導語：如何才能寫好一篇遙感影像，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

當前，空間信息技術發展迅猛，以空間數據為主的空間信息挖掘和應用成為現代人類生產生活的一個重要特征。特別是遙感影像數據，由于其具有獲取方便、周期短、信息量大等特點而成為空間數據的重要組成部分。然而，由于遙感數據的數據量十分龐大，特別是對于具有不同來源、不同分辨率與不同時相的數據，其存儲與管理均十分困難，且由于其本身具有的稀缺性與機密性，在一定程度上限制了遙感影像數據的充分利用，因此，迫切需要對其進行有效的組織、存儲、管理和共享的研究。

研究表明，為實現影像數據的網絡服務，可以利用遙感影像元數據，采用流行的數據庫技術對遙感影像數據進行組織與管理，并完成基于XML的影像元數據的，實現用戶通過網絡對遙感影像數據的查詢、檢索與訪問，為影像數據的共享奠定了基礎，同時利用本體技術的優勢，建立起遙感影像信息本體。

影像數據的存儲管理

1.元數據的存儲管理

元數據為空間數據的存儲管理與共享提供了有效的手段，通過元數據信息，用戶可以在沒有真實數據的情況下，獲取有關數據的信息，從而為數據的共享與利用提供了可能。目前關于矢量空間數據的元數據標準已經制定，并形成了我國的地理信息國家標準，而關于遙感影像方面的元數據標準，尚處在研究之中，未形成一個普遍接受的標準。為此，國家遙感工程中心在ISO 19115.3 遙感影像元數據標準以及我國即將推出的地理信息元數據標準的基礎上，結合項目的實際情況，制訂了遙感影像元數據草案。該草案包括7個元數據集、6個公共數據類型和15個代碼表，從標識信息、數據質量信息、參照系信息、內容信息、覆蓋范圍、分發信息和遙感信息等方面對遙感影像數據進行了詳細的表述。

2.影像數據的存儲管理

由于遙感影像的數據量十分龐大，難以直接進行存儲，不利于后續的處理、提取、瀏覽與檢索，因此需要對其進行預處理，主要包括降采樣、影像壓縮與影像分割等內容。

影像分割是將遙感影像按照行列值分割為相同大小的數據塊（tile），并以tile作為影像存儲的基本單元。每個tile均以一條記錄的方式進行存儲，不同記錄通過編號進行排列。對于不能夠平分的，出現多余的行或列時，應將其單獨存放。當用戶對影像進行調用時，通過映射關系，只調用與用戶有關的tile集合即可，從而優化了數據的存儲、傳輸、瀏覽模式。

為減小影像的傳輸數據量和優化顯示性能，需建立影像金字塔（圖1），通過影像降采樣方法，建立一系列不同分辨率的影像圖層，每個圖層分割存儲，并建立相應的空間索引機制。常用的影像重采樣方法有雙線性差值、立方卷積等。

由于影像的數據量比較龐大，為減小影像的存儲空間，還需要對影像進行壓縮處理后存儲。當用戶調用數據時，首先對數據進行解壓縮處理，然后再返回給用戶。常用的圖像壓縮方法有JPEG、LZ77等。

3.影像數據庫結構設計

遙感影像數據庫主要可以分為影像元數據庫和影像數據庫兩部分（圖2）。影像元數據庫用于對遙感影像元數據標準中的數據集進行存儲與管理，影像數據庫用于對影像數據進行存儲和管理。元數據同影像數據通過ID字段進行一對一的關聯，保證了元數據與影像數據的一一對應，從而實現通過元數據可以惟一地查找相應的影像數據，而通過影像數據，又可以惟一地查看該影像數據的相關信息，實現了遙感元數據與影像數據的一體化管理。

影像數據網絡共享與服務

1.基于元數據的影像數據網絡共享

構建遙感影像元數據的主要目的是為了能夠實現影像數據的網絡與共享。因此元數據的網絡是影像數據的前提與基礎。

目前元數據的網絡大多采用XML技術。XML是一種元語言，是可以用于描述其他語言的語言。用戶可以根據需要，利用XML Schema（或者DTD）自行定義標記和屬性，從而可以在XML文件中描述并封裝數據。XML是數據驅動的，這使得數據內容與顯示相分離。XML可以在類似于Netscape Navigator或Microsoft Internet Explorer的瀏覽器中顯示，并通過因特網在應用之間或業務之間交換，存儲到數據庫中或從數據庫中取出。因此，XML是元數據最好的描述方式，能很好地滿足元數據在網上傳輸、交換的需要。

用戶通過網絡的元數據信息，可以初步了解遙感影像數據的相關信息，然后通過元數據的導航，實現對影像數據的查詢、瀏覽與檢索（圖3）。

2.基于本體技術的影像數據網絡服務

本體（ontology）是從哲學的一個分支――形而上學中的本體論（Ontology）發展來的一個名詞。本體論研究客觀事物存在的本質，與認識論（Epistemology）相對。即本體論研究客觀存在，認識論研究主觀認知。而本體的含義是形成現象的根本實體，因而，本體是概念化的明確說明。最早把本體引入計算機領域的是人工智能領域。

地理信息本體與地理信息分類編碼、地理信息標準術語表之間有著相似之處，本體論與分類學、術語學也存在一定的交叉。

然而，地理信息本體并不是地理信息標準術語表。地理信息本體提供了一組具有良好結構性的詞匯，而且出現在本體中的詞匯經過了嚴格選取，確保所選的詞匯是本領域中最基本概念的抽象與界定。概念與概念之間的關系采用相應技術(如謂詞、邏輯等)進行了完整的反映，而正是這些關系的反映使得基于本體的系統實現后能夠完成語義層面的一些功能。地理信息標準術語表僅僅是地理信息領域中各種詞匯的集合，相對本體而言還比較松散。

本體也不單純是一個詞匯的分類體系，即不是地理信息中的分類和編碼表。本體和地理信息的分類非常相似，尤其是把本體的理論應用于地理信息分類編碼時，這種相似性更為明顯?？偟恼f來，地理信息本體比分類編碼表中所反映的詞與詞之間的關系要豐富。

篇2

如今，許多GIS(地理信息系統)與遙感專家都注意到一個應用趨勢，即遙感影像和圖像分析功能可以作為核心組成部分與GIS實現一體化，同時，這種技術上的融合也將會促使兩者在操作、工作流程以及思維方式上實現一體化。

這是該行業多年以來最有意義的一次行業轉型。遙感影像已經發展成一項獨立的技術，一個獨立的行業，以及一種獨立的數據類型。而GIS則是基于矢量數據進行應用分析，與柵格影像分屬于不同的兩個行業。但它們之間卻有著天然的聯系，可以互為補充，并通過Geodatabase進行動態鏈接。

簡化應用　減少成本

在過去20年GIS的應用歷程中，遙感影像使用及圖像處理已出現重要轉變，即使用上的簡化。過去，遙感影像主要是一些小范圍內的科研學者在使用，這些影像資料不僅難于獲得、也難于使用，而且還很昂貴?，F代科技的發展，尤其是GIS技術的發展所帶來的各種新的工作流程，以及一體化改進、各種先進的算法，都使得用戶可以更簡便地從影像中獲取豐富的信息。換句話說，許多用戶無需淵博的科學知識就能更好更快地從影像資料中獲取信息。

在企業級GIS應用過程中，遙感影像數據其實天然地具有企業級應用潛力，因為它可以實現多個用戶在同一幅圖上同時進行操作。而這對于大型企業級應用非常有利，其中最主要的優勢就是節省成本。用戶可以在整個機構中分享同一影像資源，從而減少創建、更新和維護一個GIS系統的成本。

