遥感影像数据
遥感卫星影像数据质量如何检查
遥感卫星影像数据质量如何检查原始影像质量检查取得原始影像数据后，首先要对数据源质量进行全面检查。
主要检查内容和要求如下：1、原始数据检查以景为单位，应用遥感图像处理软件打开影像数据，采用人工目视检查的方法，对每景数据进行质量检查，并进行文字记录。
2、检查相邻景影像之间的重叠是否在4%以上，特殊情况下不少于2%。
3、检查原始影像信息是否丰富，是否存在噪声、斑点和坏线。
4、检查影像云、雪覆盖情况，是否满足云、雪覆盖量小于10%，且不能覆盖城乡结合部等重点地区之规定。
5、检查侧视角是否满足规程之规定：一般小于15°，平原地区不超过25°，山区不超过20°。
6、对检查结果中不符合以上质量要求的数据信息及时反馈全国调查办，申请替换。
3.1.2原始影像质量常见问题根据以往的影像处理经验，除常见的云雪覆盖量较大和侧视角超限等问题外，在原始影像的检查中常见质量问题如下：1、掉线，如图3-1所示：图3-1：掉线现象2、条带现象，如图3-2所示：图3-2条带现象3、增溢过度现象，如图3-3所示：图3-3影像增溢过度3.1.3原始影像分析原始影像数据质量检查合格后，根据各景影像的头文件信息，通过GIS软件生成落图矢量文件（WGS84坐标），内容包含数据源类型、景号、时相、侧视角等属性字段。
将落图矢量文件与项目区范围在GIS软件中进行叠加，全面检查数据覆盖是否完整，并对重叠较小的区域进行反复确认，将缺漏数据情况及时反馈全国调查办。
同时，在满足重叠要求和项目区覆盖完整的前提下，尽量排除不需要生产的数据以提高工作效率和保障项目进度。
在确定好需生产数据的数量和分布后，以分带区为单元，将同一投影带内的原始数据以所在带号为名称的文件夹分别存放，对跨分带线的数据以面积较大区域所在投影带为准，以备下一环节的使用。
3.1.4原始影像预处理由于卫星具有侧视观测地面的功能，获取完整监测区的数据时段不同、空中云雾干扰以及地面光线不均匀等原因，会造成一景图像内部、景与景之间的感光程度存在差别，采用专业图像处理软件，对项目区全色与多光谱影像分别进行预处理。
遥感影像数据发布流程
遥感影像数据发布流程全文共四篇示例，供读者参考第一篇示例：遥感影像数据是一种重要的地理信息资源，能够为各行各业提供可靠的地理数据支持。
在遥感影像数据的发布过程中，需要经过一系列的步骤和流程来确保数据的质量和可用性。
本文将为您介绍关于遥感影像数据发布流程的详细信息。
一、数据准备阶段在遥感影像数据发布流程中，首先需要进行数据准备阶段。
这个阶段包括数据的采集、处理、整理和存储等步骤。
通常情况下，遥感影像数据需要通过遥感卫星或者无人机等载具进行采集，然后通过一系列的数字图像处理技术进行处理，提取和分析目标物体的信息。
整理完成后，数据需要保存在云端或者服务器中，以方便后续的发布和共享。
二、数据质量评估阶段数据质量评估是遥感影像数据发布流程中非常重要的一步。
数据质量的好坏直接影响到数据的可用性和应用效果。
在数据质量评估阶段，需要对数据进行多方面的评估，包括地理参考精度、空间分辨率、光谱分辨率、时间分辨率等方面的评估。
只有数据质量达到要求，才能够进行下一步的发布工作。
数据发布准备阶段是遥感影像数据发布流程中的一部分。
在这个阶段，需要制定数据发布的计划和策略，包括数据的格式、范围、分辨率、许可证明等方面的内容。
还需要制定数据发布的平台和方式，确保数据能够被用户方便地获取和使用。
在数据发布阶段，需要将准备好的遥感影像数据上传到指定的平台或者服务器上，供用户下载并使用。
还需要对数据进行一定的保护和管理，确保数据的安全性和完整性。
数据发布的形式可以是在线浏览、下载或者定制服务等多种形式，以满足不同用户的需求。
五、数据更新维护阶段数据更新维护是遥感影像数据发布流程中一个重要的环节。
遥感影像数据具有时效性，需要定期对数据进行更新和维护，保持数据的准确性和完整性。
