遥感影像数据处理 - 海洋遥感数据处理

原标题：遥感影像数据处理

# |5 s; v/ |3 O

遥感影像数据处理

) M- m7 t8 }6 w: D

补充的遥感影像数据需根据第三次农普遥感数据制作的相关要求进行预处理，预处理工作主要包括正射校正及配准、影像融合、影像镶嵌。

/ e2 ?) ]2 K9 n- c9 S

2.1.3.1 确保云量控制可行方案

1）前期遥感影像数据采购云量控制 前期编程要结合天气情况以及卫星轨道的过境时间来采集合适的卫星遥感数据，实现卫星遥感数据云量的控制。如果特殊普查区，卫星遥感影像无法满足遥感测量的要求，将及时采用无人机航飞测量。使得获取的遥感影像质量满足第三次农业普查遥感测量工作对遥感数据分辨率和云量的要求。

2）采购后遥感影像浓云部分的预处理。在遥感影像数据总云量满足要求的前提下，对影像中浓云覆盖区域，用时相、分辨率、色调相近的其他的卫星遥感数据来替代补充采购的卫星遥感影像数据。并对影像进行接边处理使最终的成果影像满足位置精度和影像融合的要求。

9 k0 p: j5 J K5 J+ {/ n- o

3）薄云采用直方图匹配法、同态滤波法及暗元法等去云方法控制云量。

2.1.3.2 影像纠正

（1）正射纠正控制点布设原则

; a) R$ g# k* e, `. j

采用国务院农业普查办公室提供统一的第三次全国农业普查主要农作物面积遥感测量专用底图为纠正基础。选取待纠正影像和调查底图上均有且未发生变化的明显特征地物点为纠正控制点。以景为单位，每景控制点数量为30-50个。控制点选取原则如下：

`2 k( S% `8 i! Q

1）纠正控制点要均匀分布，尽可能控制整景或区块影像。

( F. N/ S; c4 o1 D7 Y

2）应选取影像清晰、易于判别、明显的特征地物点，如道路交叉处、球场角、围墙角等位置。

$ g+ w9 ~0 X# [! Q {

3）相邻景重叠区选取不少于3个公共点， 上下相邻的影像由于重叠较少，较难实现共用控制点时，在实际工作中，尽量采用独立控制点。

5 t( k0 L. R m' |* ~

4）山区选点时，尽可能多地选择同名明显地物点。

5）控制点选取时，应避免在调查底图镶嵌线附近，不同生产单位生产的相邻底图区域，以及更高分辨率遥感数据源生产底图的平原、丘陵区高速公路和桥梁等地物上选点。

（2）影像纠正控制点采集

影像纠正控制点可以从符合要求的已有数字正射影像图（DOM）或其他满足要求的图件上采集。

% h" e! m& V3 `7 i& \

（3）纠正模型选择

, R& i/ U* Q2 W

正射纠正模型主要分为严格物理模型和通用经验模型两类。严格物理模型以共线方程为代表，共线方程纠正模型是建立在传感器成像时的位置和姿态进行模拟和解算的基础上，由于其严格给出了成像瞬间物方空间和像方空间的几何对应关系，同时考虑了地物点高程的影响，因此在地形起伏较大的情况下，该方法纠正精度尤为精确，是正射纠正的首选模型。

有理函数模型（RFM）是各种传感器几何模型的一种更广义的表达形式，是对不同传感器模型更精确的表达形式，适用于各类传感器。它的缺点是模型解算复杂，运算量大，并且要求控制点数目相对较多；优点是由于引入较多定向参数，模拟精度较高。不能通过物理模型进行正射纠正时，可以采用有理函数模型对数据进行正射纠正。

（4）跨带处理

% |, K3 E1 n h0 e1 K

当纠正后影像跨带时，应用遥感图像处理软件的重投影模块（如ERDAS的REPROJECTION等），对跨带部分的影像进行换带处理。

（5）精度检查

- l" A( M! e K5 t: T, G/ ]; I0 L

1）纠正控制点残差检查

& x5 w" Q$ w8 x; |

根据纠正过程产生、软件自动记录的控制点文件，检查正射纠正的控制点点位精度。列表记录各景影像正射纠正控制点的最大残差及中误差。若控制点残差超限，须查找原因并重新进行正射纠正。