舉一個在颶風、地震或者洪水等災害中進行災情緩解、規劃和分析的例子。通常，收集各種必要信息需要花費很長時間。但是通過衛星獲取影像數據卻是瞬間能完成的事情。在緊急情況下，影像數據不僅能夠為我們節約大量時間，而且其信息也具有相當高的準確度。這使得決策者能夠迅速準確地部署資源，以盡快去營救那些處于危險當中的人們。而傳統的、靜態的信息源在此時往往會顯得不足，甚至可能會導致救援人員和救援物資的錯誤部署。

突破應用障礙

在企業利用GIS系統進行業務分析時，GIS人員最關鍵的就是能夠快速訪問地理影像數據，并能與其它數據結合起來進行分析和。

那些已經被存儲起來的歷史影像數據，尤其像70年代初期的Landsat數據，是那個時期僅存的地球快照。這是一份無價的信息資料，但那時候，這些數據是被存儲在磁帶中，其壽命遠不如今天的存儲介質。這些會不斷損耗的老式磁帶才是我們真正需要去搶救和保護的。因為，這些數據將來還會發揮非常重要的作用，例如在研究可持續發展這種問題上，可以用來擴展模型使之更加精確地演示出某個研究領域的過去、現在和將來。

當然，影像數據由于自身的特點，通常需要占用較大的計算機系統空間，同時有很高的存儲要求，尤其是那些高空間分辨率、彩色影像更是如此。這些數據一般還需要進行后期處理，要通過強度非常大的運算過程才能轉化成更加豐富的信息。此外，在基于網絡的影像交互時，實時交互系統中巨大的影像數據集，對帶寬也提出了比較高的要求。不過，這些問題在技術的推動下可以逐步得到解決。

目前，許多加快處理速度以及降低存儲成本的技術不斷涌現，這對GIS與遙感影像的應用融合都是有利的。甚至在以后，遙感影像的發展方向將是使影像處理更接近傳感器。

篇3

關鍵詞：衛星遙感 QuickBird影像 數字正射影像圖（DOM） ENVI

1.引言

遙感影像是通過遙感技術獲得的地球表面客體或事物的圖像，高分辨率的衛星影像是指像素空間分辨率在10m以內的遙感影像，正射影象是指消除了由于傳感器傾斜、地形起伏及地物等引起的畸變以后的影響。正射影象圖直觀、生動，影像所記錄的信息量非常豐富，細節表達的也很清楚，同時更新速度非?？臁＠酶叻直媛市l星影像制作的正射影像精度高，時效性好，生產周期短、更新速度快，能夠滿足很多行業的要求，可以大大地節省生產成本提高生產效率。

2.DOM的特點

數字正射影象圖是利用DEM對遙感圖像逐像元進行輻射改正、微分糾正和鑲嵌，按照規定圖幅范圍裁剪生產形象數據，同時它帶有公里網格、圖廓整飾和注記的平面圖。DOM具有地圖精度和影響特征，精度高、信息量豐富、直觀性好、制作周期短、連續性好。

3.正射影像制作原理：數值微分糾正

根據已知影像的參數（內、外方位元素）與數字地面模型，利用相應的構像方程式，或按一定的數學模型用控制點解算，從原始非正射投影的數字影像獲取正射影像，這種過程是將影像化為很多微小的區域逐一進行。通過解求像素的位置，然后進行灰度內插與賦值運算，實現像素與相應地面元素的幾何變換。

4.正射影像圖制作

數字正射影像（Digital Orthophoto Map，簡稱DOM）是利用數字高程模型（DEM）對經掃描處理的數字化航空影像，經逐像元進行投影差改正、鑲嵌，按國家基本比例尺地形圖圖幅范圍裁剪生成的數字正射影像數據集。它是同時具有地圖幾何精度和影像特征的圖像，具有精度高、信息豐富、直觀真實等優點。

4.1實驗區概況

本文采用的是一幅分辨率為2.4m的快鳥遙感影像圖，此圖是美國的一個城市城區地圖，精度、緯度分別為112.05362548W、33.37717660N。具體如下圖所示。

4.2數據預處理

分辨率2.40m的多光譜遙 感影像有1、2、3、4（藍、綠、紅、近紅外）4個波段。合成影像時采用了多種合成方式進行對比，經試驗最后選擇使用1、2、3（藍、綠、紅）波段形成標準假彩色圖像，經過ENVI軟件的自然色彩變換后輸出自然色彩圖像，輸出后影像色彩效果比較真實。

4.3 影像糾正

數據在使用時，必須具有較高的空間配準精度，這就需要對獲取的原始影像進行高精度的幾何糾正。本次作業地形起伏較小，地勢比較平坦，所以選用了多項式法。

4.3.1控制點輸入

為了保證選點的正確性，控制點輸入應該采用鍵盤輸入坐標，在進行糾正。GCP的選擇對于幾何校正的精度有著顯著的影響。GCP應是在原始圖像上分布均勻并能正確識別和定位、在地形圖上可以精確定位的特征點以及特征線的重點。

4.3.2 重采樣校正輸出

選擇的GCP的RSM誤差必須小于1個像素，只有滿足這個條件，才能保證幾何校正的精度。如若選擇的GCP的RSM誤差大于1個像素，它是不符合要求的，必須將其刪除。

在幾何校正的控制點位置輸入計算完成后，進行重采樣輸出，計算內插新像素的灰度值。重采樣是計算被校正圖像的文件值，并生成新文件的處理。有三種重采樣方法：最近鄰點法、雙線性插值、三次卷積法。本試驗選擇雙線性插值輸出經校正的衛星影像。

4.3.3精度分析。（圖 2誤差分析圖略）

從圖2可以看出，采用多項式方法對原圖進行校正，GCP的RSM誤差在一個像素左右，基本上滿足了校正的精度。在校正的時候，盡量選取易于判讀的點可以確保GCP的位置精度，進而基本上可以達到校正的目的。

4.4 影像剪切

數字正射影像圖具有地形圖垂直投影的特性，地形圖直觀，內容豐富。數字正射影像可作為影像地圖瀏覽系統的基礎數據使用。此類系統可以應用于規劃、土地、水利、林業、房管、交通、公安等部門及GPS導航查詢、電子地圖等領域。如果沒有數字正射影像的支持，則無法顯示細部，所以應該按照標準制圖形式進行制圖，每幅圖還得加上圖名、比例尺、圖幅經緯度等信息，以便于以后更好的應用。

4.5圖幅整飾

本文運用ENVI軟件，采用快速制圖方法，在糾正后影像圖上加上了圖幅名、比例尺以及該影像圖的經緯度，最終，制成正射影像圖如圖3。

5.結束語

隨著衛星技術的發展，衛星獲得的遙感影像分辨率越來越高，利用專業的遙感圖像處理軟件對遙感圖像進行正射糾正，然后制作正射影像圖。不斷提高衛星的分辨率，努力開發更好的遙感圖像處理軟件，從而使DOM更好的為人類生產、生活做貢獻。

參考文獻：

[1]王利英，宋偉東.基于高分辨率Quick Bird影像的數字正射影像圖的制作[J].測繪與空間地理信息，2006，29（4）：69-71.

