遥感处理（共11篇）
遥感处理 篇1
摘要：航测遥感内业数据处理的关键技术在全数字摄影测量中发挥着重要作用。它能够有效优化和完善全数字控制空间的数据生产流程, 从而避免因数据不完整、不准确而导致测量结果不真实的情况。由此可见, 科学、准确的航测遥感内业数据处理技术非常重要。从空间数据的角度出发, 对该技术及其他内容进行了详细分析, 旨在为全数字摄影测量提供一定的借鉴。
关键词：航测遥感,内业数据,关键技术,空间数据
航测遥感技术是人类对地表进行探究的重要手段, 应用该技术能够获得地表物质的时间和空间属性信息。而在整个航测遥感工作中, 数据处理是非常重要的环节, 对测量结果有着最直接的影响。因此, 要对数据处理予以高度重视。
1 航测遥感概述
1.1 航测遥感技术的内涵
航测, 也被称为“摄影测量与遥感”, 属于测绘科学中的遥感科学。遥感科学是空间科学、电子科学、地球科学、计算机科学等学科交叉融合的结果, 是一个新兴的学科。航测遥感技术利用非接触性的传感器来获取目标的时空信息。应用该技术不仅能够对传统目标进行几何定位, 还能够通过使用外层空间传感器来获取目标的影像和非影像信息, 为人类认识和改造自然提供科学的技术和方法。同时, 航测遥感技术对国家的重大决策、国防建设、国家安全等都有一定的影响, 其应用已经深入经济、社会、民生等各个领域。
1.2 航测遥感技术的优势
航测遥感技术具有以下优势:1效率高。航测遥感技术所使用的无人机能够快速、准确、及时地提供信息, 使人们在最短时间内对所观察到的现象及数据作出反应。2灵活性好。航测遥感技术中的无人机虽然飞行速度较慢, 但能够有效保证测绘的质量, 且其对起降机场的条件没有过多的要求, 因此灵活性较好。3数据处理速度快。与其他大型测绘机相比, 低空飞行机所运用的测绘技术具有更高的分辨率, 且对数据的处理速度非常快, 处理效率较高, 因此在测绘领域经常被用来采集各种信息。
2 基础地理空间数据的基本内容
根据技术的发展和用户的需求, 基础地理空间数据产品主要有四种基本模式:DLG (数字线划图) 、DOM (数字正射影像图) 、DRG (数字栅格地图) 和DEM (数字高程模型) 。这四种产品简称“4D”, 可以分别以数字或模拟形式提供, 也可以根据具体需要进行复合, 形成复合产品。例如, 数字影像地形图就是数字线划图与数字正射影像图叠加而成的。
2.1 数字线划图
数字线划图是保存目标要素空间关系和属性的矢量格式的数据集, 是对地形图上基础要素信息基本属性的反映。数字线划图不仅能够满足不同的空间分析需求, 还能够与其他信息叠加, 然后进行空间分析和决策。
2.2 数字正射影像图
数字正射影像图主要是对经过扫描处理的数字化的航空照片或遥感影像进行微分纠正、辐射纠正和镶嵌, 对按标准分幅的地形图进行裁切形成影像数据, 且其中包括公里格网和外图廓装饰等要素的影像平面图。这一过程采用的是数字高程模型。它的优点是信息量较大、直观、真实、准确度高。
2.3 数字栅格地图
数字栅格地图是存储和表示格式为栅格数据格式的图形数据文件, 与地形图形的内容、色彩、规格和几何精度等基本一致。数字栅格地图可以用于与其他模式的数据叠加, 也可以用于数字线划图数据的采集、更新等。
2.4 数字高程模型
数字高程模型是在高斯投影平面上规则或不规则网点的平面坐标及其高程的数据集。为了实现对地表形态更加有效的控制, 还可以配套提供离散高程点数据。
3 航测遥感技术的应用
3.1 在条件限制情况下的应用
在航测中出现的较为普遍的问题是线位变动超出了测控范围和摄影范围。线位变动超出测控范围时, 可以对其进行补测, 然后制图;但超出摄影范围时, 由于资金问题, 补摄的可能性较小, 一般只能人工测绘。因此在设计时, 要考虑到线路移位这一因素, 并留有相应余地。此外, 由于成图时间较长, 在此期间地形地貌等可能发生了一定程度的变化, 图上的线路位置也会发生变化。因此在设计时, 应充分掌握选线技术, 将线位变动的范围控制在摄影范围之内。
3.2 在地图测绘中的应用
传统的地图测绘方法对人力、物力和财力等的损耗都是比较大的, 且有一定的测绘难度, 而航测遥感技术的发展使得地图测绘的难度大大降低。航测遥感技术利用空中摄影对所勘测的目标进行等比例缩小, 以适应不同的地理环境和地形, 从而提高了地图测绘的科学性。
4 关键技术分析
4.1 数据质量控制关键节点的设置
航测遥感内业数据处理中存在一系列问题, 对数据质量产生了一定的影响。这就要求对关键技术的关键节点多加关注, 控制数据质量。具体来说, 对关键节点进行控制主要包括以下几方面的内容。
4.1.1 像控测量、空三加密
首先通过野外实测、空间加密等方式采集平面检测点, 然后与成果中的同名点平面或高程值进行比较。经过分析之后, 去除其中的粗差, 并计算地物点平面绝对位置中的误差、等高线的高程中误差、高程注记点的高程中误差等, 最终确定成果的精度与设计标准是否相符。
4.1.2 外业调绘
对外业调绘进行质量控制主要是对调绘地物的完整性、要素属性、调绘地名等进行核查, 确保其正确性;同时, 还要对新增地物进行补测。一般采用室内核查和外业实地巡视两种方式。
4.1.3 内业数据采集
内业数据采集是利用数字正射影像图来套合检查数字线划图的数据情况, 主要检查数字线划图数据的中点、线、面等的平面位置、几何位置、属性接边情况等;同时, 与调绘片、外业实地巡视等数据进行对比, 分析数据是否有多余、遗漏等错误。
4.2 数据处理中具体的关键技术
4.2.1 资料准备
航测遥感内业数据处理是以航空为基准的, 因此, 准备好相应的航空资料是非常重要的。航摄中需要的资料主要有航摄底片、地形图、航摄机鉴定表、航摄验收报告等。准备完毕后, 要对资料收集是否齐全、仪器参数是否完整等进行进一步检查。
4.2.2 影像扫描
在影像扫描时, 要注意影像的清晰度、色差等。具体来说, 就是根据航拍底片的具体情况, 对扫描参数进行设置与调整, 使反差更加适中、色调比较饱满、框标比较清晰。同时, 也要保证灰度直方图要呈正态分布, 且在能够保证影像完整的前提下, 尽可能地缩小扫描范围, 以减少数据量。此外, 影像扫描的分辨率是地面分辨率和摄航比例尺分母的比值。
4.2.3 定向建模
定向建模是内业数据处理的一个非常重要的环节。基础地理空间的数据模式有四种, 只有选择一种或几种最为合适的模式对影像进行处理, 才能得出比较准确的空间数据。处理步骤一般为:首先人工定向, 减小残差, 然后自动内定向, 选定模板, 进行相对定向处理, 最后得出的结果就是定向模型。
4.2.4 数据采集与制作
数据采集是数据生产的最关键环节。数据采集的内容有以下三点:1立体测判采集。立体测判采集主要是将中心点作为标准, 在中心线上对重要数据进行采集, 然后按照要素的密度, 并遵循“几何形状不失真”原则制作密度曲线, 并结合数字高程模型进行采集数据。2数据分层。对所采集的数据进行分层时, 为了提高矢量数据的精准度和实用性, 应使用数据处理技术进行处理, 以便得到数字高程图形数据。3数据拼接。数据拼接主要是将数字正射影像图数据和数字高程模型数据拼接起来, 并对拼接后的数据进行检查, 确保数据拼接的完整性。对不符合要求的数据要进行重新采集和拼接等, 以得出最精准的数据。
在数据制作方面, 一般是根据航空的实际需求, 对以“幅”为单位的数据利用计算机进行制作, 从而制作出最符合航空要求的信息。
4.3 对异常数据的提取技术
数据处理除了上述内容之外, 还有对异常信息的提取。本文所说的异常信息主要指的是蚀变信息。蚀变信息是找矿的重要提示。遥感蚀变信息则是蚀变岩石在遥感图像上所反映出的形态、特征及其他综合信息。不同的岩石蚀变类型所表现出的影像特征也不同。因此, 以岩石蚀变的综合信息为基础, 并利用光谱理论对岩石具体的蚀变信息所显示出的影像特征进行研究, 是一项有重大实际意义的工作。它能够定位矿物的位置, 并对矿物的具体信息进行探查, 节省矿物勘探的人力、物力和财力等, 并且能够取得比较好的效果。此外, 蚀变信息是相关性信息, 而不是突出性信息, 只有经过一系列处理, 才能从中提取出有用的数据。因此, 必须对遥感信息的处理方法进行深入研究, 才能获得所需要的信息。
5 结束语
综上所述, 航测遥感内业数据处理是整个测绘工作不可缺少的一个重要环节。通过科学的数据处理, 能够得出精准的信息。因此, 在实际测绘过程中, 要非常注重数据分析, 提高数据的有效性, 确保最终信息的精确度, 保证航测作业的成功。
参考文献
[1]周道霞, 刘光辉.试论航测遥感内业数据处理关键技术[J].城市建设理论研究, 2014 (25) .
[2]史婷.刍议航测遥感内业数据处理关键技术分析[J].房地产导刊, 2014 (34) .
[3]李丽, 徐艳明.航测遥感内业数据处理关键技术研究[J].城市建设理论研究, 2014 (27) .
