遥感影像范例(3篇)
遥感影像范文
1.1遥感影像基本定义及介绍
遥感技术自诞生之日起,应用逐步延伸至我们日常生活的每个角落。1943年德国开始利用航空相片制作各种比例尺的影像地图。1945年前后美国开始产生影像地图,我国在20世界70年代开始研制影像地图。[1]在日常工作中,我们常常接触到遥感影像,谈及遥感技术及其应用。那么具体是指什么呢?所谓遥感影像,是指纪录各种地物电磁波数据而生成的各种格式的影像数据,在遥感中主要是指航空影像和卫星影像。目前遥感影像图无论在农业的土地资源调查,农作物生长状况及其生态环境的监测,还是在林业的森林资源调查,监测森林病虫害、沙漠化或是在海洋资源的开发与利用,海洋环境污染监测都有着非常重要的应用。[2]
1.2遥感影像的四个基本特征
遥感影像有其四个基本的影像特征:空间分辨率、光谱分辨率、辐射分辨率、时间分辨率。通常意义上,我们平时最多谈及精度的问题,常常是指空间分辨率(SpatialResolution),又称地面分辨率。后者是针对地面而言,指可以识别的最小地面距离或最小目标物的大小。前者是针对遥感器或图像而言的,指图像上能够详细区分的最小单元的尺寸或大小,或指遥感器区分两个目标的最小角度或线性距离的度量。它们均反映对两个非常靠近的目标物的识别、区分能力,有时也称分辨力或解像力。光谱分辨率(SpectralResolution)指遥感器接受目标辐射时能分辨的最小波长间隔。间隔越小,分辨率越高。所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小,这三个因素共同决定光谱分辨率。光谱分辨率越高,专题研究的针对性越强,对物体的识别精度越高,遥感应用分析的效果也就越好。但是,面对大量多波段信息以及它所提供的这些微小的差异,人们要直接地将它们与地物特征联系起来,综合解译是比较困准的,而多波段的数据分析,可以改善识别和提取信息特征的概率和精度。辐射分辨率(RadiantResolution)指探测器的灵敏度——遥感器感测元件在接收光谱信号时能分辨的最小辐射度差,或指对两个不同辐射源的辐射量的分辨能力。一般用灰度的分级数来表示,即最暗——最亮灰度值(亮度值)间分级的数目——量化级数。它对于目标识别是一个很有意义的元素。时间分辨率(TemporalResolution)是关于遥感影像间隔时间的一项性能指标。遥感探测器按一定的时间周期重复采集数据,这种重复周期,又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。这种重复观测的最小时间间隔称为时间分辨率。
2常用遥感影像
2.1一般遥感影像
目前,常用的中分辨率资源卫星有LandsateTM5、中巴资源卫星;以及常用的高空间分辨率的Spot5、Rapideye、Alos、QuickBird、WorldviewⅠ、WorldviewⅡ等。高分辨率遥感影像图信息丰富、成本低、可读性和可量测性强、客观真实的反映地理空间状况,充分表现出遥感影像和地图的双重优势,具有广阔的发展前景。[3]LandsateTM5、中巴资源卫星对大区域范围内的资源变化、国土资源变化、自然或人为灾害、环境污染、矿藏勘探有着较大的优势,但是因为分辨率低,所以在林业遥感判读中误判率相较于其他几种高精度遥感影像高,适合大面积地区的使用,譬如内蒙草原的退化变化以及荒漠化变化的监测等。其中ALOS因卫星故障已经于2011年4月开始较少使用。QuickBird虽然精度较高,但它一般对城区影像的覆盖较多较集中,对山区覆盖较少,而且存档数据很少,需要提前预定。不仅如此,QuickBird数据费用较高,综合以上原因,QuickBird数据一般很难大范围使用,所以在林业项目中使用较少。
2.2前沿遥感影像
