精华内容
下载资源
问答
  • 高分影像预处理1 数据获取及管理 1.1 卫星影像查询下载(GF-1、ZY3) (1) 进入网站:中国资源卫星应用中心 (2) 点击产品订购 图 1-1 中国资源卫星应用中心官网 (3) 进入以下界面,点击数据查询—>标准产品...
  • 高分一号影像处理流程

    万次阅读 多人点赞 2018-01-27 18:31:28
    高分一号影像处理流程   全色图像没有方法进行大气校正,所以一般在定量遥感中不使用全色图像。本流程中只是为了说明所有处理的流程,所以包括了全色图像。   一、多光谱大气校正 在ENVI5.2版本中,直接支持...

    高分一号影像处理流程

     

    全色图像没有方法进行大气校正,所以一般在定量遥感中不使用全色图像。本流程中只是为了说明所有处理的流程,所以包括了全色图像。

     

    一、多光谱大气校正

    ENVI5.2版本中,直接支持高分一号PMS数据的辐射定标和大气校正。

    1)选择Open As->CRESDA->GF-1。

    选择GF1_PMS2_E104.0_N36.0_20140724_L1A0000284766-PAN2.xml和GF1_PMS2_E104.0_N36.0_20140724_L1A0000284766-MSS2.xml文件打开。

    2)在Toolbox中,打开/Radiometric Correction/Radiometric Calibration,选择多光谱数据。

    3)在Radiometric Calibration面板中,单击Apply FLAASH Settings按钮,几个参数自动选择符合FLAASH大气校正要求,包括定标类型(Radiance)、存储顺序(Interleave)和辐射亮度单位(Scale Factor)。

    4)选择数据路径和文件名,单击OK执行。

     

    图:多光谱辐射定标面板

    5)在Toolbox中,打开/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction。

    6)点击Input Radiance Image,前面辐射定标好的数据,在Radiance Scale Factors面板中选择Use single scale factor for all bands,由于定标的辐射量数据与FLAASH的辐射亮度的单位一致,所以在此Single scale factor选择:1,单击OK

    注:由于使用Radiometric Calibration自动将定标后的辐射亮度单位调整为(μW/cm2*nm*sr),与FLAASH要求的一致,因此在Radiance Scale Factors中输入1

    7)设置输出文件及路径设置;

    8)传感器基本信息设置:

    l  成像中心点经纬度FLAASH自动从影像中获取。

    l  传感器高度(Sensor Altitude):645km

    l  像元大小(pixel Size):8m

    l  成像区域平均高度可以通过统计DEM数据获取

    l  成像时间:在图层管理中右键选View metadata,在Time选项中可以获取。

    9)大气模型和气溶胶模型,根据经纬度和影像区域选择(单击Help,找到经纬度和成像时间的对照表)。

    10)气溶反演方法选择None(缺少短波红外),能见度设置为40km(查看Help中说明)。

    11)多光谱设置面板按照默认参数

     

    12)打开Advanced settings面板,设置Use Tied Peocessing:No。

    注:处理计算机的内存为8G,这里不使用分块计算。如果低于8g,需要使用分块计算,并将分块打开Tile Size设置为100~200M。

    13)单击Apply执行处理。


    图:高级参数面板

    二、全色辐射定标

    1)在Toolbox中,打开/Radiometric Correction/Radiometric Calibration,选择全色数据。

    2)在Radiometric Calibration面板中,设置:

    · Calibration Type: Reflectance

    · Output Data Type:Uint

    · Scale Factor:10000

    3)选择输出路径和文件名。

    4)单击Apply执行处理。

    注:由于多光谱FLAASH大气校正的结果为扩大了10000倍的反射率数据,为了让融合图像效果好,需要将全色数据与多光谱数据的像元值变成一致。这里使用辐射定标工具将全色数据定标为大气表观反射率,并扩大10000倍。

     

    图:全色图像辐射定标面板

    三、多光谱/全色正射校正

    高分一号的L1A级包括了RPC文件,在经过了辐射定标、大气校正等处理,ENVI会自动将RPC嵌入处理结果中,可以在图层管理中辐射定标或者大气校正结果图层右键选View metadata,RPC选项就是嵌入的RPC文件。可以直接使用/Geometric Correction/Orthorectification/RPC Orthorectification Workflow工具进行正射校正。

