当前位置：文档库 › 大规模遥感数据的融合与共享

大规模遥感数据的融合与共享

遥感数据特征

常用遥感数据特征总结按照遥感平台类型，遥感技术可以分为航宇遥感、航天遥感、航空遥感、地面遥感四类。其中航天遥感平台发展最快，应用最广。很据航天遥感平台的服务内容，可以将其分为气象卫星系列、陆地卫星系列和海洋卫星系列。不同的卫星系列所获得的遥感数据有着不同的特征，常常应用于不同的应用领域，在进行检测研究时，常常根据不同的卫星资料特点，选择不同的遥感数据。下文简单总结了几种常用的航天遥感数据特征。 1 气象卫星系列气象卫星是最早发张起来的环境卫星。从1960年美国发射第一颗实验性气象卫星（TIROS）以来，已经有多种实验性或者业务性气象卫星进入不同轨道。气象卫星资料已经在气象预报、气象研究、资源调查海洋研究等方面显示出了强大的生命力。气象卫星主要有以下几种系列：60年代——TIROS系列、ESSA系列、Nimus 系列；70年代——ITOS系列、NOAA系列、SMS系列、GOES系列、MeteopII、GMS、Meteosat；80年代后，主要以NOAA系列为代表。我国的气象卫星发展比较晚，FY-1是我国发射的第一颗1988年9月7日发射成功。气象卫星主要有以下特征。（1）轨道。气象卫星轨道可以分为两种，低轨和高轨。低轨是近极低太阳同步轨道，简称极地轨道，轨道高度800~1600km，南北向绕地球运转。对东西宽约2800km的带状地域进行观测，由于与太阳同步，使卫星每天在固定的时间经过每个地方的上空，资料获得时具有相同的照明条件。高轨是指地球同步轨道，轨道高度36000km左右，相对于地球静止，能够观测地球1/4的面积，有3—4颗卫星形成观测网，对某一固定地区，每隔20~30min获取一次资料，由于它相对于地球静止，可以作为通讯中继站，用于传送各种天气资料。（2）短周期重复观测。地球同步卫星观测周期为0.5小时一次，极轨卫星为约为0.5~1天/次，时间分辨率较高。有助于对地面快速变化的动态检测。（3）成像面积大，有助于获得宏观同步信息，减少数据处理容量。（4）资源来源连续、实时性强、成本低 NOAA系列。 NOAA-11卫星：发射日期1988年9月24日，正式运行日期1988年11月8日，轨道高度841公里，轨道倾角98.9度，轨道周期：101.8分。 NOAA-12卫星：发射日期1991年5月14日，正式运行日期1991年9月17日轨道高度804公里，轨道倾角98.6度，轨道周期101.1分。 NOAA-14卫星：发射日期1994年12月30日，正式运行日期1985年4月10日，轨道高度845公里，轨道倾角99.1度，轨道周期101.9分。 NOAA-15卫星：发射日期1998年5月13日，正式运行日期1998年12月15日轨道高度808公里，轨道倾角98.6度，轨道周期101.2分。 NOAA-16卫星：发射日期2000年9月12日，正式运行日期2001年3月20日，轨道高度850公里，轨道倾角98.9度，轨道周期102.1分。

遥感图像融合方法比较

1 绪论 1.1研究目的及意义 20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。 1.2研究现状及发展的趋势 1.2.1研究现状 20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。 1）、融合结构融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。 2）、融合的层次图像融合可分为：像元级融合、特征级融合和决策级融合。像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融合分为目标状态信息融合和目标特征融合。决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。

遥感影像融合处理方法

遥感影像融合处理方法摘要：本文介绍了遥感影像数据融合技术，并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法，最后简要描述了融合评价的方式方法等。关键词：遥感影像融合融合评价 1、前言将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合，获得色彩信息丰富且分辨率高的遥感融合影像的过程，成为遥感影像融合。全色影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富，为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱影像。通过影像融合既可以提高多光谱影像空间分辨率，又能保留其多光谱特性。 2、遥感影像融合一般步骤遥感影像信息融合一般流程主要分为两个阶段：图像预处理，图像融合变换。图像预处理主要包括：几何校正及影像配准。几何校正主要在于去除透视收缩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；影像配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 3 常用融合方式 3.1 IHS融合 IHS（亮度I、色度H、饱和度S）变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据，合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度、色度、饱和度，它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。RGB颜色空间和IHS 色度空间有着精确的转换关系。IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。 3.2 小波融合小波变换，基于遥感影像的频域分析进行的，由于同一地区不同类型的影像，低频部分差别不大，而高频部分相差很大，通过小波变换对变换区实现分频，在分频基础上进行遥感影像的融合，常用于雷达影像SAR与TM影像的融合。

