python数据预处理之整体替换_地质男转行学遥感Python—影像数据预处理之正射校正...

遥感影像预处理即为影像数据的校正与重建的过程。由于传感器外在原因（如姿态变化、高度、速度等因素）造成的遥感影像几何畸变与变形，并且遥感影像本身在空间、时间及光谱分辨率上的不足，在获取数据的过程中不能够精确的进行信息的记载，很大程度上会降低遥感数据的精度，因此，需要对遥感影像进行数据预处理工作。遥感影像预处理流程主要包括三个步骤：第一步是正射校正，校正影像的倾斜偏差及投影过程中产生的误差，第二步是将正射校正后的多光谱数据与全色数据进行配准融合，第三步是对融合后的影像进行镶嵌、裁剪、增强等处理。通过以上步骤最终生成监测区正射影像图。

今天就先利用python实现遥感影像数据的正射校正。影像正射校正主要校正因传感器、地形起伏不均衡等因素引起的像元上的偏移，并利用数字高程模型（DEM）及地面控制点通过相应的数学算法模型来进行校正的过程。正射校正后的影像在精度上、图像特征上以及信息表达上都能达到很好的效果，并能够改正因地形产生的误差。

今天待校正的数据为一景国产高分1数据，4个多光谱波段，分辨率8m，1个全色波段，分辨率2米。首先实现待校正数据输入输出路径定义等。利用os、glob可以快速的完成数据读写的前期准备工作。

接下来对影像数据文件名进行操作，获取之后正射校正过程中的坐标投影参数。

接下来就是正射校正的过程，其实步骤和栅格数据读写异曲同工之妙。关键就是gdal.warp 这个函数。里面的参数就包括输出文件名，输入文件名（实现定义好），影像分辨率，投影参数（已获取，就是之前的zone），参考dem文件等。由于是对高分1数据进行正射校正，影像分辨率设置为8（X,Y），参考dem文件是envi自带的全球200mdem数据（如果有更高精度dem数据，更好，就于此设置为对应的dem就行）。

在执行正射校正过程中，我定义了起始和结束时间，能够查看正射校正花费的时间，可以看到结果仅为1.73m，非常之快，比ENVI处理速度要快许多。更为便捷的是，加上循环，即可实现遥感影像数据的批量正射校正，如果在执行过程中加上多线程的话，批处理的效率可想而知了。今天的操作其实是为了说明这个处理的过程，事先已经把数据解压缩了，而我在常规数据处理时，直接对原始的数据进行操作（压缩文件）的，处理几景数据的话可能影响不大，但是如果是几十景，几百景的话，如果都要事先解压缩的话，就很费时间了。

就介绍到这，祝大伙5.1快乐。