    下面是基于无控制点对多光谱/全色数据结果进行正射校正。

    1)在Toolbox中,启动/Geometric Correction/Orthorectification/RPC Orthorectification Workflow工具。在File Selection中选择全色数据辐射定标结果。DEM使用ENVI自带DEM。

    2)在RPC Refinement步骤中,打开Advanced面板,设置Output Piexl Size:2。

    3)在Exports面板中,选输出路径和文件名。

    4)单击Finish执行处理。

    同样的方法对多光谱大气校正结果进行大气校正。

     

    图:RPC Refinement步骤参数

    四、图像融合

    为了提高融合速度,将多光谱数据的储存顺序由BSQ转成BIP。具体可参考:

    1)在Toolbox中,启动/Raster Management/Convert Interleave,选择上一步中多光谱正射校正结果。如下设置参数,Convert In Place:Yes,不生成新的文件。

     

    图:Convert File Parameters参数面板

    2)在Toolbox中,启动/Image Sharpening/NNDiffuse Pan Sharpening,分别选择多光谱和全色数据。

    3)选择输出路径和文件名。

    4)单击ok执行处理。

     

    图:NNDiffuse Pan Sharpening参数面板

      

    图:NND融合结果

     

     

    展开全文
  • 从本文开始,介绍ENVI软件常用的遥感影像处理功能,并采用C#+IDL混合编程方式,实现ENVI常用功能的批量处理,对应的ENVI采用5.3版本,其他版本不保证能正常使用,尤其是5.3以下版本。 1、影像融合介绍 影像融合是...

        从本文开始,介绍ENVI软件常用的遥感影像处理功能,并采用C#+IDL混合编程方式,实现ENVI常用功能的批量处理,对应的ENVI采用5.3版本,其他版本不保证能正常使用,尤其是5.3以下版本。

    1、影像融合介绍

        影像融合是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。影像融合除了要求融合图像精确配准外,融合方法的选择也非常重要,同样的融合方法在用在不同影像中,得到的结果往往会不一样。下表是ENVI中的几种融合方法的适用范围,供参考。

       Gram-schmidt融合方法是通过统计分析方法对参与融合的各波段进行最佳匹配,避免了传统融合方法某些波段信息过度集中和新型高空间分辨率全色波段波长范围扩展所带来的光谱响应范围不一致问题,这种方法可以满足绝大部分图像的融合。

        上述介绍来自"ENVI-IDL技术殿堂的博客",还有ENVI影像融合操作详细介绍,地址如下:http://blog.sina.com.cn/s/blog_764b1e9d0102v1p0.html

    2、国产高分影像介绍

        近年来,国产高分辨率遥感卫星的发展突飞猛进,天绘系列卫星、资源三号卫星、高分一号和高分二号卫星以不断提高的影像空间分辨率、逐步增强的影像获取能力、较好的影像现势性以及较高的时间分辨率,在地理国情监测、土地调查、城市规划、应急减灾、水利环保、海洋、农林业等各个行业领域发挥着越来越重要的作用。下面主要介绍资源三号、高分一号和高分二号国产高分影像数据。

    • 资源三号卫星是我国第一颗民用高分辨率光学传输型测绘卫星,卫星于2012年1月9日发射,它搭载了四台光学相机,包括一台地面分辨率2.1m的正视全色TDI CCD相机、两台地面分辨率3.6m的前视和后视全色TDI CCD相机、一台地面分辨率5.8m的正视多光谱相机,数据主要用于地形图制图、高程建模以及资源调查等。卫星设置寿命5年,可长期、连续、稳定地获取立体全色影像、多光谱影像以及辅助数据,可对地球南北纬84度以内的地区实现无缝影像覆盖。
    • 高分一号卫星于2013年4月26日在酒泉卫星发射中心由长征二号丁运载火箭成功发射。是高分辨率对地观测系统国家科技重大专项的首发星,配置了2台2米空间分辨率全色/8米空间分辨率多光谱相机,4台16米空间分辨率多光谱宽幅相机,设计寿命5至8年。高分一号卫星具有高、中空间分辨率对地观测和大幅宽成像结合的特点,2米空间分辨率全色和8米空间分辨率多光谱图像组合幅宽优于60公里;16米空间分辨率多光谱图像组合幅宽优于800公里。
    • 高分二号卫星于2014年8月19日成功发射,8月21日首次开机成像并下传数据,星下点空间分辨率可达0.8米,是我国自主研制的首颗空间分辨优于1米的民用光学遥感卫星,搭载有两台高分辨率1米全色、4米多光谱相机,具有亚米级空间分辨率、高定位精度和快速姿态机动能力等特点,有效地提升了卫星综合观测效能,达到了国际先进水平。