遥感影像数据产品级别

遥感影像数据产品级别卫星数据服务商北揽宇方圆信息技术有限公司是国内规模最大、服务最稳定、服务质量最高的卫星影像数据综合应用服务企业，一直致力于为用户提供全球中、高分辨率卫星影像数据及基于遥感数据的应用服务。多颗国际领先的高分辨率遥感卫星数据资源，这些卫星群能够以极快地速度为用户提供全球各地的超高分辨率影像。 0级：经数据重构，未进行任何处理的原始数据；所有的通信信息（比如：同步帧、通信头和重复数据）被移除。 1A级：经数据重构，具有时间参考、辅助信息（包括辐射、几何校正系数等）以及地理坐标参数等（如：平台星历等，并没有应用于0级产品）的未进行任何处理的原始数据。 1B级：在1A级产品的基础上处理至传感器单元（并不是所有数据都有L1B级数据）。 2级: 与1级数据具有相同分辨率和位置的地球物理参量数据产品。 3级: 投影至统一时空格网尺度，通常具有一定完整性和一致性的数据产品。4级: 模型输出结果或从低级数据分析得到的结果。该分级体系的一个重要方面是它的每一级是积累的，新的一个级别是由其下一级别生成同时它也是上一级产品的输入数据。0级数据基本上是原始的、未经任何处理的仪器和传感器数据。虽然它是基本的数据级别，但我们通常不会使用它，对传感器本身准确性和敏感性比较感兴趣的人将会是它的用户。0级数据的主要作用是作为数据处理链中的原始数据被用来生成更高级别的数据产品。1级数据可以恢复为0级，同时1级数据也是生成更高级别数据的基础。 2级数据可直接用于大多数的科学研究。相对于1级数据来说，2级数据可能由于某些原因（比如：在空间尺度或光谱范围等方面做了缩减）要小一些。3级产品可能会更小，以便其更容易被使用，同时规则的空间和时间组织使得这些数据更容易与不同数据源的数据结合使用。一般地，随着处理技术的改进，数据集本身将会变得更小，但其在科学应用中的价值和效用将会变的更大。对于遥感影像预处理类型和程度来说，采用统一的处理级别体系来描述其优

ENVI下植被覆盖度的遥感估算

ENVI下植被覆盖度的遥感估算植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。估算模型目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0% 当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和 VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax和 VFCmin根据经验估算。实现流程

遥感影像数据下载

1.MODIS L1B 1km: https://www.wendangku.net/doc/f66391886.html,/data/d ... _Level_1/index.html 免费注册，免费下载，daily data 2.https://www.wendangku.net/doc/f66391886.html,/pub/imswelcome/ 3. https://www.wendangku.net/doc/f66391886.html,/ https://www.wendangku.net/doc/f66391886.html,ndsat etm+ and tm images for free https://www.wendangku.net/doc/f66391886.html,/ortho/index.htm 5.EarthEtc ER MAPPER公司示范网站 https://www.wendangku.net/doc/f66391886.html,/imagery.aspx该网站上可以欣赏世界各地的高清晰度卫星照片，以及覆盖全球的1990年版LANDSAT卫星拼图（NASA命名为Circa 1990)。该网站不提供文件下载，只能通过浏览器观看。 6.NASA已经将中国地区的卫星图像发表在其网站上，免费供公众下载。 https://https://www.wendangku.net/doc/f66391886.html,/mrsid/mrsid.pl 7.ENVISAT ASAR数据 https://www.wendangku.net/doc/f66391886.html,或者https://www.wendangku.net/doc/f66391886.html, ENVISAT卫星是欧空局迄今为止研制的最大的环境监测卫星，其高级合成孔径雷达（ASAR）在C波段具有多极化、可变观测角度、宽幅成像等特性。其数据可以广泛应用于自然灾害监测、资源环境调查、雷达遥感教学与科研等领域。 8.美国航天飞机SRTM 高程数据 SRTM高程数据由NASA航天飞机上的雷达在2000年2月搜集，覆盖南纬56度到北纬60度之间的陆地区域。该数据分辨率为30米，但NASA出于“安全性”考虑将美国以外的地区缩减为90米分辨率。数据格式为HGT格式，采用ZIP压缩，文件名以经纬度网格的左上角点命名。该系列数据是“未完成”数据，里面有很多地方有数据空洞存在。 ftp://https://www.wendangku.net/doc/f66391886.html,/srtm/Eurasia/ https://www.wendangku.net/doc/f66391886.html,gs,gov/data/obtainingdata.html(“unfinished”Grade) https://www.wendangku.net/doc/f66391886.html,gs,gov/products/elevation.html(“finished”Grade) Easy Download Site—GLCF ftp://https://www.wendangku.net/doc/f66391886.html,/gl ... 0/SRTM_u03_n040e116 上述数据覆盖范围1*1度n040—北纬40度e116—东经116度 9.国家基础地理信息系统全国1:400万数据库

