高空间分辨率的遥感影像在数字深圳中的应用
高空间分辨率的遥感影像在数字深圳中的应用
马 丹1 魏武明2 方圣辉1
（1. 武汉大学遥感信息工程学院,武汉武汉市珞瑜路129号， 430079)
（2. 温州市房产管理局龙湾分局，温州市龙湾区房管大楼, 325011）
摘 要：本文介绍了数字城市和高空间分辨率擦的遥感影像在推动数字城市中的重大作用，以美国的Quick Bird卫星高空间分辨率的图像和航空彩色图像融合为例，并对实验结果进行的讨论和分析；文中提出了快速更新地物的独特性和创新性对科学研究和生产实践具有一定的研究价值和实际的指导意义。
关键词： 数字城市 Quick Bird影像 图像融合
1.前言
数字城市广义上指城市的信息化，是用数字化的手段来处理、分析、管理整个城市，服务于人口、资源环境、经济社会的可持续发展的信息基础设施和信息系统。它既是城市信息化总的概述，又是城市信息化的目标；狭义上指综合运用GIS、GPS、RS、网络等关键技术建设服务于城市规划、建设、管理等，其主要内容是建设空间信息基础建设，并在此基础上深度开发和整合应用各种信息资源。要实现数字城市需要诸多学科，特别是信息科学技术的支撑。这其中主要包括：信息高速公路和计算机宽带高速网络技术、高分辨率卫星影像、空间信息技术、大容量数据处理与存贮技术、科学计算以及可视化和虚拟现实技术。
高空间分辨率卫星遥感影像仅能呈现三维城市模型而且还提供具有相片质感的材质和纹理特征的表面描述，以及其他相关的属性信息，特别是在大范围地面目标的快速三维逼真重建方面具有显著的优势，和数字摄影测量技术国内外都把其作为数码城市建设和数据更新的主要技术手段。它能提供覆盖全市的海量的、动态的基础地理信息，成为数字城市数据采集与更新的主要来源之一，是能够实现真三维和多时相的城市漫游、查询分析和可视化不可缺少的一部分，与城市专题信息与城市地理信息系统一体化将是数字城市的主要特征。
2. 高空间分辨率的Quick Bird遥感数据应用于数字城市中地物的更新
高分辨率不仅指高空间分辨率还包括高光谱分辨率和高时间分辨率。空间分辨率指影像上所能看到的地面最小目标尺寸，空间分辨率越高就越能表达地面细小地物；光谱分辨率指成像的波段范围，分得愈细，波段愈多，光谱分辨率就愈高，细分光谱可以提高和识别目标性质和组成成分的能力；时间分辨率指重复周期的长短，时间分辨率越高，就越能反映地表动态变化的详实数据。高空间分辨率的遥感数据具有以下几个特点：单幅影像的数据量显著增加；成像光谱波段变窄；地物的几何结构和纹理信息更加明显；从二维信息到三维信息；高时间分辨率。
随着地球信息科学的迅猛发展，对地观测技术将逐渐实现多时相、多角度和高分辨率化。美国的Quick Bird卫星是目前世界上商业卫星中分辨率最高、性能最优的一颗卫星。成像方式为推扫式传感器，共有全色和多光谱两种模式，其中多光谱波段的空间分辨率为：2.44-2.88米，全色波段的空间分辨率0.61-0.72米。0.61米的空间分辨率意味着城市中的房子、汽车在图像上可以看得很清楚。这一点对大比例尺、高精度的数字城市来说，是非常重要的，也将成为建造数字城市的主要信息源。在数字深圳城市的建模中，主要是应用Quick Bird遥感卫
星空间分辨率为0.61米的全色波段的遥感数据和航空彩色影像相结合的方式对地物进行了快速更新，并取得了预想的效果。
2.1快速全面更新深圳地物的实施方案
就目前最近几年深圳的城市发展来看，深圳的总体变化不是很大，部分局部区域发展较快、地物地貌变化较大，急需高空间分辨率的遥感数据对地物更新来真实反映深圳的快速发展。在数字深圳地物更新中要求既包含Quick Bird图像中地物的几何特征信息,又要求能保留航空影像的光谱特征信息,实现了信息特征的互补。针对深圳的城市发展变化情况，根据深圳的实际情况和应用需求，为快速全面更新深圳面貌并使融合具有多光谱的特征，提出了以下的方案：
第一步：将整个区域进行分类，根据政府建设情况和已有的矢量图等信息将整个区域划分为变化区域和无变化区域。
第二步：在变化较大的区域从Quick Bird图像上获取新的地物特征，能够更加方便快速地获取丰富的地物信息；变化不大的用航空影像，从多光谱上获取彩色信息，以便为了使融合后得到的彩色影像的光谱特征能与航空影像或是与实际地物的光谱相近。采用航空影像和卫星影像进行先配准后融合，然后将融合后的彩色影像和航空影像进行镶嵌。
第三步：用变化区域的融合后的彩色图像来替换原始航空彩色图像旧的地貌特征，并与变化不大的区域无缝镶嵌并加以匀光处理，这样重叠区域（融合后得到的彩色图像）有多光谱的信息，未重叠（变化不大的区域）的地方也是多光谱的彩色信息，使整幅图像的地物特征和光谱特征连续、具有一致性；达到快速更新大片区域的并得到更新的彩色的多光谱影像的目的。
2.2关于更新地物的几点独特性和创新性
传统上，为了能达到既经济地快速更新地物特征又能获得较高分辨率彩色影像的目的，在科研和实际应用中一般运用低分辨率多光谱与高分辨率的全色影像进行融合来更新地物。在快速全面更新深圳地物的实验中，有以下方面的独特性和创新性：
1）卫星和传感器的进一步发展，现在获取的卫星影像的空间分辨率远远高于以前。尤其使现有的Quick Bird卫星的全色波段的空间分辨率几乎可以与一般的航空影像相比拟。本实验采用的遥感数据非常特殊，采用的是0.61米的Quick Bird的全色波段和0.60米的航空彩色影像进行融合更新地物，这就导致了实验本身的融合方式具有独特性，即采用较低空间分辨率的全色波段遥感新数据与较高分辨率的多光谱遥感旧数据进行融合。
2）由于航空影像和卫星影像的空间分辨率不同，投影方式不同，成像原理也不同，呈现的地物特征也会有细微的区别，所以要先对航空影像作正射校正和辐射校正。与以往的方式不同，在处理过程中直接利用ENVI 的头文件通过Quick Bird的头文件信息进行辐射校正。
3）融合时采用了ENVI 的image sharpen的功能进行Quick Bird全色影像的新地物特征与航空影像的彩色信息融合，并利用融合图像快速更新影像的地物特征。而该功能和ERDAS中的Spatial Enhancement下Resolution Merge的功能相似，一般是用来提高影像的空间分辨率的。
