高分影像预处理操作

1.辐射定标+大气校正

辐射定标

1）这一步只针对多光谱遥感影像，全色影像无需操作。

2）用ENVI5.1打开

ENVI5.1暂不支持GF2数据.xml打开方式，但GF2数据为标准TIFF格式，故可直接使用ENVI的Open菜单打开，只是打开后软件不能自动识别元数据信息。

启动ENVI5.1；依次File>Open或直接单击工具栏上的图标，弹出Open对话框，打开原始多光谱影像；

3）用到“Radiometric Correction/Apply Gain and Offset”工具，选中待处理的影像，单击“OK”，在Gain and Offset Values对话框中依次填入Gain Values和Offset Values，设置输出路径、文件名及数据类型，具体绝对辐射定标系数如下图：

4）点击“OK”开始执行，结果如下：

大气校正

FLAASH大气校正需要影像的中心波长信息，ENVI暂不能自动识别GF2数据的头文件信息，因此首先需要手动添加中心波长信息：

1）添加中心波长：用到“Raster Management/Edit ENVI Header”，弹出Edit Header Input File对话框，在Select Input File选项卡中选择上一步辐射定标后的结果，弹出Header Info对话框，点击Edit Attributes，选择Wavelengths，弹出Edit Wavelength values 对话框，依次填入各波段对应中心波长，单位选择“Micrometers”，其他默认，点击OK，如下：

说明：这里取波谱响应值为 1 的波长为各波段对应中心波长，依次为514nm、546nm、656nm、822nm

2）大气校正，用到“Radiometric Correction/Atmospheric Correction Module/FLAASH Atmosphere Correction”工具

Input Radiance Image：在弹出的FLAASH Input File对话框中，选择上一步定标好的数据；

弹出Radiance Scale Factors面板，选择Use single scale factor for all bands，由于上一步定标时没有对辐亮度数据做单位转换，所以在此Single scale factor填写：10，单击OK；

Output Reflectance File：设置输出路径及文件名；

Scene Center Location ：中心点经纬度，5.0以上自动识别；

Sensor Type ：传感器类型，选择 UNKNOWN-MSI；

Sensor Altitude （ km ）：传感器高度，即轨道高度631；

Ground Elevation （ km ）：地面高程，可通过原始影像对应范围内DEM的平均值确定【方法是：在arcgis中加载整个涿州的dem数据和原始影像，按原始影像的区域进行dem裁剪】；

Pixel Size （ m ）：像素大小，4；

Fight Date ：成像日期；Flight Time GMT （HH ：MM ：SS ）：成像时间；【说明：成像日期及时间可从原数据的.xml文件中查看（第 24 行字段），需要小时数减去 8 转换为格林尼治时间】；

Atmospheric Model：大气模型，根据经纬度和影像区域选择，数据经纬度与获取时间决定选用的大气模型，具体参考下表【纬度向上10°】：

Aerosol Model：气溶胶模型，农场选择“Rural”反演模型【Rural（乡村）、Urban（城市）、Maritime（海洋）、Tropospheric（对流层）】；

Aerosol Retrieval：反演方法常选择“2-Band（K-T）”【类似模糊减少法，如果没有找到适应的黑值（一般是阴影区或者水体），系统将采用能见度值来计算】，但GF-2缺少短波红外，此处选择 None；

Water Retrieval：水气反演设置，默认NO【采用两种方式对水气进行去除，a. 利用水气去除模型恢复影像中每个像元的水气量，使用水气反演模型，数据必须具有15nm以上波谱分辨率，且至少覆盖以下波谱范围之一：1050－1210nm(优先考虑)，770－870nm，870－1020nm。对于大多传感器，水气反演默认显示的是NO，因为大多数传感器没有适当的波段来补偿水气的影响。b.单一的水气因数用于整体影像，默认是1，多光谱数据使用水气反演模型，可以在多光谱设置中手动设置水气波段】；

Initial Visibility：能见度，默认40km；其他参数默认，结果如下：

Multispectral Settings ：多光谱设置，在弹出的 Multispectral Settings 面板中，单击 Filter Function File ，弹出 Select the Multispectral Sensor's Filter Function File 对话框，选择 GF2的波谱响应函数，根据原始影像名称确定波普响应函数选择“PMS1.sli”文件【安装包中没有，由中国资源卫星应用中心提供，已下载】，其他参数默认，结果如下：

