精华内容
下载资源
问答
  • TM8遥感影像 批量波段合成
  • 遥感影像波段与波段合成

    千次阅读 2020-11-23 20:56:14
    全色遥感影象也就是对地物辐射中全色波段的影象摄取,因为是单波段,在图上显示是灰度图片。全色遥感影象一般空间分辨率高,但无法显示地物色彩。实际操作中,我们经常将之与多波段影象融合处理,得到既有全色影象的...

    目录

    全色波段

    多光谱波段

    高光谱波段

    假彩色

    真彩色

    伪彩色(pseudo-color)

     真彩色、假彩色和伪彩色的区别


    全色波段

    全色波段,一般指使用0.5微米到0. 75微米左右的单波段,即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取,因为是单波段,在图上显示是灰度图片。全色遥感影象一般空间分辨率高,但无法显示地物色彩。实际操作中,我们经常将之与多波段影象融合处理,得到既有全色影象的高分辨率,又有多波段影象的彩色信息的影象。

    多光谱波段

    多波段,又叫多光谱,是指对地物辐射中多个单波段的摄取。得到的影象数据中会有多个波段的光谱信息。对各个不同的波段分别赋予RGB颜色将得到彩色影象。例如,将R,G,B分别赋予R,G,B三个波段的光谱信息,合成将得到模拟真彩色图象。多波段遥感影象可以得到地物的色彩信息,但是空间分辨率较低

    高光谱波段

    高光谱,即光谱很多,可达几百个。光谱间的间隔很小,可能只有几nm。就是包含的信息比较丰富,是与多光谱相对的,多光谱一般只有七八个波段。

    不同物质在不同波段光谱信号下的不同表现,可以绘制成一条关于光谱波段和光谱值之间的曲线,根据曲线的差异,我们可以高光谱图像中不同物质进行分类。

     

    假彩色

    任意非R,G,B波段的合成图。人工合成的非物体原有天然颜色的颜色,假彩色合成是最常用的一种图像合成方法,用来提高图像对待定对象类型的显示效果。与伪彩色不同之处在于,假彩色合成使用的数据来自于多个波段。假彩色是为了增强彩色图像的目视效果,让图像看起来更加醒目。

    将多波段单色影像合成为假彩色影像,如landsat 7/ETM+有八个波段,用其中三个合成就是假彩色。

    标准假彩色合成,即4、3、2波段分别赋予红、绿、蓝色,获得图像植被成红色,由于突出表现了植被的特征,应用十分的广泛,而被称为标准假彩色。如图

    真彩色

    R,G,B三波段的合成显示图,3、2、1波段分别赋予红、绿、蓝色。如果彩色合成中选择的波段的波长与红绿蓝的波长相同或近似,那么合成后的图像颜色就会与真彩色近似,这种合成方式称为真彩色合成,使用真彩色合成后的优点是合成后的图像的颜色更接近于自然色,与人对地物(目标)的视觉感觉相一致,更容易对地物(目标)进行识别。

    真彩色是指在组成一幅彩色图像的每个像素值中,有R、G、B三个基色分量,每个基色分量直接决定显示设备的基色强度产生彩色。

    伪彩色(pseudo-color)

    只含有一个任意波段的图像显示。

    每个像素的颜色不是由每个基色分量的数值直接决定,而是把像素值当作颜色查找表(color look-up table,CLUT)的表项入口地址,去查找一个显示图像时使用的R,G,B强度值,用查找出的R,G,B强度值合成产生彩色。

    合成是按特定的数学关系把单波段灰度图像的灰度级变换成彩色,然后进行彩色显示的方法,其目的是通过数据的彩色表达来增强区分地物(目标)的能力。

    例如:过安检的时候对包裹的检查就是伪彩色显示,其目的无非着重显示包裹中的危险物品:液体,刀具...

