遥感图像处理技术在测绘领域中的应用分析论文_周筑博,许继爽

摘要：当今时代，信息化技术得以迅猛发展，并在各个领域中快速推广应用。其中，人们对于计算机技术的依靠程度越来越高，遥感图像处理作为计算机技术的重要方式在测绘领域当中的应用，对提高测绘的准确性与效率性具有非常重要的作用。

关键词：遥感图像处理技术；测绘领域；应用

引言

数字图像处理技术的基本原理就是对图像数字信号进行计算、分析，从图像中汇总出一些有价值的地质、环境信息。他的出现能够推动了地球环境工作质的飞跃，特别是随着图像几何和光谱分辨率不断提高，处理的智能化水平有了很大提升，但就图像分类而言。

1遥感图像处理技术的具体内容

遥感图像处理技术是利用计算机技术的制图工具对遥感所获资料进行编辑以及绘制成图的一种技术处理方式，其在地图绘制以及地理研究过程中发挥了非常重要的作用。在应用遥感图像处理技术的要求是非常高，主要会涉及到以下三个方面的内容：

第一，空间分辨率与制图比例尺。空间分辨率与制图比例尺技术的要求是不同的，但起决定权的是制图对象的规模。

第二，波普分辨率。波普的分辨率简单来说就是一个波长的范围，在遥感技术的具体应用过程中需要传感器，传感器会对电磁的辐射波进行接收，而波普分辨率则是能够探及到的最小的波长范围。波段是决定波普分辨率高低的重要因素，也可以说传感器的波段多波普的分辨率也就越高。

第三，时间与时相分辨率。遥感图像处理技术在时间与时相分辨率上应用的差异性是很大的，这主要是因为遥感制图方式对制图对象的显示具有差异性。遥感图像处理技术记录的是某一时刻地面的实际情况，但是地理现象具有多变性，所以在一个时间段内按照顺序成像的多时相遥感技术必然会存在最佳的时期，也就是最能够揭示地理现象本质的时期。

2遥感图像处理技术在测绘领域中的应用

2.1图像融合对象的选择

表1中给出了常见图像融合的数据源，数据源的选取对最终融合结果以及具体应用任务的完成有很大的影响。对于某一具体任务，如水体提取，选用何种数据源进行融合可以优化目标任务的完成。数据源有很多，盲目选取数据源进行融合不一定能获取最佳的效果。具体使用什么样的数据源来优化融合目标，一方面取决于大量的数据测试分析和经验积累，一方面取决于对传感器成像原理的分析。例如在进行水体提取的时候，多光谱图像可以提供很多细节和色彩信息，但是分辨率比较低，受云层和雨雪影响，对植被覆盖区域的水体也无法识别，而SAR图像分辨率较高，不受天气影响，可以检测到植被覆盖的水体部分，但是SAR图像的斑点很多。在对这两类图像进行分析以后，可以初步断定这两类图像在水体提取上应该具备互补的特性。后期经过实验验证，比较分析，进一步证实他们在水体提取上的互补性。

表1图像融合对象

2.2面向应用的图像融合层次的选择

图像融合通常在三个层次进行，也即像素级融合、特征级融合和决策级融合。目前很多理论研究的融合以像素级融合和特征级融合为主，而一些面对应用的融合多以特征级和决策级的融合为主。融合层次的选择取决于应用目标，同时也影响融合的最终结果。

2.3面向应用的图像融合方法的选择

目前的图像融合方法主要有三大类：第一类基于空间域的融合方法，直接对原始图像的像素进行操作，如平均与加权平均方法、像素灰度值选大（或小）方法等。第二类基于变换域的融合方法，其基本思想是：对图像进行变换，获取分量图像，对分量图像实施融合规则，再实施逆变换。典型的基于变换域的融合方法有基于PCA、基于HIS、基于小波、基于金字塔、基于EMD变换的图像融合方法等。第三类是一些新型方法，如遗传算法、神经网络、机器学习、支持向量机等方法。

