Digital Globe公布新卫星计划

DigitalGlobe公布了它的下一代影像卫星 (WorldView)的详细计划。它将不迟于 2 0 0 6年前发射。这将是世界最高分辨率的影像卫星。WorldView将是唯一的半米分辨率商业影像卫星。它将生产 5 0cm分辨率全色影像 ,2米多光谱影像。WorldView将采用传统的 4个光谱波段 (红、兰、绿和近红外 )及 4个新波段 (Coastal,黄 ,rededge和近红外 2 )。到 2 0 0 6年后 ,WorldView每天可采集 2 0 0 0 0 0平方英里的半米分辨率影像 ,卫星也将配备高精度地理定位设备 ,能快速有效地采集立体影像。WorldView的近 80 0km高的轨道将使卫星的重访周期更短 ,…     

QuickBird卫星成功发射

10月 1 8日 ,由 Digital Globe所有的 Qick Bird高分辨率遥感卫星在加利福尼亚范登堡空军基地发射升空。卫星进入 98°太阳同步轨道 ,经过在轨 90天的调试后 ,Qick Bird卫星开始提供图像服务。它将提供 61 cm分辨率全色影像和 2 .44m分辨率多光谱影像。位于美国科罗拉多州的 Digital Globe公司说 :Qick Bird是该公司计划发射的遥感卫星群中的第一颗卫星 ,此星是由 Ball航天技术公司承造 ,预计 2 0 0 2年第一季度为主要的承销商和特定客户提供影像服务 ,第二季度启动公司的分销网络。第三季度完全投入商业运作。到目前为止 ,至少到 2 0 …     

一种构建多光谱全色波段与小波变换相结合的遥感影像融合方法

对于多光谱和全色波段遥感影像融合而言,影像问光谱响应范围的差异是造成融合结果光谱畸变的重要原因。方法通过对遥感影像成像过程中的参数进行合理地近似,将多光谱影像有机地结合为光谱响应范围与全色波段接近的、低分辨率的“多光谱全色波段”。利用特定的小波融合法则,将全色波段中适量的空间信息融入到“多光谱全色波段”中,并根据构建“多光谱全色波段”时各多光谱影像所占的权重,将融入的空间信息逐像元地分解到各个多光谱波段,从而较好地削弱了融合影像间光谱响应范围的差异所造成的光谱畸变。通过对IKONOS遥感影像进行融合实验,验证了本文方法较传统方法具有更高的性能。     

您需要ASTER、ASAR遥感影像吗?

现在您就可以通过中国遥感卫星地面站 (WWW .RSGS .AC .CN)购买ASTER、ASAR遥感影像。ASTER是Terra卫星上的一种高级光学传感器 ,光谱范围从 0 .5 2到 11.6微米 ,包括了从可见光到热红外共 14个光谱通道 ,可以提供 15米(可见光近红外 )、30米 (短波红外 )以及 90米 (热外红 )三种空间分辨率的数据。可以为多个相关的地球环境资源研究领域提供科学、实用的卫星数据。ASAR是ENVISAT卫星所携带的合成孔径雷达传感器。ASAR工作在C波段 ,波长为 5 .6厘米。具有如多极化、可变观测角度、宽幅成像等特性。其数据的地面分辨率最高…     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

一种基于分类的融合算法

提出了一种基于分类的融合算法 ,可用于融合低分辨率多光谱影像和配准的高分辨率全色波段影像 .算法的主要步骤如下 :(1)将 1m高分辨率全色波段影像和 4 m低分辨率多光谱影像进行几何配准 ;(2 )采用监督或非监督分类算法对高分辨率影像和配准的多光谱影像进行统一分类 ;(3)根据每一类所对应的高分辨率全色波段影像直方图和相应的空间关系 ,对配准后单个波段的多光谱影像进行调整 .(4)采用柱状坐标系对调整后的多谱影像进行 HIS(Hue,Intensity,Saturation)变换 ,并反变换至 RGB(red,green,blue)彩色空间 ,从而得到融合影像 .以天安门附近 10 0× 10 0大小 IKONOS的 1m高分辨率全色波段影像和 4 m多光谱影像为例 ,对融合算法进行了验证 .实验结果表明 :(1)此算法可以融合分类信息、全色波段的高分辨率信息和多光谱波段的光谱信息 ,突出分类信息作为先验知识的重要性 [1 ] ;(2 )在精确分类的基础上 ,可部分消除目标物边界的假彩色现象 ,有较好的目视判读效果 ;(3)对融合过程中 ,先验知识与空间关系的加入作了一些有益的尝试 .     