     

     真彩色、假彩色和伪彩色的区别

    1、处理对象上:伪彩色处理针对灰度图像,假彩色处理是针对彩色图像。

    2、处理方法上: 伪彩色处理有两种方法:灰度分层、直接彩色变换。

    (1)、灰度分层简而言之,给不同的灰度级进行分层,想分多少层就是多少层,然后在每一层上进行强制涂色。

    (2)、直接彩色变换的原理是:任何一种颜色都可以由三原色合成,于是把黑白图像的灰度级分成三个层次,每个层次上赋予RGB三种颜色。

    假彩色处理:是用多波段图像合成的彩色图像。设定遥感图像的某三个波段分别为RGB三原色,再合成图像的彩色图案。

    总之:
    区别:一个波段的图就是伪彩色的图,多个波段(一般三个)的图可能为真彩色,假彩色,标准假彩色

     

    Rreference:

    https://www.zhihu.com/question/27065336/answer/511812908

    http://blog.sina.com.cn/s/blog_764b1e9d0100t9c8.html

    https://blog.csdn.net/qq_41511262/article/details/106966065

    https://www.cnblogs.com/gkh-whu/p/10668494.html

     

     

    展开全文
  • python 遥感波段合成

    千次阅读 2020-08-16 13:07:24
    将下图文件夹中的b2,b3,b4,b8单波段合成tif文件 # -*- coding: utf-8 -* # @Author : ZhangMin # @Time : 2020/7/20 17:38 ''' 波段合成 ''' import os import numpy as np from osgeo import gdal os.environ...

    将下图文件夹中的b2,b3,b4,b8单波段合成tif文件
    在这里插入图片描述

    # -*- coding: utf-8 -*
    # @Author  : ZhangMin
    # @Time    :  2020/7/20 17:38
    
    '''
    波段合成
    '''
    import os
    
    import numpy as np
    from osgeo import gdal
    
    os.environ['PROJ_LIB'] = r'D:\Anaconda3\envs\cloneTF21\Library\share\proj'
    
    
    class GRID:
    
        # 读图像文件
        def read_img(self, filename):
            dataset = gdal.Open(filename)  # 打开文件
    
            im_width = dataset.RasterXSize  # 栅格矩阵的列数
            im_height = dataset.RasterYSize  # 栅格矩阵的行数
    
            im_geotrans = dataset.GetGeoTransform()  # 仿射矩阵
            im_proj = dataset.GetProjection()  # 地图投影信息
            im_data = dataset.ReadAsArray(0, 0, im_width, im_height)  # 将数据写成数组,对应栅格矩阵
            
    		# 下面两句读取影像中的绿波段和近红外波段,本文用不到
    		# GreedBand = dataset.GetRasterBand(2).ReadAsArray(0, 0, cols, rows)
    		# NIRBand = dataset.GetRasterBand(7).ReadAsArray(0, 0, cols, rows)
    
    		
            del dataset  # 关闭对象,文件dataset
            return im_proj, im_geotrans, im_data, im_width, im_height
    
        # 写文件,以写成tif为例
        def write_img(self, filename, im_proj, im_geotrans, im_data):
    
            # 判断栅格数据的数据类型
            if 'int8' in im_data.dtype.name:
                datatype = gdal.GDT_Byte
            elif 'int16' in im_data.dtype.name:
                datatype = gdal.GDT_UInt16
            else:
                datatype = gdal.GDT_Float32
    
            # 判读数组维数
            if len(im_data.shape) == 3:
                im_bands, im_height, im_width = im_data.shape
            else:
                im_bands, (im_height, im_width) = 1, im_data.shape
    
            # 创建文件
            driver = gdal.GetDriverByName("GTiff")  # 数据类型必须有,因为要计算需要多大内存空间
            dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)
    
            dataset.SetGeoTransform(im_geotrans)  # 写入仿射变换参数
            dataset.SetProjection(im_proj)  # 写入投影
    
            if im_bands == 1:
                dataset.GetRasterBand(1).WriteArray(im_data)  # 写入数组数据
            else:
                for i in range(im_bands):
                    dataset.GetRasterBand(i + 1).WriteArray(im_data[i])
    
            del dataset
    
    if __name__ == "__main__":
        run = GRID()
        # 重采样的文件夹
        dir_Resample = r"I:\2015_2020jiulongjiangkou\2Resample"
        # 合成后保存的文件夹
        dir_layerstack = r"I:\2015_2020jiulongjiangkou\3layerstack"
        for filename in os.listdir(dir_Resample):
            # 取影像名称的日期信息 如20180511
            timename = filename[11:19]
            print(filename)
            print(timename)
            # join 连接文件夹父目录dir 和 父目录下的文件夹 i
            path = os.path.join(dir_Resample, filename)
            if os.path.isdir(path):
                os.chdir(path)  # 切换路径到待处理图像所在文件夹
                # 第一步:读取影像文件夹的单波段b2,b3,b4....
                proj, geotrans, data1, row1, column1 = run.read_img('B2.img')  # 读数据
                proj2, geotrans2, data2, row2, column2 = run.read_img('B3.img')  # 读数据
                proj3, geotrans3, data3, row3, column3 = run.read_img('B4.img')  # 读数据
                proj4, geotrans4, data4, row4, column4 = run.read_img('B8.img')  # 读数据
    