遥感与GIS一体化集成

遥感与GIS一体化集成技术遥感影像已经成为GIS的主要信息源，并作为GIS的核心组成部分，GIS是管理和分析空间数据的有效手段，帮助提升影像的利用价值。遥感与GIS的一体化集成逐渐成为一种趋势和发展潮流。在上个世纪很多人提出了遥感与GIS集成的概念，但是只停留在影像栅格格式与矢量数据格式相互支持的层面上。本专题对遥感与GIS平台一体化集成途径及相应技术进行了讨论。本专题介绍以下几个内容： ●遥感与GIS ●遥感与GIS一体化集成技术 ●ENVI/IDL与ArcGIS一体化集成方案 ●ENVI/IDL与ArcGIS一体化集成操作演示 ●ENVI/IDL与ArcGIS集成开发案例 1 遥感与GIS 遥感是空间数据采集和分类的有效工具，GIS是管理和分析空间数据的有效工具（彭望琭等，2002）。两者是空间信息的主要组成部分，有着必然的联系。遥感具有动态、多时相采集空间信息的能力，遥感影像已经成为GIS的主要信息源。作为GIS的核心组成部分，遥感影像是提供及时信息的理想方式。在遭遇灾害的情况下，遥感影像是唯一我们能够立刻获取的地理信息；在地图缺乏的地区，遥感影像甚至是我们能够获取的唯一信息；图1 遥感与GIS 在空间信息的许多行业，离开遥感影像，GIS就是不完整的。另一方面，遥感获取丰富的、海量的空间数据有赖于GIS的有效管理与共享，同时利用GIS强大的空间分析功能提取更深层次的专题信息，全面提升影像的利用价值。

图2 遥感与GIS一体化集成意义 2 遥感与GIS一体化集成技术遥感影像类似于GIS中的栅格数据，遥感和GIS很容易在数据层次上实现集成（邬伦等，2001）。GIS软件没有提供完善的图像处理功能，遥感软件中也缺少空间分析及数据管理工具。遥感和GIS一体化集成，可以有以下三个层次及途径实现。 (一)数据一体化管理与共享 ●数据互操作遥感影像和图像分析功能可以作为核心组成部分与GIS实现一体化，首先解决的问题就是遥感与GIS平台之间的数据互操作问题。数据互操作实现有两个途径：一是将遥感数据或者GIS数据都以标准格式保存，两个平台都支持；二是遥感和GIS平台直接支持对方数据格式。很明显后者比前者更加方便。 ●栅矢数据集中和分布式管理在遥感中，数据主要储存格式为栅格，GIS中主要由矢量数据格式组成。栅格和矢量一体化管理，需要这样一种数据模型，同时储存栅格和矢量数据，支持分布式管理。 ●基于服务的企业级共享影像天然地具有企业级应用的潜力，因为它可以实现多个用户在同一幅图上同时进行操作。而这对于大型企业级应用更加有利，其中最主要的一项优势就是节省成本。我们可以分享同一影像资源，从而显著地减少成本。而影像由于自身的特点，具有很高的存储要求，尤其是那些高空间分辨率、多光谱影像。传统以纸质影像图或者电子文件分发的形式也能实现数据共享，但是共享效率比较低。如今基于Web services的共享方式提供了一种合理的解决方式，它集中利用了计算机资源，可以为若干个客户端提供影像共享服务。 (二)平台一体化分析在遥感软件中进行的图像处理工作流，与GIS软件下的GIS工作流实现无缝链接和交换。如在遥感软件中处理的数据通过菜单功能直接传送到GIS软件中，无需中间的保存、打开等

