ALOS卫星图像分析与预处理实证研究
ALOS卫星和ALOS-2卫星影像对比
到2010年时，ALOS卫星已经服役了4年（ALOS卫星于2006强。
实时的GPS L1导航：在监测灾害方面，实时导航在使用L1信号时很重要通过算法提升导航精度（预估电离层时延及其变化）测量精度优于10m事后精密定轨：双频（L1和L2波段）事后定轨精度优于1mALOS-2卫星的SAR载荷发射波段与L2信号有重叠部分提升GPS接收机低噪声放大器，抵抗SAR信号干扰的技术已经具备。
敏捷姿态能力：ALOS-2卫星具有绕本体滚动轴左右侧摆±30º的能力，该能力是为了减少卫星重访周期。
卫星从左侧视到右侧视的状态改变只需最多3分钟。
为了获得最大的姿态机动角速度，即在滚动轴方向角速度为0.7º/s，其中一个动量轮专门设置在滚动轴方向上。
该动量轮由JAXA的导航与控制研究所研制，最大输出控制力矩为0.9Nm，最大输出角动量为40Nms。
图2：ALOS-2卫星的左右测试机动能力示意图无线通信：任务要求卫星具有800Mbit/s的X波段载荷数据下传能力，而在传统的QPSK调制模式下，在375MHz频点下，峰值传输能力只能到400 Mbit/s，为了解决传输能力不足的问题，JAXA研发了XMOD（多模式高速数传模块）技术，使得数传系统能力提升到800Mbit/s，满足了卫星任务需求。
ALOS-2卫星装备了改进的数据管理系统，其中包括高速且巨大容量的数据存储装置，MDHS（任务数据处理系统）具有两种高速传输方式：直接传输和2次传输方式，MDHS的数据容量可达130GB，用于容纳PALSAR-2载荷收集得来的数据，并收集其他系统的健康数据。
图3：ALOS-2卫星数传系统逻辑架构发射情况：ALOS-2卫星于2014年5月24日，由日本研制的H-IIA F24型运载火箭从种子岛余杭中心发射升空，从火箭点火开始计时，15分钟47秒后ALOS-2卫星与运载火箭上面级分离确认。
图4：PALSAR-2载荷组成图CIRC（集成红外相机）CIRC是一款红外相机，在ALOS-2卫星上是一个有待验证的载荷，该载荷由三菱电气公司研制，是一款商业货架产品，相机配备了无需冷却的红外探测器阵列。
图像颜色增强处理——彩色变换实验报告
图像颜色增强处理（彩色变换）实验专题讲座课程：遥感科学与图像处理实验：图像颜色增强处理（彩色变换）姓名：学号：指导老师：一、实验名称图像颜色增强处理（彩色变换）二、实验目的对图像进行彩色变换；观察图像在不同色彩空间之间相互转换的结果异同，理解影像光谱增强中彩色变换的原理及其增强效果，将图象转换成一种更适合于人或机器进行分析处理的形式，提高图像的使用价值。
三、实验原理光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。
有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。
在使用单波段图像时，由于成像系统动态范围的限制，地物显示的亮度值差异较小。
又由于人眼对黑白图像亮度级的分辨能力仅有10～20级左右，而对色彩和强度的分辨力可达100多种，因此将黑白图像转换成彩色图像可使地物的差别易于分辨[1,2]。
1. 彩色合成（color composite）在通过滤光片、衍射光栅等分光系统而获得的多波段图像中选出三个波段，分别赋予三原色进行合成。
根据各波段的赋色不同，可以得到不同的彩色合成图像。
1)图像主成分变换融合主成分变换融合[2]是建立在图像统计基础上的多维线性变换,具有方差信息浓缩、数据量压缩的作用, 可以更准确地揭示多波段数据结构内部的遥感信息, 常常是以高空间分辨率数据代替多波段数据变换以后的第一主成分来达到融合的目的。
具体过程是: a. 对多波段遥感数据进行主成分变换( K- L 变换) ; b. 以高空间分辨率遥感数据替代变换以后的第一主成分; c. 进行主成分逆变换,生成具有高空间分辨率的多波段融合图像。
2) 真彩色合成在通过蓝、绿、红三原色的滤光片而拍摄的同一地物的三张图像上，若使用同样的三原色进行合成，可得到接近天然色的颜色，此方法称为真彩色合成。
