多源遥感影像配准流程
多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，
特别是不同类型传感器在 同一地区，不同时间，不同高度获取的影像间的配准。 即运用一幅纠正过的带有地理信息的影像
（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。因为主影像是正射 影像，因而这些同名点是具有大地坐标的同名点。 同时这些同名点可以作为参考数据 （保存在配 准后生成的 ＜从影像名＞.ctp 文件中）用于对其他影像进行纠正。
在ArcMap 中配准影像栅格数据可以通过扫描地图、 航片及卫片来获取。扫描的地图通常不包含表明影
像对应于地表何处的信息。从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数 据对齐显示。与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。 配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。
配准栅格数据使它能与其它地理数据一起被查看、查询和分析。
配准流程：
1、启动ARCGIS9用 三键或者
在图层处点右键添加数据，将
所要的图象数据
添加近来。如图所示:
2、从“视图工具条影象配准”将影像配准的工具条调出来，如图,
调出工具条如下,
$新崖廻台■團层⑥
选择图的四个角的格网点进行配准处理，首先是左上角，如图:
使用“添加控制点”按钮添加第一个控制点，如图：
|地理参苕怎〕帯图层；（^41-48-36. tif
二|①〒” J回
［将左下角格网点放大以准确定位，如图。
点右键，输入XY坐标，根据地图格网坐标输入,
完成一个点，再按相同方法对其他三个角点配准。
4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。
点击地理参考下的矫正，双线性内插，保存矫正图象
5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性
打开后如下:
囹区I
范圉矩形框架1大小和位置
光輕格网地團缓冲地副迪：［显示⑥：【
|—甬奈| 歐消| 应用迦|
将地图单位改为米，将坐标系统设为西安
1980,
锻择一亍巻标系読；.
二I收識夹
白一I预定文
- 2j Uvogr^phic Ccordin^t* SyEtEtnm
+ _| Afriea
4] _| Antif sti SA
-_|
啡A] n al Abd 1970
、薄* R* t *vi A (T*lc*r I s"l
参若比例⑨:
标注引擎閭:
数据框届性
名宇通:
描迷迴:
遶择一j ■■坐标丟统：:
[± I _J kiistralia Zealand C I County Sjrs te(r?E
库 I "1 IinrnriP
之后确定完成设置
Sauth S ingap 电
艦 194S
'雲* T dkyo Tru?i al Uxwt 1948
保存完成配准
遥感图像的几何校正(配准)
遥感图像的几何校正（配准） 1.实验目的与任务： （1）了解几何校正的原理； （2）学习使用ENVI软件进行几何校正； 2.实验设备与数据： 设备：遥感图像处理系统ENVI 数据：TM数据 3 几何校正的过程： 注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配 准或几何校正。 1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开；2．在主菜单上选择map->Registration->select GCPs：image to image 3.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。BASE图像指参考图像而warp则指待校正影像。选择OK! 4.现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方， 就可以选择ADD POINT添加点了。（PS：看不清出别忘记放大）如果要放弃该点选择 右下脚的delete last point，或者点show point弹出image to image gcp list窗口，从中选择 你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。选好4个点后就可以 预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参 考影像相对应的位置，而后再进行适当的调整并选点。 