环境小卫星图像预处理
envi图像预处理
• 第二步：对高分辨率的全色影像进行正射纠正
-
• 第三步：高分辨率影像和多光谱影像的配准、融合
-
ENVI/IDL
3.2基于影像自带地理定位文件几何校正
• 对于重返周期短，空间分辨率较低的卫星数据，
如AVHRR、Modis、SeaWiFS等，地面控制点的选择 有相当的难度。我们可以用卫星传感器自带地理 定位文件进行几何校正，校正精度主要受地理定 位文件的影响。
-
• 坐标定义文件：
-
椭球体参数文件 基准面参数文件 坐标系参数文件
ENVI/IDL
本节收获
• 了地理投影的基本原理，大地坐标的概念 • 了解北京54、西安80坐标系的由来及其参数 • 掌握了在ENVI下如何自定义坐标系，包括添加椭
球体、基准面和定义坐标系
• 在ENVI下自定义了北京54
19度带（6度分带）的 坐标系，以便后续专题的使用
ENVI/IDL
练习3
• 内容：
-
扫描地形图的几何校正
• 数据：
-
2-DRG几何校正
ENVI/IDL
练习4
• 内容：
-
扫描地形图外边框裁切
• 数据：
-
3-DRG外边框裁切
ENVI/IDL
练习5
• 内容：
-
扫描地形图镶嵌
• 数据：
-
4-DRG图像镶嵌
ENVI/IDL
本节收获
• 掌握了扫描地形图的预处理，包括几何校正、ROI
ENVI/IDL
3.4扫描地形图的处理
• 扫描地形图是我们常用的标准参考源 • 图上有公里网，从公里网上读取的坐标信息可直
接用于几何校正
• 外围有边框，在做多个地形图镶嵌时候，会发生
遥感图像处理实验报告
遥感图像处理实验报告《遥感图像处理实验报告》摘要：本实验利用遥感技术获取了一幅卫星图像，通过图像处理技术对图像进行了处理和分析。
实验结果表明，遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
引言：遥感图像处理是利用遥感技术获取的图像进行数字化处理和分析，以获取有用的地理信息和环境数据的过程。
本实验旨在通过对遥感图像的处理和分析，探讨遥感图像处理技术在实际应用中的作用和意义。
实验方法：1. 获取卫星图像：选择一幅特定区域的卫星图像作为实验对象，确保图像质量和分辨率满足处理要求。
2. 图像预处理：对原始图像进行预处理，包括去噪、增强、几何校正等操作，以提高图像质量和准确性。
3. 图像分析：利用遥感图像处理软件对图像进行分类、特征提取、变化检测等分析，获取地理信息和环境数据。
4. 结果展示：将处理后的图像结果进行展示和分析，对图像处理技术的应用效果进行评估。
实验结果：经过处理和分析，得到了一幅清晰的遥感图像，并从中提取了有用的地理信息和环境数据。
通过图像分类和特征提取，可以准确地识别出不同地物类型，如建筑物、植被、水体等；通过变化检测，可以发现地表的变化情况，如城市扩张、土地利用变化等。
这些信息对于地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
结论：遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值，通过对遥感图像的处理和分析，可以获取丰富的地理信息和环境数据，为相关领域的决策和规划提供重要的支持。
在未来的研究中，可以进一步探讨遥感图像处理技术的改进和应用，以满足不同领域的需求。
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。
卫星测量图像的处理和解译方法
卫星测量图像的处理和解译方法随着科技的不断发展，卫星测量图像已经成为了现代地理信息系统中的重要内容。
它提供了坐标和位置信息，用于辅助地图制作、环境监测、资源管理等诸多领域。
然而，要正确解读卫星测量图像并提取有用的信息并不容易。
本文将介绍一些常见的卫星测量图像处理和解译方法，以帮助读者更好地理解卫星测量图像。
一、图像预处理在进行卫星测量图像的后续处理和解译之前，首先需要对图像进行预处理。
这包括图像增强、去噪等步骤。
1. 图像增强图像增强是通过调整图像的亮度、对比度等参数来改善图像的质量和清晰度的过程。
常用的图像增强方法包括直方图均衡化、滤波等。
直方图均衡化可以通过重新分配图像的像素值来增强图像的对比度。
而滤波可以通过去除图像中的噪声来提高图像的清晰度。