                # 第二步:各单波段数组放在一个大的数组下
                data = np.array((data1, data2, data3, data4), dtype=data1.dtype)  # 按序将3个波段像元值放入
    
                # 第三步:写文件合成波段
                run.write_img(dir_layerstack + '/' + timename + '.tif', proj, geotrans, data)  # 写为3波段数据
                print(timename + "波段合成一次")
    
    
    展开全文
  • 遥感影像常用合成波段

    千次阅读 2020-04-03 14:27:35
    321:真彩色合成,即3、2、1波段分别赋予红、绿、蓝色,则获得自然彩色合成图像图像的色彩与原地区或景物的实际色彩一致,适合于非遥感应用专业人员使用。432:标准假彩色合成,即4、3、2波段分别赋予红、绿、蓝色...

    321:真彩色合成,即3、2、1波段分别赋予红、绿、蓝色,则获得自然彩色合成图像,图像的色彩与原地区或景物的实际色彩一致,适合于非遥感应用专业人员使用。
    432:标准假彩色合成,即4、3、2波段分别赋予红、绿、蓝色,获得图像植被成红色,由于突出表现了植被的特征,应用十分的广泛,而被称为标准假彩色。

    543:波段选取及主成份分析  我们的研究采用1995年8月2日的TM数据。对于屏幕显示和屏幕图象分析,选用信息量最为丰富的5、4、3波段组合配以红、绿、兰三种颜色生成假彩色合成图像,这个组合的合成图像不仅类似于自然色,较为符号人们的视觉习惯,而且由于信息量丰富,能充分显示各种地物影像特征的差别,便于训练场地的选取,可以保证训练场地的准确性;对于计算机自动识别分类,采用主成分分析(K-L变换)进行数据压缩,形成三个组分的图像数据,用于自动识别分类。该项工作是采用以遥感图像解译为主结合地质、物化探资料进行研究的综合方法。解译为目视解译,解译的遥感图像有:以1984年3月成像经处理放大为1:5万卫星TM假彩色片(5 、4、3波段合成)和1979年7月拍摄的1:1.6万黑白航片为主要工作片种;采用1986年11月的1:10万TM假彩色片(7、4、2波段合成)为参考片种。

    展开全文
  • 遥感影像波段/通道bands

    千次阅读 2020-06-11 10:19:25
    可以先把遥感影像波段简单理解为图像的通道 一.遥感影像波段 转载自https://www.jianshu.com/p/d0765ee89b86 1.原理 波段又称为波谱段或波谱带,在遥感技术中,通常把电磁波谱划分为大大小小的段落,大的成为波段...


    可以先把遥感影像的波段简单理解为图像的通道

    一.遥感影像波段

    转载自https://www.jianshu.com/p/d0765ee89b86
    

    1.原理

    波段又称为波谱段或波谱带,在遥感技术中,通常把电磁波谱划分为大大小小的段落,大的成为波段区,如可见区、红外区等;中等的如近红外、远红外等;小的称为波段。

    影像数据根据波段的多少可以分为单波段影像和多波段影像两种,单波段影像一般用黑白色的灰度图来描述,多波段常用RGB 合成象素值的彩色图来描述,就是将三个波段的数据分别通过红、绿、蓝三个通道加载,从而渲染出。

