基于飛行模擬機視景的衛(wèi)星遙感數據圖像處理關鍵技術探討

劉巖，樊曉椏

（1.西北工業(yè)大學，陜西西安 710072；2.珠海翔翼航空技術有限公司，廣州珠海 519015）

基于飛行模擬機視景的衛(wèi)星遙感數據圖像處理關鍵技術探討

劉巖1，2，樊曉椏1

（1.西北工業(yè)大學，陜西西安 710072；2.珠海翔翼航空技術有限公司，廣州珠海 519015）

依據衛(wèi)星遙感數據的特點，探討了衛(wèi)星遙感數據的校正、波段組合、融合處理以及色彩調整等方面在飛行仿真中進行處理的關鍵技術。并針對拉薩機場的遙感影像，通過使用高分辨率遙感處理軟件ERDAS，以QB、SPOT5和ALOS數據，嘗試用不同的數學方法和參數設置進行實驗，以期尋求其中規(guī)律性的參數，最終生成滿足系統(tǒng)要求的整個機場飛行程序覆蓋區(qū)域的衛(wèi)星影像。

計算機軟件；數據融合；誤差分析；誤差；特征提取；幾何形狀；圖像融合；圖像匹配；像素；主成分分析；遙感；衛(wèi)星地形；色彩調整；模擬飛行；地理特征提??；衛(wèi)星圖像校正

衛(wèi)星遙感影像已廣泛用于飛行仿真、遙感圖像處理系統(tǒng)的處理過程主要包括數據格式轉換、幾何校正、圖像增強、圖像配準等步驟。圖像預處理階段的精度對最終融合圖像的質量有直接的影響。數據格式轉換使來自不同傳感器的圖像數據，在融合處理前必須經過數據格式轉換納入統(tǒng)一的數據空間和格式。圖像增強主要包括圖像色彩增強、圖像邊緣增強、圖像濾波等過程，以保證圖像在保持原光譜信息和空間信息的基礎上，色彩明亮，邊緣清晰、紋理清楚。此外，處理過程還包括幾何校正、圖像配準等過程。

1　拉薩機場QB影像校正

QB（quick bird）衛(wèi)星影像是本文主用的高分辨率（0.61 m）衛(wèi)星影像，使用Erdas Imagine軟件進行QB衛(wèi)星影像數據正射校正，是處理之前需要進行的預處理。Erdas中幾乎所有操作都可以用批處理命令完成。其基本步驟是：先將分塊的多個tif格式影像鑲嵌為單個img格式影像；鑲嵌后的QB影像為16bit，數據量大，不利于后續(xù)步驟的處理，需要先轉換為8bit；最后將4個波段的多光譜影像合并為3波段RGB影像［1］。為便于Photoshop等調色軟件做后期調色處理?？墒褂萌鐖D1所示的模型，進行波段組合：R=band3，G=band2?0.8+band4?0.2，B =band1。

圖1　合成波段RGB影像模型

其中，波段組合腳本為：

圖2顯示了處理前和處理后的效果比較，從圖上可以看出，處理后的圖更接近真實色彩。

圖2　拉薩機場區(qū)域預處理效果比較圖

針對拉薩機場的衛(wèi)星影像，本文對ERDAS中通常使用的幾種影像糾正方法進行了比較測試，以期找出適合此類影像糾正的最優(yōu)方法。

多項式模型糾正，利用影像+GCP（ground control points），建立兩圖像像元點之間的對應關系。這里主要使用二元二次多項式模型糾正。用函數的形式描述為：將（u，v）映射到（x，y），需求出12個系數，至少應找到6個已知的對應點（控制點）。如欲提高精度，還必須大大增加控制點的數目，故宜用最小二乘法進行曲面擬合求系數。

