论文原文
2.3 数据预处理
本文对GF-3sar实验数据进行了双极化预处理。首先,采用IDL8.5对原始影像进行辐射定标和数据格式转换;其次,利用PolSARpro5.0工具将极化散射矩阵S2格式的影像数据提取到极化协方差矩阵C2;最后,借助ENVI5.3工具对极化协方差矩阵C2数据进行正射校正,并做9*9的均值滤波来抑制斑点噪声,提高信噪比。
Data Preprocessing
Firstly, IDL is used to implement the radiometric calibration and data format conversion of the original images. Next, PolSARpro is used to extract the polarization scattering matrix (S2) of the image data, then transforming it on to the polarization covariance matrix (C2). Finally, ENVI is used to orthorectify the C2 data, and create 9×9 mean filtering to suppress speckle noise and thus improve the signal-to-noise ratio of the images.


GF-3 SAR数据预处理流程概括:从L0级RAW数据一步一步升级到L3级GTC数据

1、下载数据
下载到的数据是RAW数据(L0级),即SAR传感器接收到的原始信号。
I:\GF3_preprocessing_workspace\FS2\GF3_KAS_FSII_020325_E119.3_N35.0_20200619_L1A_HHHV_L10004881669
2、预处理第一步-IDL8.5
(1)利用聚焦算法对原始影像RAW数据进行成像处理,生成斜距单视复数影像SLC数据(L1级);
(2)由于多种误差源的存在,SLC数据存在辐射误差,为能精确反映地物回波特性,需要进行辐射定标处理,将输入信号转化为雷达后向散射系数,对SLC数据进行辐射定标,生成L1级辐射定标产品;
(3)以上两步由一个程序完成,输出.bin文件(复数型),极化散射矩阵S2数据(L1级辐射定标产品=带辐射定标的SLC数据)。
(疑问:所以S2==后向散射系数图像吗?)
I:\GF3_preprocessing_workspace\FS2\GF3_KAS_FSII_020325_E119.3_N35.0_20200619_L1A_HHHV_L10004881669\SLC
3、预处理第二步-PolSARpro5.0
将极化散射矩阵S2数据提取转换为极化协方差矩阵C2数据(仍为L1级),输出.bin文件(浮点型)。此处其实也可以转换为强度数据;此处其实也可以再进行多视处理。
[PS:强度特征是SAR影像最主要的特征之一,基于SAR强度影像可以提取地物信息,因此需要将SAR复数影像数据转换为SAR强度影像数据。
SLC数据为1视复数数据,为提高图像的视觉效果,同时提高对每个像元后向散射的估计精度,需要进行多视处理,即对目标的多个独立样本进行平均叠加。多视处理一方面使影像几何特征更接近地面实际情况,另一方面也在一定程度上降低了斑点噪声,但在降低噪声的同时降低了空间分辨率。考虑到GF-3数据空间分辨率原本就不高,本文不对其进行多视处理,实际上如果做,会影响之后的图像坐标。]
I:\GF3_preprocessing_workspace\FS2\GF3_KAS_FSII_020325_E119.3_N35.0_20200619_L1A_HHHV_L10004881669\SLC\C2
4、预处理第三步-ENVI5.3
(1)对极化协方差矩阵C2数据做9*9的均值滤波来抑制斑点噪声,提高信噪比;
[PS:由于SAR系统是相干系统,相干斑噪声是SAR影像的固有现象。相干斑噪声的存在严重影响了SAR影像的地物可解议性,因此需要进行斑点噪声滤波处理。常用的SAR 滤波器通常指空间滤波器,主要有Lee滤波器、Frost 滤波器、Kuan滤波器以及Gamma MAP滤波器等。针对多时相数据,还可以采用多通道滤波器或多时相滤波器。]
(2)借助原始高分三号自带的控制点数据(.rpc)对C2数据进行几何校正(输出_geo.tif,浮点型),完成地理编码,使其具有地理坐标;
此时,L1级C2数据变为L2级地理编码产品,即地理编码椭球校正(GEC) 产品。
[PS:GEC将地球表面简化为一个椭球面。]
(3)使用ENVI默认的全球DEM数据对L2级GEC数据进行正射校正(输出_ort,浮点型),使其具有投影。
此时,L2级GEC数据变为L3级地理编码产品,即地理编码地形校正(GTC)产品。
[PS:GTC利用数字高程表面模型作为真实地球表面或利用控制点对定位模型进行参数优化。
几何校正分为不同级别,正射校正可以说是几何校正的最高级别。我们一般所说的几何校正是消除因大气传输、传感器本身、地球曲率等因素造成的几何畸变,主要纠正或者赋予影像平面坐标。正射校正除了进行常规的几何校正的功能外,还要根据DEM来纠正影像因地形起伏而产生的畸变,会给图像加上高程信息。流程顺序应为:辐射定标——>大气校正——>几何校正——>正射校正]
I:\GF3_preprocessing_workspace\FS2\GF3_KAS_FSII_020325_E119.3_N35.0_20200619_L1A_HHHV_L10004881669\SLC\C2

GF-3双极化SAR遥感影像预处理【基础版】相关推荐

  1. 毕业设计-基于BIT的双时相遥感影像变化检测(附下载链接-Python源码+毕业论文+答辩PPT+相关资料等等)

    毕业设计-基于BIT的双时相遥感影像变化检测(Python开发) 点我下载文件 论文目录 压缩包目录 毕业设计 内容摘要(主要应解决的问题.难点): 掌握国土资源利用率和土地覆盖类型,是地理国情普查与 ...

