演算法處理影像
A. 圖像處理的研究方向
圖像處理的研究有三層或者三個主要方向：
圖像認知理論研究；
圖像處理演算法研究；
圖像處理的應用研究。
圖像處理(imageprocessing)，用計算機對圖像進行分析，以達到所需結果的技術。又稱影像處理。圖像處理一般指數字圖像處理。數字圖像是指用工業相機、攝像機、掃描儀等設備經過拍攝得到的一個大的二維數組，該數組的元素稱為像素，其值稱為灰度值。圖像處理技術的一般包括圖像壓縮，增強和復原，匹配、描述和識別3個部分。常見的系統有康耐視系統、圖智能系統等，目前是正在逐漸興起的技術。
B. 用ENVI處理遙感影像方法（植被分類方面的）
植被分類主要是根據植被波普特性，用的比較多的演算法比如，比值植被指數、歸一化植被指數等，主要利用植被在紅光波段和近紅外波段的反射特性。分類的話就在ENVI軟體中做波段運算就就可以了。
ENVI軟體和其有自帶的IDL語言可以處理HJ衛星數據。
C. 數字圖像處理的基本概念
(一)數字圖像
數字圖像,又稱數字化圖像,是一種以二維數組(矩陣)形式表示的圖像。該數組由對連續變化的空間圖像作等間距抽樣所產生的抽樣點——像元(像素)組成,抽樣點的間距取決於圖像的解析度或服從有關的抽樣定律抽樣點(像元)的量值,通常為抽樣區間內連續變化之量物的均值化量值,一般稱作亮度值或灰度值,它們的最大、最小值區間代表該數字圖像的動態范圍。數字圖像的物理含義取決於抽樣對象的性質。對於遙感數字圖像,就是相應成像區域內地物電磁輻射強度的二維分布。
在數字圖像中,像元是最基本的構成單元。每一個像元的位置可由行、列(x,y)坐標確定;亮度值(z)通常以0(黑)到255(白)為取值范圍。因此,任何一幅數字圖像都可以通過X、Y、Z的三維坐標系表示出。例如,陸地衛星的MSS圖像(圖4-8),便可看作x=2340(行),y=3240(列),z=0-255的三維坐標系。TM、HRV等亦然,只是行、列數不同而已。
圖4-8 陸地衛星MSS數字圖像的構成原理
數字圖像可以有各種不同的來源:大多數衛星遙感,如MSS、TM、HRV、AVERR等等,地面景像的遙感信息都直接記錄在數字磁帶上,有關的接收系統(遙感衛星地面站、氣象衛星接收站等)均可提供相應的計算機兼容數字磁帶(CCT)及其記錄格式。應用人員只要按記錄格式將CCT數據輸入計算機圖像處理系統,即可獲得數字圖像,並進行各種圖像處理;對於膠片影像,則可通過透射密度計、飛點掃描器、鼓形掃描器及攝像掃描器等,將影像密度轉換為數值,進而形成數字圖像;對於非遙感的地學圖件,如地形圖、地質圖、航磁圖、重力圖、化探元素異常圖等等,也可通過數字化儀,轉換為數字圖像。同一地區不同來源的數字圖像都可精確配准,並作復合處理。
與光學圖像相比,數字圖像量化等級高(256級)、失真度小、不同圖像的配准精度高、傳輸及儲存方便,尤為重要的是可由計算機進行各種靈活、可靠、有效的處理,使遙感圖像獲得更好的判讀、分析等應用效果。
(二)數字圖像處理
數字圖像以不同亮度值像元的行、列矩陣組織數據,其最基本的特點就是像元的空間坐標和亮度取值都被離散化了,即只能取有限的、確定的值。所以,離散和有限是數字圖像最基本的數學特徵。所謂數字圖像處理,就是依據數字圖像的這一數字特徵,構造各種數字模型和相應的演算法,由計算機進行運算(矩陣變換)處理,進而獲得更加有利於實際應用的輸出圖像及有關數據和資料。故數字圖像處理通常也稱為計算機增強處理。
數字圖像處理在演算法上基本可歸為兩類:一類為點處理,即施行圖像變換運算時只輸入圖像空間上一個像元點的值,逐點處理,直到所有點都處理完畢,如反差增強、比值增強等;另一類為鄰域處理,即為了產生一個新像元的輸出,需要輸入與該像元相鄰的若干個像元的數值。這類演算法一般用作空間特徵的處理,如各種濾波處理。點處理和鄰域處理有各自不同的適應面,在設計演算法時,需針對不同的處理對象和處理目標加以選擇。
遙感數字圖像處理,數據量一般很大,往往要同時針對一組數字圖像(多波段、多時相等)作多種處理,因此,需要依據遙感圖像所具有的波譜特徵、空間特徵和時間特性,按照不同的對象和要求構造各種不同的數學模型,設計出不同的演算法,不僅處理方法非常豐富,而且形成了自身的特色,已發展為一門專門的技術。根據處理目的和功能的不同,目前遙感數字圖像處理主要包括以下四方面的內容。
1.圖像恢復處理:旨在改正或補償成像過程中的輻射失真、幾何畸變、各種雜訊以及高頻信息的損失等。屬預處理范疇,一般包括輻射校正、幾何校正、數字放大、數字鑲嵌等。
2.圖像增強處理:對經過恢復處理的數據通過某種數學變換,擴大影像間的灰度差異,以突出目標信息或改善圖像的視覺效果,提高可解譯性。主要包括有反差增強、彩色增強、運算增強、濾波增強、變換增強等方法。
