受到了大气、地表反射等因素的影响，需要对数据进行辐射校正。
辐射校正可以消除大气散射和吸收引起的影响，使得遥感影像能够更准确地反映地物的真实特征。
三、几何校正遥感影像在获取过程中存在着不可避免的几何畸变，需要进行几何校正。
几何校正可以将遥感影像的像素位置与地理位置进行对应，使得影像能够与地理信息数据相匹配。
四、影像拼接如果获取到的遥感影像数据较大，需要进行影像拼接。
影像拼接可以将多个影像拼接成一个完整的影像，提供更广阔的地理范围和更丰富的信息。
五、影像增强影像增强是为了提高遥感影像的视觉效果和信息提取能力。
常见的影像增强方法包括直方图均衡化、滤波等。
六、去噪处理遥感影像数据中常常包含各种噪声，需要进行去噪处理。
去噪处理可以提高影像的清晰度和信息质量。
七、影像切割根据具体的需求，可以对遥感影像进行切割，提取感兴趣的区域或目标。
影像切割可以减少后续处理的数据量，提高处理效率。
八、数据格式转换根据不同的应用需求，遥感影像的数据格式可能需要进行转换。
数据格式转换可以使得遥感影像能够被不同的软件和平台所识别和使用。
九、数据融合多源遥感影像数据可以通过数据融合的方法进行融合，提供更综合、全面的信息。
常见的数据融合方法包括像素级融合、特征级融合等。
遥感影像预处理的正确步骤包括获取遥感影像数据、辐射校正、几何校正、影像拼接、影像增强、去噪处理、影像切割、数据格式转换和数据融合。
这些步骤可以保证遥感影像的质量和准确度，为后续的数据分析和应用提供有力支持。
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。
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。
遥感影像处理实验报告(3篇)
第1篇一、实验背景与目的随着遥感技术的不断发展，遥感影像已成为获取地球表面信息的重要手段。
遥感影像处理是对遥感影像进行一系列技术操作，以提高影像质量、提取有用信息的过程。
本实验旨在通过实践操作，让学生掌握遥感影像处理的基本原理和常用方法，提高学生对遥感影像数据的应用能力。
二、实验内容与步骤本次实验主要包括以下内容：1. 数据准备：获取实验所需的遥感影像数据，包括光学影像、红外影像等。
2. 影像预处理：对原始遥感影像进行辐射校正、几何校正、图像增强等处理。
3. 影像分割：对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类：对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析：对分类结果进行分析，评估分类精度。
三、实验步骤1. 数据准备- 获取实验所需的遥感影像数据，包括光学影像、红外影像等。
- 确保影像数据具有较好的质量和分辨率。
2. 影像预处理- 辐射校正：对原始遥感影像进行辐射校正，消除大气、传感器等因素对影像辐射强度的影响。
- 几何校正：对原始遥感影像进行几何校正，消除地形起伏、地球曲率等因素对影像几何形状的影响。
- 图像增强：对预处理后的影像进行图像增强，提高影像对比度、清晰度等。
3. 影像分割- 选择合适的分割方法，如基于阈值分割、基于区域生长分割、基于边缘检测分割等。
- 对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类- 选择合适的分类方法，如监督分类、非监督分类等。
- 对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析- 对分类结果进行分析，评估分类精度。
- 分析分类结果中存在的问题，并提出改进措施。
四、实验结果与分析1. 影像预处理结果- 经过辐射校正、几何校正和图像增强处理后，遥感影像的质量得到显著提高，对比度、清晰度等指标明显改善。
2. 影像分割结果- 根据实验所采用的分割方法，成功提取了感兴趣的目标区域，分割效果较好。
3. 影像分类结果- 通过选择合适的分类方法，对分割后的影像进行分类，成功识别了不同的地物类型。
遥感技术中遥感影像的处理方法详解
遥感技术中遥感影像的处理方法详解遥感技术是利用遥感设备获取地球上的图像和数据，以了解地球表面的各种特征和现象。
遥感影像是遥感技术的核心输出，它通过对地球表面进行高分辨率的拍摄和记录，提供了丰富的地理信息。