遥感处理 篇2
集中实习报告
（2015-2016学年第2学期）
专业班级：地信1302 小组成员：曹晓东、傅文青、蔡雳鹏、黄亚阳
评语:
实习总成绩:
指导教师签名:
2016年04月01日
项目一：遥感数据下载
一、实习时间及地点
实习时间：2016年03月21日至04月22日 实习地点：测绘学院四楼微机室
二、实习内容
（一）、选定实验研究区和相关的两期或多期的数据
（二）、遥感数据下载
三、任务分工
首先小组内讨论实习研究的区域以及两期数据的大致时间段间隔 数据下载和图像增强：曹晓东 遥感图像镶嵌和裁剪：黄亚阳
遥感图像监督分类和动态监测：傅文青 遥感影像专题地图制作综合：蔡雳鹏
四、实习过程 研究区及数据准备
1.1 实验研究区筛选
从包含的地类、地物的种类尽可能的多的角度进行选择 选择研究区影像的时间段
2.1 选取的多大的时间跨度比较合适，可以使两期的影像较为明显 在http://glovis.usgs.gov/ 下载区域数据
3.1 首先确认所用电脑是否安装有Java的JRE环境或者Java开发者工具包
3.2 在USGS的官方网站上注册上自己的账户
3.3 按事先选择的区域和时间间隔进行筛选，选择适合的时间段（尽量不少于4、5年）
3.4 先去地理空间数据云网站去搜索好需要下载的时间段的地理数据，并按指定的云量进行筛选，然后记住相应的数据标识、条带号、行编号、中心经纬度等等，后到USGS的官方下载标准的数据包。如图所示：
3.5 针对网速的波动时间段，选择合适的时间段去下载实验区的数据（网速太慢的话只能回宿舍尝试自己的校园教育网）
五、实习总结
通过这次初步下载卫星遥感数据，让我个感觉自己进入了一个崭新的领域。还了解了通用遥感数据的下载流程，以及这些编号的基本含义，并且查了landsat卫星不同波段的不同用处，band1-band5和band7的空间分辨率为30米，band6的空间分辨率为60米还了解到了2003年Landsat-7的SLC故障后，采集的数据需要采用SLC-off模型校正。通过自己手动下载这些数据，深刻的体会到论坛的一些大牛说的有什么不懂的地方就查那些官方的文档，真的是这样。那就好像是自己小时候的玩具说明书，告诉你怎么样用，怎么样玩的更流畅。总之，第一次自己找并用数据的实习，刚开始就学到了很多东西。
项目二：遥感影像增强滤波处理
一、实习时间及地点
实习时间：2016年3月23日 实习地点：测绘学院四楼微机室
二、实习内容
（一）、针对已有的遥感影像的特征选择合适的影像增强方法
（二）、分别对已有的不同时期的影像进行规范化增强处理，选择合适的波段进行RGB合成图像，使影像范围内下垫面地物容易识别与提取。
三、任务分工
如项目一的任务分工所述
四、实习过程
1.将下载的7幅图像在basic tools下拉菜单的layer stacking(堆处理)中进行图像融合，如图所示，再选择对应的坐标系，命名新文件并存入指定的文件夹。2.然后在transform选项卡中分别选择principal componentsforward PC rotationcompute new statistics and rotate和NDVI进行 主成分变换和NDVI增强。3.最后进行波段相关性分析，在basic tools选项卡中选择statistics compute statistics项，看方差、直方图等分析数据，选择相关度最相近的三个波段，按假彩色合成的的方法来进行RGB色彩和成。成果如图：
五、实习总结
每个滤波处理都有自己的优势和不足，我们要善于利用每一种滤波的优势来增强图像从而让遥感图像变得更加分明，易读。虽然软件操作就那么几步，甚至一两个按钮搞定的事情，但是我们还是学习过处理原理的。觉得这样好像在这个软件处理数据的时候我可以假想电脑是怎么处理它的。这样可以让自己的思路更加明朗清晰。通过这次的实习也让我们意识到，前辈们的高超技艺，将纷繁的算法集成于一个小小的按钮便可以完成的事情。无意间增强了我们学习编程二次开发的信心和决心。
项目三：遥感图像镶嵌
一、实习时间及地点
实习时间：2016年3月24日 实习地点：测绘学院四楼微机室
二、实习内容
在实际操作中掌握遥感影像处理知识，学会对遥感影像的相关处理工作。
三、任务分工
如项目一的任务分工所述
四、实习过程
基于地理坐标的镶嵌操作：
1.打开ENVI软件，将两幅郑州遥感影像图导入Available Bands List中。2.在ENVI主菜单Basic Tools菜单中选择Mosaicking→Georeferenced，打开Map Based Mosaic窗口。
3.在Map Based Mosaic窗口中选中Import→ Import Files，加载需要进行镶嵌的影像数据。
4.加载完图像后，选中一幅图像，点击右键，选择Edit Entry，打开Entry窗口，将Data Value to Ignore改为0，羽化距离设置为10，将参考图像选为Fixed，其它图像全为Adjust。
5.在Map Based Mosaic窗口中选择File→ Apply，打开Mosaic Parameters窗口，将重采样改为三次卷积内插法（Cubic Convolution），像元大小设置为30米，输出影像mosaic.img。
五、实习总结
通过此次镶嵌实验练习，在实验的过程中不断的遇到问题并且解决问题，学习了邻近影像之间的匹配镶嵌，认识了一些关于镶嵌处理的方法，为今后的影像处理奠定了一定的基础。
项目四：遥感图像裁剪
一、实习时间及地点
实习时间：2016年3月25日 实习地点：测绘学院四楼微机室
二、实习内容
1.掌握用矢量裁剪遥感图像的原理方法； 2.熟练掌握有关遥感图像软件的性能和操作。
三、任务分工
如项目一的任务分工所述
四、实习过程
1.在ENVI主菜单点选Fileopen image file，打开待裁剪影像。
2.在ENVI主菜单点选Fileopen vector file，打开用arcgis软件中做好的郑州面要素文件来裁剪遥感影像图。
3.在弹出的Available Vectors List 对话框中，点击File Export Layers to ROI，弹出select data file to associate with new ROIS 对话框，在此对话框中选择待裁剪影像，点OK，将导出的EVF矢量文件转换为ROI。
4.在弹出的export evf layers to ROI对话框，点选：convert all records of an EVF layer to one ROI„，点OK。
5.在ENVI软件主菜单Basic Tools下拉菜单选择Subset Data via ROIs，用ROI对融合后的影像mosaic2.img进行裁剪，最后得到裁剪的图像。
五、实习总结
通过对ENVI软件的不断熟悉和操作，让我学到很多，ENVI作为对遥感学习的初步入门软件，熟练地掌握是必须具备的技能，在实验中，我遇到了很多困难，看到很多未知的，不解的知识，还有自己原先掌握的知识的困惑，通过与同学的交流学习解决其中的困难。知道了如何对一副遥感影像图进行裁剪，更加熟悉掌握了ENVI软件。项目五：遥感图像的计算机自动分类及精度评价
一、实习时间及地点
实习时间：2016年3月25日和03月28日 实习地点：测绘学院四楼微机室
二、实习内容
（一）掌握遥感图像监督与非监督分类的基本原理；
（二）得到给定区域内每一地类（农用地、建设用地、水体、不透水表面等）的面积；
（三）掌握对分类结果进行精度评价的方法；
（四）掌握相关软件的操作。
三、任务分工
如项目一的任务分工所述
四、实习过程 研究区及数据准备
1.1 open image file打开增强后的两幅影像“200601”和“201001”，选择5、4、3波段合成彩色图像。
图4-1 波段列表
1.2 根据图像的分辨率和实际情况将两幅图像都分为8类。
图4-2 5、4、3波段彩色图
2选择样本
2.1 在image窗口中选择overlay菜单选择下面的ROI，打开ROI窗口。2.2在ROI Name中输入“河流湖泊”按回车键，在三个窗口间进行切换，选择“ZOOM”窗口为选择窗口，在image窗口中进行切换找到对应颜色区域（蓝色），然后在zoom窗口中进行放大然后选取部分区域。（注意均匀选取）
2.3 选择“New Region”新建一个ROI，重复步骤2.2，分别选择林地、草地、居民地、工业用地、沙地、水田、耕地的样本，如图4-3所示：
图4-3 分类样本图
3可分离性分析
3.1在ROI Tool窗口中选择Options菜单下的compute ROI Separability，在打开的窗口中选择“郑州200601”图层，选择所有ROI，点击OK，生成图4-4的分离矩阵，从图中可看出各样本可分离性不错，符合要求，如果值不符合需要进行合并或者重新分配。
图4-4 分离矩阵图
4监督分类
4.1在ENVI主菜单中选择classification->supervised->maximun likelihood,用监督分类中的最大似然对图像进行自动分类，打开图像选择窗口。
4.2在打开的窗口中选择图像“200601”，点击确定，跳出ROI选择窗口，将所有的ROI都选择上将其输出到”监督分类”文件夹，命名为“2006”。得到下图列表：
图4-5
4.3重复上面步骤得到2010年的监督分类图。
5编辑分类结果
5.3打开新生成的影像“2006”，在image窗口中选择overlay->classfication,选择2006，在打开的窗口中课对每一类地物进行颜色和名字的设置与更改。
图4-6
6精度验证
6.1用混淆矩阵进行精度验证，打开classification->post classification->confusion matrix选择ROI进行精度验证。（由于没有验证数据，所以验证进度很高）
7统计分析
7.1打开classification->post classification->class statistics，选择生成的2006影像，点击确定，再选择原图像200601点击OK，选择所有的ROI，将直方图等勾选上，得到下面的统计图：
图4-6
8裁剪
8.1 从图4-6可以看出，工业用地不符合实际情况，原因是没有对背景进行处理，所以须用矢量图重新裁剪，过程同遥感影像裁剪步骤。
五、实习总结