3.圖像復合處理:對同一地區各種不同來源的數字圖像按統一的地理坐標作空間配准疊合,以進行不同信息源之間的對比或綜合分析。通常也稱多元信息復合,既包括遙感與遙感信息的復合,也包括遙感與非遙感地學信息的復合。
4.圖像分類處理:對多重遙感數據,根據其像元在多維波譜空間的特徵(亮度值向量),按一定的統計決策標准,由計算機劃分和識別出不同的波譜集群類型,據以實現地質體的自動識別分類。有監督和非監督兩種分類方法。
遙感數字圖像處理的過程和各部分內容的關系如圖4-9。本節將從遙感地質應用的角度簡要介紹其中幾種常用的處理方法,有一些方法(如復合處理)將在有關的應用章節討論。
數字圖像處理既可在專用的圖像處理系統上進行,也可自編程序在通用計算機或微機上進行;處理結果既可列印成數符圖(圖4-10),也可以在彩色顯示器上作彩色顯示;既可以輸出單波段的黑白圖像,也可以輸出多波段合成或各種運算處理結果的彩色圖像(參見圖版③);既可以內拍或掃描到膠片上成像,也可以外攝翻拍成像;既可以直接形成成果圖件,給出各種統計數據,也可以再記錄到CCT上轉存……。總之,十分靈活、方便,比光學圖像處理有更強的適應性,越來越得到廣泛的應用。
圖4-9 遙感圖像數字處理基本流程
(三)數字圖像處理系統
遙感數字圖像處理不僅數據量大,而且數據傳輸頻繁,專業性強,因此,一般都要在專門的處理設備上進行。用以進行數字圖像處理的專門計算機設備及其功能軟體即稱之為數字圖像處理系統,通通由硬體系統和軟體系統兩大部分組成。
其中,硬體系統,按目前國內外的發展趨勢可分為大型的專用機系統(如目前國內使用的I2S公司的S600系統)和微機圖像處理系統兩類。一般情況下,它們都包括以下一些基本的部件(圖4-11):
1.主機:進行各種運算、預處理、統計分析和協調各種外圍設備運轉的控制中心,是最基本的設備。一般為速度快、內存大的計算機,如VAX-11、VAX-3600等。隨著微機的內存日漸擴大、運算速度越來越快,已可以用微機取代,如PC386、PC486及各種工作站等。
圖4-10 杭州三潭印月TM5波段數符圖
圖4-11 數字圖像處理系統基本結構示意圖
2.磁帶機和磁碟機:連結數字磁帶(CCT)和主機的數據傳輸裝置,既可以輸入CCT數據,也可以將中間處理和最終處理的結果再轉存記錄到CCT上;對於微機系統,圖像數據的傳輸一般用軟磁碟,但對大數據量的衛星CCT則需用具微機介面的磁帶機(如F880);
3.圖像處理機:數字圖像處理專用的核心設備,既具體承擔各種圖像處理功能,如圖像復原、幾何校正、增強和分類等各種變換處理等等,也是主機和各種輸出輸入設備的紐帶。就前者而言,它實際上是各種圖像處理軟體的硬體化。目前國內使用較多的M75圖像處理機即是,它可以快速處理顯示512×512或1024×1024的圖像;對於微機系統,則可以用圖像處理板(MVP-AT板)代替。
4.輸出設備:用作處理結果的監視分析(彩色監視器或彩顯)及記錄、成圖(包括寬行列印機、彩色噴墨列印機、繪圖儀、膠片記錄掃描儀等等)。
對於功能齊全的系統,除上述外,通常還包括有膠片影像的攝像或掃描數字化儀、圖形數字化儀等輸入設備。
軟體系統系指與硬體系統配套的用於圖像處理及操作實施的各種軟體。一般包括系統軟體和應用軟體兩部分。前者又包括操作系統和編譯系統,主要用於輸入指令、參數及與計算機「對話」;後者則是以某種語言編制的應用軟體,存於硬體系統的應用程序庫中,用戶可按研究任務採用對話方式或菜單方式,發出相應的指令使用這些程序,由主機作運算處理,獲得所需的結果。不同專業往往設計有各自的應用軟體系統,故國際上已涌現出各種各樣的軟體系統,如JPL的VICAR系統、LARSYS系統等等;目前微機上則普遍採用C語言編程,也已開發了一系列的微機圖像處理的應用軟體。
D. 手機演算法合成照片和高像素手機拍出來的照片區別在哪
近日金立通過官方微博公布E8將拍出1億像素的照片，頓時嘩然的互聯網也各種YY出1億像素的照片能看清對面女孩洗澡的毛細血孔等等，懷疑金立真的還要推出一款配備1億像素鏡頭的E8。但也有不少理性網友推測E8很有可能通過「圖像插值」的方法實現1億像素樣張，畢竟OPPO之前也通過這種方式實現高像素照片拍攝。在這款手機還未真正發布之前，我們不妨猜想一下金立E8如何能做到1億像素照片拍攝： 一、定製1億像素攝像頭 金立E8推1億像素的微博海報，直覺就讓人猜想到其將會推出1億像素攝像頭元件。按照目前手機拍照的成像原理，1億像素需要有很大面積的CMOS，我們在諾基亞Lumia1020上的「奧利奧」就可以窺看這得花費多少功夫來實現與手機的兼容。 諾基亞 Lumia 1020 而且，較大的CMOS元件會增加攝像頭部分的厚度，雖然金立在ELIFE S5.1和S7上都能把攝像頭堆平整，但按照目前的攝像頭技術，即使金立獨特的工藝面對這枚1億像素的攝像頭，機身厚度也得超過10mm。 