4）由于深圳局部区域发展较快、变化较大导致短时期的遥感图像上地物变化较大，按照一般文献上的I（v）分量进行直方图匹配得到的融合光谱特征特别差。在融合实验中为了获得更好的光谱特征采用了sat和hue分量作直方图匹配。
3. 实验结果及分析
以分辨率较为接近的具有较新地物的Quick Bird全色波段和旧的多光谱航空影像融合为例，形成的彩色遥感影像达到了更新地物和获得较真的光谱特征的目的。着重于研究对变化较大区域不同时期的较高分辨率的航空彩色影像和较低分辨率的遥感数据的融合，并对常用
的融合方法和实验所使用的方法的融合效果作比较。下面是所用的原始遥感数据及其效果图：
图1. 2002年Quick Bird全色波段图2. 2000年航空影像图3.image sharpen融合效果
图4.一般融合的效果图5.直方图匹配的效果图(hue) 图6.直方图匹配的效果图(sat)
从实验中我们得到以下的结果：
1）采用ENVI的image sharpen功能提高空间分辨率的方法可以简单快速的对遥感影像做融合，其效果并不比一般按融合做出来的效果差，不仅地物得到了更新也具有与多光谱的特征。在实际处理时，提示输入高分辨率的影像，选择事实上分辨率较低为0.61米的QB影像，当接下来提示输入多光谱的影像时，选择分辨率为0.6米的航空影像。这样ENVI处理后得到的结果就是一幅地物更新的彩色遥感影像，实际上就是得到了跟一般做融合一样的效果。
2）对两幅地物特征不同的影像进行融合时，用饱和度（S）或色度（H）分量与全色波段进行灰度直方图匹配，能使融合后影像的光谱特征与原多光谱影像的光谱特征更加相近。以前文献中都使使用全色波段和I分量（或V分量）作直方图匹配，由于不同时期的灰度影像和彩色影像，而在实验中表明按照常用的这种方法得到的效果比不做灰度直方图匹配的还差，尤其是在地物变化较大的区域。本证明，在地物变化较大的情况下做融合，为了得到更好的光谱特征，采用S或H分量做灰度直方图匹配能得到更好的视觉效果。图5、6为在融合的过程中作了直方图匹配的效果。可以看到作了hue和sat分量的灰度直方图匹配后，有了更好的视觉效果，色彩也更加丰富,突出了不同地物特征差异，光谱特征也与航空影像的光谱特征更加接近。
3）对相同区域的两幅遥感影像截取大致相同地物的相同区域进行局部融合来快速更新影像的地物特征。应用时通过头文件信息使卫星影像和航空影像输出的像素大小一致，以保证两种不同的影像能够正确地进行融合。由于采用粗校正的方法，易产生噪音，噪音会对融合的效果产生较大的影响，所以融合前还必须对QB影像进行去噪声的处理。另外，采用的遥感影像的空间分辨率比较高信息量较大，实践证明用临近元采用方法就能取得很好的效果，而且计算量小。图3和图4（见上图）分别是粗校正融合后采用两种不同的方法融合后的效果。这种方法适合于实际应用中精度要求不是很高的快速地物更新。
4. 结论
实验结果表明利用高空间分辨率的遥感影像快速全面更新地物是可行的，对利用遥感影像提取专题信息具有良好的作用,经过融合以后的数据既具有高空间分辨率的优点,又具有多波谱影像特性。航空影像和Quick Bird等高分辨率的卫星相结合的图像融合技术是一种具有一定推广价值的实用技术,具有可行性好、成本低、易实现等特点。随着遥感对地观测技术的
发展和数字城市的研究深入，高空间分辨率的多源遥感影像信息融合是信息处理与获取领域
的一个新课题和研究方向；它可提高人们应用遥感数据的应用能力,增加决策的科学性和准确性。
参考文献
[1]贾永红，李德仁，孙家柄. 多源遥感影像数据融合. 遥感技术与应用. 2000.3
[2]曹建君. 航空影像和TM影像融合及应用研究. 遥感技术与应用. 2002.12
[3]金红，刘榴娣. 彩色空间变化法在图像融合中的应用. 光学技术. 1997.7
[4]周前祥，敬忠良，姜世忠. 不同光谱与空间分辨率遥感图像融合方法的理论研究. 遥感技术与应用. 2003.2
[5]陈德超，周海波，陈中原，吴健平.TM与SPOT影像融合算法比较研究. 遥感技术与应用. 2001.6
[6]龚健雅.地理信息系统基础. 北京：科学出版社，2001.2
作者简介: 马丹，硕士研究生。现主要从事遥感数字图像处理、地理信息系统理论与方法研究。E-mail：madam_yurou@https://www.360docs.net/doc/d2732468.html, & yurouma@https://www.360docs.net/doc/d2732468.html,
High Spatial Resolution RS Imagery Applying in the Digital City ShenZhen
Ma dan 1, Wei wuming2 , Fang shenghui 1
(1 School of Remote Sensing Information Engineering, Wuhan University,129 Luoyu
Road,Wuhan,China,430079)
(2 the department of estate management,Wenzhou,China,325011)
Abstract: In the paper, it introduced some key technology application the importance of high spatial resolution RS imagery in the digital city. The new methods of the image fusion were illustrated with the Quick Bird image and photographical image, the results and were discussed and analyzed. Some unique and innovation were produced. The research’s conclusion was some direction meaning.