遥感数据免费下载网址

想收集某一区域多年来的Landsat TM影像，在网上一共找到三处地方可免费下载第一处，可是这个网站该区域的影像只有四幅第二处，这个网站该区域的影像从89年到06年也只有7幅第三处，这是中科院的国际科学数据服务平台，该区域的影像也不多遥感数据免费下载网址 2011-04-20 09:32 1. 2. 3.modis L1B 1km: .gov/data/dataset/MODIS/01_Level_1/index.html 免费注册，免费下载，daily data 4. .gov/pub/imswelcome/ 5. https://www.wendangku.net/doc/f66391886.html,ndsat etm+ and tm images for free /index.htm 全球DEM、遥感图像、矢量图像免费下载 2011-02-26 07:20 P.M. （1）全球各国shape数据下载，包括矢量要素、dem数据、遥感图片，免费，精度不知。（2）全球各国eoo格式数据下载，包括矢量要素、dem数据、遥感图片，需付费，也有部分类型数据免费，精度不知道。（3）公开的DEM数据SRTM3 SRTM数据主要是由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合测量的，SRTM的全称是Shuttle Radar Topography Mission，即航天飞机雷达地形测绘使命，2000年2月11日上午11时44分，美国“奋进”

号航天飞机在佛罗里达州卡那维拉尔角的航天发射中心发射升空，“奋进”号上搭载的SRTM系统共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬56度之间，面积超过1.19亿平方公里的9.8万亿字节的雷达影像数据，覆盖全球陆地表面的80%以上，该计划共耗资3.64亿美元，获取的雷达影像数据经过两年多的处理，制成了数字地形高程模型，该测量数据覆盖中国全境。 SRTM数据每经纬度方格提供一个文件，精度有1 arc-second 和3 arc-seconds两种，称作SRTM1和SRTM3,或者称作30M和90M数据，SRTM1的文件里面包含3601*3601个采样点的高度数据，SRTM3的文件里面包含 1201*1201个采样点的高度数据。目前能够免费获取中国境内的SRTM3文件，是90米的数据，每个90米的数据点是由9个30米的数据点算术平均得来的。 SRTM数据下载的地址是：。我国境内的数据在Eurasia目录下，每经纬度方格一个文件，文件命名方法是，X1是N或S表示南北，X2是下方纬度数，X3是E或W表示东西，X4是左方经度数。Documentation目录下有这些数据的介绍。（4）公开的三波段遥感合成图像GeoCover GeoCover的下载地址是：。 GeoCover是使用LANDSAT5卫星在1990年左右采集的数据合成的，LANDSAT5是美国太空总署(NASA)于1984年3月1日发射的地球观测卫星。 LANDSAT5- TM(Thematic Mapper)有7个波段：波段 1:0.45–0.52um蓝绿波段；波段2:0.52- 0.60绿色波段；波段3:0.63 - 0.69红色波段；波段4:0.76-0.90um近红外波段；波段7:2.08-2.35um短红外波段；其中波段1-5和7为可见光及近红外波段，分辨率为30米，波段6为热红外光分辨率为120 米。LANSAT5每景扫描耗时约26.31秒，覆盖185公里×170公里，扫描影像重叠率超过10%。 GeoCover使用了742波段分别作为红色、绿色和蓝色进行了假彩色合成，也许如果使用1、 2、3三种可见光波段合成的话会使我们看起来更舒服一些，不过我们现在能拿到的只能是这种742的合成假彩，通过观察发现其中的绿色通道对地形有较好的反应，实际操作中可以将这种假彩图像（反相？）取其中的绿色通道来作为地形底图。 GeoCover图像文件使用WGS-84 UTM坐标，采用TIFF或MrSID 格式分发，图像中每个像素28.5M-30M,一般以28.5M计算。可从全球地图页面上选择你需要的区域下载。GeoCover文件每个在东西方向跨越一个UTM分区，在南北方向跨越5个纬度，东西提供50KM的富裕，南北提供1KM的富裕。文件命名方法是X1-X2-X3.tar，X1是N或S表示南北，X2是UTM带数，X3下方经度数。