本次实习内容为遥感影像的自动分类和精度评定，从实验课时的安排就能看出为这次课程设计的核心，也是这次课程设计的重点，我被分派到这一部分任务既感到高兴也感到责任重大，所高兴的是组员对我的信任，感到有压力的是怕自己做的不好影响到全组的成绩。就操作过程来说并不困难，难点在于ROI的选取，因为这次我们选择的是郑州市2006年和2010年的landsat5TM的影像，分辨率只有30米，虽然经过增强地物相对较清晰，但是要把每一类都区分出来还是比较困难的。主要原因在于我们是第一次做这种遥感影像图，对地物的辨别大多是通过轮廓，所以很多都不知道是什么地物，只有通过百度地图谷歌地图一类的高分辨率影像找到对应位置进行判别。尽管如此，我在2010年第一次分类中。草地跟居民地还有林地的区分度还是达不到要求，不得已只能对三类重新分类。好在第二次选样本点更小心，课分离度都超过了1.8，可是进行统计的时候又发现在两个时相的影像中有一类地物严重偏多，后来发现是背景没有处理的原因，只能将分类图进行二次裁剪去除背景。
总之这次实习内容并不复杂，监督分类与非监督分类的原理也较简单，关键在于细心和有耐心，虽然简单，但是却会遇到很多问题和需要注意的地方，这也是我们实习的目的，遇到问题，解决问题才有进步。
项目六：遥感影像专题地图制作
一、实习时间及地点
实习时间：2016年3月29日至4月1号 实习地点：测绘学院四楼微机室
二、实习内容
遥感影像的专题地图制作
三、任务分工
如项目一的任务分工所述
四、实习过程
1、打开2006监督后裁剪.bli，此时图层种有9种符号映射。
2、在图层上点击鼠标右键，选择属性。在属性对话框中，选择符号系统，切换到符号系统面板。
3、在色彩映射表中，修改标注。按照图形中的颜色，分别将对应的颜色修改为背景、河流湖泊、林地、草地、居民地、工业用地、沙地、水田、耕地，点击确定。
4、将视图切换到布局试图，在布局视图上点击右键，选择属性。在格网选项卡上，点击新建格网，创建参考格网。在框架选项卡中，将背景改为浅蓝色，点击确定。
5、点击插入-->标题，在文本框中输入“2006年3月土地利用分布图”，字体为宋体36号。
6、点击插入-->图例，设置为三列，将背景改为蓝色。
7、点击插入-->比例尺，选择单位为千米，点击确定，将比例尺放入图中合适位置。
8、点击插入-->指北针，选择合适的指北针，点击确定，放于图中合适位置。
9、点击文件-->地图文档属性，勾选存储数据源的相对路径名。
10、点击文件-->导出地图，分辨率设为300，将地图导出。
11、采用相同的方法将另一幅影像“2010监督后裁剪”制图后输出。
实习成果如图:
五、实习总结
制图综合在前一周刚做过实习，在制图方面并没有太大问题。但是在进行影像的监督分类时，由于考虑不充分，未能考虑影像的背景，导致分类后影像的背景和河流的颜色一样，在制图时无法将河流和背景分离开来。后来又给背景也分了一类才解决这个问题。
基于ERDAS的遥感图像预处理 篇3
关键词：Erdas图像处理软件；遥感图像；预处理
中图分类号 TP751 文献标识码 A 文章编号 1007-7731（2015）20-104-02
1 ERDAS遥感图像处理软件简介
ERDAS IMAGINE是美国ERDAS公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富且功能强大的图像处理工具。目前，ERDAS IMAGINE软件已经成为世界上市场份额最大的专业遥感图像处理软件。
2 基于ERDAS的遥感图像预处理
在遥感影像处理与分析中，预处理（Preprocessing）是最初也是最基本的影像操作。图像校正是从具有畸变的图像中消除畸变的处理过程，消除几何畸变的过程称为几何校正（Geometric Correction）；另外，为了能更好地分析和使用遥感数字图像，还需要对遥感图像增强、滤波、变换和特征提取等处理，从而能更准确地获取和提取到所需的信息。
2.1 资料准备 一幅遥感数据拿到手后，首先要做的常常是赋予遥感图像的地理坐标系统，搜集与分析有关资料、选择合适波段与恰当时相的遥感图像，不同的遥感图像可满足不同分类的精度要求。（1）软件ERDAS8.5版本以上，（2）系统样例数，需要校正的Landsat TM图像：tmAtlanta.img；作为地理参考的校正过的SPOT：PanAtlanta.img；用于拼接处理的图像wasia1_mss.img、wasia2_mss.img。
2.2 正射影像的几何纠正 首先在Erdas图像件中转换影像格式，把.tif格式转为.img格式。同时也可以将纠正好的影像用Import中的Export进行格式转换，输出.tif，用Import转换影像格式。转换完成后在Erdas中用Viewer打开所要纠正的影像，用Raster中的Geometric correction的Polynomial模型进行纠正，Polynomial Order选取3次项。Projection中Add/change Projection→下分别选取Transverse Mercation投影和Krasovsky椭球体，如果有中央经线的需加上，点击OK。
→Apply→Close→选中Image layer（new viewer）→点击OK→在文件夹找到已纠正过有坐标的影像点击OK出现。
在左右影像中分别放大均匀选取10个同名准确点位，这10个点位是影像纠正中的控制点位，一定要准确无误、均匀分布。选取时应仔细对比左右两景影像，选择没有发生变化固定的点位，例如道路交叉点，街道交叉点等、桥梁点、水库大坝点等，一般情况下由于水系随季节、时令变化较大，选择时要慎重考虑。选取10个控制点后软件自动计算出中误差RMS Error的值，大小要控制在3以内。如果在以后的选取同名点的过程中出现超出限差3的点位，要仔细检查对比是否准确无误；如果超限过大就可把此点删除，在此点位附近重新选取其它同名点再观察误差值，直至在限差以内，然后再选取下个点位。每影像选取约40～50个均匀分布的控制点；如果影像中包含有城市范围，就要以城区作为重点，在城区范围内多选取控制点，如选取城区的主要街道交叉点等，在城区的纠正精度控制好，做到误差值减到最小。
前10个控制点选取后可点击GCP Tool下的file→save input as分别取名称把左右点位进行保存，可以用来在重新纠正中再次调入点位。如果影像范围内包含山区，且海拔比较高，纠正时可能会出现误差值较大，这时就要加入DEM重新纠正。
对输出影像起名称在putput file 中保存到相应的文件夹中；resample method 中选取biliner interpolayion 双线性内插和选取所要纠正影像的分辨率的值。
等纠正完成后用viewer 先打开原有已纠背景影像，再打开后纠正的目标影像图，后选viewer→utility→swipe，将两景影像叠加对比检查纠正情况是否有误差存在，若误差过大则要重新对影像进行纠正，重复此过程直到合格为止。如果在前面的纠正过程中选点比较准确，误差值控制较好，一般情况下在进行重叠检查时，两景影像对比误差不会出现。
2.3 正射影像的镶嵌 当研究区域在不同的图像文件上时，需要将不同的图像文件拼合在一起形成一幅完整的图像，这就是图像的镶嵌（Mosaic），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，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，并校正到同一地图坐标系中。也就是说，待镶嵌的图像要有相同的地理参考。
Erdas中对纠正好带有坐标值的影像进行拼接，在拼接前首先要叠加两景影像检查重叠部分，如果拼接处误差较大，拼接不上，就要对影像重新纠正，选点时要着重对两景影像重叠部分多加选取同名点进行纠正，直到能够拼接，打开Erdas软件，用DataPrep→mosaic image打开后分别添加进行已纠正后的两景影像找到重叠部分用划线工具将叠加在上部的影像裁掉然后用Mosaic tool→process输出名称即可。
2.4 正射影像裁切 根据图幅规定的范围来裁切正射影像。通过遥感信息处理软件的裁切模块，输入所需裁切的坐标就可以方便快捷的裁切出需要的数字正射影像，并自动生成正射影像的定位附加信息。在Erdas中对纠正好带有坐标值的影像进行裁切，打开Erdas软件，利用DataPrep→subset image后分别输入要裁切的文件和输出的文件起名称，在下面输入裁切的左上角和右下角的X、Y的坐标值OK即可。
3 结语
随着遥感技术的迅速发展，遥感影像在我国的数据生产中已经得到了较为广泛的应用，卫星遥感技术的迅速发展，把人类带入了立体化、多层次、多角度、全方位和全天候的新时代。
参考文献
[1]陈述彭，赵英时.遥感地学分析[M].北京：测绘出版社，1990.
[2党安荣.ERDAS IMAGINE遥感图像处理方法[M].北京：清华大学出版社，2003.
[3]戴昌达.SPOT和TM图像的综合分析与应用效果初探[J].北京：测绘出版社，1989.
遥感处理 篇4
现阶段我国为遥感专业人才培养设置的本科专业主要有摄影测量与遥感、遥感科学与技术、地理信息科学等, 在这些专业的培养方案中, 《遥感导论》和《遥感图像处理》在多数高等院校中都有开设, 并为专业核心课程之一, 有的高等院校还开设了《数字图像处理》。《遥感导论》和《数字图像处理》两门课程可以视为《遥感图像处理》的前期基础课, 因而在课程学期安排上应该提前。
《遥感图像处理》以地理学、测绘学、数理统计、计算机技术等为背景, 在学习了遥感技术、图像处理技术的原理和理论基础上, 着重介绍遥感信息处理的原理、过程与方法, 并掌握遥感图像处理技术的发展动态与实际应用。由于《遥感图像处理》是多学科的交叉, 与很多专业都有很密切的联系, 而且发展速度较快, 在遥感图像处理的教学中, 一方面要求不同对象的学生掌握、理解或了解图像处理技术的基本原理;另一方面, 还要求不同对象的学生理解或了解遥感图像的成像机理、处理技术和流程等。同时, 图像处理技术和遥感技术具有技术更新快的特点, 因而还需要学生掌握现阶段的状态以及最新发展情况。除了教学内容和教学方法外, 实验教学也是《遥感图像处理》课程的重要的环节, 传统的课程教学大都偏重于理论, 一些已有的实验也主要是针对特定图像处理的一些应用, 缺乏图像处理技术应用与遥感图像特征无缝结合和系统组织。
总的来说, 目前的《遥感图像处理》课程体系主要存在以下几个方面的问题[2]: (1) 传统的课程体系多注重经典理论, 轻实验和实践[3]。除了应该重视理论教学外, 有效地利用实践教学环节, 有利于学生理解和掌握该课程内容, 取得事半功倍的教学效果; (2) 传统课程体系脱胎于数字图像处理, 和遥感处理关键技术之间存在断裂面, 遥感处理知识体系不够完善。
本文以我国高等师范院校开设的遥感科学与技术、地理信息科学专业为例, 针对《遥感图像处理》课程的教学目标, 提出了适合高等师范院校本专业领域学生的课程体系的构建方案, 并就其实践教学的效果和课程体系特色进行介绍。