Key Words: digital city 、 image fusion 、Quick Bird image
高分辨率影像的空间定位误差分析
高分辨率影像的空间定位误差分析 高分辨率遥感影像的空间几何精纠正是影像处理的一个重要步骤，其空间定位的误差与不确定性已成为遥感与GIS研究的一个热点。高分辨率影像的空间定位误差是在几何校正、地面控制点判读和选取、1：1万地形图上地面控制点的坐标读取等过程中引入的误差而产生的，并导致误差与不确定性从地形图上传播到影像上。为了验证高分辨率影像定位的误差，本文通过使用手持GPS进行野外测点，用实测坐标与SPOT5（2.5m）遥感影像的同名点的空间坐标进行对比，确定两者的一致性，验证SPOT5（2.5m）遥感影像的空间定位。同时通过两台GPS平行观测，对比同步观测机的数据，分析手持GPS的误差来源以及稳定性对定位精度的影响，并探讨手持GPS测点作为高分辨率影像空间定位的可能性。 标签：高分辨率影像地面标志定位精度误差分析 0 引言 本文的遥感影像是采用法国SPOT5生成的2.5m分辨率的图像产品。但遥感影像的获取会由于平移、缩放、旋转、偏扭、弯曲而产生几何畸变，如像元大小与地面大小对应不准确，将给位置配准造成困难。同时，进行几何校正和数据空间配准时，由于地形图的现势性弱，许多明显地物在地图上都没有显示，很难从地形图上选择符合精度的地面控制点，而且在几何校正的过程中，地面控制点的判读和选取，从1：1万地形图上选取地面控制点坐标的过程，以及使用PCI配准影像产生的误差都会将误差累积传播到最终结果，影响空间定位的精确度。因此，本文希望通过GPS野外测量与遥感影像数据的误差计算来提高高分辨率影像定位精度。 1 高分辨率遥感影像的几何精纠正 几何精纠正的方法及原理 几何纠正包括粗纠正和精纠正两种，粗纠正根据有关参数进行纠正；经常用的是精纠正。几何精纠正是将一幅含有几何畸变和比例尺差异的原始遥感影像，通过一种数学变换，生成一幅符合数字化地图实际的新的遥感影像。几何精纠正的具体方法为: 先在每幅原始遥感影像上选取若干个控制点，再求出这些控制点在数字化地图上对应点的真实坐标，然后把这些已知坐标的控制点代入计算机的校正软件进行运算。校正运算实际上包含着两个基本的运算过程: 一是将每个原始像素点的行列值换算成它在新生成的遥感影像中的坐标值，二是重新计算出每个原始像素点在新生成的遥感影像中的像元亮度值。当所有的控制点被选好后，其校正运算的过程由计算机校正软件自动完成。而控制点的选取则需要人工干预，其选择的准确性与合理性将直接影响到校正的处理效果。 2 东圳水库SPOT5（2.5m）遥感影像图几何纠正过程
高分辨率遥感影像数据一体化测图系统PixelGrid
高分辨率遥感影像数据一体化测图系统PixelGrid 北京四维空间数码科技有限公司 一、概况介绍 高分辨率遥感影像数据一体化测图系统PixelGrid（以下简称“PixelGrid”）是由中国测绘科学研究院自主研发的“十一五”重大科技成果，获得2009年度国家测绘科技进步一等奖。 为将这一重大科技成果实现产业化，2008年开始，由中国测绘科学研究院参股单位北京四维空间数码科技有限公司进行成果转化和产品化，并开展销售。 该软件是我国西部1:5万地形图空白区测图工程以及第二次全国土地调查工程的主力软件， 被誉为国产的“像素工厂”。 PixelGrid以其先进的摄影测量算法、集群分布式并行处理技术、强大的自动化业务化处理能力、高效可靠的作业调度管理方法、友好灵活的用户界面和操作方式，全面实现了对卫星影像数据、航空影像数据以及低空无人机影像数据的快速自动处理，可以完成遥感影像从空中三角测量到各种比例尺的DEM/DSM、DOM等测绘产品的生产任务。 PixelGrid软件主界面。 二、主要特点 PixelGrid系统以现代摄影测量与遥感科学技术理论为基础，融合计算机技术和网络通讯技术，采用基于RFM通用成像模型的大范围遥感影像稀少或无控制区域网平差、基于旋转/缩放不变性特征多影像匹配的高精度航空影像自动空三、基于多基线/多重特征的高精度DEM/DSM自动提取、等高线数据半自动采集及网络分布式编辑、基于地理信息数据库等多源控制信息的高效影像地图制作、基于松散耦合并行服务中间件的集群分布式并行计算等一系列核心关键技术，是中国测绘科学研究院研制的一款类似“像素工厂”（ISTAR PixelFactoryTM）的新一代多源航空航 天遥感数据一体化高效能处理系统。
高分辨率遥感卫星介绍
北京揽宇方圆信息技术有限公司 高分辨率遥感卫星有哪些 高分辨率遥感可以以米级甚至亚米级空间分辨率精细观测地球，所获取的高空间分辨率遥感影像可以清楚地表达地物目标的空间结构与表层纹理特征，分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的地学解译分析提供了条件和基础。随着高分辨率遥感影像资源日益丰富，高分辨率遥感在测绘制图、城市规划、交通、水利、农业、林业、环境资源监测等领域得到了飞速发展。 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。 一、卫星类型 (1)光学卫星：worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、北京二号、高景一号、资源三号、高分一号、高分二号、环境卫星。 (2)雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 (3)侦查卫星：美国锁眼卫星全系例(1960-1980) 二、卫星分辨率 (1)0.3米：worldview3、worldview4 (2)0.4米：worldview3、worldview2、geoeye、kompsat-3A (3)0.5米：worldview3、worldview2、geoeye、worldview1、pleiades
遥感影像分类精度与空间分辨率的关系验证