5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII.. 当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from ASCII... 6.接下来就是进行校正了：在ground control points.对话框中选择： options->warp file(as image to map) 在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters 对话框： 首先点change proj按钮，选择坐标系 然后更改象素的大小，如果本身就是你所需要大小则不用改了 最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了
遥感影像处理步骤
3.2.3 遥感影像数据的获取 目前世界上用于民用的卫星很多，最常用于作物长势监测的是美国发射的一系列陆地卫星。本文使用的是2013年2月11日，NASA发射的Landsat 8卫星数据，Landsat 8上携带有两个主要载荷：OLI（陆地成像仪）和TIRS（热红外传感器）。OLI包括9个波段，空间分辨率为30米，其中包括一个15米的全色波段，成像宽幅为185×185 km。OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5（0.845–0.885 μm），排除了0.825 μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段（band1：0.433–0.453 μm）主要应用海岸带观测，短波红外波段(band9：1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。 表3-2 Landsat8各波段的名称与用途 Table 3-2 The name and purpose of each band of Landsat8 （引自：张玉君，国土资源遥感，2013） 波段No 波段名称波长范围/nm 数据用途GSD地面 采样距离 /nm 辐射率/ （W·m-2sr-1u m-1）典型 SNR （典型） 1 NewDeep Blue 433-453 海岸区气溶胶30 40 130 2 Blue 450-515 基色/散射/海岸30 40 130 3 Green 525-600 基色/海岸30 30 100 4 Red 630-680 基色/海岸30 22 90 5 NIR 845-885 植物/海岸30 14 90 6 SWIR2 1560-1660 植物30 4.0 100 7 SWIR3 2100-2300 矿物/干草/无散射30 1.7 100 8 PAN 500-680 图像锐化15 23 80 9 SWIR 1360-1390 卷云测定30 6.0 130 10 TIR 10300-11300 地表温度100 11 TIR 11500-12500 地表温度100 本实验获取条带号和行编号为143/029，选取棉花蕾期、花铃期、吐絮期内无云、质量较好的影像数据，过境时间分别为2013年6月25日，8月5日，8月29日。 3.2.4 卫星影像处理 地面目标是个复杂的多维模型，具有一定的空间位置、形状、大小和相互关
基于ENVI的多源遥感影像数据融合毕业设计论文
存档日期：存档编号： 本科生毕业设计（论文） 论文题目：基于ENVI的多源遥感影像数据融合 姓名：董建 系别：环境与测绘系 专业：测绘工程 年级、学号： 11 测绘 118324107 指导教师：林卉 江苏师范大学科文学院印制
摘要 在世界遥感技术领域极速发展的情况下，对于用卫星传感器来观测和获取某一地域遥感影像数据的方法越来越多，此时多时相、多平台、高光谱和高分辨率卫星等影像数据大量涌现，并且在有关地学的多个领域都用到了这些影像数据。多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有效的途径之一。并且在不同的学科范畴都涉及到多源遥感影像数据融合技术，因此该技术被不断地完善与推行。而当前在世界上对该技术还尚未形成一套完善的理论与方法，于是目前在遥感领域研究的一个重要的研究技术就是周密处理与剖析遥感信息。 本文基于ENVI对多源遥感影像数据融合的研究。第一章介绍了遥感影像数据融合的基本理论知识和本论文内容研究的背景和意义，以及国内外目前对遥感图像融合技术的发展现状。第二章是对数据融合三个层次（像素级融合、决策级融合和特征级融合）的对比介绍，像素级融合、决策级融合和特征级融合，另外还展示了每个层次数据处理流程图。第三章对像素级融合中加权融合法变换、Brovery 变换、IHS变换和PCA变换等融合方法进行了分析比较。第四章介绍了融合的评价指标（主观评价、客观评价）。第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的进行融合实验，对实验结果进行分析，总结出这四种融合方法的特点和适用范围，得到更准确，更可靠、更安全的估计和判断，为相关工作提供帮助。 关键词：数据融合；ENVI；IHS变换；PCA变换；评价指标；多源遥感影像；
