卫星遥感及其影像分解
常用的遥感卫星影像数据处理方法
北京揽宇方圆信息技术有限公司常用的遥感卫星影像数据处理方法1、常用遥感图像处理软件⏹ENVI:美国Exelis Visual Information Solutions公司的旗舰产品⏹PCI GEOMATICA：加拿大PCI公司旗下的四个主要产品系列之一⏹EDRAS imagine2、白色的光可以分解为系列单色的可见光；三种原色：红、绿、蓝；三种补色：黄、品、青黄=红+绿品=红+蓝青=绿+蓝任何一种颜色都可以用3原色或者3补色来组合3、常用的波段组合特点红绿蓝321真彩色：可见光组成，符合人眼对自然物体的观察习惯。
对于水体和人工地物表现突出。
432假彩色：城市地区，植被种类。
543假彩色：增强对植被的识别743假彩色：增强对植被的识别，以及矿物、岩石类别的区分。
4、共15个主功能模块，其中一般的遥感数字图像处理经常用到的是Viewer、Import、DataPrep、Interpreter、Classifier、Modeler等。
5、功能模块介绍：①该模块主要实现图形图像的显示，是人机对话的关键。
②数据输入输出模块，主要实现外部数据的导入、外部数据与ERDAS支持数据的转换及ERDAS内部数据的导出。
③数据预处理模块，主要实现图像拼接、校正、投影变换、分幅裁剪、重采样等功能。
④专题制图模块，主要实现专题地图的制作。
⑤启动图像解译模块，主要实现图像增强、傅里叶变换、地形分析及地理信息系统分析等功能。
⑥图像库管理模块，实现入库图像的统一管理，可方便地进行图像的存档与恢复。
⑦图像分类模块，实现监督分类、非监督分类及专家分类等功能。
⑧空间建模模块，主要是通过一组可以自行编制的指令集来实现地理信息和图像处理的操作功能。
⑨矢量功能模块，主要包括内置矢量模块及扩展矢量模块，该模块是基于ESRI的数据模型开发的，所以它直接支持coverage、shapfile、vector layer等格式数据。
⑩雷达图像处理模块，主要针对雷达影像进行图像处理、图像校正等操作。
IKONOS卫星 遥感影像解译数据 的 波段简介
IKONOS卫星遥感影像解译数据的波段IKONOS卫星影像IKONOS卫星简介IKONOS为美国DigitalGlobe公司的高分辨率遥感卫星，于1999年09月24日发射，其影像分辨率达0.82米，为全球首颗提供1米以下分辨率的商用光学卫星，揭开了高分辨率卫星影像的时代。
IKONOS卫星基本参数卫星遥感数据分类：一、卫星分辨率1.0.3米：worldview3、worldview42.0.4米：worldview3、worldview2、geoeye、kompsat-3A3.0.5米：worldview3、worldview2、geoeye、worldview1、pleiades、高景一号4.0.6米：quickbird、锁眼卫星5.1米：ikonos、高分二号、kompsat、deimos、北京二号6.1.5米：spot6、spot7、锁眼卫星7.2.5米：spot5、alos、资源三号、高分一号（4颗）、高分六号、锁眼卫星8.5米:spot5、rapideye、锁眼卫星、planet卫星4米9.10米:spot5、spot4、spot3、spot2、spot1、Sentinel-卫星10.15米:landsat5(tm)、landsat(etm)、landsat8、高分一号16米二、卫星类型1.光学卫星：spot2、spot3、spot4、spot5、spot6、spot7、worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、高分一号、高分二号、高分六号、北京二号、高景一号、资源三号、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)4.高光谱类卫星：高分五号、环境小卫星、ASTER卫星、EO-1卫星三、卫星国籍1.美国：worldview1、worldview2、worldview3、quickbird、geoeye、ikonos、landsat5(tm)、landsat(etm)、锁眼卫星、planet卫星2.法国：pleiades、spot1、spot2、spot3、spot4、spot5、spot63.中国：高分一号、高分二号、高分六号、高景卫星、北京二号、资源三号等4.德国：terrasar-x、rapideye5.