在更新维护过程中，需要及时处理用户反馈的问题和需求，确保数据的质量和可用性。
第二篇示例：一、数据获取遥感影像数据的发布流程的第一步是数据获取。
遥感影像数据可以通过卫星、飞机等平台获取。
遥感影像数据融合原理与方法
遥感影像数据融合原理与方法遥感影像数据融合是将不同波段或不同传感器的遥感影像数据融合在一起，以获取更全面、准确、可靠的信息。
它在农业、林业、城市规划、环境监测等领域具有广泛的应用。
下面将对遥感影像数据融合的原理和方法进行详细介绍。
一、遥感影像数据融合原理遥感影像数据融合的原理是通过将多个波段或多个传感器的影像数据进行组合，以获取多波段或多传感器数据的综合信息。
融合后的影像数据能够提供更多的数据维度和更丰富的信息内容，从而增强地物辨别能力和特征提取能力。
1.时空一致性：遥感影像数据融合要求融合后的影像数据在时域和空域上具有一致的特性，即不同时间或空间的影像数据融合后要保持一致性，以便进行准确的信息提取和分析。
2.特征互补性：不同波段或传感器的影像数据通常具有不同的特征信息，例如，光学影像可以提供颜色信息，而雷达影像可以提供物体的形状和纹理信息。
融合时要充分利用不同波段和传感器的特征互补性，使融合后的影像数据包含更全面、准确的信息。
3.数据一致性：遥感影像数据融合应保持数据的一致性，即融合后的影像数据应在不改变原始数据的情况下，能够反映出原始数据的真实信息。
在融合过程中要注意去除噪声和图像畸变等因素，以保持数据的一致性。
二、遥感影像数据融合方法1.基于像素的融合方法：基于像素的融合方法是将不同波段或传感器的影像数据进行像素级别的融合。
常用的方法有像素互换法和加权平均法。
像素互换法是将一个波段或传感器的像素值替换到另一个波段或传感器的影像上，以增加信息的表达能力。
加权平均法是对不同波段或传感器的像素值进行加权平均，得到融合后的像素值。
2.基于特征的融合方法：基于特征的融合方法是针对不同波段或传感器的特征进行分析和融合。
常用的方法有主成分分析法和小波变换法。
主成分分析法是通过对不同波段或传感器的影像数据进行主成分分析，提取出影像数据中的主要特征，然后将主成分进行融合。
小波变换法是利用小波变换来分析和提取不同波段或传感器的影像数据中的特征，然后通过小波系数的线性组合对影像数据进行融合。
遥感影像数据的分析与应用
遥感影像数据的分析与应用遥感是现代科技应用的一种重要手段，通过遥感技术可以获取大量的地球表面信息。
其中，遥感影像数据是一种广泛应用的数据形式，它具有包含信息量大、空间范围广、时间分辨率高、能够直观反映地球表面变化等特点。
本文将探讨遥感影像数据的分析与应用。
一、遥感影像数据的类型遥感影像数据按照获取方式可以分为主动式和被动式两种。
主动式遥感通过主动发射能量并通过反射的波束进行信息捕捉，如雷达和激光雷达等；被动式遥感则是利用反射、辐射及辐射衍射等方式，以可见光、近红外和热辐射等电磁波辐射信息捕获。
应用最为广泛的遥感影像数据为卫星遥感影像数据。
根据载荷或传感器种类，卫星遥感影像数据又可分为光学遥感数据（如Landsat、MODIS、SPOT等）、雷达遥感数据（如SAR）和红外遥感数据（如ASTER）等。
二、遥感影像数据的分析遥感影像数据的处理和分析是遥感领域的研究重点之一。
主要任务是通过对遥感影像数据进行数学和层次分析，提取地物类型和特征参数等信息。
遥感影像数据分析的主要方法有以下几种：1. 直观解译法：人工解译遥感影像数据是最为常见的一种方法。
利用专业遥感软件，根据人类的视觉和经验来判断图像中的地物类型和特征；2. 无监督分类：基于遥感数据的特征空间聚类的原理进行分类；3. 监督分类：利用已知地物类型进行训练，得到分类器模型，然后对新的遥感影像数据进行分类；4. 物体特征提取：通过遥感影像中的颜色、纹理、形状、大小等特征，提取地物的目标特征信息。
三、遥感影像数据的应用有了解译分析过后的遥感影像数据，便可以进行各种应用。
