基于星载高光谱数据的遥感数据预处理

摘要遥感影像的预处理是遥感数据应用的基础，预处理结果的好坏将影响图像的质量及后续的研究。研究利用高光谱数据对穿越香格里拉县中部一景EO-1 Hyperion数据进行预处理。预处理分别进行envi补丁下数据波组合、未定标和水汽影响波段去除、绝对辐射值转换、大气校正等处理，结果表明：图像质量提高，减少了数据运算量，为应用研究奠定了基础。。

关键词EO-1；Hyperion；高光谱；遥感；大气校正

遥感可以快速获取地表信息，并通过数据的传输与处理、判译分析，实现了解和研究地物的空间分布等地表特征[1]。由于遥感系统空间、波谱、时间以及辐射分辨率的限制，会在数据获取的过程中产生误差。这些误差降低了遥感数据的质量和精度。因此，在图像分析和处理之前需要进行遥感原始影像的预处理，减小数据误差，提高图像质量。选用穿越香格里拉中部的一景EO-1 Hyperion数据，着重进行绝对辐射值转换、坏线修复、大气校正、几何校正等预处理工作以及方法的阐述。

1 EO-1 Hyperion数据介绍

EO-1上搭载了3种传感器，高光谱成像光谱仪Hyperion是其中之一。Hyperion数据覆盖范围为北纬15°~55°，东经70°~140°的矩形区域。Level 1R （Hyp-L1R）和Level 1Gst数据产品（Hyp-L1G）分别是Hyperion高光谱成像光谱仪的2种数据格式数据产品。该数据共有242个波段，幅宽7.7 km，地面分辨率为30 m，光谱范围为400～2 500 nm，光谱分辨率达到10 nm。

虽然hyperion的L1级数据是经过一系列的处理结果得来，但实际结果仍然存在着质量问题，需要进行进一步的数据预处理，以解决图像数据误差。

2 Hyperion数据预处理原理与方法

研究区位于香格里拉县中部，香格里拉地理位置处于北纬27°31′12″~28°31′12″，东经99°12′00″~100°17′24″，是滇、川以及西藏三省区交汇处，该研究区森林资源丰富。研究选取香格里拉县中部一景Eo-1 Hyperion影像（EO1H132040200 4307110PX）为源数据，此图像成像时间为2004年3月7日。影像范围为北纬26°31′48″~28°27′00″，东经99°19′12″~100°4′48″，该影像选取29、20、11波段进行RGB彩色合成。

2.1 ENVI补丁下数据波段组合

为方便使用Hyperion数据而使用Hyperion工具组件，在进行预处理时先进行ENVI补丁下数据波段组合。Hyperion工具的使用会将该研究区的L1G/L1T GeoTIFF数据转换成含有波长、最大波宽和坏波段信息的ENVI格式的文件。

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

光谱数据处理流程解析

渤海SVC 光谱数据处理 2009.9.9 一．基本原理水体遥感反射率的计算公式为： /(0)rs w d R L E += 其中，水面入射辐照度比(0)d E +又为： (0)*/d p p E L πρ+= p L 为标准板的反射信号； p ρ为标准板的反射率。而水面以上水体信号组成可表示为公式： *u w f sky wc g L L L L L ρ=+++ 其中：u L 代表传感器接收到的总信号； w L 是进入水体的光被水体散射回来后进入传感器的离水辐射率，是我们需要得到的量。 f ρ为菲涅尔反射系数，平静水面可取r=0.022,在5m/s 左右风速的情况下, r 可取0.025, 10m/s 左右风速的情况下, 取0.026—0.028（唐军武，2004）。 s k y L 是天空光信号，通过实地测量得到； wc L 是来自水面白帽的信号、g L 是来自太阳耀斑的信号。这两部分信号不携带任何水体信息，在测量过程中通过采用特定的观测几何来避免和去除。具体可参考《环境遥感模型与应用》二．处理流程： 1.生成moc 文件：将测量得到的原始光谱XXX.sig 文件通过overlap 处理后得到去除传感器间重复波段影响后的平滑光谱曲线： ①安装运行SVC-HR1024软件，选择tools —SIG file overlap ，在browser 中选择要处理的.sig 文件； ②点击process all files 进行处理，生成的moc 文件自动保存在与.sig 同一个文件夹下面。数据储存：为每一天新建一个以日期命名的文件夹，根据这一天所测的站点数，建立以相应点号命名的子文件夹以储存各点位测得的光谱数据(包括原始.sig 和生成的_moc.sig 文件) 2.制作.meta 文件：根据原始观测记录在.meta 文件中写入对应的水体测量（No_water_files ）、天空光测量（No_sky_files ）、灰板测量光谱曲线（No_plaq_files ）及灰板反射率的文件储存路径信息，以辅助反射率的计算。