    3、遥感影像批量融合工具介绍

    3.1、运行环境

        ENVI5.3或ENVI 5.3 SP1,微软.Net 2.0框架(Windows系统可以直接运行)。

    3.2、主要功能

       该工具目前支持高分一号、高分二号和资源三号(包括ZY3、ZY302和ZY302C)L2级影像数据的批量融合,其他格式的数据批量融合需要再扩展。高分一号和高分二号L2级数据压缩包解压后只有1个单独文件夹,可以直接用于批量融合;资源三号原始数据解压后有2个文件夹,2个文件夹解压后放到同一个根目录下进行批量融合。

    3.3、详细操作

        双击运行“遥感影像批量融合工具_V1.0.exe”。

       选择解压影像文件夹所在的上一级目录后,程序自动搜索该文件夹下的所有子文件夹,并以列表形式加载到“待融合影像列表”中。

        选择融合方法,默认Gram-schmidt融合。

        如果多光谱和全色影像事先没有配准好,则需要勾选“融合前先配准”,程序会自动以全色影像为参考,对多光谱影像进行配准。

        单击“批量融合”按钮,开始批量融合。程序将启动ENVI5.3软件,自动搜索解压影像文件夹中的多光谱和全色影像,并在ENVI界面下进行影像融合。

        单幅融合完成后,会在对应的解压影像文件夹下会新建一个名为

    “rongheyingxiang”的文件夹,融合后的影像以“解压影像文件夹名.tif"命名,存储在“rongheyingxiang”文件夹下。若融合前需要先对多光谱影像配准,配准后的多光谱影像以”原多光谱影像名_warped.dat"命名,存储在解压影像文件夹下。

        以上步骤均为自动化完成,若执行过程有错误,则会在所有影像执行完成后显示在最下面的“运行状态及结果”中。

        另外,对于无法自动搜索全色和多光谱的影像数据,本文还提供单幅遥感影像融合工具下载。双击运行“遥感影像融合工具_V1.0.exe",弹出如下界面。

        具体操作与遥感影像批量融合工具类似,不再详细介绍,该工具只能手动单个融合。

        工具免费下载请关注微信公众号"海洋GISer成长记"。

    展开全文
  • 利用 IDL 调用 ENVITask 实现 高分2号影像的预处理.包括辐射定标,正射校正,影像融合,快速大气校正。
  • python3+osgeo处理高分影像初探

    千次阅读 2020-10-01 22:30:57
    之前用IDL写高分预处理的时候,就有想过可不可以用python+GDAL写,可是一直卡在了第一步的正射校正,gdal.Warp()函数始终找不到放DEM的位置,最近终于找到了。我尝试了一景1.3G的GF1/WFV,采用ENVI/IDL的脚本运行...

    之前用IDL写高分预处理的时候,就有想过可不可以用python+GDAL写,可是一直卡在了第一步的正射校正,gdal.Warp()函数始终找不到放DEM的位置,最近终于找到了。我尝试了一景1.3G的GF1/WFV,采用ENVI/IDL的脚本运行每次都需要500s以上,而python3+osgeo则稳定在惊人的15s以内!就速度而言,python3+osgeo远远快于ENVI接口。

    以下是今天写的简单的代码,包括解压函数,正射校正函数和融合函数(GDAL的融合方法只有默认的加权brovey变换)。运行了一景GF6/PMS,并和IDL版白鸽的结果作了简单对比。

    import sys, os, tarfile, tempfile as tmp
    from osgeo import gdal, osr
    from gdalconst import *
    
    def unpackage(fn):
      dirname, basename = os.path.split(fn)
      odir = os.path.join(dirname, 'snowyDove_' + basename[0:-7])
      with tarfile.open(fn) as file:
        file.extractall(path = odir)
      return odir
    
