卫星图像处理流程
(完整版)卫星图像处理流程
卫星图像处理流程一．图像预处理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。
使用卫星遥感数据进行测绘的数据处理方法
使用卫星遥感数据进行测绘的数据处理方法导言：随着现代测绘技术的不断发展，卫星遥感数据成为了测绘领域中不可或缺的重要数据源。
卫星遥感数据能够提供高分辨率、大范围的地理信息，帮助测绘工作更加精准、高效。
然而，卫星遥感数据常常需要经过一系列的数据处理方法，以提取有效的地理信息。
本文将介绍一些常用的卫星遥感数据处理方法，以助于更好地利用卫星遥感数据进行测绘。
一、数据预处理1. 图像预处理卫星遥感数据通常经过传感器、通道、大气等多种因素的影响，需要进行图像预处理以去除噪声、纠正图像偏移、增强图像对比度等。
常用的图像预处理方法包括平滑滤波、直方图均衡化、大气校正等。
2. 高程数据处理卫星遥感数据中常包含高程信息，如数字高程模型（DEM）数据。
为了得到地形的准确表达，需要对DEM数据进行降噪、插值、拟合等处理。
常见的方法包括小波降噪、三角网剖分插值等。
二、特征提取1. 目标提取卫星遥感数据可以用于提取地物目标，如道路、建筑、植被等。
常见的目标提取方法包括阈值分割、特征分类、形态学处理等。
这些方法可以帮助测绘工作者有效地在遥感图像中提取出感兴趣的地物目标，并进行后续的测绘工作。
2. 变化检测卫星遥感数据可以用于检测地理环境的变化，如土地利用变化、海岸线变化等。
常用的变化检测方法包括监督分类、无监督分类、基于图像差异的方法等。
通过变化检测，可以了解地理环境的演变情况，为后续的测绘工作提供更准确的数据支持。
三、精度评定与校正1. 精度评定在进行测绘工作时，需要对卫星遥感数据的精度进行评定。
常见的精度评定方法包括地物提取精度评定、高程数据精度评定等。
通过精度评定，可以客观地评价卫星遥感数据的可靠性，为后续的测绘工作提供参考依据。
2. 数据校正卫星遥感数据在获取过程中可能存在校正问题，如几何校正、辐射校正等。
为了获得更准确的地理信息，需要进行相应的数据校正工作。
常见的数据校正方法包括基于地面控制点的几何校正、大气校正等。
使用卫星图像进行地图制作的方法
使用卫星图像进行地图制作的方法引言:画地图是人类长期以来的一项重要活动。
随着科技的进步，我们能够利用卫星图像来制作地图，这给地理信息学领域带来了革命性的变化。
本文将探讨利用卫星图像进行地图制作的方法，以及这些方法在提高地图制作精度和准确性方面的潜力。
一、卫星图像获取与处理1. 卫星图像获取借助先进的遥感技术，我们能够从卫星上获取高分辨率的地球表面图像数据。
现代遥感卫星通常配备了多个传感器，能够以各种波段（如可见光、红外线等）捕捉地球不同特征，提供多样化的图像数据。
2. 卫星图像处理卫星图像获取后，需要进行一系列的预处理和处理步骤，以消除图像中的噪声、校正变形和增强图像质量。
常见的图像处理方法包括图像滤波、几何校正、辐射校正等。
处理后的图像将成为地图制作的基础数据。
二、数字高程模型（DEM）生成数字高程模型是地图制作中不可或缺的一部分。
通过对卫星图像进行处理，我们可以推导出海拔信息，并生成数字高程模型。
DEM能够提供地表的高程数据，为制作等高线、地形分析和三维可视化等工作奠定基础。
三、图像分类与特征提取为了更好地进行地图制作，卫星图像需要进行分类和特征提取。
这意味着对图像中的不同地物进行识别和分类，并将其转化为对应的地理特征。
图像分类可以利用机器学习算法，如支持向量机和深度学习，来辅助自动或半自动地进行。
四、地图制作与更新一旦完成图像分类和特征提取，我们就可以开始制作地图。
这包括选择合适的图层和符号系统，安排地理特征的位置和比例，并根据需要添加文字和图例等元素。
与传统地图制作相比，使用卫星图像进行地图制作更具灵活性和高度可视化，能够更好地满足用户的需求。
在地图制作之后，我们还需要不断进行地图的更新和维护。
卫星图像提供了一种方便快捷的方式来获取地理数据，并可用于更新地图上的特征和信息。
通过定期采集和分析卫星图像，我们能够及时更新地图，反映出地球表面的变化。
五、卫星图像制作地图的潜力和挑战使用卫星图像进行地图制作的方法具有很大的潜力和吸引力。
worldview、quickbird卫星影像数据的处理流程
山地、高山地（像素）
1.0
2.0
4 融合
多源数据的融合依据提取区情况不同、数据源的不同类型，其融合方法也不
同。但总体上分为以下几个步骤：融合前影像处理、融合单元的选择、最佳融合算
法的选取及实现以及融合后的处理和效果检查。其技术路线图 1-3 所示。
融
融
融
融
效
合
合
合V
合
果
前
单
方
后
检
处
元
法
处
查
理
选
选
图1-3 数据融合技术路线
镶嵌时应对多景影像数据的重叠带进行严格配准，镶嵌误差不低于配准误差。 镶嵌影像应保证色调均匀、反差适中，镶嵌区应保证有 10-15 个像素的重叠带。