在城市环境方面，遥感影像数据可以用来识别和监测城市扩张以及城市建筑物的更新；在农业方面，可以利用遥感影像数据进行农田调查和植被覆盖的监测；在环保领域，也可以利用遥感影像数据进行水资源、土壤污染监测以及海洋生态监测等。
1. 城市环境应用城市扩张的监测和分析是城市规划的一个重要任务。
可以通过遥感影像数据获取城市中不同类型的用地信息，如居住区、商业区、工业区、公共设施等，也可以根据历史遥感影像数据的变化分析，掌握历史城市扩张的状态以及未来发展趋势，从而进行合理城市规划和土地利用规划。
遥感影像数据发布流程-概述说明以及解释
遥感影像数据发布流程-概述说明以及解释1.引言1.1 概述概述部分的内容可以介绍遥感影像数据发布流程的背景和概念。
以下是一个可能的内容：遥感影像数据是指通过卫星、无人机等遥感技术获取的地球表面的图像数据。
这些数据可以提供丰富的地理信息，并广泛应用于农业、城市规划、自然资源管理等领域。
遥感影像数据发布流程是指将获取到的遥感影像数据经过一系列的处理和整理，然后以适当的方式发布和共享给相关用户和利益相关者。
这个流程涉及到数据的获取、处理、存储、传输和发布等环节。
在遥感影像数据的获取阶段，需要使用遥感传感器来采集地球表面的图像。
遥感传感器可以是卫星上的遥感仪器，也可以是无人机等飞行器上的相机。
这些传感器会收集到大量的图像数据，包括不同波段的光谱数据、高分辨率图像等。
在遥感影像数据处理阶段，需要对获取的图像数据进行一系列的处理和分析。
这包括图像预处理、几何校正、辐射校正、数据融合等过程，以及特定的遥感算法和技术的应用，从而得到更加精确和可用性高的影像数据。
遥感影像数据的发布是为了让用户和利益相关者能够方便地获取和使用这些数据。
发布的方式可以是通过在线地图服务、数据共享平台、数据库等形式。
同时，为了方便用户的查询和使用，还需要对数据进行元数据描述和标准化，以及制定相应的数据访问和使用政策。
总而言之，遥感影像数据发布流程是一个涉及到数据获取、处理、存储和发布等环节的复杂过程。
通过合理的流程和方法，可以保证数据的准确性和可用性，进一步提升遥感影像数据的应用价值。
在接下来的文章中，我们将详细介绍遥感影像数据发布流程的各个环节和关键技术。
1.2 文章结构本文将按照以下结构来进行描述和解释遥感影像数据发布流程：1. 引言：首先介绍本文的概述，即遥感影像数据发布流程的基本概念和重要性。
同时，说明本文的章节安排和内容目的。
2. 正文：2.1 遥感影像数据获取：详细介绍遥感影像数据获取的方法和技术，包括遥感卫星、航空摄影和无人机遥感等。
卫星遥感影像数据标准
卫星遥感影像数据标准卫星遥感影像数据标准是指在卫星遥感技术应用中，对采集到的影像数据进行处理、管理和标准化的规范。
这些标准的制定和遵循，对于保证卫星遥感数据的质量、可靠性和可比性具有重要意义。
在实际应用中，遵循卫星遥感影像数据标准可以有效提高数据处理和分析的效率，保证数据的准确性和一致性，促进数据共享和交换，推动遥感技术在各个领域的应用。
首先，卫星遥感影像数据标准包括数据采集、处理、存储和传输等方面的规范。
在数据采集阶段，需要考虑传感器的性能参数、观测条件、数据格式等因素，确保采集到的数据具有一定的空间分辨率、光谱分辨率和时间分辨率，并且能够满足特定应用的需求。
在数据处理和存储阶段，需要制定统一的数据处理流程和格式标准，确保数据的一致性和可比性。
同时，对于数据的传输和共享，也需要制定相应的规范，保证数据能够安全、高效地传输和共享。
其次，卫星遥感影像数据标准还涉及数据质量控制、精度评定和标定验证等方面的内容。
在数据质量控制方面，需要建立完善的质量控制体系，包括数据采集质量控制、数据处理质量控制和数据产品质量控制等环节，确保数据的准确性和可靠性。
同时，需要对数据的精度进行评定和验证，制定相应的标定方法和标准，保证数据的精度能够满足特定应用的需求。