ERDAS遥感影像配准
ERDAS遥感影像配准的操作步骤 1.在viewer模块里打开你的正确得影像。 2.点击dataprep模块，打开他下面得image geometric correction子模块， 3.选择from image file，选择你要配得图像，打开 4.在出现得set geometric model里选择第2个polyonial 5.在下面得对话框里有个polynomial order 一般选2就可以 6. 然后应用，在close那个对话框 7.在下面得对话筐里，选第一个 8.出现一个小的对话框，不用管他，点击你第一步打开得准确得图像界面，就可以配准了 9.在你得准确图像里面点击一个点，然后转到你的需要配的图象里面找与他相似的点，点击，选够6个点后，在gcp tool 那个界面里面将出现误差参数，可以看你得点是不是准确。这6个点是控制点，所以你选择时应该分散开，尽量在全图范围里找。 10.然后选择其他点越多越好 11.如果你不想那样麻烦的找，你可以在任何一幅图像上点击鼠标右键，然后选择geo。link/unlink选项，那样子的话，你只需要在一个图象里点点，机器自动给你在另一个里
面找，不过头六个点不会出现误差参数，从第七个点开始会出现误差参数，如果误差太大，你必须在修改。 12.在你配完后，在geo correction tools里面点击第3个图标就ok 13.如果你配准到中间要休息，需要保存gcp tools对话框，下次在匹配直接打开就行。 14.配准完后得总误差也就是那个rms误差必须在0.5个像元以里。这样ERDAS遥感影像配准的操作步骤工作完毕，你的图就ok
多源遥感影像像素级融合技术
多源遥感影像像素级融合技术 摘要:中国的遥感技术从七十年代起步,经过了几十年的过程,随着现代遥感技术的发展,可获得的遥感数据也越来越丰富。遥感所具有的宏观、动态、快速、精确和综合的优势,使得从遥感影像获取信息已经成为一种非常重要的信息获取手段。为合理、有效地综合使用这些多源海量数据,遥感图像处理技术随之应运而生,而遥感图像融合技术更成为其重要的组成部分。在未来一段时间内,同一地区不同时相、不同分辨率、不同成像机理的遥感影像数据将呈指数递增。因此,研究如何从这些影像源中获取更丰富、更有用和更可靠信息的处理技术,是当前遥感应用研究的重点之一。 关键词:图像融合多源遥感影像像素级图像处理 随着遥感技术的发展,越来越多携带不同类型传感器的遥感卫星获得的多传感器、多时相、多空间分辨率、多光谱分辨率的遥感图像数据被用于对地观测。为进行地形测绘与地图更新、土地利用分类、冰/雪/洪涝灾害监测等提供了丰富的数据。现代遥感卫星都具备一套多光谱和高空间分辨率全色影像的性能,但如何获取多光谱高空间分辨率影像满足植被研究、土地利用和城市资源调查等的要求,是亟待解决的问题。多源遥感影像数据像素级融合的研究则是解决这一问题的有效途径之一。 1 基本概念 图像融合一般可分为像素级、特征级、决策级。像素级图像融合主要是针对初始图像数据进行的,其目的主要是图像增强、图像分割和图像分类,从而为人工判读图像或进一步的特征级融合提供更佳的输入信息;特征级图像融合能以高的置信度来提取有用的图像特征。决策级图像融合允许来自多源数据在最高抽象层次上被有效的利用。不同层次的图像融合研究内容均十分广泛。 多源遥感影像像素级融合是指采用某种算法将覆盖同一地区的两幅或多幅空间配准影像生成满足某种要求的影像技术。它是多源遥感影像数据融合的内容之一,是富集多源遥感影像信息的重要技术手段之一。 从影像类型划分,多源遥感影像像素级融合包括:单一传感器的多时相影像融合、多传感器的多时相影像融合、单一平台多传感器的多空间分辨率影像融合、多平台单一传感器的多时相影像融合和同一时相多传感器影像融合。 2 像素级影像融合过程与特点 基于像素的多源遥感影像融合的过程大致可分为三步: (1)根据实际应用目的、融合方法和相关技术从现有影像数据中选取出来,并进行预处理。预处理主要包括影像几何校正、影像辐射校正、高精度空间配准和
ENVI遥感图像配准实验报告
