经验。
3技术要点
遥感数据要满足应急系统的要求，需要经过多个环节的流程化处理。首先，获取的图像需要根据不同的成像传感器特点进行预处理，包括图像增强辐射定标、几何纠正、图像镶嵌、分类解译等处理步骤，才能获得可用的震情与灾害信息。其中，薄云去除与图像镶嵌是两项不可或缺的关键技术，具有很高的实用价值。薄云去除的目的是降低薄云和雾霭对遥感图像上地物灰度的影响，增强影像的解译潜力。图像镶嵌能将相邻影像进行拼接，降低色调差，有效的保证了后续图像解译的准确率。
31基于无抽样小波的薄云自适应去除算法
无人机在本次抗震救灾中发挥了灵活、快速的优势，具有成像高度较低、分辨率较高的特点，雾霭对成像的影响比高窄云层更大。因此，我们在灾区影像的薄云去除中，采用荩于无抽样小波变换的薄云自动检测及自适应去除方法。该算法首先利用无抽样小波变换对图像进行多层分解，然后在分解的低频图像上对图像中的薄云区域进行自动提取和厚度识别，根据不同的云区厚度在低频图像和高频图像上进行不同强度的处理，最后通过反变换得到一幅去除了薄云的清晰影像。
算法流程设计
在该算法设计中针对大图像数据量没计了采样处理流程，采用自动检测与人机交互方式处理覆盖云区，融合处理边界区域，平滑过渡效果较好，算法具有计算复杂度低，自动化程度高的优点。该算法已经在自主研发的1RSA遥感图像处理平台中实现，形成薄云／阴影去除模块。具体效果见图1：
2
f图1IRSA中薄云雾霭去除处理实例
32基于局部不变量特征的影像自动匹配镶嵌技术
针对应急救灾中我们使用的无人机遥感平台数据，根据特征点提取与匹配算法特点，设计基于不变量特征的自动配准算法流程，如图2所示。算法中采用SIFT特征算子或SURFSpeededUpRobustFeatures特征算子提取不变量特征点，采用容错性和鲁棒性更好的RANSAC算法进行初始匹配点对提取，并估计变换模型参数。在获得初始粗匹配结果后，根据配准的特征点建立匹配二角刚格，并通过自适应传播算法实现控制点的加密，最终实现配准的高精度。通过配准后，可以获得图像问的位置相对关系，再进行镶嵌就相对容易。图3为低宅无人机影像经过图像配准后镶嵌的结果。
3
f图2无人机影像自动配准流程
图3低空无人机影像的薄云雾霭处理与镶嵌
4处理过程
遥感数据要满足应急系统的要求，需要经过多个环节的流程化处理。首先，获取的图像需要根据不同的成像传感器特点进行预处理，包括图像增强辐射定标、几何纠正、图像镶嵌r