1 课程体系的建立
内容的模块化设计是目前课程体系建设的主要方案, 在很多高等院校的专业教学中得到了较好地应用[4]。为适于高等师范院校开设的遥感科学与技术、地理信息科学专业教学需求, 通过近10年左右的实践教学, 我们将《遥感图像处理》的课程体系结构分为7个模块, 如图1所示。
(1) 图像基础模块:这一部分主要介绍遥感数字图像的基础知识, 主要包括遥感数字图像、遥感数字图像的计算机存储、遥感数字图像的计算机视图与表达等内容, 让学生了解遥感数字图像的基本概念和特点, 并从计算机存储和显示的角度, 定性了解数字遥感图像, 引导学生建立遥感图像处理研究和实践的兴趣。
(2) 定量遥感处理模块:遥感定量化是当前技术发展的重要方向之一, 其分析和处理过程涉及到物理、大气等学科;本科生由于前期所开课程较少, 感觉定量遥感处理的难度较大, 因而我们主张在本科阶段掌握定量遥感的基础理论和图像处理, 深层次处理设置在后续的研究生课程开设。
该模块的主要内容涵盖辐射定标、大气校正、热红外地面温度反演等, 以Landsat TM图像为例, 了解遥感图像的辐射校正和定量反演的技术方法:辐射定标结合Landsat TM的0级、1级产品, 介绍遥感图像数字值 (digital number, DN) 转换为光谱辐射亮度的方法;大气校正主要讲述基于辐射传输方程的校正方法, 结合6S和MOTR AN辐射传输软件包, 完成遥感图像的大气校正;热红外图像地表温度反演以Landsat TM6为例, 介绍单波段热红外图像的地表温度反演方法和技术流程。
(3) 几何遥感处理模块:该模块针对遥感成像的纯中心投影、多中心投影、侧视雷达等不同构像方式, 解释它们的几何纠正方法和技术流程;对于多项式纠正方法重点介绍, 强度多项式的构建、地面控制点的选择、最小二乘法拟合等相关内容。
(4) 数字图像增强模块:数字图像增强模块按照彩色增强、辐射增强、空间域增强、频率域增强、多光谱增强等顺序进行讲解。在这一部分, 我们遵循系统深入的原则, 基于遥感数字图像处理的实例, 帮助学生系统复习总结并领会各种理论方法之间的逻辑顺序与本质。由于图像处理具有理论性和可视化强的特点, 在这个部分教学中, 我们希望加强学生对前置基础课程 (如《遥感导论》和《数字图像处理》) 所学基本理论和方法的深入理解, 使其充分认识遥感机理理论知识在遥感图像增强应用中的指导意义, 并体会理论本身的魅力。
(5) 遥感图像融合模块:该模块从遥感图像融合的目的出发, 介绍图像融合的主要方法和技术流程、图像融合结果的性能评估等;联系数字图像增强模块的多光谱增强子模块, 以HIS变换、主成份分析、傅里叶变换和小波变换等为基础, 阐述遥感图像融合的主要技术方法, 并对其方法的缺点进行分析, 提出改进的遥感图像融合方案。
(6) 遥感图像分类模块:该模块主要包括计算机分类的基本原理、非监督分类、监督分类、计算机分类的新方法、分类结果后处理、精度评估等内容。在这一部分教学中, 我们充分发挥图像处理应用性强的特点, 选择最小距离法、ISODATA、最大似然分类法等, 重点讲述其基础理论和技术方法, 激发学生学习兴趣。
(7) 变化检测模块:该模块是对前面所学模块的综合运用, 向学生展示《遥感图像处理》立体而丰富的专业内容。在介绍遥感图像变化检测意义和技术流程的基础上重点论述变化检测的分类后比较法和直接比较法;将变化向量分析法 (CVA) 作为典型算法进行讲述, 通过土地覆被变化检测的应用实例, 综合遥感图像辐射校正、几何纠正等知识, 重点论述变化强度和变化方向的确定方法, 并利用图像处理实践提升学生的研究性思维, 初步培养学生的创新能力。
2 课程教学实践及其特色
2.1 加强实践教学环节, 注重动手能力的培养
本课程主要教学目的是使学生了解和掌握遥感信息处理的基本知识、方法、基本技能和发展动态, 初步掌握应用遥感信息处理技术分析和解决实际问题的能力。因而, 实践教学能力培养是我们课程建设的核心部分。我们在每个模块中设置了多个实践环节, 多角度、多目标的提升学生动手操作能力。
主要的实践环节包括: (1) 遥感数字图像的读入及其显示的计算机编程实现; (2Landsat TM图像的辐射定标; (3) 基于6S和MOTRAN的Landsat TM图像的大气校正 (4) Landsat TM6热红外地表温度反演; (5) 遥感图像的几何纠正 (多项式模型和雷达图像的距离-多普勒模型) ; (6) 遥感图像增强1 (直方图变换和直方图匹配) ; (7) 遥感图像增强2 (平滑和锐化) ; (8) 遥感图像增强3 (傅里叶变换及遥感图像周期性条带噪声的去除) ; (9) 遥感图像增强4 (HIS、PCA) ; (10) 遥感图像融合及其性能提升 (HIS、PCA) ; (11) 遥感图像分类1 (最小距离方法) ; (12) 遥感图像分类2 (ISODATA、最大似然法) ; (13) 遥感图像分类的新方法3 (面向对象法) ; (14) 遥感图像分类后处理; (15) 遥感图像分类结果精度评估; (16) 土地覆被变化遥感变化检测。
通过理论学习、实践处理等环节, 增强学生对本课程的理解, 并在此基础上使学生进一步掌握遥感图像成像的基本原理、基本理论和这些理论在遥感图像处理中的应用。近10年的教学实践证明, 该课程的实践教学环节较好地调动了学生专业学习的积极性, 取得了较好的学习效果。
2.2 内容延伸模块化, 形成分层次课程体系
我们依据课程教学内容, 构建了授课内容的基本框架, 按照教学内容分块设置, 根据学生学习阶段、课时安排、专业特色延伸等可以灵活变化, 因而给授课内容带来了较大的机动性。
在每个教学模块中首先确定知识体系和拓展专题内容, 将这些拓展专题分为偏应用型和偏理论型。每个专题中设置基本内容和扩展内容, 形成模块化分层次的课程体系。
例如:在数字图像增强模块中, 目前的大多数教材中存在直方图均衡化的内容, 然而随着图像处理技术的发展和应用的拓展, 人们发现在绝大多数遥感图像增强处理中不适合直方图均衡化处理, 因此这部分内容可以不讲或让学生自学。图像增强部分的内容非常多, 使学生清楚掌握第一节内容介绍的关键词, 课程的延伸内容就会更易理解。根据学科特色和学习层次, 可以有意识地引入偏应用专题或偏理论专题, 更好地满足不同目标、不同层次的学生的需求。
通过遥感图像处理课程教学内容的分块划分, 形成了层次化、模块化课程体系, 在确保授课内容体系完整情况下, 使内容选择更具条理和可操作性, 便于培养不同目标导向的学生, 更适于我国高等师范院校相关专业的教学设计。
2.3 多目标人才及其创新能力培养
社会对人才可以从不同的角度加以分类, 从生产或工作活动的目的来分析, 现代社会的人才可分为学术型 (理论型) 、技术型、工程型和技能型等。多目标人才就是多功能人才, 其特点是多才多艺, 能够在很多领域大显身手。当今社会的重大特征是学科交叉, 知识融合, 技术集成。因而, 《遥感图像处理》多目标人才培养是培养学生在各个方面都有一定能力, 同时在某一个具体的方面要能出类拔萃。
在高等师范院校地理学背景创办遥感科学与技术、地理信息科学等本科专业的情况下, 不同层次、不同培养目标导向, 可以让学生针对自己的发展方向选择应用型还是研究型, 因而该课程体系更加具有灵活度。我们课程体系中设置的定量遥感模块, 可以满足学生在应用型《遥感图像处理》课程中学习到研究型知识, 丰富和完善学生的有关遥感处理的知识结构, 提升学生的创新能力。实践教学证明, 我们的本科生经过该模块的学习, 也能够独立完成研究方案构思和具体研究路线设计, 并在老师的指导下撰写科学论文。
3 结语
卫星遥感、图像处理技术的迅猛发展, 其应用领域愈来愈广泛, 该领域受到很多学生的垂青, 激发了他们的学习热情。目前很多高等院校都开设了《遥感图像处理》这门课程。如何根据各个高等院校的学科特色、学生特点构建适合自己的课程教学体系、安排好授课内容、提高教学方法和教学手段的有效性是很多高等院校主讲教师最关注的, 同时对于提高学生学习兴趣、加强实践应用能力以及培养信息技术时代的创新型人才具有重要意义。
笔者结合多年《遥感图像处理》课程的教学经验, 设计了一个课程内容模块化、专题内容可延伸、分层次的课程体系, 它采用专题框架, 在保证授课体系完整性的前提下, 授课教师可以依据人才培养目标、专业特色、学时要求引入模块化延伸内容, 有机地将课程教学内容联合在一起, 形成多层次、多目标的授课内容。实践证明, 该课程体系设置达到了我们高等师范院校相关专业的课程教学预期效果, 可以为我国其他高等师范院校的相关专业的《遥感图像处理》课程教学提供参考。
参考文献
[1]邓磊, 赵文吉, 胡德勇.遥感课程实践教学模式探索与教改实践[J].科技创新导报, 2012 (7) :136-137.
[2]赵珊, 刘静.数字图像处理课程实践教学的改革与设计[J].中国科技信息, 2009 (23) :226-227.
[3]吕秀琴.GIS专业《数字图像处理》实验教学研究[J].地理空间信息, 2012, 10 (5) :174-176.
遥感处理 篇5
一、实验原理：
面对自然界复杂的事物或现象，我们不可能用一个统一的分类模式来描述或进行区域景物的识别与分类。需要深入研究它们的总体规律及内在联系，理顺其主次或因果关系，建立一种树状结构的框架。即建立所谓的分类树，来说明它们的复杂关系，并根据分类树的结构逐级分层次地把所研究的目标一一区分、识别出来。这就是分层分类法
二、实验数据：
杨凌2003年0614影像，分类模板12类地物。实验一通过训练区区分的12类地物的统计结果，均值，标准差。
三、实验步骤：
设计叠合光谱图
根据12类地物的统计结果，以均值为中心，标准差长度为星线表示各类地物各个波段平均光谱响应，将导出的数据导入到Excel里，在Excel里进行数据处理，制作叠合光谱图。横坐标为灰度值，纵坐标为地物类型，12种地物分别为1=水库，2=河流，3=柏油路，4=水泥路，5=农村，6=城市，7=乔木林，8=灌木林，9=果园，10=草地，11=有作物，12=无作物。
根据叠合光谱图进行分层分类
首先根据1波段将十二种地物划分成1,2,9,10,11与7,8与3,12与4,5,6四种，然后根据4,5波段将1,2,9,10,11分成1与2与9,10,11，根据4,6波段将7,8地物分开，根据2,3,5,6波段将3,12地物分开，根据第3波段将4,5,6分成4,5与6，最后根据第6波段将9,10,11划分成9,11与10，根据第7波段将4,5地物分开。
形成判别树
根据上述依据画出将12种地物区分开的分层分类树。