Advanced Setting ：高级设置。设置 Use Tied Peocessing ：是否使用分块计算，计算机内存低于 8G ，需要使用分块计算，并将分块打开 Tile Size 设置为 100~200M ；其余参数默认，点击Apply 执行：

3）查看大气校正结果：选择 Display > Profiles > Spectral ，获取一个像素点的波谱曲线，在Spectral Profile窗口的Options/addition profiles/Add file工具，选择大气校正后影像数据，点击“OK”，让两张影像上统一像素点的波谱情况显示在同一个图上，进行对比，通过查看典型地物波谱曲线是否正确来初步判断校正结果是否正确，如下是前后影像的对比结果（前左后右），效果明显：

将大气校正后的影像利用“File/Save as”，选择文件夹和文件名，另存为tiff文件。2.正射校正【ArcGIS+ENVI】

1）获取与影像范围一致的DEM数据：ArcGIS中打开“涿州DEM数据/ zhuozhou_DEM.tif”

和大气校正后的多光谱影像【或原始全色影像】，用“数据管理工具/栅格/栅格处理/

裁剪”工具，输入栅格选“zhuozhou_DEM.tif”，输出范围选影像数据，选好输出路

径和文件名，其他默认，确定得到与影像范围一致的DEM数据，并导出为tiff格式

文件；

看其属性，可以知道范围内高程的平均值等信息：

2）为正射校正RPC模型所需的“.rpb”文件：从原始数据文件夹中找到对应的“.rpb”数据，拷贝到大气校正后多光谱影像所在文件夹下并改成与之同名的“.rpb”文件，原始全

色影像则无需操作；

3）在ENVI中，打开待处理影像、对应范围DEM数据，用“Geometric Correction/Orthorectification/RPC Orthorectification”工具，输入文件选待处理文件，

DEM文件选择对应区域DEM数据的唯一波段，点击下一步，在“Export”中选择格式

为“tiff”，确定输出路径和文件名；在“Advanced”中选择输出像元大小多光谱填4/全

色填1，其他默认，点击“Finish”：

3.影像配准【ENVI】

1）用高分辨率的全色影像配准低分辨率的多光谱影像；

2）用软件打开经过正射校正后的同幅两景影像，用“Geometric Correction/Registration/ Image Registration Workflow”工具，选择全色作为基础影像，多光谱作为待校准影像，点击下一步；

3）在“Image Registration”窗口中设置主要参数，默认：

4）如果待校正影像没有坐标信息，需要手动选择至少3个同名点,即这里的种子点。手动添加3个及以上种子点可以提高自动匹配的精度，尤其对质量较差的图像，此处

不添加，完全由软件自动实现：

5）设置Tie点生成参数这个选项可以设置匹配波段、拟生成的Tie点数量、匹配和搜索窗口大小、匹配方法，参数设置如下：并点击下一步

6）自动生成Tie点，可以对生成的Tie点进行编辑，去除误差较大的点，最终保证总RMS误差在0.5个像元之内：

“Warping”界面用于设置校正输出参数，此处默认，点击下一步：

7）在“Export”窗口选择输出路径和格式，tiff，同时可以选择输出配准的连接点，点击finish完成导出：

4.影像融合【ENVI】

1）在Toolbox中，打开/ Image Sharpening /Gram-Schmidt Pan Sharpening，在文件选择

框中分别选择低分辨率影像（Low Spatial）和高分辨率影像（High Spatial），单击OK。

打开Pan Sharpening Parameters面板；

2）选择传感器类型（Sensor）：Unknown，重采样方法（Resampling）：Cubic Convolution，输出格式为：tiff

5.影像镶嵌/拼接【ENVI】

1）加载上一步融合后得到的7458和7459新数据

2）在Toolbox中，打开Mosaicking /Seamless Mosaic，点击Seamless Mosaic 面板左上

方的，添加需要镶嵌的影像数据

3）在Data Ignore Value 列表中，可设置透明值，当重叠区区有背景值时候，可设置这个值。勾选右上角的Show Preview，可以预览镶嵌效果：

Data Value to Ignore:设为0，这样图像背景是透明的；

4）匀色方法是直方图匹配（Histogram Matching），在Color Correction 选项中，勾选Histogram Matching，方法选择“Entire Scene”整景影像直方图匹配