    将多波段影像数据添加到地图中之后,可使用多波段栅格数据集中的任意三个可用波段的组合来创建 RGB 合成图。与仅处理一个波段相比,通过将多个波段共同显示为RGB 合成图通常可从数据集收集到更多信息。
    在这里插入图片描述
    在具有多个波段的情况下,每个波段分别表示有传感器采集到的电磁光谱的一部分。波段可以表示电磁光谱的任何部分,其中包括非可见光谱范围,如红外区或紫外区。
    在这里插入图片描述
    例如,卫星影像通常包含表示不同波长的多个波段,即从电磁光谱的紫外区到可见光区和红外区。例如,美国陆地资源卫星(landasat)影像的数据采集自电磁光谱的七个不同波段。波段1–7(包括波段 6 在内)表示来自可见光区、近红外区和中红外区的数据。波段 6从热红外区采集数据。
    另一个多波段图像的示例是真彩色正射影像,该影像包含分别表示红光、绿光和蓝光的三个波段。
    在这里插入图片描述

    2.举例说明

    不同的波段组合突出的地物特征不同,以 TM影像的7个波段数据为例,说明常用的波段组合:

    321
    波段:即真彩色合成,3、2、1波段分别赋予红、绿、蓝色,获得自然彩色合成图像,图像的色彩与源地区或景物的实际色彩一致。适宜于浅海探测作图,同时,适用于非遥感应用专业人员使用。

    432
    波段:即标准假彩色合成,4、3、2波段分别赋予红、绿、蓝色,标准假彩色图像中的植被显示为红色,可突出体现植被特征,常应用于提取植被信息。在植被、农作物、土地利用和湿地分析方面,是最常用的波段组合。

    453
    波段:信息量最丰富的组合,在TM数据的7个波段光谱图像中,一般第5个波段包含的地物信息最丰富.采用4、5、3波段分别赋予红、绿、蓝色合成的图像,色彩反差明显,层次丰富,且图上各类地物的色彩显示规律与常规合成片相似,常用于目视解译,同时也应用于确定陆地和水体的边界。

    741
    波段:该波段组合图像具有兼容中红外、近红外、及可见光波段信息的优势,图像色彩丰富,层次感好,具有极为丰富的地质信息和地表环境信息,且干扰信息少,地址可解译程度高,各种构造形迹(褶皱及断裂)显示清楚,不同类型的岩石区边界清晰。

    二.TM影像各波段简介

    转载自:https://blog.csdn.net/ctyqy2015301200079/article/details/84329692
    

    1.TM影像概述

    指美国陆地卫星(landsat)专题制图仪(thematic mapper)所获取的多波段扫描影像。分为7个波段。主要特点为具较高空间分辨率、波谱分辨率、极为丰富的信息量和较高定位精度。

    TM影像有7个波段,以下是他们的波谱范围:

    TM-1为0.45~0.52微米,蓝光波段;
       TM-2为0.52~0.60微米,绿光波段;
       TM-3为0.63~0.69微米,红光波段,以上3段为可见光波段;
       TM-4为0.76~0.90微米,为近红外波段;
       TM-5为1.55~1.75微米,中红外波段;
       TM-6为10.40~12.50微米,为热红外波段;
       TM-7为2.08~2.35微米,为远红外波段。

    影像空间分辨率除热红外波段为120米外,其余均为30米,像幅185×185平方公里。单波段像元数为38023666(其中TM-6为2376479个)。一景TM影像总信息量为230兆字节,约相当于MSS影像的7倍。

    因TM影像具较高空间分辨率、波谱分辨率、极为丰富的信息量和较高定位精度,成为20世纪80年代中后期得到世界各国广泛应用的重要的地球资源与环境遥感数据源。能满足有关农、林、水、土、地质、地理、测绘、区域规划、环境监测等专题分析和编制1∶10万或更小比例尺专题图,修测中大比例尺地图的要求。

    2.各波段影像特征

    TM1为0.45~0.52微米的蓝波段,该波段位于水体衰减系数最小的部位,对水体的穿透力最大,用于判别水深,研究浅海水下地形、水体浑浊度等,进行水系及浅海水域制图;

    TM2为0.52~0.60微米的绿波段,该波段位于绿色植物的反射峰附近,对健康茂盛植物反射敏感,可以识别植物类别和评价植物生产力,对水体具有一定的穿透力,可反映水下地形、沙洲、沿岸沙坝等特征;

    TM3为0.63~0.69微米的红波段,该波段位于叶绿素的主要吸收带,可用于区分植物类型、覆盖度、判断植物生长状况等,此外该波段对裸露地表、植被、岩性、地层、构造、地貌、水文等特征均可提供丰富的植物信息;