3) 假彩色合成由于多波段摄影中，一副图像多不是三原色的波长范围内获得的，如采用人眼看不见的红外波段等，因此由这些图像所进行的彩色合成称假彩色合成。
快速了解并掌握AI技术在卫星图像处理中的应用方法
快速了解并掌握AI技术在卫星图像处理中的应用方法引言：随着人工智能（AI）技术的快速发展，应用于卫星图像处理领域的AI技术也逐渐成熟。
通过结合先进的机器学习和深度学习算法，AI技术在卫星图像处理中能够快速、准确地识别、分类和分析大量的图像数据。
本文将带您快速了解并掌握AI技术在卫星图像处理中的应用方法。
一、卫星图像数据获取与预处理1. 卫星图像数据获取卫星图像数据是进行后续处理的基础，因此确保获得高质量和准确性的数据至关重要。
目前有许多商业和科研机构提供各种类型的卫星遥感数据，包括光学影像、雷达影像等。
根据具体需求选择合适的数据源，并使用相关软件进行数据下载。
2. 数据预处理在进行正式处理之前，对卫星图像数据进行预处理是必要且重要的步骤。
常见的预处理工作包括去噪、辐射校正、几何配准等。
这些步骤可以提高后续算法的效果，并降低处理过程中的误差。
二、AI技术在卫星图像分类与识别中的应用1. 传统机器学习方法传统机器学习方法是一种常见且成熟的卫星图像分类和识别方法。
通过特征提取和模型训练，可以对卫星图像进行分类、目标检测等任务。
常用的传统机器学习算法包括支持向量机（SVM）、K近邻算法（KNN）等。
然而，传统机器学习方法通常要求手工选择合适的特征，且对多类别问题表现相对较弱。
2. 深度学习方法深度学习作为一种新兴的人工智能技术，在卫星图像处理中表现出色。
通过深层神经网络结构，深度学习方法能够从原始数据中自动提取高级语义特征，并实现更准确的分类和识别。
其中，卷积神经网络（CNN）是最为常见和广泛应用的深度学习方法之一。
通过在大规模数据上进行训练，CNN可以有效地提高分类准确性，并具备较好的泛化能力。
三、AI技术在卫星图像分割与目标检测中的应用1. 图像分割图像分割是将卫星图像划分为多个语义区域的过程，常用于生态环境监测、城市规划等应用领域。
传统方法通常基于阈值和边缘检测等技术，但存在着耗时和精确性不足的问题。
基于ALOS卫星图像阴影的天津市建筑物高度及分布信息提取
阴影测高的方法主要利 用建筑物及 阴影 成像几何模 型 ，
通 过 建立 阴影 长度 与对 应 建 筑 物 高 度 的关 系 来 计 算 建 筑 物 。
为 了计算简化 ， 假定如 下条件是成立的：
（ ） 体 垂 直 于 地球 表 面 ； １物
第３卷， ７ １ 第 期 ２ ０ １ １年 ７月
光
Ｓ ｅ ｔｏ ｃ ｐ ｎ ｐ ｃｒｌＡｎ ｌｓｓ ｐ ｃｒｓｏ ｙａ ｄ Ｓ ｅ ｔａ ａｙ ｉ
谱
学
与 光
谱
分
析
Ｖ １ １Ｎ ． ，ｐ０ ３２０ ｏ ３ ， ｏ７ｐ ２０—０ 阴影的 天津市 建筑物 高 度及分布 信 息提 取
Ｃ ｅ ｇ Ｊ Ｔ ｉｆ 等建立了阴影与建筑 物高度模 型，并辅 以 ｈｎ ｝ 和 ｈｅ Ｔ ｌ［ 高精度地形图去除 了高程的影 响；何国金等ｌ提取 Ｓ Ｏ ８ Ｐ Ｔ影
（） ２ 物体 的影子直接投影在地面上； （）影子从物体的底部 开始 。 ３
在 不 考 虑 太 阳方 位 角 对 建 筑物 阴影 影 响 的情 况 下 ，太 阳
文 献 标 识码 ：Ａ Ｄ ０ ３６ ／．ｓｎ ｉ ０—５ ３２ １ ）７２ ０—４ Ｏｈ １． ９ ４｝ｉ ．０ ００ ９ （０ １０ ～０ ３０ ｓ
中 图分 类 号 ： Ｐ ５． Ｔ ７ １１
阴影信息提取程序 ； 在阴影提取 中，也可 以利用纹理 信息和
引 言
阴影是高窄间分辨 率遥感影像中最 常见 的问题之一 ， 对 于某些应用 ，阴影可能是一种 干扰因素 。 是 ， 但 对于 一些特 定的应用 目的 ，阴影也是一个重要 的信 息 ， 以利用 城市建 可 筑物的阴影计算建筑物 的高度信息，从而成为利 用单幅影像 进行建筑物高度信 息提取的一种重要方法＿ 。 ｌ Ａ Ｏ 星 ２ ５Ｉ 全色分辨率数据主要 用于建立高精度 Ｌ Ｓ ． Ｉ Ｔ
陆地观测卫星ALOS介绍
