精华内容
下载资源
问答
  • 遥感影像处理
    2021-09-04 16:34:30

    python读取遥感影像
    https://blog.csdn.net/vonuo/article/details/74783291?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-3.essearch_pc_relevant&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-3.essearch_pc_relevant

    python读取多波段遥感影像
    https://blog.csdn.net/weixin_36080474/article/details/113538235

    更多相关内容
  • 遥感影像处理全流程一.预处理二.几何纠正三.图像裁剪四.图像镶嵌和匀色五.图像增强六.遥感信息提取参考资料 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...

    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,我们必须对其进行消除或减弱方可使用。
    (1)除周期性噪声和尖锐性噪声
    周期性噪声一般重叠在原图像上,成为周期性的干涉图形,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行滤波处理的方法比较方便。

    图1 消除噪声前

    图2 消除噪声后

    (2)除坏线和条带
    去除遥感图像中的坏线。遥感图像中通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行消除或减弱。

    图3 去条纹前

    图4 去条纹后

    图5 去条带前

    图6 去条带后

    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行减弱处理。
    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行消除。

    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,必须对其进行几何精纠正,在地形起伏较大地区,还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正,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行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相同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。

    图7 图像配准前

    图8 图像配准后

    (2)影像对矢量图形的配准
    将一幅遥感影像配准到相同地区一幅矢量图形中,使其在空间位置上能进行重合叠加显示。
    2.几何粗纠正
    这种校正是针对引起几何畸变的原因进行的,地面接收站在提供给用户资料前,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行了校正.
    3.几何精纠正
    为准确对遥感数据进行地理定位,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,对原始遥感影像进行纠正,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,对原始遥感影像进行纠正,使其具有准确的地理坐标和投影信息。

    图9 参考地形图

    图10 待纠正影像

    图11 纠正后影像和地形图套和效果

    (3)图像对已知坐标点(地面控制点)
    利用已有准确地理坐标和投影信息的已知坐标点或地面控制点,对原始遥感影像进行纠正,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),对原始遥感影像进行纠正,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。

    图12 数字正射影像图

    三.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范围内的信息感兴趣,这就需要将遥感影像裁减成研究范围的大小。

    图39 原始影像

    1.按ROI裁剪
    根据ROI(感兴趣区域)范围大小对被裁减影像进行裁剪。

    图40 按ROI(行政区)域裁剪

    2.按文件裁剪
    按照指定影像文件的范围大小对被裁减影像进行裁剪。
    3.按地图裁剪
    根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。

    图41 按地图坐标范围裁剪

    四.图像镶嵌和匀色

    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行几何校正,将它们规划到统一的坐标系中,然后对它们进行裁剪,去掉重叠的部分,再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。

    图42镶嵌左影像

    图43 镶嵌右影像

    图44 镶嵌结果影像

    2.影像匀色
    在实际应用中,我们用来进行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行匀色。

    图45 匀色前影像

    图46 匀色后影像

    五.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,需要对遥感图像进行增强处理。
    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行处理,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。

    图13真彩色合成( TM321)

    图14 假彩色合成(TM432)

    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,图像的对比度小,需要调整该直方图到正态分布,以改善图像的质量。

    图15 直方图拉伸前(原图偏暗)

    图16 直方图拉伸后

    图17 直方图拉伸前(原图对比度不强)

    图18 直方图拉伸后(线性拉伸)

    3.密度分割
    将灰度图像按照像元的灰度值进行分级,再分级赋以不同的颜色,使原有灰度图像变成伪彩色图像,达到图像增强的目的。

    图19 原始图像

    图20 密度分割图像

    4.灰度颠倒
    灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0~255)到饱和状态,然后再进行颠倒,使正像和负像互换。

    图21 灰度颠倒前

    图22 灰度颠倒后

    5.图像间运算
    两幅或多幅单波段图像,空间配准后可进行算术运算,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。
    比值运算: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)

    图23 原始图像

    图24 NDVI植被指数图像

    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行的运算处理,邻域的范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 。

    图25 原始图像

    图26 拉普拉斯滤波图像(5×5)

    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,并进行特征选择。
    主成分分析算法还可以用来进行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)进行主成分分析,然后把得到的第1,2,3主分量图像进行彩色合成,可以获得信息量非常丰富的彩色图像。

    图27 第一主成分

    图28 第二主成分

    图29 第三主成分

    图30 第四主成分

    图31第五主成分

    图32 第六主成分

    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。

    图33 第一主分量(亮度)

    图34 第二主分量(绿度)

    图35第三主分量

    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,可以弥补单一图像上信息的不足,这样不仅扩大了各自信息的应用范围,而且大大提高了遥感影像分析的精度。