6.1 镶嵌原则 1、镶嵌原则上只针对采样间隔相同影像，制作县级辖区该采样间隔 IMG 文件。 采样间隔不同的影像，原则上相互之间不进行镶嵌，制作县级辖区各自独立的 IMG 文件。需在相邻数据重叠区域进行如下处理：首先，在相邻数据重叠区勾绘镶嵌 线，镶嵌线勾绘尽量靠近采样间隔较小影像的外边缘，以保证其数据使用率最大 化。然后对镶嵌线两侧影像进行裁切，裁掉重叠区域影像，为避免因坐标系转换导 致接边处出现漏缝，对于采样间隔小的影像严格沿镶嵌线裁切，采样间隔大的影像 应适当外扩一定范围，原则上不超过 10 个像素进行裁切。 2、镶嵌前进行重叠检查。景与景间重叠限差应符合要求。重叠误差超限时应立 即查明原因，并进行必要的返工，使其符合规定的接边要求。 3、镶嵌时应尽可能保留分辨率高、时相新、云雾量少、质量好的影像。 4、选取镶嵌线对 DOM 进行镶嵌，镶嵌处无地物错位、模糊、重影和晕边现象。 5、时相相同或相近的镶嵌影像纹理、色彩自然过渡；时相差距较大、地物特征 差异明显的镶嵌影像，允许存在光谱差异，但同一地块内光谱特征尽量一致。 6.2 重叠精度检查 叠加相邻纠正单元，采用“拉窗帘”方式逐屏幕目视检查相邻纠正单元间重叠 区域的精度，若同名地物出现“抖动”或“错位”现象，则量测该处同名点误差， 两者相对精度应满足表 1-5 要求。
卫星遥感图像处理的关键技术与应用
卫星遥感图像处理的关键技术与应用随着科技的不断进步，卫星遥感技术已经成为一种非常重要的手段，用于获取地球表面的相关信息。
卫星遥感图像处理技术是对卫星获取的图像进行处理和分析，以获得更准确和清晰的地球表面信息。
本文将重点探讨卫星遥感图像处理的关键技术与应用。
一、关键技术1. 遥感图像的预处理遥感图像的预处理是卫星遥感图像处理的第一步，包括图像增强、噪声去除、几何校正、辐射校准等。
图像增强技术旨在提高图像的质量和可视性，常用的增强技术包括直方图均衡化、空间滤波等。
噪声去除技术通过降低图像中的噪声水平，改善图像的质量。
几何校正是为了消除图像中由于地表坡度、地球曲率等因素造成的形变影响，使图像在空间上具有准确的几何性质。
辐射校准是调整图像的辐射亮度，以使其能够反映地表上不同物质的辐射特性。
2. 特征提取与目标识别特征提取与目标识别是卫星遥感图像处理中的关键环节。
特征提取是指通过计算和分析图像中的纹理、形状、颜色等特征来描述地物。
常用的特征提取方法包括灰度共生矩阵、小波变换、主成分分析等。
目标识别是指根据提取到的特征，将图像中的地物进行分类和识别。
常见的目标识别方法包括支持向量机、人工神经网络等。
3. 数据融合与时序分析数据融合是指将多源、多尺度、多时相的遥感数据进行融合，以获取更全面和准确的地表信息。
常用的数据融合方法包括像素级数据融合、特征级数据融合和决策级数据融合。
时序分析是利用多时相的遥感影像进行变化检测和监测，以了解地表变化的情况。
常见的时序分析方法包括差异图像法、频域分析法等。
二、应用领域1. 环境监测与灾害评估卫星遥感图像处理技术在环境监测与灾害评估方面具有重要的应用价值。
通过对遥感图像进行处理和分析，可以实时监测和评估地表水质、土地利用、植被覆盖等环境因素的变化情况，为环境保护、资源管理等提供可靠的数据支持。
同时，在自然灾害的预警和应急响应中，卫星遥感图像处理技术可以提供灾害范围、类型和程度等关键信息，为抢救和救援工作提供科学依据。
卫星影像处理流程
卫星影像处理流程
卫星影像处理流程是指对卫星拍摄的图像进行处理的过程，主要
包括图像获取、几何校正、辐射校正、图像增强、分类和应用等步骤。
首先，需要通过卫星拍摄图像。
通常使用的传感器有光学传感器
和微波传感器等。
图像获取的过程中需要考虑目标区域、云量、时间
等因素。
其次，进行几何校正。
由于地球表面不是平坦的，卫星影像难免
产生几何变形。
几何校正的目标是将卫星影像变为与实际地理位置一
致的图像。
然后，需要进行辐射校正。
辐射校正的目标是消除掉图像中的辐
射噪声，使图像的亮度与地表物体的真实反射率相对应。
接下来，进行图像增强。
图像增强的目标是提高图像中的信息清
晰度和对比度，使得地表物体的特征更加明显。
最后，进行分类和应用。
分类的目标是对卫星影像进行地物分类，确定各种物体在图像中的位置和分布。
应用的目标是根据分类和增强
后的卫星影像，进行资源调查、环境监测、农业等相关领域的应用。
以上就是卫星影像处理流程的主要步骤，目的是为了使卫星影像
能够更好地被使用和应用。
遥感卫星影像仪的高效图像处理与智能解译技术
遥感卫星影像仪的高效图像处理与智能解译技术遥感卫星影像仪在现代地球观测和环境监测中扮演着重要角色。
它们能够获取地球表面的高分辨率图像，为各个领域的研究和决策提供了宝贵的数据支持。
然而，由于获取到的遥感数据庞大且复杂，需要进行高效的图像处理和智能解译，才能更好地发挥其价值。
本文将介绍一些相关的高效图像处理和智能解译技术。