    TM4为0.76~0.90微米的近红外波段,该波段位于植物的高反射区,反映了大量的植物信息,多用于植物的识别、分类,同时它也位于水体的强吸收区,用于勾绘水体边界,识别与水有关的地质构造、地貌等;

    TM5为1.55~1.75微米的中红外波段,该波段位于两个水体吸收带之间,对植物和土壤水分含量敏感,从而提高了区分作物的能力,信息量大,应用率较高;

    TM6为10.40~12.50微米的热红外波段,该波段对地物热量辐射敏感,可以根据辐射响应的差别区分农林覆盖长势,差别表层湿度,水体岩石,以及监测与人类活动有关的热特征,进行热制图;

    TM7为2.08~2.35微米的为远红外波段,是专为地质调查追加的波段,处于水的强吸收带,水体呈黑色,可用于区分主要岩石类型,岩石的热蚀度,探测与交代岩石有关的粘土矿物。

    3.波段组合

    1、TM321(RGB):均是可见光波段,合成结果接近自然色彩。对浅水透视效果好,可用于监测水体的浊度、含沙量、水体沉淀物质形成的絮状物、水底地形。一般而言:深水深兰色;浅水浅兰色;水体悬浮物是絮状影象;健康植被绿色;土壤棕色或褐色。可用于水库、河口及海岸带研究,但对水陆分界的划分不合适。这种RGB组合模拟出一副自然色的图象,有时用于海岸线的研究和烟柱的探测。

    2、TM432(RGB):标准假彩色合成,获得图像植被成红色,由于突出表现了植被的特征,应用十分的广泛,而被称为标准假彩色。
       举例:卫星遥感图像示蓝藻暴发情况
       我们先看一看蓝藻爆发时遥感监测机理。蓝藻暴发时绿色的藻类生物体拌随着白色的泡沫状污染物聚集于水体表面,蓝藻覆盖区的光谱特征与周围湖面有明显差异。由于所含高叶绿素A的作用,蓝藻区在LandsatTM2波段具有较高的反射率,在TM3波段反射率略降但仍比湖水高,在TM4波段反射率达到最大。因此,在TM4(红)、3(绿)、2(蓝)假彩色合成图像上,蓝藻区呈绯红色,与周围深蓝色、蓝黑色湖水有明显区别。此外,蓝藻暴发聚集受湖流、风向的影响,呈条带延伸,在TM图像上呈条带状结构和絮状纹理,与周围的湖水面也有明显不同。

    3、TM451(RGB):信息量最丰富的组合,TM图像的光波信息具有3~4维结构,其物理含义相当于亮度、绿度、热度和湿度。在TM7个波段光谱图像中,一般第5个波段包含的地物信息最丰富。3个可见光波段(即第1、2、3波段)之间,两个中红外波段(即第4、7波段)之间相关性很高,表明这些波段的信息中有相当大的重复性或者冗余性。第4、6波段较特殊,尤其是第4波段与其他波段的相关性得很低,表明这个波段信息有很大的独立性。计算各种组合的熵值的结果表明,由一个可见光波段、一个中红外波段及第4波段组合而成的彩色合成图像一般具有最丰富的地物信息,其中又常以4,5,3或4,5,1波段的组合为最佳。第7波段只是在探测森林火灾、岩矿蚀变带及土壤粘土矿物类型等方面有特殊的作用。最佳波段组合选出后,要想得到最佳彩色合成图像,还必须考虑赋色问题。人眼最敏感的颜色是绿色,其次是红色、蓝色。因此,应将绿色赋予方差最大的波段。按此原则,采取4、5、3波段分别赋红、绿、蓝色合成的图像,色彩反差明显,层次丰富,而且各类地物的色彩显示规律与常规合成片相似,符合过去常规片的目视判读习惯。例如把4、5两波段的赋色对调一下,即5、4、3 分别赋予红、绿、蓝色,则获得近似自然彩色合成图像,适合于非遥感应用专业人员使用。

    4、TM741(RGB):波段组合图像具有兼容中红外、近红外及可见光波段信息的优势,图面色彩丰富,层次感好,具有极为丰富的地质信息和地表环境信息;而且清晰度高,干扰信息少,地质可解译程度高,各种构造形迹(褶皱及断裂)显示清楚,不同类型的岩石区边界清晰,岩石地层单元的边界、特殊岩性的展布以及火山机构也显示清楚。