金立ELIFE S5.1平整的800萬像素鏡頭 從目前手機攝像頭供應商來看，也並沒有哪家廠商推出如此怪獸級的高像素攝像頭，除非金立秘密與某家供應商定製出CMOS，但對於1億像素攝像頭來說，CMOS、鏡頭、驅動馬達甚至是手機CPU都需要定製，背後廠商的研發成本不可估量。 二、採用插值方式實現1億像素樣張 除卻花大成本在攝像頭感光硬體上發力，金立E8很有可能採用特殊的插值方式來實現1億像素照片拍攝。簡單來說，插值是利用圖像鄰近的像素點灰度值來產生位置像素點的灰度值，讓原始圖像再生出更高解析度的圖片。這種插值技術無論在數碼設備還是在行車記錄儀上都屢見不鮮。 多幀合成原理圖 但金立很有可能採用手機近來年非常熱門的多幀合成技術，讓1億像素樣張色彩更加豐富物體更加飽和。其實多幀合成也不是什麼新東西，我們在手機上採用HDR功能就與這種技術有同工異曲之妙。其會在同一個場景上用不同的測光生成多張照片，增加信息量，從而去除暗光噪點和提升畫質細節。這種技術需要有手機復雜的優化演算法做支撐，我們在看到OPPO Find 7利用該技術生成5000萬像素照片時，都要在拍完照後緩沖一下才能生成。 雖然目前較高性能的高通驍龍810在搭載有14位雙ISP(圖像信號處理器)下，最高也支持5500萬像素攝像頭，而最近發布的聯發科十核心處理器Helio X20(MT6797)最高則支持2100萬像素攝像頭，如此高性能的手機晶元在處理1億像素照片時，也需要手機廠商在處理速度上優化。而金立E8要讓用戶在1億像素照片處理速度上等多久，就得看金立的功力了。 三、多攝像頭 筆者在網上也挖到矽谷有一家公司正在研發5200萬像素的攝像頭，其基本原理就是把多個鏡頭和感光元件一起拼湊在手機上，在軟硬體上實現同時拍照和處理影像。其實這種形式和去年年底推出的榮耀6Plus差不多，金立若想實現1億像素照片拍攝，也很有可能內置有多個高像素攝像頭，並通過自家演算法實現迅速插值。 Light公司開發的5200萬像素攝像頭 綜上所述，金立要實現1億像素照片拍攝，在軟硬體方面都要有扎實，筆者保守估計，金立E8應該是採用上述1、2種方案，在雙管齊下中對目前較高像素攝像頭(OV23850，2380萬像素)實現多幀合成，拍攝出驚為天人的1億像素照片。近期還聽聞金立想藉此申請吉尼斯紀錄，而且金立集團總裁盧偉冰先生也在微博宣布金立E8驚喜不止一億像素，如此賣力的營銷，消費者會買賬么?
E. 影像數據白化處理演算法
在影像上，小目標往往表現為低概率分布，與影像背景相比較，其信息量很微小，若要從這些大量信息中提取出所需要的微量信息，必須對圖像背景做抑制處理。白化處理（White Processing，WP）使影像數據各波段方差為1，波段間信息相關性為0，很好地縮減了圖像信息量大的方向，放大了信息量較小的方向。這使得低概率目標（小目標）游離於圖像背景的數據「雲團」之外，從而使小目標探測變得相對容易。WP的具體演算法如下（童慶禧等，2006）：
1）計算S的均值向量μ：
2）計算S的協方差矩陣K：Kij＝［（ri－μ）T（rj－μ）］/L；
3）求白化矩陣F，使：FTKF＝I，FTF＝△－1；式中，Δ＝diag｛λ1，λ2，…，λL｝為K的特徵值組成的對角矩陣。
經計算，F＝EΔ－1/2，E由K的特徵向量組成，且ETKE＝Δ。那麼，將F作用於S，得白化數據S*為
高光譜遙感影像信息提取技術
F. 汽車的360度影像是什麼原理為什麼能在屏幕上看到整個車周圍的環境
360全景影像在汽車上的應用是通過自己車前置的攝像頭，後置攝像頭以及後視鏡上面的攝像頭來工作的，這樣一來的話，能看到車的四周並不稀奇了。
值得注意的是，在行車的過程中，千萬不要讓攝像頭沾到了泥巴，或者說進到了水質，這樣的話對於信號的感測，畫面的感測是非常有影響的，一個不留意就容易撞到後面的老人或者說是小孩，這種情況是呃需要時刻警惕的。或者在開車之前或者說停車之後，看一下攝像頭的情況如何，有的時候在行車的過程中，攝像頭會被一些石頭或者樹枝碰掉，這種情況都是有的，這對於安全駕駛來說都是很不好的。
G. 基於特徵的影像匹配演算法有哪些
基於局部約束的方法：有區域匹配（主要是基於窗口）、特徵匹配（基於特徵點，如SIFT）、相位匹配（主要用濾波來做）。
基於全局約束的方法：主要有動態規劃演算法、圖割演算法、人工智慧演算法、協同演算法、置信度傳播演算法、非線性擴散演算法等。
那個發展史就找兩本攝影測量的書或下幾篇論文看看就知道了
H. 高解析度影像數據處理及數據建庫技術方法研究
潘振祥
（河南省國土資源廳信息中心 鄭州 450016）
摘 要：本文通過開展高解析度衛星遙感影像數據（SPOT5）處理及建庫技術方法研究和探索，制定了《高解析度影像數據處理及基於遙感影像土地利用資料庫建設技術要求》和《省級基於遙感影像 1∶1 萬土地利用資料庫標准》，製作了覆蓋河南全省的 1∶1 萬數字正射影像圖，建立了河南省基於 SPOT 5 的 GPS 像控點圖形圖像資料庫、高解析度衛星影像資料庫和基於影像信息土地利用資料庫，為全國土地利用二次調查基礎底圖製作進行了有益的探索。