一、遥感卫星影像仪的图像处理技术1. 图像增强图像增强是提高遥感影像视觉效果和信息可提取性的重要步骤。
通过调整图像的亮度、对比度和色彩平衡等参数，可以增强图像的细节和辨识度。
常用的图像增强技术包括直方图均衡化、滤波和锐化等。
2. 图像拼接由于遥感卫星影像仪的视场有限，通常需要多幅影像进行拼接，以获取更大范围的地表信息。
图像拼接技术可以将多幅影像无缝拼接成一幅大图像，保持图像的连续性。
常用的图像拼接算法包括特征点匹配和块匹配法等。
3. 压缩与存储由于遥感数据量庞大，为了有效地传输和存储，需要进行数据压缩。
常见的遥感数据压缩算法有有损压缩（如JPEG）和无损压缩（如LZW）等。
压缩后的数据可以节约存储空间，并且有利于后续处理和分析。
二、遥感卫星影像仪的智能解译技术1. 自动分类遥感影像中的特征信息非常丰富，通过使用机器学习和人工智能等技术，可以实现对地物的自动分类。
常见的自动分类算法包括支持向量机（SVM）、神经网络和决策树等。
这些算法可以根据遥感影像的特征，自动将地物分成不同的类别，提高分类的准确性和效率。
2. 目标检测目标检测是在遥感影像中寻找并识别感兴趣的目标物体。
借助深度学习等技术，可以实现对遥感影像中的建筑物、道路和水体等目标的快速检测。
目标检测技术有助于地理信息系统（GIS）的建设和城市规划等领域的决策支持。
3. 变化检测利用不同时期的遥感影像，可以进行地表变化的检测。
通过比较两幅或多幅影像之间的差异，可以判断出地表的变化情况。
变化检测技术在环境监测、灾害评估和资源管理等方面具有重要的应用价值。
卫星遥感数据处理规范流程
北京揽宇方圆信息技术有限公司遥感卫星影像图像数据处理介绍北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。
遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。
优势：1：北京揽宇方圆国内老牌卫星数据公司，经营时间久，行业口碑相传，1800个行业用户选择的实力见证。
2：北京揽宇方圆遥感数据购买专人数据查询一对一服务，数据查询网址是卫星公司网。
3：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。
4：北京揽宇方圆国家高新技术企业，通过ISO900认证的国际质量管理操作体系，无论是遥感卫星品质和遥感数据处理质量，都能得到保障。
5：影像数据官方渠道：所有的卫星数据都是卫星公司授权的原始数据，全球公众数据查询网址公开查询，影像数据质量一目了然，数据反应客观公正实事求是，数据处理技术团队国标规范操作，提供的是行业优质的专业化服务。
6：签定正规合同：影像数据服务付款前，买卖双方须签订服务合同，提供合同相应的正规发票，发票国家税网可以详细查询，有增值税普通发票和增值税专用发票两种发票类型可供选择。
以最有效的法律手段来保障您的权益。
7：对公帐号转款：合同约定的对公帐号，与合同主体名发票上面的帐号名称一致，是由工商行政管理部门核准的公司银行账户，所有交易记录均能查询，保障资金安全。
8：售后服务：完善的售后服务体制，全国热线，登陆官网客服服务同步。
卫星测量图像的处理和解译方法
卫星测量图像的处理和解译方法随着科技的不断发展，卫星测量图像已经成为了现代地理信息系统中的重要内容。
它提供了坐标和位置信息，用于辅助地图制作、环境监测、资源管理等诸多领域。
然而，要正确解读卫星测量图像并提取有用的信息并不容易。
本文将介绍一些常见的卫星测量图像处理和解译方法，以帮助读者更好地理解卫星测量图像。
一、图像预处理在进行卫星测量图像的后续处理和解译之前，首先需要对图像进行预处理。
这包括图像增强、去噪等步骤。
1. 图像增强图像增强是通过调整图像的亮度、对比度等参数来改善图像的质量和清晰度的过程。
常用的图像增强方法包括直方图均衡化、滤波等。
直方图均衡化可以通过重新分配图像的像素值来增强图像的对比度。
而滤波可以通过去除图像中的噪声来提高图像的清晰度。
2. 去噪卫星测量图像由于受到大气干扰、传感器噪声等因素的影响，通常都会存在一定程度的噪声。
为了减少噪声对图像解译的影响，需要对图像进行去噪处理。
常用的去噪方法包括中值滤波、小波去噪等。
二、图像解译图像解译是将卫星测量图像中的像素值转化为现实世界中的信息的过程。
它可以帮助我们了解地表特征、环境变化等信息，对环境监测、资源管理等方面具有重要意义。
1. 特征提取特征提取是图像解译的关键步骤之一。
它通过识别和提取图像中的地物特征，如道路、建筑物、植被等，来获取更高层次的地理信息。
常用的特征提取方法包括边缘检测、分割算法等。
2. 分类与识别分类与识别是将特征提取的结果与事先定义的地物类型进行对比和匹配的过程。
通过建立分类模型和利用机器学习算法，可以自动识别图像中的地物类型。
同时，也可以借助地理信息系统的辅助，在图像上手动绘制感兴趣区域进行分类。