先进的陆地观测卫星ALOS（PALSAR）介绍姚思奇201428013726035摘要2006 年, 亚太地区两颗对地观测卫星的相继升空引起了业内人士的关注。
其中一颗便是 1 月24 日发射升空的日本先进陆地观测卫星ALOS( Advance Land Observing Satellite) , 另一颗是7 月28 日发射的韩国多用途卫星KOMPSAT-2(Korean Multipurpose Satellite)。
本文着重介绍了ALOS 卫星的技术参数, 性能指标以及产品体系, 旨在为进一步研究和开发这类影像产品提供一点参考PALSAR是ALOS卫星携带的一个L波段的合成孔径雷达传感器，不受云层、天气和昼夜影响，可全天候对地观测，获取高分辨率、扫描式合成孔径雷达、极化三种观测模式的数据。
拥有穿透力更强的L 波段，且全球存档丰富，拥有多期数据，可以用来监测更广范围的细微的地表形变，更好的应用在灾害领域和地质监测领域中。
关键词：ALOS；测绘卫星；技术参数；产品体系；PALSARAbstractIn 2006, the Asia Pacific region two earth observation satellites have been launched has aroused the concern of the industry. One is Japan's Advanced Land Observing Satellite ALOS launched on January 24th (Advance Land Observing Satellite), the other is a South Korea multipurpose satellite launch in July 28th, the KOMPSAT-2 (Korean Multipurpose Satellite). This paper introduces the technical parameters of ALOS satellite, the performance index and product system, for the purpose of further research and development of this kind of imaging products to provide a reference pointPALSAR is a synthetic aperture radar sensor of a L band ALOS satellite to carry, not affected by cloud cover, weather and circadian effects, all-weather observation of earth, to obtain high resolution, scanning synthetic aperture radar, polarization three observation mode data. L band has stronger penetrating power, and global archive is rich, has the multi period data, can be used to monitor a wider range of subtle surface deformation, a better application in the field of geological disasters and monitoring in the field.Keywords:ALOS；Cartographic satellite；Technical parameters；The product system；PALSAR目录摘要 (1)Abstract (2)一．引言 (4)二．ALOS卫星的遥感测绘与其他同类卫星的比较 (6)三．ALOS影像的产品系列 (7)3.1 PALSAR利用案例 (8)3.1.1森林、湿地、植被 (8)3.1.2 地质、地形 (9)3.1.3 水文、水资源、冰山 (11)3.1.4 灾害监控、灾害管理 (11)3.1.5 土地利用、土地覆盖、农业 (15)3.1.6 海洋学领域的应用 (15)四．小结 (17)五．参考文献 (18)一．引言自从1999 年9 月, 空间成像公司将世界上第一颗商用1m 级分辨率卫星IKONO；；S- 2 成功送入预定轨道之后, 许多国家都加大了开发高分辨率卫星的力度。
