遥感影像范文

导语：如何才能写好一篇遥感影像，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

当前，空间信息技术发展迅猛，以空间数据为主的空间信息挖掘和应用成为现代人类生产生活的一个重要特征。特别是遥感影像数据，由于其具有获取方便、周期短、信息量大等特点而成为空间数据的重要组成部分。然而，由于遥感数据的数据量十分庞大，特别是对于具有不同来源、不同分辨率与不同时相的数据，其存储与管理均十分困难，且由于其本身具有的稀缺性与机密性，在一定程度上限制了遥感影像数据的充分利用，因此，迫切需要对其进行有效的组织、存储、管理和共享的研究。

研究表明，为实现影像数据的网络服务，可以利用遥感影像元数据，采用流行的数据库技术对遥感影像数据进行组织与管理，并完成基于XML的影像元数据的，实现用户通过网络对遥感影像数据的查询、检索与访问，为影像数据的共享奠定了基础，同时利用本体技术的优势，建立起遥感影像信息本体。

影像数据的存储管理

1.元数据的存储管理

元数据为空间数据的存储管理与共享提供了有效的手段，通过元数据信息，用户可以在没有真实数据的情况下，获取有关数据的信息，从而为数据的共享与利用提供了可能。目前关于矢量空间数据的元数据标准已经制定，并形成了我国的地理信息国家标准，而关于遥感影像方面的元数据标准，尚处在研究之中，未形成一个普遍接受的标准。为此，国家遥感工程中心在ISO 19115.3 遥感影像元数据标准以及我国即将推出的地理信息元数据标准的基础上，结合项目的实际情况，制订了遥感影像元数据草案。该草案包括7个元数据集、6个公共数据类型和15个代码表，从标识信息、数据质量信息、参照系信息、内容信息、覆盖范围、分发信息和遥感信息等方面对遥感影像数据进行了详细的表述。

2.影像数据的存储管理

由于遥感影像的数据量十分庞大，难以直接进行存储，不利于后续的处理、提取、浏览与检索，因此需要对其进行预处理，主要包括降采样、影像压缩与影像分割等内容。

影像分割是将遥感影像按照行列值分割为相同大小的数据块（tile），并以tile作为影像存储的基本单元。每个tile均以一条记录的方式进行存储，不同记录通过编号进行排列。对于不能够平分的，出现多余的行或列时，应将其单独存放。当用户对影像进行调用时，通过映射关系，只调用与用户有关的tile集合即可，从而优化了数据的存储、传输、浏览模式。

为减小影像的传输数据量和优化显示性能，需建立影像金字塔（图1），通过影像降采样方法，建立一系列不同分辨率的影像图层，每个图层分割存储，并建立相应的空间索引机制。常用的影像重采样方法有双线性差值、立方卷积等。

由于影像的数据量比较庞大，为减小影像的存储空间，还需要对影像进行压缩处理后存储。当用户调用数据时，首先对数据进行解压缩处理，然后再返回给用户。常用的图像压缩方法有JPEG、LZ77等。

3.影像数据库结构设计

遥感影像数据库主要可以分为影像元数据库和影像数据库两部分（图2）。影像元数据库用于对遥感影像元数据标准中的数据集进行存储与管理，影像数据库用于对影像数据进行存储和管理。元数据同影像数据通过ID字段进行一对一的关联，保证了元数据与影像数据的一一对应，从而实现通过元数据可以惟一地查找相应的影像数据，而通过影像数据，又可以惟一地查看该影像数据的相关信息，实现了遥感元数据与影像数据的一体化管理。

影像数据网络共享与服务

1.基于元数据的影像数据网络共享

构建遥感影像元数据的主要目的是为了能够实现影像数据的网络与共享。因此元数据的网络是影像数据的前提与基础。

目前元数据的网络大多采用XML技术。XML是一种元语言，是可以用于描述其他语言的语言。用户可以根据需要，利用XML Schema（或者DTD）自行定义标记和属性，从而可以在XML文件中描述并封装数据。XML是数据驱动的，这使得数据内容与显示相分离。XML可以在类似于Netscape Navigator或Microsoft Internet Explorer的浏览器中显示，并通过因特网在应用之间或业务之间交换，存储到数据库中或从数据库中取出。因此，XML是元数据最好的描述方式，能很好地满足元数据在网上传输、交换的需要。

用户通过网络的元数据信息，可以初步了解遥感影像数据的相关信息，然后通过元数据的导航，实现对影像数据的查询、浏览与检索（图3）。

2.基于本体技术的影像数据网络服务

本体（ontology）是从哲学的一个分支――形而上学中的本体论（Ontology）发展来的一个名词。本体论研究客观事物存在的本质，与认识论（Epistemology）相对。即本体论研究客观存在，认识论研究主观认知。而本体的含义是形成现象的根本实体，因而，本体是概念化的明确说明。最早把本体引入计算机领域的是人工智能领域。

地理信息本体与地理信息分类编码、地理信息标准术语表之间有着相似之处，本体论与分类学、术语学也存在一定的交叉。

然而，地理信息本体并不是地理信息标准术语表。地理信息本体提供了一组具有良好结构性的词汇，而且出现在本体中的词汇经过了严格选取，确保所选的词汇是本领域中最基本概念的抽象与界定。概念与概念之间的关系采用相应技术(如谓词、逻辑等)进行了完整的反映，而正是这些关系的反映使得基于本体的系统实现后能够完成语义层面的一些功能。地理信息标准术语表仅仅是地理信息领域中各种词汇的集合，相对本体而言还比较松散。

本体也不单纯是一个词汇的分类体系，即不是地理信息中的分类和编码表。本体和地理信息的分类非常相似，尤其是把本体的理论应用于地理信息分类编码时，这种相似性更为明显。总的说来，地理信息本体比分类编码表中所反映的词与词之间的关系要丰富。

篇2

如今，许多GIS(地理信息系统)与遥感专家都注意到一个应用趋势，即遥感影像和图像分析功能可以作为核心组成部分与GIS实现一体化，同时，这种技术上的融合也将会促使两者在操作、工作流程以及思维方式上实现一体化。

这是该行业多年以来最有意义的一次行业转型。遥感影像已经发展成一项独立的技术，一个独立的行业，以及一种独立的数据类型。而GIS则是基于矢量数据进行应用分析，与栅格影像分属于不同的两个行业。但它们之间却有着天然的联系，可以互为补充，并通过Geodatabase进行动态链接。

简化应用　减少成本

在过去20年GIS的应用历程中，遥感影像使用及图像处理已出现重要转变，即使用上的简化。过去，遥感影像主要是一些小范围内的科研学者在使用，这些影像资料不仅难于获得、也难于使用，而且还很昂贵。现代科技的发展，尤其是GIS技术的发展所带来的各种新的工作流程，以及一体化改进、各种先进的算法，都使得用户可以更简便地从影像中获取丰富的信息。换句话说，许多用户无需渊博的科学知识就能更好更快地从影像资料中获取信息。

在企业级GIS应用过程中，遥感影像数据其实天然地具有企业级应用潜力，因为它可以实现多个用户在同一幅图上同时进行操作。而这对于大型企业级应用非常有利，其中最主要的优势就是节省成本。用户可以在整个机构中分享同一影像资源，从而减少创建、更新和维护一个GIS系统的成本。