无论是自动识别还是手动分类，都可以帮助我们更好地理解和利用卫星测量图像。
三、应用与展望卫星测量图像的处理和解译方法在实际应用中有着广泛的应用前景。
通过对卫星测量图像的处理和解译，可以实现环境监测、资源管理、城市规划等多个领域的需求。
遥感卫星影像处理与遥感数据应用
遥感卫星影像处理与遥感数据应用遥感卫星影像处理与遥感数据应用是一项利用遥感技术获取和处理卫星影像数据，并应用这些数据进行地理信息分析、资源评估、环境监测等方面的研究与应用任务。
遥感卫星是指运行在地球轨道上的一种卫星，它搭载有遥感传感器，可以通过感应地球表面反射、辐射的电磁波，并将其转化为数字图像数据。
这些遥感卫星影像数据可以提供高分辨率、广覆盖率的地球表面信息，对于地理空间分析具有重要意义。
遥感卫星影像处理是指基于遥感卫星获取的数字图像数据，通过一系列的图像预处理、影像纠正、特征提取、分类分类等一系列操作，将原始影像数据转化为可用于地理信息系统分析的矢量或光栅数据。
这些数据可以被用于生成地形图、土地利用分类图、植被盖度研究等目的。
首先，遥感卫星影像处理的第一步是图像预处理。
图像预处理包括辐射校正、大气校正、几何校正等步骤，以确保获取到的影像数据具备一致性和可比性。
通过辐射校正，可以将原始影像数据从数值上可比较，并将其转换为反射率或亮度值。
大气校正则移除了大气对影像的影响，减少由于大气散射和吸收而引起的信息噪声。
几何校正则纠正影像中的位置、角度等几何失真，以保证影像数据准确地反映地球表面的特征。
其次，遥感卫星影像处理的下一步是影像纠正。
影像纠正是指通过对影像进行投影变换、边缘匹配、波段匹配等处理，使得图像在空间尺度和角度上比较准确地与地理实体匹配。
通过影像纠正，可以使影像数据受到形变、旋转、尺度变化等因素的影响较小，为后续的地理信息分析提供准确的基础。
第三，遥感卫星影像处理的关键步骤是特征提取。
特征提取是指从遥感卫星影像数据中提取出与地理实体相关的特征信息。
常见的特征包括植被指数、土地利用类型、水体信息等。
通过采用不同的光谱拓谱和纹理特征的计算方法，可以提取出不同类型地物的特征信息。
特征提取是遥感卫星影像处理的重要环节，为后续的分类和分析提供了基础。
最后，遥感卫星影像处理的最终目标是分类分析。
分类分析是利用遥感卫星影像数据，对地球表面的特征进行分割、分类和识别。
卫星数据处理与应用
卫星数据处理与应用卫星在现代科技中发挥着越来越重要的作用，除了航空航天，卫星在气象、环境、军事和通讯等领域都有广泛的应用。
然而，这些数据从卫星到达地面并不是直接可以使用的，需要经过许多数据处理的步骤。
因此，卫星数据处理技术的发展和应用变得十分关键。
卫星数据处理的流程卫星数据处理是指将从卫星测量仪器获取的原始数据进行处理和分析，然后生成用户需要的可用数据和图像。
通常情况下，数据处理过程涉及到多个流程。
第一步是解码卫星传输的数据，也就是将卫星通过微波或激光信道发送到地面站的信号转换为数字数据。
这个过程需要对接收数据的时间、频率和幅度进行校正，以确保数据的准确性。
第二步是数据的校正和校准，也就是对卫星数据进行后处理，以消除信噪比、射线效应、大气层影响等因素对数据的影响。
这个过程需要采用各种算法和技术，例如动态大气校正、常数修正和辐射校准，以确保测量的准确性和一致性。
第三步是利用统计、图像处理和遥感技术进行数据分析和提取。
这个过程包括数据分类、空间处理、特征提取、实时监测等步骤。
对于不同种类的卫星数据，有不同的分析方法和技术。
最后，处理后的数据将被转换为各种图像和地图，这些图像和地图将被用于各种应用领域，例如农业、环境、海洋生态等。
图像分析领域的发展，也推动了卫星数据处理和应用技术的发展。
卫星数据处理的应用卫星数据处理应用广泛，尤其在以下几个领域表现尤为突出：1. 气象应用。
卫星数据是制定天气预报和天气研究所必要的重要数据来源。
卫星数据处理可以实时监测并分析气象条件，例如气压、温度和降雨等，以支持天气预警和研究。
2. 农业应用。
卫星数据提供了在农业领域测量和监测土地、气候和植被的机会。
通过使用遥感技术和卫星图像处理技术，能够实现农作物产量、水分利用效率和土壤质量的监测。
这些信息可以帮助农民优化农业生产并保持更健康的生态环境。
3. 海洋生态应用。
卫星数据提供了一个关于海洋生态环境的全局视角。
卫星数据处理可以用于监测和追踪海洋污染和油漏事件、生物多样性和温度变化等重要数据。
处理landsat8遥感影像流程
处理landsat8遥感影像流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!详述Landsat 8遥感影象的处理流程Landsat 8，作为全球最广泛应用的地球观测卫星之一，为我们提供了丰富的地表信息。
卫星遥感影像处理的常用方法
卫星遥感影像处理的常用方法随着卫星遥感技术的不断发展和应用，卫星遥感影像处理已经成为了解地球表面特征和环境变化的重要手段。