在遥感技术中，遥感影像的处理方法至关重要。
正确的处理方法可以提取出影像中有价值的信息，帮助我们深入了解地球表面的特征和变化。
下面将详细介绍几种常用的遥感影像处理方法。
1. 遥感影像的预处理遥感影像在传输和记录过程中可能会受到一些噪声和干扰的影响，因此需要进行预处理。
预处理的目标是去除噪声、调整图像的对比度和亮度，使得影像更适合进行后续的处理和分析。
常见的预处理方法包括数字滤波、辐射定标和大气校正等。
2. 遥感影像的几何校正遥感影像获取时可能会受到地球表面形变、传感器姿态等因素的影响，导致影像出现几何失真。
几何校正的目标是将影像的几何特征恢复到真实地面情况下的状态，使得影像能够准确地反映地面特征。
常见的几何校正方法包括地面控制点的定位和影像配准等。
3. 遥感影像的分类遥感影像的分类是将影像中的像素按照一定的特征进行划分和归类的过程。
根据不同的应用需求，遥感影像的分类可以包括地物类别的划分、植被覆盖度的估计、土地利用类型的分析等。
常见的分类方法包括基于像素的分类、基于对象的分类和基于深度学习的分类等。
4. 遥感影像的变化检测遥感影像的变化检测是指比较不同时段的遥感影像，分析地表特征在时间上的变化情况。
变化检测可以用于监测自然灾害、城市扩张、森林砍伐等方面的变化。
常见的变化检测方法包括像素级变化检测和基于对象的变化检测等。
5. 遥感影像的数据融合遥感影像的数据融合是将多源、多光谱或多分辨率的遥感影像进行融合，以提高遥感影像的空间和光谱分辨率。
数据融合可以增强遥感影像的细节信息，改善遥感影像的可视化效果，提高遥感影像在各种应用中的精度和效果。
常见的数据融合方法包括主成分分析、小波变换和多尺度分析等。
6. 遥感影像的特征提取遥感影像的特征提取是从遥感影像中提取出目标物体的特征信息的过程。
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。
遥感知识——影像预处理
影像预处理主要是对影像进行前期的基本处理操作，包含影像的相对大气校正、综合大气校正、控制点量测、几何校正、影像分块裁剪、影像标幅裁剪、影像镶嵌、影像融合、影像投影、色调拉伸、自然色处理和直方图匹配等功能。
辐射校正：理想的遥感影像是能够如实而毫不歪曲地反映地物的辐射能量分布和几何特征的图像，而实际上所得到的影像都存在着不同程度的畸变和降质。
遥感影像的降质主要可归结为两大类：遥感图像的辐射失真和几何畸变。
辐射失真是指遥感传感器在接收来自地物的电磁波辐射能时，由于电磁波在大气层中传输和传感器测量过程中受到遥感传感器本身特征、地物光照条件(地形影响和太阳高度角影响)以及大气作用等的影响，而导致的遥感传感器测量值与地物实际的光谱辐射率不一致。
为了使影像能最好地接近原始地物，消除辐射失真影响就需要做大气校正。
这里的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。
系统提供了几种大气校正的方法。
1.像元暗目标法：该方法的理论基础就是在假定待校正的遥感图像上存在黑暗像元区域、地表朗伯面反射、大气性质均一,忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下,反射率很小的黑暗像元。
由于大气的影响,而使得这些像元的反射率相对增加。
所以认为这部分增加的反射率是由于大气辐射的影响产生的。
暗目标法就是利用把黑暗像元值作为大气辐射影响,并代入适当的大气校正模型,获得相应的参数，然后把用这个参数对图像其它像元进行校正得到地物真实的辐射值。
这种校正又分为线形校正和全局校正。
线形校正是以每一行为单位，对暗目标区域中的像元计算每一行的平均向量，然后对整幅图中在这一行的像元都减掉这个向量，从而达到校正。
但没有在这一行的像元就不需要处理了。
全局校正是之前求得暗目标区域中所有像元的平均向量，然后对整幅图像中的所有像元都减去这个向量，从而达到校正的目的。
这两种方法的选定用户根据需要来确定。
2.波段暗目标法：在待假定校正的遥感图像上存在着黑暗的像元区域，如果影像中的多个波段中，有某一波段由于其波长特征，可以不受大气等因素的影响成像，那么就可以利用这个波段来校正其它波段中所受的大气干扰。
3-遥感图像预处理
Coordinate System）