四、实验结果：
五、实习总结：
遥感处理 篇6
关键词：遥感技术；地质勘查；找矿；应用研究
一、遥感技术概念
任何物体都具有不同的吸收、反射、辐射光谱的特能，在同一光谱区内，不同的物体反映出的光谱特性不同，同一物体在不同光谱区内的反映也有很大差别，或者是同一物体在不同的时间、地点，受太阳光照射角度不同，它们对光谱的吸收和反射也有所不同。遥感技术根据物体的光谱特性原理，从远距离感知目标反射或自身辐射的电磁波、可见光、红外线等目标进行探测和识别，然后对物体做出判断。在数字地球框架下，将遥感技术与传统地质方法、现代信息技术相结合，对遥感信息进行延伸应用和信息化，提高矿产资源的勘查效果。当前，露出地表的矿藏越来越少，勘查目标已转向地下深处隐伏的矿床，找矿难度更大，同时，采用各种地学手段获取丰富信息资源为遥感信息和其他地学信息的集成创造了一定的条件。
二、遥感地质勘查技术应用分析
在地质研究工作中应用遥感技术，主要是应用遥感图像提供地质信息矿产信息和环境信息，从而为地质研究人员熟悉研究区域的地质情况提供便利，为科学决策的制定提供参考，进而精确确定工作量、方式方法以及研究目的。
2.1航天遥感图像在地质研究中的应用分析
所谓航天遥感技术，主要是利用航天器作为承载传感器的平台的一种遥感技术。在地质研究过程中应用遥感图像，主要是利用航天遥感技术得出的遥感图像，结合传感器的类型与卫星地面，获得覆盖范围适中、信息数据最新的图像数据，再应遥感图像软件对数据进行处理，例如校正、融合、增强以及镶嵌等，并利用比例尺寸较大的地形数据，利用投影仪对影像数据进行变化和纠正处理，结合地形图上得出的各种信息，例如地名、地质构造、岩体、底层、矿点以及物化探异常等，再对其进行标注与整饰，从而制成精确的航天遥感图像，从而为地质研究工作提供各种信息数据，为地质研究工作者提供极大的便利，在应用过程中，应结合航天遥感图像，对地质情况进行初步分析和研究，为做好找矿工作奠定坚实的技术资料和基础。
2.2航空遥感图像在地质研究中的应用分析
所谓航空遥感技术，主要是利用热气球、飞艇、飞机等作为承载传感器的平台的一种遥感技术。在地质研究中应用遥感图像，应结合目的的不同针对性地选用传感器，从而得出航空摄像图片，并经过数据的扫描制作地质图。在实际应用过程中，应用遥感地质制图具有一定的优势和不足，其优势就在于较常规制图相比，能节省大量的野外工作量，在表示客观现象时比常规地质图表现的效果要好，总结起来就是造价低和进度短，而缺点就是由于野外工作量的减少，导致地质图中的信息数据不够详实，例如地质观测点、样品种类的数量以及地产与构造的行政等于常规的地质图还存在一定的差距。因而在实际应用过程中，作为地质研究人员，必须结合航天遥感图像和常规地质图像的优点，弥补二者之间的不足，才能更好地确保其应用成效。
三、遥感技术模式在地质找矿中应用研究
在地质行业中应用遥感技术的主要目的就在于找矿。在找矿工作中应用遥感技术，主要是利用结构信息，分析地面岩石地貌和构造地貌和在外动力作用下控制的地质地貌，并在遥感图像上将这些信息综合性的表现出来，所以遥感图像提供的地形地貌为判读遥感图像，如对地质现象和地质体进行区分等，进而将地质体与地质现象充分地体现出来，最终将隐伏在地层中的沉积物、岩层、土壤和植被等地质体信息充分地体现出来。
3.1找矿分析中应用遥感图像的探究
在找矿分析中应用遥感图像，主要是应用航天、航空图像进行目视并判断，从而对已知的矿产地质图像特点进行分析，并利用地质背景和物化探测量情况以及成矿条件等信息，采取类比原则从已经知道的情况推断未知的情况，进而为成矿预测奠定坚实的基础。與此同时，利用大比例尺寸的航空相片对原生矿体和矿化地区露头进行直接识别，特别是金属矿床与露头特异的色彩，形成找矿的标志。加上矿体的抗侵蚀能力和围岩抗风化能力以及露头等形成沟谷和岩墙，对于直接识别矿区露头具有十分重要的作用。
3.2成矿预测中应用遥感图像的探究
在成矿预测中，最主要的一项工作就是提取矿产信息，因而在成矿预测中应用遥感图像主要是通过遥感图像技术处理遥感图像，从处理的遥感图像中直接得出有关矿床和矿化等的信息，并直接在遥感图像上显示出来，进而为找矿需要提供有效的信息数据，达到顺利开展找矿工作的目的。
3.3地质综合找矿中应用遥感图像的探究
在地质综合找矿中应用遥感图像，主要是将区域的地质演化和成矿规律的分析作为基准点，从而确定调查区域内成矿模式和控矿地质因素，并结合这些信息的特征确定处理图像的方案，从而提取和增强地质信息，再利用物化探资料分析目视图像，结合数学地质、物化探资料图像、遥感地质等进行综合性的分析和预测成矿，从而为遥感地质综合性的找矿提供了强大的技术支持，为地质找矿工作质量的提升奠定了坚实的基础。
四、结语
遥感技术在地质找矿事业中的拓展应用任重道远，利用这一核心高新技术能够实现直接找矿和解决更深层次的找矿问题。新的高光谱遥感技术和雷达成像技术为遥感技术注入了新的血液，基于新技术在遥感技术中的拓展，结合先进的科学成矿理论的知识，能够为遥感技术在地质找矿中探索出一条新的出路。结合我国遥感技术在地质找矿中的应用拓展，遥感找矿还拥有更加广阔的发展前景，拓展遥感技术在地质找矿中的应用是未来的趋势。
参考文献：
[1]谷超杰.遥感技术在地质和找矿中的应用与展望[J].测绘与空间地理信息，2011，05：213-214.
[2]钱建平，伍贵华，陈宏毅.现代遥感技术在地质找矿中的应用[J].地质找矿论丛，2012，03：355-360.
[3]谷超杰.遥感技术在地质和找矿中的应用与展望[J].测绘与空间地理信息，2011，05：213-214.
无人机遥感影像的获取及处理研究 篇7
关键词：无人机,遥感,影像处理
引言
无人机驾驶飞机简称无人机 (unmanned Aerial Vehicle) 是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。机上安装有自动驾驶仪、程序控制等设备, 地面遥控站人员通过雷达等设备, 对无人机进行定位、跟踪、遥测和数据传输。无人机技术广泛应用于军事侦察、矿产勘查、地质调查、环境监测等多个领域。
随着社会经济的快速发展, 人口和土地资源的矛盾日益突出, 为了提高土地利用效率, 全面开展土地利用情况调查工作, 对于国土资源部进行有效的土地管理工作至关重要。目前, 我国无人机进行影像获取正处于起步阶段, 然而利用无人机进行土地利用调查, 使用方便、成本低、分辨率高, 较适合小范围获取影像, 这对于提高土地管理工作有很大的帮助。
1 无人机影像的特点
无人机遥感与传统的卫星遥感、航空航天遥感相比, 它有其独特的优势:
(1) 无人机操作简单, 非专业人士均可使用, 作业和维修成本较低。
(2) 无人机的飞行高度和航线均可人为操控, 灵活性强。
(3) 无人机飞行受天气影响较小, 飞行高度一般低于1000m, 不受空域限制。
(4) 无人机设备体积较小, 易携带和运输。
(5) 无人机作业效率高, 可获取高分辨率影像。
但是, 无人机由于自身体积小, 承载能力有限, 受风力的影响较大。与此同时, 与传统影像获取方式相比, 无人机数据的获取和处理有一定的局限性。
2 无人机遥感数据的获取
2.1 无人机遥感系统的组成
无人机的遥感系统由空中控制系统、地面控制系统组成。如图1 所示, 其中空中控制系统包括飞机平台系统和信息采集系统, 其功能主要是规划航线上传至飞机上的控制器, 操作者可通过GPS接收天线随时掌握无人机的状态。地面控制系统包括航迹规划子系统、地面控制系统和数据接收系统, 其功能主要是确保无人机按照规划好的航线飞行, 监视飞机飞行姿态以及实时接收飞行数据。
2.2 无人机影像的获取
利用无人机进行遥感影像的获取具体流程操作如下:
首先, 根据任务的要求对拍摄地区进行合理的航线规划, 并由航迹规划子系统将规划完成的航线数据载入到空中控制系统中, 空中控制系统将按照预先载入的航线数据进行拍摄。同时, 拍摄数据将通过无线电传输到地面控制系统。如果有地区需要补测或重点拍摄, 地面操作人员可随时调整飞行路线。
3 无人机遥感影像的处理
3.1 影像数据的预先检查
由于无人机拍摄时受云或风向等天气情况的影响, 需对每张影像进行检查, 如航向重叠度、旁向重叠度、影像突变等, 选取正确的影像。
3.2 影像的预处理
无人机上搭载的航拍设备为数码相机, 而数码相机内的内方位元素和畸变差直接影像成像效果, 因此, 需要根据数码相机的型号选择合理的方法纠正畸变差。此外, 需对影像进行yun光、yun色处理, 保证影像在色度、亮度、灰度、纹理等方面的一致性。
3.3 空三加密
空三加密是处理影像最重要的步骤, 也是工序最多的步骤。其主要过程包括:从内定向到相对定向, 再到绝对定向, 最后到自由网平差, 由此来提取加密点坐标和解算影像的外方位元素。
3.4 DOM制作和精度检查
空三加密结束后, 结合其所得的方位数据及匹配点, 利用影像处理软件实现高精度DEM的匹配, 最终获取数字正射影像DOM, 选取一定数量的同范围内的检查点, 量取检查点正射影像的坐标, 并与获取的平差后的坐标比较中误差, 若不满足要求, 则需重新进行空三加密。
4 实例
该项目所使用的是e Bee无人机, 搭载的是Cannon Ixus 220HS数码相机, 飞行高度约为200m, 相机焦距为24mm, 影像像幅为3500×5500 像素, 飞行从西北-东南, 由e Bee的e Motion航行规划软件自动规划航向重叠度为75%, 旁向重叠度为80%, 飞行面积约为10km2, 使用Post Flight Terra 3D后处理软件可快速获取具有地理坐标的正射影像图。 (图2)
5 结束语
无人机航摄技术作为一种新型的空间数据采集手段, 越来越受关注, 对其的研究也不断创新。根据无人机航摄的优点, 它在土地利用情况调查工作中具有非常重要的作用, 它可以让我们及时掌握实际土地建设状况和土地集约利用总体情况, 进一步提高土地利用效率, 提高各地区经济发展。然而, 无人机航摄的影像像幅小, 倾角过大, 基线短, 重叠度不规则等问题也有待于进一步研究。
参考文献
[1]洪宇, 龚建华, 胡社荣, 等.无人机遥感影像获取及后续处理探讨[J].遥感技术与应用, 2008, 23 (4) :462-466.
[2]许辉熙, 敬小东.基于无人机遥感和GIS技术的土地利用快速详查方法研究[J].测绘与空间地理信息, 2013, 36 (9) :11-14.
[3]李凤娟.无人机技术在天水百亩土地整治中的应用[J].地理空间信息, 2014, 12 (4) :40-41.
[4]周晓敏, 赵力彬, 张新利.低空无人机影像处理技术及方法探究[J].2012, 35 (2) :182-184.
