基于高分辨率遥感影像制作方法分析

胡 卫

长沙市规划勘测设计研究院 湖南 长沙 410000

1 高分辨率遥感影像的制作方法

1.1 构建矫正影像库：奠定影像纠正良好基础

影像矫正作为高分辨率遥感数据处理的关键环节之一，具体是在计算机技术和网络通讯技术相互融合的基础下，对影像进行初步处理。构建矫正影像库的目的是为了消除因为各种因素而造成的形变[2]。例如投影方式差异、地球曲率变化、起伏旋转等，依据误差分析，再分为系统差错改正和几许精校对两大类，从而再细分为控制点收集、模型挑选纠正、办法选取纠正、屡次样品采样和样品精度查看五个进程逐个完结。并且，树立由控制点收集的控制点效果和高精度正射印象两者一齐构成的校对印象库，通过系统自动调取校正影像，进而迅速抓取控制点后，再对抓取的控制点进行精度控制，最终完成影像校正以及生成相关影像的坐标文件。其中对于实现不同地形地势、不同精度的影像，则利用纠正多项式和三角形最小面元微分的方法来对影像纠正。因此，之所以要建构矫正影像库，可靠的原因是由于依据不同区域的不同多分辩率遥感印象、不同的数字高程模型以及很多地图，要使其对快速生成的正射印象以及生成的印象与数据进行会集统一化处理，为能够高效、准确的完结任务，贡献了全方位、精准、方便的技能支持与保证[3]。进而能够看出，经过快速抓取控制点，从而参阅印象进行精准定位，为高分辩率遥感印象主动化纠正作业打下了坚实的根底。

1.2 影像融合与镶嵌：合成高分辨率遥感影像数据

而对于影像融合来说，具体是指根据多幅遥感数据的进行一系列操作，最终目的是为了获得具有空间，光谱和时间新型特征的合成图像数据的同时，收集比单一的数据更加精确和多元的相关信息影像数据，同时。目前，相较于高分辨率的遥感图像，通常是单波段居多，而与高分辨率相对的低分辨率的遥感图像则是多光谱的。不管对于高分辨率还是低分辨率，分辨率的融合的作用通常是获取更高分辨率的多光谱遥感图像。因此，如何进行几何配准和如何选择融合算法是分辨率融合中规则最重要的。相较而言，高分辨率遥感影像的相关融合方法的多元通常情况是要取决于最终要达到的目的，以及参考融合图像所具有特征，以此为背景。而只有当两个遥感图像被精准准确地记录，才可获得所要的结果[4]。当前，有上百余种高分辨率遥感影像融合的方法，无论是比较常见的IHS变换法、主分量分析法（PCA）、数学运算法，亦或是应用较广的BROVEY乘法和基于小波的融合法等。根据相关文献而言，这些融合方法对于以SPOT／IRS pan如Landsat TM以及 SPOT HRV MS 等的融合方法均都获得了姣好的融合效果。但随着近几年高分辨率遥感技术的飞速发展孕育了一系列以IKONOS 和QuickBird 为代表的高分辨率遥感影像。较以往几年的中低分辨率，除了它的空间分辨率从8bit 上升到11bi，进而得到大大提高以外。时间分辨率也随之有大幅度提升，由原来的十多天重访周期，也提高效率缩短到三两天就可以完成[4]。当然这成为卫星遥感应用新的机遇的同时，也为影像融合技术带来了新的挑战——在传统融合方法与新型遥感影像之间兼容性的考虑。就好比IKONOS、亦或是QuickBird的两者融合效果就存在着一是颜色色差较大的问题，二是过于依附于实操者和数据源的问题，融合的质量难以保证，最终结果导致二者无法兼容，导致融合影像与原始多光谱影像的颜色差异比较明显，最终导致不可控的影像融合效果。

而对于影像镶嵌拼接，具体做法是将一个个的小遥感图像组合成大型遥感图像或是一组系统的遥感图像。这种交互式的图像拼接功能使得无论是否有地理坐标的组合图像都可以生成完整的合成图像的设想实现。其次，对于图像拼接，它主要包括基于像素的图像拼接和使用地理坐标系统而进行的图像拼接。具体步骤是第一步是首先可选择两幅相互镶嵌与相交的遥感影像图片，第二步，进一步选择好遥感影像，以便进行镶嵌工作，然后在确定遥感影像的同时，确定好镶嵌范围、影像输出时的维数把控以及镶嵌时所运用的波长波段;为保证完整的遥感图像无明显的拼接缝，当影像镶嵌成功后，还需按照顺序点击查看遥感影像，进一步，还需将对羽化值、背景值对遥感图像进行设置、同时注意好匀光等问题，最后一步才进行最后结尾编辑设置; 一方面设置输入好输出结果，另一方面将遥感影像再度镶嵌出来[5]。