（Projected Coordinate System）
3.3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。
椭球体参数文件 基准面参数文件 坐标系参数文件
ENVI/IDL
本节收获
• 了地理投影的基本原理，大地坐标的概念
• 了解北京54、西安80坐标系的由来及其参数 • 掌握了在ENVI下如何自定义坐标系，包括添加椭
球体、基准面和定义坐标系
• 在ENVI下自定义了北京54
19度带（6度分带）的 坐标系，以便后续专题的使用
133enviidl35spotpan正射纠正比例尺变化?在影像的铅直方向也有同样的影响房子的宽度是恒定的8m而在影像上的体现却各有不同这说明各处的比例尺是变化的enviidl35spotpan正射纠正传感器姿态方位要进行三角测量就要给定软件计算或估计出的空间传感器的位置和方位123enviidl35spotpan正射纠正推帚扫描透视中心传感器的系统误差?数据是沿扫描线获取的每条扫描线都有自己的透视中心?每条扫描线的传感器位置和方向都不同?多项式的纠正只能针对分辨率比较低的卫星影像而对于高分辨率的卫星影像我们需要严格的物理模型如dim原数据或者是有理函数多项式进行模拟卫星参数如rpc参数
像重采样生成成一副高分辨率多光谱影像遥感的 图像处理技术，使得处理后的影像既有较高的空 间分辨率，又具有多光谱特征。
• 图像融合除了要求融合图像精确配准外，融合方
(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。
如何进行遥感影像的预处理和分类
如何进行遥感影像的预处理和分类遥感影像作为一种高效的地球观测手段，发挥着日益重要的作用。
然而，在利用遥感影像进行分析和研究之前，我们通常需要对其进行预处理和分类。
本文将探讨如何进行遥感影像的预处理和分类，以提高遥感数据的质量和准确性。
1. 导言遥感影像预处理是一项关键任务，其目的是消除或降低影像中的噪声、增强影像的细节、减小数据的冗余等。
预处理的步骤主要包括辐射校正、大气校正、几何校正和影像增强。
2. 遥感影像预处理辐射校正是遥感影像预处理的重要步骤之一。
由于遥感传感器的特性以及各种外界因素的干扰，遥感影像中的辐射值往往存在偏差。
因此，我们需要对数据进行辐射校正，以消除这些偏差，使得影像数据具有可比性和可量化比较的能力。
大气校正是指对影像中的大气折射进行校正。
由于大气层的存在，遥感影像中的辐射能量会受到大气散射的影响，从而降低影像的质量。
通过大气校正，我们可以消除或减小大气散射所引起的影响，进一步提高影像的准确性和可用性。
几何校正是为了消除遥感影像中的几何畸变。
由于拍摄时的姿态变化、传感器的畸变等因素，遥感影像中常常存在几何失真。
通过将影像与地面控制点进行匹配，并利用地面控制网进行几何变换，可以实现影像的几何校正，使得影像的尺度和形状具有真实的地理意义。
影像增强是为了改善遥感影像的可视性和信息提取能力。
通过增强对比度、增强细节、增强色彩等方式，我们可以使得影像更加清晰、更具特征、更易于解译。
3. 遥感影像分类遥感影像分类是指根据图像中的像元特征，将图像划分为不同的类别。
分类的目的是为了提取地表覆盖信息，如农田、森林、水体等。
在进行分类之前，通常需要进行特征选择和样本训练。
特征选择是选择对分类有区分度的特征。
在遥感影像中，常用的特征包括光谱特征、纹理特征、形状特征等。
通过分析这些特征的统计信息和空间关系，我们可以选择具有较高区分度的特征进行分类。
样本训练是指用已知类别的样本数据对分类器进行训练。
通过对样本数据的学习和分析，分类器可以建立一个数学模型，从而对未知样本进行分类。
- 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)。
控制点选择的RMS误差（均方根）：
RMS是GCP所期望输出的坐标与实际输出的坐标之间 的偏差
计算RMS误差后，可能的选择：
剔除具有最高RMS误差的点，用剩下的GCP计算 但是，如果在影像的某一特殊区域只有一个GCP，那 么剔除它可能导致更大的误差。 2) 只选择最有把握的点。 3) 提高坐标转换函数的阶，进行更复杂的几何转换 4) 增大RMS误差的允许值。