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。

高光谱遥感

? ? ? ?
高光谱遥感的基本概念高光谱遥感器及平台简介高光谱遥感技术高光谱应用概况

高光谱遥感的基本概念
? 高光谱分辨率（简称为高光谱）遥感或成像光谱遥感技术的发展是过去二十年中人类在对地观测方面所取得的重大技术突破之一，是当前遥感的前沿技术。它是指利用很多很窄的电磁波波段获取许多非常窄且光谱连续的图像数据的技术，融合了成像技术和光谱技术，准实时地获取研究对象的影像和每个像元的光谱分布。

国际遥感界认为光谱分辨率在10-1λ数量级范围内的为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区只有几个波段，如美陆地卫星TM和法国SPOT卫星等; 光谱分辨率在10-2λ的遥感信息称之为高光谱(Hyperspectral)遥感。由于其光谱分辨率高达纳米(nm)数量级，往往具有波段多的特点，即在可见到近红外光谱区其光谱通道多达数十甚至超过 100以上。随着遥感光谱分辨率的进一步提高，在达到10-3λ 时，遥感即进入了超高光谱(Ultraspectral)阶段、
光谱区域（nm）： 400 700 1100 2500 5500 14000
VIS VNIR
PIR
MIR
Sunlight 光谱分辨率波段数多光谱高光谱 5-10 100-200 Δλ/λ 0.1 0.01 VNIR 50-100 5-20
IRT
MIR 100-200 10-50
IRT 1000-2000 100-500

遥感卫星影像预处理做哪些

北京揽宇方圆信息技术有限公司热线：4006019091 遥感影像数据预处理影像融合不同传感器的数据具有不同的时间、空间和光谱分辨率以及不同的极化方式。单一传感器获取的影像信息量有限，往往难以满足应用需要，通过影像融合可以从不同的遥感影像中获得更多的有用信息，补充单一传感器的不足。全色图影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富。为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱图像，通过融合既提高多光谱影像空间分辨率，又保留其多光谱特性。对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。影像匀色相邻的遥感图像，由于成像日期、季节、天气、环境等因素可能有差异，不仅存在几何畸变问题，而且还存在辐射水平差异导致同名地物在相邻图像上的色彩亮度值不一致。如不进行色调调整就把这种图像镶嵌起来，即使几何配准的精度很高，重叠区复合得很好，但镶嵌后两边的影像色调差异明显，接缝线十分突出，既不美观，也影响对地物影像与专业信息的分析与识别，降低应用效果。要求镶嵌完的数据色调基本无差异，美观。遥感影像匀色后保证影像整体色彩一致性。影像镶嵌将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像，通过镶嵌处理，可以获得更大范围的地面图像。参与镶嵌的图像可以是不同时间同一传感器获取的，也可以是不同时间不同传感器获取的图像，但同时要求镶嵌的图像之间要有一定的重叠度。影像去云雾影像数据常常有云雾覆盖，针对有云雾覆盖的影像，可以通过后期技术处理去除薄云雾，达到影像最佳效果。影像纠正依据控制点，利用相应软件模块对数据进行几何精校正，这一步骤包括利用地面控制点（GCPs）找出实际地形，计算配准中控制点的误差，利用DEM消除地形起伏引起的位移，然后对图像进行重采样等。形成符合某种地图投影或图形表达要求的新影像。即插即用无使用门槛，可与各类GIS软件系统无缝衔接第 1 页

遥感图像预处理实验报告

实验前准备：遥感图像处理软件认识 1、实验目的与任务： ①熟悉ENVI软件，主要是对主菜单包含内容的熟悉； ②练习影像的打开、显示、保存；数据的显示，矢量的叠加等。 2、实验设备与数据设备：遥感图像处理系统ENVI4.4软件；数据：软件自带数据和河南焦作市影响数据。 3、实验内容与步骤： ⑴ENVA软件的认识如上图所示，该软件共有12个菜单，每个菜单都附有下拉功能，里面分别包含了一些操作功能。 ⑵打开一幅遥感数据选择File菜单下的第一个命令，通过该软件自带的数据打开遥感图像，可知，打开一幅遥感影像有两种显示方式。一种是灰度显示，另一种是RGB显示。 Gray（灰度显示）RGB显示 ⑶保存数据 ①选择图像显示上的File菜单进行保存； ②通过主菜单上的Save file as进行保存