共享海量遥感影像数据

计算机世界/2006年/7月/31日/第B14版技术专题共享海量遥感影像数据毕建涛曹彦荣何建邦池天河利用遥感影像元数据实现遥感数据的网络发布与共享，使稀缺的影像数据能够得到充分合理的利用；同时采用本体技术，可以有效地实现影像数据的互操作，从而为实现影像数据的全社会范围的共享提供基础与条件。当前，空间信息技术发展迅猛，以空间数据为主的空间信息挖掘和应用成为现代人类生产生活的一个重要特征。特别是遥感影像数据，由于其具有获取方便、周期短、信息量大等特点而成为空间数据的重要组成部分。然而，由于遥感数据的数据量十分庞大，特别是对于具有不同来源、不同分辨率与不同时相的数据，其存储与管理均十分困难，且由于其本身具有的稀缺性与机密性，在一定程度上限制了遥感影像数据的充分利用，因此，迫切需要对其进行有效的组织、存储、管理和共享的研究。研究表明，为实现影像数据的网络服务，可以利用遥感影像元数据，采用流行的数据库技术对遥感影像数据进行组织与管理，并完成基于XML的影像元数据的发布，实现用户通过网络对遥感影像数据的查询、检索与访问，为影像数据的共享奠定了基础，同时利用本体技术的优势，建立起遥感影像信息本体。影像数据的存储管理 1.元数据的存储管理元数据为空间数据的存储管理与共享提供了有效的手段，通过元数据信息，用户可以在没有真实数据的情况下，获取有关数据的信息，从而为数据的共享与利用提供了可能。目前关于矢量空间数据的元数据标准已经制定，并形成了我国的地理信息国家标准，而关于遥感影像方面的元数据标准，尚处在研究之中，未形成一个普遍接受的标准。为此，国家遥感工程中心在ISO 19115.3 遥感影像元数据标准以及我国即将推出的地理信息元数据标准的基础上，结合项目的实际情况，制订了遥感影像元数据草案。该草案包括7个元数据集、6个公共数据类型和15个代码表，从标识信息、数据质量信息、参照系信息、内容信息、覆盖范围、分发信息和遥感信息等方面对遥感影像数据进行了详细的表述。 2.影像数据的存储管理由于遥感影像的数据量十分庞大，难以直接进行存储，不利于后续的处理、提取、浏览与检索，因此需要对其进行预处理，主要包括降采样、影像压缩与影像分割等内容。影像分割是将遥感影像按照行列值分割为相同大小的数据块（tile），并以tile作为影像存储的基本单元。每个tile均以一条记录的方式进行存储，不同记录通过编号进行排列。对于不能够平分的，出现多余的行或列时，应将其单独存放。当用户对影像进行调用时，通过映射关系，只调用与用户有关的tile集合即可，从而优化了数据的存储、传输、浏览模式。为减小影像的传输数据量和优化显示性能，需建立影像金字塔（图1），通过影像降采样方法，建立一系列不同分辨率的影像图层，每个图层分割存储，并建立相应的空间索引机制。常用的影像重采样方法有双线性差值、立方卷积等。由于影像的数据量比较庞大，为减小影像的存储空间，还需要对影像进行压缩处理后存储。当用户调用数据时，首先对数据进行解压缩处理，然后再返回给用户。常用的图像压缩方法有JPEG、LZ77等。 3.影像数据库结构设计

遥感图像分类后处理

遥感图像分类后处理一、实验目的与要求监督分类和决策树分类等分类方法得到的一般是初步结果，难于达到最终的应用目的。因此，需要对初步的分类结果进行一些处理，才能得到满足需求的分类结果，这些处理过程就通常称为分类后处理。常用分类后处理通常包括：更改分类颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。本课程将以几种常见的分类后处理操作为例，学习分类后处理工具。二、实验内容与方法 1.实验内容 1.小斑块去除 ●Majority和Minority分析 ●聚类处理（Clump） ●过滤处理（Sieve） 2.分类统计 3.分类叠加 4.分类结果转矢量 5.ENVI Classic分类后处理 ●浏览结果 ●局部修改 ●更改类别颜色 6.精度评价 1.实验方法在ENVI 5.x中，分类后处理的工具主要位于Toolbox/Classification/Post Classification/；