ALOS_PRISM遥感影像超分辨率重建
E
2
Cg i (hj ) - C gj (h i ) ( 16)
3
PR IS M 遥感影像亚像素配准算法
式中, Cg i ( hj ) = DH j g i。 21 3 AM 迭代算法 为 了 获 取 更 优 的 解, Sroubek ( Sroubek & F lu sser , 2003 ; 2006 ; 2007) 改进了超分辨率重建数 T 学模型式 ( 6 ), 在其中加入了 Q ( h ) = h Lh 约束项 , 于是式 ( 6 )变为: E ( f, h ) =
21 1 图像规则化项目 Q (f ) 对于超分辨率重建 , 规 整化项目 Q ( f ) 常常 采 用 T ikhonov 规整化, 即 Q ( f) = ¨f Q
2 T
= f Lf
( 7)
式中, L 是高通滤波算子。 T ikhonov 规整化的基本 想法是限制解为一个平滑解 , 实际的超分辨率重建 中 , 解的平滑常常是不符合实 际情况的, 因为 实际 图像总有许多棱边和点构成的细节 , 损失这些细节 意味 损 失 信 息。为 了 克 服 这 些 问 题 , 必 须 拓 广 T ikhonov 规整化的概念, 强调解必须在物理上合理 并且连续的依赖。这种概念不再强调数据的 平滑 性限制 , 而是引入其他符合物理事实的限制。比较 典型的限制就是总变分最小化, 采用总变分最小化 的规整化形式类似于式 ( 7) : Q ( f) = ¨f Q = f Lf
K
( 8)
式中 , L 是高通滤波算子。 21 2 点退化函数规则化项目 R ( h ) H arikum ar等 人在 多 通道 图像 恢 复算 法 中 提 出 : 根据子空间 理论 , 如果 各通 道的 质 , 则 hk的解满足如下方程: g i @ hj - gj @ h i = 0 , 1[ i< j [ K 有式 ( 9) 的点扩散函数写成一个公式 : N h= 0 ( 10 ) 式中, N 是一个矩阵 , 其形式由式 ( 11 )、 式 ( 12 ) 和式 ( 13 )给出: SK- 1 S (C gK - C gK - 1 ) C g t+ 1 C g Cg t+ 2 St S
ALOS-2卫星影像数据的详细介绍
ALOS-2卫星影像数据的详细介绍北京揽宇⽅圆信息技术有限公司ALOS-2卫星影像数据的详细介绍卫星概要：2014年5⽉24⽇JAXA宇宙航空研究开发机构于种⼦岛宇宙中⼼12时5分14秒成功发射了陆地观测技术卫星ALOS-2。
ALOS-2是唯⼀⼀个利⽤L波段频率的⾼分辨率机载合成孔径雷达，它能很好的⽤于监测地壳运动和地球环境，能够不受⽓候条件和时间的影响获得观测数据。
1-3⽶的⾼分辨率，在地球观测卫星上的L波段合成孔径雷达领域中位居世界第⼀。
利⽤如此⾼的分辨率，ALOS-2卫星能够达到把握灾害状况、农林渔业、海洋观测、资源勘探等多个⽬的。
卫星特点：▉可以拍摄地球上⼤范围的地区PALSAR-2的天线⾯位于卫星的正下⽅，由于观测时卫星可以左右倾斜，⽆论左侧还是右侧都可以观测到，观测幅度为2,320km，⼤约是ALOS的3倍。
“扫描模式”实现了⽐ALOS/PALSAR的350km更⼤的490km的观测范围。
在绕地球⼀周的约100分钟⾥，有48分钟的观测时间，这也是ALOS—2的优势所在。
▉观测模式不同，分辨率/观测范围的变化ALOS-2可以选择3个类型的观测模式：⾼分辨率1m×3m的“聚束模式”（观测范围25km），分辨率3m~10m的“条带模式”（观测范围50~70km），观测⼤范围的“扫描模式”（分辨率60~100m，观测范围350~490km）。