篇4

【關鍵詞】影像融合；正射校正；遙感影像

0.引言

數字正射影像圖是將航空影像數據或航天遙感數據，經過輻射校正幾何校正，并利用數字高程模型進行投影差改正，附之以主要居民地、地名、境界等矢量數據，按國家基本比例尺地形圖圖幅范圍剪裁生成的正射影像數據集。為了滿足不同用戶對遙感數據的要求，利用高分辨率遙感衛星數據制作較大比例尺的數字正射影像圖就有了其研究、發展和應用的空間。

1.正射遙感影像圖制作基本原理及方法

1.1 幾何糾正原理

數字圖像糾正的目的是改正原始圖像的幾何變形，產生一幅符合某種地圖投影或圖形表達要求的新圖像。像素坐標變換和像素亮度值重采樣是數字圖像糾正的兩個環節，并且它們在糾正過程中是同步進行的。

（1）像素坐標變換是通過建立糾正函數來實現的，多項式糾正方法是實踐中經常使用的一種方法。該方法的基本思想是回避成像的空間幾何過程，而直接對圖像變形的本身進行數字模擬，它認為遙感圖像的總體變形可以看作是平移、縮放、旋轉、仿射、偏扭、彎曲以及更高次的基本變形的綜合作用結果，因而糾正前后圖像相應點之間的坐標關系可以用一個適當的多項式來表達，校正誤差可以通過對均方差估計求得。

（2）數字圖像亮度值的重采樣。由于位置計算后找到的對應的x和y值，多數不在原來像元的中心，因而必須重新計算新位置的亮度值。做法是采用適當的方法把該點位周圍鄰近整數點位上亮度值對該點的亮度貢獻積累起來，構成該點位的新亮度值，這個過程稱為數字圖像亮度值的重采樣。

1.2 正射校正原理

正射糾正的實質就是將中心投影的影像通過數字元糾正形成正射投影的過程，其原理是將影像化為很多微小的區域，根據有關的參數利用相應的構像方程式，求得解算模型然后利用數字元高程模型對原始非正射影像進行糾正，使其轉換為正射影像。正射糾正是一種高精度的幾何糾正，是利用數字高程模型對衛星影像進行逐點數字微分糾正，用以消除衛星遙感影像和航空遙感影像由于地形起伏等引起的像點位移。采用共線條件方程糾正法進行正射糾正。

1.3 融合原理

分辨率融合是將不同空間分辨率遙感圖像按照一定的算法，在規定的坐標系中，生成新圖像的過程。處理后的圖像既具有較高的空間分辨率，又具有較好的多光譜特征，從而達到圖像增強的目的。高分辨率影像與多光譜數據的融合是遙感影像進行正射校正的基礎。融合方法的選擇，取決于被融合圖像的特征以及融合的目的，ERDAS IMAGINE 系統所提供的圖像融合方法有三種：主成分變換融合、乘積變換融合和比值變換融合。

1.4 數字高程模型

數字地面模型（DTM）是地形表面形態等多種信息的一個數字表示。嚴格地說，DTM是，其向量的分量為地形、資源、環境、土地利用、人口分布等多種信息的定量或定性描述。DTM是一個地理數據庫的基本內核，若只考慮DTM的地形分量，稱其為數字高程模型DEM或DHM，其定義如下：

DEM是表示區域D上地形的三維向量有限序列，其中是平面坐標，是對應的高程。當該序列中各向量的平面點位呈規則格網排列時，則其平面坐標可省略，此時DEM就簡化為一維向量序列，這也是DEM或DHM名稱的原有。

2.正射遙感影像圖處理制作

2.1 ERDAS下遙感影像融合處理

這里選擇Brovey變換法，此融合結果一個明顯的表現就是色調非常良好，幾乎完整保持了原始影像的色調信息。

影像融合的具體操作步驟如下：

ERDAS圖標面板工具條上，單擊Interpreter圖標Spatial Enhancement，打開Resolution Merge對話框，調入需要融合的全色影像數據和多光譜影像數據，選擇融合方式和重采樣方式，鍵入波段數，點擊OK即完成影像數據融合，如圖1。

圖1 影像數據融合對話框

2.2 應用PCI軟件進行遙感影像正射校正

經過設置投影參數，數據格式轉換，加入DEM，采集控制點，模型計算，重采樣，完成對遙感影像的正射校正。

（1）工程設置

在PCI軟件中建立一個包含所有工程數據的工程文件，設置校正影像的輸出格式、輸出分辨率、輸出投影及坐標系統等，如圖2。

圖2 設置工程投影與控制點投影對話框

（2）控制點采集

控制點采集為人工采集，根據提供的GPS點位，在衛星影像上找到相應的同名點。這些控制點用以構成數學模型來對衛星影像進行糾正，并將影像歸算到地面坐標系，如圖3。

圖3 控制點采集

（3）重采樣生成正射影像

2.3 實驗數據整理

表1 遙感影像圖正射校正結果（單位：像素）

GCP X殘差 Y殘差 RMS

GCP 01 0.41 -0.74 0.80

GCP 02 0.64 0.67 0.11

GCP 03 0.02 -0.73 -0.71

GCP 04 0.96 0.37 0.89

GCP 05 0.70 -0.08 0.69

GCP 06 0.65 -0.64 0.08

GCP 07 0.62 -0.53 0.34

GCP 08 0.60 0.52 0.30

GCP 09 0.36 -0.01 -0.38

GCP 10 0.31 0.12 -0.28

GCP 11 0.28 0.09 -0.27

GCP 12 0.22 -0.16 0.14

根據上表計算總的控制點誤差為：

所以X方向總誤差為0.5427，Y方向總誤差0.4944；RMS（均方根中誤差）為0.7341，以上單位均為像素。

2.4、應用ERDAS軟件進行遙感影像的裁剪

由于正射糾正后的圖像不是規則的圖形，因此要通過左上角和右下角兩點的坐標，對此影像進行裁剪。

2.5、正射遙感影像圖和AutoCAD圖像的疊加

將在AutoCAD中生成的方格網與正射校正后的影像數據在ArcMap下進行疊加，由于兩個數據的坐標是匹配的，所以可以疊加在一起，如圖4。

圖4 十字絲和影像疊加圖

2.6、地圖整飾

在Photoshop中將疊加后的影像數據進行整飾，使輸出影像圖更加美觀，成果如圖5。

圖5 正射遙感影像成果圖

3.結論

本文系統的闡述了正射遙感影像圖的制作流程、原理與方法，其中包括全色影像與多光譜影像融合，高分辨率遙感影像正射校正，正射影像數據重采樣以及圖像整飾。并結合某地區遙感影像圖的制作實例和實驗結果，對本文所闡述的方法加以驗證。隨著航攝技術、衛星技術的進一步發展，數字正射影像的原始數據來源越來越廣，分辨率越來越高，同時，隨著計算機技術和糾正算法的進一步完善，數字正射影像圖這一產品會愈發完善，將會得到更多用戶的認可和使用。

參考文獻：

[1] 劉國成，楊長保.遙感圖像處理軟件的設計與關鍵技術研究[J].吉林工程技術師范學院學報，2009.

[2] 韋玉春，湯國安.遙感數字圖像處理教程 [M]. 北京： 科學出版社， 2007.12.

[3] 孫家.遙感原理與應用[M].武漢：武漢大學出版社，2009.6

篇5

關鍵詞：遙感影像；并行計算；密集匹配；快速處理；流程研究

引言

隨著遙感影像使用范圍越來越廣泛，現在已經成為提供空間信息的重要數據源。遙感數據的應用范圍擴大到各個社會信息服務領域，發揮著重大作用。經過定向后的遙感影像數據可為測繪、城市基礎地理信息動態更新、國土資源調查、生態環境監測、災害監測、海洋資源、農業監測、快速響應等不同的領域提供相應的地理信息數據。

傳統影像處理需要高性能的計算機，并且配備多種影像數據處理軟件協同作業，各工序僅對流程負責，數據處理效率低，精度差?，F代遙感影像的獲取頻率越來越快，同時數據量也越來越大，傳統的基于串行計算的處理方式已很難滿足高效率的生產需求和快速響應，因此必須采用并行計算來快速地對大區域影像進行處理，提高數據處理效率。

1. 并行處理技術簡介

1.1 并行技術處理種類

現代計算機并行處理技術主要有基于CPU和基于GPU這兩大類處理方法，各有相應的具體處理方案，如通過CPU加速的MPI、OpenMP、PVM等，還有Intel的TBB等；基于GPU的有NVIDIA的CUDA和ATI的Stream技術。本試驗根據數據特點和計算機硬件配置情況，采用基于GPU方法的軟件系統進行影像的快速糾正試驗。