    def ortho(ifn, demfn, res, ofn):
      ds = gdal.Open(ifn, GA_ReadOnly)
      isNorth = 1 if os.path.basename(ifn).split('_')[3][0] == 'N' else 0
      zone = str(int(float(os.path.basename(ifn).split('_')[2][1:])/6) + 31)
      zone = int('326' + zone) if isNorth else int('327' + zone)
    
      dstSRS = osr.SpatialReference()
      dstSRS.ImportFromEPSG(zone)
      tds = gdal.Warp(ofn, ds, format = 'GTiff', xRes = res, yRes = res, dstSRS = dstSRS, rpc = True, transformerOptions = demfn)
      ds = tds = None
    
    def findImage(dir):
      fn = []
      with os.scandir(dir) as it:
        for entry in it:
          if entry.name.endswith('.tiff'):
            fn.append(os.path.join(dir, entry.name))
    
      if len(fn) == 1:
        return fn[0]
      elif len(fn) == 2:
        if fn[0].find('PAN') != -1:
          return fn[1], fn[0]
        else:
          return fn[0], fn[1]
      elif len(fn) == 3:
        return fn
      elif len(fn) == 6:
        mss = pan = None
        for element in fn:
          if element.find('MUX.') != -1:
            mss = element
            continue
          if element.find('PAN.') != -1:
            pan = element
            continue
          if mss != None and pan != None:
            break
        return mss, pan
    
    def pansharpen(mss, pan, ofn):
      ds = gdal.Open(mss, GA_ReadOnly)
      nb = ds.RasterCount
      ds = None
      vrt = """<VRTDataset subClass="VRTPansharpenedDataset">
      <PansharpeningOptions>
        <PanchroBand>
          <SourceFilename relativeToVRT="0">%s</SourceFilename>
          <SourceBand>1</SourceBand>
        </PanchroBand>\n""" % pan
      for i in range(nb):
        vrt += """    <SpectralBand dstBand="%s">
          <SourceFilename relativeToVRT="0">%s</SourceFilename>
          <SourceBand>%s</SourceBand>
        </SpectralBand>\n""" % (i+1, mss, i+1)
      vrt += """  </PansharpeningOptions>
    </VRTDataset>\n"""
      pansharpends = gdal.Open(vrt)
      newds = gdal.GetDriverByName('GTiff').CreateCopy(ofn, pansharpends)
      pansharpends = newds = None
    
    def snowyDove(argv):
      imgdir = unpackage(sys.argv[1])
      mss, pan = findImage(imgdir)
      odir = os.path.join(os.path.dirname(sys.argv[1]), 'snowyDove_tempFiles')
      os.mkdir(odir)
      ortho_mss_fn = tmp.mkstemp('.tiff', 'snowyDove_', odir, False)[1]
      ortho(mss, sys.argv[2], 8, ortho_mss_fn)
      print('mss done')
      ortho_pan_fn = tmp.mkstemp('.tiff', 'snowyDove_', odir, False)[1]
      ortho(pan, sys.argv[2], 2, ortho_pan_fn)
      print('pan done')
      sharpen_fn = tmp.mkstemp('.tiff', 'snowyDove_', odir, False)[1]
      pansharpen(ortho_mss_fn, ortho_pan_fn, sharpen_fn)
    
      return 0
    
    def main():
        return snowyDove(sys.argv)
    
    if __name__ == '__main__':
        sys.exit(snowyDove(sys.argv))
    

    结果对比(上层为gdal结果,下层为IDL结果):

    对比图
    后来分析才发现,其实产生这种错位差异的原因可能在于正射校正环节:GDAL的正射校正保持了原汁原味的锯齿状,而ENVI的正射校正则使用了一定的平滑,所以才可能导致全色和多光谱的错位。

    展开全文
  • #资源达人分享计划#
  • 伴随遥感技术飞速发展,影像分辨率越来越高,其在嵌入式环境下离线组织、渲染等效率问题日益突出,难以满足特定用户需求。本文提出一种适用于多种嵌入式平台的影像地图组织存储模型,并以WinCE、Android系统为例设计...
  • ENVI5.3.1高分2号影像预处理流程

    万次阅读 多人点赞 2019-11-27 15:31:26
    从中国资源卫星应用中心下载的高分2号数据归档为1级产品,需要经过一系列的预处理,主要处理流程包括: 多光谱影像→辐射定标→大气校正→正射校正 全色影像→辐射定标→正射校正 全色与多光谱数据融合 工具...

