您的位置： &
浅谈QuickBird卫星影像处理技术
优质期刊推荐赞助商链接
当前位置： >>
QuickBird遥感影像数据处理及在城市规划中的应用
　 5期 第1　 　 引 言传感器 、 多角度 ,高空间分辨率 、 高光谱分辨率 、 高时相 分辨率的方向发展 。利用高分辨率卫星影像建立正射 影像数据库逐渐成为“ 数字城市 ” 建设的发展趋势 。 伴随着国家“ 西部大开发战略 ” 的深入实施 ,西安市城市建设飞速发展 。 旧城改造 ” 唐皇城复兴 ” “ 、 “ 、 “ 大明宫遗址保护 ” 三环路修建 ” 政府北迁 ” 、 “ 、 “ 等一 系列重大建设项目相继实施 , 这些重大项目往往具有 时间紧 、 任务急 、 涉及范围广的特点 ,因此 ,其前期规划 设计显得尤为重要 。此时规划设计师们急需准确 、 详 细、 现势的空间信息 ,而传统的地形图生产和更新周期 分辨率高 、 直观 、 生产更新周期短 、 费用低等优点正好 弥补了传统地形图和航空影像的不足 。因此 , 探索QuickB ird卫星影像数据处理方法及在城市规划 、 建设很难满足其需要 。QuickB ird 卫星影像以其内容丰富 、中的应用变得非常重要 。2　 卫星遥感影像的获取与处理方案211 　 数据源的选取和成图范围 212 　 数据获取方案 213 　 遥感影像的处理流程3 　 收稿日期 : 2008 ―03 ―22市主城区为中心 ,面积共计 1 500 km 。减小风险 、 降低成本 ,采用“ 存档数据 +标准数据 +编 程数据 ” 的数据订购方案 。0161 m +多光谱 2144 m )为数据源 。成图范围以西安2文章编号 : 1672 - ) 05 - 89 - 04 　　　　　　　　　 中图分类号 : P28318 　　　　　　　　 文献标识码 : A 　　QuickB ird遥感影像数据处理及在城市规划中的应用许有田 ,任琦 ,吴创奇 ,李军锋(西安市勘察测绘院 ,陕西 西安 　710054 )3摘 　 : 高分辨率卫星遥感影像的出现使得大比例尺遥感制图 、 要 地图更新及进行城市规划成为可能 。本文详细论述了QuickB ird卫星遥感影像的数据处理方法 ,指出在城市规划中 ,不仅要求遥感影像融合处理后要有好的目视和目标分类效果 ,而且要求纠正后的影像要有较高的精度 ,最后探讨了高分辨率影像在城市规划设计中的应用 。 关键词 : QuickB 影像 ; 数据处理 ; 城市规划随着空间技术的发展 ,卫星遥感正朝着多平台 、 多经调 研 选 用 QuickB ird 标 准 影 像 数 据 (全 色许有田等 1QuickB ird遥感影像数据处理及在城市规划中的应用89( 1 )资料准备 : 图像数据输入 (读数据 , 检查数据 ( 2 ) 图像转换 : 将 QuickB ird 原图像 11 bit ( 2048 ( 3 )光谱分离 : 将多光谱影像文件 4 个波段分离 ( 4 )图像预处理 : 增强 、 修正 、 噪声的去除 、 信息提 ( 5 )多光谱彩色合成及图像亮度值的重采样 ; ( 6 )图像的融合 : 将全色和合成后的多光谱彩色 ( 7 )图像纠正 : 使图像数据和矢量数据等具有相 ( 8 )影像色彩色调调节 ;质量 ) ;级 )转 8 bit ( 256 级 ) ; 出来 ;取、 、 校正 配准 ;图像进行融合 ;同的投影方式和地理坐标系统 ;( 9 )影像镶嵌 : 对各批处理后数据进行了图像镶 ( 10 )图像输出 : 采用大型激光数码打印机输出 ,嵌 ,最终获得项目设计范围内全部影像 ; 以获得最佳打印效果 。果 ,对影像进行了如下预处理 :( 1 )图像增强 。 ( 3 )图像拉伸 。 ( 2 )天空光漫反射修正 。由于西安地区气象条件较差 ,为了加快项目进度 、与周围环境有明显的反差 , 而线状噪声则是在某一段 线上由一系列的点状噪声组成 ,形成一条亮线或花线 。 消除这一类的噪声 ,通常采用邻域平均法 ,在空域中图对获得的影像数据分批进行了处理 ,其流程如下 :作者简介 : 许有田 ( 1962 ―) ,男 ,正高职高级工程师 ,长期从事测绘生产 、 、 教学 管理与 GIS工作 。