1.2 GPU并行處理優勢

1.2.1 高效的并行性

在目前主流的GPU中，配置多達16個片段處理流水線，6個頂點處理流水線。多條流水線可以在單一控制部件的集中控制下運行，也可以獨立運行。GPU的頂點處理流水線使用MIMD方式控制，片段處理流水線使用SIMD結構。相對于并行機而言，GPU提供的并行性在十分廉價的基礎上，為適合于在GPU上進行處理的應用提供了一個很好的并行方案。

1.2.2 高密集的運算

GPU通常具有128位或256位的內存位寬，因此GPU在計算密集型應用方面具有很好的性能。

1.2.3 超長圖形流水線

GPU超長圖形流水線的設計以吞吐量的最大化為目標（如NVIDIA GeForce 3流水線有800個階段），因此GPU作為數據流并行處理機，在對大規模的數據流并行處理方面具有明顯的優勢。

2. 遙感影像快速處理應用

2.1 應用區簡介

試驗區內覆蓋46景P5影像，布設外業控制點68個、檢查點17個，用于區域網平差的解算及精度檢查；在立體模型中選取26個檢測點，用于檢測DEM和DOM成果精度。試驗區范圍及控制點分布（見圖1）。

2.2 使用的軟硬件

主要軟硬件設備包括集群式影像處理系統PCI GXL軟件及可進行圖形、圖像處理的高配置計算機等。

2.3 應用區生產

2.3.1 稀少控制區域網平差

（1）建立測區工程

建立測區工程，設置工程參數及投影坐標系、控制點文件、DEM格網間距及正射影像分辨率。同時根據影像之間的相互關系設置影像列表，導入衛星影像并建立模型。

（2）區域網平差

首先利用軟件對所有影像自動進行連接點的量測，然后對控制點進行預測，人工輔助量測控制點，最后采用“RPC測區絕對定位”解算方法對區域網進行平差解算，剔除掉粗差點，得到滿足精度的區域網平差結果，控制點平差結果見表1。

表1 區域網平差結果（單位：m）

[類型＼&個數＼&平面中誤差＼&高程中誤差＼&平面最大誤差＼&高程最大誤差＼&控制點＼&68＼&1.385＼&0.836＼&2.723＼&1.042＼&檢查點＼&17＼&4.667＼&1.436＼&6.679＼&1.496＼&]

2.3.2 DEM及DOM生產

首先利用區域網平差定向后的影像進行DEM密集匹配，然后利用擬合、平滑、內插、定值等工具對密集匹配結果進行編輯，得到滿足精度的DEM數據，最后利用DEM數據采用并行計算的方法對影像進行批量糾正，得到DOM數據。DEM及DOM批量鑲嵌結果見圖2。

2.3.3 精度統計

利用立體模型量測的檢測點對DEM及DOM進行精度檢測，檢測結果見表2。

2.3.4 效率統計

數據處理整理耗時情況見表3。

3. 結論

通過生產試驗表明，利用并行處理技術對大區域遙感影像數據進行區域網平差后制作的DEM與DOM精度能夠滿足不同比例尺規范的相關要求，同時并行處理技術能夠簡化生產流程，大幅度提高運算效率并減少運算時間，特別在對大區域遙感影像進行處理時，優勢明顯。

參考文獻：

[1] 鄭福海，楊木，宋紅艷等.利用IRS―P5影像制作1：500003D產品的試驗研究[J].測繪與空間地理信息，2011，34（6）：117―120.

[2] 肖漢，張祖勛等.基于GPGPU的并行影像匹配算法[J].測繪學報，2010，39（1）：46―51.

[3] O影，鄭福海，王鐵軍等.PixelGrid集群式系統在影像快速糾正中的應用研究[J].測繪與空間地理信息，2014，37（10）：221―223.

[4] 李宏寬，楊曉冬，鄒珍軍.基于MPI并行的遙感影像系統幾何校正快速處理技術研究[J].河南工程學院學報?自然科學版，2011，23（1）：49―52.

[5] 陳國良，孫廣中.并行計算的一體化研究現狀與發展趨勢[J].科學通報，2009，（8）：25―27.

篇6

關鍵詞：遙感；地理國情普查；防洪抗旱

一、遙感影像技術在地理國情普查應用中的優勢

地理國情普查是一項重大的國情國力調查，是全面獲取地理信息的重要手段，是掌握地表自然、生態以及人類活動基本情況的基本性工作。普查的目的是查清我國自然和人文地理要素的現狀和空間分布情況，為開展常態化地理國情監測奠定基礎，滿足經濟社會發展和生態文明建設的需要，提高地理信息和政府、企業和公眾的服務能力。

遙感技術之所以能夠在地理國情普查中應用，是由于它具備了四個特點：首先，遙感技術具有宏觀性以及區域性的特點，宏觀性的特點使遙感技術在我國土地資源調查中應用成為了可能，而遙感技術的應用也改變了傳統的地理國情普查方法。同時，遙感技術又能夠將區域內的空間以及地理信息真實、清楚地觀察到，并且反映出區域地理分布特征以及相互之間的關系。其次，遙感技術具有綜合性的特點。遙感技術在對地理信息進行觀察時，能夠從空間、時相以及破斷三方面形成探測網，形成的地球表面信息包括了光譜空間、地理空間以及時間空間等五維信息，人們觀察以及分析問題能夠更加全面。再者，遙感技術具有多波段性的特點。在對地理進行研究時，遙感器能夠發出不同波段的波對地物信息進行探測，也使得探測的信息更加全面和準確。比如在使用可見光波段的波雖然能夠較好的探測整個城市概況，但是卻不能探測城市的熱污染，必須使用紅外遙感數據。最后，遙感技術還具有多時相性特點。在對地理信息進行普查時，使用遙感技術能夠對同一地理信息進行多時段的重復探測，獲得同一地理位置的多時相信息，進而能夠發現該地區的地理變化。

二、遙感影像技術

（一）遙感影像變化監測方法

遙感影像可以綜合分析多時相的地理圖像信息，然后提取出動態的地理信息，實現地理遙感的變化監測。目前主要的地理信息變化監測方法主要有比較分類結果法、光譜變異法、分析主成分法、提取動態信息法、分析矢量變化法、植被指數互減法、圖像數據運算法等，可以將這些遙感地理信息變化監測方法總結成基于分析空間模型方法、基于結果比較的分類方法、基于變換空間信息方法、和基于運算圖像信息數據方法。

（二）遙感影像變化圖像信息方法

遙感影像利用不同時相的地理圖像變化信息，將多種圖像變化信息變換之后進行動態檢測和變化監測，主要方法有變換對應成分法、分析頻率域法、變換典型成分法、變換KT法、變換主成分法等。以變換主成分法為例，其方法主要是變換不同時相的地理圖像變化信息數據的主成分，突出變化信息數據的主要成分。變換主成分法又可以分為：變換多時相主成分法、變換動態主成分法、主成分差值法。

（三）遙感數據挖掘技術的應用

與傳統的圖像數據分析相比，遙感數據挖掘技術對于地理圖像信息數據的處理是一種模型識別化的圖像數據處理過程，主要的研究方向在于具體圖像信息的特征和模式，主要強調經過數據對比、分析和處理，從大量的地理圖像信息數據中，發現整合出這些地理圖形信息數據中有意義的數據，總結出這些信息數據的知識和規律，找出他們之間的特征和共性，實現相互促進、相互協作。遙感數據挖掘技術在更新地理信息中的應用，可以對基本的地理圖像信息進行特征計算和有效分割，為遙感影像提供地理信息規則和知識

