ENVI高分辨率遥感影像数据预处理

杨 龙

（三门峡职业技术学院建筑工程学院，河南 三门峡 472000）

空间信息技术产业是国家战略性新兴产业。当前，我国卫星事业已进入全面、高速发展时期，加快发展以卫星信息技术应用为主的空间信息技术产业是经济社会发展的需要。高分辨率对地观测系统重大专项是《国家中长期科学和技术发展规划纲要（2006-2020年）》确定的16个重大专项之一，属军民融合型项目[1]。该项目的实施将为城市资源环境、城乡规划、旅游管理、现代农业、防灾减灾、公共安全等重要领域提供及时精确的决策支持和信息服务。

遥感卫星影像简单地讲是利用遥感卫星所携带的“相机”对地表进行“拍照”，然后从“照片”中提取相关的信息。不过，实际上高分辨率遥感卫星的成像过程是十分复杂的，需要经历太空辐射、大气层影响、传感器接收等一系列复杂的过程，而过程中的每一个环节都要受到大气、太阳高度角、传感器、地球自转、地形等因素的干扰，导致卫星传感器接收到的数据信息与地表真实信息不一致，出现偏差，这些偏差会严重影响我们对遥感影像数据的提取和判读。所以，为了获得准确的信息，我们要对接收到的卫星遥感影像数据进行一定的处理，减少甚至消除不利因素对遥感影像的影响。

1.数据处理流程

本文以2016年7月获取的三门峡市高分二号数据为例（图1），介绍在ENVI5.3下GF2数据预处理的详细操作步骤。高分二号遥感卫星于2014年8月19日发射成功，卫星上搭载有高分辨率1 m全色和4 m多光谱两台相机，而全色数据和多光谱数据影像具有不同的特点，在处理过程中要分别进行正射校正，然后进行影像配准和图像融合。其中，在多光谱影像正射矫正时还要进行FLAASH大气校正，具体流程如图2所示。

图1 GF2-PMS1数据

图2 数据处理流程

2.数据打开

通过前面介绍我们可以看到，GF2影像数据文件夹中有多个文件（图1），这里面包括多光谱数据文件和全色数据文件，也包括一些辅助文件。在ENVI影像数据处理过程中，我们首先要在菜单栏中通过影像数据的路径找到需要处理的文件，打开文件夹后选择后缀名为“.tiff”的两个文件，然后打开。随后在Layer Manager（图层管理）界面里面选择我们要校正的多光谱图层（全色数据图层打开与之相同），用鼠标右键点击查看它的元数据信息，我们发现软件已经读取到了用于对数据进行几何校正的模型信息，即RPC（图3）。

图3 自动识别RPC信息

在我们获取的GF2影像数据中包含后缀名为“.rpb”的文件，该文件即为模型信息（RPC参数）。由于受地表形状、卫星拍摄角度、大气等因素的影像，遥感卫星将三维的地表信息通过二维（影像）的方式展现出来。在不做处理之前，我们获取的影像与实际相比，都发生了或多或少的拉伸、压缩变形，所以，我们需要通过影像上的坐标点和与之对应的地面坐标点关联，以地面点相互之间的位置关系，调整影像上与之对应的坐标点位置，从而达到对影像的校正。而根据校正时用到的坐标方位信息、已知坐标点的坐标信息等参数所建立的几何模型就是RPC文件。

3.正射校正

通过前面的工作，我们已经将需要校正的影像数据导入到ENVI软件中，且软件也已经自动获取了用于几何校正的模型信息，下来开始进行多光谱数据的几何校正。其目的如前所述，是改正影像由多方面因素而产生的变形，所以，在校正之后输出的影像会是与实地相符的正射影像。

在工具箱中选择影像校正工具（Orthorectification Workflow）, 在弹出的校正界面中，根据需要校正的多光谱数据路径导入“.tiff”文件。此时，软件会默认选择通用的DEM数据，在这里不需要进行更改，除非有更高分辨率的DEM数据。

在几何校正模型中，如果我们有实地测量的控制点坐标，可以将该坐标加入到校正模型中，用于影像的校正。点击“下一步”之后，我们在高级选项界面中需要设定输出像元的大小和重采样方法。在本例中，输出像元设定为4 m，重采样方法设定为双线性内插法。除了双线性内插法，根据不同项目需求，重采样方法还可以设定为最邻近法、三次卷积内插法，这些方法的数据精度和重采样效果都不相同。