關鍵詞：土地資源 衛星影像 遙感 資料庫 像控點
0 引 言
隨著信息技術的快速發展，衛星遙感影像處理技術得到了突破性進展，高解析度衛星影像在土地資源調查評價、土地利用動態遙感監測、土地執法監察、土地變更調查以及大中比例尺地形圖測繪等方面應用已取得顯著成效。
針對河南省高解析度遙感影像數據處理及資料庫建設項目任務，項目組提出了利用 GPS 外業靜態實測坐標作為影像數據校正的控制資料，制定了《高解析度影像數據處理及基於遙感影像土地利用資料庫建設技術要求》和《省級基於遙感影像 1∶1 萬土地利用資料庫標准》等，並根據項目任務要求，制定了切合河南實際的基於遙感影像信息的土地利用分類體系，同時，通過項目開展，製作了覆蓋河南全省的 SPOT 5 數字正射影像圖（DOM），並建立了河南省基於 SPOT 5的 GPS 像控點圖形圖像資料庫，為土地利用二次調查基礎底圖製作進行了有益的探索。
1 影像數據處理及資料庫建設技術路線
（1）多源遙感信息相結合。選取最佳波段組合的多光譜影像與高解析度全色影像融合，生產具有高解析度空間信息和豐富光譜信息的融合影像。
（2）GPS 像控點、基礎圖件（資料庫）和 DEM 相結合。根據實際情況，採用 GPS 像控點，同時利用 1∶5 萬 DEM 對遙感影像進行正射校正。
（3）人機交互與計算機自動提取相結合。以人機交互解譯為主，進行土地分類信息提取。
（4）遙感解譯與地面調查相結合。對提取的地類圖斑信息進行外業驗證，對在室內不確定的地類圖斑，進行外業實地調查。
2 GPS 像控點圖形圖像資料庫建立
為保證像控點選取精度，首先在 2.5 m 解析度的全色影像上，按照像控點選取的技術要求，每景均勻選取了 25 個像控點，並對像控點進行了全外業 GPS 靜態測量，在 MapGIS 平台下編輯像控點屬性結構，建立 GPS 像控點圖形圖像資料庫，並將像控點外業測量成果表以圖片方式保存在屬性表中。如圖1所示。
圖1 像控點圖形圖像資料庫示意圖
2.1 GPS 像控點選取
為保證像控點外業測量精度，像控點選取時，點位分布要相對均勻，特徵明顯，交通便利，數量足夠，盡可能在全色影像上選取，盡量避開高壓線、大面積水域等干擾因素。
為提高外業測量效率，將選取的待測像控點製作成「像控點外業測量成果表」，成果表包括像控點編號、點位及放大的示意圖、WGS84、1954 北京、1980 年西安三套坐標和點位說明等內容。
2.2 GPS 像控點外業施測
像控點外業測量採用附合路線法，各像控點平均間距約 13 km，像控點與 C 級 GPS 控制點組成 GPS 控制網。GPS 像控點外業測量利用河南省 C 級 GPS 控制網成果的三套數據（分別為WGS 84、1954 北京和 1980 年西安坐標）作為起算數據，依據《全球定位系統（GPS）測量規范》，採用靜態方式同步進行觀測，三台套 GPS 接收機為一組，觀測時段長度不少於 45 分鍾，衛星高度角≥ 15°，有效觀測衛星總數≥ 4 個。測量數據採用南方測繪軟體進行基線解算、平差處理並進行高程擬合，最後解算出像控點基於三套坐標系統的三套數據和擬合高程。
2.3 GPS 像控點圖形圖像資料庫的建立
GPS 像控點圖形圖像資料庫以河南省 1∶50 萬地理底圖作為工作底圖，輸入像控點空間坐標，並採集像控點屬性與圖形信息，建立數學基準統一的像控點圖形圖像文件。像控點圖形圖像信息，除像控點所具有的地理坐標信息之外，還包括與待糾正影像相關的特徵地物的紋理信息、解析度信息等。
3 影像數據處理
影像數據處理包括衛星影像全色數據與多光譜數據的配准、融合和影像數據正射校正、鑲嵌及正射影像圖（DOM）的製作等。本項目所使用到的 SPOT 5 數據是由視寶公司提供的 1A 級數據，只經過了探測器的均衡化處理，為了進行多元數據的復合，製作正射影像圖，必須對圖像進行正射校正，建立地理坐標。影像數據處理技術流程如圖 2 所示。
圖2 影像數據處理技術流程
3.1 影像配准
本項目使用的單景多光譜數據與全色數據是同步接收到的，其圖形的幾何相關性較好，多光譜數據與全色配准難度小、精度高，因此採用相對配準的方法，SPOT 5 多光譜數據波段組合採用 XS2（紅）、XS3（綠）、XS1（藍）形式，影像重采樣間隔為 2.5 m，重采樣方法採用雙線性內插，以景為配准單元，以 SPOT 5 全色數據為配准基礎，均勻選取配准控制點，對接收側視角較大，地勢起伏對配准影響較為嚴重的區域相應增加控制點密度，將 SPOT 5 多光譜數據與之精確配准，並隨機選擇配准後全色與多光譜數據上的同名點進行檢查，以確保數據的配准精度。