2）DOM与调查底图相对误差检查

分别采用定性检查和定量检查相结合的方式进行检查。

- d5 c' r" c [. z _

①定性检查：

3 }# d$ p. U" h- K$ \

将DOM与调查底图在同一窗口中打开，采用“拉窗帘”的方法逐屏幕检查DOM与调查底图的匹配精度。若在“拉窗帘”时同名点发生了明显抖动或错位现象，则表明该处DOM平面精度与调查底图有差异。须查明原因，必要时应重新处理至达到精度要求。

Q" x# P! b+ G

②定量检查：

( \7 u: ]0 i* F7 l) S7 [7 _

采用未用于影像纠正的GPS实测点，或从调查底图上选取未用于影像纠正的同名地物点为DOM精度检查已知点。采用公式计算DOM上地物点相对于已知点的坐标差值，并计算检查点点位中误差。

点位中误差计算公式为：

7 b3 o1 p0 V7 n9 V/ b' L0 ~- V

公式中， 点位中误差，单位m；

6 N; s- F3 o# b$ p

：DOM上检查点坐标值，单位m；

5 o! i) `: @$ K% @

：DOM上检查点坐标值，单位m；

：同名已知点坐标值，单位m；

：同名已知点坐标值，单位m；

' c; l+ I8 _3 g; D* O; s. b

：检查点个数。

r& { N* ~5 y: t5 P

2.1.3.3 影像配准

（1）配准单元及方法

% A+ x0 a7 |* E7 G3 {

对同源同时相数据而言，多光谱影像采用XS3(红)、XS2(绿)、XS1(蓝)波段组合，单景影像配准控制点在9个以上，重采样方法采用双线性内插法，以全色（单景色、区块或镶嵌）影像为参考，以景为单元，结合DEM数据，采用二次多项式进行配准。

: h1 R. [ ~* C2 V. f! _ e

影像的重采样间隔为全色数据的像元大小，重采样方法采用双线性内插或三次卷积内插法，配准后的影像保留原始影像的波段数目和顺序。

（2）配准精度检查

根据配准过程产生、软件自动记录的配准控制点文件，检查配准控制点残差是否满足精度要求。列表记录各景影像配准控制点残差，并统计单景影像配准控制点最大、最小残差及点位中误差。分别在纠正后的全色影像和多光谱影像上选取同名地物点，对比同名地物点间的坐标并求算其差值。对配准误差超限区域，检查其误差来源并重新进行配准，使之达到配准要求。

2.1.3.4 影像融合

（1）融合前影像预处理

对纠正、配准后满足精度要求的全色与多光谱数据，融合前还需要对其进行预处理。一方面，提高全色数据的亮度，增强局部反差突出纹理细节，尽可能降低噪声；另一方面，对多光谱数据进行色彩增强，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。在融合中要突出全色数据的高分辨率特征，因此融合前处理的目的是为了增强局部灰度的反差从而突出纹理细节和加强纹理能量，通过细化来尽可能减少噪音。特别强调在增强局部灰度反差时只是增加灰度的值，原灰度关系保持不变。

