遥感数字图像处理_遥感数字影像分类
遥感数字图像
遥感数字图像遥感数字图像的分类根据遥感传感器基本构造和成像原理不同，可以分为摄影成像、扫描成像和雷达成像三类。
摄影成像是根据卤化银物质在光照下会发生分解这一机制，将卤化银物质均匀地涂布在片基上，制成感光胶片。
扫描成像是扫描类遥感传感器逐点逐行地以时序方式获取的二维图像。
雷达成像是由发射机向侧面发射一束窄脉冲，地物反射的微波脉冲（又称回波），由天线收集后，被接收机接受。
遥感数字图像按灰度值可分为二值图像和多值图像两个类型。
遥感数字图像按波段量可分为单波段、彩色或多波段数字图像。
遥感数字图像的分辨率光谱分辨率：是指成像的波段范围，分得愈细，波段愈多，光谱分辨率愈高。
空间分辨率：是指图像像素所代表的相应地面范围的大小，空间分辨率愈高，像素代表的范围愈小。
亮度（灰度）分辨率：又称亮度阈值，是指在一个波段中所记录的代表地物反射电磁波强度的数值。
时间分辨率：指同一地点进行遥感采样的时间间隔，即采样的时间频率，也称重访周期。
温度分辨率：指热红外传感器分辨地表热辐射最小差异的能力，它与探测器的影响律和传感器系统内的噪声有直接关系。
显示分辨率又称屏幕分辨率。
数字化图像通过计算机显示系统(如显示卡、显示器)描述时，屏幕呈现出横向与纵向像素点的个数，称之为显示分辨率。
显示分辨率与显示系统软、硬件的显示模式有关。
如标准VGA显示模式，其屏幕分辨率为640⨯480像素点。
即横向640像素，纵向480像素。
分辨率与图像分辨率相混淆。
例如，有一幅分辨率为320⨯240的彩色图像，在显示器分辨率为640⨯480的屏幕上显示，图像在屏幕上的大小只占整个屏幕的1/4。
如果显示分辨率设置成800⨯600，则显示的图像就更小。
反之，如果有一幅分辨率为1280⨯960的彩色图像，显示器的分辨率为640⨯480，那么在显示屏幕上只能看到整幅图像的1/4，需要卷屏才能看到图像的其余部分。
图像分辨率决定图像的显示质量，也就是说，即使提高了显示分辨率，也无法真正改善图像的质量。
遥感数字图像处理-课件内容.
遥感数字图象处理1．概论遥感、遥感过程遥感：一种在远离目标，不与目标直接接触的情况下，通过传感器获取其特征信息，并对这些信息进行处理、分析和应用的综合性探测技术遥感过程：遥感过程是指遥感信息的获取、传输、处理，以及分析判读和应用的全过程遥感图象、遥感数字图象、遥感图象的数据量遥感图象：是指遥感传感器通过检测、度量地物的电磁波辐射能并进行记录所得到的图象遥感数字图象：是指以数字化形式表述的遥感影像。
遥感图象的数据量：H=M ×N ×b ×n ( bit ) M、N 为行列数， b 为波段数， n=lnG/ln2遥感图象的数字化、采样和量化遥感图象的数字化：指光学图象(物理图象)到数字图象的转换过程，包括采样和量化两个过程采样：将空间上连续的图象变换为离散的点的操作量化：将测量的灰度值用一个整数表示通用遥感数据格式(BSQ、BIL、BIP)BSQ，波段序列格式BIL，波段行交替格式BIP，波段像元交替格式遥感图象的模型：多光谱空间多光谱空间：对于 n 个波段的多光谱图象，这 n 个波段构成一个 n 维多光谱空间，多光谱空间就是一个 n 维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。
描述像素在各个波段中亮度值的分布。
多光谱空间中，像元点在坐标系中的位置可以表示成一个 n 维向量，其中每一个分量 xi 表示该点在第 i 个坐标轴上的投影，即亮度值。
多光谱空间只表示各波段光谱之间的关系，而不包括任何该点在原图象中的位置信息，它没有图象空间的几何意义。