黄⾊带：扫描模式（观测范围：490km）红⾊带：扫描模式（观测范围：350km）绿⾊带：条带（10m）模式（观测范围：50km）桃⾊带：条带（3m/6m）模式（观测范围：50km）▉可以全天候进⾏详细的观测合成孔径雷达不受昼夜、⽓候影响，穿透云⾬进⾏拍摄。
▉应对灾害时的迅速观测灾害发⽣时，需要迅速采取应对措施。
ALOS—2可以利⽤卫星左右两翼进⾏拍摄，周期时间⼤幅缩短（迅速穿过应观测场所），由于加强了数据传输能⼒，迅速观测成为可能。
⽇本国内发⽣紧急灾害观测时，最短2个⼩时，最长12⼩时之内就可以得到灾害图像。
ALOS卫星全色数据精度研究
波 段
数 据 产 品 级 别 数 据 时 相
０ ５ — ０ ７ ｍ ．２ ．７ｕ
Ｌｖｌ 对数 据 只做辐 射校 正 ， ｅｅ １ Ｂｌ 增 加 了 绝 对 定 标 系 数 ２０ ０ ７年 ６月 ｌ ｔ ５Ｅ
２ ５米分 辨 率 的标 准 差 与 方 差值 。 计算 公式如 下 ： ．
及Ｓ ＡＲ数 据 。主要应 用 于测绘 、国土 资源监 测 、环境
的实 际最 小距 离 ０ 。 ］ 全色卫 星影像 空 间分 辨率是 判别 影
为 ＯＳ 监 测 、农 业 、森 林 资源调 查等方 面 。与现 有 的同等分 辨 像 质量极 为重 要的指 标 。 了检 测 ＡＬ 卫 星遥 感数据 像 元大小 的均 匀性 ， 究 主要对原 始 的 ＡＬ Ｓ全色波段 研 Ｏ 率 的其 他卫 星相 比 ，在性 价 比上 具有 明显 的优 势 ｎ 。 卫 星遥感 数 据 的地 面分 辨率 决 定 了影像 的可 判 读 数据 进行 了测量 。检 测过程 中采用 高精度 ＧＰ Ｓ实地测
ＡＬ ＯＳ卫星是 日本航 空 宇航局 于 ２ ０ 年 １ ２ ｔ ０６ 月 ４Ｆ
发射的 ，是 广大 用户都 熟 悉 的 Ｊ ＲＳ Ｅ —Ｉ 与 ＡＤ ＯＳ的 影像 的量 测特性 （ Ｅ 几何 性 能 ）和 影像 的构像特性 （ 判读
。影像 的 判读 性 能 主要 取决 于 影像 地 面分 辨率 ， 成功延续 ， 卫 星具 有多 传感器 高 空间分 辨率 以及 多光 性 能 ） 该 谱 的特 点 ，能够 向用 户提供 ２ ５ ． 米全 色 、１ 米 多光谱 以 即 ，图像上 能分辨 开两 个 目标 时 ，目标在 地面上 所对 应 ０
２１ ０ ０年第 ２期
ＡＯ Ｌ Ｓ卫星全 色数据精度研究 靳伟国等
遥感卫星影像数据预处理一般流程介绍
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，需要确定一幅参考图像，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 图像的色调不允许平滑，避免信息变异。
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 均匀分布在整幅图像内，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。
的辐射值在不同时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。
北京揽宇方圆信息技术有限公司
（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。
4_3ALOS1B1级别卫星遥感影像加工流程-方案2
6
正射纠正
1.为什么要进行正射纠正？ 遥感图像在成像时，由于成像投影方式、传感器外方位元素变化、地球曲
率、地形起伏、地球旋转等因素的影响，使获得的遥感图像相对于地表目标存在 一定的几何变形，图像上的几何图形与该物体在所选定的地图投影中的几何图形 产生差异，产生了几何形状或位置的失真。
2. 校正的目的 消除图像的变形，实现与标准图像或地图的几何整合。
17
2.1影像配准
1). 打开影像 启动ERDAS 9.2，分别打开两个窗口：左边窗口打开多光谱影像，右边窗口打
开全色影像；
Copyright © 2008 PASCO CHINA CORPORATION, All rights reserved.