2. 去噪卫星测量图像由于受到大气干扰、传感器噪声等因素的影响，通常都会存在一定程度的噪声。
为了减少噪声对图像解译的影响，需要对图像进行去噪处理。
常用的去噪方法包括中值滤波、小波去噪等。
二、图像解译图像解译是将卫星测量图像中的像素值转化为现实世界中的信息的过程。
它可以帮助我们了解地表特征、环境变化等信息，对环境监测、资源管理等方面具有重要意义。
1. 特征提取特征提取是图像解译的关键步骤之一。
它通过识别和提取图像中的地物特征，如道路、建筑物、植被等，来获取更高层次的地理信息。
常用的特征提取方法包括边缘检测、分割算法等。
2. 分类与识别分类与识别是将特征提取的结果与事先定义的地物类型进行对比和匹配的过程。
通过建立分类模型和利用机器学习算法，可以自动识别图像中的地物类型。
同时，也可以借助地理信息系统的辅助，在图像上手动绘制感兴趣区域进行分类。
无论是自动识别还是手动分类，都可以帮助我们更好地理解和利用卫星测量图像。
三、应用与展望卫星测量图像的处理和解译方法在实际应用中有着广泛的应用前景。
通过对卫星测量图像的处理和解译，可以实现环境监测、资源管理、城市规划等多个领域的需求。
如何使用卫星图像进行土地利用测绘
如何使用卫星图像进行土地利用测绘近年来，随着卫星技术的快速发展，卫星图像在土地利用测绘领域发挥了重要作用。
卫星图像具有广覆盖、高分辨率和多光谱信息等优点，使其成为土地资源监测和管理的重要工具。
本文将介绍如何使用卫星图像进行土地利用测绘，并探讨其在实践中的应用。
一、卫星图像获取卫星图像获取是进行土地利用测绘的第一步。
目前，全球有多颗卫星可以提供土地利用测绘所需的图像，如Landsat、Sentinel等。
用户可以通过购买或获取免费数据来获得卫星图像。
然而，在选择图像时，需要考虑图像的分辨率、时间间隔、云覆盖情况以及可否提供多光谱信息等因素。
一般来说，分辨率越高的卫星图像能够提供更精确的土地利用信息，但其获取的成本也相对较高，因此需要权衡利弊。
二、卫星图像预处理卫星图像预处理是土地利用测绘中的关键步骤之一。
由于卫星图像可能受到大气、地表特征和传感器等影响，因此需要进行图像校正和增强等处理，以提高图像质量和准确性。
常见的预处理方法包括大气校正、辐射校正、几何校正等。
这些处理方法可以使卫星图像更好地反映地表的真实情况，为后续的土地利用分类和测绘工作奠定基础。
三、土地利用分类与变化检测土地利用分类是卫星图像处理的重点任务之一。
通过使用遥感图像处理软件，可以对卫星图像进行分类，将地表分为不同的类别，如建筑用地、农田、林地等。
分类方法有监督和非监督两种。
监督分类需要将样本区域标注为不同的类别，并训练分类器以自动分类其他区域。
非监督分类则是根据图像中的像素值和灰度分布进行分类。
除了分类，还可以利用卫星图像进行土地利用变化检测。
通过对不同时间段的卫星图像进行比较，可以发现土地利用发生的变化，并分析其原因和趋势。
四、土地利用测绘结果验证与评估土地利用测绘结果的验证和评估是保证测绘结果准确性和可靠性的重要环节。
常见的验证方法包括野外调查、GPS定位和现场照片比对等。
通过对测绘结果的实地验证，可以检查分类的正确性和精度，并进行改进和调整。
卫星遥感图像处理技术研究
卫星遥感图像处理技术研究第一章研究背景与意义近年来，随着卫星技术的不断发展，卫星遥感得到了越来越广泛的应用。
卫星遥感作为一种远距离地球观测方法，其获取的信息广泛、快速、实时，可以用于资源调查、环境监测、城市规划与管理等领域。
而卫星遥感图像数据的处理与分析则成为了卫星遥感技术应用的关键环节。
因此，卫星遥感图像处理技术的研究对推动卫星遥感领域的发展和应用具有重要意义。
第二章卫星遥感图像处理技术2.1 卫星遥感图像处理流程卫星遥感图像处理流程一般分为图像预处理、图像增强、图像复合、图像分类与解译等步骤。
2.1.1 图像预处理图像预处理是指对卫星遥感图像进行预处理，以便在后续的图像分析中减少噪声干扰、边缘锯齿等问题，并使图像质量更好。
图像预处理可以对图像进行几何校正、辐射校正和大气校正等处理。
2.1.2 图像增强卫星遥感图像增强是指以各种方式来增强图像的目标特征，使其更加鲜明、直观。
常用的图像增强方式包括直方图均衡、滤波、伪彩色增强等。
2.1.3 图像复合卫星遥感图像复合是将多幅遥感图像融合成一幅图像的过程，可以减弱单张图像所带来的缺陷，提高信息的可靠性。
