(完整版)遥感影像预处理
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。
遥感图像预处理ppt课件
- 以SPOT PAN正射纠正结果作为基准影像，对TM影像进 行图像配准；用工程区矢量数据（河北襄樊市部分区 域）分别裁剪SPOT和TM影像，对裁剪结果进行图像融 合，得到工程区域10米的多光谱影像。
3.2基于影像自带地理定位文件几何校正
• 对于重返周期短，空间分辨率较低的卫星数据， 如AVHRR、Modis、SeaWiFS等，地面控制点的选择 有相当的难度。我们可以用卫星传感器自带地理 定位文件进行几何校正，校正精度主要受地理定 位文件的影响。
- 主菜单->Map->Orthorectification->spot-> Orthorectify SPOT with Ground Control
3.6 Landsat7影像几何校正
• Landsat7影像数据是从网上免费下载的，是LPGS 格式的L1T级别格式，已经经过一定的几何校正和 DEM校正，使用UTM WGS84的坐标系统。
RapidEye
模型
文件
RPC
RPC文件(. rpc)
RPC
RPC文件(.met)
RPC
RPC
文
件
PRODUCT_RPC.TXT
Pushbroom Sensor 星 历 参 数 文 件
(METADATA.DIM)
RPC
RPC文件（_rpc.txt）
RPC
RPC文件(_metadata.pvl)
RPC
• 数据：
- 5-SPOT PAN正射纠正
练习6-2
• 内容：
- 自定义RPC参数 - 使用控制点
• 数据：
- 5(1)-自定义RPC正射纠正
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。
遥感卫星影像预处理的方法步骤
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。
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。
图像处理遥感图像预处理
图像处理遥感图像预处理实验二遥感图像预处理一、背景知识一幅遥感数据拿到手后，首先要做的常常是赋予遥感图像的地理坐标系统。
方法有地理校正和地理配准两种。
地理校正是在遥感图像上选取控制点，然后赋予控制点的真实坐标达到校正图像和获取地理参考的目的。
地理配准是选取一个有相同覆盖范围的已有坐标系统和假定没有变形的图像或图形为参考系，达到校正原始图像的目的。
第二种方法使用的最多。
图像校正后，由于关心的区域可能只是图像的一部分获分布于几个图像，这时要对图像进行裁减和镶嵌。
二、实验目的1. 了解遥感数据预处理的内容、步骤，需要准备的材料。
2. 能使用常用的预处理内容三、实验内容(2学时)1. 遥感图像校正2. 图像投影变换;3. 图像分幅剪裁;4. 图像拼接处理;四、实验准备(1) 软件ERDAS IMAGINE Professional 8.5版本以上。
(2) 系统样例数据。
需要校正的Landsat TM图像:tmAtlanta.img作为地理参考的校正过的SPOT图像:panAtlanta.img用于拼接处理的图像wasia1_mss.img、wasia2_mss.img五、实验步骤、方法1. 遥感图像校正(1) 分别打开两个视图窗口，在其中分别打开图像tmAtlanta.img和panAtlanta.img。
(2) 选择Image Geometric Correction打开校正选项窗口。
(3) 选择From Viewer，点击Select Viewer，然后在panAtlanta.img视图窗口上单击。
采用影像—影像的校正模式。
校正算法采用多项式方法。
(4) 确定多项式系数为2。
(5) 点选Set Projection from GCP Tool，设置投影参照类型。
(6) 选择Existing Viewer，即以现有视图中的图像投影为配准依据。
(7) 确定后，打开校正对话框布局。
完成控制点的采集后，实行对图像进行校正。
遥感影像处理技术的使用方法和技巧
遥感影像处理技术的使用方法和技巧遥感影像是通过卫星、飞机等平台获取的地球表面的图像数据。
这些图像数据蕴含着丰富的地理信息，可以被用于环境监测、城市规划、农业分析等多个领域。
然而，如何正确处理和分析这些遥感影像数据并提取有效信息则是一个挑战。
本文将介绍一些遥感影像处理技术的使用方法和技巧，帮助读者更好地利用遥感影像数据。
一、数据预处理在进行遥感影像数据处理之前，首先需要对数据进行预处理。
数据预处理过程中的一些常见步骤包括：1.数据格式转换，将原始影像数据转换为常见的图像格式，例如JPEG或TIFF。
2.图像辐射校正，校正影像中的辐射偏差，确保数据的准确性和可比性。
3.图像大气校正，消除大气中的干扰，提高数据的清晰度和色彩准确性。
二、影像增强影像增强是提升遥感影像质量和信息可读性的重要步骤。
以下是几种常见的影像增强方法：1.直方图均衡化，通过重新分配像素值来增强影像的对比度和亮度。