18
启动几何校正模型 在多光谱影像窗口中选择Raster菜单下Geometric Correction，选择多项式Polynomial；
2
数据加工流程图
控制资料
全色数据读取 全色影像
多光谱数据读取 多光谱影像
纠正控制点
否 纠正控制点残差满足要求？ 是 正射纠正
否 纠正精度满足要求？ 是 纠正后的全色影像
DEM数据
配准控制点选取
否 配准控制点残差满足要求?
是
输出配准影像
纠正后的全色影像
否 配准影像精度满足要求？
是
融合影像
影像镶嵌生产DOM
Copyright © 2008 PASCO CHINA CORPORATION, All rights reserved.
14
纠正影像输出 点击 输出按钮,在Resample对话框中定义重采样方法, 可采用双线性
内插法或三次卷积法重新采样，输出纠正后的全色影像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第3期,总第77期国 土 资 源 遥 感No .3,2008 2008年9月15日R E M O TE SEN S I N G FO R LAND &R ESOU RC ES Sep.,2008 ALOS 卫星图像分析与预处理实证研究张荣慧,刘顺喜,周连芳,吴海平,何宇华(中国土地勘测规划院土地遥感所,100035 北京)摘要:通过实证研究的方法对高分辨率ALOS 卫星数据进行质量分析,结合ALOS 数据特点,提出了ALOS 原始影像数据的预处理方法和处理流程。
研究结果表明:ALOS 数据预处理工作量较大,且预处理方法要求较为严格,因此,在开展大规模、大范围、大区域、大精度、短周期的图件更新、动态监测等应用时,应考虑将ALOS 卫星图像与其它卫星图像结合使用。
关键词:ALOS 卫星;图像预处理;噪声检测;归一化中图分类号:TP 75 文献标识码:A 文章编号:1001-070X (2008)03-0084-06收稿日期:2007-09-18;修订日期:2008-06-050 引言ALOS 卫星(Advanced Land Observing Satellite )是日本宇航研究开发机构于2006年1月发射的一颗陆地观测卫星,携带有3种遥感传感器:①全色立体测图传感器(PR I S M ),具有2.54m 的空间分辨率,能分别沿轨道方向前视、垂直下视和后视,快速获取高精度的地面立体信息和数字高程模型;②新型可见光和近红外辐射计(AVN I R -2),具有10m的空间分辨率、0.42～0.69μm 可见光谱段波谱分辨率以及0.76～0.89μm 近红外谱段波谱分辨率,主要用于地表面覆盖观测;③相控阵型L 波段合成孔径雷达(P ALS AR ),具有24～89m 微波谱段极化分辨率,主要用于全天候陆地观测。
ALOS 卫星在亚太地区以上行太阳同步轨道方式提供观测数据。
1 ALOS 数据质量分析本文所选择的ALOS 卫星影像数据轨道号为03618-3130和03866-2970,产品级别为Level1B1,已经进行了必要的大气辐射订正和必要的地理坐标定位,提供每一景数据的廓角经纬度和中心点经纬度。
1.1 全色波段数据质量1.1.1 数据动态范围检测ALOS 卫星PR I S M 影像全色波段数据的图像灰度动态范围极小,在信息处理的过程中可量化的空间比较狭窄。
根据源影像的灰度值范围,对源影像进行分步处理,包括原始数据分析和镶嵌数据分析,并与同景范围的SP OT 5全色波段原始影像进行灰度值范围的对比,如图1所示。
图1 ALOS (左)与SP OT (右)卫星原始影像的灰度值范围对比第3期张荣慧,等: ALOS 卫星图像分析与预处理实证研究 从图1中可以看出,进行镶嵌后的ALOS 原始影像像面灰朦,将其按实际像素尺度放大后灰度层次不明显,再放大到极限即扫描线可视的状态,其局部灰度无显著视觉改善。