, S9 q5 f8 Z! @. \- Z. A

（2）影像数据融合的基本要求

- U9 |3 r+ C% g0 l3 i" S0 @

1）融合影像以完整区、县或以整景为融合单元。当区、县面积较大时，需要分区进行融合，分区影像要色调一致。但不同季节影像色彩应符合当时物候规律。

2）根据影像波段的光谱范围、地物和地形特征等因素，选择能清晰表现土地、农作物种植类型特征和边界、色彩接近自然的融合算法。

3）融合影像应无重影、模糊等现象。

% S; {- h+ B! Y- x3 a* p2 b$ Q

（3）影像数据融合方法选择

在遥感影像处理过程中，通常采用的融合方法有IHS变换、主成分变换、Brovey变换、CN变换及GS PAN Sharpening融合等多种方法。IHS变换能够使得影像融合后纹理信息得到改善，空间信息保持较好，但光谱信息损失较大，受波段限制；Brovey变换结果能使影像融合后光谱信息得到较好的保持，但受到波段限制；CN变换结果对大的地貌类型融合效果好，可用于多光谱与高光谱融合；PCA变换无波段限制，光谱信息保持较好，第一主成分信息高度集中，色调发生较大变化；GS PAN Sharpening融合改进了PCA变换信息过分集中的问题，不受波段限制，较好的保持了空间信息、纹理信息及光谱信息。

1）高通滤波变换法

高通滤波和低通滤波常用于影像纹理和细节处理方面。影像的细节提取往往是通过对影像进行高通滤波来实现，影像细节与多光谱影像的色彩信息相加是融合的最基本原理。

高通滤波变换目的是提高影像高频细节，突出影像结构信息。各种高层板状建筑表现非常明显，交通和水体的边缘规则、无模糊。由于在突出高频信息同时，部分低频信息会受到压制，往往整体影像的结构比较细碎。色彩表现上，高通滤波变换效果一般，色调的层次感不强。

2）主成分变换（PCA）

主成分变换在数学上是将矩阵展开分解为其协方差矩阵的特征向量的加权，对于图像而言主分量变换是图像按照特征向量在其特征空间上分解为多元空间。经过变换可将噪音向量剔除掉，保证融合图像信息度的良好。遥感影像进行分解时，第一、二主分量往往占总信息量（即方差）的90%以上，而其余各分量总和最多也不过10%。利用PC变换可很方便地将影像的结构信息通过第一主分量表达出来。主分量变换显著优点是将庞杂的多波段数据用尽可能少的波段表达出来，而且数据信息量几乎没有损失，从而达到数据压缩的目的。

主分量变换在进行融合中有两种变换方法，一种将参与变换的各波段包括高光谱在内统一进行主分量变换，然后反变换。另一种是指将多光谱的多个波段先做主分量变换，用高光谱影像全色波段替换第一主分量。再进行反主分量变换。得到融合影像。

( {) a4 D: a, p. k, i8 i$ G. L

主分量变换中参与变换的多光谱数据不受波段数限制，可以接受三个以上波段的多光谱数据和高光谱数据进行变换。主分量变换合成的影像色彩突出，各种地类的色彩能够较少的丢失和偏移。影像纹理信息结构明显、突出。

3）IHS变换法

4 T& S3 k6 p2 j4 @

IHS变换是一类基于IHS色彩模型的基础、应用广泛的融合变换方法。IHS色彩是不同于RGB的另一种色彩模型系统，它将RGB图像转换色相H、亮I和饱和度S三个分量，图像的描述依据色相、亮度和饱和度三个要素来实现。I表示图像亮度， H代表色度， S表示饱和度。IHS变换能有效地将RGB系统中影像代表纹理的亮度I与其光谱信息H、S相分开。

运用IHS变换技术融合的原理为：用另一影像替代IHS三个分量中的某一分量，其中亮度分量被替代最为常用。当高分辨率全色影像与多光谱影像融合时，首先将多光谱的影像根据输入图像的RGB值利用正变换式从RGB系统变换至IHS彩色空间，得到亮度I、色度H及饱和度S的三个分量，将高分辨率全色影像与亮度进行直方图匹配，然后去掉I，并用预处理准备好的高分辨率全色影像代替。与H、S一起利用相应的逆变换式变换至RGB系统，得到融合后的影像。图2-1-3-2为基于IHS变换的融合方法流程图。

IHS变换的融合方法只在亮度通道上进行，图像的色调和饱和度保持不变。因此，通过变换、替代、逆变换获得的融合图像，既具有全色图像高分辨率的纹理，又保持了多光谱图像的色调和饱和度。