3.2 影像融合
圖像融合處理採用最基本的乘積組合演算法直接對兩種空間解析度的遙感數據進行合成，融合後圖像則採用直方圖調整、USM 銳化、彩色平衡、色度飽和度調整和反差增強等手段，以使整景影像色彩均勻、明暗程度適中、清晰，增強專題信息，特別是加強紋理信息。
3.3 影像正射校正
影像正射校正採用 ERDAS 的 LPS 正射模塊，利用 SPOT 5 物理模型，每景 25 個像控點均勻分布於整景影像，各相鄰景影像重疊區有 2 個以上共用點。正射校正以實測點和 1∶5 萬 DEM為校正基礎，以景為單元，對融合後的數據進行正射校正，采樣間隔為 2.5 m。
3.4 影像鑲嵌
影像鑲嵌採用 ERDAS 的 LPS 正射模塊中批量處理模塊，相鄰兩幅影像，均採集了兩個以上共用點，大大提高了影像鑲嵌精度。為驗證鑲嵌精度，以縣（市、區）為單位，在其鑲嵌區隨機選擇 25 個以上檢查點進行鑲嵌精度檢查。
3.5 數字正射影像圖製作
數字正射影像圖（DOM）製作採用 Image Info 工具，按照 1∶1 萬標准分幅進行裁切，覆蓋完整的縣級行政轄區。圖幅整飾依據《高解析度影像數據處理及資料庫建設技術要求》，利用MapGIS 資料庫平台，按照 1954 北京坐標系、1985 年國家高程基準的生成 1∶1 萬標准分幅圖幅整飾。
4 創新成果
項目組在圓滿完成項目任務的前提下，結合項目進展和土地管理需要，創造性地開展工作。總結項目進展和取得的成果，創新成果主要體現在：
（1）影像校正控制點 GPS 外業實測數據作為影像校正控制資料，改變了以往利用地形圖、土地利用現狀圖（資料庫）作為控制資料的傳統方式，極大地提高了影像校正精度，節省了項目投入經費。
覆蓋河南全省 1∶1 萬標准分幅地形圖共計 6565 幅，而實有地形圖僅 5600 余幅，項目組在徵求部課題組同意的前提下，提出採用 GPS 外業實測控制點作為影像校正控制資料的思路。基於這一思路，項目組進行了一系列研究和論證，制定了 GPS 外業測量技術要求，並對覆蓋全省的每景 SPOT 5 衛星影像相對均勻地選取了 25 個控制點，相鄰景影像不少於 2 個共用控制點的原則，全省共選取影像校正控制點 1421 個，GPS 大地控制 C 級點 94 個。根據影像數據接收時間和項目進度，共分 13 個測區，對所有控制點採用附和路線法進行了靜態測量，分別計算出各控制點和檢查點的 WGS84、1954 北京和 1980 年西安三套坐標。
（2）河南省像控點圖形圖像資料庫的建立，為今後河南全省土地利用遙感監測、衛片執法監察等提供了技術保障。
為使外業測量成果長期保存和今後使用，項目組在項目任務之外，在 MapGIS 平台上，基於河南省 1∶50 萬地理底圖，建立了 GPS 像控點圖形圖像資料庫。GPS 像控點圖形圖像資料庫的建立，不僅滿足 SPOT 5_2.5 m 高解析度衛星影像的校正精度要求，同時為今後河南全省土地利用遙感監測、衛片執法檢查、礦山環境監測等奠定了基礎。
（3）高解析度影像數據大區域整體正射校正和鑲嵌處理技術的探索，為影像數據批處理技術的推廣進行了有益的探索。
由於本次試點項目涉及的范圍廣、影像處理工作量大，因此，項目組在保證影像糾正精度的前提下，為提高工作效率，探索和使用了遙感影像專業處理軟體 ERDAS 的 LPS 模塊提供的大區域整體正射糾正和影像鑲嵌處理功能，達到了較好的應用效果。
鑒於本次試點項目所使用的影像數據均為同步接收的 SPOT 5 多光譜與全色數據，其圖形的幾何相關性較好，多光譜數據與全色配准難度小、精度高，因此，影像數據處理採用先單景融合、後大區域整體正射校正、最後進行大區域鑲嵌配準的技術流程進行影像處理。
正射糾正採用 ERDAS 的 LPS 批量正射模塊。糾正採用 SPOT 5 物理模型，控制點均勻分布於整景影像，每景控制點個數為 25 個，各相鄰影像重疊區有 2 個以上共用點。正射糾正以 GPS外業實測控制點和預處理的河南省 1∶5 萬 DEM 為糾正基礎 , 對 SPOT 5 融合數據進行批量糾正，采樣間隔為 2.5 m。影像鑲嵌採用的是 ERDAS 的 LPS 批處理模塊，由於各相鄰景影像均採集了兩個以上的共用點，大大提高了影像鑲嵌精度。
（4）基於遙感影像信息土地利用分類標准體系的制定，為國家和省級快速掌握和提取土地利用變化信息進行了有益的探索。
項目組根據部課題組要求及國家和省土地管理工作需要，結合 SPOT 5 衛星影像光譜特徵和紋理信息，經充分研究和論證，制定了切合河南實際、滿足「高解析度影像數據處理及資料庫建設」試點項目需要的基於遙感影像信息的土地利用分類標准，該標准中將土地利用類型分為農用地、建設用地和未利用地等 3 個大類，耕地、園林地、其他農用地、城市用地、建制鎮用地、農村居民點用地、鐵路用地、公路用地、其他建設用地、未利用地等 10 個二級類，此外，根據個別地類特點，又分別從農用地、建設用地和未利用地中單獨劃分出公路林帶、農業水利用地、水利設施用地、未利用水面和黃河灘地等 5 個三級類，分類標准與現有的土地利用分類體系協調、一致，符合國土資源土地分類標准體系。
