遥感图像处理 光学处理和校正
光学图像处理技术在遥感图像中的应用
光学图像处理技术在遥感图像中的应用随着科技的不断发展，人类对于地球的认识也越来越深入。
其中，遥感技术在地球观测中扮演着越来越重要的角色。
遥感图像是使用卫星、飞机、无人机等载体采集并传输的地球表面信息，被广泛用于气象、地质、农业、城市规划等领域。
在获取遥感图像的同时，如何高效地处理和分析这些图像数据也成为了一个迫切的问题。
光学图像处理技术，则是一种被广泛应用于遥感图像处理的技术。
光学图像处理技术是指通过数字信号处理、统计学和数学算法等方法来提取、过滤、压缩、增强或重建光学图像的过程。
在遥感图像中，这些技术能够帮助我们从数据中提取有用的信息，比如提取城市中心、农作物分布、海岸线位置等，然后进行更深入的研究和分析。
下面我们将探讨光学图像处理技术在遥感图像中的应用。
1. 图像增强图像增强是指通过调整图像的对比度、色彩等参数来使图像的质量得到提高。
在遥感图像中，由于图像中各种地物的灰度和颜色往往相似，导致图像中的细节信息难以被发现。
此时采用图像增强技术可以使得这些细节信息浮现出来。
比如，在城市规划工作中，我们可以通过图像增强技术来准确地提取建筑物轮廓、街道轮廓等。
2. 图像分割图像分割是指将图像中的区域分解成不同的部分，以便进行目标检测和识别。
在遥感图像中，图像分割可以用于提取特定区域的信息，比如水域、农田、林区等。
与此同时，这些信息对于环境监测、资源利用以及自然灾害预防和应对等都有着十分重要的意义。
3. 特征提取特征提取是指从图像中提取出具有代表性的特征。
在遥感图像中，由于遥感图像覆盖范围大，因此往往需要把分析的目标先区分开来，才能做出一些有意义的结论。
通过特征提取技术，可以得到目标区域的特定特征，比如植被覆盖度、水道宽度等，然后通过分析这些特征得出结论。
4. 图像配准图像配准是指将不同来源的图像进行对齐管理，以便进行更进一步的分析和处理。
在遥感图像中，由于各种图像数据来源不同，往往需要进行配准。
这种技术能够使得数据更加精确，确保精度和准确性。
Envi遥感图像几何校正
遥感数字图像处理——几何精校正1.实验原理、目的和内容1.1.实验原理遥感图像纠正是通过计算机对图像每个像素逐个地解析纠正处理完成的，所以能够较清晰地改正线性和非线性变形误差。
几何精纠正的基本原理是回避成像的空间几何过程，直接利用地面的控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看做是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。
因此，校正前后的图像相应点的坐标关系可以用一个适当的数学模型来表示。
1.2.实验目的采用图像-地图纠正法，对TM遥感图像进行几何精纠正，即把不同传感器具有几何精度的图像和地图中的相同地物元素精确地彼此匹配、叠加在一起，以满足集成的需要。
1.3.实验内容对南京市TM图像AA进行几何精纠正。
2.实验过程2.1.地图投影信息的获取进行精校正之前，应该获取标准图像的投影信息，利用ArcGIS或MapInfo软件即可查看投影类型为：GK Zone 20(Pulkovo 1942)2.2.显示需要校正的图像利用Envi导入图像，RGB合成，选择4，3，2波段即可2.3.选择控制点本实验中采用图像-地图纠正，在图像窗口中选择地面控制点（GCP），然后在地图窗口中找到同名地物点，记录点位的坐标信息（见图1）。
首先，进行图像-地图纠正，Map——Registration——Select GCPs：Image to Map。
再在Image to Map Registration窗口中，根据参照的矢量地图选择Gk Zone 20(Pulkova 1942)，确定后，弹出Ground Control Points Selection窗口。
在添加地面控制点：在图像窗口中移动光标，确定GCP的位置，然后在矢量地图窗口中确定同名地物点，并将其坐标拷贝到本窗口中的地图坐标文本框中。
确认合适后，单击Add Point产生一个同名地物点。
（见图2）依次进行下去，直到数量复合要求，一般需要6个以上，并且分布均衡（图3）选取控制点完毕后进行纠正，由于选取控制点数量较少，因此使用一阶多项式的方法，重采样方法为最临近采样。
遥感图像处理
遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。
遥感图像处理可以应用于多个领域，包括地理信息系统（GIS）、环境监测、农业、城市规划等。
本文将介绍遥感图像处理的基本概念、常用方法和应用案例。
2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术，以下是一些常用的基本概念：2.1 遥感图像遥感图像是通过遥感设备获取的图像数据，可以是卫星图像、航空摄影图像或无人机图像等。