多項式法最簡單，若用來糾正控制點處的平面變形，可不考慮地面高差，故適用于小范圍平坦地區(qū)；本質上2D多項式模型并不能反映各種誤差來源，也不考慮地形高差引起的畸變，只限于小范圍、高差較小的地區(qū)，變形較小的，例如星下點獲取的，或經過幾何校正的數據；2D多項式模型不適于遙感影像，特別是高分辨率遙感影像的精校正。3D多項式模型只有在無法獲取成像系統(tǒng)的相關參數，或沒有可用的參數模型的條件下使用。3D非參數模型不需要成像系統(tǒng)的先驗知識，沒有明確的物理意義，通常只依賴不同的XYZ數學模型。對中低分辨率衛(wèi)星影像糾正而言，若精度足夠，在平原地區(qū)和正射糾正是等效的，誤差在全圖范圍均勻分布，對于處理地處平原區(qū)域的機場影像能夠達到較滿意的效果。

在軟件的應用中，選擇模型為“Polynomial”設置多項式系數為1或2，盡量少用3次多項式，會導致圖像畸變較大。對于平原地區(qū)次數為1足夠。找控制點技巧和經驗可總結如下：先設置為1次多項式，在圖像4個角布點，之后的點就可以讓Erdas自動計算，然后手工微調。找到7個點后可以設置為2次多項式自動計算點。為減少平面中的誤差，對于2次多項式通常要求找30～40點。更多的點不會明顯改善糾正的精度；對于山區(qū)，無論設置多少點可能糾正精度都不夠，這時候需要用正射糾正來處理。

三角網糾正是利用分布在全圖的大量控制點建立三角網，三角形內部按線性強行糾正。其優(yōu)點是：在控制點上的精度是完全精確的，點越多精度越高，和地形無關；其缺點是：可能會損害圖像實際精度，在缺失控制點的地區(qū)精度差，誤差分布和點的密度有關。通常宜于將此種方法用于圖像配準、局部微調，而不建議用做整景圖像的糾正。

在軟件應用當中，糾正模型選擇“Rubber Sheeting”，模型參數宜選擇“Linear”，而建議不要選擇Nolinear，因為在某些情況下會導致圖像扭曲；之后找控制點過程和多項式糾正類似；在所有點找完后，需要在圖像的4個角補上控制點，可以使用Erdas自動預測的點。否則輸出的糾正圖像范圍不包括圖像的角；三角網糾正主要用于圖像局部微調，在不需要糾正的部分仍應添加若干控制點，以防止這些地方因為缺少三角網而導致圖像變形。QB正射糾正使用LPS，模型設置為RPC。這是一個在像素和地面位置間建立對應關系的簡單數學模型，理論上可以達到和嚴格衛(wèi)星傳感器模型相當的定位精度。其優(yōu)點在于，多項式包含高程信息，可以提高校正精度。其有理函數多項式的系數，軟件在基本等級和預正射等級影像產品中直接提供RPC文件，也可以由用戶自己點選控制點求得，這樣精度會更高，但是需要更多的控制點。此校正模式精度高于幾何多項式校正，可以適用于較大影像范圍及高程起伏區(qū)域［2-3］。

RPC模型實際上為有理函數糾正模型，是將地面點大地坐標（latitude，longtitude，height）與其對應的像點坐標d（line，sample）用比值多項式關聯起來。為了增強參數求解的穩(wěn)定性，將地面坐標和影像坐標正則化到-1和1之間?？梢岳肦PC模型進行正射糾正、3D特征提取、DEM生成和區(qū)域平差［4-5］。

有理函數模型最初是為沒有GCP，只有DEM來對衛(wèi)星影像進行幾何校正的用戶設計的，對于GCP無法獲取的偏遠地區(qū)是非常有用的［6］。有理函數模型也有其局限性：處理的影像大小受限，為了達到較高的精度，需要大量的規(guī)則分布的GCP；只能校正控制點處的誤差，并不能消除控制點之間的誤差。

LPS模塊是ERDAS公司與Leica公司在原有的IMAGINE OrthoBase基礎上進行改進后的產品。LPS將正射過程進行了流水線式的梳理。在具體校正時，投影設置為UTM 50，使用SRTM 90作為DTM。并添加之前預處理過的QB數據img格式即可；在軟件中使用“FrameEditor”，設定“RPC Coefficients”為QB數據帶的RPB文件。