（5）基於遙感影像土地利用資料庫建設，為國家和省土地宏觀管理提供了現勢性較強的土地利用電子數據，為國內同類工作的開展提供了技術依據。
考慮到國家和省級土地宏觀管理的需要，根據項目制定的「基於遙感影像土地利用分類體系」，結合中地公司 MapGIS 土地利用資料庫管理系統框架結構，項目組在 MapGIS 資料庫管理系統平台的基礎上，分別制定了《高解析度影像數據處理及資料庫建設技術要求》和《基於遙感影像 1∶1 萬土地利用資料庫標准》等，並在標准中明確了基於遙感影像的土地分類、文件命名規則、數據分層格式及要求等，保證了數據標准和數據格式的一致性及資料庫建設質量，為國家和省提供了翔實的土地利用現勢數據。
5 結 語
隨著遙感技術和計算機技術的飛速發展，高解析度遙感影像數據在土地管理工作中的應用越來越普遍，同時，遙感影像數據處理的技術手段也越來越科學、越來越先進，尤其是全國第二次土地調查工作的全面開展，將遙感影像在土地管理方面的應用推到一個前所未有的水平，因此，如何在影像數據處理過程中盡可能減少人力和財力投入已顯得尤為重要。本項目針對上述問題，在科研與生產過程中，提出的採用 GPS 外業實測控制點作為影像校正控制資料、GPS 像控點圖形圖像數據建庫及基於國家和省級土地管理需要而提出的基於遙感影像信息土地利用資料庫標准等，進行了較好的詮釋，為今後同類工作的開展進行了有益的探索。
參 考 文 獻
常慶瑞，等.2004.遙感技術導論［M］. 北京：科學出版社
陳述彭，等.1998.遙感信息機理研究［M］.北京：科學出版社
黨安榮，等.2003.ERDAS IMAGING 遙感圖像處理方法［M］.北京：清華大學出版社
湯國安，等.2004.遙感數字影像處理［M］. 北京：科學出版社
徐柏清.1988.正射投影技術與影像地圖［M］.北京：測繪出版社
尤淑撐，劉順喜.2002.GPS 在土地變更調查中的應用研究［J］.測繪通報（5）：1～3
張繼賢，等.2000.圖形圖像控制點庫及應用［J］.測繪通報（1）
（原載《測繪通報》2008 年第 10 期）
I. 一文了解遙感衛星影像處理及其發展趨勢
當空中的遙感衛星獲取了地球數字影像，並傳回地面，是否工作就結束了？答案顯然是否定的，相反， 這正是遙感數字圖像處理工作的開始 。
遙感數字圖像 （Digital image，後簡稱「遙感影像」）是數字形式的遙感圖像，地球表面不同區域和地物能夠反射或輻射不同波長的電磁波，利用這種特性，遙感系統可以產生不同的遙感數字圖像。
讓其與一般的數字圖像，也就是我們平時拍攝的電子照片拉開距離的，是遙感影像的 成像范圍與精細度 。遙感衛星的攝影區域是地球級的宏觀維度，影像中的每個像素都對應著三維真實世界中的某幾個、某個或某部分地物實體，根據衛星成像解析度的不同，其中一個像素就有可能是一棵樹、一輛車或是一幢大樓的某個窗戶。
所以，圖像每個像素點的亮度值（DN值，Digital Number）都有著重要的信息意義，要獲取其中的准確信息，用戶需要根據自身應用目標，對衛星影像中的像素進行管理、轉換、校正、增強、提取一系列的「神操作」，便於後續深入挖掘與業務融合應用。
DN值（Digital Number ）：遙感影像像元亮度值，記錄地物的灰度值。無單位，是一個整數值，值大小與感測器的輻射解析度、地物發射率、大氣透過率和散射率等相關，反映地物的輻射率（Radiance）。
我們可以回到「P圖界」進行比喻，為了讓自己的社交媒體形象更加完美，我們打開某圖秀秀軟體，美白、瘦身、磨皮、祛痘....當然，遙感影像的數據處理復雜專業多了，到什麼地步呢？它可以被寫成 一本教科書 ——
今天，我們就來了解一下，這其中到底有哪些「神操作」，又如何應用？以及在遙感產業飛速發展的今天，高頻的數據產出、演算法和人工智慧的沖擊，會否讓這些「神操作」的傳統模式和底層邏輯，發生變革？
01、 什麼是遙感影像處理？
遙感影像處理，是利用 計算機圖像處理系統 對 遙感圖像中的像素 進行系列操作的過程。
遙感影像中包含著很多信息，通過數字化（成像系統的采樣和量化、數字存儲）後，才能有效地進行信息分析和內容提取。在此基礎上，對影像數據進行處理「再加工」，如校正圖形對齊坐標、增強地物輪廓，能夠極大地 提升圖像處理的精度和信息提取的效率， 這個過程都可以稱為「遙感數字圖像處理」。
作為「對地觀測」過程的一個基本而重要的組成部分，在衛星應用產業鏈中，遙感影像處理環節處於中下游、承前啟後的重要位置，前端承接衛星地面設施，後端面向農林、氣象、自然資源等行業具體的業務應用，提供「就緒」的數據服務或工具。
