遥感图像存储格式BSQ/BIL/BIP的理解

遥感图像存储格式BSQ/BIL/BIP的理解

BSQ（波段顺序格式）

BIL（波段按行交叉格式）

BIP（波段按像元交叉格式）

BSQ（band sequential format）是按波段保存，也就是一个波段保存后接着保存第二个波段。该格式最适于对单个波谱波段中任何部分的空间（X，Y）存取；

BIL（band interleaved by line format）是按行保存，就是保存第一个波段的第一行后接着保存第二个波段的第一行，依次类推。该格式提供了空间和波谱处理之间一种折衷方式；

BIP（band interleaved by pixel format）是按像元保存，即先保存第一个波段的第一个像元，之后保存第二波段的第一个像元，依次保存。该格式为图像数据波谱（Z） 的存取提供最佳性能。

时间： 2024-11-05 06:25:50

遥感图像存储格式BSQ/BIL/BIP的理解的相关文章

ENVI【遥感图像预处理之图像的几何校正】

---恢复内容开始--- 一.图像几何校正的概述 1.几何校正方法: 1)利用卫星自带的地理定位文件进行几何校正.主菜单>>>Map>>Georeference传感器的名称,来启动这种矫正方法. 2)Image to Image几何校正.一幅图像没有经过几何校正的删个文件或者已经经过几何校正的栅格文件作为基准图,通过两幅图上选择同名点来配准另一幅栅格文件,使相同地物出现在校正后的相同位置,大多数的几何校正都是通过这种方法来完成的. 选择主菜单>>Map>&g

Computer Vision 学习 -- 图像存储格式

本文把自己理解的图像存储格式总结一下. 计算机中的数据,都是二进制的,所以图片也不例外. 这是opencv文档的描述,具体在代码里面,使用矩阵来进行存储. 类似下图是(BGR格式): 图片的最小单位是像素,这里是BGR(通常我们说的blud.green.red的表示法)表示每个像素对应的值(这里BGR的混合,可以得到我们可见光的所有值). 如果是单通道(例如:灰度化之后的图像,这里就只有一列) 参考可见光光谱: 因为物体都是原子组成,原子都在运动,运动会产生光波,不同的物体生成的光波不一样,人类

[翻译]鲁棒的尺度不变特征匹配在遥感图像配准中应用(Robust Scale-Invariant Feature Matching for Remote Sensing Image Registration)

李乔亮,汪国有,刘建国,会员,IEEE,和陈少波 2008年8月7日接收;2008年10月22日和2008年11月27日修改.2009年2月2日首版:当前版本出版于2009年4月17日.本项工作由中国国家基础研究项目60672060资助. 中国湖北省武汉市华中科技大学模式识别与人工智能国家重点实验室,邮编430074(邮箱:[email protected];   [email protected];  [email protected];  [email protected]) 数字对象识别编

遥感图像快速传输算法

遥感技术的飞速发展为人们提供了大量的地球空间信息,然而制作地图缓存即切图过程本身是一项非常耗时的工作,按传统的切缓存做法,存在着影像数据不能及时上线使用,即时效性差:切片制作过程频繁.难以管理,需要强大的硬件支持:海量的切片数据容易造成磁盘碎片化等问题,因而如何解决瓦片碎片化问题是解决遥感图像快速传输的关键. 设想这样的场景:如果空间上相邻的瓦片在磁盘上的存储也是相关的,那么不仅能够很好的解决磁盘碎片的问题,同时还可以降低对磁盘的seek,优化遥感影像的传输.众所周知,Hilbert曲线是目前空

遥感图像与地图配准

常用的方法为'控制点点位法', 原理为: 通过测定多组遥感影像上特殊地物的坐标点以及与这些坐标点相对应的地图上的坐标, 然后将测得的控制点坐标带入坐标系转换多项式方程,求出各项系数,从而确定了坐标系转换方程. 其实就是说,遥感图像位置是 A,地图对应位置为 B,两者之间应该存在某种方程式,如果我们先选一些代表性点,这些点位在遥感图像和地图上的坐标都是已知的,可以确定出该方程式各项系数,然后根据得到的方程式,去求未知点的对应位置,这个过程就是配准.

高光谱遥感图像相关知识梳理大全

前言 ? 本资料整理了高光谱遥感图像概念定义.分析处理与分类识别的基本知识.第一部分介绍高光谱图像的一般性原理和知识,第二部分介绍了高光谱图像的噪声问题:第三部分介绍高光谱图像数据冗余问题以及数据降维解决冗余的方法:第四部分介绍高光谱图像的混合像元问题,对光谱解混做了一定介绍:第五部分和第六部分分别介绍了高光谱图像的监督分类和分监督分类的特点.流程和常用算法. 1.基本介绍 高光谱遥感(Hyperspectral remote sensing) 是将成像技术和光谱技术相结合的多维信息获取技术,同

遥感图像处理学习笔记二——遥感图像的分类处理

1. 基本概念 地物的类:具有同种特性的地物集合称为一类. 一类地物具有同一标志,不同种类地物具有不同的光谱特性(地物反射和发射电磁波能量的能力) 分类:根据各类样本内在的相似性,采用某种判决准则,将特征空间分割成若干集合 的过程. 2. 基本思想 区分不同地物的理论依据:不同的地物类型具有不同的光谱信息和空间信息.   3. 多光谱图像的表示方法: 假设某个多光谱图像包括n个波段,则对于任一位置(i , j)的像素的亮度值,可以用矢量x=(x1, x2, …, xn)来表示,其中每个分量xi代

At + GDAL遥感图像基本浏览功能实现2

近期写了一个高光谱图像光谱曲线匹配的算法,想封装到软件当中方便观察效果,也便于做后期算法改进和实际应用,并且以后的算法可以直接集成上来.于是打算自己写一个基本的框架实现图像浏览的一些基本功能.在网上各种找,利用GDAL进行遥感图像显示的代码很多,但不是有问题就是写的不太清楚,不够简洁,并且大多基于MFC.经过几天的奋战,成功实现了利用Qt框架进行遥感图像显示的基本功能,于是分享出来,对自己是总结,并且希望对别人有所帮助. 开发环境:VS2010, Qt4.8.4,GDAL 1.10. 说明:这里

cacti下交换机端口图像中Inbound与Outbound的理解

具体图像如下: 端口21下连接的终端IP为10.240.240.69. 机器从外部下载文件 此时,对应的21端口方向为outbound,即外界数据包(所下载的软件)经由该端口(从21端口流出)传给该机器 该机器在14:12分左右使用迅雷下载(图中表现为端口21下的Outbound流量在该时段瞬间飙升),14:18分钟后限制了下载速度(图中表现为端口21下的Outbound流量在该时段陡减),之后限制下载速度3333KB/s(图中表现为端口21下的Outbound流量在该时段瞬间飙升,之后保持水平