三、遙感影像技術在地理國情普查中的應用

（一）遙感技術在地表特征的應用

地表類型劃分范圍廣闊，地貌形態復雜多樣，為簡化地貌類型，同時兼顧地貌對地表產流量影響的差異，以衛星圖像為基礎，將區內劃分為幾個大的地貌類型，即中山區、低山丘陵區、平原區、及黃土高原區。地表巖性應用遙感巖性地層解譯結果，考慮到不同巖性的透水性能，為了使區內的下墊面類型趨于簡單化和帶有普遍性，將其共性特征組合如下：（1）黃土、第四紀沖洪積物，透水性較強；（2）砂巖、砂礫巖，結構較為松散，孔隙裂隙較為發育，透水性較強；（3）砂巖、砂泥巖，透水性一般；（4）變質巖、巖漿巖，透水性較弱；（5）碳酸鹽巖，透水性較強。

（二）遙感技術在防洪抗災中的應用

1、防洪抗旱

自遙感技術誕生以來，遙感技術在防洪抗旱中發揮了巨大的作用。災害發生后可以根據水體與其他第五光譜明顯不同的特點，利用多光譜圖像快速確定受災面積。在此基礎上根據已有的社會信息，利用遙感圖像分析功能進行疊加分析，可以快速的對災情進行評估。為救災，減災提供信息基礎。在此方面水利行業已經做了大量的工作取得了成熟經驗。

2、水土保持

為了有效的進行水土保持工作，對土壤侵蝕和水土流失調查，監測和評價，具有十分重要的意義。目前遙感技術成為水土保持研究的重要技術手段，在區域土壤侵蝕和水土流失研究中得到了廣泛的應用。水土流失的研究有以下兩種：（1）土壤侵蝕動態的監測，其關鍵是提取影響土壤侵蝕因子信息；（2）水土流失定量研究。

（三）遙感技術在油氣開發中的應用

從油氣構造的遙感解譯分析，到綜合遙感資料與物化探資料進行油氣綜合評價，再進一步發展到將遙感技術與油氣化探、地面波譜測試、地磁、地溫、能譜測量以及地電化學勘探手段相結合而進行的遙感方法直接找油，標志著遙感技術應用在油氣勘探領域的一次次重大飛躍。但是利用遙感探測也存在一定的問題：

遙感影像在識別巖性方面，由于火成巖的熱紅外光譜特性比其它巖類要清楚得多，所以對于火成巖的研究相對的較成熟一些。但是對于沉積巖和變質巖的研究則相對的較少，主要是由于巖石中的不同礦物對熱紅外光譜影響較大。因此對于巖石和礦物發射光譜特性的關系及其影響因素需要進一步的研究。

將熱紅外譜域的研究延伸到3～5μm和17～25μm，目前對這兩個熱紅外譜域的巖石、礦物光譜特性還知之甚少。油氣遙感技術不斷發展，不僅可以在前期油氣勘探中發揮作用，并將會涉及到油氣勘探的各個階段。在隱蔽油氣勘探、巖性油氣勘探、水動油氣勘探及老油氣田的擴大、挖潛勘探中同樣可以取得成效。

（四）土地利用現狀調查

當前，城鎮用地共分為十個大類，分別是：居住用地、公共設施用地、工業用地、倉庫用地、對外交通用地、道路廣場用地、市政公用設施用地、綠地、特殊用地、水域和其他用地。在實際工作中，我們可以根據不同的應用需要，進行相應類型的遙感調查，獲取相應的遙感資料，然后繪制出土地利用現狀圖和土地利用演變圖，并自動測算出該區域內各類用地的面積、分布、變化情況及發展趨勢。城鎮規劃和管理者通過這些資料，可以判斷城鎮布局是否合理，城鎮綠地是否足夠，存在哪些不足，需要如何改進，從而因地制宜，為城鎮制定相應的規劃、建設和管理方案。

（五）人口普查

在定性、定量、定位的調查了城鎮各種土地利用現狀后，可迅速而準確地獲得城鎮的總建筑密度、住宅房屋密度等城鎮用地特征參數。而城鎮居住建筑密度與人口分布密度往往有著某種必然的聯系，因此，可以以住房密度作為變量用于人口普查、人口統計學等方面的研究，從而為國家人口普查提供一個方便、快捷、精確的輔助手段。

參考文獻

篇7

Zhu Ruirong；Qu Huaying

（Yunnan Land & Resources Vocational College，Kunming 650217，China）

摘要： 在分析空間數據獲取現狀的基礎上提出空間數據挖掘的必要性，對遙感影像分類技術和方法進行了研究，提出GIS平臺和數據挖掘算法集成所挖掘的知識是其影像分類的重要知識源。最后通過實驗對以上的研究和分析進行了驗證。

Abstract： Based on the status quo of spatial data obtaining, the necessity of spatial data mining is put forward. Through the research of remote sensing image classification technology and methodologies, the knowledge mined and integrated from GIS platform and data mining algorithms has been recognized as the important knowledge source of image classification. Finally, the research and analysis has been verified through the experiment.

關鍵詞： GIS 空間數據挖掘 遙感影像 分類

Key words： GIS; spatial data mining; remote sensing image; classification

中圖分類號：TP7文獻標識碼：A文章編號：1006-4311（2011）14-0193-02

0引言

進入信息時代，計算機技術、遙感技術的快速發展使得實時、全天候、大面積的獲取地球表面信息的高精度、高分辨率、多時相的數字影像成為現實，遙感數據每天以數百GB的速率遞增。但與之相對應的卻是影像處理的理論和技術手段的嚴重滯后，在遙感影像信息提取的過程中，常常發生“同物異譜”和“異物同譜”的現象，影響了分類的精度，同時影像信息提取還局限于人工目視解譯的階段，工作效率低下，影像數據的獲取和遙感影像信息提取的速度嚴重不協調。利用GIS輔助遙感影像信息智能提取技術的研究對GIS和RS的集成，和空間數據生產效率的提高都有著重要的理論和現實意義。而數據挖掘可以作為其中一個重要的手段和工具。本文利用數據挖掘和知識發現（Data Mining and Knowledge Discover）技術，挖掘空間數據庫和數據文件中的知識，并將知識運用到遙感影像的分類過程中，通過知識來改善影像的分類精度。

1遙感數據和GIS數據的關系

在遙感影像和GIS數據之間，存在著數據和知識上巨大的互補性，而利用數據挖掘的手段，可以從GIS數據中挖掘出知識來解釋遙感的影像數據，同時用遙感的數據來反演和更新GIS數據（如圖1）。

從上圖可以看出，數據挖掘是將大量數據信息轉換為有用知識的有效工具，具體到在GIS和遙感信息提取中的作用如下：①在遙感影像解譯中應用。用于遙感影像解譯中的約束、輔助、引導，解決同譜異物、同物異譜問題，減少分類識別的疑義度，提高解譯的可靠性、精度和速度。空間數據挖掘是建立遙感影像理解專家系統知識獲取的重要技術手段和工具，遙感影像解譯的結果又可用于更新GIS數據庫。②GIS智能化分析?？臻g數據挖掘獲取的知識同現有GIS分析工具獲取的信息相比更加概括、精煉，并可發現現有GIS分析工具無法獲取的隱含的模式和規律，因此空間數據挖掘本身就是GIS智能化分析工具，也是構成GIS專家系統和決策支持系統的重要工具。因此，空間數據挖掘技術將會促進遙感與GIS的智能化集成。（如圖2）

2基于知識的遙感影像分類方法

由于傳統的遙感影像的分類方法推理規則單一，非遙感信息融入困難，且大多是基于要素相互獨立、空間參數化分布等前提假設條件下的數理統計方法，很難進行地學中要素之間相互關聯、分布復雜的空間信息處理與分析?？紤]到目視解譯和數字解譯的優勢和缺點，為了解決遙感影像信息提取中存在的種種問題，許多學者提出了基于知識的遙感影像信息提取的方法。在GIS數據或地學知識與遙感數據集成分類的方法中，主要有三類：一是信息復合的方法。二是基于規則判斷的決策樹分類方法。三是影像分類與規則判斷結合的辦法。