遥感图象的信息内容：波谱信息：指遥感图象上不同地物之间的亮度值差异及同一地物在不同波段上的亮度值差异空间信息: 通过图象亮度值在空间上的变化反映出来的信息时间信息: 指不同时相遥感图象的光谱信息与空间信息的差异遥感数字图象处理、遥感数字图象处理的内容遥感数字图象处理: 利用计算机对遥感数字图象进行一系列操作，以求达到预期目的遥感数字图象处理的内容：图象增强、图象校正、信息提取遥感图象的获取方式主要有哪几种?摄影成像、扫描成像、雷达成像如何估计一幅遥感图象的存储空间大小?遥感图象的信息内容包括哪几个方面？多光谱空间中，像元点的坐标值的含义是什么？与通用图象处理技术比较，遥感数字图象处理有何特点？遥感数字图象处理包括那几个环节？各环节的处理目的是什么？2.遥感图象的统计特征2.1 图象空间的统计量灰度直方图：概念、类型、性质、应用概念：用来描述图象中每一灰度级与其浮现频率间的关系的图表类型：直方图：横坐标为的灰度级，纵坐标为等于各个灰度级像元的浮现频率(像元数)累计直方图：横坐标为的灰度级，纵坐标为小于等于各灰度级的像元的浮现频率 (像元数) 性质：直方图反映表示不同灰度像元的浮现频率，不包含像元的位置信息同一图象的直方图惟一，同向来方图可以对应不同的图象一幅图象的直方图等于其各部份图象直方图之和同类地物的直方图接近正态分布应用： 1.直方图是图象分析的重要工具。
遥感数字图像处理资料
第一章绪论1．遥感、遥感过程遥感：一种在远离目标，不与目标直接接触的情况下，通过传感器获取其特征信息，并对这些信息进行处理、分析和应用的综合性探测技术。
遥感过程：指遥感信息的获取、传输、处理，以及分析判读和应用的全过程。
2．遥感数字图像——以数字的形式存储的、离散的、适合于计算机处理的影像数据。
——数字图像的特点：（1）表现为二维阵列（网格），属于不可见图像（2）数字化、离散化（空间离散、亮度离散）3．遥感数字图像处理系统遥感数字图像处理：利用计算机对遥感数字图像进行一系列操作，以求达到预期目的的技术。
主要技术过程：遥感图像输入存储——〉增强——〉校正——〉解译遥感图像的数字化：指光学图像（物理图像）到数字图像的转换过程，包括采样和量化两个过程。
采样——将空间上连续的图像变换为离散的点的操作量化——将测量的灰度值用一个整数表示遥感图像的数据量估算：4．遥感数字图像的基本特点：（1）便于计算机处理和分析（2）信息损失少（3）图像抽象性强（4）图像保存方便遥感数字图像处理的特点：（1）图像信息损失小，处理精度高（2）抽象性强，再现性好（3）通用性强，灵活性高第三章遥感图像及其特征1．遥感图像的模型：可以表示为目标发射辐射量和反射辐射量之和。
2．遥感数字图像可以用多维空间来描述遥感图像空间：描述多波段遥感影像中的像素亮度值的空间分布的三维离散空间。
（行坐标X、列坐标Y、波段Z；坐标系内的每一个点代表一个像元亮度值）多光谱空间：N维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。
3．遥感图像的信息内容——包括波谱信息、空间信息、时间信息三个方面。
（1）波谱信息：指遥感图像上不同地物之间的亮度值差异及同一地物在不同波段上的亮度值差异。
（2）空间信息：通过图像亮度值在空间上的变化反映出来的信息。
一般包括空间频率信息，边缘和线性信息、结构或纹理信息以及几何信息等。
（3）时间信息：指不同时相遥感图像的光谱信息与空间信息的差异。
遥感数字图像处理教程遥感图像分类课件
B5
水 B7
地物与光谱特征空间的关系
第五页，共95页幻灯片
特征点集群在特征空间中的分布大致可
分为如下三种情况:
Bj
理想情况——不同类别 植被
的点的集群至少在一个
特征子空间中的投影是
完全可以相互区分开的。 Bi
第六页，共95页幻灯片
一般情况——无论在总的特征空间中，还是在 任一子空间中，不同类别的集群之间总是存 在重叠现象。这时重叠部分的特征点所对应 的地物，在分类时总会出现不同程度的分类 误差，这是遥感图像中最常见的情况。