遥感图像通常包含多个波段，每个波段代表不同的光谱信息。
2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。
预处理的目的是提高图像质量、减少噪声和伪影，并使得图像更适合进行后续处理和分析。
2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。
常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。
2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较，以检测地物、景观或环境发生的变化。
遥感图像变化检测可以用于监测自然灾害、环境变化等。
2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析，提取图像中的有用信息和特征。
遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。
3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。
3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理，以增强图像的可视化效果和信息提取能力。
常用的图像增强方法包括直方图均衡化、滤波（如中值滤波、高斯滤波）和锐化等。
3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。
常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。
3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。
遥感数字图像处理影像校正ppt课件
-1-
大气影响辐射纠正
精确的校正公式需要找出每个波段像元亮度值 与地物反射率的关系。为此需得到卫星飞行时 的大气参数，以求出透过率Tθ、Tφ等因子。如 果不通过特别的观测，一般很难得到这些数据， 所以，常常采用一些简化的处理方法，只去掉 主要的大气影响，使影像质量满足基本要求。
-1-
第二讲 影像校正
1 数字影像的性质和特点 2 影像校正
-1-
1 数字影像的性质与特点
1.1模拟影像与数字影像 1.2 数字影像的特点 1.3 多波段数字影像的数据格式
-1-
1 数字影像的性质与特点
1.1模拟影像与数字影像 – 模拟影像：普通像片那样的灰度级及颜色连续变化 的影像 – 数字影像：把模拟影像分割成同样形状的小单元， 以各个小单元的平均亮度值或中心部分的亮度值作 为该单元的亮度值进行数字化的影像。
-1-
2.2 大气校正
进入大气的太阳辐射会发生反射、折射、吸收、散 射和透射。其中对传感器接收影响较大的是吸收和散射。 为消除由大气的吸收、散射等引起失真的辐射校正，称 作大气校正。
-1-
2.2.1 影响遥感影像辐射失真的大气因素
（1）大气的消光（吸收和散射） （2）天空光（大气散射）照射 （3）路径辐射
-1-
大气影响的回归分析法纠正
假定某红外波段，存在程辐射为主的大气影响，且亮 度增值最小，接近于零，设为波段a。现需要找到其他 波段相应的最小值，这个值一定比a波段的最小值大一 些，设为波段b，分别以a，b波段的像元亮度值为坐标， 作二维光谱空间，两个波段中对应像元在坐标系内用 一个点表示。由于波段之间的相关性，通过回归分析 在众多点中一定能找到一条直线与波段b的亮度Lb轴相 交，且
如何处理测绘技术中的光学遥感问题
如何处理测绘技术中的光学遥感问题测绘技术中的光学遥感问题是一个关键而复杂的领域。
随着技术的迅速发展和应用的广泛推广，我们面临着日益增多的挑战。
本文将讨论如何处理这些问题，并提出一些解决方案。
第一部分：光学遥感技术的基础知识首先，我们需要了解光学遥感技术的基础知识。
光学遥感是一种通过利用电磁波与物体交互作用的方式来获取地理信息的方法。
这种技术可以通过捕捉和分析地球表面反射、散射和发射的光来获取有关目标的信息。
第二部分：光学遥感中的常见问题在光学遥感中，存在许多常见问题需要处理。
一种常见的问题是图像的模糊。
这可能是由于大气湍流、悬浮颗粒物或地面移动导致的。
另一个问题是图像的噪声，主要是由于设备和传感器自身的限制所导致的。
此外，辐射校正、大气校正和地物解混等问题也需要解决。
第三部分：处理测绘技术中的光学遥感问题的解决方案为了处理光学遥感中的问题，我们可以采取一些解决方案。
首先，我们可以利用图像处理技术来改善光学遥感图像的质量。
这包括去除图像的模糊和噪声，以提高图像的清晰度和准确性。