三、实验设备与材料 1.实验设备装有ENVI 5.1的计算机 2.实验材料以ENVI自带数据"can_tmr.img"的分类结果"can_tmr_class.dat"为例。数据位于"...\13数据\"。其他数据描述： ?can_tmr.img ——原始数据 ?can_tmr_验证.roi ——精度评价时用到的验证ROI 四、实验步骤 1.小斑块去除应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority分析、聚类处理（clump）和过滤处理（Sieve）。 1)Majority和Minority分析 Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸，主要分析（Majority Analysis）用变换核中占主要地位（像元数最多）的像元类别代替中心像元的类别。如果使用次要分析（Minority Analysis），将用变换核中占次要地位的像元的类别代替中心像元的类别。下面介绍详细操作流程：（1）打开分类结果——"\12.分类后处理\数据\can_tmr_class.dat"；（2）打开Majority/Minority分析工具，路径为Toolbox /Classification/Post Classification/Majority/Minority Analysis，在弹出对话框中选择"can_tmr_class.dat"，点击OK；（3）在Majority/Minority Parameters面板中，点击Select All Items选中所有的类别，其他参数按照默认即可，如下图所示。然后点击Choose按钮设置输出路径，点击OK执行操作。

浅析多源遥感数据融合原理及应用

浅析多源遥感数据融合原理摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。关键词: 遥感影像融合融合层次融合方法优缺点对比

目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)

遥感卫星数据介绍和样例数据下载

北京揽宇方圆信息技术有限公司遥感卫星数据介绍和样例数据下载下面各遥感卫星影像数据样例下载链接：https://https://www.wendangku.net/doc/f66391886.html,/s/1oG0XtspXWDTC5FstpKX9tA 提取码：联系北京揽宇方圆遥感影像部中国： superview-01/02/03/04(全色分辨率0.5米+多光谱分辨率2.0米）北京二号-01/02/03（全色分辨率0.8米+多光谱分辨率3.2米） GF2（全色分辨率0.8米+多光谱分辨率3.2米） GF1/GF6（全色分辨率2米+多光谱分辨率8米）资源三号01（正视2.1米、前后视3.5米+多光谱分辨率5.8米）资源三号02（正视2.1米、前后视2.5米+多光谱分辨率5.8米）北京一号（全色分辨率4米+多光谱分辨率32米）（05-10存档）资源一号02C（全色分辨率5米+多光谱分辨率10米）环境1A/1B（多光谱30米，超光谱100米）美国：

1.DigitalGlobe: WorldView-3/4（全色分辨率0.31米+多光谱分辨率1.24米） WorldView2（全色分辨率0.46米+多光谱分辨率1.85米）WorldView1（全色分辨率0.5米+无多光谱分辨率） GeoEye-1（全色分辨率0.41米+多光谱分辨率1.65米） QiuckBird（全色分辨率0.61米+多光谱分辨率2.44米） IKonos（全色分辨率0.82米+多光谱分辨率3.2米） 2.PlanetLabs: SkySat1-13（全色分辨率0.8米+多光谱分辨率1米） Planetscope(多光谱分辨率3-4米） 3.锁眼卫星keyhole: KH（全色分辨率0.6-100米）法国： Airbus： SPOT1-4（全色分辨率10米+多光谱分辨率20米） SPOT5（全色分辨率2.5米+多光谱分辨率10米、短波红外20米） SPOT6-7（全色分辨率1.5米+多光谱分辨率6米） Pleiades-1A/1B（全色分辨率0.5米+多光谱分辨率2米）德国：