糾正運行完成以后，結果是不帶控制點的系統(tǒng)正射糾正。誤差大約30 m以內，基本上能滿足飛機巡航飛行時的精度要求。但對于接近機場的區(qū)域，則需要更進一步調整，此時則可使用“Point MeasureMent”工具，找到足夠的控制點，做精糾正。控制點越多，糾正效果越好，但同時增加了工作量和難度。控制點添加完畢，可以使用trangulation計算中誤差。通常要求平均中誤差達到2個像元左右，對于拉薩機場周圍多山地區(qū)，可以適當放寬到4～5個像元。表1展示了利用以上幾種糾正方式在不同區(qū)域所得的結果：

表1　幾種影像糾正方式結果比較

結論：針對拉薩地區(qū)高原多山，有河谷和沖擊平原的復雜地形，使用正射糾正能得到比較滿意的結果，但用此方法工作量較大，主要工作量是控制點的選取。

2　拉薩機場SPOT5衛(wèi)星影像處理

SPOT-5是歐洲空間局研制的高分辨率衛(wèi)星遙感系統(tǒng)，與大多數高分辨率遙感影像一樣，SPOT-5的線陣CCD傳感器采用推掃式成像，每條掃描線與被攝物體之間具有嚴格的中心投影關系，并且都對應一組外方位元素。全色波段分辨率2.5 m，多光譜分辨率為10 m，本文使用Erdas Imagine進行SPOT5的衛(wèi)星影像處理［7］。

ERDAS其中LPS有針對SPOT-5衛(wèi)星數據開發(fā)的SPOT-5物理模型。模型模塊將自動讀取DIM信息。SPOT-5物理模型可讀取衛(wèi)星在獲取遙感數據的瞬間狀態(tài)參數。衛(wèi)星狀態(tài)參數包括：星成像瞬間的經緯度、高度、傾角等。衛(wèi)星狀態(tài)參數能夠幫助提高幾何校正的精度。

采集控制點：以校正好的DEM地形圖為基準，在影像圖上找出和DEM地形圖上地物相匹配的明顯地物作為地面控制點。在進行正射校正時，應先進行全色波段數據校正，然后以校正好的全色波段數據為基準進行多光譜數據校正。地面控制點應分布均勻，影像的邊緣要有控制點分布，同時在不同的高程范圍最好都有控制點，若有數景數據進行拼接，還需在相鄰數據重疊區(qū)手動選擇若干同名點，重疊率若高達30%可以自動生成若干同名點。誤差分析：ERDAS有自動解求模型，可以計算中誤差、殘差及控制點X、Y坐標值誤差，也可以根據所生成的誤差報表進行檢查與修改。根據實際情況確定殘差限差，以保證糾正后影像的精度為基準。

衛(wèi)星影像正射糾正重采樣：重采樣過程就是根據未校正圖像像元值計算生成1幅校正圖像的過程。ERDAS重采樣常用3種方法：最鄰近像元采樣法、雙線性插值法、雙三次卷積重采樣法，表2列舉了幾種方法的比較。

使用LPS進行衛(wèi)星影像嚴格成像模型的正射糾正。糾正模型為“Orbital Pushroom”，軌道推掃式模型。導入控制點文件后，進行空三解算。此時設置地面控制點精度。因為采用的是10 m分辨率的影像作為參考圖，所以XYZ的精度均設定為10 m，設定為3倍單位誤差即為粗差進行剔除。完成三角解算后，控制點殘差應該在5 m以內，即半個像元以內，可以認為合格。

表2　3種重采樣方法結果比較

對于spot-5這類中低分辨率的影像，可以使用三角網糾正的方法對影像進行配準。三角網糾正要求輸入較多的控制點，為此需要一個自動找控制點的工具：AutoSync。要注意的是設定找點的參數。對于“Starting Column”和“Starting Line”都設定為0，“Column Increment”和“Line Increment”都設置為512，每隔512個像元找一個控制點。此參數如設定太大配準效果不明顯，而設定較小則計算時間長且配準效果并不一定理想，512是個經驗值，對于不同衛(wèi)星影像需要反復測試，找出效果比較好的經驗值。