基于知識的遙感影像信息提取，其基本內容應包括知識的發現、應用知識建立提取模型、利用遙感數據和模型提取遙感信息。在知識發現方面包括從單期遙感圖像上發現有關地物的光譜特征知識、空間結構與形態知識、地物之間的空間關系知識。主要從兩個方面進行遙感影像的信息提取：

2.1 基于光譜知識的信息提取：比如公路提取模型：

R■=∫mag[f（s）]■ds=max mum（1）

R■=∑{g[f（s）]-g■}■=min mum（2）

基于光譜特性的信息提取是在對遙感信息機理初步研究的基礎上找到的一種信息提取方法，它需要地物與背景之間在光譜上是可分的，與背景之間存著較少的同譜現象，并且地物內部的光譜最好要一致，當地物內部光譜不一致時，可以借助于地物內部的特征成分光譜進行提取，當地物內部成分的光譜與背景之間存著較多同譜現象時，須借助于地物的其它知識進行提取。

2.2 基于紋理知識的信息提取紋理是指灰度值在空間上的變化，它是由一些紋理基元按照不同的空間配置形式所構成的一種圖案。共生矩陣紋理法是比較傳統的紋理描述方法，它可從多個側面描述影像紋理特征。

灰度共生矩陣屬二階統計量，被定義為從灰度為i的點離開某個固定位置關系δ=（dx，dy）的點上灰度為j的概率（或頻率）:

P■（i，j） （i，j=0，1，2，…，N-1）（3）

式中N表示灰度級數而i、j為灰度值，不同的位置關系δ對應著特定距離和方向上的共生矩陣。顯然，將所有的δ納入考慮，計算量將極為龐大。根據Jensen的研究，由于TM影像的分辨率較之航空圖像或SPOT圖像為低，取某個固定的δ（如令δ=（1，0）或δ=（2，2））計算共生矩陣即可。下一步，便可由共生矩陣求解若干紋理特征量，用 4種典型和常用的量，分別是能量E（P），熵H（P），均質性L（P），慣性力矩（反差）I（P）；紋理特征提取的結果有兩種形式：一是紋理特征度量參數本身；另一種是紋理特征參數對影像進行初步分類后得到的紋理分類圖像。

3試驗

為了檢驗基于知識的遙感影像分類方法的有效性，實驗中所用的遙感影像為Erdas Imageine8.6所帶的示例影像數據，參照土地資源調查中土地利用分類方式，并根據圖像的特點，將要分類的影像確定為12個類別，其類別如下：高等級道路、一般道路、平坦地區、緩坡地區、陡峭地區、極陡地區、水域、濕地、密林、中密度森林、稀疏林、建筑用地。

基于知識的分類體系可以利用決策樹來表示各種數據之間的關系，在實驗中，知識有4種數據來源，數據源及其類別屬性分別為：道路：離散型(0，1，2)；數字坡度模型：連續型；預分類圖像：離散型(0~20)；樹林密度模型：連續型；待分類圖像：連續型。

本試驗中采用常規最大似然法和基于知識分類方法分別對影像進行分類。原始貝葉斯分類結果（如圖3），基于知識的分類結果（如圖4）。

從實驗結果圖中可以看出：基于知識的分類，由于充分利用了規則中的先驗知識，其結果較貝葉斯分類更加詳細。

4結論

基于知識的遙感影像分類技術是遙感信息提取未來發展的方向，在GIS支持下基于空間數據挖掘技術進行遙感影響分類與信息提取，可以綜合地物光譜特征、GIS數據、領域知識、空間分析功能等，其分類結果較傳統技術下的分類結果有著明顯的優越性。進行但是受限于計算技術、人工智能和數據挖掘技術的發展水平，知識的準確、快速的獲取存在著一定的困難，實現自動化的知識獲取有很大的難度，在挖掘模型與GIS集成方面離可供實際操作的完全集成系統還有一定的距離，人機交互式的知識獲取方式在一定時期內仍然是知識獲取的方式。

參考文獻：

[1]邸凱昌．空間數據發掘與知識發現[M]．武漢：武漢大學出版社，2001.

[2]梅安新等．遙感導論[M]．北京：高等教育出版社，2001.

[3]王清毅．目前數據挖掘算法的評價[J]．小型微型計算機系統，2000，21（01）.

篇8

【關鍵詞】地理信息；遙感影像

1.前言

寧夏遙感影像數據庫設計了三個子系統，每個子系統由若干個功能模塊組成，各個功能模塊相對獨立，耦合度低，通過標準接口和流程，貫穿整個業務系統，覆蓋系統所有功能需求。每個子系統的主要功能如下：

數據入庫子系統負責整理歷史的寧夏國土資源遙感衛星影像數據，根據產品的標準化和規范化要求進行統一整理，并入庫管理。同時負責接收其他數據源（例如：中國資源衛星應用中心）的數據，進行整理后入庫統一管理。

數據管理子系統負責對收集到的遙感衛星元數據、瀏覽數據以及產品數據進行統一管理，向其他子系統提供統一數據庫訪問接口和數據的統一訪問服務，負責優化數據庫訪問，數據庫備份和恢復，保證系統數據庫的高效、可靠、穩定、安全的運行。

用戶服務與數據分發子系統是面向用戶進行遙感衛星數據分發的主要服務平臺，為用戶提供遙感衛星數據的檢索、瀏覽、訂購和下載的服務，并負責接收用戶注冊信息，管理用戶信息，訂單信息等工作。為用戶提供方便快捷、安全可靠的遙感衛星數據服務。

2.數據入庫子系統

本子系統負責整理歷史數據，同時支持從其他數據平臺（例如中國資源衛星應用中心）進行數據傳輸，收集各個遙感衛星的元數據、瀏覽數據等，并根據元數據標準和規范、以及產品的標準和規范要求將收集的數據進行統一整理，然后調用數據管理子系統提供的接口入庫歸檔。本系統由6個功能模塊組成：

（1）歷史數據整理模塊

本模塊可以對歷史的遙感影像產品進行分析和預處理，使其符合數據中心統一管理的要求，然后通過產品入庫模塊存入數據中心，與后續新數據統一管理，服務和分發。

（2）數據傳輸模塊

本模塊實現數據的發送和傳輸，通過本模塊可以接受資源中心推送的數據產品，也可向資源中心發送數據請求。

（3）產品格式轉換模塊

本模塊可以將歷史產品和瀏覽圖像的格式進行轉換，轉換成系統的統一格式，支持國際上各種主流遙感衛星數據產品格式的相互轉換功能，常用格式例如：GEOTIFF/TIFF/HDF/HDF5等。

（4）數據入庫模塊

本模塊負責將歷史產品和后續的產品及其元數據進行入庫。

數據獲取服務從其他數據平臺（例如中國資源衛星應用中心）獲取到遙感衛星數據的元數據、瀏覽圖像和產品文件。

1）系統收集到元數據后，通過元數據格式分析轉換模塊，對元數據進行標準化處理，使其符合元數據設計標準，然后通過元數據入庫模塊調用數據管理子系統的元數據服務接口入庫歸檔。

2）系統收集到瀏覽圖像后，通過瀏覽圖像格式分析轉換模塊，對瀏覽圖像進行標準化處理，然后通過瀏覽圖像入庫模塊調用數據管理子系統的瀏覽圖像服務接口入庫歸檔。

3）系統收集到產品文件后，通過產品文件格式轉換模塊，對產品進行標準化處理，然后通過產品文件入庫模塊調用數據管理子系統的產品服務接口入庫歸檔。

3.數據管理子系統

數據管理子系統負責對收集到的遙感衛星元數據、瀏覽數據以及產品數據進行統一管理，向其他子系統提供統一數據庫訪問接口和數據的統一訪問服務，負責優化數據庫訪問，數據庫備份和恢復，保證系統數據庫的高效、可靠、穩定、安全的運行。

