遥感影像处理步骤.docx

遥感影像处理步骤.docx

《遥感影像处理步骤.docx》由会员分享，可在线阅读，更多相关《遥感影像处理步骤.docx（16页珍藏版）》请在冰豆网上搜索。

遥感影像处理步骤

 一．预处理 

1．降噪处理 

由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进展消除或减弱方可使用。

〔1〕除周期性噪声和锋利性噪声 

周期性噪声一般重叠在原图像上，成为周期性的干预图形，具有不同的幅度、频率、和相位。

它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。

一般可以用带通或者槽形滤波的方法来消除。

消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进展滤波处理的方法比拟方便。

〔2〕除坏线和条带 

去除遥感图像中的坏线。

遥感图像常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。

一般采用傅里叶变换和低通滤波进展消除或减弱。

2．薄云处理 

由于天气原因，对于有些遥感图形中出现的薄云可以进展减弱处理。

3．阴影处理 

由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进展消除。

二．几何纠正

通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进展几何精纠正，在地形起伏较区，还必须对其进展正射纠正。

特殊情况下还须对遥感图像进展大气纠正，此处不做阐述。

1．图像配准 

为同一地区的两种数据源能在同一个地理坐标系中进展叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。

〔1〕影像对栅格图像的配准 

将一幅遥感影像配准到一样地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。

〔2〕影像对矢量图形的配准 

将一幅遥感影像配准到一样地区一幅矢量图形中，使其在空间位置上能进展重合叠加显示。

2．几何粗纠正 

这种校正是针对引起几何畸变的原因进展的，地面接收站在提供应用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进展了校正.

3．几何精纠正 

为准确对遥感数据进展地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。

〔1〕图像对图像的纠正 

利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进展纠正，使其具有准确的地理坐标和投影信息。

〔2〕图像对地图〔栅格或矢量〕 

利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进展纠正，使其具有准确的地理坐标和投影信息。

〔3〕图像对坐标点〔地面控制点〕 

利用已有准确地理坐标和投影信息的坐标点或地面控制点，对原始遥感影像进展纠正，使其具有准确的地理坐标和投影信息。

4．正射纠正

利用已有地理参考数据〔影像、地形图和控制点等〕和数字高程模型数据〔DEM、GDEM〕，对原始遥感影像进展纠正，可消除或减弱地形起伏带来的影像变形，使得遥感影像具有准确的地面坐标和投影信息。

三．图像增强

为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进展增强处理。

1．彩色合成 

为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进展处理，以得到彩色图像。

彩色图像可以分为真彩色图像和假彩色图像。

2．直方图变换 

统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。

一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。

直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的比照度小，需要调整该直方图到正态分布，以改善图像的质量。

3．密度分割 

将灰度图像按照像元的灰度值进展分级，再分级赋以不同的颜色，使原有灰度图像变成伪彩色图像，到达图像增强的目的。

4．灰度颠倒 

灰度颠倒是将图像的灰度围先拉伸到显示设备的动态围（如0～255）到饱和状态，然后再进展颠倒，使正像和负像互换。

5．图像间运算 

两幅或多幅单波段图像，空间配准后可进展算术运算，实现图像的增强。

常见的有加法运算、减法运算、比值运算和综合运算。

例如：

减法运算：

可突现出两波段差值大的地物，如红外-红，可突现植被信息。

 算：

常用于计算植被指数、消除地形阴影等。

植被指数：

NDVI=〔IR-R〕/〔IR+R〕

6．邻域增强 

又叫滤波处理，是在被处理像元周围的像元参与下进展的运算处理，邻域的围取决于滤波器的大小，如3×3或5×5等。

邻区法处理用于去噪声、图像平滑、锐化和相关运算。

7．主成分分析 

也叫PCA变换，可以用来消除特征向量中各特征之间的相关性，并进展特征选择。

主成分分析算法还可以用来进展高光谱图像数据的压缩和信息融合。

例如：

对LandsatTM的6个波段的多光谱图像（热红外波段除外）进展主成分分析，然后把得到的第1，2，3主分量图像进展彩色合成，可以获得信息量非常丰富的彩色图像。

8．K-T变换 

即Kauth-Thomas变换，又称为“缨帽变换〞。

这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。

目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。

9．图像融合 

遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。

不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥息的缺乏，这样不仅扩大了各自信息的应用围，而且大大提高了遥感影像分析的精度。

四．图像裁剪

在日常遥感应用中，常常只对遥感影像中的一个特定的围的信息感兴趣，这就需要将遥感影像裁减成研究围的大小。

1．按ROI裁剪 

根据ROI〔感兴趣区域〕围大小对被裁减影像进展裁剪。

2．按文件裁剪 

按照指定影像文件的围大小对被裁减影像进展裁剪。

3．按地图裁剪 根据地图的地理坐标或经纬度的围对被裁减影像进展裁剪。

五

1．图像镶嵌 

也叫图像拼接，是将两幅或多幅数字影像（它们有可能是在不同的摄影条件下获取的）拼在一起，构成一幅整体图像的技术过程。

通常是先对每幅图像进展几何校正，将它们规划到统一的坐标系中，然后对它们进展裁剪，去掉重叠的局部，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。

2．影像匀色 

在实际应用中，我们用来进展图像镶嵌的遥感影像，经常来源于不同传感器、不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进展匀色。

六．遥感信息提取 

遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。

依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。

目前信息提取的方法有：

目视判读法和计算机分类法。

其中目视判读是最常用的方法。

1．目视判读 

也叫人工解译，即用人工的方法判读遥感影像，对遥感影像上目标地物的围进展手工勾绘，到达信息提取的目的。

2．图像分类 

是依据是地物的光谱特征，确定判别函数和相应的判别准那么，将图像所有的像元按性质分为假设干类别的过程。

〔1〕监视分类 

在研究区域选有代表性的训练场地作为样本，通过选择特征参数〔如亮度的均值、方差等〕，建立判别函数，对样本进展分类，依据样本的分类特征来识别样本像元的归属类别的方法。

〔2〕非监视分类 

没有先验的样本类别，根据像元间的相似度大小进展归类，将相似度大的归为一类的方法。

〔3〕其他分类方

包括神经网络分类、分形分类、模糊分类等分类方法，以及他数据挖掘方法如模式识别、人工智能等，在这里不做进一步阐述。