表现为影像地物的形状相对于真实地物形态 产生了：平移、缩放、旋转、弯曲、形状不 规则变化及其他变形综合作用的结果。
原始影像 具有几何变形
几何变形纠正后的影像
一.几何变形
2.几何变形的原因
误差 工作平台轨道位置和姿态变化 地球自转影响 地球表面曲率影响 大气折射影响 地形起伏影响 ……
3、启动控制点工具
在GCP Tool Referense Setup对话框中选择采点模式： →打开Viewer Selection Instructions指示器
→在显示作为地理参考图像biaozhunqdh.img的Viewer2中点 击左键 →打开reference Map Information 提示框→OK ； →此时，整个屏幕将自动变化为如图所示的状态，表明控制 点工具被启动，进入控制点采点状态。
卫星姿态引起的影像变形 虚线为：所得影像形状 实线为：影像实际对应的地面形状
位移变化
速度变化
高度变化
侧翻变化
俯仰变化
偏航变化
航高
航高发生变化，而扫描视角不变，导致扫描行对应地面长 度发生变化。航高越向高处偏离，影像对应地面越宽。
航速快，扫描带超前，各条扫描行影像地面不连续；航速 慢，扫描带滞后，各条扫描行影像地面重叠；由此可导致 影像在卫星前进方向上（影像上下方向）位置错动。
8、保存几何校正模型
在Geo-Correction Tools对话框中点击Exit按钮 ，推 出几何校正过程，按照系统提示，选择保存图像几何校正 模式，并定义模式文件（.gms文件），以便下一次直接利 用。
9、检验校正结果
基本方法：同时在两个视窗中打开两幅图像，一幅是校正 正以后的图像rectify.img，一幅是当时的参考图像 biaozhunqdh.img，通过视窗地理连接功能(①rectify图像 上点击鼠标右键→Geo Link/Unlink②在biaozhunqdh图像 上单击)，及查询光标功能进行目视定性检验。
用户 从实际情况出发，找到可行的方法，进 行精确处理。多种具体方法与算法，不存在 普遍适用。
本章内容
几何变形 几何纠正
一.几何变形
1.几何变形 2.几何畸变的类型 3.几何变形的原因
一.几何变形
1.几何变形（几何畸变）
由于遥感平台运动状况变化、地形起伏、地 球表面曲率的影响等，遥感影像出现了总体 变形，即几何位置上发生变化，行列不均匀， 像元大小与地面大小对应不准确，地物形状 不规则变化等。
转换模型属性对话框
7、图像重采样
① 在Geo-Correction Tools对话框中选择Image Resample 图 标 ； ② 在Image Resample对话框中，定义重采样参数： →输出图像文件名（OutputFile）:rectify.img →选择重采样方法（Resample Method）:Nearest Neighbor →定义输出图像范围： →定义输出像元的大小： →设置输出统计中忽略零值:即选中lgnore Zero in Stats复选框 →定义重新计算输出缺省值： →OK
二.几何纠正（Geometric Correction ）
几何纠正的含义：
对所获遥感影像进行形状上的纠正，使之与 标准影像或地图几何整合。 是遥感影像增强、处理前的必须步骤
几何纠正后
影像形状得到了纠正 像元对应的相等大小的地面坐标 同时还具备了地面坐标
二.几何纠正
几何纠正的分类
二.几何纠正
补充：控制点GCP的选择准则
选择都容易识别定位的明显地物
如道路交叉点，标志物，水域的边界，山顶，小岛 中心，机场等
控制点要在影像上均匀分布 控制点要有一定的数量，应当超过空间变换公式的 系数个数，如多项式：（(n+1)*(n+2)/2） 根据常见坐标转换方程：当M=1，即一次多项式， 有6个系数，需要3个GCP点；当M=2，即二次多项 式，有12个系数，需要6个GCP点；当M=3，即三 次多项式，有20个系数，需要5个GCP点
建立关系式的方法
根据变换函数F(X，Y) 依次找到原始影像每个像元 在新影像中的位置，将灰度值赋给新影像的对应位 置上。称为“直接法”。 或：根据变换函数f（x,y），依次找到新影像中每 个像元在原始影像中的位置，将原始影像的灰度值 赋予新影像的像元。称为“间接法”。
间接法建立关系式的优点
4、采集地面控制点
