遥感数据处理前沿技术与发展趋势

1、遥感数据处理的目的遥感数据处理的过程遥感数据处理前沿技术遥感数据处理的发展趋势遥感信息处理(remote-sensing information processing)对遥感器获得的信息进行加工处理的技术。遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。遥感图像信息处理的主要目的是：消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌；利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的区分和判释；进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类（见数据采集和处理）。多谱段遥感信息的处理过程是：数

2、据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增强、密度分割等。信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编辑，并绘制成各种专题图。遥感信息处理方法和模型越来越科学神经网络、

3、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。遥感数据融合技术旨在整合不同空间和光谱分辨率的信息来生产比单一数据包含更多细节的融合数据，这些数据来自于安放在卫星、飞行器和地面平台上的传感器。融合技术已成功应用于空间和地球观测领域，

4、计算机视觉，医学影像分析和防卫安全等众多领域。遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面：1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高。目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色085m、多光谱3330m的多种空间分辨率。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法

5、。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。不断提高传感器的性能指标，研制出新型传感器，开拓新的工作波段，获取更高质量和精度的遥感数据是今后遥感发展的一个必然趋势。3. 遥感的综合应用不断深化目前，遥感技术综合应用的深度和广度不断扩展，表现为从单一信息源分析向包含非遥感数据的多源信息的复合分析方向发展；从定性判读向信息系统应用模型及专家系统支持下的定量分析发展；从静态研究向多时相的动态研究发展。地理信息系统为遥感提供了各种有用的辅助

6、信息和分析手段，提高了遥感信息的识别精度。另外，通过遥感的定量分析，实现了从区域专题研究向全球综合研究发展，从室内的近景摄影测量到大范围的陆地、海洋信息的采集乃至全球范围内的环境变化监测。多时相遥感的动态监测，可获取我国当前城市化过程、耕地面积和生态环境变化的基本资料。与此同时，国际上相继推出了一批高水平的遥感图像处理商业软件包，用以实现遥感的综合应用。其主要功能包括影像几何校正与辐射校正、影像增强处理与分析、遥感制图、地理信息分析、可视化空间建模等。4. 商业遥感时代的到来随着卫星遥感的兴起，计算机与通信技术的进步以及各时期军事情报部门的需要，数字成像技术有了极大的提高。世界各主要航天大国相

7、继研制出各种以对地观测为目的的遥感卫星，并逐步向商用化转移。因此，国际上商业遥感卫星系统得到了迅速发展，产业界特别是私营企业直接参与或独立进行遥感卫星的研制、发射和运行，甚至提供端对端的服务，也是目前遥感发展的一大趋势。通过传感器装置得到的数据是包含重要信息的原始遥感数据，要使这些重要信息能够服务于实际应用，就必须对这些原始的遥感数据进行相应处理，提取各种重要的专题信息，如土地建设情况、植被覆盖率、农作物产量和水深等等。遥感图像处理可以采取光学处理和数字处理两种方式，而计算机数字图像处理由于其可重复性好、便于与GSI结合等特点，目前被广泛采用。数字图像处理的可能形式实际上是无限的，然而，这些通

8、过计算机进行辅助处理的类型可以归纳为以下七种主要类型的一种或几种:图像校正与恢复图像增强图像分类数据的复合与GIS的综合高光谱图像分析生物物理建模图像传输与压缩图像校正和恢复的过程通常称为图像的预处理，主要目的在于校正变形的图像数据或低品质的图像数据，以便更加真实地反映其情景。这种类型的处理包括辐射纠正、几何纠正以及消除数据中出现的噪音而进行的处理。应用于图像数据的增强处理是为了在以后进行的可视化解译时能有效地显示或记录图像数据。通常，图像增加包括增加图像的地物特征在视觉上的差异，其目的是为了创建一幅“新的”图像，以增大用于可视化解译的信息量，主要处理的手段有:对比度的详细过程处理，包括亮度、

9、对比度变化以及直方图变换等;图像数据的空间特征处理，包括空间滤波、频域滤波、卷积、边界增强和傅立叶变换分析等:低通滤波可以去除图像中的噪声，而高通滤波则用于提取一些线性信息，如道路，区域边界等。针对特定遥感图像数据的处理，包括光谱比率、主成分分析(Principal Component Analyst、植被组成以及亮度一色调一饱和度的彩色空间变换等。利用遥感图像的主要目的是为了提取各种信息，一些特定的变换可以用于提取信息，但是最主要的手段则是通过遥感图像分类(Classification)。计算机分类的基本原理是计算图像上每个象元的灰度特征，根据不同的准则，进行分类。遥感图像分类有两类方法，即

10、监督分类(Supervised Classification)和非监督分类(Unsupervised Classification)，前者需要事先确定各个类别及其勺!l练区(Training Area)，并计算训练区象元灰度统计特征，然后将其它象元归并到不同类别;后则直接根据象元灰度特征之间的相似和相异程度进行合并和区分，形成不同的类别。典型的监督分类算法有最小距离法、最大似然法、平行六面体法等:而K一均值聚类属于非监督分类;将人工神经网络(ANN，Artificial Neural Network)应用于遥感分类，在有些情况下，可以达到较好的分类效果。数据复合的过程是把给定的地理区域的图像数

11、据与该区域的其他相关地理数据集相结合(指由同一传感器或不同传感器在其他日期拍摄到的图像数据)。数据合并的目的常常是将遥感数据与GIS中其他信息资源相结合。例如，遥感图像数据常常与土壤、地形、物主、行政分区等辅助信息结合。高光谱传感器与其他光学传感器不同，高光谱传感器通常生产相邻的、高分辨率的辐射率光谱，而不是在孤立的、很宽的光谱带上生产离散的平均辐射率，能够提供鉴别和测定这些地物相关特征的机会。利用图像的光谱与参照光谱进行比较是最主要的分析方法。生物物理建模的目的是把由遥感系统定量记录的数字化数据和地理测量的生物物理特征及现象联系起来。例如，遥感数据可用于评估诸如庄稼产量、污染物浓度、水深这样

12、的变化参数。随着可获取的遥感图像数据的大量增加，以及从因特网上分发数据的增加，图像压缩技术是图像处理进一步要研究的主题。遥感数据处理与分析应用产业技术创新战略联盟把瞄准国家发展战略性新兴产业，针对从遥感数据向信息转化中的共性关键技术，提升我国遥感数据智能化、自动化、定量化处理与分析应用的自主创新和产业服务能力，制定遥感数据处理与应用的技术规范与标准，构建自主软件平台和试验验证平台，加强产品测试与服务认证，建立规模化、网格式的遥感数据与产品服务中心, 优化整合产业技术创新链，完善创新人才培养机制，提高自主遥感产品市场占有率, 提升全球视野下的我国遥感应用产业的核心竞争力，服务于国家和区域社会经济发展，作为联盟的核心工作目标。把突破多源多类遥感数据的智能融合与分析、定量化反演、规模化生产、业务化应用、网格化集成与共享、跨平台实验验证等核心技术；开发面向多用户服务的处理分析基础平