最后，卫星遥感影像数据标准还需要考虑数据的管理和服务方面的内容。
在数据管理方面，需要建立完善的数据管理体系，包括数据归档、检索、更新和版本控制等环节，确保数据能够长期保存和管理。
同时，需要提供相应的数据服务，包括数据访问、数据查询、数据下载和数据分发等服务，满足用户对数据的需求。
总之，卫星遥感影像数据标准对于推动卫星遥感技术的应用具有重要意义。
只有遵循统一的标准和规范，才能够保证数据的质量和可靠性，促进数据的共享和交换，推动遥感技术在各个领域的应用。
因此，我们需要不断完善和遵循卫星遥感影像数据标准，推动卫星遥感技术的发展和应用。
如何进行遥感影像的数据融合
如何进行遥感影像的数据融合遥感影像数据融合是一种将不同分辨率、不同传感器所得到的遥感影像数据进行整合的技术方法。
这种方法可以充分发挥各种遥感传感器的优势, 提高遥感影像的质量和信息量，广泛应用于资源与环境监测、农业与林业管理、城市规划与地理信息系统等领域。
本文将探讨如何进行遥感影像的数据融合，以及融合技术的发展趋势。
一、遥感影像数据融合的原理遥感影像数据融合的原理主要基于多源遥感数据的互补性和融合效果的增益性。
不同传感器获取的遥感影像数据在分辨率、光谱特征和时间特性上存在差异。
通过融合这些数据，可以整合各种传感器的优势，提高遥感影像的质量和信息内容。
二、融合技术的方法1. 基于像素级的融合方法像素级融合方法是将不同传感器获取的遥感影像数据在像素级别上进行直接融合。
常见的方法有加权平均法、主成分分析法和像元转换法。
加权平均法通过给予不同传感器像素不同的权重，将不同传感器获取的影像数据加权平均得到融合后的影像。
主成分分析法是将不同传感器的影像数据进行主成分分析，提取出影像的主要特征，然后将这些特征进行融合。
像元转换法是通过建立传感器之间的数学模型，将一个传感器的影像数据转换成另一个传感器的影像数据，然后进行融合。
2. 基于特征级的融合方法特征级融合方法是将不同传感器获取的遥感影像数据在特征级别上进行融合。
常见的方法有小波变换法、频谱角法和时频分析法。
小波变换法是通过应用小波变换将影像数据分解成不同尺度的子带，然后将不同传感器的子带进行融合。
频谱角法是通过计算不同传感器影像数据的频谱角来评估它们在频域上的相似性，从而决定如何进行融合。
时频分析法是通过将不同传感器的影像数据进行时频分析，提取出影像的时频特征，然后将这些特征进行融合。
三、融合技术的发展趋势随着遥感技术的不断发展，数据融合技术也在不断更新和创新。
未来融合技术的发展趋势主要包括以下几个方面：1. 多源数据融合多源数据融合是未来融合技术的重要趋势。
如何下载免费的遥感影像数据(多种方法)
如何下载免费的遥感影像数据(多种方法）我们都知道购买遥感影像需要很多钱，并且并不是有钱就能随便购买的，需要通过相关机构，网站购买。
另外，对于学习使用来说，学生和个人就无法购买得起遥感影像！但是，在学习中有图有真相才会学得到更多。
我们可以通过一些提供遥感影像下载的网站，下载一些影像学习，软件处理等！工具/原料联网电脑地理空间数据云下载（很好）地理空间数据云有丰富的影像数据下载，很多事免费的。
百度搜索“地理空间数据云”，点击进入首页进入首页后，如图，两个方式查找影像数据，第一按地面查找，第二，点击数据目录查找，如图地名搜索查找就不做介绍了。
点击数据目录，如图，进入影像数据目录页：左边是各种卫星的产品目录，选择你想要下载的卫星图，点击列表，如图进入卫星图的列表后，可以找到自己想下载的影像图或地区范围，下载相应的遥感影像，如图，一般详细信息有影像的大小，一般的影像都是压缩的。
下载后解压即可。
