利用ArcGIS去除Landsat 7 ETM+影像条带
关于landsat数据去条带的ENVI处理
关于landsat数据去条带的ENVI处理本人在地理空间数据云网站下载了landsat数据，发现数据打开后会有很大一部分数据都有黑色平行线（如下图1）。
图1 landsat
本人经过查询，求助，发现在此网站中，可以下载到ENVI的一个关于landsat
后，把文件landsat_gapfill.sav添加复制到ENVI的安装目录下的classic文件下的save-add文件夹下面，如下图所示：
然后打开ENVI CLASSIC软件，在basic tools菜单下找到preprocessing下的data-specific utilities下的landsat tm下找到landsat_gapfill命令。
选择单个文件去条带，并选择输出文件位置和文件名，然后选择要处理的图像（有三个文件，选择波段最多的）最后进行处理，可去条带了。
最后，我想申明，我是这么做的，是这么处理的，结果就是这样的。
有不对之处可以指教。
Landsat 7 校正
陆地卫星Landsat-7影像坏行数据和图像修复方法研究2006-3-22 中国图象网（1 哈尔滨工程大学，黑龙江 150001；2 中国科学院遥感应用研究所，北京 100101）摘要: 美国陆地卫星Landsat-7提供的观测数据一直以来被广泛应用各个领域，但其传感器ETM+上的扫描行校正部件SLC（Scan Line Corrector）在2003年5月31日发生故障，导致Landsat-7影像出现坏行，难以正常使用。
为了使剩余的78%的数据能够被利用，NASA立即组织有关科学家研究解决这一问题的方案。
我们与NASA科学家密切配合，探索了五种修复方法。
经过对这五种方法的尝试与试验，自适应局部回归算法得到较好效果。
修复后的图像完整没有明显的修复边界，达到理想的效果。
本文介绍了该算法的基本原理、流程和试验结果，并对修复效果进行了评估。
关键词： Landsat-7，坏行数据，修复方法1．前言1999年4月美国发射的Landsat-7上搭载了专题扫描仪（ETM+），其空间分辨率为30m，扫描幅宽为185km。
由于其出色的影像质量，Landsat-7的数据现在被世界上15个地面站所接收，广泛应用于资源调查、环境监测、地质调查、测绘、考古和规划管理等领域。
数据分发也在世界各地进行，是我国现在应用最为广泛的地球观测数据。
因此，该数据的损坏对这些领域造成了很大的影响。
Landsat-7卫星上SLC部件虽然已经失效，但是Landsat-7卫星仍然在轨道上正常运行。
SLC的损坏并没有影响其它器件的性能，主扫描镜继续能正常工作，具有提供有用图像数据的能力。
另外，在存在坏行数据的影像上，仍然有约78%的数据是完好的。
因此研究如何修复由于SLC失效而造成的数据坏行，将所得到的有坏行的数据重新利用起来，成为当前国际遥感领域中研究的热点。
针对SLC失效造成的影像坏行数据，USGS/NASA专门组成了一个陆地卫星小组继续研究发掘Landsat-7系统剩余的可用价值。
ASTER和Landsat-7ETM+两种多光谱传感器影像的交互对比
Ａ Ｔ Ｒ和 Ｌ ｎ ｓｔ Ｔ ＋两种 多光 谱传 感器 影像 的 交互 对 比 ＳＥ ａ ｄａ一 Ｅ Ｍ ７
李春 华 ， 涵秋Ｈ ，陈荔聪。 。徐
１ ．福州大学环境与资源学院，福建 福州 ３ ０ ０ ５１８ ２ ．福建师范大学地理科学学 院湿润亚热带生态地理过程教育部重点实验室 ，福建 福州 ３ ０ ０ ５０７ ３ ．福建师范大学数学与计算机科学学院 ， 福建 福 州 ３ ０ ０ ５０ ７
（ ０８ ０ ２ ７ 和福建省教育厅课题 （ Ｏ Ｏ ３ 资助 ２ ０ １０ ０ ） Ｊ ９４） Ｂ 作者简介 ： 春华 ， ， ９ ５ 李 女 １７ 年生 ， 福建师范大学地理科学学 院副教授