02、 為什麼遙感影像處理是應用的「必經之路」？
在我們看到整齊美觀的谷歌地球這類數字地球產品，或是遙感衛星應用在自然資源管理、環保、農業、氣象等領域的專題圖或解譯圖，都需要經過影像處理的中間「洗禮」。
因為遙感衛星在高空「作業」，其成像環境復雜程度遠遠超越我們日常地面的拍照環境，會遇到感測器不穩定，地球曲率、大氣條件、光照變化、地形變化等系統與非系統因素造成的圖形幾何變形、失真、模糊、噪點等。遙感數據中心對圖像進行去除條帶、幾何粗校正等初步處理，數據到達各終端用戶手中時，還需要對數據做進一步的精細處理，使其更加接近真實世界的實體空間環境與坐標，並根據其自身業務分析目標，進行專業處理，為接下來的遙感影像分析、解譯、業務應用做好准備。
總的來說，遙感影像處理的主要目標為以下三點：
圖像校正 ：恢復、復原圖像。在進行信息提取前，必須對遙感圖像進行校正處理，以使影像能夠正確地反映實際地物信息或物理過程。
圖像增強 ：壓抑或去除圖像雜訊。為使遙感圖像所包含的地物信息可讀性更強，感興趣目標更突出、容易理解和判讀，需要對整體圖像或特定地物信息進行增強處理。
信息提取 ：根據地物光譜特徵和幾何特徵，確定不同地物信息的提取規則，在此基礎上，利用該規則從校正後的遙感數據中提取各種有用的地物信息。
03、 遙感數據處理有哪些功能？
完整的遙感數字圖像處理包含了硬體系統和軟體系統兩大部分，遙感數據存儲量龐大，需要大容量數字存儲設備與軟體共同配合存儲處理，這里主要介紹軟體處理部分。下面展示的是一個專業的圖像處理軟體界面，與常用的辦公軟體相比，圖像處理系統的各個功能顯得比較分散，各個菜單之間的聯系不緊密。
從某種意義上看，圖像處理系統更像一個圖像處理綜合 工具箱 ，由於圖像處理目標不同，用戶可以調用某個功能、某幾項功能的組合，並非所有流程都選用。這里將一些典型的處理功能進行歸納，並對基礎步驟進行介紹。
數字存儲與管理
遙感影像本身內存較大，1景7波段的landsat遙感影像至少有200MB，而高光譜影像可能達到1GB；而進入時間與空間雙重高分時代以來，數據高頻產出與累積，也促使遙感進入大數據時代，讓遙感雲服務、存儲管理、快速分發共享趨勢愈加明顯。基於私有雲、混合雲的遙感影像數字存儲、在線更新、管理檢索、發布瀏覽，已經逐步成為與遙感數據處理不可分割的重要基礎，並將大幅度提升後續遙感影像專業處理與業務應用效率。
影像預處理
輻射校正（Radiometric Correction)
指對由於外界因素，數據獲取和傳輸系統產生的系統的、隨機的輻射失真或畸變進行的校正，消除或改正因輻射誤差而引起影像畸變的過程。
簡單概括，就是 去除感測器或大氣「雜訊」 ，更准確地表示地面條件， 提高圖像的「保真度」 ，主要是恢復數據缺失、去除薄霧，或為鑲嵌和變化監測做好准備。
輻射校正在動態監測中的作用 ：在多時相遙感圖像中，除了地物的變化會引起圖像中輻射值的變化外，不變的地物在不同時相圖像中的輻射值也會有差異。如果需要利用多時相遙感圖像的光譜信息對地物變化狀況進行動態監測，首要消除不變地物的輻射值差異。
通過相對輻射校正，將一圖像作為參考(或基準)圖像，調整另一圖像的DN值，使得兩時相圖像上同名的地物具有相同的DN值，這個過程也叫 多時相遙感圖像的光譜歸一化 。這樣就可以通過分析不同時相遙感圖像上的輻射值差異來實現變化監測，從而完成 地物動態變化的遙感動態監測 。
幾何校正（Geometric correction）
遙感成像過程中，因攝影材料變形、物鏡畸變、大氣折光、地球曲率、地球自轉、地形起伏等因素導致的綜合影響，原始圖像上地物的幾何位置、形狀、大小、尺寸、方位等特徵與其對應的地面地物的特徵往往是不一致的，這種不一致為幾何變形，也稱幾何畸變。幾何校正就是通過一系列的數學模型來改正和消除這種幾何畸變，使其定位準確。
幾何校正原理示意：真實世界的地形是立體而凹凸不平的，但遙感衛星感測器只能獲取平面二維像素，這就帶來了地形扭曲 | 圖源：網路；重製圖：超擎時空
圖像增強
圖像對比度增強 （Image Contrast Enhancement）
統計每幅圖像的各亮度的像元數而得到的隨機分布圖，即為該幅圖像的直方圖。 一般來說，包含大量像元的圖像，像元的亮度隨機分布應是正態分布。直方圖為非正態分布，說明圖像的亮度分布偏亮、偏暗或亮度過於集中，圖像的對比度小，需要調整該直方圖到正態分布，以改善圖像的質量，並便於分辨地物輪廓並提取信息。
彩色合成
為了充分利用色彩在遙感圖像判讀和信息提取中的優勢，常利用彩色合成的方法對多光譜圖像進行處理，以得到彩色圖像。如上圖，彩色圖像可以分為真彩色圖像和假彩色圖像。
密度分割
將灰度圖像按照像元的灰度值進行分級，再分級賦以不同的顏色，使原有灰度圖像變成偽彩色圖像，達到圖像增強的目的。