图像复合一般指波段融合、图像融合和面向对象融合等。
2.1.4 图像分类与解译卫星遥感图像分类与解译是指将原始图像根据其特征区分出不同的类别，并用适当的标识表示出来。
图像分类与解译可以使用不同的技术，如监督分类算法、非监督分类算法、时间序列分类算法等。
2.2 卫星遥感图像处理技术的发展趋势近年来，人工智能与机器学习技术的发展，为卫星遥感图像处理带来了新的机遇。
这些技术可以帮助我们处理大规模复杂的遥感图像数据，更好地实现对地球环境的监测和管理。
同时，基于云计算的遥感图像处理技术也得到了飞速的发展，并在遥感数据分析与处理方面发挥了重要的作用。
第三章卫星遥感图像处理在应用方面的研究3.1 卫星遥感图像在资源调查中的应用卫星遥感图像可以用于水资源、土地资源、森林资源和矿产资源等方面的调查，其广域、高效的优势使其成为许多资源调查和管理工作的首选手段。
卫星测图中的卫星数据处理流程与技巧
卫星测图中的卫星数据处理流程与技巧导语：随着科技的不断发展，卫星测图逐渐成为了地理信息系统（GIS）领域中不可或缺的重要工具。
卫星数据处理是卫星测图的基础，对于结果的准确性和可靠性起着至关重要的作用。
本文将主要介绍卫星数据处理的流程与技巧，帮助读者更好地理解和应用卫星测图技术。
一、卫星数据的获取与收集卫星数据的获取是卫星测图的第一步，而数据的收集则是获取数据的重要方式之一。
目前，卫星数据的获取主要有两种方式：直接下载和购买。
直接下载是指通过卫星数据共享平台，如美国地质调查局（USGS）提供的EarthExplorer，从互联网上直接下载卫星数据。
而购买方式则是通过商业卫星数据提供商购买特定区域的卫星影像和产品。
二、卫星数据的预处理卫星数据的预处理是卫星数据处理的重要环节，通过对原始数据进行校正和增强，可以提高数据的质量和可用性。
预处理的主要步骤包括：几何校正、辐射校正和大气校正。
1.几何校正几何校正是将原始卫星影像矫正为地理参考图像的过程，主要包括地球表面形状校正、图像配准和图像变形纠正等操作。
几何校正的目的是消除由卫星姿态、运动和大气影响等因素导致的图像形变，以达到真实地表形状的正确显示。
2.辐射校正辐射校正是将原始卫星影像转换为可比较的辐射能量值，以便进行不同时间、不同卫星和不同传感器影像的定量比较。
辐射校正主要通过测定辐射敏感区域的大气透过率和太阳辐射能量来完成。
3.大气校正大气校正是为了减小大气散射和吸收对卫星影像质量的影响而进行的处理。
主要目的是消除不同高度或角度视场内大气吸收和散射对亮度的影响，使卫星影像能够更真实地反映地表的特征。
三、卫星数据的处理与分析卫星数据经过预处理后，就可以进行接下来的数据处理与分析。
卫星数据的处理与分析主要有以下几个方面：1.图像融合图像融合是将具有不同空间分辨率和光谱特性的多幅卫星影像融合到一起，以获得具有更高分辨率和更丰富信息的图像。
常见的图像融合方法包括基于波尔塔定理的多光谱和全色波段融合、小波变换融合和人工神经网络融合等。
使用遥感技术进行卫星图像解译的步骤和技巧
使用遥感技术进行卫星图像解译的步骤和技巧引言：遥感技术的发展使得我们能够通过卫星图像来获取地球表面的信息，这为研究地质、环境、气象等领域提供了重要的数据来源。
然而，要正确解读和分析卫星图像，需要掌握一些步骤和技巧。
本文将介绍使用遥感技术进行卫星图像解译的基本步骤和一些实用的技巧，帮助读者更好地理解卫星图像。
一、图像预处理首先，对卫星图像进行预处理是十分重要的。
这一步骤包括噪声去除、辐射定标和几何校正等。
噪声去除能够提高图像的质量，使得后续分析更加准确。
辐射定标能够将图像中的亮度值转化为反射率或辐射通量，从而消除由于地表反射和大气散射引起的变异。
几何校正则是将图像进行地理坐标转换，使其具有地理空间参考。
这些预处理步骤可以利用遥感软件完成，如ENVI、ERDAS等。
二、波段选择卫星图像通常包含多个波段，不同波段对应不同的能量范围和物理特征。
因此，选择适当的波段进行解译非常重要。
通常，可见光和近红外波段能够提供地物的光谱信息，热红外波段能够反映地物的热特征，雷达波段能够穿透云层，获取地表的形状信息。
根据研究目标和需求，选择合适的波段进行解译。
三、特征提取在进行卫星图像解译时，需要从图像中提取出代表地物的特征。
这一步骤可以利用图像处理和模式识别技术来实现。