    ENVI5.3.1高分2号影像预处理流程

    从中国资源卫星应用中心下载的高分2号数据归档为1级产品,需要经过一系列的预处理,主要处理流程包括:

    • 多光谱影像→辐射定标→大气校正→正射校正
    • 全色影像→辐射定标→正射校正
    • 全色与多光谱数据融合

    工具准备:下载扩展工具【ENVI_China_Satellites_Support_V5.3_37】和【nndiffuse_pan_sharpening_bil.sav】,分别拷贝到ENVI安装目录:“\Program Files\Exelis\ENVI53\”和“\Program Files\Exelis\ENVI53\extensions”下;

    说明:“中国国产卫星支持工具 V5.3”支持自动更新GF-2定标系数(也支持手动添加最新定标系数),若要检查绝对定标系数是否正确,可以从“中国资源卫星应用中心”的网站下载;(PS:ENVI更新比较滞后,有时需要手动添加。)

    下面以一幅名为GF2_PMS2_E101.8_N36.3_20190522_L1A0004014712的数据进行操作说明:

    一、多光谱影像处理

    1、辐射定标

    1.1 打开ENVI,使用国产卫星扩展工具打开MSS影像,启动File→Open As→China Satellites→GF2,选择MSS.xml文件打开;
    Alt
    Alt

    1.2 辐射定标需要高分二号传感器的绝对辐射定标系数,右键单击View etadata,查看元数据信息,这里软件已经自动正确读取两个绝对定标系数;
    Alt

    1.3 在Toolbox中,Radiometric Correction→Radiometric Calibration,在File Selection中选择待处理影像,点击OK;

    Alt

    1.4 弹出Radiometric Calibration对话框,Calibration type确认为Radiance,单击Apply FLAASH Setting,设置输出路径与文件名,点击OK开始执行;
    Alt

    1.5 辐射定标完成,可以看到定标后目视效果得到明显提升,统一地物的光谱曲线也发生了变化;
    在这里插入图片描述 在这里插入图片描述

                    辐射定标前                        辐射定标后
    

    2、大气校正

    2.1 FLAASH大气校正需要影像的中心波长信息,ENVI5.3.1能自动识别GF2数据的头文件信息,可通过View Metadata→Spectral查看;
    Alt

    2.2 在Toolbox中,双击Radiometric Correction→Atmospheric Correction Module→FLAASH Atmospheric Correction工具启动FLAASH模块;
    Alt

    (1). 设置输入与输出文件信息:

    • Input Radiance Image:输入辐射定标之后的数据;
    • Output Reflectance File:单击按钮选择反射率数据输出目录与文件名,如果只在后面的文本框中输入文件名,则保存路径将为Output Directory for FLAASH Files中的路径;
    • Output Directory for FLAASH Files:设置大气校正其他结果输出路径;
    • Rootname for FLAASH Files:设置大气校正其他输出结果的根文件名

    (2). 设置传感器及图像信息:ENVI5.3及以上版本能够对图像中心坐标和获取时间信息进行自动识别,所以只需要修改以下几点:

    • Sensor Type:传感器类型,这里选择Multispectral→UNKNOWN→MSI;
    • Ground Elevation:成像区域平均高度,可以通过DEM数据获取;没有DEM数据,可以查询平均海拔,此地区为3137m,输入3km即可;
    • Pixel Size:4m;

    (3). 大气模型和气溶胶模型:需要根据经纬度、影像区域以及成像时间选择

    • Atmospheric model:Mid-Latitude Summer;
    • Aerosol Model:Urban;
    • Aerosol Retrieval:None;

    2.3 Multispectral Settings:选择GUI设置方式,点击“Filter Function File”加载GF2-PMS2的光谱响应函数gf2_pms2_mss.sli;位于ENVI安装目录:*\Program
    Files\Exelis\ENVI53\resource\filterfuncs下:
    Alt

    2.4 Advanced Settings:这里大部分都可以保持默认设置,但由于是多光谱数据,故需将Modtran Resolution设置为15cm-1.
    Alt

    2.5 所有设置完成之后,点击Apply执行大气校正,完成后会得到反演的能见度和水汽柱含量;

    Alt

    2.6 选择Display>Profiles>Spectral查看大气校正前后同一地物波谱曲线变化:

