高分遥感卫星影像预处理系统设计实现

前言：想要写出一篇引人入胜的文章？我们特意为您整理了高分遥感卫星影像预处理系统设计实现范文，希望能给你带来灵感和参考，敬请阅读。

摘要:高分影像预处理是高分应用的前提和基础，目前影像预处理专业要求高，自动化程度低，流程复杂，制约了遥感应用发展。本文利用分布式云存储技术，自定义流程设计技术，基于IDL影像处理的组件技术，实现遥感和GIS一体化集成，开发了高分遥感卫星影像预处理系统，实现遥感影像管理检索、正射校正、辐射校正等，实际运行表明该系统具有良好的应用价值。

关键词:高分遥感;预处理系统;GIS

引言

随着遥感探测技术的不断创新发展，国内的卫星遥感技术水平也获得极大提高，比较有代表性的有“高分系统”和“风云系统”。遥感影像数据获取的分辨率越来越高，更新频率越来越快，以定量遥感技术为基础，遥感影像数据在自然资源监测、社会活动监测、城市规划等方面得到广泛应用［1－2］。遥感影像的预处理即影像数据的纠正和重建过程，主要指在遥感成像过程中，由于传感器和观测环境原因，如姿态变化、高度、速度、雾等因素造成遥感影像的几何畸变与变形。并且遥感影像本身在空间、时间及光谱分辨率上的不足，会对数据精度造成影响［3－4］。因此在遥感影像应用前，需对其进行预处理，得到几何和辐射上的真实图像，其具体内容包括正射校正、大气校正、裁剪镶嵌、坐标转化等。目前，常用的遥感影像预处理软件主要包括PCI、ER-DAS、ENVI，尽管都达到基本应用需求，但都存在以下不足:1)软件使用需要专业的遥感知识，不易操作。2)自动化处理程度低，程序烦琐。3)数据管理和数据处理缺少集成。4)缺少友好的可视化管理界面。因此，针对以上问题，本文开发了遥感影像预处理系统，提高影像预处理的自动化与流程化水平。

1系统设计

1．1系统设计目标

系统通过ENVI和ArcGIS二次开发集成，对海量影像数据进行可视化管理，并对各类高分数据按需求进行自动化分步骤处理，包括正射校正、大气校正、镶嵌裁剪等;实现批量数据处理;实现流程化自动化处理，系统可自动实现原始影像到正射产品的处理，尽可能减少人工干预。因此，遥感影像预处理系统设计主要针对以下几个目标:1)满足影像管理和预处理的功能需求，具有较高的实用性和稳定性。2)尽可能实现自动化处理需求，处理结果满足要求，系统安全可靠。3)满足各类高分影像源数据，包括高分一号、高分二号、北京一号、资源三号等。

1．2系统总体架构

系统采用IDL和C#语言开发，SOA结构，包括数据层、逻辑层和应用层。数据层采用云数据库进行分布存储;逻辑层采用IDL组件、ArcGIS组件、通信组件形式，主要负责数据计算、图像显示、数据通信等;应用层主要负责功能交互、服务请求等。系统总体设计架构如图1所示。

2关键技术

2．1GIS和遥感一体化集成

ArcGIS是GIS领域应用最广泛的系统平台，通过基于C#的ArcObjects组件即可实现GIS功能实现，而ENVI是遥感图像处理应用最广泛的专业软件，目前ENVI可通过IDL语言及二次开发工具实现遥感功能拓展，并且提供了基于COM技术的COMIDLConnectLib组件［5－6］。本文通过IDL和C#混合编程，实现了GIS和遥感应用一体化，其中，IDL主要实现遥感影像计算处理，GIS主要实现数据管理、可视化、拓扑分析等功能。GIS与遥感一体化技术路线如图2所示。

2．2遥感影像云存储

随着遥感技术的发展，影像的空间分辨率越来越高、数据量越来越大、更新频率越来越快，每季度更新的影像数据将达到TB级，同时影像数据需要长期保存，传统存储架构数据分散已丢失、限制业务持续扩展、数据备份时间长，很难满足应用需求［9］。近年来基于云存储的分布式管理方式受到广泛应用，为影像管理提供了一种新的方式。采用基于Hadoop架构的分布式文件存储(HDFS，Ha-doopDistributedFileSystem)，主要包括NameNode、SecondaryNameNode和DataNode3个部分。NameNode负责系统元数据存储和对整个系统控制;SecondaryNameNode负责备份;DataNode负责存储用户数据和读写［8］。其在最大限度节约成本的情况下，保证数据的完整性、可用性、安全性、高度扩展性，根据遥感影像业务的需求分配资源，避免资源浪费，从而提高系统影像管理效率和监测质量。本项目基于Hadoop+GIS设计了分布式数据库结构，其中利用GIS实现影像元数据的管理和高效检索，利用Hadoop实现影像数据的分布式存储和管理，最终实现多源异构非结构化的影像数据高效管理。影像元数据采用地图服务构建在线查询应用方式实现存储管理与检索。其中利用ArcGISServer实现地图服务，提供在线检索;利用ArcGISApiforJS实现在线地图应用程序。