加拿大：radarsat-2四、卫星发射年份1.1960-1980年：锁眼卫星(0.6米分辨率至10米)2.1980-1990年：landsat5(tm)、spot13.1990-2000年：spot2、spot3、spot4、landsat(etm)、ikonos4.2000-2010年：quickbird、worldview1、worldview2、spot5、rapideye、radarsat-2、alos5.2010-至今：高分一号、高分二号、高分三、高分四、高分五、高分六号、高分七、spot6、spot7、资源三号、worldview3、worldview4、pleiades、高景卫星、planet卫星。
航天遥感与卫星图像
4
遥感原理
4. 大小：指遥感图像上目标物的形状、面积与体 积的度量。
5. 位置：指目标地物分布的地点。 6. 图形：目标地物有规律的排列而成的图形结构。 7. 相关布局：多个目标地物之间的空间配置关系。
✓ 色调:地面温度的构像. ✓ 热辐射能量大，色调浅;能量小，色调深。 油膜比水辐射度低，热红外图像呈现冷异常
色调深。 厂矿、热电厂排除的循环水为工业热流，热异
常, 色调浅。 烟雾形成的冷异常，异常形态可以看出，烟雾
扩散的方向和影响的范围。
44
遥感原理
✓ 形状:被探测地物与背景温度差异形成”热分布” 形状.
38
遥感原理
彩红外像片
彩红外像片 由地物反射的光线进入摄影机镜头，使彩
色红外感光底片产生光化学反应，由该 底片印出的像片称为彩红外像片。 彩色红外感光片没有感蓝层，有感绿、 感红和感红外层。因此不受大气散射蓝 光的影响，像片清晰度很高，适合城市 航空摄影。
彩红外比彩色像片信息更加丰富.
39
3. 位：指目标地物在遥感影像上的空 间位置，包括目标地物分布的空间 位置、相关布局等。
2
遥感原理
二、目标地物识别特征
1. 色调：
色调是地物或现象反射或发射电磁波 强弱程度在遥感图像上的记录和反映。 显示影像的亮暗程度，通常用“灰阶” 表示。是识别地物的主要标志。
影响影像色调的主要因素有：
地物的亮度系数，物体本身颜色，地物
10
直接判读标志
（一）形状和大小：
人造地物具有规则的几何外形和清晰的边界， 自然地物具有不规则的外形和规则的边界。
卫星影像处理与遥感图像解译技巧
卫星影像处理与遥感图像解译技巧地球遥感技术以其高分辨率和广覆盖的优势，成为当今科技发展中重要的工具之一。
卫星影像处理和遥感图像解译技巧是在遥感应用过程中必不可少的环节。
本文将探讨几种常见的卫星影像处理和遥感图像解译技巧，并探索其应用领域和未来发展方向。
一、卫星影像预处理技巧在利用卫星影像进行遥感图像解译之前，首先需要对卫星影像进行预处理。
预处理的目的是消除或减小影像中的噪声和不确定因素，提高遥感数据的可用性。
1. 辐射校正辐射校正是指将原始卫星影像转化为反映地表辐射能量分布的数据。
由于卫星影像获取过程中会受到大气环境的影响，因此需要进行辐射校正来消除大气效应。
常用的辐射校正方法有大气纠正、反射率校正等。
2. 几何校正几何校正是指对卫星影像进行几何校正，使其符合地理坐标系统。
卫星影像获取过程中会受到卫星运动和地球自转的影响，因此几何校正对于实现影像的精确配准和准确的空间位置信息非常重要。
3. 合成影像将多幅卫星影像合成成为一张高分辨率的影像可以提高遥感数据的空间分辨率，同时也可以提高影像的质量。
常用的合成影像方法有类别合成、分辨率增强等。
二、遥感图像解译技巧遥感图像解译是指通过对卫星影像进行解读和分析，得出地表特征和信息的过程。
它是遥感技术中最核心、最具挑战性的环节之一。
1. 图像分类图像分类是将卫星影像中的像元划分为不同的类别，以实现不同地物类别的提取和识别。
常用的图像分类方法包括像元法、目标法、混合像元法等。
2. 特征提取特征提取是指从卫星影像中提取出能够区分和区域化地物类别的特征。
常用的特征提取方法有光谱特征提取、纹理特征提取、形态特征提取等。
3. 目标检测目标检测是指利用卫星影像进行目标或地物的检测和识别。
常见的卫星影像目标检测方法有目标检测算法、基于机器学习的目标检测等。
三、卫星影像处理与遥感图像解译的应用领域卫星影像处理和遥感图像解译技巧广泛应用于地质勘探、环境监测、农业、城市规划等领域。
卫星遥感影像数据的处理流程
北京揽宇方圆信息技术有限公司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。