遥感处理 篇8
遥感技术是远距离感知目标反射或自身辐射的电磁波特性, 对目标进行探测和识别的技术。该技术可以快速获取大范围信息, 目前已广泛应用于军事和民用。为了培养遥感技术人才, 全国本科和高职院校很多专业都开设了遥感课程, 如测绘、林学、土地资源管理、城市规划、农业资源环境等专业。本科院校和高职院校根据各自的人才培养目标选择课程的教学内容并确定相应的课时。
高职院校人才培养以社会需求为目标, 培养应用型人才。作为高职测量专业学生的必修课, 《遥感数字图像处理》课程的教学内容, 应结合实际工程中常用的遥感图像处理技术所需的知识来选择, 本文以遥感技术在测绘中的应用为基础, 结合作者在《遥感数字图像处理》课程教学中存在的问题, 对高职测量专业《遥感数字图像处理》教学的内容和教学方法进行探讨。
1 遥感技术在测绘中的应用
随着经济的发展, 土地利用状况不断变化, 为保持土地利用数据的现势性, 可以利用遥感技术完成土地利用变更调查和动态监测, 并制作相应的专题图[1,2,3];另外人们对地形图和各种专题地图的需求量迅速增加, 尤其地形图数据的现势性是数据应用的关键, 目前遥感技术已应用于地形图的更新[4,5,6], 比常规方法更快、更高效, 地形图要素更新内容较完整, 精度可靠。因此遥感技术在测绘领域的应用主要包括更新地形图、土地利用变更调查和动态监测、专题图制作三个方面。
2 遥感课程教学内容与方法探讨
2.1 遥感课程教学内容探讨
高职遥感教材有多个出版社出版的《摄影测量与遥感》, 该类教材侧重摄影测量, 遥感只是其中的一章, 遥感的主要技术内容涉及不全、不详细;另外黄河水利出版社出版的《遥感测量》教材, 注重数据处理的理论方法, 实践内容较少;目前我院采用的教材是重庆大学出版社出版的《遥感数字图像处理》, 该教材主要是注重实践, 软件操作占教材的70%以上, 对遥感的基本理论知识涉及的不多、不全, 更像是一本实训教材, 通过近2年对该课程的教学发现对于没有任何遥感基础的学生而言, 只采用该教材, 学生学习有一定的难度。虽然高职学生的培养目标是技能型应用人才, 但也不能一味追求技能操作, 而忽视理论学习, 且不利于学生知识点的理解掌握和以后的发展。
通过遥感技术在测绘中的应用分析, 实际工作中主要涉及到多景图像不同时间、不同分辨率、不同传感器的图像同时处理, 进行地形图更新、土地利用变更调查、土地利用动态监测等[6,7,8,9], 所涉及到的知识点应重点讲解, 又考虑到学生的遥感“零”基础, 授课内容需包含遥感基础知识和测绘工程中常用遥感图像处理技术。鉴于此, 笔者建议根据表1选择理论教学内容和实训课程内容。在讲授上述教学内容的过程中, 除了可以参考其他高职遥感教材以外, 建议多收集一些期刊、硕博论文的部分章节为辅助教材。对于实践教学所需数据, 可以采用软件自带的数据和从网站上下载的免费数据来完成实训内容[10]。
期刊上有很多工程实例中遥感图像的处理步骤写的比较全面, 有利于学生对遥感技术在工程中的应用了解, 提高他们对该门课程的学习兴趣。硕博论文虽然研究的内容比较深, 但是很多硕博论文的基础知识部分写的很详尽, 便于知识的理解。
2.2 遥感课程教学方法探讨
1) 项目教学法。以工程实例为基础, 让学生了解遥感技术在工程项目中的应用及处理步骤, 激起学生对该门课程的学习兴趣。收集地形图更新、土地二调中遥感的应用、国情监测中遥感技术的应用等。
2) 理论与实训双重视。两者同等重要, 理论是实践的基础, 如果学生没有基础理论, 实训课时只能是盲目地练习软件的使用, 只有对每个模块处理的目的和意义有所了解, 才有兴趣学习和练习。教师在讲授理论教学的内容时, 可以省去中间的公式推导, 让学生了解什么情况下用该公式, 在软件中哪个模块可以完成该公式对图像的处理即可;通过实训课程的练习, 不仅可以增强他们对理论知识的理解, 而且可以提高他们对该门课的兴趣, 同时培养其独立解决问题的能力。
3) 多媒体教学。理论教学可以制作多媒体课件, 辅助教师授课;对于实训内容可以借助一些视频制作软件, 比如Camtasia Studio 6录制软件的操作过程, 并配以文字注释, 在授课时配上教师详细的讲解, 可以提高学生学习erdas等英文软件的学习兴趣, 学生学习起来也更直观、更便捷, 且便于学生课后复习掌握。
4) 引导学生拓展学习。由于课时有限, 所以在讲授的时候, 都是讲授最基础、最常用的知识和处理步骤, 可以给学生拷贝一些期刊文献或者推荐辅助教材, 让他们能够利用业余时间扩充遥感知识;在erdas软件的每个菜单中都有HELP帮助菜单, 学生除了练习实训课程内容外, 可以通过HELP菜单调出软件的帮助文件, 查看每个菜单的详细说明, 同时便于以后学习和使用上课时未讲解的菜单模块。
3 结语
严峻的就业形势下, 用人单位对大学生的专业技能与素质提出了更高的要求。高职院校课程内容的设置应根据社会需求而定, 以此为目标和依据, 培养他们的专业知识和技能。本文通过收集遥感在测绘工程中应用的文献资料, 了解遥感技术在测绘中的应用内容, 设计和探讨遥感课程理论教学和实训教学内容, 以期培养有针对性的测量专业遥感应用型人才。
摘要：以遥感技术在测绘中的应用为基础, 分析了《遥感数字图像处理》课程教学中存在的问题, 并设计和探讨了遥感课程理论教学与实训教学的内容、方法, 以期培养出有针对性的测量专业遥感应用型人才。
关键词：高职院校,测量,遥感技术,教学
参考文献
[1]宣滨, 吴良才.遥感技术在测绘科学中的应用[J].科技风, 2010 (1) :196.
[2]金时华.遥感技术在土地利用动态监测中的应用[J].测绘与空间地理信息, 2006, 29 (1) :98-100.
[3]赵元霞, 王沛.遥感技术在地籍测量工作中的应用情况分析与评价[J].技术应用, 2013 (8) :102-103.
[4]赵敏, 陈卫平, 王海燕.基于遥感影像变化检测技术的地形图更新[J].测绘通报, 2013 (4) :65-67.
[5]杨泽运, 康家银, 赵广东.利用QuickBird全色遥感影像更新城市大比例尺地形图[J].测绘工程, 2005, 14 (2) :29-31.
[6]谢岩.利用QuickBird遥感影像的更新1∶10 000地形图[J].测绘与空间地理信息, 2012, 35 (12) :100-101.
[7]张灿荣, 伍素贞.利用遥感进行土地利用动态变化监测——以东莞市长安镇为例[J].地矿测绘, 2007, 23 (3) :17-19.
[8]方剑强, 陈中岳.谈谈卫星遥感影像数据在土地变更调查中的应用——以杭州市区2007年度为例[J].数字国土, 2008 (7) :54-56.
[9]王树文, 刘俊卫.遥感与GIS技术在地理国情监测中的应用与研究——以天津市为例[J].测绘通报, 2012 (8) :51-54.
遥感处理 篇9
遥感信息模型(RSIM)泛指利用遥感数据对地学规律进行研究所构成的方法、模型[1]。遥感影像提供了地球表层的多维动态观测数据,通过遥感影像建立遥感信息模型,研究地球系统的各个要素及其相互关系[1],在科学研究和国民经济中具有重要意义。
保证遥感数据的时效性,是应用遥感信息模型必须解决的问题。近年来遥感数据高速增长[2],如何实现海量、多源、多尺度遥感数据的快速计算,是遥感信息模型处理平台面临的又一挑战。传统的遥感信息处理平台以桌面端软件为主,如ENVI、ERDAS IMAGINE、PCI Geomatica等,处理低效,不支持各个功能模块的自动流程化处理。通用并行计算平台则缺乏专业的遥感存储计算支持,且有许多冗余功能,研制遥感专用并行计算平台具有重要意义。近年来研究人员围绕遥感处理算法的并行化展开了大量工作[3,4,5,6],涵盖遥感数据预处理、特征参数反演、图像目标识别等方面,为遥感信息模型平台的功能集成打下良好基础。但是国内目前尚无主流遥感集群环境。中国测绘科学研究院研发的Pixel Grid具有集群分布式计算模块,主要提供星测/航测影像的摄影测量处理[7],没有专门的遥感处理功能,且缺乏对于遥感算法的二次开发支持。中科院遥感与数字地球研究所研发的遥感信息计算平台(SINCE)内部集成了集群MPI计算环境,但该平台基于.net框架开发[8],通用性较差。东方泰坦公司的泰坦超算平台(Titan SCP)具有跨平台部署能力[9],但缺乏海量存储支持。
为适应遥感领域对于海量存储和高效计算的需求,提高RSIM的生产效率,本文在遥感高性能计算平台工作的基础上[10,11,12],提出一种高性能自动化RSIM处理平台,该平台具有以下特点:(1)基于Lustre实现海量文件存储功能;(2)提供MPI并行编程支持;(3)通过任务级(Torque)和业务级(Karajan)的调度使系统具有良好的负载均衡能力和复杂的跨平台功能组合功能。
1 平台设计
当前遥感数据和遥感处理算法具有如下特点:
1)遥感信息模型一般呈密集而不规则的数据访问模式[13],由于对数据的依赖度不同,各模型表现出的访问特点不同。其中大量非连续小块数据的访问造成严重的IO瓶颈,在此种条件下,模型IO通常只能取得峰值期1/10的性能[14]。如何结合遥感数据与模型的特点优化存储,这是实现平台高性能的重点。
2)遥感处理可分为3个层次:像素级、特征级和目标级[15]。随着处理层次的增高,处理数据量越来越小,算法越来越复杂,人工干预的成分增大[4]。MODIS传感器的数据集约占ECHO[16]总数据集(共包含595个传感器的3200个数据集[17])的1/10[17],是一个十分有代表性的传感器。以Terra MODIS产品为例,产品覆盖领域包括大气、陆地、海洋和冰冻圈,共38个大类[18,19]。这些大类的处理等级为1~4级,如表1所示,随着处理级别的升高,数据量减少,处理时效性降低。这一方面说明复杂算法的并行化比较困难,另一方面则揭示了提高低等级数据处理效率能够解决遥感数据处理的大部分性能要求。
注:Res指影像空间分辨率
3)遥感信息的提取方式由相对单一的处理如波段运算、影像变换等向多元处理链的方向转化,并有计算机处理、人工单源干预和多方协同处理多种模式。处理流程的复杂化和处理模式的多元化对于处理平台的资源配置能力提出了更高要求。
本文沿袭经典的Linux机群+MPI搭建基础并行环境,并用Ethernet和Infini Band子网两个重叠的网络组成集群网络拓扑,采用Lustre集群文件系统构建平台存储模块。目前世界排名前10的超级计算机系统中有7个使用Lustre[20],其高可扩展性能够适应潜在数据的存储需求。在此基础上,为了解决上述问题,构建一个遥感专用高性能计算平台,本文依次作了如下设计:
1)从存储组织和文件访问两方面进行控制,针对不同的遥感影像设计不同的OST池进行存储,减少访问目标块与存储分片之间的位置差异。
2)平台把重点放在提高低等级遥感数据处理的效率上。低等级遥感处理包括几何校正、辐射校正等影像预处理算法,影像重采样、影像镶嵌、图像增强、波段运算等通用处理方法[3]。
