zoukankan      html  css  js  c++  java
  • ALOS卫星概况

    1   ALOS卫星概况

    ALOS卫星载有三个传感器:全色遥感立体测绘仪(PRISM),主要用于数字高程测绘;先进可见光与近红外辐射计-2(AVNIR-2),用于精确陆地观测;相控阵型L波段合成孔径雷达(PALSAR),用于全天时全天候陆地观测。本文主要介绍PRISM和AVNIR-2的处理,为了叙述方法,本文将PRISM称为全色,AVNIR-2称为多光谱,主要参数如下图。

     

    图1 ALOS全色和多光谱数据技术参数

    两种数据主要分发产品如下图2所示,常用的格式是1B1,1B1格式可用于正射纠正。

     

    图2 标准产品

       有关数据的详细情况可浏览:www.pcc.cn

    2  处理流程

    本文的例子数据如下图所示,多光谱和全色都带有RPC文件,全色图像是一个TIFF文件(早期的有4个分片CCD文件组成),多光谱是4个TIFF文件(一个波段一个TIFF文件)。成像时间为2006年09月10日。

    图3 例子数据列表(左-全色,右-多光谱)

    整个处理流程如图4所示,

    1、  为了让全色和多光谱精确配准,以全色正射校正结果为多光谱正射校正控制点参考源。

    2、  为了减少运算时间,在图像融合前对多光谱进行裁剪。(注:ENVI中的图像融合工具会自动计算融合图像的重叠区域,输出重叠区域的融合结果)

     

    图4 数据处理流程

    得到的结果是经过正射校正的全色和多光谱的融合图像。

    3    详细操作步骤3.1数据读取

    如果是早期的产品,使用以下方式打开:全色数据通过File->Open External File->ALOS->PRISM打开,多光谱数据通过File->Open External File->ALOS->AVNIR-2打开。

    这里是TIFF格式文件,直接通过File->Open Image File打开。由于多光谱是4个TIFF文件,这里使用ENVI的Meta数据格式将四个TIFF文件组合成一个多波段文件。

    (1)       打开四个TIFF文件。

    (2)       选择File->Save File As->ENVI Meta。

    (3)       在New File Builder面板中,单击Import File按钮,在文件选择框中选择组合的文件。

    (4)       选择输出路径和文件名HDR-ALAV2A223042880_O1B2R_Meta,单击Ok执行。

     

    图5 New File Builder面板

        保存好的文件自动在波段列表中显示,

    3.2全色图像正射校正

    这里使用控制点+DEM文件的方法执行正射校正,坐标使用UTM,WGS84坐标系,如需要使用北京54或者西安80,参考ENVI下自定义坐标系文档。

    (1)       打开全色文件的图像文件,并在Dsiplay中显示。

    (2)       在ENVI主菜单中,选择Map->Orthorectification->Generic RPC and RSM -> Orthorectify using RPC or RSM with Ground Control,在文件对话框中选择ALOS全色数据,单击OK,打开Ground Control Points Selection面板。

    (3)       根据参考资料选择控制点,选择控制点的实质就是在待校正的图像找到一些特征点(分布均匀、地标面向,并且知道其实际坐标值),这里不一一详述。

    (4)       如图6所示,共选择了9个控制点,RMS为2.37个像素(误差在5.6米左右),基本满足要求。

    图6 控制点分布和RMS值

    (5)       在Ground Control Points Selection面板中,选择Options->Orthorectify File,在文件选择框中选择全色图像,之后选择rpc文件(RPC-**.txt)。

    (6)       在Orthorectification Parameters面板中,单击Select DEM File按钮,选择一个DEM文件;

    (7)       X和Y输出像元大小更改为2.5米(注意回车一下),默认可能会有一定偏差。

    (8)       选择输出路径及文件名;其他选择默认,如图6所示。单击OK执行正射校正。

    图7 Orthorectification Parameters面板

    3.3多光谱图像正射校正

    以上一步得到的全色图像正射校正结果为控制点参考源,正射校正多光谱图像。

    (1)       在Display中显示多光谱图像(HDR-ALAV2A223042880_O1B2R_Meta)。

    (2)       在波段列表中,全色图像正射校正结果右键选择Edit header,之后选择Edit Attributes->Associae DEM File,选择这个区域的DEM数据。这一步的目的是将全色图像跟DEM文件绑定。之后显示在Display中。

    (3)       选择Map->Orthorectification->Generic RPC and RSM -> Orthorectify using RPC or RSM with Ground Control,在文件对话框中选择ALOS多光谱数据,单击OK,打开Ground Control Points Selection面板。

    (4)       利用Display三个窗口的移动功能将多光谱图像和全色正射校正图像显示在同一个位置。

    注:可以利用Display中的Geographic Link将待校正图像和参考影像的Display进行大致的地理位置链接,可以辅助寻找同名点。

    (5)       在显示全色正射校正图像的窗口中右键选择选择Pixel Locator菜单,在弹出的面板中有当前十字光标的坐标信息,单击Export按钮自动将x(E)、y(N)、高程(Elev)导入Ground Control Points Selection面板中。

    (6)       同样的方法选择9个控制点,分布均匀。

    图8 多光谱图像控制点选择

    (7)       在Ground Control Points Selection面板中,选择Options->Orthorectify File,在文件选择框中选择多光谱图像:HDR-ALAV2A223042880_O1B2R_Meta,之后选择rpc文件(RPC-**.txt)。