ENVI遥感图像配准 一、实验目的： 1、掌握ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。 2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。 3、深刻理解和巩固基本理论知识，掌握基本技能和动手操作能力，提高综合分析问题的能力。 二、实验原理 （1）最邻近法 最邻近法是将最邻近的像元值赋予新像元。该方法优点是输出图像仍然保持原来图像的像元值，简单，处理速度快。缺点就是会产生半个像元位置偏移，可能造成输出图像中某些地物的不连贯。适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。
双线性插方法是使用临近4个点的像元值，按照其距插点的距离赋予不同的权重，进行线性插。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，在后来的波谱识别分类分析中，会引起一些问题。 示意图： 由梯形计算公式： 故 同理 最终得：
三次卷积插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性插相似，先在Y 方向插四次（或X 方向），再在X 方向（或Y 方向）插四次，最终得到该像元的栅格值。该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域围。适用于航片和遥感影像的重采样。 作为对双线性插法的改进，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，立方卷积法利用了待采样点周围更大邻域像素的灰度值作三次插值。其三次多项式表示为： 我们可以设需要计算点的灰度值f（x,y）为：
遥感影像图像处理流程
遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、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。 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
一种结合SIFT和边缘信息的多源遥感影像匹配方法_叶沅鑫
第３８卷第１０期２０１３年１０月武汉大学学报·信息科学版 Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３８Ｎｏ．１０ Ｏｃｔ．２０１３ 收稿日期：２０１３－０６－ ０５。项目来源：国家９７３计划资助项目（２０１２ＣＢ７１９９０４，２０１１ＣＢ３０２３０６，２０１２ＣＢ７１９９０１） ；中央高校博士研究生自主科研经费资助项目（２０１１２１３０２０２０００２ ）。文章编号：１６７１－８８６０（２０１３）１０－１１４８－０４文献标志码：Ａ 一种结合ＳＩＦＴ和边缘信息的 多源遥感影像匹配方法 叶沅鑫１，２ 单 杰１，３ 熊金鑫１ 董来根 １ （１ 武汉大学遥感信息工程学院，武汉市珞喻路１２９号，４３００７９ ）（２ 西南交通大学地球科学与环境工程学院，成都市二环路北一段１１１号，６１００３１ ）（３ 普渡大学土木工程学院，美国西拉法叶，４７９０７ ）摘 要：针对多源遥感影像间几何变形和灰度差异造成的匹配困难问题，提出一种结合ＳＩＦＴ和边缘信息的影像匹配方法。首先在高斯差分尺度空间进行特征点检测，并采用相位一致性提取可靠的边缘信息；然后结 合改进的ＳＩＦＴ和形状上下文对特征点进行描述； 最后将欧氏距离和χ２ 统计作为相似性测度获取同名点。相比于ＳＩＦＴ算法，本文方法可有效地提高匹配正确率，并获得更多的同名点。关键词：遥感影像；影像匹配；边缘点；ＳＩＦＴ；形状上下文中图法分类号：Ｐ２３７．３ 近年来， 计算机视觉领域的局部不变性特征在影像匹配方面得到广泛应用［１ ］，其中最具代表性的 是ＳＩＦＴ算子［２－４］ 。但是，ＳＩＦＴ算子是基于局部梯 度信息来进行特征描述的， 当影像间灰度差异较大时，尤其是非线性的灰度差异，局部的梯度信息不 能提供稳定的特征［ ５ ］，其性能有所下降。考虑到边缘信息和线特征受灰度差异影响较小的特点，李芳 芳［６ ］提出一种基于线特征和ＳＩＦＴ点特征的多源遥感影像配准方法。Ｍｏｒｔｅｎｓｅｎ［７］则通过把全局形状 信息融入ＳＩＦＴ特征，提高了匹配的正确率。本文针对遥感影像特点，提出一种结合ＳＩＦＴ特征和边缘信息的影像匹配方法，旨在克服多源情况下的匹配困难问题， 保证方法的有效性和鲁棒性。１ 多源遥感影像匹配方法 １．１ 特征检测 特征检测包括特征点检测和边缘点检测。为了在影像间提取具有尺度（分辨率）不变性的特征点，首先建立影像的高斯尺度空间，并通过高斯尺度空间的相邻两层影像相减得到ＤｏＧ尺度空间，然后在该空间中进行极值检测得到特征点，并统计特征点邻域内像素的梯度方向直方图，选择梯 度幅值最大的方向作为该特征点的主方向，最终得到的特征点具有位置、尺度和主方向３个属性。 