常用的特征包括土地覆盖类型、植被指数、湿度指数等。
特征提取可以通过图像分割、分类和聚类等方法完成。
图像分割将图像分为若干个不同的区域，分类将每个区域判别为某一类别，聚类则将图像中的像素划分为几个类别。
四、分类与识别分类是卫星图像解译的核心步骤之一。
分类可以根据不同的标准进行，如最大似然法、支持向量机、人工神经网络等。
这些分类方法可以根据提取的特征进行训练，并对未知像素进行分类。
识别是指将分类结果与地物进行对应，确定每个类别代表的地物类型。
分类与识别的准确性往往依赖于特征提取的效果和训练样本的质量。
五、验证与精度评价解译卫星图像后，需要对结果进行验证和精度评价。
遥感图像处理技术的基本步骤
遥感图像处理技术的基本步骤遥感图像处理技术是利用卫星、飞机等遥感平台获取的图像数据进行分析和处理的一项重要技术。
它可以帮助我们了解地表现象和环境变化，为资源利用、灾害监测和环境保护提供有力的支持。
本文将介绍遥感图像处理技术的基本步骤，并探讨其在不同领域中的应用。
一、图像预处理图像预处理是遥感图像处理的第一步，目的是对原始图像进行校正和增强，以减少噪声、消除系统误差并提高图像质量。
常见的图像预处理方法包括大气校正、辐射校正、几何校正和噪声过滤等。
大气校正可以消除大气传输对图像的影响，使图像更加真实可靠；辐射校正可以将原始图像的辐射值转换为反射率或亮度温度，以便进一步分析；几何校正可以校正图像的几何畸变，使图像与真实地理位置对应准确；噪声过滤可以降低图像的噪声水平，提高图像的清晰度和解译能力。
二、图像数据解译图像数据解译是遥感图像处理的核心环节，它通过对图像的特征提取和分类识别，从图像中提取出我们感兴趣的信息。
特征提取可以通过计算图像的纹理特征、形状特征和光谱特征等，来描述和区分地物的不同属性。
分类识别则是将提取出的特征与已知地物类别进行对比，将图像中的像素进行分类。
常见的分类方法有监督分类和非监督分类。
监督分类需要提供一些训练样本，训练分类器进行分类；非监督分类则是根据图像的统计特性，自动将图像进行分类。
三、图像信息提取图像信息提取是遥感图像处理的下一步，它通过进一步分析图像数据，提取出我们所需要的地理、生态或环境信息。
常见的图像信息提取包括土地利用/覆盖分类、植被指数计算、水体边界提取和灾害监测等。
土地利用/覆盖分类可以对图像中的地物进行识别，如农田、森林、草地等；植被指数计算可以评估植被的生长状况和覆盖度，如归一化植被指数（NDVI）；水体边界提取可以通过分析图像的光谱信息，识别出水体的边界和分布；灾害监测可以通过对图像的变化分析，及时发现和评估地质灾害的风险。
四、图像结果分析图像结果分析是遥感图像处理的最后一步，它主要是对处理后的图像结果进行定量或定性分析，验证处理方法的有效性和结果的可靠性。
基于环境小卫星的湖泊水质遥感监测
专题二：基于环境小卫星的湖泊水质遥感监测一、实验内容利用环境小卫星CCD-1B 图像反演太湖叶绿素a浓度，整个实验涉及到环境小卫星的数据读取、辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等内容。
二、实验要求先对环境小卫星CCD数据进行数据预处理：数据读取、辐射定标、几何校正、大气校正、太湖区裁剪，利用波段比值法对实测的叶绿素a浓度数据建立反演模型，将模型应用于太湖水面区域影像，反演出整个太湖区的叶绿素a 浓度。
三、实验过程1、数据预处理(1)安装环境小卫星数据处理补丁ENVI_H J1A1B_Tool s.sav补丁放在home\ITT\IDL\IDL80\produc ts\envi48\save_a dd目录下。
（2）数据读取和定标主菜单->File->Open Extern al File->HJ-1A/1B Tools，打开环境小卫星数据读取补丁。
在HJ-1A/1B ToolsV3.0 面板中，选择CCD，点击Inpu t File 输入“1-环境小卫星数据\HJ1B-CCD1-451-76-20091006-L20000180174\180174”文件夹中的.x ml 文件，点Outpu t Path设置数据的输出路径，勾选“Calibr ation”“LayerStacki ng”两个选项单击A pply按钮。