WorldviewⅠ、WorldviewⅡ均为Digitalglobe公司的商业成像卫星系统,被认为是全球分辨率最高、响应最敏捷的商业成像卫星。这两颗卫星还将具备现代化的地理定位精度能力和极佳的响应能力,能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。其中WorldviewⅠ为0.5米分辨率。相较于WorldviewⅠ,WorldviewⅡ载有多光谱遥感器不仅将具有4个业内标准谱段(红、绿、蓝、近红外),还将包括四个额外谱段(海岸、黄、红边和近红外Ⅱ),能够提供0.4米全色图像和1.8米分辨率的多光谱图像。需要特别一提的是,WorldviewⅡ提供的四个额外谱段(海岸、黄、红边和近红外Ⅱ)可进行新的彩色波段分析:(1)海岸波段,这个波段支持植物鉴定和分析,也支持基于叶绿素和渗水的规格参数表的深海探测研究。由于该波段经常受到大气散射的影响,已经应用于大气层纠正技术。(2)黄色波段,过去经常被说成是yellow-ness特征指标,是重要的植物应用波段。该波段将被作为辅助纠正真色度的波段,以符合人类视觉的欣赏习惯。(3)红色边缘波段,辅助分析有关植物生长情况,可以直接反映出植物健康状况有关信息。(4)近红外Ⅱ波段,这个波段部分重叠在NIR1波段上,但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。林业工作对遥感影像的植被信息较为关注,以上提及的四个额外谱段能提供较多的植被信息。国外相关机构已经将四个特色谱段应用于前沿科学研究,譬如生物量遥感估测应用等等。美中不足的是,相较于其他类型的遥感影像,WorldviewⅠ,WorldviewⅡ影像费用较高,在质量和技术上领先但价格上不占优势,不易于大范围的使用。
2.3林业工作中应用较多遥感影像
除去以上谈及的几种类型的遥感影像,在工作中较多使用到的是Spot5和Rapideye这2种遥感影像。Spot5是由法国发射的一颗卫星,常规提供2.5米全色影像和10米多光谱影像。SPOT5卫星影像的专业制图比例尺为1:25,000,概览成图比例尺极限为1:10,000。工作中,我们通常将2.5米全色影像与10米多光谱影像在正射纠正完后进行融合,生成2.5米空间精度的影像用于林业应用。Rapideye卫星为德国所有的商用卫星,主要性能优势:大范围覆盖、高重访率、高分辨率、5米的多光谱获取数据方式,省去了其他种类遥感影像需要全色影像与多光谱影像融合的步骤,这些优点整合在一起,让RapidEye拥有了空前的优势。RapidEye是第一颗提供“红边”波段的商业卫星,结合4个业内标准谱段(红、绿、蓝、近红外)适用于监测植被状况和检测生长异常情况,在林业领域应用中较为有利。
3遥感影像准备及处理过程
3.1遥感影像准备
每种遥感卫星对地面覆盖范围不同,轨道不同,重访周期不同,拍摄时间、角度不同等等原因,还常受天气影响。因此根据实际需要使用的日期,来查询各景遥感影像是一件颇费周章的工作,一般需要向影像公司提前预定。实际工作中往往要求前后两期遥感影像对比,前后两期遥感影像对时间上的要求较为苛刻,因而这些工作往往经由熟悉遥感业务的高级技术人员执行。另外,遥感影像的购买、使用、存储需要考虑到保密工作,这一点也是需要谨慎对待。工作经验总结出Spot5、Rapideye有时因侧视角度过大原因,导致某些区域拉伸变形,尤其是高海拔山区部分;影像角度需要提前检查,侧视角度最佳保持在20以下。而较小侧视角可以保证邻近2景影像良好的接边,并能保证正射纠正后空间位置的准确性。
3.2遥感影像处理
