资源一号02C HR相机数据处理
资源一号02C有两台2.36米分辨率HR相机使数据的幅宽达到54km,这次获取的数据包括三个TIFF文件,*HR1.tiff和*HR2.tiff,以及分别对应RPC文件*.rpb;另外一个文件比较大的*.tiff,打开浏览发现他是HR1和HR2镶嵌的结果,而且几何位置还一样,像是做过几何处理后镶嵌的结果。据说还包括一个DEM数据,不过这里拿到的数据没有。
本文主要包括数据打开、正射校正、图像镶嵌、图像融合、真彩色合成,在ENVI5下操作,同时也介绍了在ENVI Classic版本下的操作。
1. 打开与浏览数据
ENVI5.3以上的版本,可使用国产数据工具打开资源一号02c数据File->Open As->China Satellites->ZY1-02C。
本文在ENVI5.0 SP3中进行,直接打开*HR1.tiff和*HR2.tiff文件,如下图所示,可以看到两景图像自动镶嵌在一起,不过在颜色和位置上有一定的偏差。
图1:两幅HR相机图像显示
在Layer Manager中,在一个图层中右键选择View Metadata,浏览Mapinfo 选项,发现没有投影和坐标信息。但是切换到Associated RPC Info选项,可以看到已经自动读取了RPC文件信息。但是没有利用rpc文件对图像进行地理定位,我们需要在头文件中更改一个设置,在正射校正步骤中会介绍更改方法。
图2:Mapinfo 选项
图3:附带的RPC信息
在ENVI Classic中是如下所示,为什么不能用RPC对图像进行地理定位,需要参考第二步中的设置。
图4:更改之前的波段列表信息
2. 正射校正
下面我们介绍在两种界面中正射校正操作。
- ENVIclassic或者ENVI4.8及之前版本:
(1)
(2)
图5:RPC Parameters面板
图6:更改之后的波段列表
(3)
(4)
图7:正射校正输出面板
注:如果不修改RPC Projection Emulation Enabled参数,在Classic界面中做正射校正会出错。如下图所示:
- ENVI5中:
(1)
(2)
(3)
(4)
(5)
控制点:无
Pixel size:2.36
Image resample:Cubic Convolution
(6)
图9:HR1和HR2正射校正结果
3. 图像镶嵌
图像镶嵌直接用Toolbox/Mosaicking/Georeferenced Mosaicking即可。
值得注意的是,可能两个相机拍摄角度的原因或者其他原因,两个图像在在颜色上有细微的差异,在镶嵌时候调整叠加顺序和使用一定阈值的羽化效果,如这里是HR2在上层次,使用10个像素的羽化,镶嵌结果基本看不出镶嵌边界。
注:如果重叠区域有较大的几何误差(无控制点情况下可能有1-3像素的误差,自南向北误差逐渐增大),可使用Toolbox/Geometric Correction/Registration/Image Registration Workflow图像自动配准工具对正射校正结果进行微校正。
4. 图像融合
启动Toolbox/Image Sharpening/Gram-Schmidt Pan Sharpening,分别选择正射校正好的多光谱和全色图像,如下图设置参数。
图11:Pan Sharpening参数面板
由于HR相机图像和多光谱图像的覆盖范围不一致(60km和54km),在融合之前可以裁减他们的重叠区,工具为:自动获取两幅影像的重叠区域。
如下图是没有裁减的情况下的融合结果,图像周边有一些黑白区域。
图12:未裁减重叠区融合结果
如下图所示,由于全色和多光谱空间分辨率相差3倍,融合图像和多光谱图像在视觉上有很大的变化,中间框中的图像是10米多光谱,框外的是2.36米的融合结果。
图13:城市区域融合结果
图14:农田区域融合结果
5. 真彩色合成
采用波段合成的方法:
R:Red
G:(Gree+Red+Nir)/3,band math表达式:byte((fix(b1)+b2+b3)/3)
B:Gree
使用/Raster Management/Layer Stacking按照上述顺序组合一个三个波段数据,得到真彩色合成结果。
图15:真彩色合成(城区)
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· 字符编码:从基础到乱码解决
· Open-Sora 2.0 重磅开源!