Java教程

卫星影像类型信息整理

本文主要是介绍卫星影像类型信息整理,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

一些卫星类型数据:

 

 

 

 《影像融合》  原始数据为4波段捆绑数据,全色传感器拍摄的数据和多光谱传感器拍摄数据是分开的。全色和多光谱影像配准是影像融合的前提和基础,配准的精度直接影响最终正射融合影像制作的质量。多光谱影像与全色波段影像的配准校正以正射校正好的全色波段影像为控制基础,利用全色影像的同名点和DEM数据,同样采用全色影像自动正射校正的方法,对多光谱数据进行正射校正。为保证融合效果,校正后将多光谱影像和全色波段影像进行套合检查,两景影像之间的配准精度不得大于0.5个像元(多光谱影像上)。不同传感器的数据具有不同的时间、空间和光谱分辨率以及不同的极化方式。单一传感器获取的影像信息量有限,往往难以满足应用需要,通过影像融合可以从不同的遥感影像中获得更多的有用信息,补充单一传感器的不足。全色图影像一般具有较高空间分辨率,多光谱影像光谱信息较丰富。为提高多光谱影像的空间分辨率,可以将全色影像融合进多光谱图像,通过融合既提高多光谱影像空间分辨率,又保留其多光谱特性。对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段,从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合,使得图像既有高的空间分辨率和纹理特性,又有丰富的光谱信息,从而达到影像地图信息丰富、视觉效果好、质量高的目的。 
 
《影像匀色》 相邻的遥感图像,由于成像日期、季节、天气、环境等因素可能有差异,不仅存在几何畸变问题,而且还存在辐射 ,水平差异导致同名地物在相邻图像上的色彩亮度值不一致。如不进行色调调整就把这种图像镶嵌起来,即使几何配准的精度很高,重叠区复合得很好,但镶嵌后两边的影 像色调差异明显,接缝线十分突出,既不美观,也影响对地物影像与专业信息的分析与识别,降低应用效果。要求镶嵌完的数据色调基本无差异,美观。遥感影像匀色后保证影像整体色彩一致性。 
 
《影像镶嵌》 将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像,通过镶嵌处理,可以获得更大范围的地面图像。参与镶嵌的图像可以是不同时间同一传感器获取的,也可以是不同时间不同传感器获取的图像,但同时要求镶嵌的图像之间要有一定的重叠度。影像的镶嵌过程是将多于两景的影像进行无缝拼接,形成一幅完整的目标区域的过程。镶嵌前选择一张基准影像,作为镶嵌过程中对比度匹配及出现跨带问题时镶嵌后输出影像的为例投影、数据类型的基准,并以此作为颜色平衡参考对其他影像进行调整。镶嵌过程中,任意两景影像间有一定区域的重叠区域,以解决两张影像间的镶嵌线问题,得到视觉上完整的影像。 
 
《影像去云雾》 影像数据常常有云雾覆盖,针对有云雾覆盖的影像,可以通过后期技术处理去除薄云雾,达到影像最佳效果。如果影像想要完全无云,那就需要多期影像叠加,从而剔除有云部分。
   
《影像纠正》 也叫正射校正、几何校正,目地是纠正了因传感器、地形起伏等因素引起的像点元素上的偏移,并利用地面控制点通过相应的数学算法模型来进行实现的过程。正射纠正后的影像在精度上、影像的特性上以及信息表达上都能达到很好的效果。依据控制点,利用相应软件模块对数据进行几何精校正,这一步骤包括利用地面控制点(GCPs)找出实际地形,计算配准中控制点的误差,利用DEM消除地形起伏引起的位移,然后对图像进行重采样等。形成符合某种地图投影或图形表达要求的新影像。 在选择控制点的过程中要保证控制点选取在位置不发生变化的固定点,比如道路交叉点、房屋顶角、河流明显拐点等显眼和固定的位置,并且需要保证控制点选取均匀分布,控制点数量足够,从而保证后期校正的准确度,使得校正后的数据坐标信息准确有效,地物不会发生形变错位。校正误差要要求:平原地区低于2个像素,山区低于3个像素,特殊地形复杂区域可以适当放开要求。
 
《大气纠正》 大气校正辐射校正是消除大气干扰、地形等因素的影像,从而使卫星的光谱信息具有真实可靠性,便于后期进行准确的植被信息提取和分析。从而获得真实的反射率数据,并对其进行动态监测的过程,这是预处理中比较重要的环节。 
 
《投影转换 》根据用户对遥感数据需求进行自定义投影设置坐标设置,或根据应用要求将其转为需要的投影坐标信息。 
《影像裁剪》 图像裁剪是保留所研究区域的影像,并保证说裁剪部分信息丰富、易于表达等特点。 
 
《即插即用 》做完遥感卫星数据预处理的卫星影像,无使用门槛,可与各类GIS软件系统无缝衔接 。

这篇关于卫星影像类型信息整理的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!