分类过程
原始影像数据的准备 图像变换及特征选择
分类器的设计 初始类别参数的确定
逐个像素的分类判别
形成分类编码图像
输出专题图
第三十五页，共95页幻灯片
一判决函数和判决规则 判决函数:当各个类别的判别区域确定后， 用来表示和鉴别某个特征矢量属于哪个类别 的函数。 这些函数不是集群在特征空间形状的数 学描述，而是描述某一未知矢量属于某个类 别的情况，如属于某个类别的条件概率。一 般，不同的类别都有各自不同的判决函数。
哈达玛矩阵为一个对称的正 交矩阵，其变换核为 H’
由哈达玛变换核可知，哈达 玛变换实际是将坐标轴旋 转了45℃的正交变换
第二十页，共95页幻灯片
哈达玛矩阵的维数N总是2的倍数，即N=2m
（m=1
，2……）
其中m称为矩阵的阶，每个高阶哈达玛矩阵都由其低一阶
的哈达玛矩阵按如下
取二阶哈达玛变换矩阵
第二十一页，共95页幻灯片
分类目的:
将图象中所有像元自动地进行土地覆盖专题分类
原始遥感图像
分类的依据是什么?
对应的专题图像
遥感图像数字处理与分析知识要点
遥感图像数字处理与分析知识要点围绕遥感基础知识-数字图像处理与分析总体框架来组织相关内容要点。
其中，第一、二、三章介绍遥感数字图像处理、主要成像方式、存取及表示基础知识，是图像处理、理解及分析的起点；第四、五、六、七章常用遥感数字图像处理方法，应视具体遥感数字图像处理要求有所选择；第八章图像分割是图像处理高级方法，是灰度拉伸、变换、滤波等数字图像增强方法的综合应用，为进一步深入学习和掌握决策树、面向对象及专家系统等高级分类技术奠定基础；第九章图像分类是图像处理的主要目的和最终成果第一章概论图像、遥感数字图像、照片与遥感数字图像区别、遥感数字图像处理及观点图像：物理世界中客观对象的相似性描述，包含客观对象的信息，是人们最主要的信息源数字图像：用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数学原理表达的图像遥感数字图像：数字形式表示的遥感图像遥感数字图像和照片的差异：遥感图像处理：利用计算机图像处理系统对遥感图像中的像素进行系列操的过程遥感数字图像处理的观点：连续方法：我们感兴趣的图像源自物理世界，服从可用连续数学描述的规律，具有连续性，连续数学方法，频率域（高通滤波、低通滤波等）离散方法：数字图像的存储和表示均为数字形式，数字是离散的，离散数学方法，空间域（点运算算法-灰度变换、直方图修正；邻域去噪算法-图像平滑、锐化等）第二章遥感数字图像的获取和存取数字扫描和数字摄影、数字化（重采样和量化）及意义、遥感数字图像级别、存储格式及元数据、传感器分辨率数字扫描：在遥感平台前进过程中，进行横向（与飞行方向垂直）行扫描来获取地物目标反射或辐射的电磁波信号，逐行记录成像特点：能以分割得相当精确的波段通道，分别收集和记录地物目标的电磁波信号数字摄影：地物目标反射的太阳辐射通过相机镜头投射到感光胶片上发生光化学反应，经过形成潜影、显影、定影和放印等过程而获得图像特点：瞬间成像，图像几何特征服从中心投影成像规律，可形成模拟图像（传统胶片照相机）和数字图像（数码相机），相片灰度反映了地物反射或辐射电磁波的强弱，工作波段：紫外、可见光、红外、多光谱，工作时间：白天，遥感平台：地面和航空平台采样：将空间上连续的图像变换成离散点（即像素）的操作重采样：根据一类象元的信息内插出另一类象元信息的过程量化：将像素灰度值转换成整数灰度级的过程数字化的意义：通过成像方式获取的图像是连续的，无法直接进行计算机处理。
遥感数字图像处理遥感数字影像分类
M kg
1 mg
lg
xkl
为g类k变量的均值
g类的像元数
• 相关系数
是指像素间的关联程度。采用相关系数
衡量相似度时，相关程度越大，相似度