214 　 影像融合前的处理为了使不同光谱特性的数据达到较好的融合效( 4 )噪声及线状噪声的去除 。图像上的点噪声一般表现为孤立的亮点或黑点 ,90城　 　 　 市 勘 测2008 年像每点 ( x, y ) 的亮度值取其邻域内各点亮度的均值 。 本次采用八近邻的模板 , 即为1 1 M = 8 1 1 1 0 1 1 1 1值 ,两者的比值愈大 , 植物的生长愈好 。经过比值处 理 ,图像上其他地物的 GR I值很小 , 而植被的 GR I值很 大 , 使得植被很容易在背景中区分开来 , 但也带有一些 噪声 , 经过图像的增强以后 , 部分噪声也较为明显 。GR I2 = ( CHN IR - CHR )　　 对于图像 f ( x, y ) , 采用模板对其卷积 , 得到结果g ( x, y ) g1 ( x, y ) = f ( x, y ) M =( CHN IR + CHR )( GR I2 被称为“ 归一化植被指数 ” NDV I) , 与 GR I1 1 8∑ f (m , n ) (m, n) ∈ s1的不同之处在于其分母设定 , 使数据的变化范围受到 约定 , 背景噪声干扰较少 , 其植被长势的差别可很好地 显示 。GR I3 = A ?CHN IR - CHR GR I3 称为“ 差值植被指数 ” A 为特定系数 , GR I3 ,经过此模板卷积运算之后 , 图像的噪声基本消除 。但 这种算法却引起了图像的模糊 , 尤其是对于本次的数 据 , 噪声只是少量部分 , 所以对此算法进行改进 , 在上 式的基础上再增加一个阈值 T, 可减少图像的模糊效 应 。其表达式为 :g2 ( x, y ) =的数值愈大 , 表示植被的长势愈好 , 也有利于不同植被 的区分 。 用绿度指数 GR I1 和归一化植被指数 GR I2 的方 法 , 得出的结果仅是一个系数关系 , 在分母较大时 , 细 微的差别不容易区分 , 而差值植被指数 GR I3 的方法直 接可以得到关于植被分布图像 。对此方法又设定了一 个阈值 ,以防止某些非植被信息误分进来 。 ③ 裸地的信息提取 西安地区遥感影像融合中 ,将地物分为 3 大类 ,第 一类为水体 ,第二类为植被 ,第三类为裸地 。裸地类的 范围较大 ,包括城区 、 人工建筑及裸露的土地等 。由于 遥感图像中存在有同物异谱 ,异物同谱的现象 ,对这一 类地物进行更细一步的信息提取还存在一定的困难 , 因此将它们作为一大类 , 其信息主要是根据在前两类 信息提取的基础上 ,分别算出不同类别的模板图像 ,再 用逻辑的方法提取此类信息 。 ④ 线性结构信息提取 在 3 大类地物中都存在有线性结构 , 对线性结构 的不同处理 ,直接影响到图像的锐度 ,近而影响图像的 目视效果 ,本次采用以下几种方法来提取线性结构信 息。 提取道路信息的算法 : 经对影像及各类别的特征 分析 ,最后采用乘积的算法从影像提取道路信息 。经 过乘积处理以后 , 使得道路的反差与其他类别反差增 大 ,这样就达到突出道路信息的目的 。 图像的纹理信息提取 : 全色波段其空间分辨率较 高 ,在西安地区图像中 ,其结构比较清晰 。但全色波段 仅为一个波段 ,不能用类似于多光谱图像处理的方法 来对其进行处理 。对于这一种情况 , 可将图像中的纹 理结构作为高频信息 , 其余的作为低频信息来进行处 理 。本次采用 lap lace 算子进行处理 。1 1 ∑ f (m, n ) 　 | f [ x ] - (m,∑ f (m, n) | & T 8 (m, n) ∈s 8 n) ∈s11　　f ( x, y ) 　　　　　　　　 其他( 1)对于不同的图像 , 采用的阈值 T 是不相同的 。经 过算法 ( 1 ) 的处理 , g2 ( x, y ) 图像的清晰度要比 g1 ( x,y ) 好 ,但图像边缘信息仍然有模糊的现象 。特别是对于 QuickB ird图像 ,由于其分辨率较高 , 在图像中有一 些边缘信息表现得较强 ,例如房屋等人工建筑 ,其边缘1 的两边性质不同 , 经过计算 | f ( x ) 8(m, n) ∈ s 1∑ f (m , n ) |的值也较大 , 如果再增大阈值 T, 则许多噪声也被判为 非噪声 。