2、工程区裁剪（1）打开HJ1B-CCD1-451-76-20091006-L20000180174_Cal brate d_Lay erSta cking.img （2）主菜单->File->Save File As->ENVI Standa rd，弹出NewFile Builde r 面板（3）在New File Builde r 面板中，单击Impo rt File，弹出的Cre ate New File Input File 面板，（4）在Creat e New File InputFile 面板中，选中Sele ct InputFile 列表中的裁剪数据，单击Spat ial Subset按钮，（5）在Selec t Spatia l Subset面板中，单击Imag e，弹出Subs et by Image对话框（6）在Subse t by Image对话框中，按住鼠标左键拖动图像中的红色矩形框确定裁区域，裁剪出包括太湖区域的一部分，单击OK，（7）在Selec t Spatia l Subset面板中，可以看到裁剪区域信息，单击OK，（8）在Creat e New File InputFile 对话框中，单击OK，（9）在New File Builde r，设置输出文件名HJ1B-CCD1-20091006-Cal-sub.img及路径，单击OK。
- 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)。
图像预处理主要包括:格式转换、FLAASH大气校正、图像配准、图像裁剪
一、格式转换
格式转换就是将环境小卫星的标准图像格式转换为envi的标准格式
步骤：(1)将环境小卫星的数据读取补丁ENVI_HJ1A1B_Tools.sav存放在Program iles/ITT/IDL/IDL80/products/envi48/save_add文件夹下；
（2）启动ENVI->File->Open External File->HJ-1->HJ-1A /1B Tools工具，如下图。
在Input Files输入要转换的文件路径，Output Path输入输出文件的路径及文件名，选择Calibration(定标)及Layer Stacking，点击Apply,则生成.img文件。
按上述步骤，将所有的CCD和HIS传感器转换成.img文件。
二、FLAASH大气校正
步骤：（1）由于进行FLAASH大气校正的图像的存储方式需为BIL或者BIP，而上步生成的图像为BSQ，需对图像进行存储方式的变换。
Basic Tools->Covert Data(BSQ,BIL,BIP)，输入转换图像路径和存储路径及文件名，将其保存为BIL(BIP)格式。
（2）Spectral->FLAASH，出现FLAASH大气校正对话框，如下图。
选择输入文件和存储路径，根据图像传感器不同选择设置参数（部分参数可在环境小卫星的标准图像文件的.xml文件中获得）。
三、图像配准
为了配准的方便,先大体裁剪图像使多光谱图像的范围与高光谱图像范围大体一致（具体见四）。
步骤：启动envi，打开要校正的图像，Map->Registration->Select GCPs:Image
to Image,选择基准影像为多光谱影像，及要校正的影像，出现下图。
在基准影像和要校正的影响上选择同名像点，点击Add Point则一个点选择成功。
继续选择足够的、分布均匀的同名像点，并调整其位置，使RMS Error达到一个像素左右。
点击Options->Warp Displayed Band,出现下图。
选择方法为Polynomial,Degree选择3，选择Resampling的方式，并指定输出路径及文件名，至此则配准结束。
四、图像裁剪
图像裁剪的目的是保留图像有用的部分，去除不感兴趣的区域。
为了高光谱与多光谱图像的融合，我们需保留两幅图像的公共部分。
步骤：打开高光谱图像，在图像窗口Overlay ->Region of Interest,出现ROI Tool，选择Window为Scroll,在Scroll中划出重叠区域，点击File->Subset Data via ROIs，选择输出文件名，则高光谱图像裁剪完成。
在多光谱的display中，Overlay ->Region of Interes，选择上面生成的
ROI，用上面的ROI裁剪图像，则两幅图像的范围相同。