此外，我们还可以利用大气校正方法来纠正图像中的大气湍流和散射，以获取更真实的地物信息。
第四部分：光学遥感技术的应用领域光学遥感技术在许多领域具有重要的应用价值。
例如，它可以用于土地利用/覆盖分类、森林监测、城市规划和环境保护等方面。
通过利用光学遥感技术，我们可以获取高分辨率、宽覆盖范围的地球表面信息，从而帮助我们更好地了解和管理地球。
第五部分：未来发展方向和挑战光学遥感技术在过去几十年中取得了巨大的发展，但仍面临着一些挑战和待解决的问题。
例如，高分辨率影像的获取和处理仍然具有较高的成本和复杂性。
此外，在面对大规模且复杂的地表变化情况时，数据获取和分析的方式也需要进一步改进。
总结：测绘技术中的光学遥感问题是一个复杂而重要的领域。
通过了解光学遥感技术的基础知识，处理常见问题的解决方案和应用领域，我们可以更好地利用这种技术来获取和管理地球信息。
地理信息系统重点名词解释4
地理信息系统重点名词解释（4）影像数据采用拍摄，扫描或其他方式获得的资源对象的形象再现，以及经过处理后具有视觉特征的选择性数字记录。
影像数据主要来源于卫星和航空遥感，包括多平台、多光谱、多传感器、多时相、多角度和多分辨率的遥感影像数据。
遥感图像处理对遥感图像进行辐射校正、几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。
遥感图像处理可分为两类：一是利用光学、照相和电子学的方法对遥感模拟图像(照片、底片)进行处理，简称为光学处理；二是利用计算机对遥感数字图像进行一系列操作，从而获得某种预期结果的技术，称为遥感数字图像处理元数据元数据是关于数据的数据，是指在空间数据库中用于描述空间数据的内容、质量、表示方式、空间参考和管理方式等特征的数据，是实现地理信息共享的核心标准之一。
GIS数据质量是对空间数据在表达空间位置、空间关系、专题特征以及时间等要素时，所能达到的准确性、完整性、一致性以及它们之间统一性的度量，一般描述为空间数据的可靠性和精度。
数据编辑将输入系统的数据进行检查、修改、处理、净化，组织成便于系统内部处理的格式。
数据共享不同用户或不同系统按照一定的规则共同使用根据协议形成的数据库。
用户可以通过多种程序设计语言或查询语言去使用这些数据。
数据库中数据集的所有者（或管理者），允许其他用户访问他的数据集，称为共享数据集（shared data set）。
获准访问的这个用户称为数据共享者（datasharer）。
数据质量控制采用一定的工艺措施，使数据在采集、存贮、传输中满足相关的质量要求的工艺过程。
数据质量评价对数据质量进行评估的方法和过程。
常用的评价方法有：演绎推算、内部验证、与原始资料（或更高精度的独立原始资料）对比、独立抽样检查、多边形叠加检查、有效值检查等。
经检查应对每个质量元素进行说明，并给出总的评价，最后形成数据质量评价报告。
数据精度对现象描述的详细程度。
第5章_遥感数字图像处理_图像校正(1)
散射增加了达到卫星传感器的能量，从而 降低了遥感图像的反差，反差降低则降低 了图像的分辨率，因此必须进行校正。 低分辨率图像的空间范围比较大，不能认 为图像中各处的大气散射是均匀的，需要 进行分区校正。
（3）太阳辐射
太阳位置(高度角和方位角)造成光照条件的差异引起的辐 射误差 太阳高度角较低时，图像上会产生阴影压盖其他地物的 图像，造成同物异谱问题，影响遥感图像的定量分析和自 动识别。 地形起伏引起的辐射误差 地面倾斜度 由于地形的变化，在遥感图像上会造成同类地物灰度不 一致的现象。
到达地表的全球年辐射总量的分布基本上成带状，只有在低纬度地区受到破坏。在赤 道地区,由于多云，年辐射总量并不最高。南北半球的副热带高压带，特别是在大陆
荒漠地区，年辐射总量较大，最大值在非洲东北部。
在各种因素中，大气的影响要首先考虑。 大气散射与吸收太阳的下行辐射和传感器 接收的上行辐射的光谱特性造成深刻的影 响。 大气影响使图像表面的细节变模糊，大气 辐射校正的目的是消除这些影响，提高表 面反演的准确性。
（1）大气分子及气溶胶瑞利散射和米氏散 射、分子及气溶胶的吸收、散射以及散射 吸收的耦合作用。大气的存在导致程辐射 及吸收，这是两个相互对立的作用，一个 增加辐射量，一个减少辐射量。
瑞利散射：又远小于光波长的气体分子引起，大小与波长的四次方成 正比； 米氏散射：有大小与光波长相当的颗粒（气溶胶：如烟、水蒸气）引 起，也称为气溶胶散射，大小与波长成反比。
传感器端的辐射校正的原理
利用已经建立的地物反射率与遥感图像像素之间的关 系，通过遥感图像的像素值计算传感器端的像素的反
射率。一般通过辐射定标来完成。
辐射校正的结果可以是辐亮度也可以是反射率。
简述光学遥感影像预处理的大概过程