（1）元數據維護模塊

本模塊負責對存儲的所有遙感衛星數據的元數據進行維護，提供對元數據插入、編輯、刪除、鎖定、級別限制等操作功能，方便對元數據進行管理。

（2）數據庫備份恢復模塊

本子系統是負責其他各模塊和系統與數據庫進行通信的主要模塊，同時負責對數據庫的管理和統計功能，所以數據庫的備份和恢復是本子系統重要功能之一。數據庫備份恢復模塊完成對數據庫的備份和恢復功能，定時（時間可設置）對數據庫進行備份，備份策略可選為增量備份和完全備份兩種模式，備份內容包括數據庫備份和數據庫系統備份，備份數據直接保存到磁盤陣列中，并根據設定值保存一個時間段。數據庫恢復功能，當數據庫丟失或數據庫系統宕機時，根據備份點，可實時選擇對數據庫進行恢復。

（3）數據統計分析模塊

本模塊負責對數據庫中的數據進行統計并進行分析，形成報表和圖表，并提供報表和圖表打印和導出功能，為系統優化管理等提供數據支撐。通過屬性分類統計、時間范圍、地域分布統計、研究范圍統計等多種統計手段對元數據、用戶數據、訂單數據、門戶支撐數據、日志信息等數據庫內容進行統計。

（4）數據服務接口

本模塊對磁盤陣列上的瀏覽數據和產品數據進行統一管理，同時提供這些數據的對外訪問接口，供其他子系統進行調用，同時負責保障數據訪問和提供的安全性。

（5）產品定時清理模塊

用戶訂購的產品將被傳輸到數據中心緩存磁盤陣列后，系統磁盤陣列后，需要定時對這些數據進行清理，否則磁盤陣列的容量將不夠使用。此功能根據一個時間段（可設置），根據數據庫中訂單的完成時間定時清理刪除磁盤陣列上的內容。

4.用戶服務與數據分發子系統

用戶服務與數據分發子系統是面向用戶進行遙感衛星數據分發的主要服務平臺，為用戶提供遙感衛星數據的檢索、瀏覽、訂購和下載的服務，并負責接收用戶注冊信息，管理用戶信息，訂單信息等工作。為用戶提供方便快捷、安全可靠的遙感衛星數據服務。

（1）用戶注冊登陸模塊

本模塊負責新用戶的注冊和用戶的登陸功能。注冊功能以方便用戶為主，首次注冊用戶僅需輸入email地址，登錄密碼，即可檢索數據產品。用戶可在以后通過資料修改模塊來補充自己的資料信息。包括：公司，姓名，電話等。

登錄功能是用戶能夠訪問本分系統其他功能的入口，用戶只有登錄成功后，才能享受本分系統的其他功能。登錄子功能還要負責檢驗用戶的身份，驗證用戶密碼的正確性。它還要負責獲取用戶登錄的時間，地點，IP地址，所在國家，所在地區等信息。

（2）用戶管理模塊

本模塊負責對已注冊用戶的管理，包括：

用戶檢索子功能，用戶刪除子功能，密碼修改子功能，用戶鎖定子功能，角色控制子功能，資源分配子功能，用戶資料導出子功能，用戶資料排序子功能。

（3）資源管理模塊

本模塊對本系統的頁面資源進行管理，結合功能模塊與用戶權限的不同，可將頁面資源分配給不同級別的用戶，也對頁面中的功能模塊進行管理，根據用戶不同的訪問權限，提供不同的訪問資源。

（4）數據檢索模塊

本功能模塊提供了文本方式與圖形方式檢索功能。圖形檢索功能與文本檢索功能在同一個頁面中完成。

在文本方式中可以指定的檢索條件包括：衛星類型，地理坐標，圖像數據，圖像時間，產品名稱，產品類型，投影方式，時間范圍，數據質量，傳感器簡稱等。

在圖形方式中，直接在頁面中框選要檢索的區域，并可以放大、移動、改變已選擇的區域范圍，縮放已選擇區域的比例尺。

在文本方式和圖形方式中實現選擇區域的聯動，在圖形中選擇了一定區域，則在文本中顯示該區域的范圍（經緯度值），在文本中輸入范圍，則在圖形中顯示該范圍。

產品關聯查詢功能，用戶選擇了一種產品，想同時下載相同時間和區域的其它產品，可以方便用戶選擇。

（5）數據瀏覽模塊

本模塊負責將用戶檢索出來的產品以不同的形式和頁面戰士給用戶，為用戶提供直觀的數據產品展示，幫助用戶更快的獲取需要的數據。本模塊將制定幾種展示方式供用戶選擇，用戶可根據網絡的狀況、機器的環境、以及自己的愛好選擇不同的展示方式。

參考文獻

篇9

關鍵詞：QuickBird；正射糾正；DEM；影像融合

中圖分類號：P237 文獻標識碼：A 文章編號：

0 引言

隨著遙感和對地觀測技術的不斷發展，高分辨率商業遙感衛星的數量快速增加，應用領域也日益廣泛。正射影像是指消除了由于傳感器傾斜、地形起伏以及地物等所引起畸變后的影像。在國民經濟中，正射影像圖有著很廣泛的應用。與線劃圖相比，它有幾大優點[2]：①影像圖更直觀、生動，即使不具備地圖常識的人也能看懂；②影像圖所記錄的信息量豐富，細節表達清楚；③具有快速更新特點，利用航空航天傳感器是當前地理信息最重要的快速更新手段。因此它在城市規劃、土地管理、鐵路以及公路選線等方面有著特殊的作用。

1 QuickBird遙感衛星簡介

QuickBird是由美國Digital Globe公司于2001年10月18日發射成功的高分辨率商業遙感衛星具有引領行業的地理定位精度，海量星上存儲，單景影像比同時期其他的商業高分辨率衛星高出2-10倍。它的全色波段分辨率首次突破米級單位，達到0.61米，多光譜波段分辨率達到2.44米，精度高于空間成像公司的IKONOS衛星和法國SPOT衛星。而且QuickBird衛星系統每年能采集七千五百萬平方公里的衛星影像數據，存檔數據以很高的速度遞增。QuickBird衛星的成功應用，將衛星遙感推入一個嶄新的時代。

2 ENVI軟件簡介

ENVI是由遙感領域的科學家采用IDL開發的一套功能強大的、完整的遙感圖像處理軟件。IDL是進行二維或多維數據可視化、分析和應用開發的理想軟件工具。ENVI架構非常靈活，提供一個功能全面的函數庫（API），可以滿足用戶的個性化需求。同時，ENVI/IDL與ArcGIS為遙感和GIS的一體化集成提供了一個最佳的解決方案。ENVI (The Environment for Visualizing Images)是美國RSI 公司的旗艦產品，它由遙感領域的 。創建于1977 年德RSI 公司已經成功地為其用戶提供了超過28 年的科學可視化軟件服務，幫助各領域的科學家、工程師、研究人員從復雜的數據中提取有用信息，創造出諸多科研成果。目前 RSI的用戶已達200,000之多，遍布世界 80多個國家和地區。其旗艦產品的ENVI，深受遙感、 工程、地球科學、氣象、環境、林業、農業、軍事、自然資源勘探、海洋資源管理等領域的用戶喜愛，并從2000 年開始連續三年獲得美國權威機構NIMA 遙感軟件測評第一。

3 正射遙感影像圖制作的基本原理及方法

3.1 融合原理

影像融合是將同一目標或場景的用不同傳感器獲得的，或用同種傳感器以不同成像方式，或在不同成像時間獲得的不同影像，融合為一幅影像，在保持多光譜影像輻射信息的同時提高了影像的空間分辨率的遙感影像處理方法。融合方法的選擇，取決于被融合圖像的特征以及融合的目的，ENVI 系統所提供的圖像融合方法有6種[3]：HSV融合主、比值變換融合（Brovey Transform）、Gram-Schmidt融合、主成分變換融合（Principle Component）、能量分離變換（Energy Subdivision Transform）、乘積變換融合（Mutiplicative）。