在这个过程中，常用的方法及算法起到至关重要的作用。
本文将介绍几种常见的卫星遥感影像处理方法，包括图像增强、分类与识别、变化检测、目标提取等。
一、图像增强图像增强是改进和优化遥感影像质量的一种方法。
常用的图像增强方法包括直方图均衡化、滤波、拉普拉斯变换等。
直方图均衡化通过对图像的灰度直方图进行调整，使得图像的灰度分布更加均匀，从而增强图像的对比度。
滤波方法通过对图像的像素值进行平滑或增强，使图像更加清晰和易于分析。
拉普拉斯变换则用于边缘检测，通过计算图像中像素灰度的二阶导数，实现对图像边缘的提取。
二、分类与识别分类与识别是卫星遥感影像处理中的一个重要环节。
它可以将遥感影像中的像素分为不同的类别，从而实现对地面特征的解译和分析。
常用的分类与识别方法包括监督分类、非监督分类和目标识别等。
监督分类是根据已知类别的训练样本进行分类，其分类准确度较高。
非监督分类是根据像素之间的相似性进行分类，但需要人工干预进行分类结果的解释。
目标识别则是通过特定的算法和规则，自动提取出遥感影像中的目标对象。
三、变化检测变化检测是比较两幅或多幅遥感影像之间的差异，以检测出地表特征和环境变化的方法。
常用的变化检测方法包括基于差异图的像素级差异检测、基于时间序列的统计分析以及基于分类方法的变化检测等。
像素级差异检测是通过计算两幅影像中像素灰度的差异值，来获得地表特征的变化信息。
时间序列分析则是基于多幅影像的时间序列数据进行统计分析，以检测出地表特征的长期变化趋势。
基于分类方法的变化检测则是通过对两幅影像进行分类，从而实现对影像中的变化区域的提取。
四、目标提取目标提取是将图像中的目标对象从背景中分割和提取出来的方法。
常用的目标提取方法包括基于阈值分割、基于纹理分析和基于形态学运算等。
阈值分割是通过设定不同的阈值来将影像中的目标与背景分离，但其结果受噪声的影响较大。
卫星影像数据处理DOM制作流程图
卫星影像数据处理DOM制作流程图主要技术流程为正射纠正、调色、镶嵌及分幅。
技术流程如图6-6：图3-41：1万调查底图制作流程图DOM制作1.基础资料检查及处理主要对影像数据、DEM、外业实测GPS控制点及其它基础资料做相应的检查和处理，为DOM制作生产提供完整的基础资料。
（1）影像数据取得影像数据后，首先要对数据源的纹理细节、光谱丰富程度、多光谱波段间匹配程度以及云雾量等方面进行全面检查。
具体检查内容参见本方案“2.2.1航天影像”相关影像质量要求部分。
（2）DEM数据选用最新的1：1万或1：5万DEM。
其精度应满足GB/T1015.2-2007的有关规定。
数学基础要求为1980西安坐标系，1985国家高程基准。
不同情况处理如下：a.若所提供的DEM数据为其他坐标系时，则将DEM数据转换到1980西安坐标系中。
b.若所提供的DEM数据为1：5万比例尺，则需做投影变换，将6度带改算为3度带。
c.若工作区跨多个投影带，则根据生产需要将DEM统一到相应的投影带中。
d.以工作区为单元进行DEM拼接，相邻分幅数字高程模型应有重叠区域，拼接后不出现裂隙现象(如图6-7，6-8)，重叠区域的高程值应保持一致。
若工作区太大，可分块进行拼接，但要使各分区范围大于所包含景的范围。
e.将拼接好的DEM数据转换为遥感影像所需要的格式。
图3-5DEM拼接合格图3-6DEM拼接不合格（3）实测GPS控制点数据对所提供的外业实测GPS控制点位置的合理性、坐标的正确性进行检查。
如控制点不能满足内业生产要求，则需进行外业补测或重测。
2.正射纠正快鸟卫星遥感影像的正射纠正是指利用基础控制资料（外业GPS控制点测量成果）和数字高程模型（DEM）,通过使用有理函数模型或物理模型对遥感图像进行投影差改正和地理编码。
（1）单景纠正以外业实测GPS控制点成果为基础，采用有理函数模型，结合处理后的DEM 数据对遥感影像进行正射纠正。
基本要求及处理方法如下：图3-7单景纠正控制点选取示意图a.纠正模型：有理函数模型。
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。
ENVI遥感图像处理-高分一号PMS数据处理
大家辛苦了！ 休息休息，马上回来！
下节内容更精彩！
处理专题：高分一号/二号PMS数据处理
主要内容
高分一号（GF-1）卫星搭载了两台2m分辨率全色/8m分 辨率多光谱相机（PMS），四台16m分辨率多光谱相机 （WFV）。GF-1卫星自2013年成功发射以来，凭借空 间分辨率、多光谱、高时间分辨率和大覆盖的结合等优 势，为众多行业提供了大量的高质量影像数据。
在Toolbox中，启动/Image Sharpening/NNDiffuse Pan Sharpening
植被增强（可选）
将素材包中的…\常用ENVI功能扩展工具\植被增强工具 envi_vegetation_enhance.sav文件拷贝到安装目录 extensions中，重启ENVI。