越大。两 定义为：
个像素之间的
相关系数
均值
rij可以
n
( xki xi )( xkj x j )
rij
k 1 n
n
( xki xi )2
（2）遥感影像信息量丰富，与一般的影像相比， 其包容的内容远比普通的影像多，因而内容非常 “拥挤”。不同地物间信息的相互影响与干扰使 得要提取出感兴趣的目标变得非常困难。
（3）遥感影像的地域性、季节性和不同成像方式 更增加了计算机对遥感数字影像进行解译的难度。
1.3 遥感影像计算机分类发展前景
由于利用遥感影像可以客观、真实和快速 地获取地球表层信息，这些现势性很强的遥 感数据在自然资源调查与评价、环境监测、 自然灾害评估与军事侦察上具有广泛应用前 景。因此，利用计算机进行遥感影像智能化 解译，快速获取地表不同专题信息，并利用 这些专题信息迅速地更新地理数据库，这是 实现遥感影像自动理解的基础研究之一，也 是地理信息系统中数据采集自动化研究的一 个方向，因此具有重要的理论意义和应用前 景。
（3）对影像分类方法进行比较研究，掌握各种分类方法 的优缺点，然后根据分类要求和影像数据的特征，选 择合适的影像分类方法和算法。根据应用目的及影像 数据的特征制定分类系统，确定分类类别，也可通过 监督分类方法，从训练数据中提取影像数据特征，在 分类过程中确定分类类别。
（4）找出代表这些类别的统计特征。
用 多 级 切 割 法 分 割 三 维 特 征 空 间
遥感数字图像处理
遥感数字图像处理1. 概述遥感数字图像处理是指利用遥感技术获取的各种遥感数据，如航空影像、卫星影像等，进行数字化处理和分析的过程。
遥感数字图像处理在地理信息系统（GIS）领域有着广泛的应用，能够提取出地表覆盖类型、地形和植被等丰富的地理信息，为环境监测、资源管理、农业和城市规划等领域提供重要的数据支持。
2. 遥感数字图像处理的步骤遥感数字图像处理主要包括以下几个步骤：2.1 数据获取数据获取是遥感数字图像处理的第一步，通过卫星、航拍等遥感设备获取地理信息数据。
这些数据以数字图像的形式存在，包括多光谱、高光谱、雷达和激光雷达等数据。
2.2 数据预处理数据预处理是为了消除图像中的噪声和伪影，以及纠正图像的几何和辐射畸变。
常见的数据预处理方法包括辐射校正、几何校正、大气校正等。
2.3 图像增强图像增强是为了使图像更加清晰，突出地物的特征。
常用的图像增强方法包括直方图均衡化、滤波、锐化等。
2.4 特征提取特征提取是为了从图像中提取出具有区别性的特征，以便进行后续的分类和识别。
常见的特征提取方法包括纹理特征、形状特征、频域特征等。
2.5 图像分类图像分类是将图像中的像素划分为不同的类别。
常用的图像分类方法包括基于像元的分类、基于对象的分类、基于深度学习的分类等。
2.6 图像分割图像分割是将图像划分为不同的区域或对象。
常用的图像分割方法包括阈值分割、边缘分割、区域生长等。
2.7 地物提取地物提取是从图像中提取出感兴趣的地物或地物属性。
常见的地物提取方法包括目标检测、目标识别、地物面积计算等。
2.8 结果评价结果评价是对处理结果进行准确性和可靠性的评估。
常用的结果评价方法包括混淆矩阵、精度评定、误差矩阵等。
3. 遥感数字图像处理的应用遥感数字图像处理在各个领域都有广泛的应用，主要包括以下几个方面：3.1 环境监测遥感数字图像处理可以用于环境监测，如水质监测、土壤污染监测等。
通过遥感图像，可以获取水体和土地的信息，分析水质和土壤的污染程度。
测绘技术中的遥感图像处理与分类
测绘技术中的遥感图像处理与分类随着科技的不断进步，遥感技术在测绘领域中的应用越来越广泛。
遥感图像处理与分类作为遥感技术的重要组成部分，对于提取图像中的信息以及实现自动化测绘具有重要的意义。
本文将以测绘技术中的遥感图像处理与分类为主题，分别从遥感图像处理和遥感图像分类两方面进行探讨。