IKONOS全色与多光谱数据融合方法的比较研究

IKNOS-2给各个应用领域提供1 m的全色和4 m的多光谱数据,因此利用全色波段将4 m的多光谱数据融合为1 m的多光谱数据会充分利用二者的信息,提高目视和自动影像提取的类别精度。影像融合技术发展较快,成为遥感应用研究领域的重要主题。在遥感领域应用较多的融合方法有IHS变换、主成分分析、Brovey(颜色归一化)变换、小波变换以及最近发展修改的合成变量比值变换。从光谱质量和空间信息角度对融合方法进行了比较研究,筛选出适合IKNOS融合方法,从各种特征信息提取和自动分类角度出发,合成变量比值变换融合方法光谱退化最小,同时也较高程度地保持了高几何分辨率全色的空间信息。     

高分辨率IKONOS卫星影像及其产品的特性

自从 1994年 3月 10日美国克林顿政府颁布关于商业遥感数据销售新政策以来 ,解禁了过去不准 10～ 1m级分辨率图像商业销售 ,使得高分辨率卫星遥感成像系统迅速发展起来。就美国而言 ,有 5～ 6家公司致力于 1～ 5 m的卫星遥感成像系统研制 ,其中美国空间成像公司 (Space Imaging)的 IKONOS卫星是最早获得许可之一。经过 5年的努力 ,于 1999年 9月2 4日空间成像公司率先将 IKONOS- 2高分辨率 (全色 1m,多光谱 4m)卫星 ,由加州瓦登伯格空军基地发射升空。1　IKONOS卫星的基本特性IKONOS卫星是由加州的洛克希德—马丁建造的。它具有…     

一种基于SVR的简易融合算法

基于SVR (Synthetic Variable Ratio, 合成变量比) 融合方法,本文提出了一种SSVR (Simplified Synthetic Variable Ratio, 简易合成变量比) 融合方法.SSVR的核心是融合采用Radiance (辐射亮度) 而不是DN值,低分辨率多光谱模拟的全色波段能量用高分辨率全色波段的能量替代.以Landsat 7 ETM 数据为例,采用PCA (主成分分析) 、Multiplicative (乘积方法) 、Brovey Transform (比值方法) 、ISVR、SSVR 5种方法进行遥感影像融合,对比结果表明SSVR融合方法在提高原始多光谱影像分辨率的基础上,很好地保持了多光谱信息,该方法简单易行,提高了遥感数据的可利用性.     

一种耦合空间域与变换域的遥感影像融合方法

针对多光谱波段和全色波段影像融合存在的空间分辨率问题和光谱失真的问题,提出了一种超球面彩色空间变换(hyperspherical color space,HCS)与非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)相结合的遥感影像融合算法。首先对目标影像进行HCS变换获取I分量,然后使用NSCT分解全色波段和I分量,并将分解获得的高频子带和低频子带采用加权的局部方向熵和改进的拉普拉斯能量和的方法进行筛选,最后对筛选的图像进行NSCT和HCS逆变换,生成融合多光谱遥感影像。为了验证影像融合质量,分别采用主观评价和客观量化评价方法(均值、标准差、信息熵、平均灰度和相关性等)对融合后的图像进行了分析。通过与现有HCS方法、NSCT方法、Gram-Schmidt方法对比研究表明,该方法在光谱保持度和空间分辨率上均优于传统方法,在融合结果得到的边缘、纹理和细节方面均能够表现出更好的融合特性和视觉效果。     