1.3 影像分类：分割算法提高精准化需求

通常来说，对于传统的像元分类与对高分辨率遥感图像进行分类的方法是比较普遍的，现如今已有些光谱信息统计方法在理论和技术的研究领域上已经逐渐迈入成熟。影像分割和分类是对于对象的分类技术两个核心关键，一般来水，图像分类精度的好与坏关键在于分割的效果。目前，以及存在多数研究学者提出多元的图像分割算法，以李亮为代表的学者提出关于区域增长的高分辨率影像分割改进的方法，该方法主要根据区域增长，通过区域的结合和平滑处理来修改分割效果；而以邓富亮为代表的学者则利用分形网格演化对高分辨率影像进行分割，其中，研究中所改进的方法大大提升了分割效率和分类精度；同时，以明冬萍为代表的学者提出基于谱空间统计的高分辨率遥感影像尺度估计方法，这种方法规避了参数选择的不确定性，提高分割尺度的正确率，进而一步优化了影像自动化分割程度。尽管当下面向对象的分类技术已俨然成为高分辨率遥感影像分类方法研究领域的一个研究红海阶段，但在理论还是技术上，对于此项面向对象处理方法都不够完美。因此，目前对于图像分割结果质量评价规则尚未不明确，一般而言，对于没有具体统一的定量评价体系，使用过程中亟待解决问题就较多，实际操作和具体应用中需要判断影像具体数据的真实情况选择合适的分割算法[6]。

1.4 制图

制图该过程通常包括四个步骤。其一是新建快速图表模板，其二是创建遥感图像相关页面，确定好图像像素和相关比例尺寸。其三根据需求添加或删除可选择图像相关名称亦或是更具其位置的具体方位等，最后一步根据其输出路径确定好遥感影像的保存路径。如下图1所示：

图1 制图步骤图

1.5 建立瓦片式影像金字塔：动态内存进行实时调用

面对不同的影像分辨率和不同的更新时间，影像成果也各不一样，这给影像的后期使用和存储保存带来了极大的挑战。因此，建立瓦片式影响金字塔就变得尤为重要，因而，对每幅印象构建瓦片式印象金字塔，对每幅印象选用单个独立存储、以及聚合会集办理、一起还要选用快速阅读的办法，进一步完结对印象快速而又高效的运用及办理。当然，关于并没构建瓦片式金字塔的印象文件来说，海量印象用户对其而言则是一项应战。由于要大部分的印象悉数存入内存中，高内存的耗能开支是一般计算机所难以完成的。

当面对一块形如瓦片一样的瓦片式影像金字塔，即一方面，既拥有高速、快捷、精准的影像系统的应用方式和管理方式，另一方面，独立性且安全性强的储存结构、以及像素集中存储管理等优势。同时，若以完成好构建完瓦片式影像金字塔的基本步骤，则就能够进计算出运行中所需要的瓦块，更加精准高效的同时，也流动开发更多的内存空间，分布式发布影像分块，使普通人也能在普通计算机上交互使用与浏览，完成对海量印象的实时阅读和运用。如运用电子地图时，缩小状况是一个小型球体，而当用手指扩大时便呈现出完好的印象。再而运用互联网印象服务功用，对印象构建了瓦片式印象金字塔进行预设，换言之便是运用磁盘空间来交换等量的作业效率的技能办法。依据印象预先处理技能和高效印象调入阅读技能，将印象分块巨细、印象文件存储和数据库的办理细节各不相同。将印象与数据树立对应联系，便利简略高效且有用，很多查阅材料的时刻即可省去。

1.6 利用小面元微分纠正算法：快速处理影像实现精准匹配

伴随人工智能和算法的不断普及和发展下，算法的运用也逐步在遥感中渐渐被广泛认知，面临大数据与图画匹配之间的联系，在本来三角网法校对的根底上，运用了小面元微分纠正算法，该算法在数字拍摄丈量中印象匹配中成果颇丰，具体内容运用算法将印象关键词特征提取与依据松懈法的全体印象相互匹配，大数据主动抓取获取密布同名点标记为控制点，再依据密布同名点组成密布三角形网络，微分纠正则运用小三角形面元进行纠正，使得印象准确配准愈加完好。然后进行印象纠正交融处理，使遥感印象的配准、纠正与交融技能进步到了新的阶段。运用软件集成和大数据技能，对印象处理软件进行会集办理，削减作业量，真实抵达了印象的高效处理。具体流程如图2所示。