5）在main 选项中，放在Color Matching Action 上单击右键，设置参考（Reference）和校正（Adjust），根据预览效果确定参考图像

6）接边线与羽化接边线包括自动和手动绘制两种方法，也可以结合起来使用。

Seamlines > Auto Generate Seamlines，自动绘制接边线，自动裁剪掉TM 边缘“锯齿”，点击“Show Preview”查看预览情况：

绿色的线就是接边线，然后发现有数据缺失的部分

进行手动“start editing seamlines”，左键开始，双击结束，在数据缺失部分画一个最小的包络多边形：

在Export中选择格式以及输出路径，“Output Background Value”填0，其他默认，输

出：

单击Finish 执行镶嵌，最终得到拼接好的一整张图：

6.影像裁剪【ArcGIS】

上面得到的遥感底图，结合小学期内外业的研究范围，自行裁剪、矢量化等等。

高分影像预处理操作

1.辐射定标+大气校正 辐射定标 1）这一步只针对多光谱遥感影像，全色影像无需操作。 2）用ENVI5.1打开 ENVI5.1暂不支持GF2数据.xml打开方式，但GF2数据为标准TIFF格式，故可直接使用ENVI的Open菜单打开，只是打开后软件不能自动识别元数据信息。 启动ENVI5.1；依次File>Open或直接单击工具栏上的图标，弹出Open对话框，打开原始多光谱影像； 3）用到“Radiometric Correction/Apply Gain and Offset”工具，选中待处理的影像，单击“OK”，在Gain and Offset Values对话框中依次填入Gain Values和Offset Values，设置输出路径、文件名及数据类型，具体绝对辐射定标系数如下图： 4）点击“OK”开始执行，结果如下：

大气校正 FLAASH大气校正需要影像的中心波长信息，ENVI暂不能自动识别GF2数据的头文件信息，因此首先需要手动添加中心波长信息： 1）添加中心波长：用到“Raster Management/Edit ENVI Header”，弹出Edit Header Input File对话框，在Select Input File选项卡中选择上一步辐射定标后的结果，弹出Header Info对话框，点击Edit Attributes，选择Wavelengths，弹出Edit Wavelength values 对话框，依次填入各波段对应中心波长，单位选择“Micrometers”，其他默认，点击OK，如下： 说明：这里取波谱响应值为 1 的波长为各波段对应中心波长，依次为514nm、546nm、656nm、822nm

无人机航拍的影像处理流程教程

无人机航拍的影像处理流程教程 无人机航拍技术的快速发展已经使得无人机航拍影像成为现代 摄影及旅游行业的重要组成部分。然而，仅凭精彩的航拍影像并 不能直接呈现给观众，我们还需要将这些影像进行处理，使其得 到优化和编辑，以获得更好的视觉效果。本文将介绍无人机航拍 影像处理的基本流程，帮助您了解如何处理和优化无人机航拍影像。 第一步：导入和选择影像 在开始处理无人机航拍影像之前，我们首先需要导入这些影像。将无人机航拍的影像通过数据线或者无线传输方式传输到计算机上，并将其保存在指定的文件夹中。然后，在图像处理软件中选 择导入影像的选项，并从文件夹中选择要处理的影像文件。根据 需要，您可以选择导入单个影像或者一批影像。 第二步：预处理 在导入影像后，我们需要对其进行预处理，以优化其质量并准 备进行后续的编辑。预处理包括调整图像的曝光、对比度、色彩 平衡和白平衡等参数，以确保图像的整体质量和色彩表现力。您 可以使用图像处理软件提供的自动调整功能，也可以手动调整参 数来获得更好的效果。

第三步：图像编辑和优化 在完成预处理后，我们可以进一步对航拍影像进行编辑和优化。常见的图像编辑和优化操作包括裁剪、旋转、矫正、修复瑕疵和 调整图像的清晰度、锐化和噪声等。通过这些操作，可以让影像 更加清晰、生动，并能凸显出影像的主题和特点。此外，还可以 通过添加滤镜或特效来增强图像的视觉效果，例如黑白化、素描 化或油画效果等。 第四步：去除畸变和校正 由于无人机航拍所使用的广角镜头以及特殊的拍摄角度，航拍 影像往往存在畸变和视角失真的问题。为了解决这些问题，我们 需要使用图像处理软件提供的镜头校正工具，对影像进行去畸变 和校正操作。通过这样的操作，可以使影像更加准确地呈现航拍 实际场景的形状和比例。 第五步：调整色调和饱和度 航拍影像的色调和饱和度对最终的视觉效果有着至关重要的影响。您可以根据影像的主题和风格来调整色调和饱和度，使其更 加鲜艳、明亮或柔和。同时，需要注意保持影像的自然和真实感，避免过度的调整导致画面失真或失去真实感。 第六步：图像导出和保存