    Alt在这里插入图片描述

                大气校正前                       大气校正后
    

    3、正射校正

    3.1 点击File→Open打开大气校正后的影像,View Metadata查看其元数据信息,可以看到ENVI很好地识别了数据的RPC信息;
    Alt

    3.2 有了RPC信息之后,就可以基于这些RPC信息进行正射校正;点击Toolbox→Geometric Correction→Orthorectification→RPC Orthorectification
    Workflow,打开正射校正流程化工具;

    在File Selection面板中,Input File选择经过大气校正的多光谱数据,DEM File会默认选择全球分辨率为900米的DEM数据,我们这里保持默认(如果有更高分辨率的DEM数据,可以替换此数据),点击Next;

    Alt

    3.3 在RPC Refinement面板中,有四个选项卡可以选择。

    如果有实测的或从其他途径获取的控制点数据,可以在该面板中进行添加,添加后在Statistics选项卡中可以看到相应的误差统计信息;

    (1). 切换到Advanced选项卡,修改输出像元大小Output Pixel Size为4米,重采样方法Image Resampling选择三次卷积法,其他参数保持默认;
    Alt

    (2). 切换到Export选项卡,选择输出文件格式,设置输出路径及文件名,点击Finish;

    Alt

    到此,多光谱数据的处理就完成啦!

    二、全色影像处理

    1、辐射定标

    1.1 打开ENVI,启动File→Open As→China Satellites→GF2,选择PAN.xml文件打开;

    Alt

    1.2 同样的方法打开辐射定标工具,参数设置如下:

    • Calibration Type: Reflectance,全色影像定标为大气表观反射率;
    • Output Data Type:Uint;
    • Scale Factor:10000;

    Alt

    :由于多光谱FLAASH大气校正的结果为扩大了10000倍的反射率数据,为了让融合图像效果好,需要将全色数据与多光谱数据的像元值变成一致。这里使用辐射定标工具将全色数据定标为大气表观反射率,并扩大10000倍。

    2、正射校正

    全色数据的正射校正操作与多光谱数据的正射校正完全相同,需要提醒的地方是GF2全色数据正射校正时输出像元大小需设置为1米,以便我们下面进行图像融合。

    三、图像融合

    1、几何配准:

    图像融合之前,需要查看二者是否完全配准,如果没有完全配准,就需要对其进行配准,可以使用ENVI中的自动配准流程化工具,以全色数据为基准对多光谱数据进行配准;

    本次操作正射校正后的多光谱和全色数据配准的比较好(目前,大部分高分辨率数据正射校正后多光谱和全色数据配准的均比较好),所以我们这里不进行图像配准,直接进行图像融合;

    2、图像融合:

    2.1 图像融合方法推荐NNDiffuse Pan Sharpening方法,融合的效果比较好;点击在Toolbox→Extensions→NNDiffuse Pan Sharpening (BIL);

    Input Low Resolution Raster选择上一步正射校正后的多光谱数据,Input High
    Resolution Raster选择上一步正射校正后的全色数据,其他参数保持默认,点击OK运行;
    Alt

    :NNDiffuse Pan Sharpening工具要求输入的多光谱和全色数据的空间分辨率是整数倍的(本例正射校正时分别将多光谱的全色的分辨率重采样为4米和1米,就是为了方便该工具的使用)。