目录1目的 (5)2范围 (5)3职责 (5)4引用文件 (5)5成果主要技术指标和规格 (5)5.1成果的种类 (5)5.2坐标系统及高程基准 (5)5.3成果主要规格 (5)6设计方案 (5)6.1软件和硬件配置要求 (6)6.1.1软件 (6)6.1.2硬件 (6)6.2技术路线及工艺流程 (6)6.2.1技术路线 (6)6.2.2工艺流程 (6)6.3技术规定 (6)6.3.1主要技术指标 (6)6.3.2作业准备 (7)6.3.2.1资料收集 (7)6.3.2.2资料分析 (7)6.3.3控制点的布设和获取 (7)6.3.4影像控制点的精度要求 (8)6.3.5影像融合与处理 (8)6.3.5.1影像融合的技术要求 (8)6.3.5.2融合后影像处理 (8)6.3.5.3影像匀色 (8)6.3.6影像的正射纠正 (8)6.3.6.1纠正控制点采集 (8)6.3.6.2纠正方法 (9)6.3.7影像镶嵌 (10)6.3.7.1镶嵌原则 (10)6.3.7.2重叠精度检查 (10)6.3.8图幅裁切 (10)6.3.9超限分析与处理 (10)6.3.9.1客观原因 (10)6.3.9.2人为原因 (10)6.3.10相关文件制作 (10)6.3.11提交资料 (11)6.4质量控制 (11)6.4.1检查内容 (11)6.4.1.1关键工序检查要点 (11)6.4.1.2外业控制测量 (11)6.4.1.3正射纠正的质量检查 (11)6.4.1.4镶嵌、接边质量检查 (11)6.4.1.5DOM精度评定 (11)6.5安全生产及数据安全 (12)II6.5.1安全生产 (12)6.5.2数据安全 (12)6.6上交和归档成果及其资料内容和要求 ·····································错误！未定义书签。
卫星遥感图像处理中的图像分割算法使用技巧探究
卫星遥感图像处理中的图像分割算法使用技巧探究图像分割算法是卫星遥感图像处理中的重要环节，其作用是将图像分割成不同的区域或对象，以便更好地获取地理信息。
在卫星遥感图像处理中，图像分割算法的准确性和效率是至关重要的。
本文探究了卫星遥感图像处理中常用的图像分割算法以及使用技巧，旨在提供对于该领域的初学者以及研究人员有关卫星遥感图像处理中图像分割算法使用的指导。
一、图像分割算法的基本概念及分类图像分割是指将图像划分为若干互不相交的区域，每个区域内的像素具有相似的特性。
在卫星遥感图像处理中，常用的图像分割算法包括基于阈值的分割、区域增长法、边缘检测法以及基于机器学习的分割等。
1. 基于阈值的分割基于阈值的分割是一种简单且常用的分割算法。
该算法将图像的灰度值与设定的阈值进行比较，根据阈值的大小决定像素属于前景或背景。
常见的阈值分割算法包括全局阈值法、自适应阈值法以及基于直方图的阈值法等。
2. 区域增长法区域增长法是一种基于像素的分割算法，其原理是从种子点开始，根据预设的条件逐步扩展区域。
该算法通常需要提前设定一些种子点，并利用像素之间的相似性进行区域的扩张，直到满足停止条件。
区域增长法通常能更好地适应图像的复杂结构。
3. 边缘检测法边缘检测法是通过检测图像中不连续的强度变化来实现图像分割的算法。
该算法可通过检测图像中的边缘来分割出不同的区域。
常见的边缘检测算法有Sobel、Canny和Laplacian等。
4. 基于机器学习的分割基于机器学习的分割算法是近年来发展起来的一种先进的图像分割方法。
该算法通过训练模型，自动从图像中学习分割的规则。
常见的机器学习算法包括K-means聚类、支持向量机（SVM）、随机森林和深度学习等。
二、卫星遥感图像处理中图像分割算法的使用技巧在卫星遥感图像处理中，图像分割算法的使用技巧是影响分割结果准确性和效率的关键。
以下是一些在卫星遥感图像处理中使用图像分割算法的技巧：1. 选择适合的图像分割算法不同的图像分割算法适用于不同的图像特性和任务需求。
卫星遥感影像解译样本生产技术规程