为此 , 对以上算法再次进行改进 , 增加一个逻 辑判别 , 当用公式 ( 1 ) 判为噪声时 , 再判别邻域内是否 有 4 个以上相同的点 , 若相同则判为不是噪声 , 否则为 噪声 。经过这样的处理 , 噪声点绝大部分都被消除 , 图 像其他部分基本未受影响 。( 5 ) 影像的信息提取 。① 水体信息的提取 由于水体对红外光的强烈吸收 , 在 4 个波段中 , 根 据各类别的特征 , 可利用模板影像来提取不同波段的 水体信息 。 ② 植被信息的提取 利用影像来提取植被的信息 , 其方法也有多种 , 主 要以不同植被指数的形式表示 。GR I1 = CHN IR / CHR其中 GR I1 表示绿度指数 (又称为比值植被指数 ) ;CHN IR表示近红外波段 ; CHR 表示红外波段 。对于健康的绿色植物来说 , 在红光波段由于叶绿 素的吸收有一个低反射值 , 在近红外波段有一反射峰　 5期 第L ( f) == f ( i + 1, j) + f ( i - 1, j) + f ( i, j - 1 ) - 4 f ( i, j) lap lace (二阶微分算子 ) : lap lace 算子用模板表示为 0 -1 0 -1 4 -1　　 为了抑制纹理提取带来的噪声 , 应恰当地选取上 下门限阈值 ,有利于突出有效边缘而不破坏平滑背景 , 适用于平坦地区的图像处理 。 ( 6 )多光谱图像的彩色合成 。为了得到彩色融合 图像 ,需要对多光谱图像进行彩色合成 。在彩色合成 方法中 ,调整整体图像的色调 ,根据需要可随时加强某 种信息 ,而又不至于在改变某一类信息的色调时 ,又改 变了其他信息的色调 。( 7 )图像的几何校正 。为使全色和多光谱图像信息进行融合处理 , 这就必须要对遥感图像进行几何校 正。( 8 )图像亮度值的重采样 。采用三次卷积法对图像亮度值进行重采样 。三次卷积法是利用一个三次多 项式 ,采用共轭点周围的 16 个邻点来进行计算 , 计算 量较大 ,但克服了最近邻法灰度不连续和双线性插值 模糊的缺点 ,计算公式如下 :2s ( w ) = 4 - 8 | w | + 5 | w | - | w | 　1 ≤ | w | & 2f ( u, v) = A ?B ?C s ( 1 + v) A = s ( v)Ts ( 1 - v) s ( 2 - v)其中矩阵 B 则为 4 × 的图像矩阵 , 即为 : 4f ( i - 1, j - 1 ) 　f ( i - 1, j) 　f ( i - 1, j + 1 ) 　f ( i - 1, j + 2 ) B = f ( i, j - 1 ) 　　　f ( i, j) 　　f ( i, j + 1 ) 　　　f ( i, j + 2 ) f ( i + 1, j - 1 ) 　f ( i + 1, j) 　f ( i + 1, j + 1 ) 　f ( i + 1, j + 2 ) f ( i + 2, j - 1 ) 　f ( i + 2, j) 　f ( i + 2, j + 1 ) 　f ( i + 2, j + 2 )对 QuickB ird 图 像进 行处 理 , 主要是 解决 11 bit ( 2 048级 ) 转 8 bit ( 256 级 ) 的问题 , QuickB ird 图像信 息非常丰富 ,它的信息量是一般图像的 8 倍 ,在很多情 况下 ,这种图像既含有阴影里的物体信息 ,又含有高亮 度物体 (如云层或新建筑物 ) 的纹理信息 。在目前常9f 9f 2 + 2 9x 9y221 - 2 | w | + | w | 　　　　 | w | & 12 30 　　　　　　　　　 　 | w | ≥2s ( 1 + u) s ( u)　　C =许有田等 1QuickB ird遥感影像数据处理及在城市规划中的应用91用的显示设备中 ,每通道只能显示 8 bit ( 256 级 ) ,在这 种情况下 ,如何才能把信息显示出来 ,这是在预处理中 主要解决的技术问题 。本次采用了如下方案 :0 0-1通过该方法变换后的影像不仅把 11 bit 图像转 的换为 8 bit 图像 , 而且针对 QuickB ird 影像直方图中 的 高端和低端分别进行处理 , 较好地保留了高端和低端 的信息 。