怎么去除遥感影像的地理坐标

Ⅰ 关于遥感影像处理的菜鸟问题

影像上右键，edit header里面有一个map info可以设置地理坐标
arcmap也可以，但影像应该带地理坐标的吧？
地物分类是个很复杂的问题，首先你要比较熟悉这个地方，如果你不知道它是什么怎么分呢，一般我就去GOOGLE里面对着看，再就是样本要选择比较纯净的地方，尽量不要选太混合的地方，分类方法SVM要比最大似然好些。

Ⅱ 怎么给一副遥感影像图配上地理坐标

首先这个需要借助专业的软件，遥感和GIS的都行，比如ArcGIS，MapGIS，或者Erdas、envi等都可以，都有图像的校正和配准功能。
其次还要有坐标参考，一种是知道遥感图上至少4个点的坐标（某些地物的准确坐标），或者已经配准的地形图，或者已有坐标参考的影像图。

Ⅲ 遥感数据预处理

遥感数据的预处理也称图像恢复处理，目的是为改正或补偿成像过程中的辐射失真、几何畸变、各种噪声以及高频信息的损失而进行的处理，它是作进一步增强或分类处理的基础。任何实际获取的图像，都在不同程度上与实际地物的辐射能量分布有差异，即存在着退化，这在感测、记录、传输、显示等过程均会出现，例如辐射退化、几何畸变、空间频率的衰减、各种噪声的加入等。造成这些退化的原因是多方面的，主要包括遥感成像系统的特性、环境背景因素等。因此在遥感专题信息提取中，必须认真研究分析遥感数据获取过程中所产生的图像退化的原因，采用合理的方法尽可能去除辐射畸变、几何畸变等影响，为后续的图像信息提取提供基础。

( 一) 大气校正

遥感成像过程中会产生辐射失真的现象，这主要是由于传感器在接收来自地物的电磁辐射能时，由于电磁波在大气层中传输，以及传感器测量过程中受到的太阳位置和角度条件、大气条件、地形条件影响和传感器本身的性能等引起的，这样传感器接收到的电磁波能量与目标本身辐射的能量是不一致的，造成成像过程的各种失真。辐射失真对图像的使用和理解会造成一定的影响，必须加以校正或消除。大气校正是为了消除或减轻成像过程中由于大气对阳光和来自目标的辐射所产生的吸收和散射而引起的辐射失真。在遥感数据预处理阶段大气校正主要是利用波段数据统计分析，通过对遥感数据各个波段统计特征的分析而去除大气影响的一种校正方法，无需过多的已知参数，可操作性较强，主要包括直方图法和回归分析法两种方法。

1. 直方图法

直方图法的基本原理是假定图像中水体、地形阴影等低辐照度区域的 DN 值理论上应为 0 ( 尤其是波长较长的波段更是如此) ，而当存在大气影响时会造成低辐照度区域像元DN 值并非为 0，使直方图产生漂移值 a ( 图 4-5) 。波长越短，散射作用越强，a 值越大。这种差异即是由大气影响 ( 程辐射) 而引起的，此时，图像中的最小 DN 值 a 即为大气影响值，图像中各像元 DN 值均减去该大气影响值即可。

图 4-5 直方图法校正大气散射示意图

2. 回归分析法

回归分析法的基本原理是假定波长较长波段图像中低辐照度区域的大气影响 ( 程辐射) 近似为 0，对待校正波段与波长较长波段的 DN 值散点数据进行线性回归分析即可得大气影响值，待校正波段图像各像元 DN 值均减去大气影响值即可。

图 4-6 回归分析法校正大气散射示意图

例如以红外波段图像如 TM4，5，7 等作为无散射影响的标准图像，在待进行大气散射校正的可见光波段图像上，找出最黑的影像，如高山阴影或其他暗黑色地物目标，然后把对应的红外波段图像上的同一地物目标找出来，再把可见光与红外图像的灰度值数据取出进行比较分析。现以 TM2 和 TM4 为例，把 TM4 的灰度值作为 x 轴，TM2 的灰度值作为 y 轴进行点绘。点绘结果出现了许多离散的点，其 x，y 坐标值分别表示红外( TM4) 和可见光 ( TM2) 图像上对应像元的灰度值，基本呈线性结构形式 ( 图 4-6) 。可由一组点拟合其回归直线。即

y = a + bx

式中: x，y 分别是 TM4 和 TM2 的灰度值; a，b 是回归直线的截距和斜率。再利用所获得的地物目标数据，并由最小二乘法作直线拟合，可得出 a，b 为

遥感地质学

式中: n 为地物目标像元点数; 为 TM4 和 TM2 图像上所选地物目标灰度的平均值。

求出 a，b 后，回归方程即被确定，其中常数 a ( 截距) 就是所要进行校正的数值，即只需将 TM2 的灰度值减去 a 就得出了消去散射影响的校正图像。同理，可求出其他可见光波段图像的大气散射校正值 a，进行校正。