针对影像间灰度差异较大所造成的边缘检测不一致问题， 引入具有局部光照和对比度不变性的相位一致性算法。相位一致性算法是一种基于频率域的特征检测方法， 其主要依据是角点、边缘等特征出现在图像Ｆｏｕｒｉｅｒ谐波分量叠合最大的 相位处［ ９－ １０］。图像的相位一致性计算公式为：ＰＣ（ｘ，ｙ）＝ ∑ｏ ∑ｎ Ｗ ｏ （ｘ，ｙ）Ａｎｏ（ｘ，ｙ）ΔΦｎｏ（ ｘ，ｙ）－Ｔ∑ｏ ∑ｎ Ａ ｎｏ （ｘ，ｙ） ＋ε（１ ）ΔΦｎｏ（ｘ，ｙ）＝ｃｏｓ（φｎｏ（ｘ，ｙ）－珔φ（ｘ，ｙ））－ ｓｉｎ（φｎｏ（ｘ，ｙ）－珔φ（ｘ，ｙ））（２ ）式中，（ｘ，ｙ）为图像的坐标；Ｗｏ（ｘ，ｙ）为频率扩展的权重因子；Ａｎｏ（ｘ，ｙ）和φｎｏ（ｘ，ｙ）为像点（ｘ，ｙ）在Ｌｏｇ Ｇａｂｏｒ滤波器尺度ｎ和方向ｏ上的振幅和相位；珔φ（ｘ，ｙ）为加权的平均相位；符号表示值为正时取本身，否则取０；Ｔ为噪声阈值；ε是一个避免除零的常数。相位一致性的最大矩代表了图像 的边缘特征［ １１］ ，其计算式为：
多时相遥感图像配准实验报告
Harbin Institute of Technology 多时相遥感图像配准 实验报告 课程名称：遥感信息处理导论 院系：电子与信息工程学院 姓名： 学号： 授课教师： 哈尔滨工业大学
1. 实验目的 对于通过遥感平台获取的遥感数字影像，由于扫描过程中受地球曲率、地球自转、平台姿态、扫描方式等因素的影响，所获取的图像往往会产生不同程度的几何误差，这些误差如若不经处理，对图像的后续应用如分类、目标检测等会产生很大影响。本实验的目的就是利用多项式映射和重采样等方法对两幅不同时间采集的遥感图像进行几何校正处理，从而方便从配准图像中找到不同时相内发生变化的地物目标信息。 2. 实验原理 图像的配准过程主要可以分为三个过程：控制点对选取（自动或手动）、坐标映射函数拟合、映射后像素重采样。 1) 控制点对选取 对于图像匹配过程，首先要通过控制点对建立两幅图像间的坐标联系。控制点的选取有可分为自动和手动两种方式。对于自动选取，可以采用SIFT 等算法实现；对于手动选取，需要实验人员通过目测观察的方法找到不同时相的遥感图像中的相同目标，这些控制点可以是建筑物的顶点、道路等的交叉点等或其他较容易分辨的位置。 选出控制点后将这些点的坐标信息记录下来，值得注意的是所选控制点的数量、分布情况以及精度会直接影响配准结果的精度和质量。 2) 图像几何校正 图像的配准实质上就是通过图像的几何校正，将产生几何失真的图像转换为标准的数字图像。采用的方法就是通过一定的映射函数将原图像的像素坐标转换为标准图像中的坐标 (,)u f x y = (,)v g x y = 其中(,)x y 表示原图像中的像素坐标值，(,)u v 表示参考图像中的像素坐标值。 映射函数的选择可以有多种形式，一般较为简单常用的是多项式函数，以二次多项式函数为例，映射函数的具体形式为 22 01234522 012345u a a x a y a xy a x a y v b b x b y b xy b x b y ?=+++++?=+++++? 其中，05, ,a a ，05,,b b 分别表示二次多项式横纵坐标映射函数中对应项的系 数，通过选定控制点，可以将这些系数项求解出来。 假设在两幅图像中总共选择了n 对控制点，根据n 对控制点的坐标 (,)~(,)i i i i x y u v 可以得到如下两个方程组，
(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。
多源遥感影像配准流程
多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，特别是不同类型传感器在同一地区，不同时间，不同高度获取的影像间的配准。即运用一幅纠正过的带有地理信息的影像（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。因为主影像是正射影像，因而这些同名点是具有大地坐标的同名点。同时这些同名点可以作为参考数据（保存在配准后生成的<从影像名>.ctp 文件中）用于对其他影像进行纠正。 在ArcMap中配准影像栅格数据可以通过扫描地图、航片及卫片来获取。扫描的地图通常不包含表明影像对应于地表何处的信息。从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数据对齐显示。与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。 配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。 配准栅格数据使它能与其它地理数据一起被查看、查询和分析。 配准流程： 1、启动ARCGIS9，用键或者在图层处点右键添加数据，将所要的图象数据 添加近来。如图所示： 2、从“视图”→“工具条”→“影象配准”将影像配准的工具条调出来，如图， ， 调出工具条如下， 选择图的四个角的格网点进行配准处理，首先是左上角，如图：