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获取高质量遥感数据的关键步骤之一。
它涉及数据获取、几何校正、大气校正、降噪和图像增强等一系列处理过程，为后续的分析和应用提供清晰、准确的数据基础。
在本文中，将以序号标注的方式，简述光学遥感影像预处理的大概过程，并分享个人观点和理解。
1. 数据获取光学遥感影像预处理的第一步是获取原始影像数据。
这些数据可以来自于遥感卫星、无人机或其他航空平台。
在获取数据之前，需要考虑影像的空间分辨率、光谱分辨率和时间分辨率等特征，以确保数据的适用性和可靠性。
2. 几何校正几何校正是将原始影像数据与地理参考系统对齐的过程。
它涉及几何校正、辐射定标和投影转换等步骤。
几何校正的目的是消除影像中的空间畸变，使其能够准确地表示地球表面的特征。
3. 大气校正大气校正是消除大气散射对遥感影像的影响。
大气校正的目标是校正影像中的大气影响，以恢复地表反射率的真实值。
这个过程通常需要使用大气校正模型和气象数据来估算和修正大气散射。
4. 降噪降噪是为了提高影像质量而采取的一系列去除不必要噪声的操作。
常用的降噪方法包括平滑滤波、小波变换和空间域滤波等。
降噪过程的目的是减少影像中的噪声和杂乱信息，以提高图像的清晰度和可解释性。
5. 图像增强图像增强是为了改善影像的观感效果而进行的一系列处理。
常见的图像增强方法包括对比度拉伸、直方图均衡化和空域滤波等。
图像增强的目标是突出影像中的特定信息，使其更容易被人眼识别和解释。
总结起来，光学遥感影像预处理的大概过程包括数据获取、几何校正、大气校正、降噪和图像增强。
通过这些处理步骤，原始的遥感影像数据可以被处理成高质量、准确的数据，为后续的分析和应用提供可靠的基础。
个人观点和理解：光学遥感影像预处理是获取高质量遥感数据的重要环节，它对于遥感应用和研究具有重要意义。
在预处理的过程中，几何校正和大气校正是两个关键的步骤。
几何校正可以消除影像中的空间畸变，使其能够精确地表达地球表面的特征。
测绘技术中的遥感图像纠正和融合方法
测绘技术中的遥感图像纠正和融合方法遥感图像的纠正和融合是测绘技术中的重要研究方向，具有广泛的应用价值。
本文将从遥感图像纠正和融合两个方面进行探讨，并介绍一些常见的方法和技术。
一、遥感图像的纠正方法1. 几何纠正几何纠正是指对遥感图像进行几何校正，使其与地理坐标系统相匹配。
常见的几何纠正方法包括地面控制点法和数字影像匹配法。
地面控制点法通过在图像上选择地物特征点，并与地面真实位置相对应，根据图像上的点与地面真值的差异进行几何变换，从而实现图像的几何纠正。
数字影像匹配法则是通过提取图像上的特征点，并与实际地面上的同名特征点进行匹配，然后根据匹配结果进行几何变换。
2. 辐射纠正辐射纠正是指对遥感图像进行辐射校正，消除光学、大气等因素对图像亮度和对比度的影响，使得图像能够真实反映地物的辐射特性。
常见的辐射纠正方法包括大气校正和辐射定标。
大气校正是通过模拟大气传输过程，根据测量的气象数据和大气传输模型，估算和减去大气散射和吸收对遥感图像的影响。
辐射定标则是通过将图像上的数字值转换为辐射度或反射率，以实现不同时间、不同传感器之间的数据比较和分析。
二、遥感图像的融合方法遥感图像融合是指将多个传感器获取的多源数据融合到一个整体图像中，以提供更全面、更准确的地物信息。
常见的遥感图像融合方法包括像素级融合和特征级融合。
1. 像素级融合像素级融合是通过将不同传感器获取的图像像素进行组合，生成具有更高分辨率、更丰富信息的图像。
常用的像素级融合方法包括加权平均法、主成分分析法和小波变换法。
加权平均法将不同传感器的图像按一定权重加权平均，得到融合后的图像。
主成分分析法是利用主成分分析对不同传感器的图像进行降维处理，然后通过反变换重构融合图像。
小波变换法则是利用小波变换对不同传感器的图像进行多尺度分解和重构，得到融合图像。
2. 特征级融合特征级融合是利用不同传感器获取的图像中的特征信息进行融合，提取和组合更全面、更准确的地物特征。
光学遥感算法实验报告
一、实验目的本次实验旨在通过光学遥感图像处理，掌握光学遥感图像的基本处理方法，包括图像预处理、图像增强、图像分割等，并熟悉常用的光学遥感图像处理算法，提高对光学遥感图像的分析和处理能力。
二、实验内容1. 实验环境（1）软件：ENVI 5.3（2）硬件：计算机2. 实验步骤（1）数据准备首先，准备一幅光学遥感图像，本实验选用的是一幅Landsat 8卫星影像。
（2）图像预处理对图像进行预处理，包括辐射校正、几何校正等。
（3）图像增强对图像进行增强，提高图像的视觉效果，便于后续处理。
本实验采用直方图均衡化、对比度拉伸等方法。
（4）图像分割对图像进行分割，提取目标区域。
本实验采用阈值分割、区域生长等方法。
（5）结果分析对分割结果进行分析，评估算法性能。