遥感—— 影像融合

实验名称：影像融合一、实验内容 1.对TM影像和SPOT影像进行HSV数据融合。 2.利用均值、标准差、特征值等参数对融合效果进行评价。二、实验所用的仪器设备，包括所用到的数据电脑一台，遥感影像处理软件（ENVI），英国伦敦的TM影像数据lon_tm和SPOT影像数据lon_spot。三、实验原理（一）影像融合定义：图像（影像）融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系中，生成新的图像的过程。目的：1)提高图像空间分辨率；2)改善分类；3)多时相图像融合用于变化检测。（二）HSV数据融合 HSV变换法的主要原理为：首先将多光谱图像经HSV变换得到H、S、V三个分量。然后将高分辨率的全色图像代替V分量，保持H、S分量不变。最后在进行HSV反变换得到具有高空间分辨率的多光谱图像。（三）Brovey变换 Brovey融合也称为色彩正规化( color normalization)变换融合, 由美国学者Brovey推广而得名。其算法是将多光谱影像空间(multispectral image space)分解为色度和亮度成分, 并进行计算。其特点是简化了影像转换过程的系数, 以最大限度地保留多光谱数据的信息。Brovey融合法的表达式: 红色通道=R / (R +G +B ) ×1 绿色通道=G / (R +G +B ) ×1 蓝色通道=B / (R +G +B ) ×1 其中: R、G、B分别为多光谱影像的三个波段, I为高空间分辨率影像。该方法对RGB图像和高分辨率数据进行数学合成，即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值。然后自动地用最近邻、双线性或三次卷积技术将3个RGB波段重采样到高分辨率像元尺寸。本方法也要求数据具有地理参考或者具有相同的尺寸大小。（四）评价指标（1）均值与标准方差上述两个公式中，M、N为图像长宽像素个数，f(i, j)为i行j列图像灰度值。（2）信息熵对于灰度范围{0,1.…，L-1}的图像直方图，Pi为灰度值等于i的像素数与图像总像素数之比，L为灰度级总数，它表示了图像中纹理的非均匀程度或复杂程度。其中P(i)为灰度值为i的像素在

遥感影像下载地址汇总

对于遥感来说，遥感影像数据承担的作用不言而喻。针对不同目的，比如影像去噪，融合，压缩；地物分类，小目标探测；成矿信息提取；植被物化参数反演等等，所建立的算法模型的应用目标就是遥感影像。因此，我们最关心的问题是遥感影像从哪下载，覆不覆盖要研究的范围，免不免费？下面介绍几个常用的遥感影像下载网址，其中大都是免费的，并且大都是老美的USGS开放的。国内也有几个下载网址，但都是链接到了老美的影像库，涉及到关键数据仍是不可免费下载。针对国内卫星的影像数据更是需要严格的审查，才会对外开放，比如嫦娥一号，二号及三号数据。 USGS官网提供的数据下载网址，均免费 1.网址：https://www.wendangku.net/doc/f66391886.html,/，需要注册账号并审核，属于美国USGS(美国地质调查局)管理。描述：浏览查询下载数据需要安装JAVA插件，分别测试IE，360等IE内核浏览器，以及Chrome等非IE内核均可浏览查看数据。下面图是网址的主界面图，左边设置需要现在影像的信息，右边为影像的缩略图。具体下载数据的步骤，很简单。需要注意的是输入的经纬度信息为影像的中心经纬度，或者输入path/row值。设置好云量后，挑选合适数据，点击add，后Send to Card，登陆账号，选择需要的数据类型进行下载。可以下载的数据：在collection中可以查看，landsat(包括最近的landsat8)系列，EO‐1，MODIS，ASTER，Aerial等数据。

2.网址：https://www.wendangku.net/doc/f66391886.html,/ ,也由USGS管理，因此如果在第一个网址注册了账号，在这个网址也是可以通用的。描述：这个网址不要JAVA插件支持，并且提供数据较多，选择条件更为完善，是以前下载影像的首选地址。遥感影像范围的输入支持四个角点，或者path/row值，或者shapefile格式文件，或者google earth的KML格式。只要与输入的范围有交集，均为搜索结果。但是不知为啥，近期这个网址很不稳定，最近下图右边的影响缩略图不能显示，并且按钮不能点选。可以下载的数据：相比第一个，这个网站提供的数据多，并且比较全，具体有什么数据，在Data Sets里可以查看。 3.网址：https://www.wendangku.net/doc/f66391886.html,/(可百度GLCF)，为马里兰大学组织，当然配合了一堆的老美各个机构。需要注册并审核。描述：进入GLCF主页后，需要点击Data & Products下的Earth Science Data Interface,进入下载界面，分为Map Search, Path/Row Search, Product Search 三种搜索途径,下图为进入到Map Search的界面。需要注意的是，每次输入条件之后都要点击以下Update Map,才会显示。