3　拉薩機場ALOS影像融合

ALOS影像具有分辨率高（其中全色波段星下點空間分辨率為2.5 m）、單程通過即可測得地面“立體像對”、數據費用較低等特點。遙感影像數據融合是為了消除冗余，互補優(yōu)勢，提高遙感影像數據的空間分辨率和光譜分辨率，增強遙感影像判讀的準確性，提高數據的使用效率［8］。它的實質是在統(tǒng)一地理坐標系中將對同一目標檢測的多幅遙感圖像數據采用一定的算法，生成一幅新的、更能有效表示該目標信息的圖像。

主成分分析（principal component analysis，PCA）也稱K-L變換，是一種統(tǒng)計學方法，將1組相關變量轉化為1組原始變量的不相關線性組合的正交變換，其目的是把多波段的圖像信息，壓縮或綜合在1幅圖像上，并且各波段的信息所作的貢獻能最大限度地表現在新圖像中。對圖像施加了PCA變換后，該組圖像中的信息按照相關性大小得以重排，而變換結果的第一成分反映了該組圖像相關性最高的信息，也稱為該組圖像的主成分，PCA變換因此得名。PCA變換實際上是統(tǒng)計特征基礎上的多維正交線性變換，被廣泛應用于圖像壓縮、隨機噪聲去除以及圖像旋轉等領域。圖像PCA變換的結果在舍棄相關性較差的次要成分后進行反變換所恢復出的圖像是原圖像在統(tǒng)計意義上的最佳逼近［9-10］。

PCA融合算法的優(yōu)點在于，它適用于多光譜圖像的所有波段，既保持了多光譜的影像特征，也具備了高分辨率的影像特點［11］。但其不足之處在于，由于在PCA融合算法中只是用高分辨率圖像來簡單替換低分辨率圖像的第一主成分，故會有低分辨率圖像第一主成分分量中一些反映光譜特性的信息損失，因而使得融合結果圖像的光譜畸變嚴重，且運算量大，耗費更多的時間和資源?？傮w來講，空間紋理信息保持較好，但色彩信息弱是最大的問題。原因是被替換掉的第一主成分包含最大的信息。

Brovey圖像融合也稱為色彩標準化變換融合，其算法是將多光譜圖像的像方空間（multispectral image space）分解為色彩和亮度成分并進行計算。其特點簡化了圖像轉換過程的系數以最大限度地保留多光譜數據信息［12］；Brovey變換使用中用來對來自不同傳感器的數據進行融合的較為簡單的融合方法，該方法通過歸一化后的多光譜波段與高分辨率全色影像乘積來增強影像的信息。其融合后的紅、綠、藍三波段結果圖像如下：

其中bandi/（bandR+bandG+bandB）體現了影像的光譜信息，Pan體現了影像的空間信息。Brovey算法是一種簡單的算法，同IHS法類似也是使用3個波段的數據，它對圖像的預處理要求較高，而且融合結果也有明顯的光譜畸變，顏色與原始多光譜波段相比有較大扭曲。針對拉薩機場，衛(wèi)星影像采用的數據為ALOS 2.5 m全色影像和10 m多光譜影像，如圖3所示。

圖3　拉薩機場ALOS全色影像和多光譜影像

首先將ALOS多光譜影像與全色影像進行配準，選取容易定位的地物點（如道路的交叉點）作為控制點（GCP），控制點均勻分布，誤差控制在0.5個像元內，然后將多光譜圖像重采樣為2.5 m與全色圖像進行配準。分別采用PCA、Brovey變換融合算法對拉薩機場ALOS高分辨率全色影像和多光譜影像進行融合實驗，并通過目視評價，Brovey變換法取得了較好融合效果，在保持原多光譜影像光譜信息的同時，大大提高了影像的空間分辨率，改善了圖像的目視效果，清晰度和紋理細節(jié)表現力得到了較大提高。而PCA也在不同程度上提高了影像的信息量和目視質量，但相比于Brovey變換法稍遜色。

