精华内容
下载资源
问答
  • 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
  • 遥感影像处理的步骤第一步:几何精校正与图像配准 引起图像几何变形一般分为两大类:系统性和非系统性。系统性一般有传感器本身引起的,有规律可循和可预测性,可以用传感器模型来校正;非系统性几何变形是不规律的,...

    遥感影像处理的步骤

    第一步:几何精校正与图像配准

    引起图像几何变形一般分为两大类:系统性和非系统性。系统性一般有传感器本身引起的,有规律可循和可预测性,可以用传感器模型来校正;非系统性几何变形是不规律的,它可以是传感器平台本身的高度、姿态等不稳定,也可以是地球曲率及空气折射的变化以及地形的变化等。

    第二步:图像融合

    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。

    第三步:图像镶嵌与裁剪

      (1)镶嵌

      当研究区超出单幅遥感图像所覆盖的范围时,通常需要将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。在进行图像的镶嵌时,需要确定一幅参考图像,参考图像将作为输出镶嵌图像的基准,决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。镶嵌的两幅或多幅图像选择相同或相近的成像时间,使得图像的色调保持一致。当接边色调相差太大时,可以利用直方图均衡、色彩平滑等使得接边尽量一致,但用于变化信息提取时,相邻图像的色调不允许平滑,避免信息变异。

      (2)裁剪

      图像裁剪的目的是将研究之外的区域去除,常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。

    第四步:大气校正

      遥感图像在获取的过程中,受到如大气吸收与散射、传感器定标、地形等因素的影响,且它们会随时间的不同而有所差异。因此,在多时相遥感图像中,除了地物的变化会引起图像中辐射值的变化外,不变的地物在不同时相图像中的辐射值也会有差异。利用多时相遥感图像的光谱信息来检测地物变化状况的动态监测,其重要前提是要消除不变地物的辐射值差异。

      辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法,按照校正后的结果可以分为2种,绝对辐射校正方法和相对辐射校正方法。绝对辐射校正方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法,它需要获取图像过境时的地表测量数据,并考虑地形起伏等因素来校正大气和传感器的影响,因此这类方法一般都很复杂,目前大多数遥感图像都无法满足上述条件。相对辐射校正是将一图像作为参考(或基准)图像,调整另一图像的DN值,使得两时相图像上同名的地物具有相同的DN值,这个过程也叫多时相遥感图像的光谱归一化。这样就可以通过分析不同时相遥感图像上的辐射值差异来实现变化监测。因此,相对辐射校正就是要使相对稳定的同名地物的辐射值在不同时相遥感图像上一致,从而完成地物动态变化的遥感动态监测。广西善图科技有限公司

    2c19e12c1bb4ed8d417e9e0ce1fd585b.png

    广西善图科技

    展开全文
  • 相对于IDL,在速度和效果方面,osgeo处理高分影像都占优势地位

    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
  • 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
  • 高分辨率遥感影像处理——增强.pdf 一个ppt
  • 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
  • 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。
  • 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...
  • 使用ENVI5.1进行高分影像预处理

    千次阅读 2018-11-17 16:24:29
    第一次接触高分遥感影像,没有经验,参考了三篇博客,在实践过程中遇到了些问题,记录一下自己的心得。 ... 这里面既有高分处理模块的IDL,也有预处理的步骤。...②高分一号影像处理流程:https://blog.csdn.net...
  • OTB is a C++ library for high resolution remote sensing image processing. It is developped by CNES in the frame of the ORFEO program.  About OTB! ...Last Updated on Sunday, 01 March...
  • 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...
  • 编者按:在1957年第一颗人造卫星发射后,六十多年来随着地球空间科学技术不断进步,使得遥感影像的分辨率...当我们获取高分辨率遥感影像后,需要经过一系列复杂的解译处理,才能提取出有价值的信息。今天这篇科普...
  • 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...
  • 官方网址:http://www.orfeo-toolbox.org/otb/ 先粘贴一些官网的介绍链接过来,等有有较深入研究后翻译一些过来。 OTB is a C++ library for high resolution remote sensing image processing....
  • 遥感影像处理资料

    2014-11-14 15:56:18
    这种模型的处理 技术已趋向成熟,定位精度比较高。但由于物理传感器模型涉及传感器物理结 构、成像方式及各种成像参数。为了保护技术秘密,一些公司只使用有理函数 模型(RFM:RationalFunctionModel),并向用户提供R阴的...
  • 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...
  • 遥感影像处理--DOM处理

    千次阅读 2018-08-31 23:38:03
    到目前为止,处理过的遥感影像上千景,商业卫星影像基本上都处理过,如国内的,高分系列(GF1,GF2),资源系列(ZY02C,ZY3-01,ZY3-02),高景卫星、北京二号,吉林一号;国外的WorldView系列,Spot系列,K...
  • 利用LocaSpaceViewer(LSV)下载高分辨率卫星影像数据
  • 『可视化』科学家用VR处理高分辨率影像数据 可视化细胞级别3D结构 2017年11月20日,现在,全新的身临其境的虚拟现实体验提供了一种独特的方式来可视化三维解剖学大脑数据,并允许你与之进行交互。据映维网...
  • 城区真正射影像处理方法综述,朱庆,于杰,由于传统正射影像中高大建筑物的屋顶和立面纹理偏离正确位置并遮挡、压盖其他地物,严重妨碍了影像图的准确判读,城区高分辨率真
  • 首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行...
  • LiDAR点云辅助的高分辨率卫星影像建筑物地面阴影提取研究,颜宇阳,乔刚,随着遥感影像分辨率的提高,城市建筑物阴影对遥感影像处理与分析产生很大的影响。本文研究基于LiDAR点云数据及高分辨率卫星遥感�
  • 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。...
  • 选用Pansharp、Gram-Schmidt、HPF、Ehlers、Subtractive、ModifiedIHS、Brovey、PCA、NNDiffuse等多种常用的影像融合方法对国产高分影像的全色和多光谱数据进行融合处理,并从定性和定量的角度对融合结果进行...
  • 遥感影像处理的步骤第一步:几何精校正与图像配准 引起图像几何变形一般分为两大类:系统性和非系统性。系统性一般有传感器本身引起的,有规律可循和可预测性,可以用传感器模型来校正;非系统性几何变形是不规律的,...
  • 地理国情影像处理系统是针对地理国情监测需求、面向正射影像图更新的专业化运行系统,提出并实现了基于已有正射影像和DEM的高分辨率卫星影像图更新方法,完善了卫星影像更新的方法体系,对于经济发展迅速的城市地区地理...

空空如也

空空如也

1 2 3 4 5 ... 12
收藏数 224
精华内容 89
关键字:

高分影像处理