大气校正会增加图像的对比度，消除雾霾感 ( 短波波段尤甚) ，在进行比值增强、彩色合成等处理时，事先校正更为必要。

( 二) 几何校正

1. 几何校正的原理

遥感图像在获取过程中，由于多种原因导致目标物相对位置的坐标关系在图像中发生变化，这种变化称为几何畸变。引起几何畸变的原因主要包括: 遥感平台的运行姿态( 如卫星的高度、速度，俯仰、翻滚、偏航) ; 遥感器的工作性能 ( 扫描速度不均、扫描行间错动等) ; 地球自转的影响; 地球表面曲率、地表起伏的影响; 全景畸变等。

校正各种原因引起的几何畸变是几何校正的基本内容，其目的就是要纠正系统性及非系统性因素引起的图像几何变形，从而实现被校正图像与地形图、标准图像、地图或其他图件资料的空间配准。图像的几何校正需要根据图像中几何变形的性质、可用的校正数据以及应用目的来确定合适的校正方法，根据校正的级别、次序及实现方法，可采取不同的遥感图像几何校正处理方案。

遥感图像几何校正包括粗校正和精校正两种，粗校正一般由地向站处理，也称系统级的几何校正，它仅作系统误差改正，即利用卫星所提供的轨道和姿态等参数，以及地面系统中的有关处理参数对原始数据进行几何校正。粗校正对传感器内部畸变的改正很有效，但处理后图像仍有较大的残差，因此必须对遥感图像进行进一步的处理，即几何精校正。几何精校正是在粗校正的基础上进行的，可以由地面站来完成，也可由用户来完成。几何精校正是利用地面控制点进行的几何校正，它是用一种数学模型来近似描述遥感图像的几何畸变过程，并利用畸变的遥感图像与标准地图之间的一些对应点 ( 即控制点) 求得这个几何畸变模型，然后利用此模型进行几何畸变的校正，这种校正不考虑畸变的具体原因，而只考虑如何利用畸变模型来校正图像。它是在几何校正过程中利用地面控制点对系统几何校正模型进行修正，使之更精确地描述卫星与地面位置之间的关系。这里说的几何校正主要是指几何精校正。

2. 几何精校正的实现方法

几何精校正的实现方法包括直接转换法和重采样法，二者的最大区别在于变形空间与标准空间的定义方式不同。

重采样是一个图像恢复的过程，即首先从离散的数字图像尽可能重建代表目标景像的二维连续函数，这个函数可想象为由不同亮度值构成的曲面，然后再根据这个亮度值曲面按照新的像元间距和位置进行采样。具体实现中，重采样法几何精校正包括两个过程，即像元几何位置的确定以及像元亮度值的确定。

( 1) 像元几何位置的确定: 几何精校正直接以地形图 ( 地理坐标) 为参照，综合校正所有因素造成的几何畸变，能显着改善数字图像的几何精度，不仅对后续的解译制图和几何量算是非常必要的，而且它也是不同图像的配准和多元信息复合的基础。因此，提高校正处理本身的精度就显得很重要了。关键是选准几何控制点，要尽量挑选那些位置准确、与周围差异显着，且范围窄小的影像，最好是孤立的像元。如河流的干、支流交汇点、拐流点、独立的小水体、特征明显的地形点、坡折点等。由于水在近红外反射极低，数字图像上亮度几乎为零，易于确定，所以应多利用近红外波段的图像 ( TM4/ ETM4，ETM5 / TM5，ETM7 / TM7 等) 来选控制点。控制点的数目要适中，在图像上分布要均匀，位置精度一般应小于 0. 5 个像元。