    图36 多光谱影像

    图 37高分辨率影像

    图38 融合影像(HSV融合)

    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范围进行手工勾绘,达到信息提取的目的。

    图47 人工解译水系

    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则,将图像所有的像元按性质分为若干类别的过程。
    (1)监督分类
    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,对样本进行分类,依据样本的分类特征来识别样本像元的归属类别的方法。

    图48 原图像

    图49 监督分类图像

    (2)非监督分类
    没有先验的样本类别,根据像元间的相似度大小进行归类,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。

    7 后处理

    (1)包括类的调整
    (2)出图
    (3)汇报

    参考资料

    https://blog.csdn.net/u010666165/article/details/81449081

    展开全文
  • 遥感影像处理

    2013-06-06 17:15:48
    武大测绘遥感重点实验室开发的遥感影像处理软件,其代码为开源的,可以网上下载,此为其培训大纲。
  • 《ENVI 5.X 遥感影像处理入门实战教程》以ENVI5.3版本进行实战教学(适用ENVI5.X各版本学习),从软件界面开始,到最后的高级应用,适合入门级、初级、中级的人员学习、工作、教师教学参考。 ~~~GIS思维再次倾力推出...
  • 高性能遥感影像处理

    2022-03-18 12:45:53
    1、一幅遥感影像至少好几个G甚至好几十G大小。比如高分二号影像星下点地面像元分辨率全色0.81米,幅宽45.3km,那么总像素可以粗略计算为55925*55925=3127605625个像素(3亿个像素),一幅全色影像像素约为30亿个,这...

    思考以下两个问题:

    1、一幅遥感影像至少好几个G甚至好几十G大小。比如高分二号影像星下点地面像元分辨率全色0.81米,幅宽45.3km,那么总像素可以粗略计算为55925*55925=3127605625个像素(30亿个像素),一幅全色影像像素约为30亿个,这还没有计算多光谱影像像素总数,这样一幅影像对于普通的数码相片,简直是小溪看到了大海,如果以普通的数字图像处理技术处理几乎不可能。

    2、对于大片区作业来说,影像覆盖范围横跨几个市,几个省,影像数据体量非常可观,几百G,几百T也是很稀疏平常的事情,一幅影像就足以让人生畏了,何况几千幅、几百万幅这样的影像放在你手上。

    有人估计会说,我购买遥感影像处理软件,几千万幅影像都不是问题,比如像素工厂、DPGRID等。不过遗憾的是,编写像素工厂、DPGRID软件的人似乎就不能像你这样高枕无忧了,他们需要绞尽脑汁地想出很好的一个策略来处理此类大规模的影像处理问题,想办法把CPU、内存、GPU的利用率提高了,实在不行,弄上几百台高性能服务器组成集群来干这个事情都行。

    思想:分而治之

    1、分块

    对于单幅大体量的影像而言,将一幅影像直接导入内存,内存会被撑爆的,通常的思路是把一幅影像分块来处理,不少影像读取函数也支持分块读取,按行、按列、按整块的行列block一块一块的将影像导入内存,这样既不会占满内存,也会给进程足够的内存空间,对每一块进行处理。

    2、CPU并行

    分块是一个好的选择,不过总是串行处理数据的,现行的CPU都是多核结构的,那么开启多线程,多进程,充分利用每一个CPU核心并行对分块数据或者分幅影像处理,可以加快影像处理的速度,此时需要把处理影像的算法嵌入到每一个线程或进程里面。

    3、GPU并行

    GPU加速原理跟CPU并行处理影像原理相似,CPU与GPU在并行处理数据方面都有了长足的进步,细数它们之间的差别,一个缓存大,一个核心数多,一个线程执行时间长,一个任务分块数大,将分块数据或者分幅影像放到GPU里面处理进行加速其实也不错。

    4、服务器并行

    即便是有了CPU、GPU并行,遥感影像的数据量还是显得那么的庞大,那就上集群服务器吧,对他体量的遥感影像数据进行任务分发,使得每一个高性能服务器都能够独立的在网路环境下进行大规模的影像数据处理,加快大片区的影像处理速度。

    以上几种方法以不同层面实现高性能处理遥感影像数据的方法,而这其中的任务调度算法是至关重要的,因为在影像自动化处理过程中,难免会有冲突,竞争计算资源,竞争内存,竞争网络宽带,搞不好集体罢工给你看,有的甚至想到了CPU+GPU+服务器混合并行。。。。。。。