2．3批量预处理流程设计

目前，卫星分中心接收的标准数据是预处理级辐射校正影像产品，经过了初步预处理并提供卫星直传姿轨数据生成的RPC文件。然而，1A级数据只经过了初步处理，产品影像仍存在畸变，不能直接应用于生产或研究;本文研究的是开展1A级多源遥感数据预处理，明确正射－融合预处理和大气校正预处理流程。根据实际应用需求，1A数据预处理分为正射－融合预处理及大气校正预处理，具体的技术流程如图3所示。批量预处理是按照用户自定义预置流程进行自动化生产，并将处理结果进行自动存储，这种方式极大减少了用户人工操作，扩大用户自主权，减少重复工作，更好地促进了遥感数据的业务化发展［7］，其具体内容包括以下3个方面:1)针对不同来源的卫星影像数据，格式也各不相同，最终产品类型也不相同，首先通过参数配置，引导用户建立相应的流程，并将流程保存到系统中以便重复使用。2)针对各环节处理算法，除了根据类型配置不同的功能模块及算法，还存在一些通用性的功能模块，且根据不同的计算原理，包含不同的算法模型，例如配准模块有Harris算法和SIFT算法，融合模块具有小波变化等。从流程通用性考虑根据具体数据类型选择适应性广算法的作为默认预置算法，用户也可自定义相应算法进行扩展。3)针对各流程中间模块出现计算错误等无法预知的问题时，在实际生产过程中，导致整个影像处理流程失败，后续功能无法进行。本文在系统设计时，若上一步出现错误，则基于此流程的该影像将停止处理，但会把错误信息记录到日志文件中，以便后续进行错误分析，优化流程的迭代化。批处理流程如图4所示。

3系统主要功能实现

1)系统界面系统界面主要包括菜单栏、可视窗口、数据管理窗口、状态栏。菜单栏包括正射校正、大气校正、智能处理、通用工具菜单;可视窗口展示要处理前后影像数据;数据管理窗口主要加载需处理查询的数据列表;状态栏显示数据处理的进度和日志信息。2)数据管理数据管理主要实现数据的加载、数据删除、属性查看，支持矢量和栅格数据。支持的矢量数据格式包括shp和gdb，支持的栅格数据包括高分一号、高分二号和资源三号。3)正射校正正射校正包括正射纠正、影像配准和影像融合。正射校正的参数包括控制点、DEM;影像配准参数包括基准影像;影像融合支持的算法包括NND、GSPAN、HSV、PCAA。4)大气校正大气校正包括辐射定标、快速大气校正和FLAASH大气校正。5)通用工具通用工具包括影像镶嵌、影像裁剪、坐标转化等。6)智能处理智能处理实现影像批处理，包括处理流程创建、影像处理量。创建流程包括影像放置的文件夹、处理模块选择、输出文件夹位置。

4结束语

本文论述的高分影像预处理系统是为了便于影像管理和预处理而设计的系统。系统结合了最新的可视化海量影像管理技术、较优的影像预处理算法和可自定义流程的自动化处理技术，极大减小了影像处理的人工干预，提高了影像处理的效率，促进了遥感影像自动化进程。为进一步提高系统适用性，还需进行以下几个面的完善:1)可支持的高分影像数据类型需进一步拓展，例如高分五号、风云系列影像等。2)某些操作需进一步优化，如自定义流程，使其方便非遥感专业人员进行操作。

参考文献:

［1］刘静，刘燕翔，孙会敏．基于MAPGIS软件遥感影像的预处理方法［J］．内蒙古科技与经济，2013(11):85－86．

［2］杨晓博．高分辨率遥感图像数据接收与处理系统设计与实现［D］．哈尔滨:哈尔滨工业大学，2017．

［3］潘勇．遥感图像数据预处理研究［J］．数字技术与应用，2010(12):74．

［4］赵莹，王环，方圆．基于WorldView－2的遥感影像预处理［J］．测绘与空间地理信息，2014，37(6):165－167．

［5］贾永红．多源遥感影像数据融合方法及其应用的研究［D］．武汉:武汉大学，2001．

［6］向娟，李刚．高光谱遥感影像管理系统的设计与实现［J］．现代测绘，2008，31(2):6－8．

［7］张周威，韩杰，余涛，孟庆岩．环境卫星影像预处理顺序研究［J］．武汉大学学报(信息科学版)，2013，38(12):1456－1459．

［8］赵英时．遥感应用分析原理与方法［M］．北京:科学出版社，2003．

［9］冯种葵，张洪群，王万玉．遥感卫星数据获取与处理关键技术概述［J］．遥感信息，2008(4):91－97．

作者：陈世荣 严立 申佩佩 单位：宁波市测绘设计研究院