3.2 正射糾正原理

正射糾正的實質就是將中心投影的影像通過數字元糾正形成正射投影的過程，其原理是將影像化為很多微小的區域，根據有關的參數利用相應的構像方程式或按一定的數學模型用控制點解算，求得解算模型然后利用數字元高程模型對原始非正射影像進行糾正，使其轉換為正射影像。正射糾正是一種高精度的幾何糾正，是利用數字高程模型（DEM）對衛星影像進行逐點數字微分糾正，用以消除衛星遙感影像和航空遙感影像由于地形起伏等引起的像點位移。采用共線條件方程糾正法進行正射糾正，其糾正公式為[4]：

式中：x,y為像點的像空間坐標，為像主點的坐標（像片內方位元素）；為焦距；為攝站點的物方空間坐標；X,Y,Z為地面點的物方空間坐標；為像片的三個外方位角元素組成的九個方向余弦。

3.3 重采樣

由于位置計算后找到的對應的x和y值，多數不在原來像元的中心，因而必須重新計算新位置的亮度值。通常的做法是采用適當的方法把該點位周圍鄰近整數點位上亮度值對該點的亮度貢獻積累起來，構成該點位的新亮度值，這個過程稱為數字圖像亮度值的重采樣。重采樣有以下三種常用的方法[5]：（1）最近鄰法（Nearest Neighborhood）（2）雙線性內插法（Bilinear Interpolation）（3）三次卷積內插法（Cublic-interpolation）

4 QuickBird正射遙感影像圖的處理制作

4.1 QuickBird正射校正的流程

圖4-1 QuickBird正射影像圖制作的流程

Fig.4-1 process of generating QuickBird orthoimage

4.2 正射遙感影像圖的制作

1）在ENVI圖標面板工具條上，單擊文件圖標打開圖像Available Band List對話框打開全色影像和多光譜影像；在ENVI圖標面板工具條上，單擊變換圖標圖像融合主成分分析Select Low Spatial Resolution Multi Band Input File對話框中打開輸入低分辨率圖像（多光譜影像）輸入高分辨率圖像（全色影像）在PC Spectral Sharpen Parameters對話框中：

（1）在Resampling中選擇重采樣方法；

（2）在Enter Output Filename中選擇要保存的位置、名稱；

（3）點擊OK鍵，完成影像融合。

圖4-2 QuickBird影像融合效果

Fig.4-2 The fusion results of QuickBird images

2）應用EMVI軟件進行遙感影像正射校正

（1）生成DEM

圖4-3 數字高程模型

Fig.4-3 Digital Elevation Model

(2) 影像的糾正過程

根據已知地形圖，在融合后影響上大致找出控制點的位置，在ENVI圖標面板工具條上，單擊配準與鑲嵌圖標正射校正QuickBirdQuickBird基于地面控制點正射校正在Ground Control Points Selection對話框中輸入該點坐標Add Point;

篇10

關鍵詞：遙感影像 地物自動提取 種子區域增長法

中圖分類號：TP753 文獻標識碼：A 文章編號：1672-3791（2014）07（c）-0027-01

自從20世紀60年代遙感技術問世以來，經過數十年的發展，遙感技術已經被廣泛的應用于軍事、測繪、環境等領域，并在其中發揮著非常重要的作用。遙感影像圖中的地物提取時測繪信息化、現代化發展的重要組成部分，極大的推動了遙感技術的數字化發展。目前，如何從遙感影像中自動提取地物已經成為了遙感領域研究的重點。但是，雖然目前國內外許多專家學者已經對此進行了許多的研究，并且已經取得了一定的研究成果，但是從遙感影像中自動獲得地物信息作為一個較為前沿的研究領域，目前缺乏成熟的方法應用于實際當中。

1 種子區域增長法的改進

種子區域增長法是一個較好的遙感影像圖地物信息自動提取算法。但是種子區域增長法受限于初始種子的好壞，容易受到噪聲點的影響，同時區域增長停止準則的好壞對于增長的速度和增長的結果都有直接影響，如果在增長過程中如果某個像元有多個子集鄰接像元，并且像元與多個子集鄰接像元的差異都較小時，像元不同的歸并方向會對區域增長速度和遙感影像圖的地物提取效果造成較大的影響。為此，在應用種子區域增長法實現遙感影像圖地物自動提取時，需要對算法進行改進，以獲得更好的地物自動提取效果。

在2009年周成虎所提出的面向對象的遙感影像處理思想中，將遙感影像圖中地物要素的構成單元看成是unit（基元），并認為unit是根據一定的計算規則，在一定尺度下所獲得的由具有相近像元所組成的連通區域，unit內部的像元具有特征相似性。借助unit的思想，在使用種子區域增長法進行遙感影像圖中地物自動提取過程中，如果將種子集Ai看成是初始基元，則基元的光譜特征反應了基元內部各個像元的光譜屬性。其中種子集Ai的光譜特征計算入式（1）所示。

（1）

其中：Ai表示遙感影像圖中的第i個種子集合，即第i個基元；xki表示種子集Ai中的第k個像元，根據遙感影像圖中的光譜特征提取方法得到xki的光譜特征f（xki）。根據相同的原理可以獲得基元的灰度、紋理、形狀等信息。

根據如上的思想，對種子區域增長法進行如下的改進。

（1）根據遙感影像圖中的地物光譜特征，選擇初始種子點，其主要的方法是采用Otsu閾值法從遙感影像圖中獲得初步點集來作為種子區域法的種子點，從而加強初始種子點的地物代表性。（2）將種子集作為種子區域法中不斷生長的基元。（3）根據航空影像圖的精度，計算理想窗口寬度K，用于計算以帶辨別像元為中心的窗口內鄰域聯合特征。在進行聯合特征計算時，綜合考慮地物的空間低于特征和光譜域特征信息。（4）對于聯合特征中的空間特征分量和光譜特征分量賦予不同的權重，采用“加權聯合特征”法來計算距離，并且以此作為相似度度量值，并且根據實際情況調整權重，調節空間特征分量和光譜特征分量對特征相似性的貢獻量。（5）在增長過程中，基于周成虎所提出的“特征差異最小”的思想，選取特征差異最小的外接區域作為種子的增長對象，在每一次完成種子的增長之后，需要按照加權聯合特征差異值大小將種子集中所有外接像元（即外接區域為地物邊界的像元）進行排序，最終將像元并入到與之特征差異最小的種子點擊，同時選擇下一個遙感影像圖中的像元進行增長，直到遙感影像中的所有像元處理完畢。

2 改進種子區域增長法的應用于實驗

實驗數據采取如圖1所示的一幅精度為1m的QuickBird航空影像圖。

如圖1所示，航空影像圖主要包括建筑物和道路等地物，采用傳統種子區域增長法和改進的種子區域增長法提取遙感影像圖中的建筑物地物信息的結果分別如圖2和圖3所示。

從如上的實驗結果來看，兩種算法都較為清晰的獲得了建筑物結果，建筑物輪廓波愛吃了原有的規則性。但是通過改進種子區域增長法與傳統算法的對比可以看出，改進種子區域增長法更好的去除掉了建筑物地物提取時的樹木噪聲，所獲得的地物輪廓更加精確，具有更好的遙感影像圖地物自動提取效果。

3 結語

隨著遙感技術的發展，在為人們提供更加豐富的數據來源時，也推動了影像處理等技術的發展。遙感影像地物自動提取技術有利于遙感影像處理的自動化和全數字化，是一門基于高分辨率遙感影像的新興技術，有利于減少遙感影像處理成本，提高處理效率，是遙感影像技術重要的發展方向。在本研究中，主要通過對種子區域增長法的分析，針對其在遙感影像地物自動提取中所存在的易受噪聲點影響等問題，提出改進的種子區域增長法。

參考文獻