遥感影像预处理及影像制图
遥感影像在成像过程中受太阳高度角、大气状况、地球曲率、地形起伏、传感器自身的性能等因素影响，存在明显的几何和辐射畸形。在对遥感影像进行信息提取和定量分析之前，需要对其进行预处理，主要包括:几何校正、辐射校正、遥感图像处理和影像制图。经过预处理的影像，需经过图像处理及影像制图，再用于遥感解译。
1.1 遥感影像几何校正
原始遥感影像通常存在严重的几何变形，这种几何变形一般分为系统性和非系统性两大类。系统性几何变形是有规律和可以预测的，因此可以应用模拟遥感平台及遥感器内部变形的数学公式或模型来预测。非系统性几何变形是不规律的，可以是遥感器平台高度、经纬度、速度和姿态等的不稳定，以及地球曲率和空气折射的变化等，一般很难预测。
遥感影像几何校正的目的主要是消除影像上的几何变形，使影像能与实地在空间位置关系上准确对应起来。一般校正的内容主要包括：系统几何校正，投影变形校正和几何精校正。其中，系统几何校正和投影变形校正主要由地面接收站在向用户提供资料之前，已经按照常规的处理方案结合影像同时接收到的有关运行姿态、传感器性能指标、大气状况、太阳高度角等数据对该幅影像的几何畸变进行了几何粗校正。而对于广大影象用户拿到的影像数据，所要真正做的几何校正是几何精校正，也就是在保证精度达到要求的条件下，利用一定的数学模型将影像转换到所需要的投影下，这样就能使影像和其他具有相同地理参数的同地区数据在空间位置上相匹配。
几何精校正通常采用多项式法进行校正。该方法机理是通过若干控制点，建立不同影像间的多项式空间变换和像元插值运算，实现遥感影像与实际地理图件间的配准，达到消减及消除遥感影像的几何畸变的目的。
1.1.1 地面控制点的选取及多项式校正模型
1. 地面控制点的选取
选取控制点是为于建立影像上像素点与实际地物同名点或地图上对应点之间的对应关系，要求对控制点的选取数量要足够多，精度也要有一定的保证。控制点的精度和选取的难易度与影像质量地物特征及影像空间分辨率密切相关，这是几何校正中最重要的一步。地面控制点选取的原则如下：地面控制点在影像上有明显的、清晰的地别标志，如道路交叉点、河流岔口、建筑物边界、农田界线；地面控制点上的地物不随时间而变化，以保证当两幅不同时段的影像或地图在进行几何校正时，可以同时识来；在没有做过地形校正的影像上选控制点时，应在同一地形高度上进行；地面控转应当均匀地分布在整幅影像内，而且要有一定的数量保证。
2.多项式校正模型
控制点选择好之后，要分别计算控制点在基准影像和待配准影像上的像元坐标或相应的地理坐标。然后选择合适的坐标变换函数（即数学校正模型），建立基准影像和待配准影像之间的坐标对应关系式，通常又称为多项式校正模型。对于一般的几何校正，可以使用一次线性多项式校正模型，对于精度要求较高的可以使用二次或三次多项式校正模型。对影像进行多项式校正的目的是对待配准影像的像元坐标进行重新定位，使其与基准影像的坐标相对应。
1.1.2 影像重采样
重新定位后的像元在原影像中的分布是不均匀的，即输出影像像元点在输人影像中的行列号不是或不全是整数关系。因此，需要根据输出影像上的各像元在输入影像中的位置，对原始影像按一定规则重新采样，进行亮度值的插值计算，建立新的影像矩阵。
常用的内插方法包括：
①最邻近法，是将最邻近的像元值赋予新像元，如将原影像中某像元的亮度值赋给输出影像中对应的带阴影的像元。该方法的优点是输出影像仍然保持原来的像元值，过程简单，处理速度快。但是该方法也有局限性，即该方法最大可产生半个像元的位置偏移，可能造成输出影像中某些地物的不连贯。
②双线性内插法，是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。该方法具有平均化的滤波效果，边缘受到平滑作用，从而产生一个比较连贯的输出影像。其缺点是破坏了原来的像元值，在之后的波谱识别分类分析中，会引起一些问题。
③三次卷积内插法，是使用内插点周围的16个像元值，用三次卷积函数进行内插。这是三种重采样方法中较为复杂的一种，它对影像特征边缘有所增强，并具有均衡化和清晰化的效果，但是它仍然破坏了原来的像元值，且计算量较大。
影像重采样不仅是在几何校正中重要的一步，而且在一些图像处理中也是需要的，如在对不同时段、不同空间分辨率影像之间，以及与GIS中其他数据进行配准和不同层之间复合。
1.2 遥感影像辐射校正
国内外对大气校正的研究有许多成果，主要是采用不同的校正模型来处理，主要包括如下方法：
①图像特征模型法：这是一种相对的大气校正法，不需要测量实际的大气环境情况及实际地面光谱，仅仅是利用遥感影像所包含的信息，如一些植被指数运算可以部分消除大气影响，以及暗目标法等。一般只适用于小范围，并且处理后的影像存在不同的噪声，效果不是很好。