3)设计两级调度策略使系统具有良好的负载均衡能力和完备的任务编排功能。Torque+Maui实现并行计算资源的细粒度按需分配,Karajan工作流则从业务层面提供了复杂处理组合和跨组织协作功能。
系统的基本架构如图1所示。
2 Lustre IO优化
当多个客户高并发访问时,锁竞争和文件系统资源竞争会使Lustre文件系统效率大幅下降。根据应用特点对Lustre进行IO优化,从两个方面展开:(1)减少对单个文件的并发访问;(2)提高单次传输的文件分片利用率。这种调整可从Lustre文件系统和应用程序两方面进行。
1)对文件存储方式进行优化
文件的分片大小和分片个数对系统性能有显著影响[21]。不同大小的文件由于应用场景不同通常有不同的分片方式。例如Lustre单次网络传输缓冲区大小为1 MB,1 MB及以下的文件(如工程代码、tar文件等)不宜切片,而超大文件如1 TB以上的大文件则需要减少切片数量,避免频繁请求。OST池(OST Pools)是一种OST组织方式,同一个池中的OST遵循相同的文件分片规则。OST和OST池之间的从属关系可随时间改变[20],利用OST池可以更好地管理OST。遥感影像的数据大小从几十MB到几百GB不等,本文设计了3种不同默认分片大小的OST池,分别针对小型、中型和大型文件(用户仍可修改各个文件的分片设置),把不同应用模式的数据分离管理。
2)控制读写数据块进行优化
当程序发起与存储分片不对齐的IO请求时,可能会访问多个OST,而多个文件的分片不对齐访问则会加剧系统资源的竞争,如图2(b)所示;而读写块与文件分片一致时,则访问次数相对较少,如图2(a)所示。多个进程和多个文件之间的交互可分为四种方式:(1)多个进程中有一个代理进程直接与文件进行IO,再为其他进程提供数据中转服务;(2)每个进程都单独处理自己的文件;(3)若干进程并发处理同一文件;(4)以上三种情况的混合,前3种情况如图3所示。第(1)种方式避免了并发竞争,但单个进程限制了整体的IO速度和容量;第(2)种方式同样不需要并发控制,瓶颈出现在文件系统的支持上(如磁盘同时打开的最大文件数);第(3)种方式能实现较高的聚合吞吐量,但控制复杂,且资源竞争情况下系统的性能会降低。编写应用程序时,应根据应用特性选择合适的分片和读写方式。
3 平台并行编程支持
遥感信息模型并行化可通过数据并行和任务并行两种途径实现。低等级的遥感处理算法处理的数据量大,但局部数据之间的相关性比较小[4],因此数据并行是模型并行化的重要途径。本平台抽象出遥感处理中的各种数据划分模式,给出编程抽象类以辅助模型并行编程。
遥感传感器一般面向特定的电磁波谱段[1],生产的遥感影像包含若干波段的地物辐射信息(激光雷达点云数据不在讨论之列)。首先针对遥感信息模型处理数据覆盖的范围,作如下定义:
定义1处理域,输入影像各个波段参与模型运算的平面区域的总和,记为Mask。
定义2元处理域,模型运算过程中不可再分割的处理域,记为unit Mask。
定义3域函数,描述处理域的函数,记为mask Func。
模型处理涉及的波段数和模型最小处理范围依次如表2所示,从而遥感数据的元处理(不可再细分的)模式共有6种组合。
元处理域通常包含于某个处理域中。一个矩形处理域的元处理域可能是单个像素,也可能是若干个更小的矩形面域。一个非矩形区域的元处理域可能是更小的非矩形,这种划分可以基于图像行/列进行,或者由一个新的面域函数划分。遥感数据的并行粒度有单影像单个元处理域、单影像若干元处理域、多影像单个元处理域和多影像多个元处理域这四种。图4列举了一些典型的数据划分方式。
为了分离数据划分和数据处理,本文将任意处理函数抽象为以处理域、输入数据和辅助数据作为参数的函数。为用户提供2个面域描述抽象类和3个遥感数据处理任务抽象类,分别是Mask Type、Mask、Unit Task、Task Set和Task Queue。Mask Type是枚举类,罗列上述3种面域函数;Mask描述处理域,包括处理域类型,划分的方式(均匀、非均匀)和划分手法(行、列、自定义函数);Unit Task代表元处理域任务;Task Set则是更为常用的若干元处理域任务;Task Queue表示多个不同处理任务构成的任务队列,由用户根据使用场景实现调度函数。Mask和Task Set的类定义如下:
Mask类定义:
4 平台调度管理
4.1 Torque任务管理器
Torque是一个开源的集群作业管理调度系统,支持批处理、并行和交互式作业,为集群提供任务级的管理和调度,为各个节点分配合理的任务,能有效利用系统计算能力。Torque由4部分构成:任务服务器、任务调度器、执行守护进程和客户端,如图5所示。守护进程MOM运行在各个计算节点上,向任务服务器发送各个节点的状态信息,任务的执行情况以及服务器/调度器分配的其他资源监视任务。
Maui是一个用于集群/超级计算机任务调度的开源软件。Torque只提供了较基本的任务调度策略,而Maui则提供了丰富的选择。Maui设计了6个优先指标[22]来对一个任务进行优先级排序,可指定任务需要的处理器、内存、节点、用户级别和队列级别等来合理分配任务,平衡各个节点的CPU负载和IO开销。
4.2 Karajan工作流
Karajan提供了定义、组织、映射和执行工作流的环境。该工作流采用XML描述各个工作环节(执行动作和相应数据);提供“sequential”、“parallel”等标签供用户组织串行、并行流程;提供条件执行、迭代、循环等多种工作流控制结构和用户自定义函数;可构造基于DAG(有向无环图)的层次化工作流,具有高度的灵活性和适应性。图6展示了几种Karajan支持的流程。Karajan提供检查点(出错后,从检查点开始重新执行流程)、日志等多级容错机制,通过XML中的“on Error”元素用户可自定义错误响应行为。
5 实验与分析
5.1 实验环境
采用12台相同的计算机搭建平台环境,机器参数见表3所示。实验集群结构如图7所示,采用Cisco Catalyst 3560G以太网交换机和Cisco SFS 7000 Infini Band交换机配置集群网络。12台机器中3台搭建Lustre集群文件系统,1台作为Portal服务器,剩余8台作为计算节点。3台Lustre存储节点扩展2 TB的硬盘容量,创建10个OST,构建3个OST池,默认的分片数依次为2、4、8。MPI计算节点为主—从结构,1个主节点7个从节点;Torque的Server节点与MPI主节点安装在不同的机器上;Karajan工作流与Portal服务器安装在同一台机器上。
5.2 正确性验证
本文采用沙尘模型(适用于中国北部地区)对系统功能进行正确性检验。模型的处理流程如图8所示,实验输入数据和计算模式如表4所示。平台界面如图9所示,实验过程中模型按照预期过程依次执行,动态流程监控图正确显示模型各个阶段的计算状态,如图10所示。处理结果如图11(a)所示,浅色区域代表有沙尘的地区,浅色部分越深,沙尘等级越高。该结果与单节点串行处理结果图11(b)相同,充分证明了本平台的正确性。
5.3 性能分析
平台性能通过增大数据量和扩展计算节点两方面进行验证。采用植被干旱指数AWI模型运算验证。AWI模型的计算方式如式(1)所示。完整的计算流程包括AWI指数计算、多幅影像镶嵌、格式转换和结果可视化渲染4个部分。
首先选取2009年MOD09A1不同覆盖时空范围的影像集依次在8个计算节点上进行计算。如表5所示,这些影像集总的数据量从0.69 GB到1521.55 GB不等,随着数据量的增大,系统的吞吐率总体呈上升趋势,如图12(a),峰值大概为122 MB/s。
然后以2009年中国全年数据(约55.2 GB)验证平台性能随计算节点数的变化情况。每个节点运行一个计算进程,当计算节点从单节点逐个增加到8个时,模型计算加速比速率持续上升,在8节点时取得最大加速比13.2,如图12(b)所示,证明该平台具有良好的遥感信息性能高性能计算能力。
6 结语
当前遥感信息模型缺乏高效的一体化处理平台。本文提出了一种适用于遥感信息模型的高性能计算平台。该平台配备Lustre集群文件系统以支撑海量遥感数据的存储需求。从存储和应用程序两个角度分析了文件分片对IO性能的影响,根据文件大小设计了不同的OST池集中存储。对遥感数据的划分模式进行了分类和抽象,为MPI并行编程环境提供了数据划分抽象类。上层通过Torque和Karajan工作流实现两级调度,使系统具备自动装配任务,动态管理执行的能力。Torque中加入Maui调度器,提供了灵活的任务调度功能,使系统的资源配置更好地满足用户需求。实验部分该平台运行了三种模型,证明了该平台高效完成计算任务的能力,相对于单节点串行程序,该平台能完成海量数据任务的快速计算。目前实验集群规模较小,数据覆盖较窄,后续在运行中将进一步扩大节点数量,对系统的性能作进一步验证和调整。
摘要：当前尚无主流的遥感信息模型(RSIM)高性能处理平台,RSIM的研究与应用以项目驱动为主,处理低效。分析当前遥感领域数据与处理的特点,提出一种集数据存储、模型计算、信息发布于一体的RSIM处理平台。通过对存储系统、并行处理环境和调度系统的设计实现平台的海量存储、灵活管理和模型自动快速计算功能。实验表明,该系统能完成RSIM的快速高效处理,具有良好的可控性和适用性。
遥感处理 篇10
1 遥感技术介绍
随着社会的迅速发展, 人们的生活节奏也随之加快, 尤其是互联网技术的迅猛发展为信息的全球化进展带来了前所未有的机会。计算机已经被利用于社会生活的各个方面, 而遥感技术的应用则为计算机的应用锦上添花。比如, 在进行地址测绘的过程中, 就综合使用的遥感技术和GPS技术, 结合了两者的特色技术, 为地址的测绘工作提供了极大的便利。遥感技术的最普遍应用就是动态监测, 这是形成图像的直接来源, 就动态遥感检测技术而言, 通常需要经历以下几个步骤:一是数据的选择、二是数据的处理、三是信息变化的获取和精度的检验与评定。具体来说, 要获取的数据信息必须是连续的, 只有这样才会确保组成的图片信息的高精度和全面性, 因此, 信息的获取主要通过两种途径来实现, 一种是采用美国陆地探测卫星得到的数据, 另一种是采用法国的地球观测卫星得到的数据。众所周知, 信息是变化的, 那就要对变化的信息进行获取。这就要求在一段固定的时间内, 对所要观测的对象进行变化信息的提取, 主要关注其相关资料在量上变化的大小。动态监测是在测绘领域内非常重要的应用, 主要借助不同的监测时段内所记录信息在量上的变化情况来对事物的变化规律进行预测。为了确保所获取的信息具有可靠性, 一定要严格控制数据的精度, 可以通过与其他的资料进行对比来提高信息的精度。如果遇到对信息精度要求极其严格的情况, 就需要通过地理信息系统等一系列卫星影像分辨率比较高的图片做资料进行补充。
2 遥感图像处理技术的介绍