波红外各对应光谱 波段之 问的关 系，提出了各对 应波段相互 转换 的关 系方程式 ，验证 了所求 的关系方程 的 有效性 。 最后对两种传感器影像对应光谱波段 的差异进行 了分析 。 验证结果表明 ， 所求 的关 系转换方程具有
较高的精度 。
关键词
ＡＳ Ｒ； ＴＭ＋ ； ＴＥ Ｅ 传感器 ； 光谱 响应特征 ；表观反射率 ； 交互 比较
文 献 标识 码 ：Ａ Ｄ Ｉ ０ ３６ ／．ｓｎ １０ —５ ３ ２ １ ）９２ １ —７ Ｏ ：１． ９ ４ｊｉ ． ０００ ９ （ ００ ０ —５ ８０ ｓ
中图 分 类 号 ： Ｐ ３ Ｔ ７２
许 多成熟 的算法和模型 ， Ａ ＴＥ 对 Ｓ Ｒ与 Ｅ ＴＭ＋进行准确交互
引 言
近年来许多新型卫星传感器相继升空 ， 些新型卫 星传 这 感 器的影像不仅可 以单独使用 ，而且可 以互为补充 ，大大拓 宽了遥感对地观测 的时空范围和能力 ，同时也 给遥感领域带 来 了一个新 的热 门课题 ，即多种新型传感器遥感 影像之 间的 交互比较 （ｒｓ ｍｐ ｒ ｏ ） ｃｏｓｃ ａｉ ｎ 研究 ｌ 从 这些研 究 中不难发 ｏ ｓ 】 。 。 现 ， 两 种重 要 的 多光 谱 传感 器——Ａｓ Ｅ 与 Ｌ ｎ ｓｔ 有 ＴＲ ａｄ ａ ７ －
arcgis影像裁剪的步骤
arcgis影像裁剪的步骤
裁剪影像在ArcGIS中是一个常见的操作，通常用于提取感兴趣区域的影像数据。
以下是在ArcGIS中裁剪影像的一般步骤：
1. 打开ArcMap或ArcGIS Pro软件，并加载需要裁剪的影像数据。
2. 确保在 Catalog 窗口中连接到包含需要裁剪的影像数据的文件夹或数据库。
3. 在 ArcToolbox 中找到 "Data Management Tools" -> "Raster" -> "Ras ter Processing"，然后双击 "Clip" 工具。
4. 在 "Clip" 工具对话框中，选择需要裁剪的输入栅格数据。
5. 指定裁剪范围，可以是一个矢量要素类或指定的范围坐标。
6. 指定输出栅格数据的保存位置和名称。
7. 根据需要设置其他裁剪选项，如裁剪像元大小、裁剪范围外
的像元值等。
8. 运行工具，等待裁剪过程完成。
值得注意的是，ArcGIS还提供了其他一些裁剪影像的工具和方法，比如使用遥感影像处理工具进行裁剪，或者使用栅格计算器进行裁剪等。
裁剪影像的具体步骤可能会因数据类型、裁剪范围和需求而有所不同，但以上步骤是一个常见的基本流程。
希望这些信息能帮助到你。
arcgis strip 用法
arcgis strip 用法
在ArcGIS中，"strip" 通常是与遥感影像处理相关的术语，可能涉及到图像的条带（strip）处理或分析。
以下是一些可能涉及"strip" 的常见用法：
1. 影像条带处理：在遥感中，卫星或飞机拍摄的影像通常以条带的形式获取。
处理这些影像条带可能包括拼接、镶嵌、裁剪、投影或校正，以生成无缝的图像。
这些处理有时涉及到 "strip" 这一概念。
2. 多光谱或高光谱条带数据：卫星遥感影像通常包含多个波段的数据，有时被称为多光谱或高光谱数据。
在这种情况下，你可能会使用ArcGIS 中的工具来处理或分析这些条带数据，例如执行分类、提取特征或进行监督分类等。
3. 图像分析与条带状特征：有时 "strip" 还可能指的是影像中的条带状特征，比如河流、道路、或其他线状特征。
在这种情况下，你可能会使用 ArcGIS 中的图像分析工具来检测、提取或分析这些条带状特征。
具体的 "strip" 用法会根据你的数据和分析需求而有所不同。
如果有具体的上下文或任务，可以提供更多信息，以便我提供更详细的帮助。
1/ 1。
ARCGIS中遥感影像去除黑边方法
原始影像如图（ArcTutor/3D Analyst/dvim3.TIF）在四边框都有黑边，数据都为0。
现在有两个要求：（1）在ArcMap中显示的时候，我不希望看到黑边。
（2）我需要将黑边的数据设置为NoData。
借助于强大的ArcGIS栅格运算功能，这两点都不成问题。