3　 影像融合影像经过基本图像处理后 , 需对遥感影像进行融合处理 。因全色图像具有较高的空间分辨率 , 而多光 谱图像具有丰富的光谱特征 , 所以期望的融合结果是 既能突出较高的空间分辨率 , 又能保持多光谱图像的 光谱特征 。( 1 )基于信息特征的融合方法在多光谱图像及高分辨率全色图像的数据融合中 ,为了保持多光谱特征及高分辨率全色图像的空间 几何特征 , R. L. B rovey 提出了一种变换方法 , 其算法 如下 :R = R1 × / I P G = G1 × / I P3B =B1 × / I P其中 , R1 , G1 , B 1 分别表示多光谱彩色合成图像的3 个通道 。 P 表示高分辨率的图像 , 而 I 的定义则如I = ( R 1 + G1 + B 1 )下:s ( 1 - u) s ( 2 - u)对于 B rovey 变换 , 可以认为是一种分色变换过程 ,对于多光谱彩色图像中各种地物的色调 ,经过与全 色融合变换以后 , 能够保持多光谱原有的色调转换至 融合以后的图像中 。 有时为了突出某种信息 ,在作了一次拉伸变换 ,还达不到要求 ,提出了基于信息特征的融合方法 ,将在前 面所采用不同方法提取的各种信息加入到变换公式中 去。R = a1 ×( R1 +裸地信息 +纹理信息 ) × P G = b1 ×( G1 +植被信息 +纹理信息 ) × P B = c1 ×( B 1 +水体信息 +纹理信息 ) × P^a 2/I /I /I^b2^c2这是一种基于特征级的融合方法 , 基于信息特征 的融合方法可以针对不同的要求 , 灵活改变信息特征92城　 　 　 市 勘 测2008 年提取的方法 ,不为变换公式所限制 ,可以脱离开专用图 像处理软件平台 , 从程序中自由掌握所需要的结果 。 将影像处理结果和外业实际地物反复对比 , 修正相关 参数 ,使得融合后影像轮廓清晰 ,色彩均匀 、 逼真 ,色调 一致 ,既保证了影像的光谱特性又保证了影像的精度 。 ( 2 )影像色彩色调调节 融合完成后的影像通常都会出现偏色 , 色差过大 等现象 ,需要对影像做进一步调整 。采用 Adobe Pho2 亮度 /对比度调整 、 色相 /饱和度调整等手段达到纠正 色偏 、 淡化色团及减小反差的目的 。toshop 软件 ,通过色阶调整 、 曲线调整 、 色彩平衡调整 、范围遥感卫星影像的几何精纠正 ,显著缩短了工期 ,并 有效提高了影像的纠正精度 ,通过纠正程序计算 ,外业 用仪器检测 ,套合 1 ∶ 000地形图等不同方法进行检 1 测 ,结果表明影像纠正精度整体达到了 1 个像元 。5　 应用情况( 1 )该影像被应用于“ 西安市第四次城市规划修编 ” 西安市城市道路改造 ” 西安市历史文化遗址 、 “ 、 “ 保护与开发 ”城市违章建筑的查处等诸多方面 。 、( 2 )在 1 ∶ 000矢量地形图的更新过程中 ,影像 10成果的使用 ,大大提高了更新的速度 ,显著减少了更新 成本 ,为城市中小比例尺地形图的快速更新探索了新 的方法 。( 3 )该影像在西安市“ 社会主义新农村建设 ” 工作4　 影像纠正经过融合处理的图像还必须进行纠正以使其具有( 1 )投影方式 。按照高斯投影 , 西安任意平面坐 ( 2 )图像几何精校正 。平坦有图区在 1 ∶ 000地 1相同的投影方式和地理坐标系统及像元大小 。 标系 。中发挥了巨大作用 ,缓解了周边农村资料陈旧不足 。( 4 )利用影像成果 , 结合矢量数据制作了西安市卫星影像图集 、 西安市遥感影像图 、 西安市规划红线影 像图 、 大明宫遗址开发保护等专题图 。 利用 QuickB ird影像进行城市规划设计 ,违障建筑 监测 , 编制各类专题图 , 更新基础地形图 , 制定城市国 民经济和社会发展的规划 、 资源和生态环境的综合整 治规划具有重要的现实意义 。参考文献[1 ]　 许有田 . 西安市 QuickB ird 卫星影像数据处理技术设计 [ R ]. 西安市勘察测绘院 , 2004 [2 ]　 孙成忠等 . 基于卫星遥感影像的城市地图快速更新技术 [ J ]. 