遥感信息

刚帮你查 了一下，除了测绘工程跟遥感信息 其他的都是普通的期刊

遥感信息处理分析交互解译流程是为广大的遥感地质人员和区域地质人员，在遥感地质填图过程中提供一种方便、快捷的软件应用系统。该系统可以实现从用户进入系统到遥感影像预处理或矢量数据处理—图像增强处理与分析—地质图制作直至地图输出等一体化功能。其工作流程如图3-6。（一）矢量数据准备矢量数据是信息系统中重要的空间数据资源，它们的输入（包括图形输入如数字化及对应属性数据的录入）、编辑、显示、双向查询、管理、输出等基础工作都可以在空间数据浏览模块中完成。比如填图中用到的研究区地形图、地质图、水系图、交通图等数据的输入与编辑，影像解译结果的数字化图件的编辑与输出等。建立单独的工作空间，用来放置所有相关的图形数据，对这些空间数据进行完整的、统一的管理。另外，还能进行以矢量数据为主类型的专题制图、成果输出（包括文字报告、表格及图形图件）。图3-6 1∶25万遥感地质集成系统根据研究的需要，还要对空间数据进行必要的空间分析，比如缓冲区分析、拓扑关系建立、叠加、数据存储格式转换（包括矢量栅格化、栅格矢量化）等，这些工作要在空间数据分析工具模块中完成。比如研究区地形高程模型DEM的生成，航磁等值线图的影像化等。（二）影像数据前期处理具体包括输入、格式转换、几何校正与配准、入库、裁剪、显示、波段组合优化等。首先从系统主界面启动遥感图像处理模块，在其中的输入输出（数据转换）功能模块中输入原始格式影像，保存为本系统的遥感图像标准格式，以便于下面的处理及其他操作。输入输出功能模块除了对不同的介质进行输入与输出本遥感图像处理系统本身格式的影像数据外，还可以利用它进行不同格式影像数据间的格式转换。因为此处提供了许多种数据格式，其中包含了绝大多数现有的遥感影像格式，可以进行本系统影像格式与其他系统影像格式间的转换，也可以进行其他格式间的相互转换，因此它可以作为一个强大的影像数据格式转换工具来用。在遥感图像处理系统的视窗中打开并显示研究区的TM影像，这是未经过任何处理的原始影像。在影像库管理工具中，建立研究区影像库，将有关的 TM及其他影像全部输入该影像库中，在此可对这些影像进行统一的管理及影像信息显示。影像库中包含的信息主要有：库中的影像文件数、影像文件名、对应的存放路径、影像类型、大小（像元行数、列数）、波段数、像元大小、数据文件存储格式、文件投影方式、坐标范围等。从一个完整的影像库中可以清楚地看到该库中所有影像文件及各影像文件的具体信息，可以方便地对各文件进行查询、添加、删除等，如图3-7。图3-7 影像库管理利用数据预处理中的影像地理校正功能，以研究区对应的地形图或地质图为准，对该影像进行几何校正，使之与其他数据一样具有正确的地理坐标。利用数据预处理中的影像分幅裁剪功能，从研究区整幅影像中取出一块作为实验子区。在实际工作中，需要根据工作范围对原始图像进行分幅裁剪，按照ERDAS实现图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：规则分幅裁剪和不规则分幅裁剪。（1）规则分幅裁剪规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，确定图像的裁剪位置。除此之外，ERDAS图像分幅裁剪软件还提供查询框和感兴趣区域功能，用来进行图像分幅裁剪。（2）不规则分幅裁剪不规则分幅裁剪是指裁剪图像的边界范围是个任意多边形，无法通过左上角和右下角两点的坐标确定图像的裁剪位置，而必须事先生成一个完整的闭合多边形区域。ERDAS图像分幅裁剪软件提供感兴趣多边形裁剪功能和ARCINFOR多边形裁剪功能，用来进行图像分幅裁剪。一般来说，影像在视窗中缺省的显示效果不是最好的，因此必须先进行波段组合优化，达到较好的显示效果。在视窗中显示实验子区影像。没经过任何处理的原始影像在视窗中显示时，用的是缺省的 TM4，3，2 波段组合，显示效果不好。从波段最优组合角度来讲，TM4，3，2不是最佳状态，这时，要进行显示波段的重新组合。波段组合调整的操作在视窗-栅格-波段组合这个菜单中完成。