2.滤波器应用，使用平滑或锐化滤波器来去噪或增强影像细节。
3.伪彩色增强，将单波段图像转换为伪彩色图像，更好地显示地物信息。
三、特征提取特征提取是从遥感影像中提取有用信息的关键步骤。
以下是几种常见的特征提取方法：1.目标检测与分类，使用机器学习算法和图像处理技术来自动检测和分类影像中的目标。
2.变化检测，比较不同时期的遥感影像，提取地表变化信息，如土地利用变化、建筑物增长等。
3.纹理分析，分析影像中的纹理信息来提取地物特征，如土地覆盖类型等。
四、数据融合数据融合是将多源遥感影像数据整合到一个统一的分类或分析框架中的方法。
以下是几种常见的数据融合技术：1.特征级融合，将来自不同传感器或波段的特征进行组合，提高分类或分析的准确性。
2.决策级融合，将来自不同分类器或算法的决策结果进行权重组合，获得更可靠的分类结果。
五、结果验证与精度评价在遥感影像处理过程中，验证和评价处理结果的准确性是至关重要的。
以下是几种常见的结果验证和精度评价方法：1.地面真实数据采集，通过采集地面真实数据来验证分类或分析结果的准确性。
遥感图像预处理
遥感图像预处理遥感图像一般处理流程包括以下几项：数据源选择—图像输入与浏览—图像预处理（几何校正。
图像融合。
图像镶嵌。
裁剪。
大气校正等）--图像信息提取（人工解释自动分类特征提取动态监测等）--成果报告与应用（制图 Gis 共享）在这里着重介绍遥感图像预处理，遥感图像预处理在遥感图像处理占有十分重要位置。
图像预处理包括；几何校正。
图像融合。
图像镶嵌。
裁剪。
大气校正等1.几何校正：纠正系统和非系统因素引起的几何畸变。
引起图像畸变因素系统误差有规律的、可预测的。
比如扫描畸变非系统误差无规律的如传感器平台的高度、经纬度、速度和姿态的不稳，地球曲率及空气折射，地形影响等图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准，以使两幅图像中的同名像素配准。
图像纠正：借助一组控制点，对一幅图像进行地理坐标的校正。
又叫地理参照图像地理编码：特殊的图像纠正方式，把图像矫正到一种统一标准的坐标系。
图像正射校正：借助于地形高程模型（DEM），对图像中每个像元进行地形的校正，使图像符合正射投影的要求。
几何粗校正：校正系统误差，地面站完成地理参照：利用数据自带参数进行几何校正。
几何精校正（常简称为几何校正）：基于地面控制点，利用几何校正模型，构建图像与地面坐标/与图像之间的几何关系完成几何校正，当控制点选择源是图像（有地理坐标）时候，又属于图像配准范畴。
图像配准：基于两幅图像之间的同名点，利用几何校正模型，构建图像与图像之间的几何关系完成几何校正，基准图像不一定有地理坐标。
正射校正：结合传感器的姿态参数、地面控制点以及高精度的D EM 数据进行的几何校正图像预处理——几何校正（常见几个形式）几种常见几何校正形式：卫星轨道参数（全自动）地面控制点（同名点）+校正模型（人机交互）RP C 文件+地面控制点+DE M （人机交互）.图像预处理——几何校正（控制点获取）地面控制点获取途径基础数据基础测绘数据数字线画图（DL G ）数字栅格图（DR G ）影像数据正射影像（DO M ）实地测量（GP S ）地面控制点实质：找到待校正图像上的点对应真实的坐标值图像预处理——几何校正（控制点质量控制）图像选点原则（正射纠正不适用）选取图像上易分辨且较精细的特征点：道路交叉点，河流弯曲或分叉处，海岸线弯曲处，飞机场，城廓边缘等特征变化大的地区需要多选图像边缘部分一定要选取控制点尽可能满幅均匀选取数量原则在图像边缘处，在地面特征变化大的地区，需要增加控制点保证一定数量的控制点，不是控制点越多越好。
实验2遥感影像预处理
实验二、遥感影像预处理一、实验目的掌握遥感影像预处理的基本方法。
二、实验内容1、几何纠正2、图像镶嵌3、图像裁切三、实验要求按实验步骤完成实验，整理完成实验报告。
实验报告格式见附表。
四、实验过程与步骤1、几何纠正图像校正的具体过程第一步：显示图像文件首先，在ERDAS 图标面板中点击viewer图标两次，打开两个视窗(Viewer#1／Viewer#2)两个视窗平铺放置，然后，在Viewer#1中打开需要校正的Landsat TM 图像：tmAtlanta．img，在Viewer#2中打开作为地理参考的校正过的SPOT图像：panAtlanta．img第二步：启动几何校正模块Viewer#1菜单条：Raster—Geometric Correction→打开Set Geometric Model对话框→选择多项式几何校正计算模型：Polynomial→OK→同时打开Geometric tools对话框)和Polynomial Model properties对话框在Polynomial Model properties对话框中，定义多项式模型参数及投影参数：→定义多项式次方（Polynomial order）：2→定义投影参数(Projection)：略→Apply →close→打开GCP tool reference setup 对话框说明：该实例是采用视窗采点模式，作为地理参考的SPOT图像已经含有投影信息，在这里不需要定义投影参数。