3.2.1DOM及DEM数据准备通常,在条件良好的情况下,工作中使用1∶10000或更高精度的航片或是已经经过处理的高精度卫片作为DOM参考;但也可以使用的是1∶50000或1∶10000地形图作为参考。在实际工作中,我们往往会遇到DOM参考影像的空间分辨率不一致。在参考选用时,应该按照优先使用高精度DOM参考影像,然后再退而求其次的原则,保证校准的精度。一般地形图需要通过扫描形成DRG数据,在扫描图基础上进行逐公里网定位纠正处理,以达到精确的地理定位。DEM数据一般采用国家标准的1:50000DEM,或采用1∶10000、1∶50000矢量数据生成。DEM覆盖范围要大于遥感影像覆盖范围,这样才能保证遥感影像的有效纠正。
遥感影像范文
【关键词】影像融合HIS变换Brovey比值变换小波变换SPOT5
中图分类号：P283文献标识码：A
引言
影像融合(ImageFusion)是信息融合技术的一种，它是一种通过高级影像处理技术对多源影像进行复合的技术，是根据应用的目的，使用特定的算法将多个不同的影像进行图像信息的合并处理，从而生成新的图像。而全色影像具有较高的空间分辨率,而多光谱图像可以更精细地描述目标光谱.全色图像与多光谱图像合,既可以利用全色图像的高分辨率改善多光谱图像分辨率,又可以充分利用多光谱图像有的对目标些独特特征的精细描述,使融合图像包含更丰富的信息。本文选择SPOT5卫星影像，通过使用HIS变换、Brovey比值变换及小波变换三种常用融合方法,进行了比较分析，得出最佳方法。
一、融合方法的原理
1、IHS变换
IHS变换又被称为彩色变换。在图像处理中常用的有两种彩色空间:一是由红R、绿G、蓝B三原色构成的RGB彩色空间;另一种是由亮度I、色调H及饱和度S3个变量构成的IHS彩色空间。变换公式如下:
I=1/2(D+d);D=max(R,G,B);d=min(R,G,B)。
当D=d,则S=0;当D≠d且I≤015,则S=(D-d)/(D+d)，
当D≠d且I>015,则S=(D-d)/(2-D-d)。
当S=0,则H=0;当S≠0且R=D,则H=60(2+b-g);当S≠0且G=D,则H=60(4+r-b);
当S≠0且B=D,则H=60(6+g-r)。
2、Brovey比值变换
Brovey比值融合法常用于多光谱影像增强,该方法是为RGB影像显示进行多光谱波段颜色归一化,将高分辨率全色与各自相乘,其计算公式如下:
其中,XPAN表示高分辨率全色影像数据,NXSi(i=1,2,3)表示多光谱影像的3个波段数据。
3、小波变换
基于小波变换的融合步骤:
1)将全色与多光谱的R,G,B3个波段直方图匹配,得到3个新的高分辨率全色影像;
2)对每个新的全色影像进行小波分解,分别得到各自的4个分量,即1个低分辨率的近似图像和3个小波系数,即所谓的细节图像,它们包含空间局部信息;3)分解得到的3个低分辨率全色影像各自分别被多光谱的R,G,B3个波段所代替;4)对每个含有细节信息和多光1个波段(R,G,B)的影像作小波反变换,并合成3个通道,这样就得到了经小波变换融合后的影像
二、遥感影像融合过程
1、遥感影像融合流程图
2、具体过程
经过对ERDAS和ENVI两种软件中提供的大部分融合方法的对比，发现用ENVI中的Gram-SchmidtSpectralSharpening方法进行融合能够比较好的保留原多光谱图像的光谱信息，或者使遥感影像的融合保留多光谱影像的增强效果。
1)用Gram-SchmidtSpectralSharpening方法进行遥感影像融合时，有时需对原多光谱影像进行增强，在ENVI中对影像的增强可使用Enhance中的前6种方法，使多光谱影像色彩信息达到需求的效果；增强方法如下图，选取不同的样区进行影像增强所得到的效果不同，在影像增强过程中应选取不同的样区进行尝试；