使用“添加控制点”按钮添加第一个控制点，如图： 将左下角格网点放大以准确定位，如图。 点右键，输入XY坐标，根据地图格网坐标输入， 完成一个点，再按相同方法对其他三个角点配准。 4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。
点击地理参考下的矫正，双线性内插，保存矫正图象。 5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性 打开后如下： 将地图单位改为米，将坐标系统设为西安1980，
基于多源多时相遥感影像的城镇扩张动态监测方法研究
基于多源多时相遥感影像的城镇扩张动态监测方法 研究1 周小成，汪小钦，吴波，励惠国 1福州大学福建省空间信息工程研究中心，福州（350002） 2空间数据挖掘与信息共享教育部重点实验室，福州（350002） Email：zhouxc@https://www.360docs.net/doc/8411900788.html, 摘要：利用遥感技术来动态监测城镇扩展己成为一个重要的研究和应用领域。基于TM和ASTER多源多时相遥感影像和地形数据，以福建省漳州市区为示范区，探讨城镇建筑用地扩张遥感监测的一般方法。研究认为，对于ASTER影像，综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则，可以有效提取城镇建筑用地信息，精度不低于90%；另外，针对徐涵秋TM影像三指数法应用到示范区城镇建筑用地提取时的混淆问题，提出了利用城镇建筑用地时空扩张知识、多时相植被指数知识，改进TM 三指数城镇建筑用地提取方法的思路，最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。 关键词：城镇建筑用地；遥感；TM；ASTER；动态监测 1.引言 RS和GIS技术在过去的20年里得到迅速的发展，利用卫星对地观测技术来动态监测城市扩展己成为一个重要的研究和应用领域。不少国内外学者研究出多种利用遥感影像提取和分析城市扩张变化的技术。Seto（2003）[1]以多时相TM影像为例，比较了ARTMAP神经网络与最大似然法分类方法进行城市变化检测的效果。认为ARTMAP神经网络比传统的最大似然法（MLC）方法更精确；Schottker（2004）[2]利用三个时相的Landsat TM数据检测德国威斯特伐利亚40年来城市发展变化；Rashed（2005）[3]利用多时相遥感影像，提出利用光谱混合分析法（SMA）测量埃及开罗市城市形态组成的变化模式。Onana（2005）[4]使用多时相ENVISAT/ERS SAR图像和多光谱HRV Spot光学影像进行融合来识别热带雨林地区喀麦隆杜阿拉城市动态变化；潘剑君（1997）[5]用两个时期的Landsat TM遥感图象，经过图象自动分类识别和两个时相遥感图象的交叉分析处理，对江苏省扬中市的土地利用状况进行了动态监测；杨存建 (2001)[6]通过对不同类型居民地的遥感影像特征、光谱特征和空间关系分析，从而发现居民地的光谱特征知识、空间关系知识，建立了基于知识的TM遥感图像居民地信息提取模型；祝善友（2002）[7]以不同时相的TM和中巴卫星影像为主要信息源，对不同时相、不同遥感平台的两幅图象进行数据融合，提取与城市扩展动态变化有关的参数因子；吴宏安（2005）[8]分别采用了监督分类法和归一化裸露指数(NDBI)法提取了西安市的城市边界信息，并对二者进行对比分析，认为监督分类法提取的城市边界信息较为准确；徐涵秋（2005）[9][10]通过对城市土地利用类型的分析,选取了归一化差异建筑指数（NDBI）、修正归一化差异水体指数（MNDWI）[11]和土壤调节植被指数（SA VI）三个指数，采用简单的最大似然分类或谱间分析方法，提取的城市建筑用地信息精度可达91.2%。 本研究在总结前人研究方法的基础上，以TM、ASTER多源多时相遥感影像为数据源，以福建省漳州市区为研究示范区，提出城镇扩展遥感动态监测的一般思路和方法，并对徐涵秋三指数法用于研究示范区的问题进行了分析，提出了相应的解决方法。 1本课题得到国家自然科学基金（60602052）和福建省科技重大专项（50304827）的资助。
遥感图像处理 图像配准、图像裁剪 实验报告
