卫星影像范例(3篇)
卫星影像范文
摘要：本文详细介绍了融合的原理，着重对rapideye数据与p5数据的融合前处理及融合方法进行介绍，通过实验分析各种融合方法的优缺点，对不同融合方法的融合效果进行对比分析，选择效果较好的融合方法。
关键词：融合；波段组合；遥感影像
中图分类号：tm411+.4文献标识码：a
1融合基本原理
融合就是将同一区域的多源遥感图像按统一的坐标系统，通过配准，生成比单一信息源更准确、更完全、更可靠的新图像的技术方法。采用全色数据与多光谱影像进行融合，生成具有多光谱信息的色彩及全色数据纹理的新影像，突出反映土地利用类型要素信息，提高可判读性，便于综合分析，减少数据量，提高监测精度。通过数据融合，一方面可有针对性地去除无用信息，消除冗余，减少数据处理量，提高数据处理的效率；另一方面可融合多源数据的有用信息，表现出各波段的优势，尽量减少或避免目标的不确定性。
2卫星数据介绍
rapideye卫星发射于2008年8月29日，共5颗卫星，预期寿命7年，轨道高度630km，与太阳同步，通过赤道时间为11：00am，传感器类型是推帚式的多光谱ccd，地面采样间隔是星下点6.5米，有5个光谱波段组成，分别为蓝：440nm-510nm；绿：520nm-590nm；红：630nm-685nm；红边：690nm-730nm；近红外：760nm-850nm；标准幅宽为77km；星上存储量为1500km影像数据或轨道；重访时间为5.5天（星下点），动态范围为12bit。rapideye数据广泛应用于农业、林业、环境保护、城乡规划、基础设施建设等行业。
irs-p5数据，是印度遥感制图卫星影像，全色分辨率为2.5米，设计寿命5年，轨道高度为618km，共由1867条轨道覆盖全球，相邻轨迹线之间相隔11天，轨道倾角97.87度，过赤道上空为地方时10∶30。前视幅宽为29.42km，后视幅宽为26.24km；重访周期为5天。irs-p5数据广泛应用于国土、海洋、矿产资源调查；林业和农业资源调查；水资源、水土流失调查；环境保护；城市规划等领域。
3融合前处理
配准、纠正后满足精度要求的多光谱及全色数据，融合前还需要对其进行预处理。一方面，通过色阶对全色数据进行调整，减少影像的噪声，提高亮度和对比度；另一方面，通过波段组合的方式突出各地类的色彩，地物间的反差，表现出多光谱数据的丰富色彩。
4融合方法试验
在遥感影像处理过程中，通常采用的融合方法有小波变换、主成分变换、高通滤波等多种方法，试验结果如下：
（1）小波变换融合
基于小波变换的图像融合算法是对待融合的两幅图像二维小波分解，建立各图像的小波塔形分解。
小波变换融合以mul数据的各波段影像为参考对高分辨率pan影像进行直方图匹配，以形成相应的匹配的高分辨率全色影像。然后采用小波变换的方式形成相应的低频和高频影像，并用多光谱影像各波段变换后的低频部分来替换这几个影像小波变换后的低频影像，对替换后的影像进行小波逆变换，从而获得融合影像。融合结果如图1：
小波变换法优点：最大程度保持原多光谱数据和全色数据的信息，减少后处理难度。小波变换法缺点：算法复杂，融合后影像存在振铃效应，影像有锯齿，不连续，因此，在土地利用动态监测中较少应用。
（2）高通滤波融合
高通滤波用于影像的细节和纹理处理。高通滤波是对低分辨率多光谱影像进行低通滤波以获取其光谱信息，对全色影像进行高通滤波以提取线性特征和边缘等空间结构信息，然后对低通滤波和高通滤波的结果加权求和，进而得到融合影像。该算法使图像的分辨率得到增强，并且它还减少了高分辨率影像低频部分的融入，高效地保留多光谱影像的光谱信息。高通滤波处理对于全色数据很重要，在进行高通滤波处理时，滤波模型的选择受影像质量、地貌特征等因素的影响。融合结果见图2：
高通滤波融合法在保持光谱信息和提高多光谱图像的空间细节表现能力上都有很好的效果，但影响影像的纹理清晰度。
（3）主成分变换
对于图像而言主分量变换是图像按照特征向量在其特征空间上分解为多元空间。而在数学上是将矩阵展开分解为其协方差矩阵的特征向量的加权。利用pc变换可将影像的结构信息通过第一主分量表达出来。
主分量变换在进行融合中有两种变换方法，一种是指将多光谱的多个波段先做主分量变换，用全色波段替换第一主分量，再进行反主分量变换，得到融合影像。另一种将各波段统一进行主分量变换，然后反变换。融合结果如图3：
主分量变换多光谱数据的波段数不受限制，可以接受三个以上波段的高光谱及多光谱数据进行变换。并且影像色彩丰富，影像纹理信息结构明显、突出。主成分变换优点：不限参加波段的数量，能较好保留全色影像的纹理，减少信息损失。
结语
根据上述几种融合方法的融合效果试验对比分析可以得出初步结论：
rapideye数据和p5数据进行融合，从土地利用角度上分析，采用photoshop融合、pansharp融合和主成分变换的融合方法其融合效果能较好地保留了高分辨率影像的纹理细节和多光谱影像的信息，提高图像解译的质量。
参考文献
[1]贾永红，李德仁，孙家柄.多源遥感影像数据融合[j]，遥感技术与应用，2000，15（1）.
