卫星图像处理流程

卫星图像处理流程

—・图像预处理

1.降噪处理

由于传感器的因素，一些获得的遥感图像中，会出现周期性的噪声，我们必需对其进行

消退或减弱方可运用。

(1)除周期性噪声和尖锐性噪声

周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和

相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用

带通或者槽形滤波的方法来消退。

消退尖峰噪声，特殊是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比

较便利。

图1消退噪声前

图2消退噪声后

(2)除坏糊口条带

去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐

射信号无关的条带噪声，一般称为坏线。一般采纳傅里叶变换和低通滤波进行消退或减

弱。

图3去条纹前

图4去条纹后

图5去条带前

图6去条带后

2.薄云处理

由于天气缘由，对于有些遥感图形中出现的薄云可以进行减^处理。

3.阴影处理

由于太阳高度角的缘由，有些图像会出现山体阴影，可以采纳比值法对其进行消退。

二.几何订正

通常我们获得的遥感影像一般都是Level2级产品，为使其定位精确，我们在运用遥感

图像前，必需对其进行几何精订正，在地形起伏较大地区，还必需对其进行正射订正。

特殊状况下还须对遥感图像进行大气订正，此处不做阐述。

1.图像配准

为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必需先将

其中一种数据源的地理坐标配准到另一种数据源的地理坐标上，这个过程叫做配准。

(1)影像对栅格图像的配准

将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加

显示。

图7图像配准前

图8图像配准后

(2)影像对矢量图形的配准

将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显

7Fo

2.几彳可粗订正

这种校正是针对引起几何畸变的缘由进行的，地面接收站在供应应用户资料前，已按常

规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太B日高度

角对该幅图像几何畸变进行了校正.

3.几何精订正

为精确对遥感数据进行地理定位，须要将遥感数据精编定位到特定的地理坐标系的，这

个过程称为几何精订正。

(1)图像对图像的订正

利用已有精确地理坐标和投影信息的遥感影像，对原始遥感影像进行订正，使其具有精

确的地理坐标和投影信息。

(2)图像对地图(栅格或矢量)

利用已有精确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进行订

正，使其具有精确的地理坐标和投影信息。

图9参考地形图

图10待订正影像

图11订正后影像和地形图套和效果

（3）图像对已知坐标点（地面限制点）

利用已有精确地理坐标和投影信息的已知坐标点或地面限制点，对原始遥感影像进行订

正，使其具有精确的地理坐标和投影信息。

4.正射订正

利用已有地理参考数据（影像、地形图和限制点等而数字高程模型数回DEM、GDEM）,

对原始遥感影像进行订正，可消退或减弱地形起伏带来的影像变形，使得遥感影像具有

精确的地面坐标和投影信息。

图12数字正射影像图

三.图像增加

为使遥感图像所包含的地物信息可读性更强，感爱好目标更突出，须要对遥感图像进行

增加处理。

1.彩色合成

为了充分利用色调在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多

光谱图像进行处理，以得到彩色图像。

彩色图像可以分为真彩色图像和假彩色图像。

图13真彩色合成(TM321)

图14假彩色合成(TM432)

2.直方图变换

统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。

一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。直方图为非正态

分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，须要调整该

直方图到正态分布，以改善图像的质量。

图15直方图拉伸前（原图偏暗）

图16直方图拉伸后

图17直方图拉伸前（原图对比度不强）

图18直方图拉伸后（线性拉伸）

3.密度分割

将灰度图像依据像元的灰度值进行分级，再分级赋以不同的颜色，使原有灰度图像变成

伪彩色图像，达到图像增加的目的。

图19原始图像

图20密度分割图像

4.灰度颠倒

灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围（如0~255）到饱和状态，

然后再进行颠倒，使正像和负像互换。

图21灰度颠倒前

图22灰度颠倒后

5.图像间运算

两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增加。常见的有加法

运算、减法运算、比值运算和综合运算。例如：

减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。

比值运算：常用于计算植被指数、消退地形阴影等。

植被指数：NDVI=(IR-R)/(IR+R)

图23原始图像

图24NDVI植被指数图像

6.邻域增加

又叫滤波处理，是在被处理像元四周的像元参加下进行的运算处理，邻域的范围取决于

滤波器的大小，如3x3或5x5等。

邻区法处理用于去噪声、图像平滑、锐化和相关运算。

图25原始图像

图26拉普拉斯滤波图像（5x5）

7.主成分分析

也叫PCA变换，可以用来消退特征向量中各特征之间的相关性，并进行特征选择,

主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。例如：对

LandsatTM的6个波段的多光谱图像（热红外波段除外）进行主成分分析,然后把得到

的第1,2,3主重量图像进行彩色合成，可以获得信息量特别丰富的彩色图像。

图27第一主成分

图28其次主成分

图29第三主成分

图30第四主成分

图31第五主成分

图32第六主成分

8.K-T变换

即Kauth-Thomas变换，又称为"缨帽变换"。这种变换着眼点在于农作物生长过程

而区分于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。

目前对这个变换的探讨主要集中在MSS与TM两种遥感数据的应用分析方面。

图34其次主重量（绿度）

图35第三主重量

9.图像融合

遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采纳肯定的算法生成一组

新的信息或合成图像的过程。

不同的遥感数据具有不同的空间辨别率、波谱辨别率和时相辨别率，假如能将它们各自

的优势综合起来,可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范

围，而且大大提高了遥感影像分析的精度。

图36多光谱影像

图37高辨别率影像

图38融合影像（HSV融合）

四.图像裁剪

在日常遥感应用中，常常只对遥感影像中的一个特定的范围内的信息感爱好，这嬲要

将遥感影像裁减成探讨范围的大小。

图39原始影像

1.按ROI裁剪

依据ROI（感爱好区域）范围大小对被裁减影像进行裁剪。

图40按ROI（行政区）域裁剪

2.按文件裁剪

依据指定影像文件的范围大小对被裁减影像进行裁剪.

3.按地图裁剪

依据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。

图41按地图坐标范围裁剪

五.图像镶嵌和匀色

1.图像镶嵌

也叫图像拼接，是将两幅或多幅数字影像（它们有可能是在不同的摄影条件下获得的）拼

在一起，构成一幅整体图像的技术过程。

通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁

剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。

图42镶嵌左影像

图43镶嵌右影像

图44镶嵌结果影像

2.影像匀色

在实际应用中，我们用来进行图像镶嵌的遥感影像，常常来源于不同传感器、不同时相

的遥感数据，在做图象镶嵌时常常会出现色调不一样，这时就须要结合实际状况不悭体

协调性对参加镶嵌的影像进行匀色。

图45匀色前影像

图46匀色后影像

六.遥感信息提取

遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。依据遥感图

像上的地物特征，识别地物类型、性质、空间位置、形态、大小等属性的过程即为遥感

信息提取。

目前信息提取的方法有：目视判读法和计算机分类法。其中目视判读是最常用的方法。

1.目视判读

也叫人工解译，即用人工的方法判读遥感影像，对遥感影像上目标地物的范围进行手工

勾绘，达到信息提取的目的。

图47人工解译水系

2.图像分类

是依据是地物的光谱特征,确定判别函数和相应的判别准则，将图像全部的像元按性质

分为若干类别的过程。

(1)监督分类

在探讨区域选有代表性的训练场地作为样本，通过选择特征参数(如亮度的均值、方差

等)，建立判别函数，龙样本进行分类，依据样本的分类特征来识别样本像元的归属类

别的方法。

图48