图2-1-3-1基于PCA变换的融合流程图（以三波段为例）

. p* H5 b i" X2 Z1 \1 G! S " I* Z9 K( Q1 S0 l1 q& C

图2-1-3-2基于IHS变换的融合方法流程图

8 r" W! K% L: a1 b

4）基于小波变换法

在众多图像融合技术中，基于小波变换的图像融合方法已成为多数图像处理系统的标准算法之一。这类算法主要是利用人眼对局部对比度的变化比较敏感这一事情，根据一定的融合规则，在多幅原图像中选择出最显著的特征，例如边缘、线段等，并将这些特征保留在最终的合成图像中。

在一幅图像的小波变换中，绝对值较大的小波系数对应于边缘这些较为显著的特征，所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方面上的高频系数，从而达到保留图像边缘的目的。虽然小波系数（高频系数）的选择对于保留图像的边缘等特性具有非常主要的作用，同时尺度系数（低频系数）决定了图像的轮廓，因此正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用。通过基于小波变换图像融合中小波基的选取或融合规则及融合算子的不同选择，可得到满意的融合图像。

在ENVI5.2版本里新增了一种NNDiffuse Pan Sharpening融合方法，此方法利用Nearest Neighbor Diffusion Pan Sharpening算法进行图像融合，融合结果对于色彩、纹理、和光谱信息均能得到较好的保持。

本次农普遥感影像数据融合方法选取的原则如下

! Q: ]& L9 e; x

①能清晰地表现纹理信息，能突出主要地物类型，特别是植被、耕地等信息；

( F+ @( U6 w- T4 v2 Z% c

②影像光谱特征还原真实、准确、没有异色；

1 j( R/ E b0 x6 [# s `5 W

③各种地类特征明显，边界清晰，通过目视解译可以区分各种地类信息。

# u3 r$ @) a y/ t; y- N% ^

④融合影像色调均匀、反差适中、色彩接近自然真彩色。

结合以上各融合方法的特点，本次项目作业区的融合方法主要采用NNDiffuse Pan Sharpening融合方法，图2-1-3-3、4为高分2号数据NNDiffuse Pan Sharpening方法融合前后真彩合成图像对比，图2-1-3-5为数据融合前后光谱曲线对比，通过对比发现，NNDiffuse Pan Sharpening方法融合结果效果较好，且光谱信息特征能够较真实的得到保留。

/ B! l2 s+ |$ U) ^% q! b4 i

（4）融合后影像处理：

融合后影像处理是保证成果质量的重要技术环节，融合后影像通常亮度偏低、灰阶分布动态范围小，如图2-1-3-6所示，色彩不够丰富。需要采用线性或非线性拉伸、亮度对比度、色彩平衡、色度、饱和度和明度调整等方法进行色调调整。处理后的影像要达到灰阶分布具有较大动态范围，如图2-1-3-7所示，纹理清晰、色调均匀、反差适中，色彩接近自然真彩色，可以清晰判别耕地等重要地类类型。

为了形成完整的项目区影像文件，对分块融合的影像须进行色调调整。色调调整时应保留多光谱影像的光谱信息和全色影像的纹理细节，以便进行变化信息分析；同时注意视觉效果，为去除杂色保证整体反差，必要时牺牲部分光谱信息和纹理，达到自然真彩色的效果，但要区分不同地类边界。

2.1.3.5 影像镶嵌

: W1 i9 c% M0 F0 h3 K7 B( x/ s3 {

由于影像纠正过程中，控制点的误差、DEM的误差、计算过程中重采样的误差等，造成了同一地面特征在不同影像上有不同的地面测量坐标。同时，由于成像时太阳高度角及大气环境的不同以及成像时间的差别，使相邻影像呈现出不同的辐射特征，因此，影像镶嵌时除了要满足在镶嵌线上相邻影像的细节在几何上一一对接外，还要求相邻影像的色调保持一致。如果两幅或多幅相邻影像时相不同且季节反差较大时，如在相邻影像上，冬季时植被较少，夏季时植被丰富，不可进行平滑严格使其色调保持致，否则会导致影像失真。镶嵌时应对多景影像数据的重叠带进行严格配准，镶嵌误差不低于配准误差。镶嵌影像应保证色调均匀、反差适中，镶嵌区应保证有10-15个像素的重叠带。