遥感图像的分类

实验四遥感图像分类一、背景知识图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。

遥感影像下载数据源

下面三个是我最常用的，因为一般只用landsat，所以这三个基本够了。 1.国际科学数据服务平台 https://www.wendangku.net/doc/f66391886.html,/index.jsp 直接注册就可以用，国内数据速度很快。ETM+03年以后的数据提供了条带修复服务，比较方便。用条带号搜索资源，R前面不需要0.点击最右边操作中的数据下载即可。 2.马里兰大学 ftp://https://www.wendangku.net/doc/f66391886.html,/glcf/Landsat 无需注册，直接下载，右击文件，目标另存为 3. USGS https://www.wendangku.net/doc/f66391886.html,/ 注册下载下面这个里面有些别人做出来各种的数据，但是需要注册，数据要先申请国家科技基础条件平台——地球系统科学数据共享平台 https://www.wendangku.net/doc/f66391886.html,/Portal/index.jsp 以下是网上其他同志写的：在资源生态环境方面的应用或研究，数据源可选择Landsat、资源卫星-2A（B）、Modis数据、NOAA的A VHHR、SRTM的地形数据，这些数据基本可以免费获取。中国资源卫星数据服务网 http://219.143.215.3/ 说明：需要注册一个账户，信息要真实，他会经过一定程序的验证，当身份通过之后，你就可以下载上面的数据了。还有一种方式是通过单位开据证明信，可以传真给中国资源卫星应用中心相关人员，说明使用目的，他们会以光盘形式发放。环保部环境星下载服务网 https://www.wendangku.net/doc/f66391886.html, 说明：需要注册一个账户，以及提交相关信息。经过验证后给予开通，可下载环境小卫星影像数据。风云卫星遥感数据服务网 http://fy3.satellite.c ... /default.aspx ??说明：上面集合了风云系列卫星、NOAA卫星数据下载。

(完整版)遥感图像融合技术的发展现状

遥感图像融合技术的发展现状及趋势 1 引言多源图像融合属于多传感器信息融合的范畴, 是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像, 经过相应处理后, 再运用某种融合技术得到一幅合成图像的过程。多幅图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性, 提高图像的质量, 从而有利于对物理现象和事件进行定位、识别和解释。与单源遥感图像相比, 多源遥感图像所提供的信息具有冗余性、互补性和合作性。因此,将多源遥感图像各自的优势结合应用, 获得对环境正确的解译是极为重要的。多源遥感图像融合则是富集这些多种传感器遥感信息的最有效途径之一,是现代多源数据处理和分析中非常重要的一步。本文基于遥感图像融合的研究现状、分析了图像融合研究的困境和不足, 最后提出了未来的发展趋势和热点, 以期达到抛砖引玉的作用。 2 遥感图像融合研究现状随着信息科学技术的发展, 在20 世纪七八十年代诞生了一个称为数据融合的全新概念。这一概念不断扩展, 处理的对象由一般的数据发展到数字图像。1979 年, Daliy 等人首先将雷达图像和LandsatMSS 图像的复合图像应用于地质解译, 被认为是最早的图像

融合。20 世纪80 年代, 图像融合技术逐渐应用到遥感图像的分析和处理中。90年代以后, 图像融合技术成为研究的热点, 并成为很多遥感图像应用的一个重要预处理环节。目前, 遥感图像融合已经发展为像素级、特征级和决策级3个层次, 如表1。需要指出的是, 融合层次并没有划分融合算法严格的界限, 因为本质上各个融合层次都是信息融合的范畴。像素级图像融合技术已被广泛研究和应用, 并取得了一定的成果。特征级融合是一种中等层次的信息融合, 利用从各个传感器图像的原始信息中提取的特征信息,进行综合分析及融合处理, 不仅增加从图像中提取特征信息的可能性, 还可能获取一些有用的复合特征, 尤其是边缘、角、纹理、相似亮度区域、相似景深区等。在特征级融合中, 对图像配准的要求不如像素级图像融合对配准要求那么严格。决策级图像融合是一种更高层次的信息融合, 其结果将为各种控制或决策提供依据。在进行融合处理前, 先对图像进行预处理、特征提取、识别或判决, 建立对同一目标的初步判决和结论, 然后对各个图像的决策进行相关处理, 最后进行决策级的融合。从特点来看,不同层次的融合各有优缺点, 难以在信息量和算法效率方面都同时满足需求。表一:遥感图像融合三个层次的对比融合层次融合算法特点