⑥ 在Viewer2中，移动关联方框位置，寻找对应的地物特征 点，作为参考GCP； ⑦ 在GCP工具对话框中，点击Create GCP图标，系统将自动 将参考点的坐标（X、Y）显示在GCP数据表中 ； ⑧ 在GCP对话框中，点击SelectGCP图标，重新进入GCP选 择状态，并将光标移回到Viewer1中，准备采集另一个输 入控制点； ⑨ 不断重复1-8，采集若干控制点GCP，直到满足所选定的 几何模型为止。而后，每采集一个InputGCP，系统就自 动产生一个Ref. GCP，通过移动Ref. GCP可以优化校正模 型。
4、采集地面控制点
① 在GCP工具对话框中，点击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 较明显的黄色； ③ 在Viewer1中移动关联方框位置，寻找明显的地物特征点， 作为输入GCP； ④ 在GCP对话框中，点击Select GCP图标 ，重新进入 GCP选择状态； ⑤ 在GCP数据表中，将参考GCP的颜色（Color）设置为比 较明显的蓝色；
系统纠正（几何粗纠正） 非系统纠正（几何精纠正） ……
二.几何纠正
几何系统纠正（几何粗纠正）
地面接收站在提供给用户资料前，针对几何畸变的原 因，根据卫星姿态、传感器性能指标、扫描特征等参 数，代入到理论较正式对影像几何变形进行的校正。
几何非系统纠正 （几何精校正、影像配准、影像纠正）
第三章
遥感影像预处理
遥感成像时，由于各种因素的影 响，使得遥感影像存在一定的几何畸 变、大气消光、辐射量失真等现象。 这些畸变和失真现象影响了影像的质 量和应用，必须进行消除。 这种操作叫做遥感数据的预处理。
预处理工作的承担者：
地面站 根据成像原理、系统参数等，利用常规 方法进行系统粗处理。
控制点对话框和控制点属性表
5、采集地面检查点
以上采集的 GCP的类型均为控制点，用于控制计算，建立转 换 模 型 及 多 项 式 方 程 。 如 果 采 集 的 GCP 类 型 是 检 查 点 （Check Point）则可用于检查所建立转换方程的精度和实 用性。
6、计算转换模型
在控制点采集过程中，一般是设置为自动转换计算模型。 所以随着控制点采集过程的完成，转换模型就自动计算生 成。 在Geo-Correction Tools对话框中，点击Display Model Properties 图标 ，可以查阅模型 。
航速
俯仰
遥感平台的俯仰变化，使得影像上下方向的变化，发生行 间位置错动。
遥感平台以前进方向为轴旋转了一个角度，导致星下点在 扫描方向偏移。 遥感平台比原先的航向偏转了一个小角度，引起扫描行方 向变化，导致影像的倾斜畸变。
翻滚
偏航
二.几何纠正
几何纠正
几何纠正的含义 几何纠正的分类 几何精确纠正（重要） 几何纠正的重要性
最近邻法 双线性内插法 三次卷积法
•
三种重采样方法对比：
•
最近邻法：计算量最小，处理后的影像的亮 度具有不连续性，线性地物易产生锯齿状。 双线性内插法：精度和计算量适中，并带有 平均化的效果，细节信息丢失 三次卷积法：精度高计算量大，且带有边缘 增强的效果，平滑噪声
•
•
•
实际应用中，当几何变形不大时，可使用双 线性内插或最近邻法，以节省计算量，但当 变形比较大时，则应使用三次卷积法，以保 证质量。
1)
几何纠正例子 1
三、运用Erdas进行几何纠正
开 始 显 示 图 像 文 件
启 动 几 何 校 正 模 块
计 算 转 换 模 型
采 集 地 名 控 制 点
图 像 重 采 样
检 验 校 正 结 果
结 束
1、加载图形文件
（1）在ERDAS图标面板中点击Viewer图表两 次，打开两个视窗（Viewer1/Viewer2）； （2）在Viewer1中打开需要校正的图像 needmatchqdh.img； 在Viewer2中打开作为地理参考的图像： biaozhunqdh.img
3. 建立纠正变换函数（ 坐标变换函数式）
X=fx(x,y);
Y=fy(x,y) fx, fy 一般选择多项式，也可以是其他函数形式
4.代入控制点求出坐标变换函数式的系数，确 立坐标变换函数式
5. 确定新影像的大小范围
求出原始影像四个角点（a,
b, c, d）在纠正后影像 中的对应点（a’, b’, c’, d’）的坐标（xa’,ya’） (xb’,yb’) (xc’,yc’) (xd’,yd’) 求出最大值和最小值(xmin,xmax,ymin,ymax)