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

医学影像技术中的数据处理和分析方法

医学影像技术中的数据处理和分析方法 医学影像技术是现代医学诊断和治疗中不可或缺的一环。与传 统医学相比，医学影像技术以其图像化的展示形式，能够使医生 对患者的病情进行更加准确的判断和诊断，从而提高诊疗效果， 更好地为患者服务。然而，要对医学影像进行准确地诊断和分析，需要拥有严谨科学的数据处理和分析方法。本文将主要介绍医学 影像技术中的数据处理和分析方法。 一、数据处理方法 1.预处理 医学影像的预处理是指对原始医学图像进行降噪、增强、边缘 检测等处理，以便后续的分析和诊断。常见的预处理方法包括低 通滤波、高通滤波、中值滤波等。低通滤波可以去除图像中的高 频噪声，而高通滤波可以增强图像中的细节信息。中值滤波可以 去除图像中的孤立噪声点，使图像更加平滑。 2.图像分割

图像分割是将医学图像中的区域划分为不同的组成部分，以便进行进一步的分析和诊断。常见的图像分割方法包括阈值分割、基于边缘的分割、区域增长法等。阈值分割是将图像中的像素值比较大的区域划分为目标区域，而像素值比较小的区域划分为背景区域。基于边缘的分割则是通过对图像中各元素的边缘信息进行分析，将图像划分为多个区域。区域增长法则是以某个像素为种子，寻找与其颜色和纹理相似的像素，并以此进行分割。 3.特征提取 特征提取是将医学图像中的信息转换为数值特征，以便进行进一步的分析和诊断。常见的特征提取方法包括灰度共生矩阵法、小波变换法、主成分分析法等。灰度共生矩阵法是通过计算不同像素灰度级别之间的相对位置分布频率，来提取图像纹理信息。小波变换法则是将医学图像进行小波变换，将其分解为不同频率的子带，以便对不同频率信息进行分析。主成分分析法则是将医学图像转换为主成分空间，以便对图像信息进行降维处理。 二、数据分析方法 1.三维可视化

基于高分遥感影像的耕地地块提取

基于高分遥感影像的耕地地块提取 1. 介绍 耕地地块提取是利用高分辨率遥感影像数据，通过图像处理和地物分类技术，将耕地区域从遥感影像中提取出来的过程。耕地地块提取在农业生产、土地利用规划、精准农业等方面具有重要的应用价值。本文将介绍基于高分遥感影像的耕地地块提取的方法和流程。 2. 数据获取 首先，需要获取高分辨率的遥感影像数据。遥感影像数据可以通过多种途径获取，包括卫星遥感数据、航空遥感数据等。在选择遥感影像数据时，需要考虑数据的空间分辨率、时间分辨率、光谱分辨率等因素，以满足耕地地块提取的需求。 3. 影像预处理 在进行耕地地块提取之前，需要对遥感影像进行预处理，以提高后续地物分类的准确性。预处理的步骤包括： 3.1 辐射校正 遥感影像在获取过程中可能受到大气、地表反射等因素的影响，导致图像的亮度和色彩失真。辐射校正可以消除这些影响，使得图像的亮度和色彩与地物的实际特征相匹配。 3.2 几何校正 遥感影像在获取过程中可能存在几何畸变，如平面畸变、倾斜畸变等。几何校正可以将影像的几何特征与地物的实际位置相对应，使得影像的空间信息准确可靠。 3.3 影像增强 影像增强是通过图像处理技术，增强遥感影像的对比度、细节等特征，以提高地物分类的效果。常用的影像增强方法包括直方图均衡化、滤波等。 4. 地物分类 地物分类是将遥感影像中的像素分为不同的类别，常见的类别包括耕地、林地、水体等。地物分类的方法主要有基于像元的分类和基于对象的分类两种。