TM 的 7 个波段可以随意进行组合，观察显示效果。当然，正确的做法还是要进行理论上的分析，从研究目的出发，选择识别目标的特征波段进行组合，尽可能让该组合含有最大的信息量。从本研究的识别岩性的目的出发分析认为 TM7，4，1将是最佳波段组合。事实上，该组合的显示效果也是最好的。（三）图像增强处理与分析图像增强的最终目的都是为了更好地识别与解译图像。前面的章节中讲到了目前常用的多数种类的图像增强方法，包括空间增强、光谱增强及辐射增强等，应根据具体需要选择合适的处理方法。这些图像处理功能都在遥感影像处理模块的“影像解译”菜单条中完成。此菜单中还包括了傅里叶分析、地形分析、GIS分析等功能。具体过程为：（1）显示信息处理图像与标准图幅图像；（2）启动几何校正模块；（3）启动控制点工具；（4）采集图像间控制点；（5）计算转换模型；（6）图像重采样；（7）保存配准图像。在对实验子区影像的处理过程中，分别采用了拉伸、掩膜、数据融合、主成分变换、专题信息增强与提取、数据发掘等图像处理手段。在波段最优组合进行彩色合成的基础上，如果进一步采取适当的图像处理方法，将会得到效果更好的影像。比如，实验区TM影像灰度分布范围窄，对比度不强，亮度偏低，彩色合成后也非常模糊，影像整体发暗，无法辨认各种地物。这种情况下对它分别做了线性拉伸与直方图均衡化，使各波段的灰度分布范围加宽，提高了图像的对比度，图像显示效果明显增强。视窗菜单中的“栅格”菜单条中提供了拉伸、对比度调整、滤波、锐化等一些简单的图像处理功能。这些功能执行简便，能快速目睹处理效果，简单实用，适合对图像进行初步的快速处理。对于图像中有严重的阴影或积雪覆盖的地方，必须进行相应的处理，以消除它们的干扰。研究区的影像中就有这种情况，从中取出影响区域的影像，采取掩膜处理。经过掩膜处理（此功能位于：图像解译—实用分析功能—掩膜操作），去除了山体阴影和雪的干扰，可以看出掩膜分析可以有效地增强图像的反差和层次感。掩膜分析常常是针对水体和河道（谷）进行。另外常用的一种方法是比值处理（此功能位于：图像解译—实用分析功能—代数运算），对相关的波段间进行比值运算，也可能能消除这些影响。在本实验区，比值处理效果不如掩膜处理效果好。如果具备拥有统一地区多源影像的条件，那么进行多源数据融合将是一种影像增强的非常有效的手段。一般最多类型的数据融合是TM多光谱数据与SPOT PAN之间的融合，融合后的图像既继承了TM的较高的光谱分辨率，又继承了SPOT PAN较高的空间分辨率。本项目的研究中，对TM7、TM4、TM1多光谱波段影像与TM PAN全色波段影像进行了几种方法的数据融合，融合后的影像比融合前的影像效果好。本系统本身提供了一些现成的融合方法（此功能位于：图像解译—空间增强—分辨率融合），但很有限并且不够灵活，某些情况下，不一定能取得较好的融合效果，所以其他许多种融合方法要根据具体步骤，分步进行，从图像处理模块的各个菜单条中寻找所需的功能。比如对实验区融合中采取的HIS变换融合方法，效果很好，它的具体步骤在前面有讲到（RGB—HIS色彩变换、I与PAN间的直方图匹配生成I′、I′HS—RGB色彩逆变换），其所需的各种功能函数在图像解译中都具备，分别位于：图像解译—光谱增强—RGB到HIS色彩变换、图像解译—辐射增强—直方图匹配、图像解译—光谱增强—HIS到RGB色彩逆变换。主成分变换也是一种常用的增强图像地质弱信息的有效方法。对本实验区影像的6个多光谱波段作主成分变换，变换后的6个主分量图像每个主分量分别突出了不同的地物特征。通过对各个主分量意义上的分析（主要通过对变换矩阵中参数的分析来实现），选择能突出岩性信息的几个波段进行重新的色彩合成。新生成的影像比原来的影像更能容易的识别岩性信息，可以直接对这幅影像进行屏幕数字化，获取地质单元解译结果图。除了以上几种图像处理方法之外，本系统还提供了许多种别的处理手段也可以进行尝试，目的都是为了增强图像中地质弱信息的可识别性。