从融合的方法来看，针对具体应用如水体提取，上述融合方法是否可以直接应用于该任务，采取何种融合方法能够提高水体提取精度，实现优势信息和互补信息。

2.4面向应用的图像融合效果评价

目前文献中对图像融合的评价多以客观评价为主，主要指标见表2。

表2图像融合客观评价指标

表2中的评价方式在文献中常用来评价图像融合的效果，但是针对遥感领域中的具体应用，如水体提取，需要重新思考这些评价系数的适宜性。是否融合图像的信息熵越大对应的水体提取的精度就越高，对于其它指标来讲也存在类似的问题。由于应用目标的不同，选区数据源的不同，针对遥感应用的图像融合评价的关注点也不同，如何合理有效地评价融合效果，是否可以建立通用的融合框架，需要展开深入的研究。

2.5基于GDAL的遥感图像变化检测技术

图像差值法的原理是：图像中未发生变化的地类在两个时相的遥感图像上一般具有相近或相等的灰度值，而当地类发生变化时，对应位置的灰度值将有较大差别。由于不同时期的SEVI受到的地形阴影影响不同，采用了不同的地形调节因子，所以需要进行不同时期图像的标准化处理。假设同一自然保护区同一季相的不同年份的遥感图像的植被指数最大值相近，而在岩石具有相近的最小值。这些最大值和最小值可以用于不同年份SEVI数据之间的标准化，公式如下：

式中，SEVI'是标准化的SEVI值；SEVImin是预先判定为某块岩石处SEVI的值；SEVImax是预先判定为某块植被长势最好处SEVI的值。

式中，E（t1-t2）代表从t1到t2时间段内SEVI的变化量；SEVIt1代表t1时相的植被指数；SEVIt2代表t2时相的植被指数。

结语

综上所述，遥感图像处理技术在测绘领域的应用，对提升测绘结果的准确性意义重大。但是目前人类的测绘技术仍然不够完善，这主要是因为遥感图像处理的绘图技术容易产生误差，所以说，必须不断提高遥感图像处理技术应用水平，推动测绘工作的进一步发展。

参考文献：

[1]崔江宏.遥感图像处理技术在测绘领域中的应用[J].黑龙江科技信息，2015，（19）：101.

[2]张颖，石仁星.测绘领域中遥感图像处理技术的应用研究[J].中国科技纵横，2016，（22）：33.

[3]张灿峰.高性能遥感图像融合算法研究与实现[].长沙：国防科技大学，2010.

[4]王玲.基于非向下采样Contourlet变换的图像融合算法研究[D].昆明：云南大学，2010.

[5]刘卫光.图像信息融合与识别[M].北京：电子工业出版社，2008.

[6]刘旭春，刘杨，刘津，等.基于GDAL的无人机影像快速拼接方法研究[J].地理信息世界，2012，10（6）：47-49.

[7]张宏伟，童恒建，左博新，等.基于GDAL大于2G遥感图像的快速浏览[J].计算机工程与应用，2012，48（13）：159-162.

[8]于海达，杨秀春，徐斌，等.10年来锡林郭勒盟草原植被长势变化及其影响因子分析[J].地球信息科学学报，2013，15（2）：270-279.

[9]邓小炼，王星，艾思敏，等.奇异值分解和阈值分割的遥感自适应变化检测[J].测绘科学，2016，41（8）：38-42.

[10]王慧贤，靳惠佳，王娇龙，等.k均值聚类引导的遥感影像多尺度分割优化方法[J].测绘学报，2015，44（5）：526-532.

[11]蔡志华.基于K均值聚类的彩色图像快速分割方法[J].计算机与数字工程，2013，41（8）：1328-1330.

论文作者:周筑博,许继爽

论文发表刊物:《基层建设》2019年第29期

论文发表时间:2020/2/24

标签：遥感论文;  图像论文;  图像处理论文;  水体论文;  技术论文;  方法论文;  分辨率论文;  《基层建设》2019年第29期论文;