    5、TM742(RGB):1992年,完成了桂东南金银矿成矿区遥感地质综合解译,利用1:10万TM742假彩色合成片进行解译,共解译出线性构造1615条,环形影像481处, 并在总结了构造蚀变岩型、石英脉型、火山岩型典型矿床的遥感影像特征及成矿模式的基础上,对全区进厅成矿预测,圈定金银A类成矿远景区2处,B类 4处,C类5 处。为该区优选找矿靶区提供遥感依据。

    6、TM743(RGB):我国利用美国的陆地卫星专题制图仪图像成功地监测了大兴安岭林火及灾后变化。这是因为TM7波段(2.08-2.35微米)对温度变化敏感;TM4、TM3波段则分别属于红外光、红光区,能反映植被的最佳波段,并有减少烟雾影响的功能;同时TM7、TM4、TM3(分别赋予红、绿、蓝色)的彩色合成图的色调接近自然彩色,故可通过 TM743彩色合成图的分析来指挥林火蔓延与控制和灾后林木的恢复状况。

    7、TM754(RGB):对不同时期湖泊水位的变化,也可采用不同波段,如用陆地卫星MSS7,MSS5,MSS4合成的标准假彩色图像中的蓝色、深蓝色等不同层次的颜色得以区别。从而可用作分析湖泊水位变化的地理规律。

    8、TM541(RGB):XX开发区砂石矿遥感调查是通过对陆地卫星TM最佳波段组fefee7合的选择(TM5、TM4、 TM1)以及航空、航天多种遥感资料的解译分析进行的,在初步解译查明调查区第四系地貌。例如把4、5两波段的赋色对调一下,即5、4、3分别赋予红、绿、蓝色,则获得近似自然彩色合成图像,适合于非遥感应用专业人员使用。

    9、TM543(RGB):波段选取及主成份分析 我们的研究采用1995年8月2日的TM数据。对于屏幕显示和屏幕图象分析,选用信息量最为丰富的5、4、3波段组合配以红、绿、兰三种颜色生成假彩色合成图像,这个组合的合成图像不仅类似于自然色,较为符号人们的视觉习惯,而且由于信息量丰富,能充分显示各种地物影像特征的差别,便于训练场地的选取,可以保证训练场地的准确性;对于计算机自动识别分类,采用主成分分析(K-L变换)进行数据压缩,形成三个组分的图像数据,用于自动识别分类。该项工作是采用以遥感图像解译为主结合地质、物化探资料进行研究的综合方法。解译为目视解译,解译的遥感图像有:以1984年3月成像经处理放大为1:5万卫星TM假彩色片(5 、4、3波段合成)和1979年7月拍摄的1:1.6万黑白航片为主要工作片种;采用1986年11月的1:10万TM假彩色片(7、4、2波段合成)为参考片种。

    10、TM453(RGB):本研究遥感信息源是中国科学院卫星遥感地面接收站于1995年10月接收美国MSS卫星遥感TM波段4(红)、波段5(绿)、波段3(蓝)CCT磁带数据制作的1∶10万和1∶5 万假彩色合成卫星影像图。图上山地、丘陵、平原台地等喀斯特地貌景观及各类用地影像特征分异清晰。成像时期晚稻接近收获,且稻田中不存积水,因此耕地类型中的水田色调呈粉红色;旱地由于作物大多收获,且土壤水分少而呈灰白色;菜地则由于蔬菜长势好,色调鲜亮并呈猩红色。园地色调呈浅褐色,且地块规则整齐、轮廓清晰。林地中乔木林色调呈深褐色,而分布于喀斯特山地丘陵等地区的灌丛则呈黄到黄褐色。牧草地大多呈黄绿色调。建设用地中的城镇呈蓝色;公路呈线状,色调灰白;铁路呈线条状,色调为浅蓝;机场跑道为蓝色直线,背景草地呈蓝绿色;在建新机场建设场地为白色长方形;备用旧机场为白色色调,外形轮廓清晰、较规则。水库和河流则都呈深蓝色调。采取4、5、3波段分别赋红、绿、蓝色合成的图像,色彩反差明显,层次丰富,而且各类地物的色彩显示规律与常规合成片相似,符合过去常规片的目视判读习惯。472:在采用TM4、7、2波段假彩色合成和 1:4 计算机插值放大技术方面,在制作 1:5万TM影像图并成 1:5万工程地质图、塌岸发展速率的定量监测以及在单张航片上测算岩 (断) 层产状等方面,均有独到之处。