实验一遥感影像分类精度与空间分辨率的关系验证 实验目的： 1、掌握相同传感器多光谱影像与全色影像融合方法； 2、掌握监督分类的基本流程； 3、验证遥感影像分类精度与空间分辨率的关系。 实验要求： 1、对多光谱影像和全色影像进行融合； 2、利用马氏距离法进行监督分类； 理论基础：高分辨率影像能反映更多细节信息，但是过高的的空间分辨率也会造成地物类别内部光谱可分性下降（同物异谱和异物同谱现象更严重），通过不同分辨率遥感分类精度的比较来验证这一理论。 原始实验数据：北京市朝阳区2002年奥运公园规划区IKONOS多光谱影像4个波段与IKONOS 全色波段（两者成像时间都是2002年8月26日，即是同一传感器同时成像，植被覆盖情况一致），全色波段影像大小4000*4000。class1.roi是1m空间分辨率的参考分类ROI模板。 实验步骤： 1、将IKONOS多光谱影像4个波段与IKONOS全色波段数据进行融合，操作如下： （1）打开图像bjikonospan.img和bjikonosmultispectral.img，在Available band list对话框中，选中bjikonospan.img，点击右键，选择Edit header，查看bjikonospan.img的头文件。记 录该文件的行列数，下图1~2。
图1 图2 查看头文件
（2）在ENVI主菜单，点击Basic Tools→Resize Data，在弹出的对话框中，选择bjikonosmultispectral.img，点击OK，在接下来弹出的Resize Data Parameters对话框中，Samples后输入4001，点击回车，Lines后输入4001，点击回车，设置存储路径，OK。将重置了大小后的图像bj_resize按432的RGB模式显示，与前两个图像对比，观察其变化。 图3
几种典型高分辨率商业遥感卫星系统
几种典型高分辨率商业遥感卫星系统 1．2．1 IKONOS卫星系统 1．基本情况 IKONOS是空间成像公司(Space Imaging)为满足高解析度和高精度空间信息获取而设计制造，是全球首颗高分辨率商业遥感卫星。IKONOS-1于1999年4月27日发射失败，同年9月24日，IKONOS-2发射成功，紧接着于10月12日成功接收到第一幅影像。 IKONOS卫星由洛克希德—马丁公司(Lockheed Martin)制造，重1600lb，由Athena II 火箭于加利福尼亚州的范登堡空军基地发射成功，卫星设计寿命为7年。它采用太阳同步轨道，轨道倾角98.1o，平均飞行高度681km，轨道周期98.3min，通过赤道的当地时间为上午10:30，在地面上空平均飞行速度为6.79km/s，卫星平台自身高1.8m，直径1.6m。 IKONOS卫星的传感器系统由美国伊斯曼—柯达公司(Eastman Kodak)研制，包括一个1m分辨率的全色传感器和一个4m分辨率的多光谱传感器，其中的全色传感器由13816个CCD单元以线阵列排成，CCD单元的物理尺寸为12μm x 12μm，多光谱传感器分四个波段，每个波段由3454个CCD单元组成。传感器光学系统的等效焦距为10m，视场角(FOV)为0.931o，因此当卫星在681km的高度飞行时，其星下点的地面分辨率在全色波段最高可达0.82m，多光谱可达3.28m，扫描宽度约为11km。传感器可倾斜至26o立体成像，平均地面分辨率1m左右，此时扫描宽度约为13km。IKONOS的多光谱波段与Landsat TM的1—4波段大体相同，并且全部波段都具有11位的动态范围，从而使其影像包含更加丰富的信息。 IKONOS卫星载有高性能的GPS接收机、恒星跟踪仪和激光陀螺。GPS数据经过后处理可提供较精确的星历信息；恒星跟踪仪用以高精度确定卫星的姿态，其采样频率低；激光陀螺则可高频地测量成像期间卫星的姿态变化，短期内有很高的精度。恒星跟踪数据与激光陀螺数据通过卡尔曼滤波能提供成像期间卫星较精确的姿态信息。GPS接收机、恒星跟踪仪和激光陀螺提供的较高精度的轨道星历和姿态信息，保证了在没有地面控制的情况下，IKONOS卫星影像也能达到较高的地理定位精度。 2．成像原理 与Landsat和SPOT-4卫星相比，IKONOS卫星的成像方式更加灵活，其传感器系统采用独特的机械设计，可以十分灵活地以任意方位角成像，偏离正底点的摆动角甚至可达到60o。IKONOS卫星360o的照准能力使其既可侧摆成像以获取异轨立体或缩短重访周期，也可通过沿轨道方向的前后摆动同轨立体成像，具有推扫、横扫成像能力。 IKONOS卫星能获取同轨立体影像。当卫星接近目标时，传感器光学系统先沿着轨道向前倾斜，照准目标区域并采集第一幅影像，接着控制系统操纵传感器向后摆动，大约100s 后再次照准目标区并采集第二幅影像，如图1．1所示。由于IKONOS卫星利用单线阵CCD 传感器，通过光学系统的前后摆动实现同轨立体成像。因此，相应的立体覆盖是不连续的。
高低分辨率影像解译对比
不同分辨率影像解译效果分析 根据地物的成像规律，在遥感影像上识别出它的性质和数量指标的过程，称为遥感影像的解译，也称为判读。遥感影像上不同地物有其不同的影像特征，这些特征是解译时识别各种地物的依据，这种依据叫做遥感影像的解译标志，也叫做识别特征。直接解译标志如色调、颜色、阴影、形状、大小、纹理、图形。间接解译标志如相关位置、相互关系等。 随着遥感技术的发展，人们得到的遥感影像的质量越来越好，空间分辨率越来越高。目前商用卫星可提供0.6米左右空间分辨率的卫星图像（如Quick bird，Worldview等），在这种具有高空间分辨率特性的图像上，大型建筑物、道路、飞机场和其它人造地物形状特征和纹理特征清晰可辨，这为从遥感影像中提取空间结构信息提供了物质基础。影像分辨率不同，在辨别地物上有很大的影响。主要地物有如下特征：