⑷光谱库数据显示选择Spectral > Spectral Libraries > Spectral Library Viewer。将出现Spectral Library Input File 对话框，允许选择一个波谱库进行浏览。点击“Open Spectral Library”，选择某一所需的波谱库。该波谱库将被导入到Spectral Library Input File 对话框中。点击一个波谱库的名称，然后点击“OK”。将出现Spectral Library Viewer 对话框，供选择并绘制波谱库中的波谱曲线。 ⑸矢量化数据点选显示菜单下的Tools工具栏，接着选择下面的第四个命令，之后选择第一个命令，对遥感图像进行矢量化。点击鼠标左键进行区域选择，选好之后双击鼠标右键，选中矢量化区域。 ⑹矢量数据与遥感影像的叠加与切割选择显示菜单下的Tools工具，之后点选第一个 Link命令，再选择其下面的第一个命令，之后 OK，结束程序。选择主菜单下的Basic Tools 菜单，之后选择其中的第二个命令，在文件选择对话框中，选择输入的文件（可以根据需要构建任意子集），将出现Spatial Subset via ROI Parameters 对话框通过点击矢量数据名，选择输入的矢量数据。使用箭头切换按钮来选择是否遮蔽不包含在矢量数据中的像元。遥感图像的辐射定标 1、实验目的与任务： ①了解辐射定标的原理； ②使用ENVI软件自带的定标工具定标； ③学习使用波段运算进行辐射定标。 2、实验内容与步骤： ⑴辐射定标的原理辐射定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等

高光谱数据处理基本流程

高光谱数据处理基本流程 The document was finally revised on 2021

高光谱分辨率遥感用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。高光谱遥感具有不同于传统遥感的新特点：（1）波段多——可以为每个像元提供几十、数百甚至上千个波段；（2）光谱范围窄——波段范围一般小于10nm；（3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱；（4）数据量大——随着波段数的增加，数据量成指数增加；（5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。优点：（1）有利于利用光谱特征分析来研究地物；（2）有利于采用各种光谱匹配模型；（3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程：一、图像预处理高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。二、显示图像波谱打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。三、波谱库 1、标准波谱库软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库

ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等四、端元波谱提取端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。端元波谱的确定有两种方式：（1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择；（2）在遥感图像上得到的“图像端元”。端元波谱获取的基本流程：（1）MNF变换重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。（2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。作用及原理：

遥感数据预处理

遥感讲座——遥感影像预处理据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。下面是预处理中比较常见的流程。 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。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。

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

高光谱数据处理基本流程

高光谱分辨率遥感用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。高光谱遥感具有不同于传统遥感的新特点：（1）波段多——可以为每个像元提供几十、数百甚至上千个波段；（2）光谱范围窄——波段范围一般小于10nm；（3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱；（4）数据量大——随着波段数的增加，数据量成指数增加；（5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。优点：（1）有利于利用光谱特征分析来研究地物；（2）有利于采用各种光谱匹配模型；（3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程：一、图像预处理高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。二、显示图像波谱打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。三、波谱库 1、标准波谱库软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱

来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等四、端元波谱提取端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。端元波谱的确定有两种方式：（1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择；（2）在遥感图像上得到的“图像端元”。端元波谱获取的基本流程：（1）MNF变换重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。（2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。作用及原理：纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）