举一个在飓风、地震或者洪水等灾害中进行灾情缓解、规划和分析的例子。通常，收集各种必要信息需要花费很长时间。但是通过卫星获取影像数据却是瞬间能完成的事情。在紧急情况下，影像数据不仅能够为我们节约大量时间，而且其信息也具有相当高的准确度。这使得决策者能够迅速准确地部署资源，以尽快去营救那些处于危险当中的人们。而传统的、静态的信息源在此时往往会显得不足，甚至可能会导致救援人员和救援物资的错误部署。

突破应用障碍

在企业利用GIS系统进行业务分析时，GIS人员最关键的就是能够快速访问地理影像数据，并能与其它数据结合起来进行分析和。

那些已经被存储起来的历史影像数据，尤其像70年代初期的Landsat数据，是那个时期仅存的地球快照。这是一份无价的信息资料，但那时候，这些数据是被存储在磁带中，其寿命远不如今天的存储介质。这些会不断损耗的老式磁带才是我们真正需要去抢救和保护的。因为，这些数据将来还会发挥非常重要的作用，例如在研究可持续发展这种问题上，可以用来扩展模型使之更加精确地演示出某个研究领域的过去、现在和将来。

当然，影像数据由于自身的特点，通常需要占用较大的计算机系统空间，同时有很高的存储要求，尤其是那些高空间分辨率、彩色影像更是如此。这些数据一般还需要进行后期处理，要通过强度非常大的运算过程才能转化成更加丰富的信息。此外，在基于网络的影像交互时，实时交互系统中巨大的影像数据集，对带宽也提出了比较高的要求。不过，这些问题在技术的推动下可以逐步得到解决。

目前，许多加快处理速度以及降低存储成本的技术不断涌现，这对GIS与遥感影像的应用融合都是有利的。甚至在以后，遥感影像的发展方向将是使影像处理更接近传感器。

篇3

关键词：卫星遥感 QuickBird影像 数字正射影像图（DOM） ENVI

1.引言

遥感影像是通过遥感技术获得的地球表面客体或事物的图像，高分辨率的卫星影像是指像素空间分辨率在10m以内的遥感影像，正射影象是指消除了由于传感器倾斜、地形起伏及地物等引起的畸变以后的影响。正射影象图直观、生动，影像所记录的信息量非常丰富，细节表达的也很清楚，同时更新速度非常快。利用高分辨率卫星影像制作的正射影像精度高，时效性好，生产周期短、更新速度快，能够满足很多行业的要求，可以大大地节省生产成本提高生产效率。

2.DOM的特点

数字正射影象图是利用DEM对遥感图像逐像元进行辐射改正、微分纠正和镶嵌，按照规定图幅范围裁剪生产形象数据，同时它带有公里网格、图廓整饰和注记的平面图。DOM具有地图精度和影响特征，精度高、信息量丰富、直观性好、制作周期短、连续性好。

3.正射影像制作原理：数值微分纠正

根据已知影像的参数（内、外方位元素）与数字地面模型，利用相应的构像方程式，或按一定的数学模型用控制点解算，从原始非正射投影的数字影像获取正射影像，这种过程是将影像化为很多微小的区域逐一进行。通过解求像素的位置，然后进行灰度内插与赋值运算，实现像素与相应地面元素的几何变换。

4.正射影像图制作

数字正射影像（Digital Orthophoto Map，简称DOM）是利用数字高程模型（DEM）对经扫描处理的数字化航空影像，经逐像元进行投影差改正、镶嵌，按国家基本比例尺地形图图幅范围裁剪生成的数字正射影像数据集。它是同时具有地图几何精度和影像特征的图像，具有精度高、信息丰富、直观真实等优点。

4.1实验区概况

本文采用的是一幅分辨率为2.4m的快鸟遥感影像图，此图是美国的一个城市城区地图，精度、纬度分别为112.05362548W、33.37717660N。具体如下图所示。

4.2数据预处理

分辨率2.40m的多光谱遥 感影像有1、2、3、4（蓝、绿、红、近红外）4个波段。合成影像时采用了多种合成方式进行对比，经试验最后选择使用1、2、3（蓝、绿、红）波段形成标准假彩色图像，经过ENVI软件的自然色彩变换后输出自然色彩图像，输出后影像色彩效果比较真实。

4.3 影像纠正

数据在使用时，必须具有较高的空间配准精度，这就需要对获取的原始影像进行高精度的几何纠正。本次作业地形起伏较小，地势比较平坦，所以选用了多项式法。

4.3.1控制点输入

为了保证选点的正确性，控制点输入应该采用键盘输入坐标，在进行纠正。GCP的选择对于几何校正的精度有着显著的影响。GCP应是在原始图像上分布均匀并能正确识别和定位、在地形图上可以精确定位的特征点以及特征线的重点。

4.3.2 重采样校正输出

选择的GCP的RSM误差必须小于1个像素，只有满足这个条件，才能保证几何校正的精度。如若选择的GCP的RSM误差大于1个像素，它是不符合要求的，必须将其删除。

在几何校正的控制点位置输入计算完成后，进行重采样输出，计算内插新像素的灰度值。重采样是计算被校正图像的文件值，并生成新文件的处理。有三种重采样方法：最近邻点法、双线性插值、三次卷积法。本试验选择双线性插值输出经校正的卫星影像。

4.3.3精度分析。（图 2误差分析图略）

从图2可以看出，采用多项式方法对原图进行校正，GCP的RSM误差在一个像素左右，基本上满足了校正的精度。在校正的时候，尽量选取易于判读的点可以确保GCP的位置精度，进而基本上可以达到校正的目的。

4.4 影像剪切

数字正射影像图具有地形图垂直投影的特性，地形图直观，内容丰富。数字正射影像可作为影像地图浏览系统的基础数据使用。此类系统可以应用于规划、土地、水利、林业、房管、交通、公安等部门及GPS导航查询、电子地图等领域。如果没有数字正射影像的支持，则无法显示细部，所以应该按照标准制图形式进行制图，每幅图还得加上图名、比例尺、图幅经纬度等信息，以便于以后更好的应用。

4.5图幅整饰

本文运用ENVI软件，采用快速制图方法，在纠正后影像图上加上了图幅名、比例尺以及该影像图的经纬度，最终，制成正射影像图如图3。

5.结束语

随着卫星技术的发展，卫星获得的遥感影像分辨率越来越高，利用专业的遥感图像处理软件对遥感图像进行正射纠正，然后制作正射影像图。不断提高卫星的分辨率，努力开发更好的遥感图像处理软件，从而使DOM更好的为人类生产、生活做贡献。

参考文献：

[1]王利英，宋伟东.基于高分辨率Quick Bird影像的数字正射影像图的制作[J].测绘与空间地理信息，2006，29（4）：69-71.