    (8)       在Orthorectification Parameters面板中,单击Select DEM File按钮,选择一个DEM文件;

    (9)       单击Change proj…按钮选择输出投影坐标系:Geographic Lat/Lon,Datum: WGS-84。你会注意到输出的X和Y大小发生了变化。

    (10)   再次单击Change proj…按钮选择输出投影坐标系:UTM, Zone 50 North,Datum: WGS-84(最终需要输出的投影信息)。

    注:两次更改坐标参数的目的是为了计算输出X和Y大小。否则可能会出现输出结果缺少一部分区域的现象。

    (11)   选择输出路径及文件名,其他选择默认,单击OK执行正射校正。

    在ENVI Zoom中显示两个结果,使用拉幕等工具进行配准精度的对比。一般情况下,只要控制点分布均匀,数量适合(8~12)以及RMS值符合要求,两个正射校正结果会很准确的。如下图所示。

    注:由于全色没有多光谱范围大,因此控制点没有分布在多光谱所有区域。另外一种方法是:使用全色图像正射校正时候的相同控制点,同时根据控制点参考资料在其他区域选择几个控制点。

     

    图9 全色与多光谱图像正射校正结果对比

    3.4图像裁剪

    这一步是为了减少图像融合的计算量,采用人工绘制感兴趣的方式进行裁剪。

    (1)       在display中显示全色图像正射校正结果。

    (2)       在Image视窗中单击Overlay->Region of Interest。在ROI Tool面板中,单击ROI_Type->Polygon,沿着全色图像的外边框绘制一个Polygon。

    (3)       在ROI Tool面板中,选择File-> Subset data via ROIs,选择全色图像正射校正结果,单击OK。

    (4)       在Spatial Subset via ROI parameters面板中,在Select Input ROIs列表中选择ROI。在“Mask pixels outside of ROI?”项中选择yes,Mask Background Value为0。

    (5)       选择输出路径及文件名,单击OK裁剪图像。

     

    图10 Spatial Subset via ROI parameters面板

    (6)       回到ROI Tool面板中,选择Options->Reconcile ROIs via Map…,在文件选择对话框中选择多光谱图像正射校正结果。

    注:这步的目的是将全色图像的ROI复制到多光谱图像上,使得两个图像拥有相同区域的ROI,基于这个ROI裁剪出范围一致的图像区域。

    (7)       在Display中显示多光谱图像校正结果,打开ROI Tool面板,采用相同的方法对多光谱图像进行裁剪。

    3.5图像融合

    这里推荐两种融合方法:GS融合方法和Pansharpening融合方法,下面介绍Pansharpening融合的操作步骤。

    (1)       启动ENVI EX(或者ENVI Zoom),在ENVI EX中打开全面处理得到的多光谱和全色图像。

    (2)       在Toolbox中,双击Pan Sharpening工具。在第一个弹出对话框中单击选择多光谱图像文件,单击OK按钮。

    (3)       在弹出的对话框中选择全色图像文件,单击OK按钮,进入Pan Sharpening参数面板,如下图。

    (4)       选择输出路径及文件名,其他参数选择默认,单击OK执行Pan Sharpening融合。

     

     

    图11 Pan Sharpening参数面板

    说明:①如果融合的图像文件非常大,需要选择ENVI EX->File->Preferences,将Directories选项中的Temporary Directory选择为一个具有较大磁盘空间的目录(至少为图像融合结果大小的一倍),重启ENVI EX。

    3.6真彩色合成

    由于水汽的影响,ALOS多光谱数据中的R、G、B合成RGB真彩色显示,色彩饱和度较低,视觉感受较差,如下图12所示,影像区域是一片长势较好的小麦。因此这里采用波段加权的方法来合成真彩色图像。

    图12 RGB真彩色合成结果(左-多光谱图像,右-融合结果)

    最常见的就是增强植被信息,可使用绿色和近红外波段加权运算。如下公式:

    Bandnew=a*Bgree+(1-a)*Bnir

         a是权重值,取0~1。

    下面使用ENVI下的Bandmath和layerstacking工具,基于前面的融合结果合成真彩色图像。

    (1)       打开融合结果图像。

    (2)       选择Basic tools->Bandmath,输入表达式:byte(b2*0.6+b4*0.4),选择相应的波段执行运算。

    注:近红外波段权重越大,植被颜色越绿,根据需求设定。

    (3)       在波段列表中,选择:R-红色波段,G-合成波段,B-蓝色波段显示,可以看到合成想效果。

    (4)       选择Basic tools->layerstacking,将相应三个波段组成一个三波段图像文件。

    最终效果如下图所示。

     

     

    小麦地

     

     

    城镇

     

     

    水体

     

     

    裸地

  • 相关阅读:
    转:Contrastive Loss (对比损失)
    转:Siamese network 孪生神经网络
    pytorch的nn.MSELoss损失函数
    python创建包
    pytorch中如何在lstm中输入可变长的序列
    转:python中with的用法
    转:np.insert函数
    转:分类模型的评估指标
    Codeforces Round #525 (Div. 2) C. Ehab and a 2-operation task(构造)
    Educational Codeforces Round 53 (Rated for Div. 2) C. Vasya and Robot
  • 原文地址:https://www.cnblogs.com/zhangjun1130/p/3011999.html
Copyright © 2011-2022 走看看