分别介绍如下：（1）在不改变原数据的情况下，ArcGIS显示的时候不希望看到黑边在ArcMap中加载影像，影像展现为Raster Layer，选择图层属性，切换到Symbology，如图将Display Background value(RGB)勾上，点击确定，此时在ArcMap中黑边就不见了。
如图但尽管显示上看不到黑边，但是如果用Identify工具，进行点击查询，发现边上的数据结果还是0，0，0尽管上面操作非常简单，但是有时候在某些应用中，我们还是需要改变原数据，将黑边的数据重新赋值成NoData，那么，这个又是如何做到的呢？那么进行第二个问题：（2）如何将黑边的数据设置为NoData？什么是NoData? 我们在桌面的帮助中找到关于Nodata的这样一段定义。
Cells can also have a NoData value to represent the absence of data. Sometimes there are homogeneous areas in a raster dataset that the user does not want to display. These can include borders, backgrounds, or other data considered to not have valid values. Sometimes these are expressed as NoData values, although other times they may have real values. 即NoData是代表栅格图像中没有值的那部分数据。
ArcGIS影像去条带噪声
影像去条带噪声经常和遥感影像打交道的同学，不知道有没有碰到过条带噪声的情况，或者叫“丢线”、“坏线”，即一副影像上出现规则的黑色条带，这些黑色条带里的像元值是无效的。
例如下面这张图：咱们放大点来看下：咱们先来说一说条带噪声产生的原因，来看一段专业解释：条带噪声是影像中具有一定周期性、方向性且呈条带状分布的一种特殊噪声。
这种噪声是卫星传感器光、电器件在反复扫描地物的成像过程中，受扫描探测元正反扫描相应差异、传感器机械运动和温度变化等影响造成的。
简而言之，就是拍摄影像的卫星传感器出问题了，从而周期性的造成影像记录错误。
去条带噪声属于图像处理的范畴了，有很多相关的研究，例如傅立叶变化滤波、主成分分析、直方图匹配、矩匹配法等等。
一些专业遥感软件ENVI、ERDAS有专门的去条带插件可以处理，今天我们来看看从ArcGIS的角度怎么处理条带噪声。
在ArcGIS中查看，可发现条带里的像元值为0，我们希望用周边的非0像元值填充，Nibble工具可以帮助我们实现。
下图为Nibble工具的处理思路，InRS是原始栅格，MaskRas 是掩膜栅格，其中ND象元值是Nodata，处理后，原始栅格与Nodata对应的象元值被原始栅格周边的像元值替换了。
所以，除了原始的条带噪声影像，我们还需要一个掩膜，即把条带象元处理成Nodata。
ArcGIS中有很多工具可以生成Nodata，例如SetNull、Con等等。
以下我用SetNull工具，将原影像中值为0的象元进行了处理，得到了Nibble工具需要的掩膜栅格。
接着，我们就可以用Nibble工具来处理了。
看看处理前后的对比：上文分享至ArcGIS中国培训中心的新浪微博，在此感谢！还有一种更为简单的方法，借鉴了镶嵌数据集的函数链动态处理功能，使用掩膜函数和邻域统计函数进行处理，具体参数设置请参考此文/arcgis_all/article/details/16806053。
ArcGIS中对栅格数据遥感影像或地形图进行
ArcGIS中对栅格数据（遥感影像或地形图）进行裁剪切割的方法本次林保工作利用遥感影像图做底图，图与图的接边处因有空白区域覆盖而无法显示底图上的遥感影像，可以通过对栅格数据进行裁剪切割的方法消除重叠部分，显示底图信息。
常用方法有：
