【干货】遥感影像数据获取方法及处理步骤

前言：最近想系统整理一个遥感数据处理的内容~所以总结了下目前的经验和一些现有的资源，希望能帮助到大家~

一、数据获取

首先进行遥感数据处理肯定离不开数据的支持，那么在哪里获取数据呢？参考我之前的一个回答再次整理几个数据获取网站给大家，可以获取多种数据，基本能满足大家的需求~

1.数字地球开放平台

数字地球开放平台可以从资源下载进入数据下载页面，超多数据，涵盖了大部分行业，而且数据精度高，不仅有原始数据还有很多数据产品，土壤类型、土地利用、降雨数据都有，基本上能满足数据需求，最重要的是免费！！

2.地理空间数据云

这个网站主要是用来下载遥感卫星数据的，可以根据卫星按景下载，数据也是很全的~

二、数据处理

下面介绍下遥感数据的主要处理流程~

1.数据预处理：

对遥感图像出现的周期性噪声进行处理，也就是降噪；其次需要减弱处理因为天气原因，而在遥感影像上出现的薄云，采用比值法对其进行消除因太阳高度角而导致的山体阴影；

2.几何校正：

几何校正可以使数据定位准确，必要时有的还要进行大气纠正。
● 图像配准：把一种数据源的地理坐标配准到另一种数据源的地理坐标上，这两种数据源才能叠加显示和数学计算。图像配准可以分成影像对栅格图像和影像对矢量图形两种类型的配准；
● 几何精纠正：为了精准定位，我们需要将遥感数据准确定位到特定的地理坐标系，分成三种方式：
● 正射纠正：根据已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、GDEM），纠正原始遥感影像，可以减弱消除地形起伏带来的影像变形，使其具有准确的地理坐标和投影信息。

3.图像增强：

图像增强是指让遥感影像的地物信息可读性更强，突出重点目标，可以使用以下方法进行图像增强的操作~
● 彩色合成：利用彩色合成的方法处理多光谱图像进行，得到彩色图像。
● 直方图变换：直方图是指统计每幅图像的各亮度的像元数而得到的随机分布图。一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。
● 密度分割：按照像元的灰度值，我们将灰度图像进行分级，并赋以不同的颜色，使原有灰度图像变成伪彩色图像，以增强图像。
● 灰度颠倒：将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)到饱和状态，然后再进行颠倒，使正像和负像互换。
● 图像间运算：经过空间配准后，两幅或多幅单波段图像可进行算术运算，实现图像的增强，常见的计算有加法运算、减法运算、比值运算和综合运算。
● 邻域增强：又称为滤波处理，是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。邻区法处理用于去噪声、图像平滑、锐化和相关运算 。
● 图像融合：将多源遥感数据在统一的地理坐标系中，生成一组新的信息或合成图像。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率。图像融合可以综合它们各自的优势，弥补单一图像上信息的不足，扩大了各自信息的应用范围，而且提高了遥感影像的分析精度。

4.图像裁剪：

如果只是对遥感影像中的一个特定的范围感兴趣，则需要对遥感影像进行裁剪。我们可以按照ROI裁剪（根据感兴趣区域的范围大小裁剪）、按照文件裁剪（按照指定影像文件的范围大小进行裁剪）、按照地图裁剪（根据地图的地理坐标或经纬度的范围进行裁剪）

5.图像镶嵌和匀色：

● 图像镶嵌：也叫图像拼接，是指将两幅或多幅数字影像拼在一起，构成一幅整体图像。我们需要先对每幅图像进行几何校正，然后规划到统一的坐标系中，接着进行裁剪，去掉重叠的部分，最后将裁剪后的多幅影像装配起来，形成一幅大幅面的影像。
● 影像匀色：在做图象镶嵌时，来源于不同传感器、不同时相的遥感数据会出现色调不一致的情况，这时候需要对镶嵌影像进行匀色。

6.遥感信息获取

因为地物电磁波存在辐射差异，反映到遥感图像上就能判别出目标地物的特征。提取遥感信息是指提取地物特征，包括地物类型、性质、空间位置、形状、大小等属性。目前信息提取方法有包括目视判读法和计算机分类法，目视判读也是最常用的方法。
● 目视判读：也叫人工解译，用人工的方法判读遥感影像，手工勾绘遥感影像上目标地物的范围。
● 图像分类：依据地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别。

数字地球开放平台目前有遥感智能解译的产品，可以提供自动化的数据的智能处理与感知，感兴趣的小伙伴也可以尝试尝试~~