高光谱遥感的发展与应用_张达

第１１卷　第３期２０１３年６月光学与光电技术ＯＰＴＩＣＳ　＆ＯＰＴＯＥＬＥＣＴＲＯＮＩＣ　ＴＥＣＨＮＯＬＯＧＹＶｏｌ．１１，Ｎｏ．３　Ｊｕｎｅ，２０１３收稿日期　２０１２－０９－２９；　收到修改稿日期　２０１２－１２－１３作者简介　张达（１９８１－），男，博士，副研究员，硕士生导师，主要从事空间光学遥感仪器的研制、空间光学成像，以及光谱探测技术方面的研究。Ｅ－ｍａｉｌ：ｚｈａｎｇｄａ＠ｃｉｏｍｐ．ａｃ．ｃｎ基金项目　国防预研基金（ＳＡ０５０），国家８６３高技术研究发展计划（２０１０ＡＡ１２２１０９１００１），吉林省科技发展计划（２０１１０１０７９）资助项目文章编号：１６７２－３３９２（２０１３）０３－００６７－０７高光谱遥感的发展与应用张　达　郑玉权（中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３）摘要　阐述了高光谱遥感的特点、优势，以及在航空及航天领域的发展情况，列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上，概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议，包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。关键词　高光谱遥感；发展；应用；成像光谱仪中图分类号　ＴＰ７０文献标识码　Ａ１　引　言遥感技术是２０世纪６０年代发展起来的对地观测综合性技术［１］，随着２０世纪８０年代成像光谱技术的出现，光学遥感进入了高光谱遥感阶段。从２０世纪９０年代开始，高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段。高光谱遥感技术作为对地观测技术的重大突破［２］，其发展潜力巨大。高光谱遥感实现了遥感数据图像维与光谱维信息的有机融合，在光谱分辨率上有巨大优势，是遥感发展的里程碑。随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛，已渗透到国民经济的各个领域，如环境监测、资源调查、工程建设等，对于推动经济建设、社会进步、环境的改善和国防建设起到了重大的作用。本文主要阐述高光谱遥感的特点、优势以及在航空及航天领域的发展情况，概括了高光谱遥感在植被生态、大气环境、地质矿产，海洋军事等领域的应用情况。２　高光谱遥感特点与优势高光谱遥感是高光谱分辨率遥感（Ｈｙｐｅｒｓｐｅｃ－ｔｒａｌ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ）的简称［３］，它是在电磁波谱的紫外、可见光、近红外、中红外和热红外波段范围内，获取许多非常窄且光谱连续的影像数据的技术，是在传统的二维遥感的基础上增加了光谱维，形成的一种独特的三维遥感。对大量的地球表面物质的光谱测量表明，不同的物体会表现出不同的光谱反射和辐射特征，这种特征引起吸收峰和反射峰的波长宽度在５～５０ｎｍ左右，其物理内涵是不同的分子、原子和离子的晶格振动，引起不同波长的光谱发射和吸收，从而产生了不同的光谱特征。运用具有高光谱分辨率的仪器，通过获取图像上任何一个像元或像元组合所反映的地球表面物质的光谱特性，经过后续数据处理，就能达到快速区分和识别地球表面物质的目的［４］。高光谱遥感的成像光谱仪具有光谱分辨率高（５～１０ｎｍ），光谱范围宽（０．４μｍ～２．５μｍ）的显著特点，可以分离成几十甚至数百个很窄的波段来接收信息，所有波段排列在一起能形成一条连续的完整的光谱曲线，光谱的覆盖范围从可见光、近红外到短波红外的全部电磁辐射波谱范围。高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱维信息的有机融合［５］。高光谱遥感在光谱分辨率方面的巨大优势，使得空间对地观测时可获取众多连续波段的地物光谱图像，从而达到直接识别地球表面物质的目的。地物光谱维信息量的增加为遥感对地观测、地物识别及地理环境变化监测提供了

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。

高光谱遥感及其发展与应用综述

高光谱遥感及其发展与应用综述摘要：高光谱遥感是20世纪80年代兴起的新型对地观测技术。文中归纳了高光谱遥感技术波段多、波段宽度窄，光谱分辨率高，数据量大、信息冗余，“图谱合一”等特点，具有近似连续的地物光谱信息、地表覆盖的识别能力极大提高、地形要素分类识别方法灵活多样、地形要素的定量或半定量分类识别成为可能等优势，简单介绍了高光谱遥感在国外及国内的发展情况。在此基础上，概述了高光谱遥感在地质矿产、植被生态、大气科学、海洋、农业等领域的应用。关键词：高光谱遥感；发展；应用 1高光谱遥感高光谱分辨率遥感是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据。它的基础是测谱学。测谱学早在20世纪初就被用于识别分子和原子及其结构，20世纪80年代才开始建立成像光谱学。它是在电磁波谱的紫外、可见光、近红外和中红外区域，获取许多非常窄且光谱连续的图像数据的技术。成像光谱仪为每个象元提供数十至数百个窄波段光谱信息，能产生一条完整而连续的光谱曲线。 1.1高光谱遥感的特点（1）波段多，波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。（2）光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。（3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线，即所谓的“谱像合一”。（4）数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。（5）数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。 1.2高光谱的优势高光谱遥感的光谱分辨率的提高，使地物目标的属性信息探测能力有所增强。因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势: (1)蕴含着近似连续的地物光谱信息。高光谱影像经过光谱反射率重建，能获取