所谓遥感图像处理技术就是借助计算机的一些制图工具把获得的遥感资料编辑成各种地图, 遥感图像处理技术在测绘制图和地理研究中发挥着至关重要的作用。在进行遥感图像处理的时候在技术性的操作上有极高的要求, 主要涉及以下三个关键技术的操作, 一是空间分辨率与制图比例尺、二是波普分辨率与波段、三是时间与时相分辨率。下面就对以上三个关键技术的操作过程分别进行详细的论述。
2.1 空间分辨率与制图比例尺。
空间分辨率与制图比例尺在技术上要求综合考虑两个关键因素, 第一个关键因素是解译目标最小尺寸, 第二个关键因素是地图成图比例尺。在遥感图像的空间分辨率方面有着不同的要求, 主要是由制图对象的规模来决定的。而地图比例尺与分辨率之间存在着不可分割的联系。大量的实践证明, 地图成图比例尺和空间分辨率等一些其它图片属性对于普通地图的修改和更新都起到了及其重要的作用。
2.2 波谱分辨率。
所谓的波谱分辨率是一个波长的范围, 在遥感技术运用中, 需要传感器的工作, 传感器的探测器件能够接收电磁波辐射, 波谱分辨率是探测器件所能区分的最小波长范围。大量的研究表明, 波普分辨率的高低由波段的波长来决定, 具体来说, 波段的波长范围越小, 所对应的波谱分辨率就越高。在某些情况下, 波谱分辨率的含义也有变化, 主要是指传感器在其工作波长范围内所能划分的波段的量度。此时, 波普分辨率的高低也是由波段的波长来决定的, 具体来说, 传感器的波段越多, 相对应, 波谱分辨率也就越高。
2.3 时间与时相分辨率。
遥感图像在时间分辨率上存在着非常显著的差异, 产生这种差异的主要原因在于用遥感制图的方式显示制图对象的动态变化时, 不仅要把研究对象自身的变化周期搞清楚, 与此同时, 还要明白有没有与之相对应的遥感信息源。遥感图像所反映的是某一瞬间内地面实况的记录, 可是, 不得不承认的是地理现象的瞬息万变。因此, 在一系列按时间序列成像的多时相遥感图像当中, 必定会存在着某一个最佳时期, 而这个期间的图像是最能揭示地理现象本质的。目前, 普遍采用的遥感信息是来自美国陆地探测卫星和来自法国的地球观测卫星遥感信息。
3 遥感图像处理技术在测绘中应用
近几年来, 科技的发展推动社会不断进步, 社会的飞速发展促使人们对于遥感技术的需求也越来越多, 从某种程度上来说, 这种需求量的增大促进了人类在遥感图像处理技术领域里取得了许多新的突破, 遥感图片处理技术的运用增大了人们观测图像的范围。遥感图像的处理技术主要被应用在测绘工作当中, 其中应用比较广泛的领域又两个, 一个是土地勘测领域, 二是地质测绘领域。
实际施工过程中, 遥感图像处理技术被普遍应用在土地使用的界线范围测量中、遥感图像处理技术被应用于简化建设用地工作中, 尤其对交通路线的设计与实施, 遥感图像处理技术的应用还包括对大型工程的设计等方面, 遥感图像处理技术为以上各个方面都有极大的帮助。在采用遥感图像处理技术进行地籍测绘的过程当中, 通过图形以及数字等难识别的对象为基础, 采用与计算机相关的技术手段, 对大量很难识别的信息进行有关的加工和处理, 从而使这些信息变成可识别的图像和文字, 进一步记录相关的数据信息, 合理的确定监测的周期, 从而更好的对土地利用的变化情况进行全新的监测。可以把各个时期获得的数据结果进行对比研究, 从而得出最优的结果。在遥感图像处理技术的应用中能够提供大范围的瞬间静态图像, 这些静态图像被广泛应用于监测动态变化的现象;也可以开展大面积的重复观测活动, 其中包括一些人类很难到达的偏远地区;遥感图像处理技术极大的增大了人的眼睛所能观察的光谱范围, 遥感图像处理技术所使用的电磁波波段是从x光到微波, 这种电磁波的波段极大地超过了可见光的范围;和遥感图像处理技术不同的是雷达遥感, 雷达遥感的不同是由于雷达遥感使用的是微波, 所以, 雷达遥感的工作不受昼夜和天气变化等多种不利因素的限制, 大多数情况下能够达到全天候的观测要求。通过遥感图像处理技术所获取的图片不是普通方法能够获得的。因此, 在我国乃至全世界的测绘工程应用中都有着非常重大的意义。
结束语
综上所述, 我们看得出来利用遥感图像处理开展测绘工作的时候, 是一项繁琐而细致的工作。随着社会的进步, 人们对环境信息的要求也十分迫切, 对地图的品种、数量、质量等的要求越来越高, 因此在它的获取和处理方面, 一定要有精确的处理才能保证信息更加准确。目前, 图像已经向着系统、综合、实用的方向发展, 而遥感图像处理技术的发展必将对遥感制图的发展和提高起到有力地促进作用。遥感数据根据定位精度、地面分辨力的精度等原因, 使得到的结果会受到一点影响, 但是遥感技术在卫星系统、传感器、信息传输、数据处理等方面均在迅速发展, 所以其图像获取的精度将会不断提高, 也将会带动测绘领域在技术方面有突破性的进步。
摘要：随着社会的发展, 人们对于计算机的依赖越来越大, 遥感技术的引入给测绘工作带来了很多便利。笔者首先阐述了遥感技术的概念, 然后对遥感图像处理技术进行了简介, 在此基础上论述了遥感图像处理技术在测绘领域中的运用情况。本次研究不仅是对遥感技术的再次学习, 同时也为遥感图像处理技术在测绘领域中的运用提出了宝贵的建议。
关键词：遥感技术,遥感图像处理技术,测绘
参考文献
遥感处理 篇11
1 EO-1 Hyperion数据介绍
EO-1上搭载了3种传感器,高光谱成像光谱仪Hyperion是其中之一。Hyperion数据覆盖范围为北纬15°~55°,东经70°~140°的矩形区域。Level 1R(Hyp-L1R)和Level 1Gst数据产品(Hyp-L1G)分别是Hyperion高光谱成像光谱仪的2种数据格式数据产品。该数据共有242个波段,幅宽7.7 km,地面分辨率为30 m,光谱范围为400~2 500 nm,光谱分辨率达到10 nm。
虽然hyperion的L1级数据是经过一系列的处理结果得来,但实际结果仍然存在着质量问题,需要进行进一步的数据预处理,以解决图像数据误差。
2 Hyperion数据预处理原理与方法
研究区位于香格里拉县中部,香格里拉地理位置处于北纬27°31′12″~28°31′12″,东经99°12′00″~100°17′24″,是滇、川以及西藏三省区交汇处,该研究区森林资源丰富。研究选取香格里拉县中部一景Eo-1 Hyperion影像(EO1H1320402004307110PX)为源数据,此图像成像时间为2004年3月7日。影像范围为北纬26°31′48″~28°27′00″,东经99°19′12″~100°4′48″,该影像选取29、20、11波段进行RGB彩色合成。
2.1 ENVI补丁下数据波段组合
为方便使用Hyperion数据而使用Hyperion工具组件,在进行预处理时先进行ENVI补丁下数据波段组合。Hyperion工具的使用会将该研究区的L1G/L1T Geo TIFF数据转换成含有波长、最大波宽和坏波段信息的ENVI格式的文件。
2.2 未定标及水汽波段的去除
EO-1 Hyperion数据产品共有242个波段,其中198个波段经过辐射定标处理,而没有定标波段1~7、58~76、225~242波段为0值,必须将其去除。定标波段分别为可见光红外波段(VNIR)1~70中的8~57波段,短波红外波段(SWIR)71~242中的77~224波段。由于VNIR中的56~57波段与SWIR中的77~78波段重叠,因此只有196个波段[2]。其中,SWIR中的77~78噪音比VNIR中的56-57大,因此去除SWIR77~78波段生成一副196波段的图像。Hyperion数据242条波段中,另外受水汽影像较大的121~127、167~178以及224波段将其剔除。保留的波段为8~57、79~120、128~166、179~223。
2.3 DN值转换绝对辐射值
由于实际的地物辐射值很小,DN值是Hyperion L1产品中扩大的传感器辐射强度值。扩大比例因子分别为40、80,对应所选取的可见光-近红外波段中的8~57及短红外波段中的79~223波段。在实际应用数据中必须将像元值转换成绝对辐射值。因此,将VNIR波段除以40,SWIR波段除以80后将两者分别生成的图像文件进行合并,得出绝对辐射值图像。
2.4 坏线修复
坏线是在传感器定标存在错误下产生的,往往是无数据或数据值非常小的一行或一列。在高光谱影像中呈现黑条。因此将坏线逐波段逐行检查并记录,然后用其相邻行或列的平均值进行修复。Hyperion的SWIR波段条纹隐约较多。由于高光谱原始影像图呈倾斜状因此在进行坏线检查前先将图像转正。利用图像倾斜坐标值及反正切函数得出应输入的旋转角度-12.77418428。
2.5 垂直条纹的去除
受地球固有特性因素、仪器自身特性的影响,在图像上多数波段会出现不同程度的条纹。条纹的存在将影响图像的质量及后续的研究应用,去除垂直条纹的方法有2种,分别是均值去条纹法、全值去条纹法[3]。该文采用全局去条纹法,去除条纹后图像质量提升,并且较好的保留了原有的光谱信息。
2.6 FLASSH大气校正
遥感影像的大气校正是预处理的重要组成部分。大气对电磁辐射的影响主要是吸收和散射,并叠加在地物的反射信号上,使遥感像元处的图像清晰度和对比度下降[4]。大气校正可以去除大气及光照对地物反射的影响,从而提高图像质量并正确地显示地物波普信息。FLASSH是ENVI软件基于MODTRAN4辐射传输模型的大气校正模块,运用本模块可以还原真实的地表反射率,消除影像smile效应及噪声。
2.6.1 输入文件准备。
大气校正的数据是经过定标后的辐射亮度值(辐射率)且带有中心波长值和波普宽度值。由于ENVI标准栅格格式文件是BIP或BIL格式,在经过上述绝对辐射值转换后,数据格式发生转变,处理中将其转换成BIL格式。
2.6.2 模型参数设置。
根据已知地表的气温、季节纬度以及反射率数据输出目录文件和说明文件来设置大气校正模型参数,根据研究区情况选取传感器类型为HYPERION、高程为3.200 km等设置,其他参数设置基于FLASSH模块原理及相关文献[5]。
2.6.3 几何校正。
几何校正也是预处理的重要步骤,根据已知经过正射校正的TM影像数据,通过坐标一致原则,在研究区均匀选取20个明显的地物点,总误差为0.5,预处理结果如图1所示。
3 结论与讨论
预处理过程是遥感图像进行分类处理不可缺少的组成部分,预处理的好坏将直接影响到后续图像的分析精度。主要介绍基于Hyperion数据的预处理原理及过程,研究发现Eo-1 hyperion数据经过预处理后会降低噪音提高图像质量,从而为提取正确的地物信息做保障。另外,波段的去除会降低计算量提高处理效率,为后续相关分类研究奠定坚实的基础。
参考文献
[1]童庆禧,张兵,郑兰芬.高光谱遥感——原理技术与应用[M].北京:高等教育出版社,2006.
[2]谭炳香,李曾元,陈尔学,等.EO-1 Hyperion高光谱数据预处理[J].遥感信息,2005(7):36-37.
[3]邬伦,张晶,刘瑜.地理信息系统—原理、方法和应用[M].北京:科学出版社,2001.
[4]张秋爽,祝民强,刘碧洪.Hyperion高光谱遥感数据大气校正方法[J].计机测量与控制,2010,18(1):220-221.