三、实验结果与分析1. 图像预处理经过辐射校正和几何校正后，图像质量得到提高，细节更加清晰。
2. 图像增强通过直方图均衡化和对比度拉伸，图像视觉效果得到明显改善。
3. 图像分割（1）阈值分割采用Otsu方法进行阈值分割，得到初步的目标区域。
但该方法存在一定局限性，如噪声干扰、目标区域内部亮度不均匀等。
（2）区域生长采用区域生长方法对图像进行分割，得到较为准确的目标区域。
区域生长方法具有以下优点：- 可以较好地处理噪声干扰；- 可以处理目标区域内部亮度不均匀的问题；- 可以根据需要设置生长参数，提高分割精度。
4. 结果分析通过对比阈值分割和区域生长两种方法，发现区域生长方法在处理光学遥感图像时具有更好的性能。
区域生长方法可以较好地处理噪声干扰和目标区域内部亮度不均匀等问题，提高分割精度。
四、实验结论1. 光学遥感图像预处理、增强和分割是光学遥感图像处理的重要环节。
2. 直方图均衡化、对比度拉伸等方法可以有效提高图像视觉效果。
3. 区域生长方法在处理光学遥感图像时具有较好的性能，可以提高分割精度。
4. 通过本次实验，掌握了光学遥感图像处理的基本方法，提高了对光学遥感图像的分析和处理能力。
简述遥感图像几何校正图像原理和一般流程
简述遥感图像几何校正图像原理和一般流程下载温馨提示: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!遥感图像几何校正原理与一般流程解析遥感图像几何校正，是遥感图像处理中的重要环节，其主要目的是消除由于传感器、地球曲率、大气折射等因素导致的图像几何变形，使图像上的地物位置与实地对应一致。
第四章 遥感图像处理――几何校正PPT课件
三种内插方法比较
方法 1
优点 简单易用，计算量小
缺点
处理后的影像亮度具有不连 续性，影响精确度
精度明显提高，特别是对亮度 计算量增加，且对影像起到
2
不连续现象或线状特征的块状 平滑作用，从而使对比度明
化现象有明显的改善。
显的分界线变得模糊。
3
更好的影像质量，细节表现更 为清楚。
工作量很大。
23
18
像元灰度值重采样
校正前后图像的分辨率变化、像元点位置相对变化引 起输出图像阵列中的同名点灰度值变化。
x X
P(X,Y) Y
纠正后影像
p(x,y) y
纠正前影像
19
最近邻法
—以距内插点最近的观测点的像元值为所求的像元值。
影像中两相邻点的距离为1，即 行间距△x＝1，列间距△y=1，取与 所计算点(x,y)周围相邻的4个点，比 较它们与被计算点的距离，哪个点距 离最近，就取哪个的亮度值作为 （x,y）点的亮度值f（x，y）。设该 最近邻点的坐标为（k,l）,则
一是指平台在运行过程中，由于姿态、地球曲 率、地形起伏、地球旋转、大气折射、以及传 感器自身性能所引起的几何位置偏差。
二是指图像上像元的坐标与地图坐标系统中相 应坐标之间的差异。
3
引起遥感图像几何变形的因素
一、遥感平台位置和运动状态变化的影响
旁向位移的影响 速度变化即航向位移的影响
高度变化的影响—地面分辨率不均匀 俯仰变化的影响
21
三次卷积内插法
取与计算点（x，y）周 围 相 邻 的 16 个 点 ， 与 双 向 线 性内插类似，可先在某一方 向上内插，每4个值依次内插 4次，求出f（x，j-1），f(x， j ） ， f(x,j+1) ， f(x,j+2) ， 再根据这四个计算结果在另 一 方 向 上 内 插 ， 得 到 f(x ， y）。
第五章--遥感图像处理
与光学图像相比，数字图像量化等级高(256级)、失 真度小，不同图像的配准精度高，可由计算机进行各种处 理，便遥感图像获得更好的判读、分析等应用效果。
(二)数字图像处理
所谓数字图像处理是将数字图像以不同亮度值像元 的行、列矩阵构造各种数字模型和相应的算法，由计算 机进行运算(矩阵变换)处理，进而获得更加有利于实际 应用的输出图像及有关数据和资料。故数字图像处理通 常也称为计算机增强处理。
数字图像可以有各种不同的来源：
卫星影像：如MSS等，地面景像的遥感信息都直接记 录在数字磁带上，有关的接收系统均可提供相应的计算机 兼容数字磁带(CCT)及其记录格式。只要按记录格式将CCT 数据输入计算机图像处理系统，即可获得数字图像。
胶片影像：则可通过专门仪器（透射密度计、飞点扫 描器，鼓形扫描器及摄像扫描器等），将影像密度转换为 数值，进而形成数字图像。
3．图像复合处理：
对同一地区各种不同来源的数字图像按统一的地理 坐标作空间配准叠合，以进行不同信息源之间的对比或 综合分析。通常也称多元信息复合，既包括遥感与遥感 信息的复合，也包括遥感与非遥感地学信息的复合。
4．图像分类处理：
对多重遥感数据，根据其像元在多维波谱空间的特 征(亮度值向量)，按一定的统计决策标准，由计算机划 分和识别出不同的波谱集群类型，以实现地质体的自动 识别分类。有监督和非监督两种分类方法。