（一）低分辨率影像 低分辨率遥感适合进行一些宏观的地物监测，因为分辨率低，每个像元代表的面积很大，所以能覆盖地面较大的范围。另外，低分辨率遥感通常光谱分辨率会比较好，包含除可见光以外的近红外等波段，可以用来监测大面积的植被，区分植被和非植被。 低分辨率影像对于一些较小的图斑，很容易被遗漏，对于这些零星小地块的补测只有通过外业调查的方式对研究区展开全面覆盖调查，这不仅大大增加了外业调绘工作量，而且一定程度上否定了3S方法能够快速获取土地利用信息的这一特点。 低分辨率的一大优点是经济实惠，购置成本低。 （二）高分辨率影像 高分辨率卫星影像具有以下特点：具有丰富的空间信息、地物几何结构和纹理信息明显。例如本项目使用的Quickbird影像上人工地物、水体和植被之间的光谱差异明显，建筑物和道路形状结构特征突出，耕地和林地纹理信息丰富。 高分辨率卫星遥感影像，可以在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响。影像纹理清晰，能够很清楚的分辨出道路、沟渠等水利设施。具有广阔的应用前景。 高分辨率遥感比较适合研究小尺度的地物。由于分辨率高，能看清地面的道路和建筑，适合进行城市的测绘。
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
高空间分辨率遥感森林参数提取探讨
高空间分辨率遥感森林参数提取探讨 刘晓双,黄建文,鞠洪波 (中国林业科学研究院资源信息研究所,北京100091) 摘要:介绍了高空间分辨率遥感在森林参数提取方面的研究和应用情况,并结合国内外学者在此方面所做出的研究成果,对不同森林参数的提取分别做了阐述,包括单木树冠轮廓信息、胸径、森林生物量、树种识别和分类、叶面积指数、森林郁闭度、木材结构和性质。最后分析了高空间分辨率遥感在森林参数提取方面存在的问题,并对该领域的应用前景作了展望。 关键词:高空间分辨率;遥感;森林参数;树冠提取;生物量 中图分类号:TP79 文献标识码:A 文章编号:1002-6622(2009)02-0111-07 Study on Extraction of Forest Parameters by High Spatial R esolution R emote Sensing L IU Xiaoshuang ,HUAN G Jianwen ,J U Hongbo (Research Instit ute of Forest Resources and Inf ormation Technique ,CA F ,Beiji ng 100091,Chi na ) Abstract :Study and application of forest parameters extraction by high spatial resolution remote sens 2ing was introduced in this article ,combined with achievements in this field made by researchers all over the world 1Extraction of such different forest parameters was described respectively as single tree crown contour ,diameter at breast height ,biomass ,identification and classification of species ,LAI ,canopy den 2sity ,wood structure and property 1Finally ,the problems of forest parameters extraction by high spatial resolution remote sensing were discussed ,and the prospect of forest parameters extraction by high spa 2tial resolution remote sensing was expected. K ey w ords :high spatial resolution ,remote sensing ,forest parameters ,extraction of tree crown ,biomass 收稿日期:2009-01-04;修回日期:2009-04-03 基金项目:中央级公益性科研院所基本科研业务费专项基金(RIFRITZ J Z 2007006);国家自然科学基金“基于高分辨率 遥感的树冠信息提取技术研究”项目(40771141) 作者简介:刘晓双(1985-),女,甘肃兰州人,在读硕士生,主要从事遥感、GIS 技术应用研究。通讯作者:鞠洪波(1956-),男,黑龙江人,研究员,研究方向:林业信息技术。 现代林业的经营管理得以顺利进行主要依赖于对各种森林参数的调查,而森林限于其特殊的自然地理条件往往会给研究数据的采集造成很大的困 难。传统的森林调查方法一般是基于随机抽样和统计学,其样本的选择是否具有代表性对调查的精确性有很大的影响。这种传统的以个体来推断总体的 2009年4月第2期林业资源管理 FOREST RESOURCES MANA GEMEN T April 2009No 12
遥感影像分辨率的概念及常见传感器的分辨率
遥感影像分辨率的概念 1空间分辨率 遥感影像空间分辨率是用于记录数据的最小度量单位，一般用来描述在显示设备上所能够显示的点的数量(行、列)，或在影像中一个像元点所表示的面积。 空间分辨率指像素所代表的的地面范围的大小，即扫描仪的瞬间视场，或是地面物体能分辨的最小单元。当分辨率为1km时，一个像元代表地面1kmX1km的面积，即1km2；当分辨率为30m时，一个像元代表地面30m×30m的面积；当分辨率为1m时，也就是说，图像上的一个像元相当于地面1m x 1m的面积，即1m2。 因为遥感拍摄的像片是由位于不同高度，装在不同载体(如飞机、卫星等)上的不同清晰度(分辨率)照相设备，以不同的照相(采集)方式，获取的遥感像片(图像、数据、影像等)，这些遥感图像是具有不同清晰度、不同分辨率的照片。类似我们在生活中用135 照相机拍摄一棵树，从汽车上拍一张，然后再从飞机上拍一张，两张135底片在放大同一棵树时，其放大效果是不一样的。肯定是高度低的135照片放大后的效果最清晰，也就是说分辨率最高。 遥感卫星的飞行高度一般在4000km～600 km之间，图像分辨率一般从1 km～1m之间。图像分辨率是什么意思呢？可以这样理解，一个像元，代表地面的面积是多少。像元是什么意思呢？像元相当于电视屏幕上的一个点(电视是由若干个点组成的图像画面)，相当于计算机显示屏幕上的一个象素，相当于一群举着不同色板拼成画图的人中的一个。 光谱分辨率，指成像的波段范围，分得愈细，波段愈多，光谱分辨率就愈高，现在的技术可以达到5~6nm（纳米）量级，400多个波段。 2光谱分辨率 光谱分辨率是指传感器在接收目标辐射的光谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 光谱分辨率指成像的波段范围，分得愈细，波段愈多，光谱分辨率就愈高，现在的技术可以达到5~6nm（纳米）量级，400多个波段。