一、遥感图像处理遥感图像处理是指利用计算机和数字图像处理技术对遥感图像进行预处理、增强和解译的过程。
首先，遥感图像预处理对图像的辐射校正、几何纠正和噪声去除等进行处理，以提高图像质量和准确性。
其次，遥感图像增强通过图像增强算法对图像进行增强，以增强目标在图像中的可见性。
最后，遥感图像解译通过图像解译算法对图像进行解译，提取出感兴趣的地物信息。
在遥感图像处理过程中，高效的算法和技术对于提高处理速度和准确度至关重要。
例如，辐射校正常利用大气模型对图像进行校正，消除大气的干扰，以准确反映地表的辐射情况。
而几何校正则针对由于拍摄角度和相机成像引起的几何畸变进行校正，保证图像的几何正确性。
此外，噪声去除技术能够使图像更清晰，减少干扰信息，提高图像的信噪比。
此外，在图像增强方面，各种滤波、锐化和直方图均衡等算法都能够对图像进行增强，使图像细节更加突出，提高图像的可视性和识别率。
在图像解译方面，目标检测、分类和实时定位等技术则为图像解译提供了有力的支持，实现对地物信息的提取和识别。
二、遥感图像分类遥感图像分类是指利用遥感图像中的各种特征信息对图像进行分类和识别的过程。
遥感图像分类一直是遥感技术中的重要研究方向之一。
通过遥感图像分类，可以将图像中的各种地物进行划分和分类，为测绘工作提供准确的地物信息。
遥感图像分类主要基于图像的特征信息进行。
通常，可以利用图像中的色彩、纹理、形状等特征来进行分类。
其中，色彩特征是一种基本特征，可以通过图像分析和颜色直方图提取进行分类。
纹理特征则是指地物的纹理变化情况，可以通过局部二值模式和纹理特征提取等方法进行分类。
- 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)。
（3）遥感影像的地域性、季节性和不同成像方式 更增加了计算机对遥感数字影像进行解译的难度。
1.3 遥感影像计算机分类发展前景
由于利用遥感影像可以客观、真实和快速 地获取地球表层信息，这些现势性很强的遥 感数据在自然资源调查与评价、环境监测、 自然灾害评估与军事侦察上具有广泛应用前 景。因此，利用计算机进行遥感影像智能化 解译，快速获取地表不同专题信息，并利用 这些专题信息迅速地更新地理数据库，这是 实现遥感影像自动理解的基础研究之一，也 是地理信息系统中数据采集自动化研究的一 个方向，因此具有重要的理论意义和应用前 景。
统计特征变量可以构成特征空间，多波段遥感 影像特征变量可以构成高维特征空间。一般说 来，高维特征空间数据量大，但这些信息中仅 包含少量的样本分类信息。为了抽取这些最有 效的信息，可以通过变换把高维特征空间所表 达的信息内容集中在一到几个变量影像上。主 成分变换可以把互相存在相关性的原始多波段 遥感影像转换为相互独立的多波段新影像，而 且使原始遥感影像的绝大部分信息集中在变换 后的前几个组分构成的影像上，实现特征空间 降维和压缩的目的。
遥感数字影像处理 遥感数字影像分类
第五讲 遥感数字影像分类
1 概述 2 分类原理与基本过程 3 遥感影像分类方法 4 分类后处理 5 影像解译专家系统
1 概述
遥感影像计算机分类以遥感数字影像为研 究对象，在计算机系统支持下，综合运用地 学分析、遥感影像处理、地理信息系统、模 式识别与人工智能技术，实现地学专题信息 的智能化获取。其基本目标是将人工目视解 译遥感影像发展为计算机支持下的遥感影像 理解。
2 分类原理与过程
2.1 计算机遥感影像分类的原理