    4.类型提取

    1.城市与乡镇的提取:TM1+TM7+TM3+TM5+TM6+TM2-TM4
    2.乡镇与村落:TM1+TM2+TM3+TM6+TM7-TM4-TM5
    3.河流的提取:TM5+TM6+TM7-TM1-TM2-TM4
    4.道路的提取:TM6-(TM1+TM2+TM3+TM4+TM5+TM7)

    5.光谱差异

    TM1居民地与河流菜地不易分;
    TM2居民地与河流菜地不易;
    TM3乡村与菜地不易分;
    TM4农田与道路不易分,乡镇、道路、河滩易混;
    TM5县城与农田不易分;
    TM6村庄与河流易混。

    三.遥感图像——多波段数据存储的方式

    转载自:https://blog.csdn.net/chaolei3/article/details/79589438
    

    首先,我们贴上一幅遥感3通道(3个波段)的图像,来看其在计算机中是如何表示的。然后再介绍一下多波段数据的几种存储方式。
    在这里插入图片描述
    用matlab的筒子一定很清楚这种表示方法,也就是一个波段对应一个矩阵。

    多波段数据的存储方式主要有3种:

    1. 逐波段存储BSQ
    2. 逐行存储BIL
    3. 逐像元存储BIP

    1.逐波段存储BSQ

    逐波段存储就是将一个波段的数据存储在一起,这样的话对于要一次性读取一个波段的操作较好,可是要是每次操作都涉及到几个波段的数据,这样的存储方法就对内存的占用比较大。也就是说逐波段存储对处理空间信息有利。示例图如下:
    在这里插入图片描述

    2.逐像元存储BIP

    逐像元存储将一个像元的数据先存储起来,然后再存储其他像元的数据,也就是说同一个像元的光谱信息被存在了一个连续的地址,这样对于操作像元光谱信息频繁的操作来说十分方便快捷。
    在这里插入图片描述

    3.逐行存储BIL

    逐行存储是一种介于逐波段存储和逐像元存储的方法,它将各通道的每一行存储在一起,具体来说,就是存好了1通道的第1行,接着2通道的第1行,然后3通道的第1行,……,当第1行都存储完毕就去存储第2行的数据。
    在这里插入图片描述

    4.总结方法的优劣

    对于上面的方法做一个总结:
    逐波段存储(BSQ)有利于图像空间分布信息的显示与处理。
    逐像元存储(BIP)有利于图像元光谱信息的显示与处理。
    逐行存储(BIL)兼顾了图像空间分布信息与像元光谱信息的显示与处理。

    四.USGS官网-What are the band designations for the Landsat satellites?

    Landsat卫星的波段指定是什么:
    https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites?qt-news_science_products=0#qt-news_science_products
    
    展开全文
  • TM遥感影像波段/通道bands

    千次阅读 2021-01-04 21:13:09
    遥感影像波段band 一.遥感影像波段 1.原理 2.举例说明 二.TM影像各波段简介 1.TM影像概述 2.各波段影像特征 3.波段组合 4.类型提取 5.光谱差异 三.遥感图像——多波段数据存储的方式 1.逐...
  • 主要介绍了Python 实现遥感影像波段组合的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • Python 实现遥感影像波段组合

    千次阅读 2018-09-04 16:00:16
    最近要做个遥感相关的小系统,需要波段组合功能,网上找了可以使用ArcGIS安装时自带的arcpy包...读取需要组合遥感影像波段(此处用OLI)  2.创建数组,把读取的波段按序放进去  3.写入文件,写成tif多波段数据 ...
  • 加载需要处理的影像 选择波段组合顺序 点击“处理”按钮,等待处理完成 Sentinel-2波段组合 加载数据 选择波段组合顺序 点击“处理”按钮,等待处理完成 珠海一号辐射定标与波段组合 加载数据 选择波段组合...
  • 刚刚开始想着手学习Python,决定从最基础的读写遥感影像开始。学习借鉴了网上很多前辈们的经验,自己出现了一些小问题写在这里,算是记录一下。 这是USGS上下载的一景Landsat8影像,地点在青海。 用ENVI截取了...
  • 合并MOD13Q1一年23期NDVI或者EVI指数数据为一个tif文件。...layerspath = r'H:\python_RS'#波段存放文件夹 path =r'H:\LayerStack'#输出结果存放文件夹 # start calculate time startTime = datetime.datetime.now
  • # -*- coding: utf-8 -*- # @Time : 2020/9/14 20:48 # @Author : ZhangMin ...# python读取遥感影像,写出遥感影像 from osgeo import gdal os.environ['PROJ_LIB'] = r'e:\Anaconda3\envs\cloneTF21\Libra
  • 遥感图像彩色合成