卫星影像范文篇2
Abstract：Thispaperproposesanobjected-orientedmethodtoextractland-usefromhigh-resolutionsatelliteimage.Firstly，thenearestneighborclassificationmethodisusedtoobtainroughclassificationresultthoughjudgmentofimageobjects.Theseimageobjectscomefrommultiresolutionsegmentationtorawimage.Then，theknowledgebaseisconstructedaccordingtotheimagefeaturesofdifferentclasses.Lastly，land-useinformationisoptimizedusingknowledgebase.Theexperimentresultshowthatobject-orientedland-useinformationextractioncoulduseimageinformationcompletelyandobtainbettereffect.
关键词：土地分类；高分辨率卫星影像；面向对象；知识库
Keywords：land-useinformation；highspatialresolutionsatelliteimage；object-oriented；knowledgebase
中图分类号：S127文献标识码：A文章编号：1006-4311（2017）24-0187-03
0引言
土地分类是按照土地自然属性进行的土地类型划分，分类后形成的土地类型是土地资源评价、土地利用规划的基础。传统的分类方式以实地勘察为主，但这类方式速度慢、时效性低。随着QuickBird、GeoEye、Worldview等高分辨率卫星影像的出现，人们在利用影像的光谱信息的同时还可以利用影像中丰富的纹理和地物形状、位置信息，这为土地类型快速、准确地划分提供了条件。
利用高分辨率遥感影像进行信息提取时，如果采用传统的面向像元方法会由于高分辨率影像信息的丰富性、细致性产生大范围的“椒盐现象”，造成分类精度的降低。面向对象的遥感影像分类方法能利用影像中的光谱、纹理、空间信息进行影像类别判定，从而能提高信息提取的精度。Hackelford和Davis通过对比面向对象分类方法与面向像元分类方法，得出了面向对象的分类方法更适合于进行城市或城郊分类信息提取的结论[1]。Hofmanne使用面向对象的分类方法针对IKONOS影像较好的识别了非正式居民地[2]。余坤勇、许章华、刘健等使用“基于片层-面向类”算法实现了南方山地丘陵区的竹林信息提取[3]。余晓敏、湛飞并采用了一种基于影像对象最优化特征组合的方式对城市地表信息提取[4]。莫登奎等则基于模糊逻辑分类的面向对象的分析方法提取了株洲市城乡结合部的土地覆盖信息[5]。这些方法虽然取得了不少研究成果，但在提取的速度、自动化程度上还与实际的运用有一定的差距[6]。
本文利用高分辨率卫星影像自身的光谱、空间、纹理特征，对研究区进行土地分类信息提取。
1面向对象的土地类型提取方法
面向对象的信息提取是将影像分割成同质影像块后模拟人类认知事物的过程对分割好的影像块设定条件，将满足条件的影像块分配到合适的类别中去，最后得到与实际相符的分类图[7]。本文采用的面向对象土地分类流程如图1所示。
1.1影像分割
影像分割是面向对象遥感信息提取的第一步，只有通过分割才能形成具有光谱、纹理、形状、位置信息的影像对象块。分割算法包括对比度分割、多阈值分割、光谱差异分割等，在]有任何辅助数据的条件下将原始遥感影像数据进行分割的常用算法是多尺度分割。多尺度分割是基于给定分辨率影像对象的最小影像异质性的由下至上分割，而影像的异质性由光谱、光滑度和紧凑度三个指标决定，计算公式为shape=1-color；shape=smoothness+compactness；smoothness=（1-βcompactness）*shape。其中shape为影像对象的形状因子，color是光谱信息，smoothness是对象边界的光滑度，compactness代表了对象的紧凑性。