圖像運算
兩幅或多幅單波段圖像，空間配准後可進行算術運算，實現圖像的增強。根據地物在不同波段的灰度差異，通過不同波段的代數運算產生新的「波段」，常見的有加法運算、減法運算、比值運算和綜合運算，如：
減法運算：可突現出兩波段差值大的地物，如紅外-紅，可突現植被信息。
比值運算：常用於計算植被指數、消除地形陰影等。
植被指數：NDVI=（IR-R）/（IR+R）
圖像融合
遙感圖像信息融合是有效提升圖像解析度與信息量的手段，將多源遙感數據在統一的地理坐標系中，採用一定的演算法生成一組新的信息或合成圖像的過程。
不同的遙感數據具有不同的空間解析度、波譜解析度和時相解析度，將低解析度的多光譜影像與高解析度的單波段影像重采樣生成一副高解析度多光譜影像遙感的圖像處理技術，使得處理後的影像既有較高的空間解析度，又具有多光譜特徵。
圖像裁剪
在遙感實際應用中，用戶可能只對遙感影像中的一個特定的范圍內的信息感興趣，這就需要將遙感影像裁減成研究范圍的大小。常用的裁剪方式有，按ROI（興趣區域）裁剪、按文件裁剪（按照指定影像文件的范圍大小）、按地圖裁剪（根據地圖的地理坐標或經緯度的范圍）。
圖像鑲嵌
也叫圖像拼接，是將兩幅或多幅數字影像(它們有可能是在不同的攝影條件下獲取的)拼在一起，構成一幅整體圖像的技術過程。 通常是先對每幅圖像進行幾何校正，將它們規劃到統一的坐標系中，然後對它們進行裁剪，去掉重疊的部分，再將裁剪後的多幅影像裝配起來形成一幅大幅面的影像。
鑲嵌勻色
將若干幅互為鄰接的遙感影像通過拼接勻色技術合並成一幅統一的新影像。
信息提取
遙感圖像中目標地物的特徵是地物電磁波的輻射差異在遙感影像上的反映。依據遙感圖像上的地物特徵，識別地物類型、性質、空間位置、形狀、大小等屬性的過程即為遙感信息提取。
目視判讀
也叫人工解譯，即用人工肉眼與經驗判讀遙感影像，對遙感影像上目標地物的范圍進行手工勾繪，達到信息提取的目的。人工解譯為傳統常用的信息提取辦法，但在海量影像下判讀分析效率相對低。
圖像分類
是依據是地物的光譜特徵，確定判別函數和相應的判別准則，將圖像所有的像元按性質分為若干類別的過程，主要方式分為監督分類與非監督分類。
- 監督分類
監督分類是在分類前人們已對遙感影像樣本區中的類別屬性有了先驗知識，進而可利用這些樣本類別的特徵作為依據建立和訓練分類器（亦即建立判別函數），進而完成整幅影像的類型劃分，將每個像元歸並到相對應的一個類別中去。
監督分類也是目前遙感AI最為常見的應用方式，即通過樣本庫，用機器學習對特定地物進行分類、標注或識別。
- 非監督分類
非監督分類也稱聚類分析，是指人們事先對分類過程不施加任何的先驗知識，而僅憑數據（遙感影像地物的光譜特徵的分布規律）、即自然聚類的特性進行「盲目」的分類；是以集群為理論基礎，通過計算機對圖像進行集聚統計分析的方法，是模式識別的一種方法。一般演算法有：回歸分析、趨勢分析、等混合距離法、集群分析、主成分分析和圖形識別等。
監督分類和非監督分類的區別 ：有監督必須有訓練集與測試樣本。在訓練集中找規律，而對測試樣本使用這種規律；非監督沒有訓練集，只有一組數據，在該組數據集內尋找規律。
04、 遙感數據處理正在發生怎樣的改變？
遙感數據處理更像是生產製造中的「原材料粗加工」環節，也是遙感影像數據智能應用和業務融合的前序手段，從前文的介紹來看，其過程也是較為復雜和專業的。
作為對地觀測和遙感產業化的重要組成部分，位於產業中下游的遙感數據處理，也受到了大數據時代的沖擊，正在響應這一趨勢並發生變革，走向 實時化、標准化、規模化、自動化 。
在企業數字化轉型中，人們常說的一句話是，所有傳統產業都值得用數字化再做一遍，在傳統的數據生產、信息服務產業也是如此，其模式和流程都值得用演算法和AI再做一遍。
當演算法與人工智慧逐步滲透遙感數據處理這個環節，能夠解決遙感產業數據生產服務中的很多難題，例如數據分發周期與鏈路長，處理環節多，海量數據處理的精準、一致性等問題，這我們可以將其視為「自動化批量處理」。
當中游演算法引擎解決了數據服務和數據計算效率和自動化流程的問題後，下游也將出現更多適用於各種垂直細分場景的精細化應用數據產品，而在以上介紹的遙感影像信息提取環節，有了AI和演算法的參與，也出現很多高效的自動化功能，如目標識別、地物提取、地物分類、變化檢測等，逐步幫助人類提高解譯的效率，形成遙感產業下游的「智能化信息挖掘」機制。
我們可以看到，從遙感數據獲取源頭，到數據處理，到終端應用，其效率與底層數據模式密不可分，在衛星互聯網和對地觀測 星座 逐步構建成型的趨勢下，只有將數據的獲取、處理和共享流程標准化，大規模、自動化、流水化的遙感產業才能更好地地為政企數字化轉型發揮動能，也真正地迎來時空大數據時代。
參考資料
《遙感數字影像處理教程》韋玉春 湯國安 楊昕 編著