卫星遥感影像解译样本生产技术规程英文回答：## Satellite Remote Sensing Image Interpretation Sample Production Technology Specification.1. Overview.Satellite remote sensing image interpretation is a process of extracting information from satellite images. This information can be used for various purposes, such as land use mapping, agricultural monitoring, and disaster assessment.The accuracy of satellite remote sensing image interpretation depends on the quality of the samples used for training the image classification algorithm. Therefore, it is important to develop a standardized procedure for the production of high-quality samples.2. Sample Collection.The first step in sample production is to collect a set of representative samples. These samples should cover the entire range of variability in the image data.The samples can be collected manually or automatically. Manual sample collection is time-consuming, but it allows for a more precise selection of samples. Automatic sample collection is less time-consuming, but it may result in a less representative sample set.3. Sample Labeling.Once the samples have been collected, they must be labeled with the correct land cover class. This labeling can be done manually or automatically.Manual labeling is time-consuming, but it allows for a more precise labeling of samples. Automatic labeling is less time-consuming, but it may result in a less accurate labeling.4. Sample Validation.After the samples have been labeled, they must be validated to ensure that they are accurate. This can be done by comparing the labels to ground truth data.The ground truth data can be collected through field surveys or by using other sources of information, such as aerial photographs or lidar data.5. Sample Selection.The final step in sample production is to select a subset of samples to use for training the image classification algorithm. This subset should be representative of the entire range of variability in the image data.The samples can be selected randomly or by using a stratified sampling approach. Stratified sampling ensures that all land cover classes are