篇4

【关键词】影像融合；正射校正；遥感影像

0.引言

数字正射影像图是将航空影像数据或航天遥感数据，经过辐射校正几何校正，并利用数字高程模型进行投影差改正，附之以主要居民地、地名、境界等矢量数据，按国家基本比例尺地形图图幅范围剪裁生成的正射影像数据集。为了满足不同用户对遥感数据的要求，利用高分辨率遥感卫星数据制作较大比例尺的数字正射影像图就有了其研究、发展和应用的空间。

1.正射遥感影像图制作基本原理及方法

1.1 几何纠正原理

数字图像纠正的目的是改正原始图像的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。像素坐标变换和像素亮度值重采样是数字图像纠正的两个环节，并且它们在纠正过程中是同步进行的。

（1）像素坐标变换是通过建立纠正函数来实现的，多项式纠正方法是实践中经常使用的一种方法。该方法的基本思想是回避成像的空间几何过程，而直接对图像变形的本身进行数字模拟，它认为遥感图像的总体变形可以看作是平移、缩放、旋转、仿射、偏扭、弯曲以及更高次的基本变形的综合作用结果，因而纠正前后图像相应点之间的坐标关系可以用一个适当的多项式来表达，校正误差可以通过对均方差估计求得。

（2）数字图像亮度值的重采样。由于位置计算后找到的对应的x和y值，多数不在原来像元的中心，因而必须重新计算新位置的亮度值。做法是采用适当的方法把该点位周围邻近整数点位上亮度值对该点的亮度贡献积累起来，构成该点位的新亮度值，这个过程称为数字图像亮度值的重采样。

1.2 正射校正原理

正射纠正的实质就是将中心投影的影像通过数字元纠正形成正射投影的过程，其原理是将影像化为很多微小的区域，根据有关的参数利用相应的构像方程式，求得解算模型然后利用数字元高程模型对原始非正射影像进行纠正，使其转换为正射影像。正射纠正是一种高精度的几何纠正，是利用数字高程模型对卫星影像进行逐点数字微分纠正，用以消除卫星遥感影像和航空遥感影像由于地形起伏等引起的像点位移。采用共线条件方程纠正法进行正射纠正。

1.3 融合原理

分辨率融合是将不同空间分辨率遥感图像按照一定的算法，在规定的坐标系中，生成新图像的过程。处理后的图像既具有较高的空间分辨率，又具有较好的多光谱特征，从而达到图像增强的目的。高分辨率影像与多光谱数据的融合是遥感影像进行正射校正的基础。融合方法的选择，取决于被融合图像的特征以及融合的目的，ERDAS IMAGINE 系统所提供的图像融合方法有三种：主成分变换融合、乘积变换融合和比值变换融合。

1.4 数字高程模型

数字地面模型（DTM）是地形表面形态等多种信息的一个数字表示。严格地说，DTM是，其向量的分量为地形、资源、环境、土地利用、人口分布等多种信息的定量或定性描述。DTM是一个地理数据库的基本内核，若只考虑DTM的地形分量，称其为数字高程模型DEM或DHM，其定义如下：

DEM是表示区域D上地形的三维向量有限序列，其中是平面坐标，是对应的高程。当该序列中各向量的平面点位呈规则格网排列时，则其平面坐标可省略，此时DEM就简化为一维向量序列，这也是DEM或DHM名称的原有。

2.正射遥感影像图处理制作

2.1 ERDAS下遥感影像融合处理

这里选择Brovey变换法，此融合结果一个明显的表现就是色调非常良好，几乎完整保持了原始影像的色调信息。

影像融合的具体操作步骤如下：

ERDAS图标面板工具条上，单击Interpreter图标Spatial Enhancement，打开Resolution Merge对话框，调入需要融合的全色影像数据和多光谱影像数据，选择融合方式和重采样方式，键入波段数，点击OK即完成影像数据融合，如图1。

图1 影像数据融合对话框

2.2 应用PCI软件进行遥感影像正射校正

经过设置投影参数，数据格式转换，加入DEM，采集控制点，模型计算，重采样，完成对遥感影像的正射校正。

（1）工程设置

在PCI软件中建立一个包含所有工程数据的工程文件，设置校正影像的输出格式、输出分辨率、输出投影及坐标系统等，如图2。

图2 设置工程投影与控制点投影对话框

（2）控制点采集

控制点采集为人工采集，根据提供的GPS点位，在卫星影像上找到相应的同名点。这些控制点用以构成数学模型来对卫星影像进行纠正，并将影像归算到地面坐标系，如图3。

图3 控制点采集

（3）重采样生成正射影像

2.3 实验数据整理

表1 遥感影像图正射校正结果（单位：像素）

GCP X残差 Y残差 RMS

GCP 01 0.41 -0.74 0.80

GCP 02 0.64 0.67 0.11

GCP 03 0.02 -0.73 -0.71

GCP 04 0.96 0.37 0.89

GCP 05 0.70 -0.08 0.69

GCP 06 0.65 -0.64 0.08

GCP 07 0.62 -0.53 0.34

GCP 08 0.60 0.52 0.30

GCP 09 0.36 -0.01 -0.38

GCP 10 0.31 0.12 -0.28

GCP 11 0.28 0.09 -0.27

GCP 12 0.22 -0.16 0.14

根据上表计算总的控制点误差为：

所以X方向总误差为0.5427，Y方向总误差0.4944；RMS（均方根中误差）为0.7341，以上单位均为像素。

2.4、应用ERDAS软件进行遥感影像的裁剪

由于正射纠正后的图像不是规则的图形，因此要通过左上角和右下角两点的坐标，对此影像进行裁剪。

2.5、正射遥感影像图和AutoCAD图像的叠加

将在AutoCAD中生成的方格网与正射校正后的影像数据在ArcMap下进行叠加，由于两个数据的坐标是匹配的，所以可以叠加在一起，如图4。

图4 十字丝和影像叠加图

2.6、地图整饰

在Photoshop中将叠加后的影像数据进行整饰，使输出影像图更加美观，成果如图5。

图5 正射遥感影像成果图

3.结论

本文系统的阐述了正射遥感影像图的制作流程、原理与方法，其中包括全色影像与多光谱影像融合，高分辨率遥感影像正射校正，正射影像数据重采样以及图像整饰。并结合某地区遥感影像图的制作实例和实验结果，对本文所阐述的方法加以验证。随着航摄技术、卫星技术的进一步发展，数字正射影像的原始数据来源越来越广，分辨率越来越高，同时，随着计算机技术和纠正算法的进一步完善，数字正射影像图这一产品会愈发完善，将会得到更多用户的认可和使用。

参考文献：

[1] 刘国成，杨长保.遥感图像处理软件的设计与关键技术研究[J].吉林工程技术师范学院学报，2009.

[2] 韦玉春，汤国安.遥感数字图像处理教程 [M]. 北京： 科学出版社， 2007.12.

[3] 孙家.遥感原理与应用[M].武汉：武汉大学出版社，2009.6

篇5

关键词：遥感影像；并行计算；密集匹配；快速处理；流程研究

引言

随着遥感影像使用范围越来越广泛，现在已经成为提供空间信息的重要数据源。遥感数据的应用范围扩大到各个社会信息服务领域，发挥着重大作用。经过定向后的遥感影像数据可为测绘、城市基础地理信息动态更新、国土资源调查、生态环境监测、灾害监测、海洋资源、农业监测、快速响应等不同的领域提供相应的地理信息数据。

传统影像处理需要高性能的计算机，并且配备多种影像数据处理软件协同作业，各工序仅对流程负责，数据处理效率低，精度差。现代遥感影像的获取频率越来越快，同时数据量也越来越大，传统的基于串行计算的处理方式已很难满足高效率的生产需求和快速响应，因此必须采用并行计算来快速地对大区域影像进行处理，提高数据处理效率。

1. 并行处理技术简介

1.1 并行技术处理种类

现代计算机并行处理技术主要有基于CPU和基于GPU这两大类处理方法，各有相应的具体处理方案，如通过CPU加速的MPI、OpenMP、PVM等，还有Intel的TBB等；基于GPU的有NVIDIA的CUDA和ATI的Stream技术。本试验根据数据特点和计算机硬件配置情况，采用基于GPU方法的软件系统进行影像的快速纠正试验。