国际科学数据服务平台下载（本质同上）第二个数据下载中心在“国际科学数据服务平台”（其实这个平台也是和上边地理空间数据云相联系的），百度搜索进入，如图可以获得Landsat陆地卫星遥感影像数据等，如图，例外也提供了其他数据下载，读者自己去熟悉，查看详细！该平台与地理空间数据云相互关联，故在此不多做介绍！地球科学数据共享平台下载百度搜索“地球科学数据共享平台下载”，进入首页这里边也有一些丰富的影像数据和其他数据，不过下载可能需要有登陆权限，如图风云卫星遥感数据网下载（气象卫星）同样百度搜索“风云卫星遥感数据网”，进入首页，如图在首页，点击数据——数据下载，进入下载界面GLCF下载（国外网站）GLCF也有丰富的landsat卫星图，可以免费下载，百度GLCF，点击进入首页找到自己需要的遥感影像下载USGS影像下载（不错）此网站数据影像免费下载，还挺不错的，不过最近因为美国联邦政府问题，禁止访问下载服务了，等到恢复再看吧！还有一些提供影像数据下载的网站，本人就不一一例举了。
遥感影像的空间数据处理与分析
遥感影像的空间数据处理与分析在当今科技迅速发展的时代，遥感技术作为获取地球表面信息的重要手段，其产生的大量遥感影像数据具有极高的应用价值。
而对这些遥感影像的空间数据进行有效的处理和分析，成为了从海量数据中提取有价值信息的关键环节。
遥感影像的空间数据处理，简单来说，就是对通过遥感设备获取的图像数据进行一系列的操作和转换，以使其更易于理解、分析和应用。
这其中包括了几何校正、辐射校正、图像增强等步骤。
几何校正是为了解决遥感影像在获取过程中由于传感器姿态、地球曲率等因素导致的图像变形问题。
就好像我们用相机拍照，如果角度不对或者距离不准确，拍出来的照片可能会歪斜或者变形。
通过几何校正，我们可以让遥感影像恢复到真实的地理空间位置，使得不同时期、不同传感器获取的影像能够进行准确的对比和分析。
辐射校正则是对由于传感器本身性能、大气散射等因素引起的影像辐射亮度误差进行修正。
想象一下，在不同的天气条件下拍照，照片的亮度和色彩可能会有所不同。
辐射校正就是要消除这些由于外界条件导致的误差，让影像的辐射亮度能够真实反映地物的特征。
图像增强是为了突出影像中的某些特征，提高图像的清晰度和可辨识度。
比如通过调整对比度、亮度等，让影像中的地物轮廓更加清晰，细节更加明显，从而便于我们进行观察和分析。
在完成了数据处理之后，接下来就是对遥感影像的空间数据进行分析。
空间数据分析的方法多种多样，常见的有分类分析、变化检测和空间关系分析等。
分类分析是将遥感影像中的地物按照一定的规则和特征进行分类。
这就好比我们把一堆水果按照种类进行区分，苹果归苹果，香蕉归香蕉。
在遥感影像中，我们可以根据地物的光谱特征、纹理特征等，将土地分为耕地、林地、建设用地等不同类型。
变化检测则是通过对比不同时期的遥感影像，发现地物的变化情况。
比如观察某一地区的城市扩张、森林砍伐或者水域面积的变化。
这种分析对于监测环境变化、城市发展等具有重要意义。
空间关系分析主要研究地物之间的空间位置关系。
常用高分辨率遥感影像基本参数
常用高分辨率遥感影像基本参数
高分辨率遥感影像是一种获取地球表面信息的重要技术，它可以提供
丰富的地理空间数据用于地理信息系统和地理学研究。
以下是常用高分辨
率遥感影像的基本参数。
1.分辨率：高分辨率遥感影像的分辨率通常指每个像素代表的实际地
面单位的大小。
分辨率可以是米、分米甚至亚米级别。
较高的分辨率能提
供更详细的地表信息，但文件大小也更大。
2.波段：高分辨率遥感影像可以提供多个波段的数据，以获取不同光
谱范围的信息。
常见的波段包括红、绿、蓝光波段以及近红外、短波红外等。
不同波段的数据可以用于不同的应用，如植被监测、土地覆盖分类等。
3.数据格式：常见的高分辨率遥感影像数据格式包括栅格格式和矢量
格式。
栅格格式将遥感影像数据划分为像素网格，并包含每个像素的数值
信息。
矢量格式则采用几何对象（如点、线、面）来表示地理现象，通常
用于表示矢量数据（如道路、建筑物等）。
- 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IRS—P6卫星数据制作遥感影像地图