2)对遥感影像增强到达满意的效果后，通过File|SaveImageAs|ImageFile…保存增强果后的影像；保存窗口，在OutputFileType中选择保存的数据类型，通过Choose选择文件的保存路径及文件名；
3)进行影像融合，在ENVI主菜单中，通过Transform|ImageSharpening|Gram-SchmidtSpectralSharpening进行融合；
4)在SelectLowSpatialResolutionMultiBandInputFile对话框窗口中选择多光谱影像，点击OK确定；
5)在SelectHighSpatialResolutionPanInputBand对话框中选择高分辨率的影像波段，点击OK确认；
6)在Gram-SchmidtSpectralSharpenParameters中设置融合的参数，Resampling中选择重采样的模型，Choose中选择存储的文件路径和文件名。
三、结论
通过实验以及分析表示：IHS变换的优点是提高了空间分辨率和清晰度,提高了遥感图像的被判读解译和量测的能力，缺点是导致了原始影像的光谱扭曲不利于影像的正确识别和分类；Brovey比值变换的优点是有利于消除太阳照度和地面起伏等影响,便于识别地物，缺点是前提条件要求两幅图像的光谱响应范围相同；通过小波变换得到融合图像质量最决于小波系数融合模型的选择。该方法适用于融合高分辨率全色图像和低分辨率多光谱图像、光学和SAR图像等。
【参考文献】
[1]李弼程,魏俊,彭天强.遥感影像融合效果的客观分析与评价[J].计算机工程与科学,2004,26(1):42-46.
[2]冯秀丽,王珂,楼立明.SPOT5遥感影像在土地利用变更调查中的应用[J].浙江大学学报:农业与生命科学版,2005,31(1):12-16.
[3]张炳智,张继贤,张丽.土地利用动态遥感监测中多源遥感影像融合方法比较研究[J].测绘科学,2000,25(3):46-50.
[4]楼立明,刘卫东,冯秀丽.基于高分辨率遥感影像的土地利用变化监测[J].遥感技术与应用,2004,19(1):30-33.
[5]贾永红,孙家柄.遥感多光谱影像数据与航片数字化影像融合方法的研究[J].测绘通报,1997(5):10-12.
遥感影像范文篇3
关键词：卫星遥感影像处理纠正融合
中图分类号：TP751文献标识码：A文章编号：1672-3791（2014）11（b）-0037-01
遥感即遥远的感知，卫星遥感技术指的是研究利用星载的各种不同类型的非接触传感器，获取模拟的或数字的影像，然后通过解析和数字化方式提取所需要的信息，在空间信息系统中数字地加以存储、管理、分析和表达，再通过可视化和符号化技术形成所需要的产品供各领域应用，具有周期短、覆盖范围大、费用低等特点。我国最近发射了一系列如高分二号、天绘一号、资源三号等高分辨卫星。该文从卫星遥感影像纠正、融合、镶嵌裁切等多方面的处理技术进行研究和探讨。
1卫星遥感影像处理技术流程
卫星遥感影像分为全色和多光谱两种数据，全色影像即常说的黑白影像，多光谱影像即常说的彩色影像，一般三个波段以上不等。目前大多数遥感卫星都有全色和多光谱数据，可采用两种处理流程：一是全色与多光谱数据配准精度高者，先融合再纠正；二是全色与多光谱数据配准精度差者，先纠正全色数据，然后多光谱数据与全色进行配准，再进行融合处理。最后对融合后的影像进行影像镶嵌、调色和成果裁切。
2卫星遥感影像处理
2.1卫星遥感影像纠正处理
为了降低对用户专业水平的需求，扩大用户范围，同时保护卫星的核心技术参数不被泄漏，绝大部分卫星数据向用户提供一种与传感器无关的通用型成像几何模型―有理函数（RPC）模型，替代以共线条件为基础的严格几何模型。RPC模型的建立采用“独立于地形”的方式，即首先利用星载GPS测定的卫星轨道参数及恒星相机、惯性测量单元测定的姿态参数建立严格几何模型；之后，利用严格模型生成大量均匀分布的虚拟地面控制点，再利用这些控制点计算RPC模型参数，其实质是利用RPC模型拟合严格几何成像模型。