HyMap成像光谱仪系统和高光谱数据应用

HyMap成像光谱仪系统及其应用 1.HyMap成像光谱仪系统简介 HyMap机载成像光谱仪是由澳大利亚集成光电公司(ISPL)研制生产的,投入商业性运营的机载成像光谱仪。经过近5年的发展，它已成为技术较为完善、系统较为配套的新一代使用型航空高光谱成像仪的代表。HyMap于1997年开始应用于商业勘探领域，尤其在地质勘探领域特别是矿物填图方面得到了广泛应用。为了推进成像光谱技术在我国地质找矿中的应用，中国地质调查局于2002年通过租用澳大利亚机载成像光谱仪的方式,开展了新疆东天山地区航空成像光谱飞行、数据获取、数据处理,以及应用研究工作,为澳大利亚机载成像光谱仪引进和成像光谱技术推广应用奠定了基础。并于2012年通过天津中科遥感信息技术有限公司，与澳大利亚集成光电公司(ISPL)签订了HyMap的购买合同。图1 HyMap成像光谱仪及其获取的影像 2.HyMap成像光谱仪系统的主要组成 HyMap成像光谱仪系统主要有硬件和软件系统组成，其中硬件系统包括： HyMap-C主机，由4个探测器组织,每个探测器有32个通道；以及备用探测器集成稳定平台（GSM3000） POS（IMU/DGPS）系统主机和稳定平台之间的PAV30的适配环定标设备电子部件和备用电子设备

控制部件、数据传输与存储等部件、存储介质（SSD硬盘）软件系统包括：飞行管理系统数据预处理及几何校正软件无缝拼接软件大气校正，光谱重建和矿物提取软件 3.HyMap成像光谱仪的成像模式 HyMap的分光器件为色散型成像光谱仪，其扫描方式为光机旋转式。光栅色散型成像光谱仪其原理为：入射狭缝位于准直系统的前焦面上，入射的辐射经准直光学系统准直后，经棱镜和光栅狭缝色散后由成像光谱系统将光能按波长顺序成像在探测器的不同位置上。具有一个成45°斜面的扫描镜，在电机的带动下进行360°旋转，其旋转水平轴与遥感平台前进方向平行。线阵列探测器用于探测任一瞬时视场内目标点的光谱分布。扫描镜的作用对目标表面进行横向扫描，一般空间的第二维扫描（纵向或帧方向扫描）由飞机运动产生。图2. HyMap成像光谱仪的成像方式图3. HyMap矿物影像

高光谱遥感数据处理基础

泛函分析概括高光谱遥感应用中，如何度量光谱间的相似性一直高光谱图象处理的核心问题，因而我们有必要先交代下度量空间的一些概念。度量空间:所谓度量空间，就是指对偶(,)X d ，其中X 是一个集合，d 是X 上的一个度量（或X 上的距离函数），即d 是定义在X X ?上且对所有,,X ∈x y z 满足以下四条公理的函数：（1） d 是实值、有限和非负的。（2）当且仅当=x y 时，(,)0d =x y 。（3） (,)(,)d d =x y y x （对称性）。（4） (,)(,)(,)d d d ≤+x y x z z y （三角不等式）。度量空间给出来空间中元素“距离”的度量，因而使得空间中的元素可比较。但是，仍需要在空间中引入代数结构，使得元素之间可进行代数运算。因而，这里需要引入线性空间。线性空间：所谓域(K R 或C)上的线性空间是指一个非空集合X ，且其元素,,x y （称为矢量）关于X 和K 定义了两种代数运算。这两种运算分别叫做矢量的加法与标量的乘法。矢量的加法是，对于X 中的每一对矢量(,)x y ，与其相联系的一个矢量+x y ，叫做矢量之和。按这种方式它还具有下述性质：矢量加法是可交换的和可结合的，即对所有矢量都有 ()()+=+++=++x y y x x y z x y z 此外存在零矢量,X ∈0并对每个矢量x ，存在有-x ，使得对一切矢量有 ()+=+-=x 0x x x 0 矢量与标量的乘法是，对于每个矢量x 和每个标量α，与其相联系的一个矢量αx ，叫做α与x 之积。按这种方式对一切,x y 和标量,,αβ具有