测绘通报 , 2002 ( 12 ) [3 ]　 李建伟 . 森林资源调查中 SPOT5 卫星影像的处理方法 [ J ]. 林业调查规划 , 2006 ( 3 ) [4 ]　 孙家 　. 遥感原理与应用 [M ]. 武汉 : 武汉大学出版社 , 2005形图上采点 , 平坦无图区用 GPS施测 GCP 点 , 东南起 伏区利用相应区域的数字高程模型 ( DEM ) 及 GPS 施 测 GCP点的方法进行纠正 。 一个像元以内 。( 3 )几何精校正精度 。控制点上的中误差控制在 ( 4 )图像数字镶嵌 。景间采用最小灰度差原则进行拼接 ,接缝处进行灰度加权平滑 ,采用直方图匹配方 法进行灰度调整 ,镶嵌处理接边中误差小于 2 个像元 , 色彩匹配以大图像的颜色为基准 , 小图像的颜色向大 图像的颜色靠拢 , 色彩匹配的方法是按直方图等单位 面积进行匹配 。 影像纠正过程中既使用了 GPS RTK 技术外业采集控制点 , 又使用了 1 ∶ 000矢量地形图采集控制 1 点 ,同时利用了 DEM 数据 ,多种方法的结合 ,实现了大The Processin g M ethod and Applica tion of Qu ickB ird Rem ote Sen sin g I mage Da ta in Urban Plann in gXu YouTian, Ren Q i,W u ChuangQ i, L i JunFeng ( Xi′ Institute of Prospecting and M app ing, Xi′ 710054, China ) an anAbstract: The paper dissertates the method of QuickB ird remote sensing i age data p rocessing, and points out that mmote im age in urban p lanning are discussed.the p rocessing result not only need good classification effect, but also need high p recision. Finally, the app lication of re2 Key words:QuickB urban p lanning m
更多搜索：
赞助商链接
All rights reserved Powered by
文档资料库内容来自网络，如有侵犯请联系客服。OALib Journal期刊
费用：99美元
查看量下载量
QuickBird卫星图像信息识别
Keywords: ,,,,
信息识别是目前高分辨率遥感应用中的最大障碍。以株洲市QuickBird图像为研究对象,将研究区分为道路、水、林地、农用地、裸露地和居民点6种地类,分别进行目视判读、计算机监督分类和非监督分类,其精度分别为98.2%、72.64%和60.71%。同时,还对研究区内的QuickBird、ETM+和TM图像进行计算机监督和非监督分类对比,结果表明无论是监督分类还是非监督分类,QuickBird图像的分类精度均低于ETM+和TM图像,这说明空间分辨率的提高对传统的计算机分类结果没有改善,传统的基于像元的分类技术在应用于QuickBird图像时表现出严重的缺陷。因此,本文回避了像元灰度统计法,采用先将图像分割,将以像元为基础的QuickBird图像转化为以对象为基础的图像,这样将研究区共分割出10000多个对象,建立对象的面积、周长、长度、宽度、长/宽、矩形度和圆形度计算模型;根据研究区各地类特征确定特征因子阈值,模拟目视判读过程,重新对研究区进行分类,结果6种地类的综合分类精度达到91.6%,这说明基于对象的多特征分类对于QuickBird图像识别有明显的改善作用。
References
[]&&Lin H,Liu T L,Li J P.Remote Sensing Text-book[M].Changsha:Press of Central South University,.[林辉,刘泰龙,李际平.遥感技术基础教程[M]长沙:中南大学出版社,.]