如果不是用视窗采点模式，或者参考图像没有包含投影信息，必须在这里定义投影信息，包括投影类型及其对应的投影参数。
第三步：启动控制点工具在GCP Tools Reference Setup对话框中选择采点模式：→选择视窗采点模式：Existing Viewer→OK(关闭GCP Tools Reference Setup对话框)→打开Viewer selection instructions指示器→在显示作为地理参考图像panAtlanta．img的Viewer #2中点击左键打开Reference Map information提示 (显示参考图像的投影信息)→ok 关闭Reference Map information提示框整个屏幕将自动变化为两个主视窗、两个放大窗口、两个关联方框(分别位于两个视窗中，指示放大窗口与主视窗的关系)、控制点工具对话框、几何校正工具等。
3-ENVI遥感图像预处理
• （3）单击Change
• （4）选择自定义北京54坐标系 • （5）回到Available
信息
ENVI/IDL
3.4 图像投影转换——投影转换
• （1）主菜单
> Map > Convert Map Projection
• （2）Convert
Map Projection对话框中，点击 Change Proj，打开Projection Selection对话 框
-
•
Image to Image几何校正
-
•
Image to Map几何校正
-
•
Image to Image自动图像配准
-
自动寻找同名点，可用于相同图像由于校正误差不重叠情况
主菜单->Map->Registration->Automatic Registration:Image to Image ENVI/IDL
ENVI/IDL
3.5 图像几何校正-Image to Map几何校正
• 采集控制点方式相比Image
to Image更加灵活，如 果控制点需要从不同途径收集或者直接从图上读取 后键盘输入，可以采取这种方法。如地形图校正。
• 第四步
利用GLT文件几何校正影像
• 选择:主菜单->Map->Georeference
from Input Geometry-> Georeference from GLT。在弹出对话框中 选择GLT文件和待校正文件，选择输出路径和文件名。
ENVI/IDL
3.5 图像几何校正-基于GLT的FY3几何校正
ENVI/IDL
3.5 图像几何校正-基于GLT的FY3几何校正
如何进行遥感影像处理
如何进行遥感影像处理遥感影像处理是一门涉及图像处理和地理信息科学的重要学科，它通过获取和分析卫星、航空相机等传感器获取的遥感影像数据，为地理研究和资源利用提供了强大的支持。
本文将为读者介绍如何进行遥感影像处理的基本流程和一些常用的工具和方法。
一、数据获取遥感影像处理的第一步是获取遥感影像数据。
目前，遥感影像多采用卫星数据，如Landsat、MODIS等数据。
这些数据可通过美国地质调查局（USGS）等机构的网站进行下载。
此外，一些商业高分辨率卫星如SPOT、QuickBird和WorldView也提供了遥感影像数据的购买或租赁服务。
二、数据预处理在进行遥感影像处理之前，通常需要对数据进行预处理，以消除噪声、校正影像几何偏差等。
首先，可以使用图像拼接技术将多幅遥感影像拼接成一幅大图。
其次，可以进行大气校正，即校正由大气因素引起的亮度差异。
最后，还可以进行影像几何校正，使得影像的地理坐标能够与实际地理坐标一致。
三、影像分类影像分类是遥感影像处理的重要环节之一，它将遥感影像像素分为不同的类别，以便进行地物识别、土地覆盖分析等应用。
常见的影像分类方法包括：无监督分类、监督分类和混合分类。
无监督分类是基于像素的统计特征进行分类，例如聚类算法。
监督分类则需要先人工标记一些训练样本，然后使用分类器进行分类，例如支持向量机（SVM）和随机森林（Random Forest）等。
混合分类是将无监督分类和监督分类结合起来，以充分利用两种方法的优势。
四、影像变化检测遥感影像变化检测是通过对多个时间点的遥感影像进行比较和分析，以探测和分析地表的变化情况。
这对于城市扩张、自然灾害监测等应用具有重要意义。
常用的影像变化检测方法包括像素级变化检测和目标级变化检测。
像素级变化检测通过对像素亮度和颜色等特征的比较来判断变化情况。
目标级变化检测则通过对预先提取的目标进行比较，例如建筑物、道路等。
五、影像融合影像融合是将多个来源或多个波段的遥感影像进行融合，以获得更高分辨率或更多的信息。
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。
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。
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。