()()1αβαβ==x x x x 和分配律 ()()ααααβαβ+=++=+x y x y x x y 在很多情况下因为线性空间X 上定义了度量d ，所以X 同时也是一个度量空间。然而，如果X 的代数结构与度量没有什么关系的话，我们就不能指望把代数的概念和度量的概念结合在一起。为了保证X 的代数性质与几何性质有如此的关系，我们首先需要引入一个辅助的所谓“范数”的概念，其中要用到线性空间的代数运算。然后再用范数诱导出我们希望的度量d ，这一想法就导出了赋范空间的概念。简单的说，赋范空间把线性空间的代数结构和其作为度量空间的度量紧密结合在一起。赋范空间:所谓赋范空间X ，就是指在其上定义了范数的线性空间X 。而所谓线性空间X 上的范数，就是指定义在X 上的一个实值函数，它在X ∈x 的值记为x ，并且具有如下性质：（1）0≥x （2）0=?=x x 0 （3）αα=x x （4）+≤+x y x y 其中,x y 是X 中的任意矢量，α为任意标量。巴拿赫空间：所谓巴拿赫空间就是完备的赋范空间（这里的完备性是按范数定义的度量来衡量的，见下面公式） (,)d =-x y x y ,X ∈x y 此度量叫做由范数所诱导的度量。由范数所诱导的度量具备以下基本性质: 引理（平移不变性）：在赋范空间X 上，由范数诱导的度量d ，对所有的,X ∈x y 及每个标量α，都满足

高光谱遥感影像的光谱匹配算法研究概要

https://www.360docs.net/doc/1118768705.html, 中国科技论文在线高光谱遥感影像的光谱匹配算法研究蔡燕1，梅玲2作者简介：蔡燕，（1984-），女，硕士研究生，主要研究方向：高光谱遥感通信联系人：梅玲，（1984-），女，助理工程师，主要研究方向：水文地质. E-mail: meilingcumt@https://www.360docs.net/doc/1118768705.html, （1. 中国矿业大学环境与测绘学院，江苏徐州 221008； 2. 江苏煤炭地质勘探四队，南京 210046）摘要：在高光谱遥感影像处理中，光谱匹配技术是高光谱地物识别的关键技术之一。本文主要围绕光谱匹配算法的研究展开，分析讨论了常用的几种光谱匹配技术的特点，根据先验知识建立了多种地物标准光谱库，并将其读入程序存储，基于Visual C++平台实现了最小距离匹配，光谱角度匹配，四值编码匹配法，最后基于混淆矩阵对分类图像进行精度比较分析并对三种编码匹配法进行比较。关键词：高光谱；光谱匹配；最小距离匹配；光谱角度匹配；四值编码中图分类号：TP751 The Study on the Spectral Matching Technique of hyperspectral romote sensing Cai Yan1, Mei Ling2 (1. School Of Environment Science and Spatial Informatics China University of Mining and Technology, JiangSu XuZhou 221008;

2. JiangSu Geological Prospecting Team Four, NanJing 210046 Abstract: In the hyperspectral image processing, the spectral match technique is one of key techniques to identify and classify materials in the image. This paper addresses some issues of spectral matching methods. Several algorithms are analyzed and compared, such as minimum distance matching, spectral angle mapping and quad-encoding. According to the prior knowledge, standard spectral library including typical land-cover types is built, which is stored and used for spectral matching. All of work is done in the programming environment of Visual C++. Finally, the experimental results are tested and compared when classification accuracies are computed based on confusion matrixes. Keywords:hyperspectral; spectral match; minimum distance matching; spectral angle mapping; quad-encoding 0 引言高光谱遥感技术的发展和广泛应用是20世纪最具有标志性的科学技术成就之一，与传统的多光谱遥感技术相比，高光谱分辨率遥感的核心特点是图谱合一，即能获取目标的连续窄波段的图像数据[1]。高光谱遥感信息的分析处理集中于光谱维上进行图像信息的展开和定量分析。高光谱影像分类与地物识别是建立在传统的遥感图像分类算法基础之上，结合高光谱数据特点，对高光谱图像数据进行目标识别，是对遥感图像基本分类方法的扩展与延伸。高光谱遥感影像有着很高的光谱分辨率，且光谱通道连续，因此对于影像中的任一像元均能获取一条平滑而完整的光谱曲线，将其与地物波谱库中的光谱曲线进行匹配运算，实现地物识别与定量反演[2-4]。光谱匹配技术是成像光谱地物识别的关键技术之一，主要通过对地物光谱与参考光谱的匹配或地物光谱与数据库的比较，求算他们之间的相似性或差异性，突出特征谱段，有小提取光谱维信息，以便对地物特征进行详细分析[5]。本文紧紧围绕光谱匹配的算法分析了最小距离法，光谱角度匹配法，以及四值编码法，进行精度分析与方法比较。