在Toolbox中，启动/Extensions/Vegetation Enhance。
• Scale Factor：10000 • Output Data Type：Uint
1. 全色图像很难进行大气校正，所以 一般在定量遥感中不使用全色图像。 本流程中只是为了说明所有处理的 流程，所以包括了全色图像。
2. 本流程中包括了大气校正，如果不 涉及到遥感定量方面的应用，可不 进行大气校正，也就是只包括正射 校正和图像融合。
本专题详细介绍了GF-1-PMSL1A级数据处理的流程。涉 及数据的打开、大气校正、正射校正、图像融合处理。 如果图像融合结果直接作为影像底图，可进行植被增强 等处理。
处理流反射率
正射校正
正射校正
图像融合
设置参数：
• Calibration Type： Reflectance
多光谱/全色正射校正
在Toolbox中，启动/Geometric Correction/Orthorectification/RPC Orthorectification Workflow工具
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。
气象卫星数据处理流程
气象卫星数据处理流程气象卫星是一种通过空间技术获取大气、云降水等气象信息的科学仪器。
它可以提供全球范围内的气象观测数据，为天气预报、气候变化研究、自然灾害监测和环境保护等方面提供重要支持。
为了有效利用气象卫星数据，进行数据处理是至关重要的环节。
下面将介绍一般的气象卫星数据处理流程。
首先，在开始数据处理流程之前，需要根据任务需求选择合适的气象卫星数据。
不同的任务可能需要不同的数据源和数据类型。
常见的气象卫星数据来源有美国国家海洋和大气管理局（NOAA）、中国气象局、欧空局等。
根据任务需求，可以选择对应的气象卫星数据。
一般来说，气象卫星数据处理分为数据获取、预处理、图像解译和产品生成四个步骤。
第一步是数据获取。
根据任务需求，从相关的数据仓库或网站下载所需气象卫星数据。
这些数据通常以电子文件的形式提供，包括图像文件、观测数据文件和元数据文件。
元数据文件中包含了关于数据的描述和属性信息，为后续的数据处理提供参考。
第二步是预处理。
预处理是为了去除图像中的噪声、矫正图像坐标等。
首先，对数据进行辐射校正，将原始的观测数据转化为表达地球表面特征的辐射亮温。
然后，对数据进行大气校正，消除大气散射和吸收对观测数据的影响。
接下来，进行定位校正，将图像像素坐标转化为地理坐标，以便后续的分析和应用。
第三步是图像解译。
图像解译是为了从气象卫星数据中提取有用的气象信息。
通过对图像的观察和分析，可以获取云图、海洋异常变化、极端天气等信息。
常见的图像解译方法包括云图制作、浓度分析、温度分析和风场分析等。
图像解译需要结合气象学知识、遥感技术和图像处理算法，对图像进行分类、识别和分析。
最后一步是产品生成。
根据任务需求，将图像解译得到的气象信息转化为可供使用的产品。
常见的气象产品包括云图、降水估算、温度图等。
产品生成需要根据产品规范和标准进行数据处理和分析，确保准确性和可靠性。
同时，产品生成也需要考虑数据的展示方式和用户需求，以便用户能够方便地使用和理解。
使用测绘技术进行卫星遥感图像处理的步骤和流程
使用测绘技术进行卫星遥感图像处理的步骤和流程随着科技的不断进步，测绘技术和卫星遥感图像处理已经成为现代地理信息系统领域中不可或缺的关键技术。
在测绘技术的支持下，卫星遥感图像处理可以提供高精度和高分辨率的地理信息数据，从而为国土规划、环境保护、资源管理等领域提供重要参考。
本文将介绍使用测绘技术进行卫星遥感图像处理的步骤和流程。
第一步是数据获取。
在进行卫星遥感图像处理之前，我们首先需要获取卫星遥感图像数据。
这些数据可以通过国内外的卫星和地面观测站获取。
卫星遥感图像包括多光谱图像、高光谱图像和雷达图像等。
这些图像通过搭载在卫星上的传感器获取，可以提供不同波段的信息，用于研究不同地物的特征。
第二步是预处理。
卫星遥感图像在获取过程中会受到各种干扰和失真，因此需要进行预处理来消除这些影响因素。
预处理包括辐射定标、几何校正和大气校正等。
辐射定标是将卫星遥感图像中的数字值转换为物理量，例如辐射度或反射率。
几何校正是将图像进行几何变换，使其在地理坐标系统下具有一定的精度和一致性。
大气校正是根据大气传输模型对图像进行校正，消除大气影响。
第三步是图像分类。
图像分类是指将卫星遥感图像中的像素分配到不同的类别中，以反映地物类型和分布。
常用的分类方法包括基于统计的分类、基于决策树的分类和基于神经网络的分类等。
这些方法通过对图像的光谱信息、纹理特征和形状特征等进行分析，将像素分配到不同的地物类别中。
第四步是特征提取。
特征提取是从卫星遥感图像中提取地物的特征信息，用于进一步分析和应用。
常用的地物特征包括光谱特征、纹理特征和形状特征等。