4　影像的鑲嵌與勻色

衛(wèi)星影像經過初步的幾何校正以后，因為整個RNP區(qū)域是由多幅影像組合而成，需要在多幅相錯的影像之間進行鑲嵌和勻色處理，處理方法可以在Erdas中，或者是利用Photoshop（PS）進行處理。

使用Erdas設置鑲嵌線時，注意的問題是：首先要設置背景透明，使用相應的工具對2幅影像進行鑲嵌線的繪制，鑲嵌線的范圍通常為包含2幅圖交聯的區(qū)域，范圍不宜過大；使用Data Prep工具，選擇拼接圖像，加入1幅或多幅圖像，并加入鑲嵌線。當設置輸出數據類型時，定義為無符號8位（unsigned 8 bit），因為大多數圖像軟件都支持此格式，如果定義成11位數據，一些通用的圖像處理軟件，如PS讀取時顏色將不正常，為后續(xù)的處理帶來不必要的麻煩，最后設置輸出圖像大?。ㄗ詈门c原圖像一致）。

使用PS對高分辨率圖像進行鑲嵌操作，首先要確定PS包含編輯IMG文件格式插件。使用工具“濾鏡-＞REEBOTOO”，在新的圖層中調入需要鑲嵌的影像，在原來圖像上以圖層的形式疊加了糾正后的圖像，并且按地理坐標擺放。使用套索工具以地物邊緣勾畫選區(qū)，在參數設置欄輸入羽化半徑為15個像元，此數據為經驗值，在長期多次利用PS處理圖像的鑲嵌工作中，實驗得出此數據能得到比較理想的結果，如果數值太小則邊界過于明顯，太大則局部損失清晰度。

圖4　拉薩機場影像均色直方圖

圖4為拉薩機場影像均色調節(jié)過程中的3個階段的顏色直方圖，從左到右，初始影像明顯偏暗且有色偏，經過一系列的包括GAMMA曲線，色彩平衡，飽和度的調節(jié)和設置，達到滿意的效果。對于遙感影像來說，比較好的影像效果，其直方圖一般呈正態(tài)分布，直方圖的峰頂在中間值附近，直方圖的底部盡量在最大和最小色階附近，這樣的影像色調、飽和度比較適中，看起來比較舒服，否則應該調整色階。我們使用的絕大部分彩色遙感影像是RGB模式和多通道的模式，每個通道對應了遙感數據的每一個光譜。對影像各光譜的色階分別調整，可以達到改變顏色的目的，比如：調整紅波段可以使圖像上增加紅色或者增加青色。通過色階調整可以將有些反差太小、比較沉悶的影像調到比較逼真、比較生動、反差較大的效果。

如果得到的影像質量太差，或者數據大于8位灰階，可以先進行自動色階處理，軟件根據影像的直方圖，將圖像自動調整到較好的狀態(tài)。比如IKONOS數據是11位灰階，影像初始呈現黑色，原因是PS只顯示256色的直方圖，而IKONOS圖像主要信息集中在11位的低階部分，因此在顯示器上很難看清，通過自動色階的處理才能看清影像具體內容。

色彩平衡是圖像處理軟件最簡單常用的色彩調整方法，但是一般只用來改變圖像的色度，即圖像的顏色改變，對于亮度、反差、飽和度的調整是有限的。色彩平衡的方法比較簡單，可以調整影像暗調、中間調和高光的各種顏色。所以只想調整圖像色彩，而對于明暗度等其他要素不加改變的遙感影像可以使用這種方法，例如河流在有些遙感影像中，合成后的彩色遙感圖像城區(qū)和水系顏色偏色太大，城區(qū)顯示為紅色，而水面通常顯示成品紅色，在PS中選取這些地物，使用＂色彩平衡＂進行調整減少城區(qū)的紅色，將水面調整為天藍色，更加接近于真實情況。