Lab3 geometric correction and projection transformation of remotely sensed data Objective : The purpose of the current lab section is to adequately understand the mathematic principles and methods of geometric correction (co-registration) and projection transformation . In addition,you guys need to gain hands-on experience or skill to perform them in ENVI and ERDAS environments. 实验过程： 一、envi中图像配准 1、根据控制点的坐标对图像进行配准 1）加载中山陵地形图 2) 选择map 菜单下的registration菜单，选择select gcps:image to map 设置投影信息：基于经纬度的投影(geographic lat/lon)，选择基准面为WGS—84
3）开始配准 依次移动一级窗口中的光标到四个图廓点的位置，在三级放大窗口中把十字司放在经纬线的交点的中间位置，输入该点的经纬度于编辑对话框中：
点击add point，完成对控制点的编辑 4）选择option菜单下的wrap file将配准好的地图生成一幅新的影像
修改生成图像信息，改为50带的UTM投影，基准面为WGS-84，保存 2、图像到图像的配准 1）加载全色波段影像作为待配准的影像
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
遥感影像成图步骤—以ETM为例
理塘-德巫断裂卫星影像地图制作（1:10万） ——以ETM数据为例 一、主流处理软件对比介绍 ENVI，ERDAS，PCI 软件功能不作具体说明，ENVI和ERDAS较为主流，各个软件各有自己的优缺点，比如ENVI中提供的数据融合方法就没有ERDAS中的多，ERDAS(破解版)中无法做DEM提取工作；ENVI的影像波段显示和数据操作较为简便，菜单功能有很多重复；PCI破解版本较低。另外，每个软件对不同类型的卫星遥感影像可能有各自的处理模块，所以也不能绝对就以某一类软件为主，如果遇到一些问题，一类软件解决不了，可以尝试用另一类软件。如在中科院网站下载的ＥＯＳ原始卫星数据打不开，用ＰＣＩ就能打开，然后转换成ENVI STANDSRD格式或者ERDAS IMAGINE格式，即可处理了。最后，哪种能免费下载，哪种版本功能多，就用哪种吧，没的讲究。 二、数据准备（建议查看百度文库：《遥感影像的获取及处理sky》） （1）介绍 （2）来源 A https://www.360docs.net/doc/8411900788.html,/cs_cn/ https://www.360docs.net/doc/8411900788.html,/cs_cn/中科院对地中心 B https://www.360docs.net/doc/8411900788.html,/EarthExplorer/ USGS网站 C Ftp://https://www.360docs.net/doc/8411900788.html,马里兰大学FTP（Landsat 4-7数据存放于WRS2下，建议用360浏览器浏览，） 说明：A, B注册后，方可下载。USGS上的数据比对地中心要新一些，格式种类要多，有许多是经过正射矫正（Orthorectified）的数据，做图可以直接拿来用，另外，landsat 7在2003年以后的数据（SLC-off）由于卫星故障，有条带，虽然修复过，最好不用，具体说明见中科院对地中心数据下载网站。C里面数据类型丰富，包括ASTER，QUICKBIRD，EOS等等，可以作为练习数据使用。 D 下载前准备：查询数据行列号（Path/Row）以下是Landsat 7 影像行列号
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。 技术能力说明 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。 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。
遥感影像的分类处理
摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程
遥感图像处理步骤及经验