光谱特征反映了地物在不同波段上的反射和辐射特性，纹理特征反映了地物的空间分布和纹理结构，形状特征反映了地物的形状和大小等。
第五步是精度评定。
精度评定是对卫星遥感图像处理结果的准确性和可靠性进行评估。
评定方法包括对比分析、统计分析和验证实地调查等。
通过与实地调查数据进行对比，可以评估卫星遥感图像处理结果的精度，并对研究和应用提供参考和支持。
卫片执法工作流程
卫片执法工作流程一、引言卫片执法是一种利用航拍卫星图像进行执法监督的新型执法方式。
它通过高分辨率的卫星图像，实时监测和记录违法行为，为执法部门提供有效的证据，提高执法效率和公正性。
本文将介绍卫片执法的工作流程，包括数据获取、图像处理、违法标注和处罚等环节。
二、数据获取卫片执法的第一步是获取高分辨率的卫星图像数据。
执法部门可以向相关卫星公司购买或租赁卫星图像数据，也可以通过与卫星公司合作，获取实时的图像数据。
这些图像数据通常包括不同时间、不同角度拍摄的卫星图像，以满足执法部门对不同区域的监测需求。
三、图像处理获取到卫星图像数据后，执法部门需要对图像进行处理和分析。
首先，需要对图像进行几何校正，消除图像中的畸变和变形，使其与真实地理空间一致。
然后，可以利用遥感影像处理软件对图像进行增强、滤波和配准等操作，以提高图像的质量和清晰度。
同时，还可以利用图像分类算法，将图像中的地物进行自动识别和分类，以便后续的违法行为标注。
四、违法标注在图像处理的基础上，执法部门需要对图像中的违法行为进行标注。
这包括违法建筑、违法占地、违法排污等各种违法行为。
执法人员可以利用图像处理软件，在卫星图像上进行标注，并提供相关的文字说明和证据。
同时，也可以利用图像分类算法，自动识别和标注图像中的违法行为，以减轻执法人员的工作负担。
五、执法处罚标注完违法行为后，执法部门需要根据相关法律法规，对违法行为进行处罚。
根据卫片执法的证据，可以对违法行为责任人进行约谈、罚款或强制拆除等处罚措施。
同时，也可以将相关违法行为公开曝光，以起到警示和威慑的作用。
执法部门应当及时将处罚结果反馈给违法行为责任人，并对处罚结果进行监督和评估，以确保执法的公正和有效。
六、执法监督卫片执法的最后一步是执法监督。
执法部门应当建立健全的监督机制，对卫片执法的工作流程进行监督和评估。
同时，应当接受社会各界的监督和检查，及时处理和纠正执法中的问题和不足。
此外，执法部门还可以利用卫片执法的数据和结果，对执法工作进行分析和总结，以优化执法工作流程，提高执法效率和公正性。
- 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)。
卫星图像处理流程
一．图像预处理
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。
（1）图像对图像的纠正
利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
（2）图像对地图（栅格或矢量）
利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
图9 参考地形图
图10 待纠正影像
图11 纠正后影像和地形图套和效果
（3）图像对已知坐标点（地面控制点）
利用已有准确地理坐标和投影信息的已知坐标点或地面控制点，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
4．正射纠正
利用已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、GDEM），对原始遥感影像进行纠正，可消除或减弱地形起伏带来的影像变形，使得遥感影像具有准确的地面坐标和投影信息。
图12 数字正射影像图
三．图像增强
为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进行增强处理。
1．彩色合成
为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。
彩色图像可以分为真彩色图像和假彩色图像。
图13真彩色合成( TM321)
图14 假彩色合成(TM432)
2．直方图变换
统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。
一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。
直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。
图15 直方图拉伸前（原图偏暗）
图16 直方图拉伸后
图17 直方图拉伸前（原图对比度不强）
图18 直方图拉伸后（线性拉伸）
3．密度分割
将灰度图像按照像元的灰度值进行分级，再分级赋以不同的颜色，使原有灰度图像变成伪彩色图像，达到图像增强的目的。