通常在遙感影像的處理中使用這種方法來調整影像的綠色植被和城區(qū)偏色現象。例如通過TM或者SPOT合成的彩色圖像，城區(qū)通常顯示紫色，用“可選顏色”方法選取洋紅，并較少數值，還可以影像情況加減黃色、青色或黑色，使得它更接近于真實的效果。還有一些影像上植被顏色不鮮艷，顏色偏紅偏藍，也可以使用＂可選顏色＂方法選取綠色同時減少洋紅、增加黃色，使得影像的綠色植被更加鮮明、真實。

5　影像的地理特征提取

傳統(tǒng)的遙感變化監(jiān)測和信息提取主要是基于中低分辨率的遙感衛(wèi)星數據或航片，通過目視判讀或基于像素的計算機分類方法，信息提取的精度和效率不能兼顧［13］。如今高分辨率影像空間信息更加豐富，地物目標細節(jié)信息表達的更加清楚。從分類技術角度來看，由于受空間分辨率的制約，傳統(tǒng)的遙感影像信息提取只能依靠影像的光譜信息，且是在像素層次上的分類；而高分辨率影像雖然結構、紋理等信息非常突出，但光譜信息不足。所以僅僅依靠像素的光譜信息進行分類，著眼于局部像素而忽略鄰近整片圖斑的紋理、結構等信息，必然會造成分類精度的降低?；诿嫦驅ο笥跋穹指畹姆诸愃惴ǖ奶攸c就是分類的最小單元是由影像分割得到的同質影像對象（圖斑），而不再是單個像素。面向對象的知識決策分類方法以對象作為分類的基本單元，對象的生成可以由已有的專題圖獲取，也可以采用遙感影像分割的方法生成。

圖5　拉薩機場地面建筑物提取

如圖5所示，在分類過程中，對對象進行分析，提取紋理、光譜、形狀信息，再將這些信息作為知識加入到分類器中，使分類結果更接近于目視判讀的效果。

6　結 語

本文對衛(wèi)星影像處理的有關技術進行了深入的研究，內容涉及了影像的校正、鑲嵌、勻色、融合等方面，基于機場視景仿真使用的QB數據、SPOT5數據和ALOS數據，并結合高分辨率遙感處理軟件ERDAS的應用，討論了幾種常見方法在高原地形生成中影像匹配的優(yōu)劣，最終生成了整個機場飛行程序覆蓋區(qū)域的影像，為進行實際飛行訓練的視景仿真提供了優(yōu)質的數據源。

［1］ Vrabel J.Multispectral Imagery Advanced Band Sharpening Study［J］.Photogrammetric Engineering&Remote Sensing，2000，66 （1）：73-79

［2］ 臧熹，楊博，齊建偉，等.一種改進的遙感影像地形校正方法［J］.測繪通報，2015（1）：75-80

Zang Xi，Yang Bo，Qi Jianwei，et al.An Improved Topographic Correction Method of Remote-Sensing Images［J］.Bulletin of Surveying and Mapping，2015（1）：75-80（in Chinese）

［3］ 高永年，張萬昌.遙感影像地形校正研究進展極其比較實驗［J］.地理研究，2008，27（2）：467-475

Gao Yongnian，Zhang Wanchang.Comparison Test and Research Progress of Topographic Correction on Remotely Sensed Data ［J］.Geographical Research，2008，27（2）：467-475（in Chinese）

［4］ 何純芳.提高數字正射影像圖質量的實用方法［J］.地理空間信息，2014，12（4）：85-86

He Chunfang.Practical Method to Improve the Quality of Digital Ortho Image Map［J］.Gegspatial Information，2014，12（4）：85-86（in Chinese）

［5］ 楊寶林，呂婷婷，王少軍，等.Pleiades衛(wèi)星圖像正射糾正方法［J］.國土資源遙感，2015（3）：25-29

Yang Baolin，Lü Tingting，Wang Shaojun，et al.Ortho-Rectification Method for Pleiades Satellite Images［J］.Remote Sensing for Land and Resources，2015（3）：25-29（in Chinese）