分析其灰度直方图,有效灰度值均集中在10～155之间,动态度仅有56.86%。
对比同景范围SP OT 5全色波段数据的76.47%有效灰阶动态度来说,ALOS 卫星影像全色波段源数据所表现的信息承载能力比较差。
分析原始分带扫描数据,从第1扫描带至第4扫描带,其灰度直方图分别如图2所示。
图2 原始影像第1～4扫描带数据灰度直方图 观察从第1至第4扫描带影像并计算其各自的灰度值范围,分别为62～110、55～135、60～148和60～125,即相对的灰阶动态度分别为32.50%、31.37%、34.51%和35.72%,其动态度的表现平均为33.53%,加权后为51.08%,与镶嵌后的全景有效灰阶动态度56.86%十分接近。
其“权”值为各个扫描带影像灰阶动态范围的均值差÷扫描带数,为经验数据,与扫描带数的比值关系说明其为“同一景源”,这里为17.5625。
1.1.2 表面噪声检测将源数据放大至像元级进行观察,在软件系统默认的实际像素分辨尺度下,能够观察到ALOS 卫星PR I S M 传感器在成像过程中的扫描痕迹,其扫描间隔恰好是隔行痕迹,痕迹噪声十分明显。
在常规的“变化信息提取”所需要的屏幕显示尺度即极限像素尺度下(一般为1∶2000～1∶4000),其扫描痕迹就更加明显,这使得在今后遥感图像数字化处理的实际应用过程中,无法对ALOS 数据进行计算机自动分类和模式识别一类的运算。
1.2 多光谱波段数据质量1.2.1 动态范围检测分析发现,ALOS 卫星多光谱波段数据与全色波段数据存在相同的问题,即灰阶实际上分布在狭小的值域范围内,灰度值域从0～34基本无值,无信噪声十分明显。
这说明ALOS 卫星影像的源数据在大气辐射订正方面有十分明显的缺陷,分析认为其主要是由垂直大气通道内的米氏散射现象所造成的,而灰度分布曲线的“驼峰”曲象则主要是与垂直大气通道前后交叉的瑞利散射所造成的。
1.2.2 波段同步性检测在相同的原始影像数据坐标下,检查ALOS 卫星多波段影像中4个波段的原像素坐标的一致性,以确认各波段数据的同步性能。
经检查发现,两景数据其红光波段(第3波段)与蓝光波段(第1波段)、绿光波段(第2波段)、红外波段(第4波段)的数据均不同步,可造成1.5～2.5个像元的距离差,见图3。
・58・国 土 资 源 遥 感2008年图3 ALOS卫星原始多光谱影像各波段同步性检测2 ALOS原始影像预处理以ALOS数据Level1B1产品为试验对象,运用ERDAS I M AGI N E和Phot oShop图像处理系统,针对ALOS数据Level1B1产品的数据特性,对ALOS卫星原始影像数据进行预处理。
2.1 全色波段影像归一化灰度值量化在将4个扫描带的影像镶嵌起来之前,必须检查各扫描带的影像灰度值域范围,在灰度值动态度上统一,否则后面拼接起来的整景全色波段影像第1扫描带的灰度值域与第2、3扫描带的灰度值域量化不一致,就形成了明显“亮”与旁边影像的“大条花布”情形。
2.1.1 灰度值分析在裁取了各扫描带的有效数据后,即可进行各带扫描数据的灰度值分析。
工程化分析可以仅注意有效灰度的起始阈值Gm in 、终止阈值Gmax和灰阶动态度Gd3个基本参数。
G d为无量纲系数,其值愈高,说明影像数据的灰度质量愈好,信息承载量也就愈大。
2.1.2 灰度值量化裁取了各扫描带的有效数据后再进行各带影像数据的灰度值统一归一化量化处理。
这个处理过程可以在类如Phot oShop图像处理软件系统中进行,处理过程中要注意使各扫描带的影像数据的有效灰阶动态度Gd一致,其表达式为G d=[(G max-G m in)/g(S1～S2)]×100% (1)式中,Gmax为截取的最大灰度阈值;Gm in为截取的最小灰度阈值;g(S1～S2)为根据需要攫取的0～255值域。