图19 原始图像
图20 密度分割图像
4．灰度颠倒
灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)到饱和状态，然后再进行颠倒，使正像和负像互换。
图21 灰度颠倒前
图22 灰度颠倒后
5．图像间运算
两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。
常见的有加法运算、减法运算、比值运算和综合运算。
例如：
减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。
比值运算：常用于计算植被指数、消除地形阴影等。
植被指数：NDVI=（IR-R）/（IR+R）
图23 原始图像
图24 NDVI植被指数图像
6．邻域增强
又叫滤波处理，是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。
邻区法处理用于去噪声、图像平滑、锐化和相关运算。
图25 原始图像
图26 拉普拉斯滤波图像（5×5）
7．主成分分析
也叫PCA变换，可以用来消除特征向量中各特征之间的相关性，并进行特征选择。
主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。
例如：对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。
图27 第一主成分
图28 第二主成分
图29 第三主成分
图30 第四主成分
图31第五主成分
图32 第六主成分
8．K-T变换
即Kauth-Thomas变换，又称为“缨帽变换”。
这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。
目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。
图33 第一主分量（亮度）
图34 第二主分量（绿度）
图35第三主分量
9．图像融合
遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。
不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。
图36 多光谱影像
图37高分辨率影像
图38 融合影像（HSV融合）
四．图像裁剪
在日常遥感应用中，常常只对遥感影像中的一个特定的范围内的信息感兴趣，这就需要将遥感影像裁减成研究范围的大小。
图39 原始影像
1．按ROI裁剪
根据ROI（感兴趣区域）范围大小对被裁减影像进行裁剪。
图40 按ROI（行政区）域裁剪
2．按文件裁剪
按照指定影像文件的范围大小对被裁减影像进行裁剪。
3．按地图裁剪
根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。
图41 按地图坐标范围裁剪
五．图像镶嵌和匀色
1．图像镶嵌
也叫图像拼接，是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起，构成一幅整体图像的技术过程。
通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。
图42镶嵌左影像
图43 镶嵌右影像
图44 镶嵌结果影像
2．影像匀色
在实际应用中，我们用来进行图像镶嵌的遥感影像，经常来源于不同传感器、不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。
图45 匀色前影像
图46 匀色后影像
六．遥感信息提取
遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。
依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。
目前信息提取的方法有：目视判读法和计算机分类法。
其中目视判读是最常用的方法。
1．目视判读
也叫人工解译，即用人工的方法判读遥感影像，对遥感影像上目标地物的范围进行手工勾绘，达到信息提取的目的。
图47 人工解译水系
2．图像分类
是依据是地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别的过程。
（1）监督分类
在研究区域选有代表性的训练场地作为样本，通过选择特征参数（如亮度的均值、方差等），建立判别函数，对样本进行分类，依据样本的分类特征来识别样本像元的归属类别的方法。
图48 原图像
图49 监督分类图像
（2）非监督分类
没有先验的样本类别，根据像元间的相似度大小进行归类，将相似度大的归为一类的方法。
（3）其他分类方法
包括神经网络分类、分形分类、模糊分类等分类方法，以及他数据挖掘方法如模式识别、人工智能等，在这里不做进一步阐述。