% G) [% G2 H }8 `

（1）影像镶嵌原则

1）镶嵌前进行重叠检查。景与景间接边时，其误差平地、丘陵地不超过5.0m，山地、高山地不超过8.0m，并视项目区具体情况进行接边纠正，局部接边时也应进行纠正。接边误差超限时应立即查明原因，并进行必要的返工，使其符合规定的接边要求。

2）镶嵌时应尽可能保留分辨率高、时相新、云雾量少、质量好的影像。

! b: H) Z2 L% E" p

3）选取镶嵌线对DOM进行镶嵌，镶嵌处无裂缝、模糊和重影现象。

/ Q7 D3 H; L; z% I

4）时相相同或相近的镶嵌影像纹理、色彩自然过渡；时相差距较大、地物特征差异明显的镶嵌影像，允许存在光谱差异，但同一地块内光谱特征尽量一致。

5）项目区之间进行接边检查。

. U4 f- [1 C6 G+ o# z7 S

6）后制作DOM与先制作DOM进行接边、低分辨率与高分辨率接边。

: l6 V) O4 n5 r+ y' {3 l

（2）影像镶嵌

1 p: @. }0 y7 n7 `' x' ~; m% L* p5 l) `

1）镶嵌线选取

- F$ v* g8 n: ~ F0 @& p$ a: p

采用“计算机自动选取为主、人工选取为辅，计算机自动选取与人工选取相结合”的方式，选择合适镶嵌线，使镶嵌后影像避开云、雾、雪及其他质量相对较差的区域，使镶嵌处无裂缝、模糊、重影现象。

( T6 Q5 F/ i8 I/ q4 H/ I7 e

2）镶嵌

$ l* f# h' X5 ~8 W ~2 v% ~

以项目区分带为单位，对满足接边精度要求的纠正单元分带进行镶嵌。

8 t: k4 v: n6 g& s

当相邻两景影像时相或质量相差不大时，保持影像纹理、色彩自然过渡；时相差距较大、地物特征差异明显时，在保持各自的纹理和色彩前提下，进行各时相数据间的色彩配准，但同一地块内光谱特征保持一致。

1 O* ~8 b- S) C/ A* s& A

2.1.3.6 大气校正

目前针对Landsat、Terra、NPP、SPOT等卫星遥感影像数据的大气校正均能通过ENVI软件中的FLAASH功能实现。而ENVI在5.2版本之前，大气校正功能里没有国产高分卫星传感器的相关参数，实现国产高分数据的大气校正需按如下方法进行：

: T$ _! n1 j( ~

（1）Apply Gain and Offset功能实现辐射定标；

（2）利用Edit ENVI Header功能编辑每个波段的中心波长（B1:503nm，B2:576nm，B3:680nm，B4810nm）；

（3）制作波谱响应函数，需要在中国资源卫星应用中心下载对应的波谱响应函数的文件，将数据拷贝到文本文件中，第一列表示波长，后五列分别表示1个全色和4个多光谱对应波长的波谱响应值；在ENVI中，使用波谱曲线来描述波谱响应函数，也就是以波长作为x轴，波谱响应值作为y轴，存储格式为ENVI波谱库文件（.sli）。在Window→Start New Plot Window，ENVI Plot Window窗口中，选择File→Input Data→ASCII，自动将第一列作为X轴，后面3-6列作为Y轴。单击OK，将波谱曲线保存为波谱库文件.sli。

* Y x( _) X/ s! m" Y

（4）利用FLAASH功能，输入响应参数，实现大气校正。返回搜狐，查看更多

) ?& S) E- u, y2 l- v* V2 R4 h0 O1 j

责任编辑：

. @ e% {9 Q6 K9 f/ `