1、利用矩形对栅格数据裁剪:Arctoolbox中，data management tools>raster>raster Processing>clip,在Input Raster中选择被裁剪的栅格数据，设定好矩形四个顶点即可。
2、在Spatial Analyst Tools中提供了多种对栅格数据的提取方法，Arctoolbox中，Spatial Analyst Tools>extraction包括提取值到点，根据属性提取，用圆提取，用多边形提取，用掩模提取，用点提取，用矩形提取等，其中的用掩模提取功能可以让我们通过不规则边界来获取需要的栅格数据。
（注：素材和资料部分来自网络，供参考。
请预览后才下载，期待你的好评与关注！）。
ArcGIS平台中的影像数据管理
金字塔(Pyramid)和概视图(Overview)
劣势： – 影像数据需要预先上传到数据库中 – 数据库昂贵
数据库
方案三：基于中间件技术的影像管理
在关系型数据库的基础上，利用关系数据库提供的各种接口而开发的专 用程序，将影像数据分解成关系数据库的一个或多个数据表，实现对遥 感影像的存储和管理。
优势： – 使用每种DBMS所支持的标准SQL类型来管理数据 – 支持多用户
概视图
LowPS和HighPS – 定义镶嵌数据集将从栅格数据集中读取的像元大小的实际范围。
MinPS和MaxPS – 定义像元大小范围，将根据该范围请求确定应使用哪一栅格数据 集。
Demo
劣势： – 不利于影像分析
ArcSDE
数据库
传统方式的影像处理
1
校正
2
融合
3
匀色
4
镶嵌
影像处理一般流程
缺点： 产生的中间数据占用大量的磁盘空间； 处理流程花费的时间较长; 使用不方便。
数据库 文件
ArcGIS影像管理方案
ArcGIS影像管理
栅格数据集
单幅影像
栅格目录
栅格数据集合 可访问单幅影像
ArcGIS平台中的影像数据管理
传统影像管理方案
方案一：使用文件系统管理和共享
所有数据和元数据都存储在文件系统中。
优势： – 数据传输快
Landsat7 ETM SLC-OFF和ETM SLC-ON数据描述
Landsat 7 ETM SLC-OFF产品描述美国陆地卫星7 号(Landsat-7 ) 于1999 年4 月15 日由美国航空航天局(NASA) 发射升空，其携带的主要传感器为增强型主题成像仪( ETM+ ) 。
Landsat-7 除了在空间分辨率和光谱特性等方面保持了与Landsat-5 的基本一致外，又增加了许多新的特性，因而受到了各国用户的普遍重视和欢迎。
自发射升空至今，已为用户提供了大量高质量的图像数据。
Landsat-7每16 天扫瞄同一地区，即其16天覆盖全球一次。
2003 年5 月31 日(21:42:35 GMT)，Landsat-7ETM+ 机载扫描行校正器(ScanLinesCorrector, 简称SLC) 突然发生故障，导致获取的图像出现数据重叠和大约25% 的数据丢失，因此2003.5.31日之后Landsat 7的所有数据都是异常的，需要采用SLC-off模型校正。
另外，2003.05.31-2003.07.14以及2003.07.03-2003.09.17之间的数据是没有获得。
Landsat ETM+影像数据包括8个波段（波段设计），band1-band5和band7的空间分辨率为30米，band6的空间分辨率为60米，band8的空间分辨率为15米，南北的扫描范围大约为170km，东西的扫描范围大约为183km。
此数据产品（L7 SLC-off）是指2003.5.31日Landsat 7 SLC故障之后的异常数据产品。
波段设计主题成像仪Landsats4-5 波段波长(微米) 分辨率(米) 主要作用ETM+ Band 1 蓝绿波段0.45-0.52 30 用于水体穿透,分辨土壤植被Band 2 绿色波段0.52-0.60 30 分辨植被Band 3 红色波段0.63-0.69 30处于叶绿素吸收区域, 用于观测道路/裸露土壤/植被种类效果很好Band 4 近红外0.76-0.90 30用于估算生物数量, 尽管这个波段可以从植被中区分出水体，分辨潮湿土壤，但是对于道路辨认效果不如TM3 Band 5 中红外 1.55-1.75 30用于分辨道路/裸露土壤/水,它还能在不同植被之间有好的对比度, 并且有较好的穿透大气、云雾的能力。