数字图像几何精纠正的实质是逐像元地将其图像坐 标按一定的精度要求变换到地形图的地理坐标系中，再 按恰当的方法对像元重新做亮度赋值。
几何精纠正能综合校正所有因素造成的几何畸变， 能显著改善数字图像的几何精度。
遥感图像处理-几何校正
0.06/1.76
0.03/2.00
0.04/1.64
0.06/1.52
0.03/1.65
0.05/1.42
0.11/3.91
0.03/4.50
0.12/3.49
Landsat5 0.04/2.38 0.04/1.64 0.05/1.42 0.12/3.49 6
例：条带噪声去除
成像时，由于检测系统某一扫描线上故障造成扫描线脱落。 这时往往没有任何信息，在图像只显示一条黑线，有时也会 出现分段黑线，这些均称条带噪声。
R 绝对辐射亮度；(mW/cm 2 sr) V 数据值。
2021/5/27
5
TM的最小、最大辐射亮度
波段
1
Rmin/Rmax 波段宽度
-0.0099 /1.004 0.066
2
3
4
-0.0227 -0.0083 -0.0194 /2.404 /1.410 /2.660
0.081 0.069 0.129
2021/5/27
7
按照上面查找条带公式。如果第i行是一个条带，由于
条带上所有像元都是零级灰值，故mi和di计算出来也为 零值，最后计算的Gij的灰度值应该等于整个像幅灰度值
的平均值M，即计算出来第 i 行的所有像元的灰值都相
等（也即等于某一常数时），说明第 i 行是一个条带，
需进行去条带处理。
2021/5/27 (a) 原始图像
地形倾斜的影响校正：当地形倾斜时，经过地表扩散、反射 再入射到遥感器的太阳光的辐射亮度就会依倾斜度而变化。 可以采取用地表的法线矢量和太阳光入射矢量的夹角进行校 正的方法，以及对消除了光路辐射成分的图像数据采用波段 间的比值进行校正的方法等。
遥感图像影像几何校正方法与精度评价
遥感图像影像几何校正方法与精度评价遥感技术是一种通过航空器或卫星获取地球表面信息的技术手段。
为了获得准确的地理空间信息，遥感图像需要经过几何校正。
本文将介绍几种常用的遥感图像影像几何校正方法，并探讨它们的精度评价。
一、几何校正方法1. 多点校正法多点校正法是一种常用的几何校正方法。
它通过在图像中选择多个控制点，然后根据这些控制点在现实地面上的坐标，使用几何变换公式进行图像的几何校正。
这种方法简单易行，适用于中等分辨率的图像。
2. 数字高程模型校正法数字高程模型校正法是一种基于数字高程模型的几何校正方法。
首先，通过获取地面的数字高程模型，然后将图像与数字高程模型进行配准，最后进行几何校正。
这种方法的优点是精度较高，适用于高分辨率的图像。
3. 惯导校正法惯导校正法是一种利用航空器或卫星的惯性导航系统进行几何校正的方法。
惯性导航系统可以测量航空器或卫星的姿态和位置信息，根据这些信息对图像进行几何校正。
这种方法的精度较高，适用于航空器或卫星上配备有惯性导航系统的情况。
二、精度评价几何校正的精度评价是衡量几何校正过程中误差大小的方法。
常用的评价指标有均方根误差（RMSE）和控制点定位精度。
1. 均方根误差（RMSE）均方根误差是通过对校正前后的像素位置误差进行统计分析得到的一个指标。
它是校正后图像中所有像素位置误差的平方和的开方。
均方根误差越小，表示几何校正的精度越高。
2. 控制点定位精度控制点定位精度是通过选取一组已知坐标的控制点，然后对校正后图像中的相应像素进行位置测量，计算其与控制点的位置误差。
控制点定位精度越小，表示几何校正的精度越高。
三、案例分析以一幅航拍图像为例，使用多点校正法、数字高程模型校正法和惯导校正法进行几何校正，并对校正后的图像进行精度评价。
多点校正法得到的校正图像的RMSE为0.5个像素，控制点定位精度为2米。
数字高程模型校正法得到的校正图像的RMSE为0.2个像素，控制点定位精度为0.5米。
遥感图像处理2(几何校正)_OK
遥感图像处理
（几何校正）
2021/8/5
1
1 数字图象的辐射纠正
• 进入传感器的辐射强度反映在图像上就是亮度值（灰 度值）。辐射强度大，亮度值越大。理论上该值由两 个物理量决定，一是太阳辐射照射到地面的辐射强度； 二是地物的光谱反射率。但实际测量时，辐射强度值 还受到其它因素的影响而发生改变，这一改变的部分 就是需要校正的部分，称为辐射畸变。
地形图）和原始图像上分别采集对应点的坐标（至少采集六
对坐标，这些点叫做“控制点”），将这六对坐标对代入二
元二次多项式计算函数关系式的系数，得出图像坐标与地面
真实坐标之间的函数关系式。然后即可根据该函数关系式一
一求算图像上各个像元点的正确坐标值，从而得出校正图像。
最后是求算校正后各个像元的亮度值，可以采用最邻近法、
23