IRS-P6卫星是2003年10月17日在印度空间发射中心发射升空的，该星是印度IRS—1卫星系列的成功延续，是中国科学院卫星地面站成功引进的接收项目。
在IRS-P6卫星上搭载着LISS-4、LISS-3及AWiFS 传感器，接收空间分辨率为5．8米的全色图像信息和空间分辨率分别为23．5米和56米的多光谱图像信息。
卫星运行寿命为5年，为近极轨道，与太阳同步，平均高度为817公里。
主要应用于城市规划、灾害监测、地图制图与更新、环境及农业监测、国土资源调查等领域，具有分辨率高、重访周期短、覆盖范围大等特点，补充了我国目前遥感应用领域内对5米分辨率卫星的需求。
IRS-1卫星LISS-4的全色波段分辨率为5．8米，幅宽为23．9公里；LISS-3有四个多光谱波段，B23(绿光波段，0．52-0．59μm)，B3(红光波段，0．62-0．68μm)，B4(近红波段，0．77-0．86μm)，B5(短波红外波段，1．55-1．7μm)分辨率均为23．5米，幅宽141公里。
本文采用内蒙大兴安岭地区的数据进行试验研究，工作区内覆盖二景2005年10月22日获取的LISS-3数据及三景2005年11月15日获取的LISS—4数据。
工作区地形高程696米—1661米，高差接近900米，属于山区。
2 LISS—3数据的波段组合
从LISS-3数据的四个波段中选择三个应用，波段组合的方法用相关矩阵法和目视法两者结合(表1)。
选择相关系数较小的波段，认为它们的信息相互之间比较独立，重叠信息比较少。
从上表可以看出波段选择方案是：B5、B4、B3(或B2)，B2和B3相关性是最大的。
这种方案将植被赋予绿色或黄色，水系呈现蓝色(深蓝色或兰黑色)岩石土壤呈现红色或褐色，接近自然颜色，与自然界中物质的自然色彩最为接近，选择这样的波段组合方案适合于遥感影像制图。
在植被生长茂密地区的夏秋季节选择B5、B3、B2波段组合可以消除一部分植被的影响，B4、B3、B2波段组合方案适用于图像的伪彩色模拟。
3 2A级数据产品的系统校正精度
空间分辨率为23．5米的LISS-3数据的系统校正精度检测，通过两景山区的数据完成，在两景数据上分别选择19个点，用地形图上所选点作为真值进行精度检测，精度分别为：244．75米和239．91米，不大于250米。
几何精度与ETM／TM多光谱波段相当。
在缺少或没有地面控制的地区使用系统校正的LISS-3卫星数据，两景数据的试验表明：平面精度可以满足1：500000比例尺的平面精度要求。
空间分辨率为5．8米的LISS-4数据的系统校正精度检测，通过工作区内的三景数据完成，在三景数据上分别选择了16或15个点，检测精度分别为：241．19米，245．17米，243．51米，在250米之内。
显示出山区高差投影差引起的平面像点位移对LISS-4卫星数据的平面精度的影响不容忽视，在山区必须完成旨在改正高差投影差的正射纠正才能满足1：50000或更大比例尺的平面制图精度要求。
4 LISS-4数据的正射纠正
完成LISS-4数据的正射纠正，目前最经济有效的办法是利用已有的满足一定精度的地形图数字化或者采购国家地理中心的成型产品。
利用已有地形图做为信息源，通过扫描数字化并利用专门的软件对等高线、地形特征线、地形特征点信息进行分类矢量化，经过数字处理建立用于图像正射纠正的DEM。
利用地面的若干控制点及其相应的图像像点坐标，用最小二乘方法解求传感器的外方位元素，利用DEM数据完成阵列式遥感影像的微分纠正。
4．1 数字高程模型的生成
利用数字化的等高线、地形特征线、地形特征点信息生成栅格化的数字高程模型。
上述的高程数据是不规则排列的，为了生成DEM，需要通过数字高程模型内插法将不规则的数据栅格化，数字高程模型内插就是根据已知点的高程数据求出待定点的高程，属于数学上的插值问题。