1.2面向对象土地分类信息的提取原理
土地类型由于受到土壤、气候、人类活动等多方面的影响，在不同时间、不同地段会呈现出不同的类型、不同成分的表现，比如土壤在北方呈现出黑色，而在云南多以红土为代表。面向对象地类信息提取的关键就是根据各地类的特点设置相关的规则集，从而进行地类的识别。表1呈现了常见5大地类的特征。
根据土地类别的特征，利用分割后形成的影像对象块的光谱、纹理、形状特征进行最大似然分类，形成遥感影像土地类型的初分类。然后根据地类的特征设置提取规则集优化地类信息提取的效果。
2土地分类信息提取试验
2.1试验区概况
安宁县位于滇中高原中部，有“安宁雄镇，诸爨要冲”的美誉，年平均气温14.8℃，属于中亚热带气候。本试验选取拍摄于2010年1月经过校正和与全色光融合后QuickBird安宁市温泉镇影像，精度达到0.61m，覆盖面积达到了6512.25平方米，如图2所示。
从图2可以看出，该地区地类主要包括植被、裸地、水体、道路和建筑5个类别。由于对太阳光线的遮挡，在高分辨率的遥感影像上就出现了若干由植被或者建筑物遮挡产生的暗色调阴影区域。在没有其他辅助数据的协助下很难识别落影下的实际地类类型，故将阴影另设为一特殊的地类。
2.2影像初处理
面向对象遥感信息提取的第一步就是根据影像的特点选择相应的参数对影像进行分割，形成与实际地物相似的影像对象块。通过多次数据实验本文选择分割尺度为80，光谱异质性权重在蓝光波段为0.5、绿光和红光波段为0.8、近红外光波段为1，形状差异性权重为0.8，紧凑度权重为0.2的多尺度分割算法对影像进行分割，分割后的影像对象块边界与地类边界相一致且避免了对象的过度破碎。
在分割完成后需要利用影像对象的光谱、形状、纹理信息进行最近邻采样，即在选择了有代表性的样本后，以样本的光谱亮度均值、标准差及形状指数为指标参数进行最近邻分类，并最终将影像对象块分类到植被、裸地、水体、道路、建筑和阴影6个类别中，粗分类结果如图3所示。
2.3基于知识库的土地分类优化
从图3可以看出由于地类间光谱信息的相似性和影像中纹理、位置信息的利用不充分导致了部分土地类型的错分类，造成了土地分类碎化性严重、一定量的地类归并为阴影类等情况。针对以上问题需要根据各地类错分类的情况，利用地类在影像上的特征构建相应的规则集进行土地分类优化。
建筑物地类的错分类主要由两部分组成：一是具有蓝绿色屋顶的建筑物被错分到了植被类中。由于植被在蓝光波段的低反射性和蓝绿色屋顶在蓝光波段的小反射峰，可以将NDVI>0.2且蓝光波段均值小于200的建筑物派送到植被类中；二是由于试验区影像的拍摄区域存在一定量的乡镇地带，乡镇建筑物的形状、颜色具有很大的自主性，难于寻到统一的规范，所以通过手动调整的方法进行修改。
道路地类的长条状特性使其在影像对象块的类别判定中具有明显的优势，该地类的错分主要表现在与裸地和建筑物阴影的错分中。低等级道路的路宽较窄、路面多由沙土铺设而成，因而与裸地存在一定的误分，通过设置长宽比大于8的裸地派送为道路类。建筑物的落影在影像上构成长条状的影像对象，其阴影的暗色调会掩盖地物的实际类别，通过将明亮度小于150的规则将错分为道路的对象划分到阴影类。
部分裸地由于土质成分、光线照射不充分等原因使其成像色调较暗被错分成了阴影类，需要通过位置关系将距离建筑物超过30米且亮度大于148的阴影归为裸地类。
阴影的错分类主要集中在植被、水体和道路类中，该类错误则通过如上所说的NDVI、NDWI指数和明亮度进行完善。
通过上述基于知识库的方法对影像中的五大地类信息进行类别优化后，最终的分类结果如图4所示。
3结果分析与评价