2.3.1 坐标关系的建立
（xp ,yp）（XP,YP）分别是任意一个像元在原
始图像和纠正后图像中的坐标。
Xp FX (xp, yp) Yp FY(xp, yp)
从理论上分析，我们应该利用原始图像上任意点的坐标来求 纠正后图像上的对应点的坐标，从而得出纠正图像。
而函数关系式的确定就需要采集控制点来得出。可以在已知 控制点理论坐标的基础上，从原始图像上读取控制点的图上真实 坐标，带入函数关系式求出函数系数，得到函数关系式。
o-xyf x y f 分别平行于UVW轴
10
2.2 遥感图像几何畸变
• 几何畸变：遥感图像在几何位置上发生的变化，诸如 行列不均匀、像元大小与地面大小对应不准确，地物 形状不规则变化等畸变时。
– 遥感器本身引起的畸变 – 外部因素引起的畸变 – 处理过程中引起的畸变
2021/8/5
- 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)。
p 是彩色胶片的染料和油墨所形成的空间 p CMYK空间覆盖的颜色范围比RGB空间窄，但有些却 超出了RGB空间范围。
RGB空间
CMY颜色模型
C 1 R
M
1
G
Y 1 B
（3）颜色立体（HLS空间）
明度为竖轴
饱和度为横轴
色调圈
（顺时针依次 为红橙黄 绿青蓝紫）
y fy(u, v)
biju i v j
i0 j0
(x,y)为纠正前影像的图像坐标，(u,v)为纠正后影像的像元坐标 (地理坐标）
例：二次多项式：
x y a b0 0 0 0b a 1 1u u 0 0 b a 0 0v v 1 1 b a 11u u 11 vv b a 22u 0 u 0 22 b a 00 v2 v 2 22
3 散射光经地物反射后进入传 感器。
大气影响使图像对比度下降，影响 图像质量
o 用户辐射校正通常是消除程辐射度 的影响（粗略校正）
大气影响的粗略校正（数字图像的辐射校正）
☆ 校正目的：消除程辐射度的影响
程辐射度主要来自米氏散射，在同一幅图像有限像元内是常数。 散射强度随波长增大而减小，到红外波段接近于零
i 1
为使 最小，根据数值分析中求极值原理，
需用上式对各个未知参数求偏导数。
n
a
00
2
i 1
xi
a00
a10 u i
a01vi
a11u i v i
a
20
u
2 i
a02 vi2
1 0
n
a10
2
i 1
xi
a00
a10 u i
a01vi
a11u i v i
a
20
u
2 i
a02 vi2
(4)大气折光引起的影响
(5)地球自转引起的影响
(a)获得图像
（b）实际对应的 地面位置
（c）影像变形
因为多数卫星在轨 道 运行的降段接收图像， 即卫星自北向南运动， 这时地球自西向东自 转。相对运动的结果， 使卫星的星下位置逐 渐产生偏离。偏离方 向如图所示，所以卫 星图像经过校正后成 为图C的形态。
☆ 校正方法
(1) 直方图法（最小值去除法）： –在一幅图像中总可以找到某种地物或某几种地物，其 反射率接近于0，也就是说其像元值为0(山的阴影处， 深海处的水体等)。而在图像上其像元值不为0，这个值 就是程辐射度的影响。将影像所有像元值减去这个值， 就消除了程辐射度的影响。
（2）回归分析法
大气的散射对短波段的影响大，对长波段的影 响小。对于红外波段而言受大气散射的影响很 小，我们可以认为其不受大气散射的影响。
孟赛尔颜色立体
4、加色法与减色法
三原色：若三种颜色任何一种都不能由其它两种混合产生， 这三种颜色按一定比例混合，可以形成各种颜色，则称之为三 原色。（红绿蓝）
互补色：若两种颜色混合产生白色或灰色，这两种颜 色称为互补色。绿是品红的补色，蓝是黄的补色，红 是青的补色
加色法：采用红、绿、蓝三种色光为基色，按比例混 合叠加产生其它色彩的方法。 减色法：从自然光（白光）中减去一种或两种基色光 而产生色彩的方法。
②选择控制点(GCP) 控制点具有双重坐标 (xi , yi )
(ui , vi ) -地面测量获得 。
-一般先在影像上选明显特征点，然后实地测量其地理 坐标，最后用两套坐标求解前面多项式系数 。
选取原则
➢ 控制点应在图像上均匀分布 ➢ 控制点在图像上应能精确定位 ➢ 特征变化较大的区域应多选些 ➢ 图像边缘部分一定要选取控制点，以避免外推
a01vi
a11u i v i
a
20
u
2 i
a02 vi2
v
2 i
0
a11
n
2
i 1
xi
a00
a10 u i
a01vi
a11u i vi
a
20
u
2 i
a
02
v
2 i
uivi
0
经整理得6个联立得方程组(式1）
a00 n 1a10 n
n
ui a01
n
vi a11
n
uivi a20
的坐标 4. 位置进行变换，变换的同时进行灰度重采样 5. 对结果进行精度评定
49
直接法 间接法
