高分二号影像处理包括哪些

高分二号影像处理步骤通常包括数据准备、辐射校正、几何校正、图像增强、影像融合、分类与解译、精度评估等，以下是具体介绍：

1. 数据准备：获取高分二号卫星影像数据，包括全色波段和多光谱波段数据。同时，收集与影像相关的辅助数据，如卫星轨道参数、传感器参数、成像时间、地理位置信息等，这些数据将用于后续的处理和分析。
2. 辐射校正：通过辐射定标将影像的数字量化值转换为具有物理意义的辐射亮度值或反射率值。并采用大气校正模型消除大气散射、吸收等对影像辐射的影响，如利用 6S 模型或 MODTRAN 模型，以获取更准确的地物反射特性。
3. 几何校正：选取地面控制点，其在影像和实际地理空间中的坐标已知。依据控制点分布和影像变形情况，选择多项式模型或共线方程模型等进行校正。利用最邻近插值法、双线性插值法或三次卷积插值法等重采样算法，对校正后的影像进行像素值重新计算，以纠正影像中的几何变形。
4. 图像增强：运用对比度拉伸技术扩大影像灰度动态范围，增强影像对比度。通过直方图均衡化调整影像灰度直方图，使其均匀分布，改善整体亮度和对比度。采用低通滤波、高通滤波、中值滤波等滤波处理方法，去除噪声或突出边缘、纹理等特征信息，提高影像视觉效果。
5. 影像融合：将高分二号的全色影像和多光谱影像进行融合，常用主成分分析（PCA）融合、小波变换融合、Brovey 变换融合等方法。如 PCA 融合，先对多光谱影像进行主成分分析，用全色影像替换第一主成分，再进行逆主成分变换，生成兼具高空间分辨率和丰富光谱信息的融合影像。
6. 分类与解译：监督分类需先选取已知类别的训练样本，依据样本特征建立分类器，再对整个影像分类；非监督分类则根据影像自身特征自动将影像划分为不同类别。结合专家知识和规则对分类结果进行后处理和优化，以实现对地面目标的识别和信息提取。
7. 精度评估：采用混淆矩阵计算分类精度，将分类结果与参考数据（如实地调查数据或高分辨率基准影像）对比，计算总体精度、生产者精度、用户精度和 Kappa 系数等指标，评估分类结果的准确性和可靠性，以确定影像处理和分类的精度是否满足应用需求。