最后，切换到数据输出界面，设定文件输出的路径、格式和文件名，点击“Finish”完成多光谱数据校正，生产出切合实际的正射影像。全色数据校正过程和上述的多光谱数据校正是相同的，唯一不同的是在设定输出像元大小时，全色数据校正设定为1 m，而不是4 m。

4.图像配准及融合

前面提到，高分二号卫星搭载有全色和多光谱两台相机，我们从卫星获取的遥感影像也分为全色影像和多光谱影像两种。全色影像相机的光谱接收范围为0.45~0.90μm，是对地物辐射的过程中全色波段的接收，分辨率较高，可以达到1 m。不过，由于其接收波段的特点，全色影像在显示的时候均为灰度影像，也就是我们所说的“黑白影像”。多光谱影像是对地物辐射中的多个波段进行接收，将得到的多个波段的光谱信息成像于影像图中，不同的波段在影像图中会呈现出不同的颜色，从而得到“彩色”的遥感影像图。高分二号搭载的多光谱相机包含0.45~0.52μm、0.52~0.59μm、0.63~0.69μm、0.77~0.89μm四个波段。

所以说，全色影像和多光谱影像在行业生产应用中各有优缺点，为了使遥感影像能更好地服务于行业生产，我们需要将卫星相机获取的全色和多光谱两种影像进行图像配准和融合，结合二者的优点，进而得到分辨率较高的彩色遥感影像，便于影像中信息的识读和提取。

4.1 图像配准

在图像融合之前需要对校正过的全色和多光谱影像进行图像配准，其目的是将全色和多光谱影像进行匹配和叠加，使不同传感器得到的地面影像信息能完全关联起来（图4）。其原理是分别提取多个全色和多光谱影像中的共同特征点，按照特征点得到相应的坐标转换参数，最后按照坐标转换参数对影像进行匹配。配准后的两幅图像达到位置吻合，坐标一致[2]。

图4 检查全色和多光谱正射结果配准

图像配准时使用ENVI软件中的自动配准工具。因为全色影像分辨率较高，多光谱影像色彩强、分辨率低，所以在配准的时候以全色影像为配准基准对多光谱影像进行配准。

需要注意的是，在图像配准的过程中，由于受前述多种因素影响，不能做到两个影像的完全配准，从而出现有些点的误差值较大。这时我们需要打开Tie点列表，查看连接点的误差大小，对误差值较大的Tie点直接进行删除。为了能快速过滤误差值较大的Tie点，在查看Tie点列表时可以对其按误差值大小进行排序 (图5)，然后进行删除，最后输出配准结果。

图5 Tie点的删除

4.2 图像融合

至此，我们只需要进行最后一步——图像融合，生产出可以供行业应用的影像图。多源遥感影像融合通过整合多个传感器的影像数据, 实现优势互补, 达到提高空间分辨率、分类精度和增强目标特征等目的[3]。在进行图像融合之前，考虑到背景颜色会对图像融合的效果产生一定的影响，如背景颜色为黑色时，会导致融合后的图像颜色较深，从而影响到对图像的识读，所以，我们首先要分别设定矫正后的全色影像和多光谱影像背景颜色，在软件中将背景的忽略值直接设定为0（图6），成为透明背景，不对图像融合效果产生任何影响（图7）。

图6 设定背景忽略值为0

图7 透明背景效果

背景色设置完成后，在ENVI工具箱中选择NNDiffuse Pan Sharpening，在弹出的面板中添加前面经过正射校正后的全色和多光谱影像数据，最终完成本例的GF2影像的处理，如图8所示。

图8 GF2影像融合对比

5.结语

随着卫星资源的不断丰富，影像分辨率的不断提高，数据更新周期的不断缩短，高分辨率卫星影像将在更大比例尺的正射影像制作与地形图更新中，在城市的规划建设、管理中发挥重要的作用[4]。本文以高分二号卫星获取的三门峡局部区域影像为例，对影像进行了信息解译之前的一系列预处理，处理之后的产品能在后期为相关行业的生产和发展提供较大的信息支持，较之前极大地提高了工作效率，这也是未来众多行业信息化管理的一个发展方向。