为什么卫星遥感图像不用原图，而要先处理？这些处理技术要知道！

为什么卫星遥感图像不用原图，而要先处理？这些处理技术要知道！

卫星遥感图像作为获取地球表面信息的重要手段，在环境监测、城市规划、灾害评估等领域发挥着重要作用。然而，直接获取的原始遥感图像往往存在各种畸变和信息冗杂问题，需要经过一系列专业处理才能满足实际应用需求。本文将详细介绍卫星遥感数据处理的主要技术和方法。

为什么卫星遥感数据要进行处理？

1. 消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌。
2. 利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的区分和判释。
3. 进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类。

其实简单来说，卫星拍摄的照片信息内容太多，并且太过复杂，这些内容糅合在一起很难直观的看出我们需要的信息，所以需要先对其进行处理。

常规卫星遥感数据处理技术都有啥？

卫星遥感数据常规的处理内容有纠正校准、拼接镶嵌、色彩调整、匹配融合、影像叠加、数据分幅、矢量纠正、坐标转换、分类提取、正射校正、矢量化、三维建模、后期制图等。

纠正校准

相邻影像因成像日期、飞行器姿态、高度和速度等因素，会导致同名地物出现偏移、拉伸和扭曲等几何畸变。为了纠正这些畸变，需要进行校准处理，以解决道路位移、建筑断层等问题。

纠正校准前后对比

拼接/镶嵌

卫星拍摄的数据通常以条带状呈现。当需求区域覆盖多个条带时，必须对这些数据进行拼接和校正处理，以确保最终成果数据的连贯性和一致性。若处理不当，不合格的成果数据可能会明显出现道路位移、建筑断层等问题，影响数据的整体质量和可信度。

拼接镶嵌前：可看出道路位移，农田断层

拼接镶嵌后：道路不再位移，农田接缝平整

最终的无缝拼接的成果数据

镶嵌后

色彩调整

由于遥感影像的成像日期和系统处理条件可能不同，导致相邻影像间存在辐射水平差异，从而使得同名地物在影像上的亮度值不一致。如果不进行色彩调整而直接镶嵌这些图像，即使几何配准的精度很高，重叠区域吻合得很好，但镶嵌后的影像在色调上会有明显的差异，接缝线明显可见。这不仅影响影像的美观性，还可能降低对地物影像与专业信息的分析与识别的准确性，从而影响应用效果（如下图）。

最后得到色彩效果较好的影像数据

对有波段的数据进行参数调整，镶嵌后的数据色调基本无差异，美观。但因时相、天气条件差异巨大会导致部分偏色，可酌情根据实际需求来调整，最后得到色彩效果较好的影像数据。

匹配融合

我们可以通过对不同卫星的全色数据、多光谱数据进行匹配融合，融合后将得到高分辨率的真彩色卫星地图影像数据产品。

ALOS卫星影像数据融合样例

WorldView-2卫星影像数据融合样例

卫星遥感技术的不断进步，为人们提供了多样化的多源遥感数据。这些数据来源于不同的传感器，因此在时间、空间、光谱分辨率以及极化方式等方面存在显著的差异。由于单一传感器获取的图像信息相对有限，通常难以满足各种应用需求。因此，图像融合技术应运而生，该技术能够通过整合不同遥感图像的信息，从而获取更多有用的数据，有效弥补单一传感器的不足。

图像融合是一种特定的技术，它依据特定的算法，将多源遥感图像在统一的地理坐标系中进行融合，进而生成新的图像。以ALOS为例，全色图像的空间分辨率通常较高（如分辨率为2.5m），而多光谱图像则具有丰富的光谱信息（如ALOS包含三个波段）。为了提升ALOS多光谱图像的空间分辨率，可以将全色图像与多光谱图像进行融合。通过这种融合方式，不仅能够提高多光谱图像的空间分辨率至2.5m，同时还能保留其独特的多光谱特性。

从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。

云雾去除

在实际的卫星遥感成像过程中，积雨云，高山云和区域性大雾经常存在，它们使获得的图像模糊不清，降低了图像的理解度和分辨率。通过后期技术处理可以去除云雾，以达到最佳的图像效果。

云雾去除前

云雾去除后

立体像对提取DEM

数字高程模型（DEM）是一种通过有序数值阵列表达地面高程的模型。它不仅能够提供地面的高程信息，还能够衍生出地貌特征，如坡度和坡向。此外，DEM还可以用于计算各种地形特征参数，如山峰、山脊、平原、位面、河道和沟谷等。这一技术在地形分析、城市规划、地理信息系统等领域具有广泛应用。

2.5米的立体相对原始数据

生产得到DEM成果数据