[]&&Lin H,He A G,ZHAO Y P.QuickBird image processing and application[J].Remote Sensing Information,):38-42.[林辉,何安国,赵煜鹏.QuickBird图像处理及其应用[J].遥感信息,):38-42]
[]&&Sun J B,Shu N,Guan Z Q.Remote Sensing Principle,Method and Application[M].Beijing:Press of Survey and Drawing,0.[孙家？,舒宁,关泽群编著.遥感原理、方法和应用[M].北京:测绘出版社,0.]
[]&&Ning X N,Lu S T,Yang X Q.Remote Sensing Image Processing and Application[M].Beijing:Press of Seismology,.[宁小年,吕松棠,杨小勤.遥感图像处理与应用[M].北京:地震出版社,.]
[]&&Zhang L J.Image Segmentation[M].Beijing:Press of Science,.[章毓晋.图像分割[M].北京:科学出版社,.]
[]&&Ashton E A,Schaum A.Algorithms for the detection of sub-pixel targets in multispectral imagery[J].Photogrammetric Engineering and Remote Sensing,):723 ～731.
[]&&Cortijo F J,N P De La Blanca.Improving classical contextual classifications[J].International Journal of Remote Sensing,):1591 ～ 1613.
[]&&Huang N,Liu X J,Zhu H M.Study on the classification of remote sensing image[J].Journal of Measuring and Test of College of Hua Bei Engineering,):86～92.[黄宁,刘小军,朱敏慧.遥感图像分类技术研究[J].华北工学院测试技术学报,):86～92.]
[]&&更多...
[]&&Chen S,Qing Q M.Method of classifying text structure of high resolution image based on mini-wave[J].Geography and Geographic Science,):6～9.[陈杉,秦其明.基于小波变换的高分辨率影像纹理结构分类方法[J].地理与地理信息科学,):6～9.]
[]&&Zhang B G.Artificial nerve network\'s application in classifying digital remote sensing image[J].Romte Sensing of Land Resource,):21～27.[张宝光.人工神经网络在遥感数字图像分类处理中的应用[J].国土资源遥感,):21～27.]
[]&&Lin H,He A G,Li J P.High-resolution Remote Sensing and Application[M].Changsha:Press of Central South University,.[林辉,何安国,李际平.高分辨率遥感及其应用[M].长沙:中南大学出版社,.]
[]&&Tang G A,Zhang Y S,Liu Y M.Digital Remote Sensing Data Processing[M].Beijing:Press of Science,0.[汤国安,张友顺,刘咏梅编著.遥感数字图像处理[M].北京:科学出版社,0.]
[]&&Zhang X C,Huang Z C,Zhao Z H.Digital Remote Sensing Data Processing[M].Hangzhou:Press of Zhejiang University,7.[章孝灿,黄智才,赵之洪编著.遥感数字图像处理[M].杭州:浙江大学出版社,7.]
[]&&Mei A X,Peng W L,Qing Q M.Remote Sensing Introduction[M].Beijing:Press ofHigh Education,.[梅安新,彭望？,秦其明.遥感导论[M].北京:高等教育出版社,.]
[]&&Ou Y G.Forest Remote Sensing[M].Beijing:Press of China Forestry,2.[欧润贵.林业遥感[M].北京:中国林业出版社,2.]
[]&&Kenneth R Castleman.Digital Image Rocessing Castlman[M].Translate by Zhu Z Z,Lin X Y,Shi D J,et al,Beijing:Electronic Engineering Press,0.[Kenneth R Castleman.数字图像处理[M].朱志刚,林学？,石定机等译.北京:电子工业出版社,0.]
