浅析卫星遥感影像处理技术.docVIP

浅析卫星遥感影像处理技术 　　摘 要：随着计算机和航天技术的发展，卫星遥感技术已经成为现代获取地理空间信息数据的主要手段。近年来，我国发射了一系列的高分辨率遥感卫星，高分二号、天绘一号、资源三号等，如何快速处理卫星遥感数据、加强卫星遥感数据应用研究，对于提高卫星遥感技术服务国民经济建设具有重要的现实意义。 　　关键词：卫星遥感 影像处理 纠正 融合 　　中图分类号：TP751 文献标识码：A 文章编号：1672-3791（2014）11（b）-0037-01 　　遥感即遥远的感知，卫星遥感技术指的是研究利用星载的各种不同类型的非接触传感器，获取模拟的或数字的影像，然后通过解析和数字化方式提取所需要的信息，在空间信息系统中数字地加以存储、管理、分析和表达，再通过可视化和符号化技术形成所需要的产品供各领域应用，具有周期短、覆盖范围大、费用低等特点。我国最近发射了一系列如高分二号、天绘一号、资源三号等高分辨卫星。该文从卫星遥感影像纠正、融合、镶嵌裁切等多方面的处理技术进行研究和探讨。 　　1 卫星遥感影像处理技术流程 　　卫星遥感影像分为全色和多光谱两种数据，全色影像即常说的黑白影像，多光谱影像即常说的彩色影像，一般三个波段以上不等。目前大多数遥感卫星都有全色和多光谱数据，可采用两种处理流程：一是全色与多光谱数据配准精度高者，先融合再纠正；二是全色与多光谱数据配准精度差者，先纠正全色数据，然后多光谱数据与全色进行配准，再进行融合处理。最后对融合后的影像进行影像镶嵌、调色和成果裁切。 　　2 卫星遥感影像处理 　　2.1 卫星遥感影像纠正处理 　　为了降低对用户专业水平的需求，扩大用户范围，同时保护卫星的核心技术参数不被泄漏，绝大部分卫星数据向用户提供一种与传感器无关的通用型成像几何模型―有理函数（RPC）模型，替代以共线条件为基础的严格几何模型。RPC模型的建立采用“独立于地形”的方式，即首先利用星载GPS测定的卫星轨道参数及恒星相机、惯性测量单元测定的姿态参数建立严格几何模型；之后，利用严格模型生成大量均匀分布的虚拟地面控制点，再利用这些控制点计算RPC模型参数，其实质是利用RPC模型拟合严格几何成像模型。 　　RPC模型纠正具有多个特点，它对任何卫星类型的遥感影像数据都是有效的，处理时需要高精度的DEM，采用复杂的多项式进行拟合，一般2～3阶，需要的控制点较多。 　　纠正控制资料一般有外业控制点、DOM、DLG或者DRG数据，纠正前一定要明确控制资料的坐标系统，通过RPC参数与控制资料的相关投影关系，可实现控制点的快速准确定位，中误差需控制在2～3个像素以内，若较大，则需调整，具体根据参考资料及地形差异确定。若为全色与多光谱配准精度，则控制在0.5～1个像素内为宜，才能保证融合后影像不会有重影、模糊的现象，重采样方法一般选择双立方或者三次卷积，避免和减少线性地物锯齿现象的发生。 　　卫星遥感影像纠正质量把关严不严，关系到后续工作处理和成果的精度，最后才发现纠正有问题的话再去返工处理、极大降低效率，一定要对纠正质量进行严格检查。纠正质量检查主要从以下几个方面去检查，一是控制点定位是否准确，分布是否均匀；二是纠正控制点单点最大误差是否超限；三是纠正控制点残差中误差是否超限；四是纠正影像精度是否超限。 　　2.2 卫星遥感影像融合处理 　　遥感影像融合是将同一环境或对象的遥感影像数据综合处理的方法和工具，产生比单一影像更精确、更完全、更可靠的估计和判决，以提供满足某种应用的高质量信息，作用主要有：（1）锐化影像、提高空间分辨率；（2）克服目标提取与识别中数据不完整性，提高解译能力；（3）提高光谱分辨率，用于改善分类精度；（4）利用光学、热红外和微波等成像传感器的互补性，提高监测能力。 　　遥感影像融合一般可分为：像素级、特征级和决策级融合。像素级融合是指将配准后的影像对像素点直接进行融合。优点是保留了尽可能多的信息，具有较高精度。缺点是处理信息量大、费时、实时性差。由于像素级融合是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它融合层次所不能提供的细微信息，因而应用广泛，推荐使用Pansharping融合算法，它能最大限度地保留多光谱影像的颜色信息和全色影像的空间信息，融合后的图像更加接近实际。 　　对于缺失蓝波段的卫星遥感影像来说，一般可用近红外波段来替代蓝波段，同时对绿波段进行处理。通过RGB={B2，（B1 +B2 +B3）/3，B3}的方式进行假彩色合成，可合成接近自然的颜色。 　　对于四波段并具有RGB的影像，由于秋冬季节、制图需要或植被识别等需对绿色进行增强，而简单的通过RGB颜色不能满足需求的时候，因近红外对绿色等植被反应灵敏，可在绿波段加入近红外波段，RGB={B3