从图4的分类结果来看，本文提出的方法能较好的保证土地分类中各地类内部的均一性和连续性。为了精确的验证面向对象的高分辨率遥感影像土地分类结果，使之与Erdas监督分类进行比较，并随后在Erdas中对两种分类结果随机抽取250个点进行分类精度评价。比较结果如表2所示，可以看出本文提出的面向对象土地分类方法比传统基于像元的监督分类方法精度提高了将近17%。
本文采用方法的不足之处在于对土地分类中的道路、裸地信息识别精度较低。这主要是由于实验区影像含有一定量的乡镇地区，乡间道路等级较低，其光谱特性与黄褐色的裸地极易混淆；再者村镇中的建筑物密度高且形状不规则，会对其间的内部道路有不同程度的遮挡，造成影像上道路的突然中断或者形状不连续，因而无法很好的利用道路识别知识库的内容进行提取。所以在以后研究中应注重对乡镇土地类型中的道路、建筑和裸地信息光谱、形状、纹理相应特征的研究，以提高乡镇土地利用类型信息提取的精度。
4结束语
本文利用面向对象的方法，在最近邻分类完成后通过建立的土地类型知识库的方式进一步完成了高分辨率卫星影像的土地分类信息的提取。该种方法能较好的利用影像的位置、纹理信息，避免由于影像分辨率过高而造成的地类破碎化严重的问题，很好地识别了各地类。
参考文献：
[1]陈小良.基于面向ο蠹际醯耐恋乩用/覆被分类研究[M].中国地质大学，2009.
[2]Hofmann，P.DetectinginformalsettlementsfromIKONOSimagedatausingmethodsofobjectorientedimageanalysis-anexamplefromGapeTown（SouthAfrica），RemoteSensingofUrbanAreas/FemerkundunginurbanenRaumen.Regenseburg，ed.ByJURGENS，C，2001：41-42.
[3]余坤勇，许章华，刘健，等.“基于片层-面向类”的竹林信息提取算法与应用分析[J].中山大学学报（自然科学版），2012，51（1）：89-95.
[4]余晓敏，湛飞并.基于高分辨率遥感影像的城市地表信息提取研究[J].测绘与空间地理信息，2012，35（7）：21-24.
[5]蔡银桥，毛政元.基于多特征对象的高分辨率遥感影像分类方法及其应用[J].国土资源遥感，2007（1）：77-81.
卫星影像范文
[关键词]航测成图卫星影像立体像对测图
[中图分类号]P236[文献码]B[文章编号]1000-405X（2013）-11-85-1
0引言
随着科学技术的不断进步，空间技术的日益成熟，在商业领域将会出现更高的空间分辨率、光谱，以及更多的时相的卫星影像。这样发展下去，那在将来的测图应用领域里，航空影像是否可能会被时下应用率不断提高的高分辨率的卫星影像技术淘汰呢？本文拟以航测成图与卫星影像测图的当前现状为主体，从测图原理极其应用的利与弊分析来对两者进行比较，以便回答这个问题。
1当前航测成图以及卫星影像测图的发展现状
1.1航测成图之现状
随着信息技术的不断发展，许多新技术不断融入到了航测成图中，使航测成图这一技术有了显著的发展。并且在应用过程中降低了使用的成本，提高了工作效率。举例来说：（1）在航测成图中应用航空数码照相机，不但可使绘测工作者获取数字影像，还可以取得珍贵的实时影像资料。以此种方式拍摄出来的航空影像不但提高了摄影质量，而且还缩短了成图时间，大大地增强了地图的现势性。（2）通过应用GPS以及MU技术，野外实测地面控制点的需求被极大地减小了。仅这一项便极大地提高了作业效率，降低了测图所需成本。（3）将航测技术与GPS、数码相机、惯导技术进行整合，不仅成功地克服了传统的航测无法施测某些地形的不足，而且还减小了由于恶劣天气给测图工作带来的影响。
1.2卫星影像测图之现状