改进的多光谱遥感影像超分辨率重构算法

针对现有遥感影像重构算法数据资源有限、配准精度低等问题,结合遥感影像的光谱特征,提出一种改进的多光谱遥感影像超分辨率重构算法。提取场景结构特征作为重构的正则化约束条件,保持重构结果中的高频信息。利用波段间的交叉相关,获得场景的结构特征信息。通过迭代反投影算法对单波段影像进行重构,将其合成为全色高分辨率遥感影像。仿真实验结果表明,该算法的重构效果较优。     

国内新闻

“北京一号小卫星”正式运行发布会在北京举行2006年6月8日,“北京一号小卫星”正式运行发布会在北京举行。这颗高性能对地观测小卫星是根据国家“十五”科技攻关计划和高技术研究发展计划(863计划)的安排,由科技部、北京市、国土资源部、国家测绘局和二十一世纪空间技术应用股份有限公司共同支持的。“北京一号小卫星”是一颗具有中高分辨率双遥感器的对地观测小卫星,卫星重量166.4kg、轨道高度686km、中分辨率遥感器为32m多光谱,幅宽600km,高分辨率遥感器为4m全色,幅宽24km,卫星具有侧摆功能,在轨寿命5年(推进系统7年)。卫星研制周期仅2年…     

运用主成分变换-逆变换对ADEOS AVNIRXS和PAN进行复合的研究

信息复合的目的是为了把多种遥感器数据的特性进行互补。复合图像与原图像相比,既具有多光谱特性,而且空间分辨率也得到了提高,这样它更有利于目视判读或计算机自动化处理。运用主成分变换-逆变换的方法对ADEOSAVNIR的多光谱数据(16 m)和全色波段数据(8 m)进行了复合研究。即先对多光谱图像进行主成分变换,求出第一主成分。然后用全色波段数据取代第一主成分并进行主成分逆变换得到所需的复合图像。复合图像的空间分辨率为8 m,而且具有4个波段。     

运用经验模态分解和压缩感知方法进行遥感影像超分辨率重建

遥感影像的超分辨率重建在提高遥感影像的地物识别能力、不同空间分辨率遥感影像融合等方面具有重要的意义。在前人研究的基础上,结合影像经验模态分解(Empirical Mode Decomposition,EMD)、压缩感知理论和主成分变换方法,实现彩色影像的超分辨率重建。算法运用EMD方法首先得到影像的高频成分,然后通过K-SVD学习方法得到过完备字典,运用MOP(Orthogonal Matching Pursuit,正交匹配追踪)方法重构影像。在此基础上,对多光谱影像进行PCA变换,利用第一主成分(PC1)进行字典学习,将得到的字典运用于多光谱影像的超分辨率重建,得到超分辨率的彩色影像。以Geoeye-1全色和多光谱影像为例,验证方法的有效性。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光G近红外多光谱波段的基础上,新增加的８个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5％。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究

受影像获取时间、大气条件、观测角度、传感器波段设置以及山地地形等因素的影响,山区多源、多时相光学遥感卫星影像间的辐射不一致问题较为突出。以Landsat-8 OLI与Sentinel-2 MSI为例探究山地多源遥感影像间的辐射一致性,旨在为多源影像在山区的协同应用提供理论支持。选取同期OLI和MSI影像,进行大气校正、BRDF校正、光谱通道校正以及影像间的辐射一致性分析,并研究地形对辐射一致性的影响。结果表明:(1)未经校正的Landsat-8 OLI-L1T与Sentinel-2 MSI-L1C反射率影像间的辐射一致性较高(各波段R2均大于0.9);(2)经过6S大气校正、C因子法BRDF校正,影像间辐射一致性进一步提高(如蓝波段反射率RMSD依次减小22%、10%),但光谱通道校正后一致性并未显著增强;(3)地形效应导致了影像阴坡、阳坡辐射一致性水平的较大差异(如BRDF校正后SWIR波段阳坡的反射率平均绝对差为0.010、RMSD为0.006 6,阴坡平均绝对差为0.005、RMSD为0.004 3),且阳坡辐射差异随坡度增大而增大,阴坡则相反。因此,在进行多源遥感影像协同之前,需要进行有效的大气校正、BRDF校正以及光谱通道校正。另外,针对山地遥感影像还应开展地形辐射校正以进一步提高影像间的辐射一致性。     