图2 小面元微分算法流程图

2 基于高分辨率遥感影像制作方法分析

2.1 现状优势

拥有高分辨率数据、纹理清晰分明的特点的高分辨率遥感影像，近几年在影像信息提取和地物判读的准确性和能力大大提高。并且其应用并不断应用于地理国情等一系列普查性具体项目，不只紧缩了工期，缩短了外业查询的作业总量，大大节省了巨大的人力和财力，往长远看，一起为往后地舆国情可持续发展与监测展示了高质量高标准的有力数据。

其次，经过很多试验证明，将高分辩率遥感印象进行多元标准切割，在此根底上进行大数据算法进行主动信息提取与精准匹配，使其完好运用印象的光谱数据和空间数据，发挥高分辩率遥感印象的简略方便的优势与主要特色。

2.2 挑战劣势

基于国情普查需求，根据类型复杂、分类繁多的内容，传统普遍的高分辨遥感影像的信息提取方式已无法跟随技术的发展，以及我国国情普查的主要需求与类别工作还需要人工干预来解决。

同时，对于此类情况，在所需对象的流动样本检测方法现如今还在高分辨率遥感影像变化检测中，存在着诸多问题与挑战：如第一、如何是最佳分割尺度的棘手问题。在目前为止的研究中，在面向所需对象的遥感影像流动样本检测相关方法研究案例中，何为最佳分割尺度的选择，还主要是思考是否是靠经验来确定和还是靠量化研究来确定，现目前国内外要找到一个统一可靠的影像分割系统，还需要很长的一段路要走。不同的精度的评价标准，对于不同的分割算法也存在不同程度的局限性。尽管使用目前常用的分割软件，在选择分割尺度上仍然存在着挑战，有着很大的局限性，同时，关于设置尺度参数，现目前还无任何直观的参照或者参数来进行对比，用户需要主动对影像进行不同尺度的一次次分割试验，最终才有可能找到较为满意的尺度，时间成本大，耗费时间长。同时，根据不同大小差异的影像，相差较大的影像，更容易存在着过分割或分割不完全的错误分割方式。因此，总得来说，影像分类特征选择对与个人影像理解的专业性程度有着很高的要求，比如问题如何选择特征对遥感影像进行分门别类，先目前还并没有整齐划分的系统分类特征库可供大家参考，而这些分类往往都是经过人工，将所选取的对象特征多次人工实验和反复验证来确定，因而自动化的普及，一定程度上对分类人员的个人主观意识的影响也很大，这将直接影响对分类结果。

2.3 未来展望

对高分辩率遥感数据在地舆国情普查信息提取中的运用研讨，由于笔者水平 有限和时刻等不行控因素，部分内容还需亟需完善，需求进一步深化的进行研讨。 本文仅从信息抓取的技能剖析方面，对高分辩率遥感印象制造办法进行了研讨，而依据地物类别纷繁复杂，内容精而细，所以依据不物类别主动分类方面还需求不同新的探究研讨。关于高分辩率遥感印象制造办法剖析，对进程的掌握和技能要求比较高，跟着高分辩率遥感数据不断发展迭代，印象制造技能办法亟待进一步深化研讨与探究。 综上所述，高分辩遥感印象制造在信息提取中有着自己共同的优势和特色，其研讨和运用潜力是不行小觑的。

3 结束语

随着遥感技术的不断迭代与发展更新，遥感影像制作将成为今后调查的重要方法与手段之一，而遥感影像也将在例如土地资源管理中应用也将越来越广泛，本文主要介绍了高分辨率遥感制图技术的方法与方法分析，主要介绍了所得的高分辨率遥感影像在进行融合、镶嵌、裁剪、分类及分类后期处理方式以及具体操作方法。在分析高分辨率遥感影像制作的方法研究中得出以下结论：经济发展同时也在随着高分辨率遥感以及科学技术的快速发展，高分辨率遥感影像逐渐成为大比例尺制图、城市动态监测参考、城市规划设计等设计领域的重要数据源之一。因此，在不远的将来更需要有更多的有效、便利的影像制作技术来生成面向不同领域的高分辨率遥感影像。