    万次阅读 2011-03-22 16:30:00
    遥感图像彩色合成遥感数字图像处理教程,韦玉春等,科学出版社,2007,pp67~75)  电磁波谱中可见光能被人眼所感觉而产生视觉,不同波长的光显出不同的颜色。自然界中的物体,对于入射光有不同的选择性...
  • Matlab遥感图像波段,组合显示

    千次阅读 2019-10-15 09:44:16
    matlab遥感图像波段,组合显示
  • 波段合成

    千次阅读 2020-07-08 11:40:45
    首先打开ENVI Class 5.3 软件,把下载的遥感影像各波段添加到ENVI Class 5.3 软件中。File—Open Imagr File ,选择各个波段的图像。 点击Basic Tools—Layer Stacking,打开了波段合成窗口,点击Im
  • 针对一些遥感数据缺失蓝波段而无法进行真彩色影像合成的问题,提出一种模拟多光谱传感器真彩色影像的方法。将中分辨率成像光谱仪MODIS 地表反射率产品...研究成果进一步扩展了图-图遥感影像波段模拟模型的研究深度。
  • Indian Pines航空高光谱遥感影像(简称“Indian Pines数据”),该数据由NASA AVIRIS传感器于1992年6月12日在美国印第安纳州西 北部农业区获取。该数据空间分辨率为20m,影像空间大小为145x145像素(21025个),...
  • 遥感图像处理(processing of remote sensing image data)...(1) 掌握不同的遥感影像格式 (2) 掌握不同遥感影像处理软件的基本操作 (3) 熟悉遥感影响的导入导出基本操作 (4) 熟悉遥感影像的格式转换操作 二、...
  • RSD的遥感图像合成工具

    千次阅读 2020-07-10 10:04:59
    如果将开发遥感数据处理平台比作盖一幢大楼,图像合成部分就应该算是外墙粉刷吧。总觉得外观部分不影响整体可以拖后再进行美化加工,所以RSD图像合部分成一致迟迟未做,只有最初设计的线性拉伸在应付日常使用。不过...
  • 遥感影像及其特征、遥感图像处理方法介绍
  • ETM+遥感不同波段的用途

    千次阅读 2018-11-21 19:24:43
    ETM+ 各个波段的特征 B1 为蓝色波段,该波段位于水体衰减系数最小的部位,对水体的穿透力最大,用于判别水深,研究浅海水下地形、水体浑浊度等,进行水系及浅海水域制图; B2 为绿色波段,该波段位于绿色植物的反射...
  • 一、多个波段图像组合 1.打开envi,把要组合的波段图像都打开 打开后如上图所示。 2.点击Basic Tools(基本工具)-----Layer Stacking(图层堆栈) 点击Import File,把要组合的图像都添加进去,之后点击ok。 添加...
  • 遥感卫星影像数据全色波段和多光谱波段 一、全色波段 全色波段,一般指使用0.5微米到0. 75微米左右的单波段,即 从绿色往后的可见光波段。全色遥感影象也就是对地物辐射 中全色波段的影象摄取,因为是单波段,在...
  • 为解决商用软件和相关方法在进行遥感数字图像假彩色合成时存在像素点亮度值丢失、异常亮点过多等问题,采用理论分析和实验对比的方法,提出无损平移双向对比度拉伸遥感数字图像假彩色合成增强方法.研究结果表明:该方法...
  • 对于量化等级相同的原始图像数据,其标准差和信息量存在正比关系,而波段间的相关系数则反映不同波段图像数据间信息冗余度的多少。据此原理,美国查维茨(Chavez,1982)提出了最佳指数(Optimum Index Factor)的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 885
精华内容 354
关键字:

遥感影像波段合成