(xi , yi )
(X,Y)
(X,Y)
(xi , yi )
3 - 多项式法纠正原理
①建立变换前后两图像像元坐标之间的关系
n n-i
x fx(u, v)
aiju i v j
i0 j0
n n-i
Band interleaved by line
每个像元按波段次序 (BIP)
Band interleaved by pixel
光学图像与数字图像
光学图像又称作模拟量，数字图像又称作数字量，它们 之间的转换称模-数转换(A/D转换），反之称数-模转 换（D/A转换）。
模-数转换： 模拟量是个连续变量，在计算机上是不能被识别和处理， 可通过数字化进行模-数转换。
由于同一地区，不同波段影像的灰度值之间存 在着线性相关的关系，这样，我们就可以以红 外波段的影像为参考，通过分析来模拟出红外 波段与其他波段影像灰度值之间的线性函数。
回归分析法：将影像范围内各个像元在可见光与红外波段 的亮度值为纵横坐标，建立回归方程，其截距即为b波 段应减去的亮度值。
红外波段
四、遥感数字图像的几何校正
原图
L明度 (lightness)：很暗 ←→ 很亮
不同色调的亮度变化
最亮
最暗
相同色调的亮度变化
亮
暗
3、颜色空间
RGB空间 CMYK空间 颜色立体（HLS空间）
（1）RGB空间
R：700nm，G：546.1nm，B：435.8nm 可生成256×256×256种颜色； 与显示器和扫描仪等设备密切相关
2.遥感图像几何纠正
基本思路 （1）校正前的图像看起来是由行列整齐、像元等间距，但实 际上，由于某种几何畸变，图像中像元点间所对应的地面距 离并不相等。 （2）校正后的图像亦是由等间距的网格点组成的，且以地面 为标准，符合某种投影的均匀分布 （3）校正的最终目的是确定校正后图像的行列数值，然后找 到新图像中每一像元的亮度值。
4、彩色的分解和还原
彩色分解就是对同一目标（或图像）分别采用不同的 滤光系统而得到不同波段（分光）图像的过程。
彩色的还原即彩色分解的逆过程，就是将分光底片通 过不同的滤光系统，并准确地套合而得到彩色象片。
二、数字图像与数字图像直方图
☆数字图像：能够被计算机存储、处理和使用的图像。 原理：将某一特定波长范围内地物的发射或反射能量做等间隔 的量化，形成的一幅以数字形式表示每个像元明暗特征的图像。 ☆数字图像直方图：以每个像元为统计单元，表示图像中各亮 度值或亮度区间出现频率的分布图。
当遥感图像在几何位置上发生了变化，产生诸如行列不 均匀，像元大小与地面大小对应不准确，地物形状不规则 变化等畸变时，即说明遥感影像发生了几何畸变。
1 .遥感影像几何变形的原因
(1)遥感平台位置和运动状态变化的影响 ①航高 ②航速 ③俯仰 ④翻滚 ⑤偏航
俯仰
翻滚
偏航
(2)地形起伏引起的影响
(3)地球表面曲率的影响
可分为空间位置数字化和灰度值数字化两个步骤。
空间位置数字化（1-n）行（1-m) 列，灰度值取值(1256)
数字图像的特点就是其空间坐标和灰度取值都被离散化 了，即只能取确定的值，并且这些取值都只能是有限个 值中的一个。
离散和有限，反映了数字图像的特征。
2、图像直方图——表示图像亮度值和像元数关系。
数字图像
直方图
1、数字图像
图像信息
头文件信息（记录数据的属性，如行列数、波段数、数 据获取时间、轨道参数等）
(0,0)
nColumns
nBands
nRows
(r,c)
头 文 件 信 息
多波段图像的存储和分 发方式：
按波段顺序(B序 (BIL).
物体的反射率） Ø 饱和度（Saturation）（纯洁程度）（波长是否窄，
频率是否单一，是否混有杂光） 激光
改变像素的色彩值：色调 色彩三要素： H色调、S饱和度、 L明度
原图
H 色调﹙Hue﹚
改变像素的色彩值：饱和度 色彩三要素： H色调、S饱和度、 L明度
原图
S 饱和度：灰阶←→鲜艳
改变像素的色彩值：明度 色彩三要素： H色调、S饱和度、 L明度
n
ui2 a02
vi2
n
xi
i1
i1
i1
i1
i1
i1
i1
n
a00
n
ui a10
n
uiui a01
n
uivi a11
n
uiuivi a20
n
ui2ui a02
uivi2
n
求解方程的所需的控制点数：NUM>(n+1)(n+2)/2 ----- n： 二元多项式的次数
控制点选择应大于最小控制点数
③利用最小二乘法求解方程组
真值与变换值之差的平方和为最小
n
(xi xi)2 i1
n
2
(x i a 0 0 a 1u 0 i a 0v i1 a 1u i 1 v i a 2u 0 i2 a 0v i2 2 )
该值主要受两个因素的影响：一是太阳辐射 照射到地面的辐射强度；二是地物的光谱反 射率。
辐射畸变
o 引起影像辐射畸变主要有两方面原因：
（1）传感器本身产生的误差 由生产单位进行校正