4.1 基于像元的分类 基于像元的分类是将遥感影像中的每个像元独立分类，常用的分类方法包括最大似然法、支持向量机等。在进行基于像元的分类时，需要选择合适的分类特征，如光谱特征、纹理特征等。 4.2 基于对象的分类 基于对象的分类是将遥感影像中的像素组成的对象进行分类，常用的分类方法包括基于决策树的分类、基于神经网络的分类等。在进行基于对象的分类时，需要选择合适的对象特征，如形状特征、纹理特征等。 5. 耕地地块提取 在进行地物分类之后，可以根据分类结果提取耕地地块。耕地地块提取的方法主要有区域生长法、形态学运算法等。 5.1 区域生长法 区域生长法是一种基于像素相似性的地块提取方法。该方法从一个或多个种子像素开始，逐渐生长形成地块。在进行区域生长时，需要选择合适的生长准则，如像素相似性、空间连通性等。 5.2 形态学运算法 形态学运算法是一种基于形态学操作的地块提取方法。该方法通过腐蚀、膨胀等形态学操作，将耕地地块从其他地物中分离出来。在进行形态学运算时，需要选择合适的结构元素和操作方式。 6. 结果评估 在完成耕地地块提取之后，需要对提取结果进行评估，以评估提取的准确性和可靠性。常用的评估指标包括精度、召回率、F1值等。 7. 结论 基于高分遥感影像的耕地地块提取是一项重要的任务，可以为农业生产和土地利用规划等提供有力的支持。通过对遥感影像的预处理、地物分类和地块提取等步骤，可以实现对耕地地块的有效提取。然而，耕地地块提取仍然面临一些挑战，如遥感影像的质量、地物分类的准确性等。未来，可以通过引入更多的遥感数据源、改进分类算法等方式进一步提高耕地地块提取的效果。

超高分辨率遥感影像的获取与处理

超高分辨率遥感影像的获取与处理超高分辨率遥感影像是一种高精度、高清晰度、高空间分辨率 的遥感技术，可用于不同领域的应用，如土地利用、城市规划、 环境保护、农业、林业、矿产资源和自然灾害等领域。在获取和 处理超高分辨率遥感影像方面存在许多难点，同时也需要考虑数 据的存储和传输问题。本文将就这些问题进行深入探讨。 一、超高分辨率遥感影像的获取 超高分辨率遥感影像的获取一般通过卫星、无人机和飞艇等获 取手段实现。其中卫星遥感是一种常用的遥感数据获取手段，它 可以通过卫星传感器对地面进行空间成像，获取不同分辨率的影 像数据。随着卫星技术的不断发展和卫星数据的不断完备，卫星 遥感成为越来越重要的遥感数据来源。 无人机遥感是一种新兴的遥感数据获取方式，它能够高空拍摄，自由飞行，灵活操作和快速响应。无人机遥感系统的核心是无人 机载荷，由摄像头、激光雷达等组成。无人机遥感具有高速、高 分辨率、低成本等优势，成为了一种重要的遥感数据获取方式。

二、超高分辨率遥感影像的处理 超高分辨率遥感影像主要需要进行预处理和分类处理。 1. 预处理 预处理包括纠正和增强处理，它们是影像处理的基础。纠正处理是指对遥感图像进行空间校正和光谱校正，消除图像中的扭曲和像元位移等因素引起的图像变形。增强处理是指通过改变图像的亮度、对比度和饱和度等参数，来改善图像的可视化效果和识别能力，提高图像的质量和清晰度。 2. 分类处理 分类处理是指对遥感图像中的像元进行分类，以提取出有用的信息。常见的分类方法包括基于像元和基于对象的分类。基于像元的分类是指根据像素的光谱信息来对像素进行分类，也就是所谓的"单像元分类"。而基于对象的分类则是将相邻的像素合并成一个对象，以形成更具意义、更容易识别的影像对象，也就是所谓的"多像元分类"。

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 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。特征提取可以用于检测和分类地物，分析地物的属性和状态。常见的特征提取方法包括纹理特征提取、形状特征提取和光谱特征提取等。 总结起来，遥感影像的处理方法包括预处理、几何校正、分类、变化检测、数据融合和特征提取等。这些处理方法能够提取出遥感影像中有用的信息，帮助我们更好地理解地球表面的特征和变化。在实践