1.2 GPU并行处理优势

1.2.1 高效的并行性

在目前主流的GPU中，配置多达16个片段处理流水线，6个顶点处理流水线。多条流水线可以在单一控制部件的集中控制下运行，也可以独立运行。GPU的顶点处理流水线使用MIMD方式控制，片段处理流水线使用SIMD结构。相对于并行机而言，GPU提供的并行性在十分廉价的基础上，为适合于在GPU上进行处理的应用提供了一个很好的并行方案。

1.2.2 高密集的运算

GPU通常具有128位或256位的内存位宽，因此GPU在计算密集型应用方面具有很好的性能。

1.2.3 超长图形流水线

GPU超长图形流水线的设计以吞吐量的最大化为目标（如NVIDIA GeForce 3流水线有800个阶段），因此GPU作为数据流并行处理机，在对大规模的数据流并行处理方面具有明显的优势。

2. 遥感影像快速处理应用

2.1 应用区简介

试验区内覆盖46景P5影像，布设外业控制点68个、检查点17个，用于区域网平差的解算及精度检查；在立体模型中选取26个检测点，用于检测DEM和DOM成果精度。试验区范围及控制点分布（见图1）。

2.2 使用的软硬件

主要软硬件设备包括集群式影像处理系统PCI GXL软件及可进行图形、图像处理的高配置计算机等。

2.3 应用区生产

2.3.1 稀少控制区域网平差

（1）建立测区工程

建立测区工程，设置工程参数及投影坐标系、控制点文件、DEM格网间距及正射影像分辨率。同时根据影像之间的相互关系设置影像列表，导入卫星影像并建立模型。

（2）区域网平差

首先利用软件对所有影像自动进行连接点的量测，然后对控制点进行预测，人工辅助量测控制点，最后采用“RPC测区绝对定位”解算方法对区域网进行平差解算，剔除掉粗差点，得到满足精度的区域网平差结果，控制点平差结果见表1。

表1 区域网平差结果（单位：m）

[类型＼&个数＼&平面中误差＼&高程中误差＼&平面最大误差＼&高程最大误差＼&控制点＼&68＼&1.385＼&0.836＼&2.723＼&1.042＼&检查点＼&17＼&4.667＼&1.436＼&6.679＼&1.496＼&]

2.3.2 DEM及DOM生产

首先利用区域网平差定向后的影像进行DEM密集匹配，然后利用拟合、平滑、内插、定值等工具对密集匹配结果进行编辑，得到满足精度的DEM数据，最后利用DEM数据采用并行计算的方法对影像进行批量纠正，得到DOM数据。DEM及DOM批量镶嵌结果见图2。

2.3.3 精度统计

利用立体模型量测的检测点对DEM及DOM进行精度检测，检测结果见表2。

2.3.4 效率统计

数据处理整理耗时情况见表3。

3. 结论

通过生产试验表明，利用并行处理技术对大区域遥感影像数据进行区域网平差后制作的DEM与DOM精度能够满足不同比例尺规范的相关要求，同时并行处理技术能够简化生产流程，大幅度提高运算效率并减少运算时间，特别在对大区域遥感影像进行处理时，优势明显。

参考文献：

[1] 郑福海，杨木，宋红艳等.利用IRS―P5影像制作1：500003D产品的试验研究[J].测绘与空间地理信息，2011，34（6）：117―120.

[2] 肖汉，张祖勋等.基于GPGPU的并行影像匹配算法[J].测绘学报，2010，39（1）：46―51.

[3] O影，郑福海，王铁军等.PixelGrid集群式系统在影像快速纠正中的应用研究[J].测绘与空间地理信息，2014，37（10）：221―223.

[4] 李宏宽，杨晓冬，邹珍军.基于MPI并行的遥感影像系统几何校正快速处理技术研究[J].河南工程学院学报・自然科学版，2011，23（1）：49―52.

[5] 陈国良，孙广中.并行计算的一体化研究现状与发展趋势[J].科学通报，2009，（8）：25―27.

篇6

关键词：遥感；地理国情普查；防洪抗旱

一、遥感影像技术在地理国情普查应用中的优势

地理国情普查是一项重大的国情国力调查，是全面获取地理信息的重要手段，是掌握地表自然、生态以及人类活动基本情况的基本性工作。普查的目的是查清我国自然和人文地理要素的现状和空间分布情况，为开展常态化地理国情监测奠定基础，满足经济社会发展和生态文明建设的需要，提高地理信息和政府、企业和公众的服务能力。

遥感技术之所以能够在地理国情普查中应用，是由于它具备了四个特点：首先，遥感技术具有宏观性以及区域性的特点，宏观性的特点使遥感技术在我国土地资源调查中应用成为了可能，而遥感技术的应用也改变了传统的地理国情普查方法。同时，遥感技术又能够将区域内的空间以及地理信息真实、清楚地观察到，并且反映出区域地理分布特征以及相互之间的关系。其次，遥感技术具有综合性的特点。遥感技术在对地理信息进行观察时，能够从空间、时相以及破断三方面形成探测网，形成的地球表面信息包括了光谱空间、地理空间以及时间空间等五维信息，人们观察以及分析问题能够更加全面。再者，遥感技术具有多波段性的特点。在对地理进行研究时，遥感器能够发出不同波段的波对地物信息进行探测，也使得探测的信息更加全面和准确。比如在使用可见光波段的波虽然能够较好的探测整个城市概况，但是却不能探测城市的热污染，必须使用红外遥感数据。最后，遥感技术还具有多时相性特点。在对地理信息进行普查时，使用遥感技术能够对同一地理信息进行多时段的重复探测，获得同一地理位置的多时相信息，进而能够发现该地区的地理变化。

二、遥感影像技术

（一）遥感影像变化监测方法

遥感影像可以综合分析多时相的地理图像信息，然后提取出动态的地理信息，实现地理遥感的变化监测。目前主要的地理信息变化监测方法主要有比较分类结果法、光谱变异法、分析主成分法、提取动态信息法、分析矢量变化法、植被指数互减法、图像数据运算法等，可以将这些遥感地理信息变化监测方法总结成基于分析空间模型方法、基于结果比较的分类方法、基于变换空间信息方法、和基于运算图像信息数据方法。

（二）遥感影像变化图像信息方法

遥感影像利用不同时相的地理图像变化信息，将多种图像变化信息变换之后进行动态检测和变化监测，主要方法有变换对应成分法、分析频率域法、变换典型成分法、变换KT法、变换主成分法等。以变换主成分法为例，其方法主要是变换不同时相的地理图像变化信息数据的主成分，突出变化信息数据的主要成分。变换主成分法又可以分为：变换多时相主成分法、变换动态主成分法、主成分差值法。

（三）遥感数据挖掘技术的应用

与传统的图像数据分析相比，遥感数据挖掘技术对于地理图像信息数据的处理是一种模型识别化的图像数据处理过程，主要的研究方向在于具体图像信息的特征和模式，主要强调经过数据对比、分析和处理，从大量的地理图像信息数据中，发现整合出这些地理图形信息数据中有意义的数据，总结出这些信息数据的知识和规律，找出他们之间的特征和共性，实现相互促进、相互协作。遥感数据挖掘技术在更新地理信息中的应用，可以对基本的地理图像信息进行特征计算和有效分割，为遥感影像提供地理信息规则和知识