高分辨率卫星影像卫星参数表
北京揽宇方圆信息技术有限公司 表1：商业光学高分辨率卫星参数一览表
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。
遥感影像分辨率
遥感分辨率与制图比例尺关系 张益新 （淮海工学院测绘工程学院，江苏连云港 222005） 摘要：分析遥感影像分辨率与制图比例尺相关的关系，从遥感分辨率与制图比例尺的数学定律来阐述两者的关系，最后指出如何选取适当空间分辨率的卫星影像，为制图提供帮助 关键词：遥感影像分辨率比例尺关系 1.引言 当今世界随着信息技术和传感器技术的飞速发展，各种测量技术日新月异，各种测量技术为社会的进步作出了巨大的贡献。其中遥感技术作为目前测量顶端技术，已经被广泛的应用到各个领域。在科学家的努力下，遥感影像的空间分辨率有了很大提高。原来只有航空影像能够达到的精度，如今遥感影像也能够满足需要。卫星遥感影像是平面几何精度与地物类别精度的统一，影像空间分辨率是决定影像精度的一个重要指标，影像精度要满足相应比例尺地图更新对于影像识别能力和成图精度要求，同时又要考虑地图更新成本。冗余的分辨率会增加影像购买成本和加重内业处理的负担；而若分辨率达不到一定要求，细小的地物就无法判读、影像控制点精度得不到保证，满足不了成图精度。现在我们就来讨论遥感影像分辨率与制图比例尺的关系。 2.遥感影像空间分辨率与成图比例尺的数学关系 资源卫星遥感影像空间分辨率R (单位为m ) 与可制作的合理成图比例尺m (m 为比例尺分母) 以及图件要求的误差范围e (单位为mm ) 存在以下关系: e ×m × 10-3= C ×R (1) 式中 C ——影像几何校正系数, 即: 经几何校正以后,最差的像元位置均方根差(Roo t M ean Squa re, 简称RM S) , 以像元为单位, 达到多少个像元; e——人眼的分辨率, 通常采用0.2mm。式(1) 的左边是一般图件允许的实地误差(以m 为单位) , 而右边是遥感影像校正后存在的实地误差, 这两个误差在遥感制图中应当相等, 也是(1) 式成立的基础。几何校正系数C 是一个待定变量。以RTK GPS(Real T ime Kinemat ic GPS) 测量值作为真值, 求出精校正遥感影像与真值的误差, 计算得到误差的均方根差, 就可以求出精纠正遥感影像均方根差的像元个数,即C 的值。C 值确定后, 利用(1) 式可以计算出此遥感影像可以制作的合理成图比例尺。通常, 遥感影像空间分辨率越低, 几何校正系数C 就应设置越大, 这是因为空间分辨率越低, 影像边缘几何变形就越大, 几何校正的效果就越差。
谷歌卫星影像地图各级比例尺及空间分辨率列表
谷歌卫星影像地图各级比例尺及空间分辨率列表 级别实际距离像素图上距离图像分辨率比例尺空间分辨率第2级5000公里70 2.47厘米72dpi2亿：171公里第3级2000公里55 1.94厘米72dpi1亿：136公里第4级2000公里115 4.06厘米72dpi5千万：117公里
第5级1000公里115 4.06厘米72dpi 2.5千万：19公里第6级500公里115 4.06厘米72dpi 1.2千万：14公里第7级200公里91 3.21厘米72dpi6百万：12公里第8级100公里176 6.21厘米72dpi160万：1568米第9级50公里91 3.21厘米72dpi155万：1549米第10级20公里72 2.54厘米72dpi80万：1278米第11级10公里72 2.54厘米72dpi40万：1139米
第12级5公里72 2.54厘米72dpi20万：169米第13级2公里57 2.01厘米72dpi10万：135米第14级2公里118 4.16厘米72dpi5万：117米第15级1公里118 4.16厘米72dpi 2.5万：18米 第16级500米118 4.16厘米72dpi 1.2万：14米 第17级200米93 3.28厘米72dpi2300：1 2.15米第18级100米93 3.28厘米72dpi3000:1 1.07米
第19级50米93 3.28厘米72dpi1500:10.54米第20级20米74 2.61厘米72dpi800：10.27米 第21级10米72 2.54厘米72dip393.70(1000/2.54)0.138(10/72)米/像素第22级5米72 2.54厘米72dip196.85(500/2.54)0.0694(5/72)米/像素
高空间分辨率图像
高空间分辨率图像 卫星影像空间分辨率能够被传感器辨识的单一地物或2个相邻地物间的最小尺寸。空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。广西善图科技有限公司 高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。 目前，已经商业化运行的光学遥感卫星的空间分辨率已经达到“亚米级”，如2016年发射的美国WorldView-4卫星能够提供0.3 m分辨率的高清晰地面图像。 近年来，随着我国空间技术的快速发展，特别是高分辨率对地观测系统重大专项的实施，我国的卫星遥感技术也迈入了亚米级时代，高分2号卫星（GF-2）全色谱段星下点空间分辨率达到0.8 m。