MODIS影像数据预处理技术研究共3篇

MODIS影像数据预处理技术研究共3 篇 MODIS影像数据预处理技术研究1 MODIS影像数据预处理技术研究 随着遥感技术的不断发展，遥感数据的应用越来越广泛。而MODIS是美国国家航空航天局开发的一款地球观测卫星传感器，具有高分辨率、高灵敏度、高覆盖率等诸多优势，因此被广泛应用于环境和资源监测、海洋与气象研究等领域。但是，对于从MODIS卫星传输到地球的数据，需要进行预处理，以提高其精度和可用性，从而更好地服务于各个领域。 本文主要介绍MODIS影像数据预处理技术的研究内容和方法。 1. MODIS影像数据处理流程 MODIS影像数据处理流程包括原始数据预处理、辐射定标、大 气校正、几何校正、云去除、地表反射率计算等多个环节。其中，原始数据预处理主要包括数据的解压、数据格式转换、数据筛选和策略确定等步骤。辐射定标则是将原始数据转换为辐射亮度，以便进行后续的加工处理。大气校正是为了消除大气对观测数据的影响，即将各波段的观测值转化为大气顶部反射率。几何校正则是将影像的位置和形状进行调整，以便与其他数据集合并或处理。云去除则是除去影像中的云层、雾等影响数据可靠性的因素。地表反射率计算则是根据获得的影像数据

得到相应的地表反射率数据，以进行各类应用。 2. MODIS影像数据预处理技术研究 MODIS影像数据预处理技术的研究主要包括以下几个方面。 （1）云检测技术。MODIS影像中云覆盖率较高，需要采用高 效的云检测技术，对云层进行精准识别和区分。 （2）辐射定标技术。MODIS影像的辐射定标是影响数据质量 的关键环节之一，需要采用高精度的辐射定标技术，以提高数据的精度和可用性。 （3）大气校正技术。大气校正是消除大气对观测数据的影响，是MODIS影像数据预处理的重要步骤。需要采用合适的大气校正模型和方法，以提高数据的准确性和可靠性。 （4）几何校正技术。几何校正是保证影像的位置和形状的重 要步骤，需要采用高精度的几何校正技术，以保证数据的一致性和可靠性。 （5）地表反射率计算技术。地表反射率计算是根据获得的影 像数据得到相应的地表反射率数据，以进行各类应用的关键步骤。需要采用高效的地表反射率计算技术和方法，以提高数据的使用价值和应用效果。 3. 结论

「高分一号PMS相机多光谱和全色数据预处理」

高分一号PMS相机多光谱和全色数据预处理 (２0１3－０9－2219：12:22） 转载▼ 分类:ENVI 标签: 高分一号 gｆ-1 杂谈 高分一号(ＧF-1）的P/ＭS相机可以获取包括8米多光谱和２米的全色图像。其中８米的多光谱包括蓝、绿、红、近红外4个波段。ＧF-1还配置４台分辨率为１6米的多光谱中分辨率宽幅相机，拥有80０km幅宽。 和其他国产数据一样，如资源三号、资源一号０２Ｃ等，在ＥＮVI中完全支持利用提供的RPC文件进行正射校正等处理，处理流程和资源三号、资源一号02C基本一样。 注:本文主要在ＥNVＩ５中操作。 1．图像打开 在ENVＩ５中,选择file－＞Ｏpen,直接选择.ｔiff 文件打开。可以看到ENVI自动识别了相应的RPＣ文件(.rpｂ）,数据的储存顺序是ＢIP。 在图像显示窗口中,根据RPC文件对图像进行了几何定位。通过透视窗口对比全色和多光谱的几何位置,Ｙ方向有一定的位置偏移,X方向位置偏移较大。 2. 正射校正 •ENVI5中 （1）启动Toolbox/Geoｍeｔric Correctiｏn／Oｒtｈｏrectifｉcａtiｏn/RPC OｒｔhorｅcｔifｉcaｔioｎWorkfloｗ。 (2) 第一步骤：选择图像文件和ｄeｍ文件 （3）第二步骤：正射校正参数设置,包括控制点选择、输出像元大小、重采样方法、输出路径等。 控制点:无 Piｘel size：8 Imaｇe resａmｐlｅ：CubｉｃConｖolｕtion （4) 单击Ｆinｉsh,执行正射校正。 全色图像的正射校正使用相同的方法。