三、遥感影像技术在地理国情普查中的应用

（一）遥感技术在地表特征的应用

地表类型划分范围广阔，地貌形态复杂多样，为简化地貌类型，同时兼顾地貌对地表产流量影响的差异，以卫星图像为基础，将区内划分为几个大的地貌类型，即中山区、低山丘陵区、平原区、及黄土高原区。地表岩性应用遥感岩性地层解译结果，考虑到不同岩性的透水性能，为了使区内的下垫面类型趋于简单化和带有普遍性，将其共性特征组合如下：（1）黄土、第四纪冲洪积物，透水性较强；（2）砂岩、砂砾岩，结构较为松散，孔隙裂隙较为发育，透水性较强；（3）砂岩、砂泥岩，透水性一般；（4）变质岩、岩浆岩，透水性较弱；（5）碳酸盐岩，透水性较强。

（二）遥感技术在防洪抗灾中的应用

1、防洪抗旱

自遥感技术诞生以来，遥感技术在防洪抗旱中发挥了巨大的作用。灾害发生后可以根据水体与其他第五光谱明显不同的特点，利用多光谱图像快速确定受灾面积。在此基础上根据已有的社会信息，利用遥感图像分析功能进行叠加分析，可以快速的对灾情进行评估。为救灾，减灾提供信息基础。在此方面水利行业已经做了大量的工作取得了成熟经验。

2、水土保持

为了有效的进行水土保持工作，对土壤侵蚀和水土流失调查，监测和评价，具有十分重要的意义。目前遥感技术成为水土保持研究的重要技术手段，在区域土壤侵蚀和水土流失研究中得到了广泛的应用。水土流失的研究有以下两种：（1）土壤侵蚀动态的监测，其关键是提取影响土壤侵蚀因子信息；（2）水土流失定量研究。

（三）遥感技术在油气开发中的应用

从油气构造的遥感解译分析，到综合遥感资料与物化探资料进行油气综合评价，再进一步发展到将遥感技术与油气化探、地面波谱测试、地磁、地温、能谱测量以及地电化学勘探手段相结合而进行的遥感方法直接找油，标志着遥感技术应用在油气勘探领域的一次次重大飞跃。但是利用遥感探测也存在一定的问题：

遥感影像在识别岩性方面，由于火成岩的热红外光谱特性比其它岩类要清楚得多，所以对于火成岩的研究相对的较成熟一些。但是对于沉积岩和变质岩的研究则相对的较少，主要是由于岩石中的不同矿物对热红外光谱影响较大。因此对于岩石和矿物发射光谱特性的关系及其影响因素需要进一步的研究。

将热红外谱域的研究延伸到3～5μm和17～25μm，目前对这两个热红外谱域的岩石、矿物光谱特性还知之甚少。油气遥感技术不断发展，不仅可以在前期油气勘探中发挥作用，并将会涉及到油气勘探的各个阶段。在隐蔽油气勘探、岩性油气勘探、水动油气勘探及老油气田的扩大、挖潜勘探中同样可以取得成效。

（四）土地利用现状调查

当前，城镇用地共分为十个大类，分别是：居住用地、公共设施用地、工业用地、仓库用地、对外交通用地、道路广场用地、市政公用设施用地、绿地、特殊用地、水域和其他用地。在实际工作中，我们可以根据不同的应用需要，进行相应类型的遥感调查，获取相应的遥感资料，然后绘制出土地利用现状图和土地利用演变图，并自动测算出该区域内各类用地的面积、分布、变化情况及发展趋势。城镇规划和管理者通过这些资料，可以判断城镇布局是否合理，城镇绿地是否足够，存在哪些不足，需要如何改进，从而因地制宜，为城镇制定相应的规划、建设和管理方案。

（五）人口普查

在定性、定量、定位的调查了城镇各种土地利用现状后，可迅速而准确地获得城镇的总建筑密度、住宅房屋密度等城镇用地特征参数。而城镇居住建筑密度与人口分布密度往往有着某种必然的联系，因此，可以以住房密度作为变量用于人口普查、人口统计学等方面的研究，从而为国家人口普查提供一个方便、快捷、精确的辅助手段。

参考文献

篇7

Zhu Ruirong；Qu Huaying

（Yunnan Land & Resources Vocational College，Kunming 650217，China）

摘要： 在分析空间数据获取现状的基础上提出空间数据挖掘的必要性，对遥感影像分类技术和方法进行了研究，提出GIS平台和数据挖掘算法集成所挖掘的知识是其影像分类的重要知识源。最后通过实验对以上的研究和分析进行了验证。

Abstract： Based on the status quo of spatial data obtaining, the necessity of spatial data mining is put forward. Through the research of remote sensing image classification technology and methodologies, the knowledge mined and integrated from GIS platform and data mining algorithms has been recognized as the important knowledge source of image classification. Finally, the research and analysis has been verified through the experiment.

关键词： GIS 空间数据挖掘 遥感影像 分类

Key words： GIS; spatial data mining; remote sensing image; classification

中图分类号：TP7文献标识码：A文章编号：1006-4311（2011）14-0193-02

0引言

进入信息时代，计算机技术、遥感技术的快速发展使得实时、全天候、大面积的获取地球表面信息的高精度、高分辨率、多时相的数字影像成为现实，遥感数据每天以数百GB的速率递增。但与之相对应的却是影像处理的理论和技术手段的严重滞后，在遥感影像信息提取的过程中，常常发生“同物异谱”和“异物同谱”的现象，影响了分类的精度，同时影像信息提取还局限于人工目视解译的阶段，工作效率低下，影像数据的获取和遥感影像信息提取的速度严重不协调。利用GIS辅助遥感影像信息智能提取技术的研究对GIS和RS的集成，和空间数据生产效率的提高都有着重要的理论和现实意义。而数据挖掘可以作为其中一个重要的手段和工具。本文利用数据挖掘和知识发现（Data Mining and Knowledge Discover）技术，挖掘空间数据库和数据文件中的知识，并将知识运用到遥感影像的分类过程中，通过知识来改善影像的分类精度。

1遥感数据和GIS数据的关系

在遥感影像和GIS数据之间，存在着数据和知识上巨大的互补性，而利用数据挖掘的手段，可以从GIS数据中挖掘出知识来解释遥感的影像数据，同时用遥感的数据来反演和更新GIS数据（如图1）。

从上图可以看出，数据挖掘是将大量数据信息转换为有用知识的有效工具，具体到在GIS和遥感信息提取中的作用如下：①在遥感影像解译中应用。用于遥感影像解译中的约束、辅助、引导，解决同谱异物、同物异谱问题，减少分类识别的疑义度，提高解译的可靠性、精度和速度。空间数据挖掘是建立遥感影像理解专家系统知识获取的重要技术手段和工具，遥感影像解译的结果又可用于更新GIS数据库。②GIS智能化分析。空间数据挖掘获取的知识同现有GIS分析工具获取的信息相比更加概括、精炼，并可发现现有GIS分析工具无法获取的隐含的模式和规律，因此空间数据挖掘本身就是GIS智能化分析工具，也是构成GIS专家系统和决策支持系统的重要工具。因此，空间数据挖掘技术将会促进遥感与GIS的智能化集成。（如图2）

2基于知识的遥感影像分类方法

由于传统的遥感影像的分类方法推理规则单一，非遥感信息融入困难，且大多是基于要素相互独立、空间参数化分布等前提假设条件下的数理统计方法，很难进行地学中要素之间相互关联、分布复杂的空间信息处理与分析。考虑到目视解译和数字解译的优势和缺点，为了解决遥感影像信息提取中存在的种种问题，许多学者提出了基于知识的遥感影像信息提取的方法。在GIS数据或地学知识与遥感数据集成分类的方法中，主要有三类：一是信息复合的方法。二是基于规则判断的决策树分类方法。三是影像分类与规则判断结合的办法。