  2. 第059篇:高分二号遥感影像预处理流程(ENVI5.3.1平台+ENVI App Store中最新的中国国产卫星支持工具)

    今天被袁老的新闻刷屏,湖南衡水县水稻基地传出好消息:                                             袁隆平团队第三代杂交水稻测产,测得晚稻平均亩产为911.7 ...

  3. ENVI 5.3 操作Landset8遥感影像预处理问题汇总(1)

    主要参考http://blog.sina.com.cn/s/blog_764b1e9d0101cb2l.html   ,该文对其进行了补充. 辐射定标部分 Landset8辐射定标要选择多光谱数据,否 ...

  4. Python遥感影像SAR分割裁剪多张小影像

    利用python,把SAR遥感影像裁剪分割多张小影像,tif分割png格式,分割后没有定位信息. import numpy as np from osgeo import gdal from osge ...

  5. 遥感影像语义分割数据集

    遥感图像语义分割数据集 文章目录 遥感图像语义分割数据集 1.建筑 1.1 Aerial Image Segmentation Dataset 1.2 INRIA aerial image datas ...

  6. 覆盖5大任务,30+特色模型,高性能、全流程开发套件PaddleRS助力遥感影像智能解译化繁为简...

    近年来,随着卫星技术的发展和深度学习的火热,基于深度学习的遥感影像智能解译得到了前所未有的关注,并已成功应用于建筑物变化检测.SAR影像船舶检测.道路提取.多光谱影像分类等任务中.高精度.高速度.自动 ...

  7. GEE系列:​第3单元 栅格遥感影像波段特征及渲染可视化

    GEE从入门到实战的10个系列单元: GEE系列:第1单元 Google地球引擎简介 GEE系列:第2单元 探索数据集 GEE系列:​第3单元 栅格遥感影像波段特征及渲染可视化 GEE系列:第4单元 ...

  8. 遥感图像预处理与土地利用动态监测

    实验报告目录 1.实验目的 对池州市 2013.2017 年 Landsat 8 OLI 的遥感图像进行土地利用分类,对分类结果进行修正和精度评价,并对各类土地利用类型的面积进行统计.基于计算机分类结 ...

  9. matlab 算 cramer s v,基于Cramer’s V指数的遥感影像特征选择方法专利_专利查询 - 天眼查...

    1.基于Cramer' S V指数的高分辨遥感影像特征选择方法,其特征在于:包括以下步 骤: 步骤1 :对获取的遥感影像进行预处理以及影像特征提取: 步骤2 :基于Cramer' s V关联指数的连续 ...

  10. 基于深度学习的遥感影像语义分割数据预处理

    基于深度学习的遥感影像语义分割数据预处理 第一次处理数据,不熟练,仅供参考 数据预处理工具:Arcgis 第一步:下载遥感影像tif数据 根据实际需求选择感兴趣的遥感影像区域 数据来源:Google卫 ...

最新文章

  1. 建站篇-用户认证系统-开始
  2. 如何判断基因组的重复区域_Nat Comm. | 15万人类基因组中多核苷酸变异(MNV)的起源及功能研究...
  3. linux进程的高级管理,Linux高级程序设计(第2版) PDF扫描版[94MB]
  4. 自梦php,PHP菜狗自学之路 云之梦php php之窗 php脚本之
  5. 荣耀Play3新版曝光:麒麟710A加持 其他配置不变
  6. html表单自动编号,自动编号插件
  7. 使用Python+pillow绘制矩阵盖尔圆
  8. [软件应用]官方下载Nero-9.4.13.2d_update.exe迅雷竟也报毒
  9. [教程]VNR添加游戏以及H特殊码的使用
  10. 上海是怎么错失这些年的互联网机遇的?——写的很好,转
  11. 华为交换机和路由器命令和trunk
  12. ArcGIS简单的三维演示
  13. 计算机显示器的视频接口有什么不同,电脑显示器用VGA还是HDMI好有什么区别
  14. qq看点怎么引流?如何通过QQ看点引流营销?
  15. C 语言字符数组的定义与初始化
  16. 【解决方案】EasyNVR海量安防设备接入实时直播+云端(服务器)录像的实现
  17. 天才数学家阿贝尔和伽罗瓦
  18. 用engineeercms实现企业实时文档协作
  19. 开发工程师必备————【Day14】数据库查询表关键字及多表查询思路
  20. 3dmax制作楼梯栏杆

热门文章

  1. 生产计划排产计划的模式有哪几种?
  2. C++-02、命名空间、构造函数、析构函数
  3. html选择器的定义和使用,CSS选择器用法大全
  4. 归纳偏执_防御性编程:足够偏执
  5. Windows 7 利用电脑自带工具定时开关和重启方法
  6. 【无标题】PHP小皮中出现拒绝访问(使用密码:YES)
  7. 数据一致性、准确性、完整性、及时性、有效性
  8. java利用复循环洗牌算法_实现不重复取数两种算法(洗牌算法)
  9. Flutter混合栈管理
  10. cubieboard2 android,在cubieboard2双卡版上从零构建Android4.2.2系统