注：ＥNVI５中的正射校正工具优点是流程化操作,缺点是没法设置输出的结果的投影参数。使用ENＶI Ｃlａssic中的Mａp- ＞Oｒtｈｏｒeｃtｉｆicaｔion -> GenｅriｃＲPC and RＳM完成正射校正。 ﻫ 图1:正射校正参数设置 打开全色和多光谱正射校正结果，两个结果都是在无控制点、利用RPC文件做的正射校正，可以看到几何位置在视觉上没有偏差,叠合的非常好。说明其几何定位精度非常的好。 • ENVI５Clasｓｉc或者EＮVI4.8中 在ＥＮＶI中，选择fｉle－>Oｐｅn Image Fｉlｅ，直接选择．tiff 文件打开。在波段列表中可以看到ＥNVI自动识别了相应的RPC文件。 ENVI自动识别了RＰC文件,直接选择ＥＮＶI中的正射校正菜单进行正射校正。由于缺少控制点信息这里直接使用无控制点正射校正功能。 (1) 在EＮVI中,选择Map >Orthorectifｉｃation> GｅneriｃRPC anｄRＳM ＞OrtｈorectifｙuｓiｎｇRPC or RＳM。在文件选择对话框中选择文件。 （2）在Ｏｒtｈoreｃtify参数面板中,如下图的参数设置。输出像元大小从经纬度转换过来有一定的误差，可手动更改。 (3)单击OK执行正射校正。

ENVI预处理

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 ? ? 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， （3 ? ? 插。且 ? ??? 地物✍✍✍ ? ? 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。 ✍✍✍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

最新版ENVI53下高分二号(GF2)数据预处理资料

ENVI5.3下高分二号（GF2）数据预处理 以一景2015年1月23日获取的GF2-PMS1数据为例介绍在ENVI5.3下GF2数据预处理的详细操作步骤。GF2数据预处理基本流程如下： 图：GF2数据预处理流程 说明：1. 针对不同的应用，有不同的处理流程，上图中列出了两种常用的预处理流程。流程一主要针对高精度的定量遥感应用，也就是对大气校正精度

要求比较高应用，比如：植被参数定量反演等；流程二主要针对定性遥感或者对大气校正精度要求比较低的遥感应用，比如：土地利用类型分类等。本文介绍的主要是流程二的详细操作步骤，流程一的实现可参考日志：ENVI5.2下高分二号数据FLAASH大气校正；另外，中国资源卫星应用中心网站已经公布了最新的GF2数据绝对辐射定标系数和两个传感器的波谱响应函数，大家可以下载使用。2. 本例中所有操作都是在ENVI5.3版本下进行的，除NNDiffuse Pan Sharpening图像融合（ENVI5.2新增，ENVI5.1中可以使用G-S融合方法）外，其他操作在ENVI5.1/5.2下同样可以完成。 1. 数据打开 启动ENVI5.3，在菜单栏中，选择File > Open，弹出Open对话框，找到GF2数据文件夹所在位置，选中扩展名为.tiff的两个文件，点击打开。 图2 打开GF2多光谱和全色数据

在左侧图层管理Layer Manager面板中，选择多光谱或全色数据图层，右键View Metadata查看其元数据信息，可以看到ENVI很好地识别了数据的RPC信息。 图3 ENVI自动识别GF2数据RPC信息 2. 正射校正 有了RPC信息之后，下面我们就可以基于这些RPC信息分别对多光谱和全色数据进行正射校正。这里我们以多光谱数据正射校正为例，全色数据正射校正操作完全相同。

高分二号PMS数据进行完整的预处理流程

需要对高分二号PMS数据进行完整的预处理时，包括大气校正、正射校正、图像融合处理，我们推荐如下图的处理流程。 注：全色图像没有方法进行大气校正，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。 图：高分二号PMS L1a处理流程 表1 高分二号卫星轨道和姿态控制参数 表 2 高分二号卫星有效载荷技术指标