基于知识的遥感影像信息提取，其基本内容应包括知识的发现、应用知识建立提取模型、利用遥感数据和模型提取遥感信息。在知识发现方面包括从单期遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识。主要从两个方面进行遥感影像的信息提取：

2.1 基于光谱知识的信息提取：比如公路提取模型：

R■=∫mag[f（s）]■ds=max mum（1）

R■=∑{g[f（s）]-g■}■=min mum（2）

基于光谱特性的信息提取是在对遥感信息机理初步研究的基础上找到的一种信息提取方法，它需要地物与背景之间在光谱上是可分的，与背景之间存着较少的同谱现象，并且地物内部的光谱最好要一致，当地物内部光谱不一致时，可以借助于地物内部的特征成分光谱进行提取，当地物内部成分的光谱与背景之间存着较多同谱现象时，须借助于地物的其它知识进行提取。

2.2 基于纹理知识的信息提取纹理是指灰度值在空间上的变化，它是由一些纹理基元按照不同的空间配置形式所构成的一种图案。共生矩阵纹理法是比较传统的纹理描述方法，它可从多个侧面描述影像纹理特征。

灰度共生矩阵属二阶统计量，被定义为从灰度为i的点离开某个固定位置关系δ=（dx，dy）的点上灰度为j的概率（或频率）:

P■（i，j） （i，j=0，1，2，…，N-1）（3）

式中N表示灰度级数而i、j为灰度值，不同的位置关系δ对应着特定距离和方向上的共生矩阵。显然，将所有的δ纳入考虑，计算量将极为庞大。根据Jensen的研究，由于TM影像的分辨率较之航空图像或SPOT图像为低，取某个固定的δ（如令δ=（1，0）或δ=（2，2））计算共生矩阵即可。下一步，便可由共生矩阵求解若干纹理特征量，用 4种典型和常用的量，分别是能量E（P），熵H（P），均质性L（P），惯性力矩（反差）I（P）；纹理特征提取的结果有两种形式：一是纹理特征度量参数本身；另一种是纹理特征参数对影像进行初步分类后得到的纹理分类图像。

3试验

为了检验基于知识的遥感影像分类方法的有效性，实验中所用的遥感影像为Erdas Imageine8.6所带的示例影像数据，参照土地资源调查中土地利用分类方式，并根据图像的特点，将要分类的影像确定为12个类别，其类别如下：高等级道路、一般道路、平坦地区、缓坡地区、陡峭地区、极陡地区、水域、湿地、密林、中密度森林、稀疏林、建筑用地。

基于知识的分类体系可以利用决策树来表示各种数据之间的关系，在实验中，知识有4种数据来源，数据源及其类别属性分别为：道路：离散型(0，1，2)；数字坡度模型：连续型；预分类图像：离散型(0~20)；树林密度模型：连续型；待分类图像：连续型。

本试验中采用常规最大似然法和基于知识分类方法分别对影像进行分类。原始贝叶斯分类结果（如图3），基于知识的分类结果（如图4）。

从实验结果图中可以看出：基于知识的分类，由于充分利用了规则中的先验知识，其结果较贝叶斯分类更加详细。

4结论

基于知识的遥感影像分类技术是遥感信息提取未来发展的方向，在GIS支持下基于空间数据挖掘技术进行遥感影响分类与信息提取，可以综合地物光谱特征、GIS数据、领域知识、空间分析功能等，其分类结果较传统技术下的分类结果有着明显的优越性。进行但是受限于计算技术、人工智能和数据挖掘技术的发展水平，知识的准确、快速的获取存在着一定的困难，实现自动化的知识获取有很大的难度，在挖掘模型与GIS集成方面离可供实际操作的完全集成系统还有一定的距离，人机交互式的知识获取方式在一定时期内仍然是知识获取的方式。

参考文献：

[1]邸凯昌．空间数据发掘与知识发现[M]．武汉：武汉大学出版社，2001.

[2]梅安新等．遥感导论[M]．北京：高等教育出版社，2001.

[3]王清毅．目前数据挖掘算法的评价[J]．小型微型计算机系统，2000，21（01）.

篇8

【关键词】地理信息；遥感影像

1.前言

宁夏遥感影像数据库设计了三个子系统，每个子系统由若干个功能模块组成，各个功能模块相对独立，耦合度低，通过标准接口和流程，贯穿整个业务系统，覆盖系统所有功能需求。每个子系统的主要功能如下：

数据入库子系统负责整理历史的宁夏国土资源遥感卫星影像数据，根据产品的标准化和规范化要求进行统一整理，并入库管理。同时负责接收其他数据源（例如：中国资源卫星应用中心）的数据，进行整理后入库统一管理。

数据管理子系统负责对收集到的遥感卫星元数据、浏览数据以及产品数据进行统一管理，向其他子系统提供统一数据库访问接口和数据的统一访问服务，负责优化数据库访问，数据库备份和恢复，保证系统数据库的高效、可靠、稳定、安全的运行。

用户服务与数据分发子系统是面向用户进行遥感卫星数据分发的主要服务平台，为用户提供遥感卫星数据的检索、浏览、订购和下载的服务，并负责接收用户注册信息，管理用户信息，订单信息等工作。为用户提供方便快捷、安全可靠的遥感卫星数据服务。

2.数据入库子系统

本子系统负责整理历史数据，同时支持从其他数据平台（例如中国资源卫星应用中心）进行数据传输，收集各个遥感卫星的元数据、浏览数据等，并根据元数据标准和规范、以及产品的标准和规范要求将收集的数据进行统一整理，然后调用数据管理子系统提供的接口入库归档。本系统由6个功能模块组成：

（1）历史数据整理模块

本模块可以对历史的遥感影像产品进行分析和预处理，使其符合数据中心统一管理的要求，然后通过产品入库模块存入数据中心，与后续新数据统一管理，服务和分发。

（2）数据传输模块

本模块实现数据的发送和传输，通过本模块可以接受资源中心推送的数据产品，也可向资源中心发送数据请求。

（3）产品格式转换模块

本模块可以将历史产品和浏览图像的格式进行转换，转换成系统的统一格式，支持国际上各种主流遥感卫星数据产品格式的相互转换功能，常用格式例如：GEOTIFF/TIFF/HDF/HDF5等。

（4）数据入库模块

本模块负责将历史产品和后续的产品及其元数据进行入库。

数据获取服务从其他数据平台（例如中国资源卫星应用中心）获取到遥感卫星数据的元数据、浏览图像和产品文件。

1）系统收集到元数据后，通过元数据格式分析转换模块，对元数据进行标准化处理，使其符合元数据设计标准，然后通过元数据入库模块调用数据管理子系统的元数据服务接口入库归档。

2）系统收集到浏览图像后，通过浏览图像格式分析转换模块，对浏览图像进行标准化处理，然后通过浏览图像入库模块调用数据管理子系统的浏览图像服务接口入库归档。

3）系统收集到产品文件后，通过产品文件格式转换模块，对产品进行标准化处理，然后通过产品文件入库模块调用数据管理子系统的产品服务接口入库归档。

3.数据管理子系统

数据管理子系统负责对收集到的遥感卫星元数据、浏览数据以及产品数据进行统一管理，向其他子系统提供统一数据库访问接口和数据的统一访问服务，负责优化数据库访问，数据库备份和恢复，保证系统数据库的高效、可靠、稳定、安全的运行。