［6］ 段賽仙，施昆，盧作英.基于SRTM3的山區(qū)與凹柑影像地形校正研究［J］.科學技術與工程，2012，12（31）：8147-8153

Duan Saixian，Shi Kun，Lu Zuoying.Research on Topographic Correction of Remotely Sensed Image in Rugged Terrain Areas Based on SRTM3［J］.Science Technology and Engineering，2012，12（31）：8147-8153（in Chinese）

［7］ 白洪偉.SPOT5衛(wèi)星影像在1∶1萬地形圖修測中的應用［J］.河北北方學院學報：自然科學版，2015（4）：41-44

Bai Hongwei.Application of SPOT5 Satellite Images in 1∶10 000 Topographic Maps Repair Test［J］.Journal of Hebei North U-niversity：Natural Science Edition，2015（4）：41-44（in Chinese）

［8］ 朱靖，欒學晨.面向導航電子地圖制作的多源地理空間數據融合技術［J］.地理空間信息，2014，12（4）：147-149

Zhu Jin，Luan Xuechen.Multi Source Geo Spatial Data Fusion Technology for Navigation Electronic Map Production［J］.Geospatial Information，2014，12（4）：147-149（in Chinese）

［9］ 胥兵，方臣.ZY-1 02C星圖像與ETM+圖像融合方法及效果評價［J］.國土資源遙感，2014，26（3）：80-85

Xu Bin，Fang Chen.Data Fusion Methods of ZY-1 02C and ETM+Images and Effect Evaluation［J］.Remote Sensing for Land and Resources，2014，26（3）：80-85（in Chinese）

［10］陳丹.基于PCA變換與小波變換的多源圖像融合算法［J］.重慶科技學院學報：自然科學版，2010，12（2）：156-158

Chen Dan.Multi-Source Image Fusion Algorithm Based on PCA and Wavelet Transform［J］.Journal of Chongqing University of Science and Technology：Natural Science Edition，2010，12（2）：156-158（in Chinese）

［11］Tarolli P.High-Resolution Topography for Understanding Earth Surface Processes：Opportunities and Challenges［J］.Geomorphology，2014，216：295-312

［12］陳歡，何云天，楊黨利，等.三種像素級數據融合算法分析與性能比較［J］.光電技術應用，2014，35（4）：722-728

Chen Huan，He Yuntian，Yang Dangli，et al.Comparisons and Performance Analysis on Three Pixel-Level Data Fusion Algorithms［J］.Semiconductor Optoelectronics，2014，35（4）：722-728（in Chinese）

［13］Bulatov D，Haufel G，Meidow J.Context-Based Automatic Reconstruction and Texturing of 3D Urban Terrain for Quick-Response tasks［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2014，93：157-170

Key Technologies of Satellite Remote Sensing Data Image Processing Based Flight Simulator Visual

Liu Yan1，2，Fan Xiaoya1

1.Northwestern Polytechnical University，Xi′an 710072，China
2.Zhuhai Xiangyi Aviation Technology Company Limited，Zhuhai 519015，China

In this paper，the spectral characteristics of based on Satellite remote sensing data，remote sensing data to explore Worldview Ortho-rectification，band combination，integration and other aspects of processing and color adjustments in flight simulation processing key technologies.Base on Lhasa airport Satellite images，By using with high-resolution processing software ERDAS remote sensing applications，QB and SPOT5 and ALOS data used in the experiment to try different mathematical methods and parameters，where the parameters are summarized regularity，the resulting imagery meets the system requirements of the whole airport flight procedures coverage area.

computer software，data fusion，error analysis，errors，feature extraction，geometry，image fusion，image matching，least square approximations，pixels，principal component analysis，remote sensing，satellite topography，color adjustment，flight simulation，geographic feature extraction，satellite image correction

TP751

A

1000-2758（2015）06-1027-08

2015-04-12

劉巖（1971—），西北工業(yè)大學碩士研究生，主要從事圖形圖像處理三維仿真與飛行模擬機視景研究。