1. 数据打开 ENVI5.1 暂不支持 GF2 数据 .xml 打开方式，但 GF2 数据为标准 TIFF 格式，故可直接使用 ENVI 的 Open 菜单打开，只是打开后软件不能自动识别元数据信息。 图标，弹出Open 对话框，选 启动ENVI5.2 ；依次File > Open 或直接单击工具栏上的 择数据文件夹下扩展为.tiff 的文件，然后点击Open 按钮打开（本例中为…/GF2_PMS2_E115.7_N42.7_20140928_L1A0000362235-MSS2.tiff ）。 辐射定标 全色图像没有方法进行大气校正，所以一般在定量遥感中不使用全色图像；这里也仅对多光谱数据进行辐射定标。使用 ENVI 提供的 Apply Gain and Offset 工具进行辐射定标。 （ 1 ）在 Toolbox 中，依次 Radiometric Correction > Apply Gain and Offset ，弹出 Gain and Offset Input File 对话框，在 Select Input File 选项卡中选择待处理影像 GF2_PMS2_E115.7_N42.7_20140928_L1A0000362235-MSS2.tiff ，点击 OK ； （ 2 ）弹出 Gain and Offset Values 对话框，依次填入 Gain Values 和 Offset Values ，设置输出路径、文件名及数据类型； （ 3 ）点击 OK 开始执行（图 1 ）。 说明： GF-2 卫星绝对定标系数可从如下地址下载， https://www.sodocs.net/doc/7a19292494.html,/n16/n1115/n1522/n2103/193529.html 2014年GF-2卫星外场绝对辐射定标系数1、高分二号（GF-2）卫星绝对辐射定标系数见表1 表1 GF-2卫星各载荷的绝对辐射定标系数

高分一号数据处理流程(详细)

高分一号（GF-1）数据预处理流程一、综述 高分一号卫星是中国高分辨率对地观测系统的第一颗卫星，由中国航天科技集团公司所属空间技术研究院研制。于2013年4月26日12时13分04秒由长征二号丁运载火箭成功发射，开启了中国对地观测的新时代。高分一号卫星是中国高分辨率对地观测系统的首发星，搭载了两台2m分辨率全色/8m分辨率多光谱相机，四台16m分辨率多光谱相机。突破了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术，设计寿命5至8年。 高分一号卫星发射成功后，将能够为国土资源部门、农业部门、环境保护部门提供高精度、宽范围的空间观测服务，在地理测绘、海洋和气候气象观测、水利和林业资源监测、城市和交通精细化管理，疫情评估与公共卫生应急、地球系统科学研究等领域发挥重要作用。 表1 高分一号卫星轨道和姿态控制参数 表2 高分一号卫星有效载荷技术指标

高分一号数据产品： GF-1卫星标准产品根据输入姿轨数据与处理流程的不同分为1A和2A级产品，具体说明见表3。 表3 GF-1标准产品说明 二、数据打开及浏览 在ENVI中，选择file->Open，直接选择.tiff 文件打开。可以看到ENVI自动识别了相应的RPC文件（.rpb），数据的储存顺序是BIP。在波段列表窗口中可以看到所打开数据的波段信息（多光谱数据），选择相关的波段在显示窗口中显示。

三、辐射校正 1 遥感器校准 由遥感器的灵敏度特征引起的畸变主要是由其光学系统或者光电变化系统的这正所形成的。 校正公式如下： L b s=A*DN B +B 其中A为校正增量系数，DN B 为遥感器记录值，B为校正偏差量 2 大气校正 大气是介于卫星传感器与地球表层之间的一层由多种气体及气溶胶组成的介质层。在太阳辐射到达地表再到达卫星传感器的过程中，两次经过大气，故大气对太阳辐射的作用影响比较大。大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲是获得地物反射率、辐射率或者地表温度等真实物理模型参数，狭义上是获取地物真实反射率数据。大气校正可以用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，也可以消除大气分子和气溶胶散射的影响。大多数情况下，大气校正也是反演地物真实反射率的过程。大气校正的主要方法有如下几种： 1）利用辐射传输方程进行大气校正 2）利用地面实况数据进行大气校正 3）利用大气模型来进行大气校正 4）利用辅助数据进行大气校正 5）多波段对比分析方法（直方图最小去除法和回归分析法） 3 太阳高度以及地形校正 为了获得每一个像元真实的光谱反射，需要很多的外部信息进行太阳高度和地形校正，通常这些外部信息包括大气程透过率、太阳直射光辐照度和瞬时入射角（取决于太阳入射角和地形），因此再次过程中需要使用DEM来进行校正。