分类过程中采用的统计特征变量包括：全局统计特征变量和 局部统计特征变量。 全局统计特征变量是将整个数字影像作为研究对象，从整个 影像中获取或进行变换处理后获取变量，前者如地物的光谱 特征，后者如对TM的6个波段数据进行K－T变换（缨帽变换） 获得的亮度特征，利用这两个变量就可以对遥感影像进行植 被分类。 局部统计特征变量是将数字影像分割成不同识别单元，在各 个单元内分别抽取的统计特征变量。例如，纹理是在某一影 像的部分区域中，以近乎周期性或周期性的种类、方式重复 其自身局部基本模式的单元，因此可以利用矩阵作为特征对 纹理进行识别。
k 1
类别k的平均值矢量
d
2 k
(x
k
)T
(x
k
)
x为像元数据矢量
• 马氏距离（Mahalanobis，既考虑离散度，也 考虑各轴间的总体分布相关)
d
2 ij
( xi
x j )T
1 ij
(
xi
xj)
• 混合距离（像元i到第g类类均值的距离）
p
dig xki M kg
k 1
M kg
1 mg
1.1 计算机遥感影像分类的概念
计算机遥感影像分类是统计模式识别技术在遥感 领域中的具体应用。统计模式识别的关键是提取 待识别模式的一组统计特征值，然后按照一定准 则作出决策，从而对数字影像予以识别。 遥感影像分类的主要依据是地物的光谱特征和空 间特征。遥感影像中的同类地物在相同的条件下 （纹理、地形、光照以及植被覆盖等等），应具 有相同或相似的光谱特征和空间特征，从而表现 出同类地物的某种内在的相似性，即同类地物像 元的特征向量将集群在同一特征空间区域。
遥感影像计算机分类的依据是遥感影像像素的相似度。 相似度是两类模式之间的相似程度。在遥感影像分类 过程中，常使用距离和相关系数来衡量相似度。
距离:特征空间中象元数据和分类类别特征的相似程度。
距离最小即相似程度最大。
度量特征空间中的距离经常采用以下几种算法:
• 绝对值距离
• 欧氏距离
n
dij xik x jk
lg
xkl
为g类k变量的均值
g类的像元数
• 相关系数
是指像素间的关联程度。采用相关系数
衡量相似度时，相关程度越大，相似度
越大。两 定义为：
个像素之间的
相关系数
均值
rij可以
n
( xki xi )( xkj x j )
rij
k 1 n
n
( xki xi )2
( xkj x j )2
k 1
在很多情况下，利用少量特征就可以进行遥感 影像的地学专题分类，因此需要从遥感影像n 个特征中选取k个特征作为分类依据，我们把
从n个特征中选取k个更有效特征的过程称为特 征提取。
特征提取要求所选择的特征相对于其他特征更 便于有效地分类，使影像分类不必在高维特征 空间里进行，其变量的选择需要根据经验和反 复的实验来确定。
取n*n的窗口，有关矩阵为： –关联矩阵
以偏离影像灰度为i的点一定位置（方向和 距离）的点的灰度为j的概率Pδ(i,j)，求出 关联矩阵，从该矩阵中算出各种纹理的特征 量（能量、熵、相关性等） –旋转矩阵
以方向上灰度为各种纹理的特征量。
分类是对影像上每个像素按照亮度接近程度 给出对应类别，以达到大致区分遥感影像中 多种地物的目的。 遥感影像分类是将影像的 所有像元按其性质分为若干个类别的技术过 程（朱述龙等，遥感图象获取与分析）。性 质指地物光谱特征和空间特征。
1.2 遥感影像计算机分类遇到的困难
（1）遥感影像是从遥远的高空成像的，成像过程 要受传感器、大气条件、太阳位置等多种因素的 影响。影像中所提供的目标地物信息不仅不完全， 而且或多或少地带有噪声，因此人们需要从不完 全的信息中尽可能精确地提取出地表场景中感兴 趣的目标物。
k 1
像元i的第k个分量
2.2 计算机遥感影像分类过程
（1）首先明确遥感影像分类的目的及其需要解决的问题， 在此基础上根据应用目的选取特定区域的遥感数字影 像，影像选取时应考虑影像的空间分辨率、光谱分辨 率、成像时间、影像质量等。
（2）根据研究区域，收集与分析地面参考信息与有关数 据。为提高计算机分类的精度，需要对数字影像进行 辐射校正和几何纠正（这部分工作也可能由提供数字 影像的卫星地面站完成）。