RPC模型纠正具有多个特点，它对任何卫星类型的遥感影像数据都是有效的，处理时需要高精度的DEM，采用复杂的多项式进行拟合，一般2～3阶，需要的控制点较多。
纠正控制资料一般有外业控制点、DOM、DLG或者DRG数据，纠正前一定要明确控制资料的坐标系统，通过RPC参数与控制资料的相关投影关系，可实现控制点的快速准确定位，中误差需控制在2～3个像素以内，若较大，则需调整，具体根据参考资料及地形差异确定。若为全色与多光谱配准精度，则控制在0.5～1个像素内为宜，才能保证融合后影像不会有重影、模糊的现象，重采样方法一般选择双立方或者三次卷积，避免和减少线性地物锯齿现象的发生。
卫星遥感影像纠正质量把关严不严，关系到后续工作处理和成果的精度，最后才发现纠正有问题的话再去返工处理、极大降低效率，一定要对纠正质量进行严格检查。纠正质量检查主要从以下几个方面去检查，一是控制点定位是否准确，分布是否均匀；二是纠正控制点单点最大误差是否超限；三是纠正控制点残差中误差是否超限；四是纠正影像精度是否超限。
2.2卫星遥感影像融合处理
遥感影像融合是将同一环境或对象的遥感影像数据综合处理的方法和工具，产生比单一影像更精确、更完全、更可靠的估计和判决，以提供满足某种应用的高质量信息，作用主要有：（1）锐化影像、提高空间分辨率；（2）克服目标提取与识别中数据不完整性，提高解译能力；（3）提高光谱分辨率，用于改善分类精度；（4）利用光学、热红外和微波等成像传感器的互补性，提高监测能力。
遥感影像融合一般可分为：像素级、特征级和决策级融合。像素级融合是指将配准后的影像对像素点直接进行融合。优点是保留了尽可能多的信息，具有较高精度。缺点是处理信息量大、费时、实时性差。由于像素级融合是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它融合层次所不能提供的细微信息，因而应用广泛，推荐使用Pansharping融合算法，它能最大限度地保留多光谱影像的颜色信息和全色影像的空间信息，融合后的图像更加接近实际。
对于缺失蓝波段的卫星遥感影像来说，一般可用近红外波段来替代蓝波段，同时对绿波段进行处理。通过RGB={B2，（B1+B2+B3）/3，B3}的方式进行假彩色合成，可合成接近自然的颜色。
对于四波段并具有RGB的影像，由于秋冬季节、制图需要或植被识别等需对绿色进行增强，而简单的通过RGB颜色不能满足需求的时候，因近红外对绿色等植被反应灵敏，可在绿波段加入近红外波段，RGB={B3，（B2*x+B4*y），B1；x（0～1），y（0～1），X，Y则根据影像成像时间或需要进行调节}，从而达到增强绿色的目的。
对遥感影像融合质量检查的内容主要有：一是融合影像是否有重影、模糊等现象；二是融合影像是否色调均匀、反差适中；三是融合影像纹理是否清楚；四是波段组合后图像色彩是否接近自然真彩色或所需要的色彩。
2.3卫星遥感影像镶嵌和裁切
卫星遥感影像镶嵌是把不同景纠正融合后的成果合并，镶嵌前要保证镶嵌前各景影像接边精度符合要求，一般两个像素以内，镶嵌线应尽量沿线状地物、地块边界，空旷处及山谷地带选取，避免切割完整的地物，并尽量舍弃云雾及其它质量相对较差区域的影像，镶嵌线羽化时，需保证镶嵌处无裂缝、模糊、重影现象，镶嵌影像整体纹理、色彩自然过渡、色调均一，镶嵌调色完成后按裁切范围将成果进行输出。
3结语
目前卫星遥感技术向着更高时间分辨率、空间分辨率、光谱分辨率的“三高”发展，并可实现多角度、全天候的观测，广泛应用于资源调查、环境保护、灾害监测、重大工程等许多领域，随着应用深入将进一步推动卫星遥感处理技术的发展。
参考文献