②统计模型法：即利用遥感影像上选定的地物的灰度值和相应成像时间实地所测的地物反射光谱值，建立统计模型，计算校正量来对整幅影像进行校正。该方法需要成像时的实测光谱数据，对于以往没有实测数据的历史影像和实地条件困难无法进行实测的影像数据，不能用此方法来校正。
③理论模型法：主要利用大气辐射传输理论建立方程，建立大气改正模型来校正大气干扰。该方法基于严密的物理模型，是一种绝对大气校正方法。
1.3 遥感图像处理及影像制图
1.3.1 遥感图像融合和增强
1.遥感图像融合
图像融合是通过一种特定的算法将两幅或多幅图像合成一幅新图像。多源遥感影像数据所含有的信息具有合作性、互补性，以及影像数据的冗余性。为了更加合理、有效地利用数据的信息，遥感图像融合能使分别具有一定空间分辨率、波谱分辨率和时间分辨率的一组图像数据全部纳入统一的时空内，构成一组新的空间信息，融合成一幅新的图像，弥补了单一信息的不足，达到了多种信息资源的相互补充，改善了目标识别的视觉效果，提高了综合分析的精度。
2.遥感图像增强
遥感图像增强的目的是突出相关的主题信息，提高图像的视觉效果。常用的图像增强方法包括：图像反差调整、图像平滑、图像锐化、多光谱图像四则预算等。
1.3.2 图像镶嵌和影像制图
1.图像镶嵌
当工作区域涉及不同景数据时，影像制图过程中必须进行镶嵌处理，镶嵌处理过程实质是一个在数据重叠范围内的配准和色调调整的过程。应根据图幅分布情况，选出处于工作区中心部位的一幅图像作为镶嵌的基准像幅，其他图像以此为基准依次准近到远进行镶嵌。
（1）图像几何配准
对要镶嵌的图像进行精确配准，使它们处于同样的空间坐标系统之下。一般采用在图像之间利用控制点进行配准，另外再使用同名点进行配准，即依据两景数据上的同名量数据配准到另外一景数据的过程中，使两幅图像重叠部位几何上更趋于一致。
（2）相邻图像颜色匹配
针对一定方法对相邻图像进行颜色匹配，使不同时相的图像在颜色上相互协调致。为了使建立的颜色匹配方程更准确，所选的用于相邻两图像色调匹配、调整的共同区域要尽可能大，选择有代表性的区域用于色调匹配。在遥感图像上有时会有云及各种噪声，在选择匹配区域时要避开这些区域，否则会对匹配方程产生影响，从而降低色调匹配的精度。采用不规则的多边形（而不是简单的矩形）来界定用于建立色调匹配方程的图像区域。这样既可避开云、噪声，又可获得尽可能大的、有代表性的图像色调匹配区域，以便均衡化镶嵌后输出图像的亮度值和对比度。相邻图像颜色匹配处理过程中要满足“先整体后局部，逐步对地物细节调整”的原则。
（3）重采样
重采样是从高分辨率遥感影像中提取低分辨率影像的过程。重采样可以提高图像处理效率，常见的重采样方法有最邻近像元法、双线性内插法及双三次卷积法等。在正射纠正过程中要准确地应用重采样方法，同时应确保影像纠正的像素大小和重采样方式满足项目成图和项目本身要求。
4）单景影像处理
a.去云雾
卫星影像云雾的存在会对影像的判读产生影响，可选择合适的算法或者用不同时相的影像替换的方法进行去云雾处理。
b.去阴影
阴影区域可以通过人眼确认其范围，在阴影区范围内进行亮度和对比度的局部调整可以去除阴影。处理后的阴影区域和非阴影区域的色调和亮度值会有一定程度的差异，因此需要对整张影像进行适当的亮度及对比度的调整来过渡，以达到良好的视觉效果。
c.偏色处理
一般要处理的影像是选取多光谱中的R（红）、G（绿）、B（蓝）通道进行合成从而生成的彩色影像。在RGB色彩系统中，每个通道都有0到255共256种亮度值，而三个通道的值混合后（256×256×256）就能够产生大约1677万种颜色，应通过对不同通道的亮度值进行调整达到地物的真实色彩。
d.多景影像一致性调整
当一景影像的颜色调到了最真实的色调后就可以将其他影像的色调向其靠拢，这一过程较为复杂，需要反复尝试积累经验。
e.镶嵌接边
（1）设定合适的羽化值。走镶嵌线时应选择合适的羽化值，一般同轨影像间差异较小，其羽化值也应比异轨影像选择的羽化值小。
（2）走镶嵌线。多幅影像的拼接时应使质量好的影像压盖质量差的影像，新影像压盖旧影像，其拼接后几何接边常常会产生很明显的硬接边，走镶嵌线可以消除影像拼接后接边线明显的问题，但应注意镶嵌线要尽量避开道路、河流等地物，如果不能避免则应增大羽化值。
2. 影像制图原则
（1）影像必须层次丰富、颜色均匀、反差适中、清晰、不变色。
（2）影像图上随机抽取地物点的平面位置中误差不大于+0.5mm，特殊情况下不大于+0.75mm。
（3）图廓线的实际尺寸和理论尺寸的绝对值不应该超限，展点图边长0.15mm，对角线0.20mm，影像原图边长0.20mm，对角线0.30mm。
（4）制作彩色影像图应选择3个或以上的多光谱波段影像，波段之间配准误差不大于0.2mm，图像套合误差不大于0.3mm，制作彩色遥感影像图要求选择全色波段或根据需要选择一个波段的影像。