Sentinel-2卫星影像融合方法与质量评价分析

Sentinel-2卫星传感器获取的是3种不同空间分辨率的光学遥感影像,如何通过融合方法提高较低空间分辨率波段的空间分辨率成为Sentinel-2数据应用面临的问题之一。以Sentinel-2B影像为数据源,利用相关系数最大法、中心波长最近邻法、像元值最大法和主成分分析等4种方法从4个10 m分辨率的波段中产生一个高分辨率波段;采用主成分分析、高通滤波、小波变换、Gram-Schmidt变换以及Pansharp共5种融合方法,对产生的高分辨率数据和6个20 m分辨率的多光谱数据进行融合,并从定性、定量(信息熵、平均梯度、光谱相关系数、均方根误差和通用图像质量指数)以及融合影像的分类精度3个方面对融合效果进行评价,结果表明:相关系数最大法的Pansharp方法融合图像质量优于其他融合方法,分类精度略低于最高的像元值最大法的GS方法,并且远高于4个原始10 m分辨率的多光谱影像的分类精度。从实验数据的分类精度分析,不同融合方法在不同地物提取中各有优势,在实际应用中,应根据实际研究需要,选择适宜的方案。该研究可为Sentinel-2卫星以及相似卫星数据处理和应用提供参考。     

SPOT卫星遥感讨论会在北京举行

1986年11月24日至28日,中法卫星遥感及斯波特(STOP)卫星数据首次应用讨论会在北京举行。来自全国各部门和各地方的遥感专家学者80多人、法方各机构和工业部门的代表30多人齐聚一堂,就卫星遥感技术的发展和SPOT卫星的应用进行了广泛的交流。法国是世界空间大国之一,特别是1986年2月22日成功地发射了SPOT卫星,标志着其进入空间遥感与美国陆地卫星相抗衡的时代的开始。SPOT卫星具有10米(全色波段)和20米(多光谱波段)的空间分辨率,是民用卫星的佼佼者。它是首次采用CCD线阵推     

ZY-3东北界河地区影像特征分析

对资源三号卫星(ZY\|3)数据影像特征进行科学分析与应用研究,为ZY\|3数据优化利用与广泛应用提供可靠的借鉴。分别从单波段数据信息量、多波段数据相关性及各波段数据地类间可分性分析原始数据,ZY-3多光谱数据以band4信息量最丰富,与其他波段相关性小,地类间光谱距离最大,其次是band3与band2,而band1各项指标最差。将band4、3、2组合后,进行多光谱数据与全色数据分辨率融合,进一步分析融合后数据,对于土地覆被调查,主成分分析影像视觉最好,而乘积方法信息量最丰富。
     

基于比值变换的全色与多光谱图像高保真融合方法

随着遥感技术的快速发展,越来越多的成像卫星可采集同时相的全色和多光谱图像。通常,多光谱图像的分辨率低于全色图像,但实际应用中人们更迫切需要提升多光谱图像的分辨率。当前,研究人员已提出了大量的图像融合方法来解决这个问题,但依然存在光谱失真、细节模糊等问题。此外,真实遥感图像的尺寸较大,现有融合方法难以满足实际应用的高时效要求。为此,提出了基于比值变换的全色与多光谱图像高保真融合方法。根据全色与多光谱图像分辨率之比,该方法对全色图像先下采样,再上采样,生成全色降质图像;同时,对多光谱图像进行上采样,得到多光谱降质图像;然后,计算全色与其降质图像的比值,将多光谱降质图像乘以该比值生成融合图像。实验表明,本方法的保真效果好,性能优于对比方法。