上海陆家嘴高分辨率图像 GF-2号卫星0.8 m全色与3.2 m多光谱融合结果 商业化高分图像的多领域应用 农业 法国SPOT-5 2.5 m融合图像已经被应用于农作物种植面积的小区域精细抽样调查，基于空间排列结构特征分析，可以实现人工种植园中冬小麦、水稻和棉花等种植区域的提取。 城市规划管理 GF-2图像可准确地识别城市街道、行道绿地、公园、建筑物、甚至车辆数量信息。 海岸带调查 应用美国WorldView-2高分数据，大幅提高了海岸线提取的精度，实现了围填海状况监测。 灾情评估 高分图像可以实现滑坡和洪水淹没区快速提取、建筑物毁坏等监测，还可利用如美国IKONOS高分影像生成立体像对地震灾害前后房屋做精准的损毁状况评估。 军事国防 高分图像可以精确识别敌方的人员与装备，包括装备的型号、数量、调动等重要信息。
空间分辨率
空间分辨率——数字射线照相的关键参数 分类：X-Ray2010-03-17 13:28 341人阅读评论(0) 收藏举报概念：空间分辨率是指图像中可辨认的临界物体空间几何长度的最小极限，即对细微结构的分辨率。 以下： 强天鹏撰 模拟图像是指由连续信号构成的图像，射线照相得到的底片图像就是模拟图像；而数字图像是指由大量的点（像素）构成，可用二进制数字描述的图像。数字图像早已进入我们的生活:数码相机已把胶卷相机逼入绝境；数字电视也已开始与模拟电视分庭抗礼；在医院里，CR、DR和CT装置用得越来越多，已逐步取得人体透视和拍片——这些技术得到的都是数字图像。但在工业上的应用，即工业CR、工业DR的应用则相对迟缓，目前仍然是胶片照相占据绝对优势。究其原因，主要是分辨率问题：工业应用数字图像比医用的数字图像的分辨率要求要高得多，人体检查一般要求的分辨率水平是厘米级或毫米级，而承压设备焊缝检测的分辨率水平要求达到0.1毫米级，甚至更小。 分辨率是描述数字图像质量的重要参数。分辨率包括空间分辨率和灰度分辨率两项指标。数字图像的空间分辨率取决于像素尺寸的大小。像素（Pixel）是构成数字图像的基本单元。如果把数字图像放大许多倍，会发现这些连续图像其实是由小点组成。把一幅图像按行与列分割成m×n个网格，就可用一个m×n的矩阵来表达该图像。每一格即为一个像素，m与n数值越大，像素量就越大，单个像素的尺寸就越小，图像就越细腻，空间分辨率就越高。灰度分辨率取决于灰度的模数转换位数。每个像素的亮度称为灰度（对彩色图像则是颜色），可用一个有限长度的二进制数值表示。位数越长，灰度级别就越多，层次就越丰富（或颜色就越逼真），灰度分辨率就越高。如果是8位模/数转换，则灰度可分为28=256个级别；如果是16位模/数转换，则灰度可分为216=65536个级别。 提高数字图像的灰度分辨率相对比较容易，只要增加模/数转换位数就行，而提高数字图像的空间分辨率则困难的多。 应用于工业射线检测的数字技术有： 1、底片数字化扫描技术； 2、图像增强器实时成像技术； 3、计算机X射线照相技术（CR）； 4、线阵列扫描成像技术（LDA）； 5、非晶硅和非晶硒数字平板成像技术； 6、CMOS数字平板成像技术； 以上六种技术的空间分辨率各不相同，比较其分辨率高低大致如下：图象增强器的空间分辨率约为100-300微米，二极管阵列（LDA）的空间分辨率约为100?200微米，非晶硅/硒
医学影像设备空间分辨率检测及具体实施
空间分辨率检测 详细的列举过了各个医学影像设备质量控制的影响因素，我们发现，在常用的医学影像设备的质量控制中，空间分辨率是一个具有代表性、参考性、一个必不可少的典型影响因素。经过一系列的调查与研究，由于不同的设备它们的检测方法与检测器材各不相同，所以我以空间分辨率为例，来论述一下不同的医学影像设备的空间分辨率的质量检测的具体实施方法。 4.1 X线空间分辨率检测 4.1.1 检测器材 瑞典PTW NORMI 13型性能体模，主要进行空间分辨力、密度分辨力和可见灰度级等性能参数的检测、线对卡（见图4.1）、胶带、纸、笔等。 图4.1 线对卡 4.1.2 检测方法 对于普通的荧光屏透视的X射线诊断检查设备，检测时将体模放在探测器的准屏板上，并且将体模中心摆在准屏板中央，把光照视野调到一个恰当的大小，确保准屏板的中心对准体模的中心。然后，按照常用的摄影参数数据去进行曝光。检测空间分辨率的模块由不同的线对数构成的线对卡组成，常用的摄影参数具体数值我们设置为管电压70kV，管电流3mA，完成曝光，将得到的图像在高分辨率诊断的显示器下调整放大倍数，观察图像上的线对卡，并记录下能分辨的最大线对数的数值是多少。 4.1.3结果与注意事项 普通荧光屏透视系统的空间分辨力应该不小于1lp/mm。选择合适的透视条件对产生的检测结果来看十分重要，机房应该避光性要好，应该在充分暗的适应
条件下进行。在实施上述所有质量检测时，必须注意周围所有技术人员的X射线辐射安全;检测结果不达到国家或地方标准应该马上与负责该被检医学影像设备的有关部门或人员进行沟通，分析原因，共同提出解决的方案，并建议停止使用设备，等待处理后重新检测达标后方可再投入使用。在使用检测仪之前应该仔细阅读将所使用检测仪的说明书，比如测量方法与步骤和注意事项等，必须做到心中有数;检测仪或探测器与X射线束的中心重合、水平非常重要;熟悉被检测的X射线诊断设备的性能参数，特别是需要保证最大的管电压kV值和最大管电流mA值是否在允许检测的最大值范围内，与实际操作方法，如果对被检设备不是十分熟悉，应该在非常熟悉的技术人员(技师以上)的帮助下完成检测，最好有熟悉的工程师协助，是更理想的情况;在质量检测的过程中，任何情况下都不应该超过被检测的X射线管管电压的最大额定值。 4.2 X-CT空间分辨率检测 4.2.1 检测器材 美国Victoreen公司76-410中的空间分辨率插件，和76-411体部空间分辨率环。空间分辨率插件是由丙烯树脂的材料组成的直径为190mm，厚度为64mm 的圆柱体，在它的中心位置包含有8组孔径分别为1.75 mm、1.5 mm、1.25 mm、1.0 mm、0.75mm、0.6mm、0.5mm、0.4mm的孔，每组5个孔都平行排列，孔间距等于孔径，孔的中间充满着空气。