adequately represented inthe training set.6. Conclusion.The production of high-quality samples is essential for the accuracy of satellite remote sensing image interpretation. By following the steps outlined in this specification, users can produce samples that are representative, accurate, and suitable for training image classification algorithms.中文回答：## 卫星遥感影像解译样本生产技术规程。
银川活动断层卫星遥感图像解译
３ 活 动 断 裂 解 译 标 志
利用 卫星 遥 感 图像 进 行 活 动 断 层 解 译 ， 常 通
利用 的解 译标 志包 括色 调标 志 、 地层 标志 、 貌标 地
图像 增 强处理 的 目的是为 了突 出研 究 目标 的
志、 水系标 志 、 土壤 一 被标 志 与纹 理标 志等 。 植 （） １ 色调 标 志 ： 性 构 造 界 面 两 侧 地 质 体 的 线 波谱 响应 特征 存 在着差 异 或线性 构 造本 身有 独特 的波谱 响应特 征 ， 因此 ， 遥感 图像 上 常 出现 明显 在
பைடு நூலகம்
裂 带 、 家新 庄 一南 泉 子 断裂 、 关 口断 裂 与 青 铜 峡 断 裂 ， 对 其 影 像 特 征 与 空 间分 布 规 律 进 行 详 细 分 析 。 黎 三 并
银 川 活 动 断 裂 的解 译 分 析 为 该 地 区 的地 震 安全 性 评 价 与 地 震 活 动 性 分 析 奠 定 了基 础 。 关 键 词 ： 成孔 径 雷 达 ；光 学 遥 感 ；信 息 融 合 ；活 动 断 层 ； 感 解 译 合 遥 中 图分 类 号 ：３ ５ ２ Ｐ １ ． 文 献 标 识 码 ： Ａ 文 章 编 号 ：６ ３— ０ ７ ２ １ ） １— ０ ７— ９ １７ ８４ （０ ２ Ｏ ０ １ ０
信 息融 合 ， 融合 图像 具 有 两 种 遥感 手段 的综 合 优
点 ， 服 了单 一 遥感 手段 的不 足 ， 以增 强对 地震 克 可
地质 现 象特 别 是 隐伏 构 造 的 识 别 能 力 。基 于 此 ，
本文 选 择 Ｅ Ｖ Ｓ Ｔ雷 达 卫 星 与 Ｌ ｎ ｓｔ ７ Ｅ Ｍ Ｎ ＩＡ ａｄａ 一 Ｔ
的与背 景色 调 、 色彩有 显 著差 异 的色调 异常 线 、 色 调 异 常带及 色调 异常 分 界面 。在第 四系沉 积物 覆
- 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)。
8.2 Landsat卫星及其影像
Landsat数据系列
卫星名称 发射日期 Landsat-1 1972.7.23 Landsat-2 1975.1.22 Landsat-3 1978.3.5 Landsat-4 1982.7.16 Landsat-5 1984.3.1 Landsat-6 1993.10.5 Landsat-7 1999.4.15
Landsat-8
遥感数据 MSS4,MSS5,MSS6,MSS7
RBV1,RBV2,RBV3 MSS4,MSS5,MSS6,MSS7
RBV1,RBV2,RBV3 MSS4,MSS5,MSS6,MSS7,MSS8
RBV全色波段 MSS1,MSS2,MSS3,MSS4(与MSS4-
MSS7相同) TM1-TM7七个波段
遥感技术导论
第八章 卫星遥感及其影像
主要内容：
卫星遥感技术系统简介 Landsat卫星及其影像 SPOT卫星及其影像 CBERS卫星及其影像 气象卫星
8.1 卫星遥感技术系统简介
遥感测试系统
遥感测试系统主要为星体、传感器、发射、测控、 通讯等方面的基础研究 还有四个方面的研究：1）进行卫星和航空遥感的 模拟试验；2）试验遥感仪器设备的性能；3）地 物波谱特性；4）遥感图像解译和应用。 遥感试验区
To be
Landsat的运行特 或近圆形轨道，与地面 保持等距离。其目的是 使卫星图像比例尺基本 一致