- 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)。
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
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。
（2）建立几何校正模型
地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS）
根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。
（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。
2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。
该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。
3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用三次卷积函数进行内插。
这种方法对边缘有所增强，并具有均衡化和清晰化的效果，当它仍然破坏了原来的像元值，且计算量大。
一般认为最邻近法有利于保持原始图像中的灰级，但对图像中的几何结构损坏较大。
后两种方法虽然对像元值有所近似，但也在很大程度上保留图像原有的几何结构，如道路网、水系、地物边界等。
（二）数字图像镶嵌与裁剪
l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，需要确定一幅参考影像，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，相邻影像的色调不允许平滑，避免信息变异。
l裁剪
图像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。
它的过程可分为两步：矢量栅格化和掩膜计算（Mask）。
矢量栅格化是将面状矢量数据转化成二值栅格图像文件，文件像元大小与被裁剪图像一致；把二值图像中的裁剪区域的值设为1，区域外取0值，与被裁剪图像做交集运算，计算所得图像就是图像裁剪结果。
（三）大气校正
遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异。
因此，在多时相遥感图像中，除了地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射值也会有差异。
利用多时相遥感图像的光谱信息来检测地物变化状况的动态监测，其重要前提是要消除不变地物的辐射值差异。
辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法，按照校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。
绝对辐射校正方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法，它需要获取影像过境时的地表测量数据，并考虑地形起伏等因素来校正大气和传感器的影响，因此这类方法一般都很复杂，目前大多数遥感图像都无法满足上述条件。
相对辐射校正是将一图像作为参考（或基准）图像，调整另一图像的DN值，使得两时相影像上同名的地物具有相同的DN值，这个过程也叫多时相遥感图像的光谱归一化。
这样我们就可以通过分析不同时相遥感图像上的辐射值差异来实现变化监测。
因此，相对辐射校正就是要使相对稳定的同名地物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。
3、ENVI中的数据预处理介绍
（一）几何精校正与影像配准
（1）选择几何校正模型
ENVI中支持有大多数商业化卫星的几何校正模型，如QuickBird、Ikonos、Spot1-5、P6、WorldView-1等，一般的校正模型包括二次多项式、仿射变换和局部三角网。
图2何校正模型
控制点选择方式可以是从影像上，也可以从矢量数据或者野外实测等。
图3控制点选择方式
选择控制点也非常的方便，包含了误差的结算。
图4控制点选择重采样方式包含了三种方法。
图5重采样方式
（二）数字图像镶嵌与裁剪
l镶嵌
ENVI支持有地理参照和没有地理参照影像数据的镶嵌，能够自动对镶嵌影像进行颜色平衡，并提供了多种影像增强和直方图匹配工具，可以最大限度地消除镶嵌影像间的色调和颜色差异
多种色彩平衡方法
图6 颜色校正设置
多种接边线编辑方式。
图7 接边线镶嵌
l裁减
在ENVI中做裁减的方法非常的多，提供多种方法进行图像的空间裁剪获得子区，包括：手动输入行列数、从图像中交互选择区域、输入地理坐标范围、和另外图像文件的交集、使用滚动窗口中的图像和通过感兴趣区域。
图8 影像的裁剪
（三）大气校正
ENVI的大气校正模块为FLAASH。
详细情况参见帖子：ENVI中的大气校正模块（FLAASH）的使用说明。