遥感图像处理步骤及经验 1、图像导入 在erdas的Import/Export模块中，分别导入TM图像的第1、2、3、4、5、7 波段，具体操作步骤为 ① 点击import模块，打开对话框 ② 选择type类型为TIFF ③ media为file； ④ 然后选择输入、输出文件名路径和文件名 ⑤ 分别对123457波段进行导入； ⑥ 在此之前可以选择session－>preference，选择输入、输出主目录。 2、图像波段合成 在erdas的interpreter模块中将单波段影像进行合成，生成多波段文件，具体操作步骤为： interpreter－>utilities－>layer stack， ① 在出现的对话框中import框中依次选择需要合成的波段，每选择输入一个波段用Add添加一次； ② output file选择导出文件路径及命名文件。 ③ Data type 设为 Unsigned 8 bit； ④ Output option 设置为Union ，选中 ignore zero stats； ⑤ 进行操作。 3、用shape文件进行图像切割 3.1 Shape文件制作AOI文件： ① 在ERDAS中点击Import图标，出现Import/Export对话框 ② 选中Imput，Type栏选择Shapefile，Media栏选择File，在Input File （*.shp）中确定要转换的shape文件，在Output File（*.arcinfo）中确定输出路径及名称，单击OK按钮，出现Import Shapefile对话框，单击Import Shapefile Now。 ③ 注意此步骤中输出路径及输出名称均为英文字母 ④ 建立拓扑多边形 ⑤ 在Arcgis中打开ArcToolbox，Data Management Tools—>Topology—>Build，双击Build，出现Build对话框，在Input 中填入*.arcinfo文件的路径，Feature 选择Poly ⑥ 单击OK按钮。 ⑦ 在ERDAS中打开一个viewer窗口，打开arc coverage文件，新建一个aoi 层（New—>AOI Layer） ⑧ View—>Arrange Layers Viewer打开Arrange Layers Viewer对话框，在Vector图层上单击右键，选择Show Properties，打开Properties对话框，选中Polygon，点击Apply按钮。
遥感实习2卫星数据的预处理流程
数据预处理的一般过程包括几何校正、图像镶嵌与裁剪、辐射定标与大气校正等环节。
图1 数据预处理一般流程 通常我们直接从数据提供商获取未定标的DN 图像，然后定标为辐射亮度图像，对辐射率亮度图像进行大气校正得到地表反射率图像。 一、辐射定标与大气校正 1、辐射定标Radiometric calibration ：将记录的原始DN 值转换为大气外层表面反射率（或称为辐射亮度值）。 目的：消除传感器本身的误差，确定传感器入口处的准确辐射值 方法：实验室定标、机上/星上定标、场地定标 不同的传感器，其辐射定标公式不同。L=gain*DN+Bias 在ENVI 中，定标模块：Basic Tools>Preprocessing>Calibration Utilities>模块 2、大气校正Atmospheric correction ：将辐射亮度或者表面反射率转换为地表实际反射率 目的：消除大气散射、吸收、反射引起的误差。 分类：统计型和物理型 目前遥感图像的大气校正方法按照校正后的结果可以分为2种： 1) 绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。包括：基于辐射传输模型、基于简化辐射传输模型的黑暗像元法、基于统计学模型的反射率反演 2) 相对大气校正方法：校正后得到的图像，相同的DN 值表示相同的地物反射率，其结果不考虑地物的实际反射率。包括：基于统计的不变目标法、直方图匹配法等。 方法的选择问题，一般而言： 1) 如果是精细定量研究，那么选择基于辐射传输模型的大气校正方法。 2) 如果是做动态监测，那么可选择相对大气校正或者较简单的方法。 3) 如果参数缺少，没办法了只能选择较简单的方法了。 在ENVI 中，Basic tools>preprocessing>calibration utilities>FLAASH 二、数字图像镶嵌与裁剪 1、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 Digital Numbers Radiance TOA Reflectance Geometric correction Step 1 Step 2 Surface Reflectance Step 3 Step 4 Analysis