    2.2 浏览融合之后的影像与融合之前的多光谱影像,空间分辨率得到明显提升,颜色纹理也得到了比较好的保留。与全色融合后的光谱曲线整体升高。

    融合后影像
    多光谱影像
    全色影像

    总结:到此,对于遥感影像的完整预处理就完全结束了,本操作完全基于ENVI软件,以GF2 PMS2数据为例说明,处理流程相对完善,其他类似影像同样可以作为参考。

    声明:本文为作者原创文章,转载请附上原文出处链接和本声明。
    如有问题可发邮件到1182287395@qq.com

    展开全文
  • 高分2号数据处理流程

    2018-12-05 15:18:46
    以erdas2014为平台,介绍了对GF-2影像数据进行初步处理的过程
  • 针对传统的自适应方向提升小波变换(ADL-DWT)算法在高分辨率遥感影像压缩中计算复杂度过高的问题,提出一种新的基于方向预测的提升小波变换(DP-LWT)算法,实现了高分辨率遥感影像的快速、高效压缩。新算法首先将高分辨...
  • 文中介绍了就当前遥感领域的研究热点之一,遥感影像定量化处理中高分辨率遥感卫星影像处理技术,并结合现有的实用系统,讨论可提供的成果和应用解决方案。
  • #资源达人分享计划#
  • 在利用高分影像半自动化构建单木树种遥感影像样本集过程中,采用了影像冠层切片(CSI)圈定、人工标注、数据增强等方法;同时为了训练单木树种遥感影像样本集,对5个CNN模型进行针对性改写。通过对比分析发现:LeNet5_relu...
  • 针对高分辨率影像水体信息提取,利用小波技术对图像进行膨胀和去噪处理,并提出了一种多窗口线性保持技术对线性水体进行保持,最后利用水体信息的地学特征,对图像进行联合特征去噪,获取最终的水体影像信息。利用以上...
  • 针对地震滑坡灾害应急响应的高时效性要求,提出了一种基于灾后高分辨率遥感影像的地震滑坡体自动提取算法。该算法综合利用了高分辨率遥感影像的光谱、形状和纹理等特征,基于多特征阈值分层次逐步剔除干扰地物,实现...
  • 力和时间进行后处理,代价过大。尽管,有学者将模糊集和神经网络等技术应用于传统 基于像元的分类方法中,实验结果也证明了这样可以在一定程度上可以提高分类的精度 [6] [7] 。尽管如此,影像中的纹理、形状和上...
  • 针对遥感影像中的阴影会导致地物信息受损、影像质量下降的问题,提出了联合对数变换与局部增强的高分遥感影像阴影补偿方法。在阴影检测结果的基础上,首先设计了改进的对数变换图像增强方法,构建了对数变换模型,实现了...
  • #资源达人分享计划#
  • 高分遥感影像信息处理与信息提取技术-汪闽,高分遥感影像信息处理与信息提取技术-汪闽,高分遥感影像信息处理与信息提取技术-汪闽
  • RS|高分1号影像预处理

    2020-11-18 16:25:02
    右键影像查看元数据,辐射校正需要的绝对定标系数gains和offsets是ENVI系统自带的,无法自动更新,因此需要手动修改。 从中国资源卫星应用中心获取2020年最新定标系数:...
  • 我国高分系列卫星遥感影像介绍

    千次阅读 2021-02-03 19:53:43
    继上一篇介绍《遥感图像处理》的文章之后,本篇文章对我国的高分系列卫星遥感影像进行简单的整理。 高分系列卫星是在高分专项的支持下,也就是高分辨率对地观测系统重大专项,由国防科技工业局牵头,组织实施建设的...
  • 文中是在不同系统平台上对高分辨率立体卫星影像进行立体像对处理,通过试验分析进行系统优化,形成适宜大规模生产的"高分辨率立体卫星影像一体化测图系统",在此基础上进行了DSM、DOM的自动生产实践及DLG数据采集。...
  • #资源达人分享计划#
  • 基于大尺度区域分割的理念,提取高分辨率遥感图像中与岩性相关的纹理、形状、光谱信息,利用最小二乘支持向量机(LS-SVM)在非线性预测中的优势,对...最后利用模型对研究区进行岩性划分,并进行分类后处理。研究结果表
  • 针对不同的应用,有不同的处理流程,下图中列出了两种常用的预处理流程。 流程一主要针对高精度的定量遥感应用,也就是对大气校正精度要求比较高应用,比如:植被参数定量反演等; 流程二主要针对定性遥感或者对...
  • 对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果.首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类间方差法的图像分割对...
  • 传统高分辨率遥感影像感兴趣区域的检测方法通常要利用先验知识库对整幅影像进行全局分析与搜索,具有很高计算复杂度。从人眼视觉特性出发,提出一种新的高分辨率遥感影像感兴趣区域快速检测算法。基于视觉关注模型对高...
  • 实验数据: 分辨率为0.5m的高分遥感影像 实验目的:提取影响中的沥青路面道路 2、影像数据处理 前期数据处理在ENVI中实现。主要包括影像裁剪,道路矢量化,图像二值化。 2-1 数据裁剪 裁剪的目的:在图像中...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,543
精华内容 1,817
关键字:

高分影像处理