Landsat卫星:陆地卫星-中文百科频道

卫星参数

陆地卫星的轨道设计为与太阳同步的近极地圆形轨道，以确保北半球中纬度地区获得中等太阳高度角(25°一30°)的上午成像，而且卫星以同一地方时、同一方向通过同一地点．保证遥感观测条件的基本一致，利于图像的对比。如Landsat4、5轨道高度705km．轨道倾角98.2°，卫星由北向南运行，地球自西向东旋转，卫星每天绕地球14．5圈，每天在赤道西移2752km，每16天重复覆盖一次，穿过赤道的地方时为9点45分，覆盖地球范围N81°—S81．5°。

传感器参数

MSS传感器

Landsat-1～3

Landsat-4～5

波长范围/μm

MSS-4

MSS-1

0.5～0.6

MSS-5

MSS-2

0.6～0.7

TM传感器

波段

波长范围(μm)

分辨率/米

0.45～0.52

30米

0.52～0.60

30米

ETM+传感器

波段

波长范围(μm)

地面分辨率/米

0.450～0.515

0.525～0.605

0.630～0.690

0.775～0.900

1.550～1.750

10.40～12.50

2.090～2.350

0.520～0.900

30米

60米

30米

15米

OLI传感器

LandSat8

类型

波长（微米）

蓝色波段

蓝绿波段

绿波段

红波段

近红外

短波红外

微米全色

短波红外波段

0.433–0.453

0.450–0.515

0.525–0.600

0.630–0.680

0.845–0.885

1.560–1.660

2.100–2.300

0.500–0.680

1.360–1.390

TIRS传感器

LandSat8

中心波长（微米）

波长范围（微米）

10.9

10.6-11.2

100

12.0

11.5-12.5

100

遥感影像

影像融合技术

遥感影像融合是将多源信道所采集的关于同一目标的图像经过一定的图像处理,提取各自信道的信息,最后综合成统一图像或综合图像特征以供进一步处理,这样有利于增强多重数据分析和环境的动态监测能力,可改善遥感信息提取的及时性和可靠性,可有效地提高数据的使用率,可为大规模遥感应用研究提供良好的基础,同时也是目前遥感应用分析研究的前沿课题和热点领域。

影像融合有三个核心处理步骤,即图像预处理、图像融合和图像评价。首先对待融合的N景图像进行去噪、配准等预处理,并采用特定的融合策略进行融合处理,然后对融合图像进行相应的测试评估。

多源遥感影像融合处理方法

彩色空间变换融合法：

在色彩学中,颜色的定义有许多种,如采用红、绿、蓝的RGB系统,采用亮度(Intensity)、色调(Hue)、饱和度(Saturation)的IHS系统等。由于不同的颜色系统具有相应的显示和定量计算上的势,因此不同的场合所使用的颜色系统也不尽相同。如RGB颜色系统方法简便,便于显示和彩色扫描;IHS颜色系统是基于视觉原理的,三属性互不相关,易于把强度和颜色分开。在进行多源遥感影像融合处理时,首先将低分辨率的RGB图像经过变换映射至IHS(或HSV,HLS)空间。

然后采用特定的融合策略使其与高分辨率图像的信息进行融合处理,并进而置换相应的部分,最后经过逆变换重构融合图像,这便是彩色空间变换融合的核心思想。按照不同的颜色空间,彩色空间融合法又可分为IHS变换、YIQ变换、HSV变换、HLS变换等。

高通滤波融合(HPF)：

高通滤波融合是将高分辨率影像中的几何信息逐像素叠加到低分辨率影像中来进行的。高分辨率影像的高通滤波结果对应空间的高频信息,即通过高通滤波器提取高分辨率图像中对应空间信息的高频分量,这种空间滤波器去除了大部分光谱信息,然后在高通滤波结果中加入光谱分辨率高的图像,形成高频特征信息突出的融合影像。

主成分变换融合(PCA)：

主成分融合流程。利用PCA变换融合处理并不是为了减少噪声影像或数据压缩,而是通过PCA变换,使得多光谱影像在各个波段具有统计独立性,便于在各个波段采用相应的融合策略。在融合处理中,首先由多光谱影像数据求得影像间的相关系数矩阵,由相关系数矩阵计算特征值和特征向量,求得各主分量影像;然后将高空间分解力影像数据进行直方图匹配,使其与第一主分量影像数据具有相同的直方图;最后用由直方图匹配生成的高空间分解力影像来代替第一主分量,将它同其它主分量一起经逆主分量变换得到融合的影像。

小波融合：

小波图像融合法的出发点在于利用小波变换将待融合的图像分解成多级小波系数图像,融合是在每一级小波系数图像上进行的,即首先分别对各个分解层次的低频和高频部分按照各自的融合策略进行融合处理,然后综合图像中的特征信息,最后再进行小波逆变换,即重构出融合后的图像。例如首先将多光谱图像和具有高空间分辨率的全色图像进行小波分解,获取各自的低频分量和细节分量,然后用全色图像的细节分量替换多光谱图像的细节分量最后进行小波逆变换以得到增强的多光谱图像。这样可有效地增强多光谱图像的空间细节表现能力并能保持图像融合前后的光谱特性。