早期的卫星影像由于其空间分辨率不高，所以只能应用于将所拍地物分类。直到1986年才由法国发射的SPOT卫星成功地应用于立体测绘，这为卫星影像在测绘领域中的应用带来了极大的影响。随后，如MOMS等一系列的中分辨率的遥感卫星被投入使用，限于分辨率等因素，这些遥感卫星仅能绘制大范围、小比例尺的地形图。目前，随着遥感技术向三多（多星种、多传感器、多分辨率）和三高（高空间分辨率、高时间分辨率、高光谱分辨率）方向发展，高分辨率卫星影像数据越来越丰富，如法国的SPOT影像全色波段分辨率达到2.5米，美国QuickBird影像全色波段分辨率达到0.61米，IKONOS全色波段分辨率达到1米，因此在进行地理信息数据更新中具有显著的优势。卫星遥感影像本身集多传感器、多级分辨率、多谱段和多时相于一身，具有更新周期短、机动性强、抗干扰能力强的特点，为地理信息更新以及地形图的绘制工作提供了大量宝贵的数据，利用卫星遥感影像进行基础地理信息的快速更新，将大大提高地理信息数据更新效率。
2测图的原理分析
航空影像和卫星影像，其立体测图都是通过测量按比例缩小的地面几何模型，来依次绘制出符合规定比例尺的地形图。但是由于两者几何成像的模型不同，使得两者测图原理也不一致。
2.1航测成图原理
航空影像是在中、低空以航空飞机作为拍摄平台，通过航摄仪等仪器进行拍摄。航测成图属于框幅式影像，此种影像具有符合中心投影的几何特性，此种特性使得立体像对单张像片的地面点、投影中心等像点所对应的两条核线一一与之对应，而且所求的地面点便是这两条核线的空间交点。据此可以了解到，航测成图的数学基础是由共线方程构成的，而航测成图的约束条件则是核线约束，地点三维坐标的解是靠通过立体像对中两张像片的内外方位的元素。首先是解析由航摄相机参数提供的单张相片，以获得像片内方位元素和外方位元素，以便确定航摄相机和像片的相关位置、摄影光束和确定摄影光束在摄影的瞬间其空间位置和姿态，而后利用航空像对内在的几何关系以及光成像原理，来进行相对定向，以形成立体模型。再借助于对相片的控制测量，以便确定模型的绝对定向元素，把测量坐标转换到地面测量坐标系，以便使建立的立体模型符合所需比例尺。最后将立体模型进行所需的测绘，便可得到所需地形图。
2.2卫星影像测图原理
较之航空影像，高分辨率遥感卫星主要是采用线阵列CCD传感器，依靠推扫帚式扫描进行成像。CCD传感器可以通过在沿轨方向上依靠前视同后视获取同规立体相对，而获取异轨立体像的获得主要是在穿轨方向上通过将一定角度左右测试的方法。因为卫星影像通过扫帚式扫描进行成像，所以其与航空影像的本质区别在于此种方式成像的每一条扫描线都会有一个与之相对应的投影中心，也可以说它具有“行中心投影”的特点。它的几何关系较之航空影像的几何关系要复杂的多。近些年来学者们提出很多种近似核线的理论，左图是基于投影轨迹法的核线几何关系的表示，以此为例，投影轨迹法中将Q点（地面点）到q点（左像像点）的光线所有的点投影到右像上，将所形成投影的轨迹定义成为q点（该像点）的核曲线，但q点的同名点（q点）却总是位于这一条核线之上。通过利用此种方式便可以使得其与航测成图相似。
3两者的利与弊的分析
因为两者成像原理测图的原理不同，所以在实际的应用过程中，两者各自展现出来一些优点和不足。具体见下表：
在获取航空影像时，由于拍摄高度的影响，航片质量极容易受到大气和地形的影响，所以在拍摄之前，必须进行实地考察，这导致获取的数据的现实性差，并且在一定程度上减缓了地形图的更新速度。由于航测的覆盖面积相对较小，所以当绘制较大区域的地形图时，所需的成本较高，消耗人力较大。反观遥感卫星，不但具有覆盖面积大，而且还能够不受当地气候地形的影响，极大的减小了工作量，降低了工作成本。
4结论
综上所述，通过对绘图技术进行研究，已经掌握了地理信息数据快速更新技术，完善了生产方法，根据航片测图和卫星影像测图两者的优点和缺点及所需地理信息比例尺和测量范围的不同，所以我们对时，合理应用航片测图和卫星影像测图技术，将两者结合有效起来工作，逐步应用到地理信息基础数据库的数据更新中，以便更好地提高工作效率，降低测图成本。
参考文献