    MPI计算服务器集群并行计算

    OpenMP多核心CPU并行计算

    CUDA 多核心GPU并行计算

    优化无止境。。。。。

    展开全文
  • #资源达人分享计划#
  • #资源达人分享计划#
  • #资源达人分享计划#
  • Matlab在遥感影像处理中的应用研究.pdf
  • gdal强大的图像处理函数库,能处理大的遥感影像
  • #资源达人分享计划#
  • #资源达人分享计划#
  • 此软件是在QGIS开源GIS软件平台上,开发的一套用于遥感数据处理、分析与定量反演的插件。软件功能包括采样数据的遥感光谱数据匹配、匹配数据显示与分析、采样分析属性数据与光谱波段的相关性分析与统计、采样分析...
  • #资源达人分享计划#
  • DSM正射影像和指数。 处理不同步骤时对电脑资源使用也不同: 处理第一步时,最看重的是CPU,相对来说RAM(内存)和硬盘使用率就比较低。如果显卡与CUDA兼容(推荐NVIDIA显卡),则显卡可以对步骤1的处理速度有所...

    计算机配置

    在使用Pix4D处理航测内业时,有三个步骤,分别是

    1. 初始化处理
    2. 点云和纹理
    3. DSM正射影像和指数

    处理不同步骤时对电脑资源使用也不同:

    1. 处理第一步时,最看重的是CPU,相对来说RAM(内存)和硬盘使用率就比较低。如果显卡与CUDA兼容(推荐NVIDIA显卡),则显卡可以对步骤1的处理速度有所改进。步骤2和步骤3的处理时间不受GPU的影响。
    2. 处理第二步时,看重的是CPU和RAM,相对来说硬盘的使用率较低。
    3. 处理第三步时,硬盘成了最主要的部分,硬盘的读写速度决定了第三步的处理速度。RAM使用率较低,CPU其次。

    资源需求

    GPU能够加速的两个主要操作是对齐影像[aligning photos]和创建密点云(在不同照片中从多个角度3D表示某个物理点)[Build Dense Cloud]。

    Metashape

    1. 导入照片
    2. 对齐照片
    3. 生成网格(稀疏云)
    4. 选择区域
    5. 生成密集点云
    6. 生成网格(非必需)
    7. 几何编辑(删除不需要的部分)
    8. 生成纹理(正射图不需要)
    9. DEM
    10. 正射图像
    展开全文
  • 哨兵二号的遥感影像处理
  • 这个文章包含了 (1)数据集制作 (2)样本裁剪 (3)图像增强 (4)图像识别 (5)边缘处理全过程 https://zhuanlan.zhihu.com/p/161925744
  • 遥感数据处理

    2012-12-08 17:16:43
    本专题旨在向用户介绍波谱库的概念,并描述如何从感兴趣区中提取波谱信息,然后还将进行彩色合成,并使用二维...让学生学会如何使用 ENVI 先进的高光谱工具对多光谱数据进行分析。更好地理解高光谱处理的概念及其工具。
  • 常用的遥感数据处理python库及环境搭建一、GDAL1.介绍2.栅格数据组织3.地理仿射变换4.python库环境搭建二、Opencv1.介绍2.Opencv提供的功能3.Opencv包含的模块4.Pyhton库环境搭建 一、GDAL 1.介绍 Geospatial Data ...
  • 夜光遥感数据处理

    千次阅读 2020-04-16 12:54:49
    4、处理数据 (1)打开数据 设置参数 结果图: 波段运算: 扩大后的结果: 注:靠海地区模糊,由于大气中水汽的影响较大 打开矢量,叠加查看结果 简单应用: 密度分割 珞珈一号(分辨率更高)不需要...
  • #资源达人分享计划#
  • 图像拼接,用于实现多种格式,批处理遥感数据
  • #资源达人分享计划#
  • 《Erdas遥感影像处理入门实战教程》以Erdas2010版本经典界面进行实战教学,设计12章内容,正式教学内容总共45课时,15个小时时长。从软件界面开始,到后的应用,适合入门级、初级、中级的人员学习、工作、教师教学...
  • ERDAS遥感影像处理

    2013-08-01 00:21:34
    细致讲解了erdas软件基本影像处理,特别是分类操作方法
  • 及其在地质学、考古学、植被分析和海洋学中的应用、 MASTER 影像数据处理、各种 SAR 数据分析、地 形工具、三维浏览以及使用 IDL 扩展 ENVI 功能等方面的内容。本书所附带的多种遥感数据及书中对操作 步骤的详细介绍...
  • C-V模型只能实现单目标图像的轮廓提取,造成这种后果的主要原因是C-V模型过多地考虑了演化曲线内外部的信息,反而造成了曲线的不正确演化。针对这点,提出了一种新的更为简单的水平集方法,该方法对初始曲线位置选取...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,077
精华内容 7,230
关键字:

遥感影像处理

友情链接: 第一章. 衬底制备.zip