体部环用有机玻璃的材料制作成外径为310mm、内径为216mm、厚度为63mm的圆柱环。圆环上面安装两块一样的空间分辨率插件，两块之间的距离为90mm。每块插件中含有7组孔径分别为2.0 mm、1.75 mm、1. 5 mm、1.25 mm、1. 0mm、0.75 mm、0.6 mm孔，孔的间距等于孔的直径，每组5个孔平行排列，孔中充斥着空气。 4.2.2 检测方法 首先，我们把模体放在CT机的床上，让CT机里面安装的激光线把床调节到一个合适的位置，让模体的中心与扫描的中心保持一致，从而获得一幅正确的质量检测影像。如果中心发生了偏移，哪怕是一点点，我们也需要再次确定中心点的位置。其次，我们需要将扫描的部位进行确定，作为模体的一幅定位像，确定空间分辨率检测的部分所在的位置，并且移动诊视床到所需要的位置。我们分别选取两个比较常用的扫描条件。(1)头部扫描: 用头部本来设定的扫描条件或者较小视野的扫描条件，选取10mm的层厚。如果用常规的扫描条件，肺部高分辨率扫描，比如视野设置为15cm、层厚为2mm、高分辨率重建滤过函数分别去进行扫描，每个条件都需要进行5次扫描。(2)体部扫描: 在进行体部扫描时，将体部套环套在模体外面，位于空间分辨率插件的位置，用体部扫描条件重复上述的
高分辨率影像的空间定位误差分析
龙源期刊网 https://www.360docs.net/doc/d2732468.html, 高分辨率影像的空间定位误差分析 作者：樊丽萍 来源：《中小企业管理与科技·上旬刊》2011年第01期 摘要：高分辨率遥感影像的空间几何精纠正是影像处理的一个重要步骤，其空间定位的误差与不确定性已成为遥感与GIS研究的一个热点。高分辨率影像的空间定位误差是在几何校正、地面控制点判读和选取、1：1万地形图上地面控制点的坐标读取等过程中引入的误差而 产生的，并导致误差与不确定性从地形图上传播到影像上。为了验证高分辨率影像定位的误差，本文通过使用手持GPS进行野外测点，用实测坐标与SPOT5（2.5m）遥感影像的同名点的空间坐标进行对比，确定两者的一致性，验证SPOT5（2.5m）遥感影像的空间定位。同时 通过两台GPS平行观测，对比同步观测机的数据，分析手持GPS的误差来源以及稳定性对定位精度的影响，并探讨手持GPS测点作为高分辨率影像空间定位的可能性。 关键词：高分辨率影像地面标志定位精度误差分析 0 引言 本文的遥感影像是采用法国SPOT5生成的2.5m分辨率的图像产品。但遥感影像的获取会由于平移、缩放、旋转、偏扭、弯曲而产生几何畸变，如像元大小与地面大小对应不准确，将给位置配准造成困难。同时，进行几何校正和数据空间配准时，由于地形图的现势性弱，许多明显地物在地图上都没有显示，很难从地形图上选择符合精度的地面控制点，而且在几何校正的过程中，地面控制点的判读和选取，从1：1万地形图上选取地面控制点坐标的过程，以及使用PCI配准影像产生的误差都会将误差累积传播到最终结果，影响空间定位的精确度。因此，本文希望通过GPS野外测量与遥感影像数据的误差计算来提高高分辨率影像定位精度。 1 高分辨率遥感影像的几何精纠正 几何精纠正的方法及原理 几何纠正包括粗纠正和精纠正两种，粗纠正根据有关参数进行纠正；经常用的是精纠正。几何精纠正是将一幅含有几何畸变和比例尺差异的原始遥感影像，通过一种数学变换，生成一幅符合数字化地图实际的新的遥感影像。几何精纠正的具体方法为: 先在每幅原始遥感影像上选取若干个控制点，再求出这些控制点在数字化地图上对应点的真实坐标，然后把这些已知坐标的控制点代入计算机的校正软件进行运算。校正运算实际上包含着两个基本的运算过程: 一是将每个原始像素点的行列值换算成它在新生成的遥感影像中的坐标值，二是重新计算出每个原始像素点在新生成的遥感影像中的像元亮度值。当所有的控制点被选好后，其校正运算的过
高分辨率遥感影像分类实验报告
高分辨率遥感影像分类实验报告 班级：___________________ 姓名：___________________ 学号：___________________ 指导老师：_______________ 地球科学与环境工程学院 二?一四年六月
目录 1 实验方法——面向对象方法 (1) 2 实验内容 (1) 2.1 影像预处理 (1) 2.1.1 影像数据融合 (1) 2.1.2 影像增强处理 (2) 2.2 创建工程 (2) 2.3 分割处理 (3) 2.4 分类 (4) 2.4.1 水体 (4) 2.4.2 陆地 (5) 2.4.3 植被 (6) 2.4.4 裸土 (7) 2.4.5 建筑物 (8) 2.4.6 道路 (9) 2.4.7 阴影 (10) 2.4.8 总体分类图 (12) 3 结语 (13)
1实验方法——面向对象方法 面向对象方法是一个模拟人类大脑认知的过程，将图像分割为不同均质的对 象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。 因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息， 结合各 种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。 首先 需要使用一定方法对遥感影像进行分割， 在提取分割单元（图像分割后所得到的 内部属性相对一致或均质程度较高的图像区域） 的各种特征后，在特征空间中进 行对象识别和标识，从而最终完成信息的分类与提取。 2实验内容及详细过程 2.1影像预处理 2.1.1影像数据融合 实验数据为QuickBird 影像，包括4个多光谱波段以及一个全色波段。 QuickBird 影像星下点分辨率：全色为 0.61m ,多光谱为2.44m 。对于面向对象 影像分类 来说，越高的高空间分辨率越好，但在对对象进行分类时，光谱信息同 样重要，因此，可将高分辨率的全色影像和多光谱影像进行数据融合。 使用 ERDAS 进行数据融合： Interprete u spatialenchancemen ^resolution mergeo 图1 全色影像与多光谱影像融合 Ib^pul Fh (*.网| MJitiMewl lf