- 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)。
利用ArcGIS去除Landsat 7 ETM+影像条带
摘要：介绍利用ArcGIS的栅格函数实现Landsat-7 ETM+的条带修复。
使用过Landsat-7 ETM+影像数据的童鞋，你们是否因为影像的数据条带丢失所困扰呢？数据条带丢失也就是我们通常说的坏条带问题，遇到这种数据很让人头疼。
图：原始影像
坏条带的由来：2003年5月31日，Landsat-7ETM+机载扫描行校正器(SLC) 故障，导致此后获取的影像出现了数据条带丢失，严重影响了Landsat ETM遥感影像的使用。
此后Landsat 7 ETM SLC-on是指2003.5.31日Landsat 7SLC故障之前的数据产品，Landsat 7 ETMSLC-OFF则是故障之后的数据产品。
坏条带的修复：部分学者开展了条带受损修复研究，一些遥感图像处理软件可以实现条带修复，如ENVI已有相应插件，利用掩膜通过插值方法修补缺失的条带。
今天主要向大家介绍利用ArcGIS的栅格函数实现Landsat-7 ETM+的条带修复。
条带修复实现步骤
（1）加载影像数据：通过catalog窗口实现影像加载
展开栅格产品图标，将多光谱（下图红框中的数据）影像拖拽至影像视窗。
图：栅格产品显示影像数据
（2）进入影像属性窗口：展开栅格函数处理链
Table Of Contents——>Layers图层——>右键影像——>Properties——>Functions选项，打开影像属性窗口函数选项。
图：栅格函数面板
（3）插入Mask Function：设置影像条带为无效值
进行如下参数设置：
图：MaskFunction函数设置
这里有几个参数需要注意一下：
NoData Interpretation：NoData值的设置
下拉框里有“Any”和“All”两个选项，默认选项是“Any”，这也是首选项。
如果选择了“All”，那就意味着一景影像的所有波段的Nodata值都位于相同的像元，做掩膜运算时只会把具有这些特性的像元设置为0值。
而“Any”，则会把所有波段上的Nodata值都设置为0值。
很明显，前者的要求比较苛刻，可能会遗漏一些零值的设置，所以通常此处设为“Any”。
NoDataValues：无效值的设置
NoData设置为0。
（4）插入statistics Function：利用领域统计计算，去除无效值
参数设置如下：
图：统计参数设置
这里有两个参数注意一下：
Type：领域统计方法
Minimum—统计领域范围内各像元的最小值；
Maximum—统计领域范围内各像元的最大值；
Mean—统计领域范围内各像元的中值；
Standard Deviation—统计领域范围内各像元的中方差；
默认类型是“Mean”，通常此种方法能得到较理想的结果。
可根据影像具体情况进行设置。
Neighborhood Settings：领域行列数设置
根据条带的行列数进行该参数的设置，该值无上限。
但需要注意的是，如果数值偏大，统计值计算的速度会变慢，并且参与统计的行列数过多，可能会导致影像变得模糊起来
Fill NoData pixel values only，当进行坏线去除时，这个参数需要选中，表示只进行无效值的
填充。
图：最终结果
图：细节图
通过以上几步，即可实现影像坏线去除。
利用ArcGIS实时处理技术，可以瞬时得到处理后的影像，如果对结果不满意，可以适当的进行参数修改。
整个坏线去除的思路为：设置坏线处的无效值为0值，利用Mask Function进行掩膜运算；对于0值的区域，利用领域统计算法去除这些无效值。