（1）元数据维护模块

本模块负责对存储的所有遥感卫星数据的元数据进行维护，提供对元数据插入、编辑、删除、锁定、级别限制等操作功能，方便对元数据进行管理。

（2）数据库备份恢复模块

本子系统是负责其他各模块和系统与数据库进行通信的主要模块，同时负责对数据库的管理和统计功能，所以数据库的备份和恢复是本子系统重要功能之一。数据库备份恢复模块完成对数据库的备份和恢复功能，定时（时间可设置）对数据库进行备份，备份策略可选为增量备份和完全备份两种模式，备份内容包括数据库备份和数据库系统备份，备份数据直接保存到磁盘阵列中，并根据设定值保存一个时间段。数据库恢复功能，当数据库丢失或数据库系统宕机时，根据备份点，可实时选择对数据库进行恢复。

（3）数据统计分析模块

本模块负责对数据库中的数据进行统计并进行分析，形成报表和图表，并提供报表和图表打印和导出功能，为系统优化管理等提供数据支撑。通过属性分类统计、时间范围、地域分布统计、研究范围统计等多种统计手段对元数据、用户数据、订单数据、门户支撑数据、日志信息等数据库内容进行统计。

（4）数据服务接口

本模块对磁盘阵列上的浏览数据和产品数据进行统一管理，同时提供这些数据的对外访问接口，供其他子系统进行调用，同时负责保障数据访问和提供的安全性。

（5）产品定时清理模块

用户订购的产品将被传输到数据中心缓存磁盘阵列后，系统磁盘阵列后，需要定时对这些数据进行清理，否则磁盘阵列的容量将不够使用。此功能根据一个时间段（可设置），根据数据库中订单的完成时间定时清理删除磁盘阵列上的内容。

4.用户服务与数据分发子系统

用户服务与数据分发子系统是面向用户进行遥感卫星数据分发的主要服务平台，为用户提供遥感卫星数据的检索、浏览、订购和下载的服务，并负责接收用户注册信息，管理用户信息，订单信息等工作。为用户提供方便快捷、安全可靠的遥感卫星数据服务。

（1）用户注册登陆模块

本模块负责新用户的注册和用户的登陆功能。注册功能以方便用户为主，首次注册用户仅需输入email地址，登录密码，即可检索数据产品。用户可在以后通过资料修改模块来补充自己的资料信息。包括：公司，姓名，电话等。

登录功能是用户能够访问本分系统其他功能的入口，用户只有登录成功后，才能享受本分系统的其他功能。登录子功能还要负责检验用户的身份，验证用户密码的正确性。它还要负责获取用户登录的时间，地点，IP地址，所在国家，所在地区等信息。

（2）用户管理模块

本模块负责对已注册用户的管理，包括：

用户检索子功能，用户删除子功能，密码修改子功能，用户锁定子功能，角色控制子功能，资源分配子功能，用户资料导出子功能，用户资料排序子功能。

（3）资源管理模块

本模块对本系统的页面资源进行管理，结合功能模块与用户权限的不同，可将页面资源分配给不同级别的用户，也对页面中的功能模块进行管理，根据用户不同的访问权限，提供不同的访问资源。

（4）数据检索模块

本功能模块提供了文本方式与图形方式检索功能。图形检索功能与文本检索功能在同一个页面中完成。

在文本方式中可以指定的检索条件包括：卫星类型，地理坐标，图像数据，图像时间，产品名称，产品类型，投影方式，时间范围，数据质量，传感器简称等。

在图形方式中，直接在页面中框选要检索的区域，并可以放大、移动、改变已选择的区域范围，缩放已选择区域的比例尺。

在文本方式和图形方式中实现选择区域的联动，在图形中选择了一定区域，则在文本中显示该区域的范围（经纬度值），在文本中输入范围，则在图形中显示该范围。

产品关联查询功能，用户选择了一种产品，想同时下载相同时间和区域的其它产品，可以方便用户选择。

（5）数据浏览模块

本模块负责将用户检索出来的产品以不同的形式和页面战士给用户，为用户提供直观的数据产品展示，帮助用户更快的获取需要的数据。本模块将制定几种展示方式供用户选择，用户可根据网络的状况、机器的环境、以及自己的爱好选择不同的展示方式。

参考文献

篇9

关键词：QuickBird；正射纠正；DEM；影像融合

中图分类号：P237 文献标识码：A 文章编号：

0 引言

随着遥感和对地观测技术的不断发展，高分辨率商业遥感卫星的数量快速增加，应用领域也日益广泛。正射影像是指消除了由于传感器倾斜、地形起伏以及地物等所引起畸变后的影像。在国民经济中，正射影像图有着很广泛的应用。与线划图相比，它有几大优点[2]：①影像图更直观、生动，即使不具备地图常识的人也能看懂；②影像图所记录的信息量丰富，细节表达清楚；③具有快速更新特点，利用航空航天传感器是当前地理信息最重要的快速更新手段。因此它在城市规划、土地管理、铁路以及公路选线等方面有着特殊的作用。

1 QuickBird遥感卫星简介

QuickBird是由美国Digital Globe公司于2001年10月18日发射成功的高分辨率商业遥感卫星具有引领行业的地理定位精度，海量星上存储，单景影像比同时期其他的商业高分辨率卫星高出2-10倍。它的全色波段分辨率首次突破米级单位，达到0.61米，多光谱波段分辨率达到2.44米，精度高于空间成像公司的IKONOS卫星和法国SPOT卫星。而且QuickBird卫星系统每年能采集七千五百万平方公里的卫星影像数据，存档数据以很高的速度递增。QuickBird卫星的成功应用，将卫星遥感推入一个崭新的时代。

2 ENVI软件简介

ENVI是由遥感领域的科学家采用IDL开发的一套功能强大的、完整的遥感图像处理软件。IDL是进行二维或多维数据可视化、分析和应用开发的理想软件工具。ENVI架构非常灵活，提供一个功能全面的函数库（API），可以满足用户的个性化需求。同时，ENVI/IDL与ArcGIS为遥感和GIS的一体化集成提供了一个最佳的解决方案。ENVI (The Environment for Visualizing Images)是美国RSI 公司的旗舰产品，它由遥感领域的 。创建于1977 年德RSI 公司已经成功地为其用户提供了超过28 年的科学可视化软件服务，帮助各领域的科学家、工程师、研究人员从复杂的数据中提取有用信息，创造出诸多科研成果。目前 RSI的用户已达200,000之多，遍布世界 80多个国家和地区。其旗舰产品的ENVI，深受遥感、 工程、地球科学、气象、环境、林业、农业、军事、自然资源勘探、海洋资源管理等领域的用户喜爱，并从2000 年开始连续三年获得美国权威机构NIMA 遥感软件测评第一。

3 正射遥感影像图制作的基本原理及方法

3.1 融合原理

影像融合是将同一目标或场景的用不同传感器获得的，或用同种传感器以不同成像方式，或在不同成像时间获得的不同影像，融合为一幅影像，在保持多光谱影像辐射信息的同时提高了影像的空间分辨率的遥感影像处理方法。融合方法的选择，取决于被融合图像的特征以及融合的目的，ENVI 系统所提供的图像融合方法有6种[3]：HSV融合主、比值变换融合（Brovey Transform）、Gram-Schmidt融合、主成分变换融合（Principle Component）、能量分离变换（Energy Subdivision Transform）、乘积变换融合（Mutiplicative）。