( 2) 像元亮度值的确定: 标准空间中像元坐标 ( x，y) 所对应的变形空间中共轭点像元的坐标 ( u，v) 一般不是整数，故标准空间 ( 输出图像) 的坐标为 ( x，y) 的像元DN 值须由其在变形空间中的内插点 ( u，v) 附近的若干个像元的 DN 值进行内插而确定。内插方法包括最邻近法、双线性内插法和三次褶积法。其中，最邻近法是将变形空间中距离内插点 ( u，v) 最近的像元 DN 值作为标准空间中坐标 ( x，y) 的像元 DN 值; 双线性内插法是对变形空间中内插点 ( u，v) 周围近邻的 4 个像元点 DN 值进行双线性内插; 三次褶积法是对变形空间中内插点 ( u，v) 周围近邻的 16 个像元点 DN 值采用无限卷积函数的替代多项式进行内插。上述三种内插法各具优缺点，最邻近法图像光谱信息基本不变，但几何精度略差; 双线性内插法几何精度较高，但易损失一定的高频信息; 三次褶积法几何精度较高，光谱信息基本不变，但运算量较大。在实际操作过程中，用户须结合实际需要来选择适宜的内插方法。

( 三) 投影变换及图像镶嵌、图像分幅

1. 投影变换

投影变换是指将图像从一种地图投影方式变换到另一种投影方式，其目的主要在于以人为规定的投影方式进行制图。所谓地图投影，就是把地球参考椭球体曲面按一定的规律投影转化为地图平面。根据地图投影学的知识，在地球参考椭球的形状、体积和各种参数已经通过天文、大地和重力测量得以确定之后，只要依据地面点的经纬度 ( L，B) 就可以转换为任何一种地图投影下的地图坐标 ( X，Y) 。目前，遥感平台所携带的定位系统使得所获取的遥感数据已经带有空间坐标信息，其所采用的投影方式多为 UTM 投影 ( Uni-versal Transverse Mercatol Projection，通用横轴墨卡托投影) ，而我国的基本比例尺地形图是基于克拉索夫斯基参考椭球体的高斯-克吕格投影，所以，用户一般所需要做的工作是对所获取的数据进行投影变换，以满足工作区制图的需要。

2. 图像镶嵌

图像镶嵌是指将数个单景图像拼接为一个整幅的新图像，其目的是为了满足大范围遥感解译与制图的需要，另外有时我们感兴趣的地方恰是两景图像的交接处，这就要将单景图像拼接为一个新图像。理想的镶嵌应使相邻图像重叠 ( 接边) 部位在几何和辐射特征方面完全一致，因此，镶嵌的效果主要取决于相邻图像在几何和辐射特性方面的差异，其中单景图像数据的时相是较为关键的影响因素，实际的镶嵌工作中应尽可能收集时相相同或季节相近的数据来进行镶嵌。

3. 图像分幅

图像分幅是指根据工作区的空间范围对遥感图像进行裁剪处理，多用于遥感影像制图。图像分幅主要包括经纬线分幅和矩形分幅两种方式。经纬线分幅是目前地形图以及小比例尺地图所采用的主要分幅方式，操作时要借助其他 GIS 软件生成分幅图廓 ( 如利用MapGIS 软件生成标准图框) ，而后利用分幅图廓进行图像的裁剪处理。经纬线分幅的各个图幅具有明确的地理位置参考，便于检索，适用于大范围、批量的专题制图。矩形分幅是实际工作中较常涉及的图像预处理过程之一，多用于某个工作区的单幅遥感影像制图及解译工作。

Ⅳ 遥感图像处理的处理流程

1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
（2）除坏线和条带去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。 通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中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,这个过程叫做配准。（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。（2）影像对矢量图形的配准
将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。（1）图像对图像的纠正利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。（2）图像对地图（栅格或矢量）利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。 为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进行增强处理。1．彩色合成为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。彩色图像可以分为真彩色图像和假彩色图像。|2．直方图变换
统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。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。直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。
3．密度分割将灰度图像按照像元的灰度值进行分级，再分级赋以不同的颜色，使原有灰度图像变成伪彩色图像，达到图像增强的目的。
4．灰度颠倒灰度颠倒是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。 1．图像镶嵌也叫图像拼接，是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起，构成一幅整体图像的技术过程。通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。
2．影像匀色在实际应用中，我们用来进行图像镶嵌的遥感影像，经常来源于不同传感器、不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。 遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。

Ⅳ 我在做遥感影像处理，主要是利用1：5万的地形图，想用ERDAS来做，有MAPGIS和ACRGIS，进行遥感影像裁剪。

首先裁剪图框坐标要与影像一致，影像是纠正好的，你是利用1:5万的地形图，最好把影像就到地形图的坐标上，如果所涉及的影像跨带，最好先配到一个中间参考上，或者用你自己的方式处理。
标准分幅网格可以用arcmap生成，参考系与影像一致。