具体的量化处理方法是:设G1、G2为输入影像的嵌位控制值,S1和S2分别为拉伸后影像的最低和最高灰度值,输入影像的灰度值域G1～G2被拉伸至S1～S2区间范围,其中输入灰度0～G1及G2～255分别被变换为S1、S2,如果S1=0、S2=255,则扩大了输入影像的灰度值的动态范围,从而使影像的信息得到增强(如图4所示)。
图4 对原始影像灰度值域的线性拉伸 图5为ALOS原始图像进行量化处理后的对比,从中可以看出,ALOS影像的信息得以增强。
・68・第3期张荣慧,等: ALOS卫星图像分析与预处理实证研究图5 对原始影像灰度值域进行量化处理后的对比2.2 全色波段影像数据拼接2.2.1 源影像裁取在对4个全色波段影像数据进行归一化灰度值量化之前,由于各扫描带的影像扫描宽度是一致的,但有效影像的尺寸大小不同,必须将各扫描带中的有效影像裁剪出来,这可以在任何图像处理软件中进行。
每个扫描带的第一行、最末行是无效数据,要裁剪掉;有效影像的第一列、最末列都紧挨着系统噪声或空信号(图6(a )～(d )所示)也要裁剪掉。
这样裁取出来的有效影像除了列数不同外,其起始位置和终结位置在成像扫描行上都是相同的行位。
实验中要注意的是:①不能在列上过多裁剪,因为各扫描带之间仅有20列的重叠区,裁剪过多可能导致镶嵌不上,也会给镶嵌操作带来不易进行位置判断的问题;②必须裁剪掉紧挨非有效影像的那一列(第一、最末列),否则会因为噪声、空信号的交互影响(如图6(e )所示),在镶嵌接线的列位置辨率变换等重采样处理,以保持源数据的像元尺度原始性。
图6 ALOS 卫星原始全色波段4带影像的裁取・78・国 土 资 源 遥 感2008年2.2.2 影像镶嵌4带影像数据的镶嵌(拼接)工作可以在Phot o 2Shop 等图像处理软件系统中进行。
在镶嵌过程中,先至少要将成果“画布”的宽度定义为4倍扫描成像带宽,即5090×4=20360个像元,高度则固定在16000个像元,这样在逐带进行影像镶嵌的时候,才可容易且准确地确定垂直位置,只需调整各带影像的左右位置即可。
每镶嵌上一带影像,即应予以画板合并,直至全景影像镶嵌完毕。
最后进行有效影像数据的剪取,存储为最终成果。
要注意不可在镶嵌拼接过程中,随意修改某一扫描带影像数据的像元参数,例如分辨率、灰度等。
2.3 第3波段影像几何位置重调整据分析,造成多光谱第3波段影像与其它波段影像不同步的原因,主要是多光谱成像扫描设备的第3扫描光栅在回扫过程中与其它扫描光栅不同步。
由于第3波段的错位偏差为非线性的,其成像偏差为一个二元角函数,所以不能简单地用坐标平移的算法进行复位操作。
以ALOS 卫星轨道方向为基准,其错位偏差函数F 为F (x,y )=180°-tg (1-3X dY d ) (2)式中,X d 为传感器回扫方向的偏差量;Y d 为星轨运动方向的偏差量。
采用第3波段纠偏方法进行几何位置调整步骤:首先,在专业遥感图像处理软件中,将ALOS 卫星AVN I R -2多光谱影像数据中的第3波段数据分离出来;然后,以其它波段数据为基准,使用二次多项式算法对其进行一次像元坐标的几何重配准;最后再将其合成回原多波段数据中。
在进行几何配准的过程中,尤其要注意控制点应按“三角网”模式均匀布设(如图7所示),以保障第3波段的影像数据不产生几何位置失真。
图7 影像数据几何位置配准控制点布设 在几何校正的过程中,必须均匀布设“零差控制点”,然后按误差中数控制法则,将各控制点向原控制点的tg α(α指控制点和原控制点连线与垂直方向的夹角)方向进行F (x )函数量的调整,进行校正计算后重新进行多波段合成操作。
要注意的是,须保障校正后的各波段影像数据的像元几何尺度与原数据一致。
2.4 多光谱波段影像灰度值量化处理前述文中分析过ALOS 卫星多光谱影像源数据质量问题的主要原因,可以采用如同对全色波段数据进行灰度值归一化处理一样的方法,对多光谱数据进行灰度值域线性量化,以改善多光谱影像数据质量,量化后的ALOS 多光谱波段影像的灰阶动态度为84.23%。