由于整体的地形的复杂和不规律，任何的内插方法都不是采用整体函数对整体地形进行拟合，而是采用局部内插法。
我们采用移动拟合法，这是一种逐点内插方法，这种方法简单、易行，在原始采样点分布合理的前提下内插的精度有保障。
4．2 遥感图像的微分纠正
数字微分纠正就是根据传感器成像模型和地表起伏状态对遥感成像的影响，每个像素进行逐点改正的一种严密的纠正方法，微分纠正所生成的结果图像就是数字正射影像，需要根据地面控制点的三维坐标(X、Y、Z)按照共线方程进行解算。
由于IBS—P6传感器是阵列推扫式，每一行扫描线具有一组外方位元素，共线方程表达为：
其中：
x为通过传感器镜位角改正的坐标；
y为以影像中心行为起始行的影像行序号，对应于成像时间；
Xs、Y s、Zs为传感器投影中心的大地坐标；
ai、bi、ci为待定系数。
阵列式遥感影像的微分纠正需要根据若干地面控制点对每个扫描行解求一组外方位元素，然后用反解法进行逐点纠正，由正射影像的位置(X，Y，Z)反求原始图像上的位置(x，y)。
遥感影像正射微分纠正具体流程如图1所示。
按照流程所示意的方法，完成了三景LISS4图像的正射纠正。
三景分别选取了地面控制点15—18个，检查点8—10个，点位均匀分布，八个象限均有控制，控制点拟合误差分别为1．95—1．98象元，检查点点位误差为2—3个象元左右。
正射影像纠正结果如图2所示。
采用随机抽样的办法，分别检验了三景图像的精度。
在三景图像和地形图上分别抽取了15个对点，点位分布比较均匀，抽取是随机的。
计算随机抽样点的误差为实地：10．17米、9．99米、9．79米。
5 二种数据的配准融合处理
图像配准就是产生一个空间校准的图像集合或者匹配某一景物的图像的过程。
因此从本质上说它同遥感图像的几何纠正一样，需要分析各分量图像上的几何畸变，然后采用一种几何变换将图像归化到统一坐标系统中。
从而实现同一区域不同遥感图像的坐标系统的统一，也就是空间配准，然后才能实现图像融合。
我们采用的配准方法是以高精度的全色波段LISS-4的正射纠正图像为准，对多光谱数据LISS-3进行配准，为保证足够的多余观测，每景图像选择16—20个点作为控制点，将LISS-3图像向正射影像配准。
遥感制图的数据融合的目的就是通过数学手段，提高图像的空间分辨率和光谱分辨率，并尽可能的保持两者的真实性，弥补单一图像的不足，从而达到多种信息源的相互补充。
这样不仅扩大了各图像的应用范围，而且大大提高了图像分析精度。
常用的数据融合方法主要有：代数法、IHS变换、小波变换、主成分变换(PCT)、K-T变换等。
在融合前对两种图像进行增强处理，高分辨率全色图像主要增强它的纹理信息，多光谱图像要突出它的色彩信息，我们采用了IHS变换的方法进行图像融合。
在多光谱图像的IHS色度空间提取出物体的亮度I，色度H，饱和度S，将高分辨率的全色波段替代亮度分量I后再重新变换成RGB，完成了图像的融合处理，结果图像包含既较高的空间分辨率，也包含较丰富的光谱信息。
我们试验区的LISS-3数据和正射影像匹配，控制点拟合误差在一个象元左右，保证了两种数据的几何位置准确对准。
整个区域的遥感正射影像地图示意图如图3所示。
6 结论
1．利用IRS-P6卫星数据制作遥感影像地图，可以满足1：50000、1：25000比例尺的平面制图精度要求，在一些专业和专题应用中可以放大到1：15000比例尺使用。
2．利用IRS-P6卫星数据的高分辨率的LISS-4数据和多光谱的LISS-3数据进行数据融合处理，有效地应用了多光谱波段的地物波谱信息以及高分辨率卫星准确的地物空间定位和地物清晰的图像显示。
对于居民地、道路、森林、山地、河流、独立方位物等地物地貌的识别和判读比较准确。
3．由于本次试验只是在一个地形属于山区的局部地区完成，结论也是该地区应用的体会和心得，
具有—定的局限性，有待于在更大的范围、不同的地形地貌形态的地区推广应用，进—步得到验证灵科电子信息有限公司
网址：/
电话：。