3.2 正射纠正原理

正射纠正的实质就是将中心投影的影像通过数字元纠正形成正射投影的过程，其原理是将影像化为很多微小的区域，根据有关的参数利用相应的构像方程式或按一定的数学模型用控制点解算，求得解算模型然后利用数字元高程模型对原始非正射影像进行纠正，使其转换为正射影像。正射纠正是一种高精度的几何纠正，是利用数字高程模型（DEM）对卫星影像进行逐点数字微分纠正，用以消除卫星遥感影像和航空遥感影像由于地形起伏等引起的像点位移。采用共线条件方程纠正法进行正射纠正，其纠正公式为[4]：

式中：x,y为像点的像空间坐标，为像主点的坐标（像片内方位元素）；为焦距；为摄站点的物方空间坐标；X,Y,Z为地面点的物方空间坐标；为像片的三个外方位角元素组成的九个方向余弦。

3.3 重采样

由于位置计算后找到的对应的x和y值，多数不在原来像元的中心，因而必须重新计算新位置的亮度值。通常的做法是采用适当的方法把该点位周围邻近整数点位上亮度值对该点的亮度贡献积累起来，构成该点位的新亮度值，这个过程称为数字图像亮度值的重采样。重采样有以下三种常用的方法[5]：（1）最近邻法（Nearest Neighborhood）（2）双线性内插法（Bilinear Interpolation）（3）三次卷积内插法（Cublic-interpolation）

4 QuickBird正射遥感影像图的处理制作

4.1 QuickBird正射校正的流程

图4-1 QuickBird正射影像图制作的流程

Fig.4-1 process of generating QuickBird orthoimage

4.2 正射遥感影像图的制作

1）在ENVI图标面板工具条上，单击文件图标打开图像Available Band List对话框打开全色影像和多光谱影像；在ENVI图标面板工具条上，单击变换图标图像融合主成分分析Select Low Spatial Resolution Multi Band Input File对话框中打开输入低分辨率图像（多光谱影像）输入高分辨率图像（全色影像）在PC Spectral Sharpen Parameters对话框中：

（1）在Resampling中选择重采样方法；

（2）在Enter Output Filename中选择要保存的位置、名称；

（3）点击OK键，完成影像融合。

图4-2 QuickBird影像融合效果

Fig.4-2 The fusion results of QuickBird images

2）应用EMVI软件进行遥感影像正射校正

（1）生成DEM

图4-3 数字高程模型

Fig.4-3 Digital Elevation Model

(2) 影像的纠正过程

根据已知地形图，在融合后影响上大致找出控制点的位置，在ENVI图标面板工具条上，单击配准与镶嵌图标正射校正QuickBirdQuickBird基于地面控制点正射校正在Ground Control Points Selection对话框中输入该点坐标Add Point;

篇10

关键词：遥感影像 地物自动提取 种子区域增长法

中图分类号：TP753 文献标识码：A 文章编号：1672-3791（2014）07（c）-0027-01

自从20世纪60年代遥感技术问世以来，经过数十年的发展，遥感技术已经被广泛的应用于军事、测绘、环境等领域，并在其中发挥着非常重要的作用。遥感影像图中的地物提取时测绘信息化、现代化发展的重要组成部分，极大的推动了遥感技术的数字化发展。目前，如何从遥感影像中自动提取地物已经成为了遥感领域研究的重点。但是，虽然目前国内外许多专家学者已经对此进行了许多的研究，并且已经取得了一定的研究成果，但是从遥感影像中自动获得地物信息作为一个较为前沿的研究领域，目前缺乏成熟的方法应用于实际当中。

1 种子区域增长法的改进

种子区域增长法是一个较好的遥感影像图地物信息自动提取算法。但是种子区域增长法受限于初始种子的好坏，容易受到噪声点的影响，同时区域增长停止准则的好坏对于增长的速度和增长的结果都有直接影响，如果在增长过程中如果某个像元有多个子集邻接像元，并且像元与多个子集邻接像元的差异都较小时，像元不同的归并方向会对区域增长速度和遥感影像图的地物提取效果造成较大的影响。为此，在应用种子区域增长法实现遥感影像图地物自动提取时，需要对算法进行改进，以获得更好的地物自动提取效果。

在2009年周成虎所提出的面向对象的遥感影像处理思想中，将遥感影像图中地物要素的构成单元看成是unit（基元），并认为unit是根据一定的计算规则，在一定尺度下所获得的由具有相近像元所组成的连通区域，unit内部的像元具有特征相似性。借助unit的思想，在使用种子区域增长法进行遥感影像图中地物自动提取过程中，如果将种子集Ai看成是初始基元，则基元的光谱特征反应了基元内部各个像元的光谱属性。其中种子集Ai的光谱特征计算入式（1）所示。

（1）

其中：Ai表示遥感影像图中的第i个种子集合，即第i个基元；xki表示种子集Ai中的第k个像元，根据遥感影像图中的光谱特征提取方法得到xki的光谱特征f（xki）。根据相同的原理可以获得基元的灰度、纹理、形状等信息。

根据如上的思想，对种子区域增长法进行如下的改进。

（1）根据遥感影像图中的地物光谱特征，选择初始种子点，其主要的方法是采用Otsu阈值法从遥感影像图中获得初步点集来作为种子区域法的种子点，从而加强初始种子点的地物代表性。（2）将种子集作为种子区域法中不断生长的基元。（3）根据航空影像图的精度，计算理想窗口宽度K，用于计算以带辨别像元为中心的窗口内邻域联合特征。在进行联合特征计算时，综合考虑地物的空间低于特征和光谱域特征信息。（4）对于联合特征中的空间特征分量和光谱特征分量赋予不同的权重，采用“加权联合特征”法来计算距离，并且以此作为相似度度量值，并且根据实际情况调整权重，调节空间特征分量和光谱特征分量对特征相似性的贡献量。（5）在增长过程中，基于周成虎所提出的“特征差异最小”的思想，选取特征差异最小的外接区域作为种子的增长对象，在每一次完成种子的增长之后，需要按照加权联合特征差异值大小将种子集中所有外接像元（即外接区域为地物边界的像元）进行排序，最终将像元并入到与之特征差异最小的种子点击，同时选择下一个遥感影像图中的像元进行增长，直到遥感影像中的所有像元处理完毕。

2 改进种子区域增长法的应用于实验

实验数据采取如图1所示的一幅精度为1m的QuickBird航空影像图。

如图1所示，航空影像图主要包括建筑物和道路等地物，采用传统种子区域增长法和改进的种子区域增长法提取遥感影像图中的建筑物地物信息的结果分别如图2和图3所示。

从如上的实验结果来看，两种算法都较为清晰的获得了建筑物结果，建筑物轮廓波爱吃了原有的规则性。但是通过改进种子区域增长法与传统算法的对比可以看出，改进种子区域增长法更好的去除掉了建筑物地物提取时的树木噪声，所获得的地物轮廓更加精确，具有更好的遥感影像图地物自动提取效果。

3 结语

随着遥感技术的发展，在为人们提供更加丰富的数据来源时，也推动了影像处理等技术的发展。遥感影像地物自动提取技术有利于遥感影像处理的自动化和全数字化，是一门基于高分辨率遥感影像的新兴技术，有利于减少遥感影像处理成本，提高处理效率，是遥感影像技术重要的发展方向。在本研究中，主要通过对种子区域增长法的分析，针对其在遥感影像地物自动提取中所存在的易受噪声点影响等问题，提出改进的种子区域增长法。

参考文献