[]&&Carlotto M J.Spectral shape classification of Landsat thematic mapper Imagery[J].Photogrammetric Engineering and Remote Sensing,):905 ～913.
[]&&Dikshit O,Roy D P.Empirical investigation of image resampling effects upon the spectral and textural supervised classification of a high spatial resolution multispectral image[J].Photogrammetric Engineering and Remote Sensing,1996,62 [(9):1085 ～ 1092.
[]&&Badhwar G D.Classification of corn and soybeans using multitemporal thematic mapper data[J].Remote Sensing of Environment,):175 ～181.
[]&&Bruzzone L.Multi-source classification of complex rural areas by statistical and neural-network approaches[J].Photogrammetric Engineering and Remote Sensing,):523 ～ 533.
[]&&Crist E P m,Cicone R C.Application of the tasseled cap concept to simulated thematic mapper data[J].Photogrammetric Engineering and Remote Sensing,):343 ～352.
[]&&Li S,Ding S Y,Shu S M.Comparison of methods of classifying remote sensing image[J].Journal of Henan University,):70～73.[李爽,丁圣彦,许叔明.遥感影像分类方法比较研究[J].河南大学学报,):70～73.]
[]&&Zhen J,Luo J C,Chen Q X.Integration of models and intelligent system of remote sensing image[J].Earth Information Science,):95～101.[郑江,骆剑承,陈秋晓.遥感影像理解智能化系统与模型集成方法[J].地球信息科学,):95～101.]
[]&&Luo J C,Zhou C H,Yang Y.Study on the integration of knowledge and models of ANN in remote sensing image classification[J].Journal of Remote Sensing,):122～129.[骆剑承,周成虎,杨艳.人工神经网络遥感影像分类模型及其与知识集成方法研究[J].遥感学报,):122～129.]
Please enable JavaScript to view the
&&&OALib Suggest
Live SupportAsk us anything您所在的位置： >
quickbird卫星价格购买quickbird卫星影像数据总代理北京揽宇方圆
15:41 作者：admin
来源：中讯网
　　北京揽宇方圆信息技术有限公司的卫星影像数据来自商业卫星数据提供商美国DigitalGlobe公司。北京揽宇方圆是美国该公司在中国的总代理，拥有QuickBird、WorldView1、WorldView2、WorldView3、GEOEYE、IKONOS 六颗半米级卫星的总代理权并获得美国DigitaiGlobe公司卫星数据中国长期代理授权。DigitalGlobe是高分辨率影像领域的全球商业化领导者，同时也是谷歌地图的卫星影像提供商，北京揽宇方圆可以为项目需求提供基于数字地球公司影像的最好服务和专业支持。
　　北京揽宇方圆信息技术有限公司国内规模最大、服务最稳定、服务质量最高的遥感综合应用服务企业，一直致力于为用户提供全球中、高分辨率影像数据及基于遥感数据的应用服务。拥有多颗国际领先的高分辨率遥感卫星数据资源，这些卫星群能够以极快地速度为用户提供全球各地的超高分辨率影像。同时也提供国产中、高分辨率遥感卫星的数据生产和应用服务。
近日CCTV《影响力对话》栏目有幸请到大力科技集团有限公司的董事长柴文胜先生做客本栏…
添加方式 1、直接输入微信号：Q、扫描二维码添加微信 赠送礼品： 1、凡是…
娇玛仕生物科技有限公司，于2014年成立于香港，是一家集高端化妆品研发、生产和销售于…
娇玛仕生物科技有限公司，于2014年成立于香港，是一家集高端化妆品研发、生产和销售于…
主办：中讯网 投稿QQ：#qq.com 粤ICP备号-3
本站内容为系统转载 不代表中讯网的立场 如有侵权请联系处理
Copyright©2016 www.zhongxuntv.com Inc. All Rights Reserved.中讯网豆丁微信公众号
君，已阅读到文档的结尾了呢~~
广告剩余8秒
文档加载中
高分辨卫星遥感影像数据，中景视图Quickbird卫星购买查询技术文档
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
Quickbird_卫星遥感影像数据查询方法_中景视图
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口