– Landsat1～3轨道倾角 99.125°，Landsat4/5、 7轨道倾角98.22°为近 极地轨道。这种轨道有 利于增大卫星对地面的 观测范围，能保证全球 绝大部分地区都在卫星 覆盖之下。
星载系统
有效载荷分系统
– 有效载荷分系统包括探测器、传感器、摄影仪 器和其他专用设备如数据传输、空间环境监测 和星上数据收集等星上遥感装置，是星体的主 要组成部分。
地面控制－－处理系统
跟踪站
– 跟踪站的主要任务是跟踪星体，不断对星体进 行观测，将测得的卫星轨道数据及时提供给控 制中心，以计算星体空间轨道及其变化，控制 卫星的运行。
–以便进行遥感模拟试验，检验各种仪器、设备的性能， 通过地物波谱特性的研究为解译、识别和应用提供依 据，并为图像的处理提供参量。
–试验区有大小类型，满足某方面需要的基本试验区， 一般面积较小，几十公里左右；满足多学科、多专业 和多要素试验的综合试验区，面积较大，1万平方公里 到数万平方公里。
星载系统
8.2.2 Landsat图像的空间信息
1、图像的经纬度
8.2.2 Landsat图像的空间信息
图像获取的时间
– 图像获取时间是指获取图像信息的地方时间， Landsat轨道是与太阳同步轨道，在发射时就确定了 通过赤道的平均太阳时为上午9时45分左右。实际上 通过中纬度地区都在上午9~10时左右，因此所有地区 基本上都是在这段时间内拍摄的。这种近乎一致的光 照条件，使全球范围内相同的地物具有相似的色调和 灰度值，同时能形成立体感最强的阴影，便于互相对 比，进行一致的分类和识别。
– 跟踪站分固定型和流动型两种。
地面控制－－处理系统
接收站
– 接收站执行两项主要任务：①指挥和控制星体 工作。②接收星体传送下来的遥感图像信息及 其有关数据（如卫星姿态参数）。
– 接收站将接收的全部数据分类记录在磁带上， 并传输到控制中心。
地面控制－－处理系统
空间控制中心
– 空间控制中心亦叫空间指挥中心，简称控制中 心，是卫星遥感系统的大脑，负责监测和指挥 卫星的运行，制定卫星及传感器每一天的日程， 控制和协调全系统的正常工作
8.2.2 Landsat图像的空间信息
②图像旁向重叠 图像航向重叠是图像在相邻轨道间的重 叠，由轨道间距和成像宽度决定。Landsat1～3在赤道上 两相邻轨道间距159km，成像宽度185km，形成26km的 旁向重叠区域，约占图幅的14%；Landsat4/5，7在赤道 上两相邻轨道间距172km，成像宽度185km，形成13km 的旁向重叠区域，约占图幅的7%。因为地球是一个椭球 体，卫星轨道在两极上空相交，因而相邻轨道间的距离从 赤道向两极逐渐缩短，而卫星对地面扫描宽度不变。因此， 卫星图像的旁向重叠从赤道向两极逐渐增大
数据处理与管理中心
– 数据处理与管理中心简称数据资料中心，有时 也叫数据处理机构。作用是及时处理遥感的图 像信息。
地球资源卫星数据
一、Landsat数据
陆地卫星Landsat，1972年发射第一颗，已连续31年 为人类提供陆地卫星图像，共发射了7颗，产品主要有 MSS,TM,ETM，属于中高度、长寿命的卫星。 陆地卫星的运行特点： （1）近极地、近圆形的轨道； （2）轨道高度为700～900 km； （3）运行周期为99～103 min/圈； （4）轨道与太阳同步。
星载系统是卫星遥感的核心部件，按照控 制系统的指令进行工作，主要接收来自地 面各种地物的电磁辐射信息，同时收集各 地面数据收集站发送的信息，然后将这两 种信息再发回地面数据接收站。
星载系统
星载系统
平台服务分系统
①控制星体姿态 ②与地面通讯联系和星上数据管理 ③调整轨道 ④星体内各种仪器工作状态的监测 ⑤电源供应
Landsat的运行特征
卫星轨道与太阳同步， 即卫星轨道相对于地球 的角进动，与太阳相对 于地球的角进动相等， 也就是卫星通过任意纬 度的地方时基本是不变 的。要实现与太阳同步， 卫星运行的轨道必须西 移，轨道倾角要大于 90°，使两条相邻轨道 之间的距离（夹角）与 该运行时段内太阳由东 向西移动的距离（角度） 相等。
8.2.2 Landsat图像的空间信息
图像的重叠 –①图像航向重叠 图像航向重叠是图像沿卫星运行方向
的重叠。RBV由于25秒的固定的曝光时间间隔，便形 成了固定的26公里的航向重叠区域，相当于图幅14%。 MSS和TM是连续扫描成像，相邻图像的航向重叠是地 面处理分幅时，采用使扫描电子束分开，产生两次重 复扫描，即相邻两像幅各扫一次的方法，产生重叠影 像。MSS航向重叠16km，约占图幅的9%，TM处理是 固定为5%。