大地测量学基础：《大地测量学基础》孔祥元等，2002第一版，武汉大学出版社GPS原理及应用：《GPS测量与数据处理》 李征航、黄劲松，武大出版社地图学：地图的概念、分类与分幅编号；地图学基本理论；地图数学基础建立与地图投影变换；地图数据源、加工处理与地图符号可视化；普通地图内容的表示方法；专题地图内容的表示方法；地图的图形、色彩和注记的设计； 地图综合的原理与方法；地图制图数学模型；地图集的设计与编制；地图分析的内容与基本方法。地理信息系统基础：①地理信息系统原理或基础类相关书籍，②《网络地理信息系统原理与技术》孟令奎、史文中、张鹏林，科学出版社摄影测量学：《摄影测量学》张剑清等，武汉大学出版社遥感原理：《遥感原理与应用》，孙家柄主编，武汉大学出版社信号与系统：信号与系统的基本概念；连续时间系统的时域分析；傅里叶变换、连续时间系统的频域分析；拉普拉斯变换、连续时间系统的s域分析；信号的能量谱和功率谱；离散时间系统的时域分析；z变换、离散时间系统的z域分析；系统的状态变量分析；信号流图。复试科目参考书目：数字地图制图：《电子地图学》 龙毅、温永宁、盛业华， 科学出版社数字信号处理： 《数字信号处理》程佩青 清华大学出版社数据结构：《数据结构》（c语言版） 严蔚敏 清华大学出版社数字图象处理：《数字图像处理》，贾永红，武汉大学出版社测量平差：《误差理论与测量平差基础》 武汉大学测绘学院 武汉大学出版社工程测量：《工程测量学》 张正禄等 武汉大学出版社加试科目参考书目：地理学： 《自然地理学》 万贤铨 测绘出版社 《经济地理学》 刘艳芳 华中师范大学出版社数据库原理：《数据库系统概论》，萨师煊、王珊，高等教育出版社电路基础：《电路》 邱关源 编 高等教育出版社通信原理：《通信原理》(第五版) 樊昌信 编 国防工业出版社编译原理：《编译原理》何炎祥等 华中理工大学出版社 或《编译原理》 陈火旺 国防工业出版社操作系统：《操作系统》 汤子瀛 西北电子科技出版社上国重的网站就可以查到的 10年的还没有出来不过一般情况这些参考书目是不会有什么变化的

现有卫星遥感传感器的空间分辨率具有从1 m到数十公里的范围。不同分辨率的数据反映不同尺度的景观结构变化。不同的研究目标需要选用不同分辨率的遥感数据。但选取合适空间分辨率数据的标准是什么呢?理想情况下，应该是选取包含所需信息而且数据量最小的空间分辨率的数据（Atkinson and Curran，1997）。但如何确定哪个包含有所需要的信息而又数据量最小的数据的空间分辨率，并不是一个简单的问题。空间变量所表达的信息存在于对变量的测量之间的关系，这种关系可以由空间依赖或空间变异来表达（Atkinson and Curran，1997）。当我们关心某一变量的空间分布特征时，样本之间的空间变异决定估计的精确程度以及最终要显示的信息（Dungan et al.，1994）。估计的精确程度和信息都是选择空间分辨率的参考标准（Atkinson，1995）。但对于遥感数据，因为其样本覆盖整个研究区域，空间变化只决定所要显示的信息（Atkinson，1997）。因此，要选择合适的空间分辨率的遥感数据，首先需要了解遥感信息随空间分辨率变化而产生的变化。Strahler（1986）认为，遥感图像的景由覆盖整个区域的相互镶嵌或连续分布的离散目标组成。当遥感数据空间分辨率远小于景的目标时，相邻像元之间具有很大相似性；随着遥感图像空间分辨率的逐步变粗，相邻像元之间的相似性逐渐减弱，当像元大小等于景的目标大小时，由于相邻像元代表不同的目标，因此此时相邻像元的相似性最弱；当像元超过景的目标大小时，由于相邻像元中都含有不同目标物的信息，它们之间的相似性开始变大。衡量相邻像元间相似程度的一个指标是局部方差（Local Variance）。假设Z（Xij）是位于图像中Xij处的像元值，i和j为图像中的行列号，那么以Xij为中心的（2n+1）×（2m+1）大小窗口内的局部方差为：遥感信息的不确定性研究其中，μij为以Xij为中心，以（2n+1）×（2m+1）为大小窗口内像元的均值；以图像中的每一个像元为中心，计算该窗口的局部方差，然后计算其平均值，就可以算出该窗口下整个图像的平均局部方差。Woodcock and Strahler（1987）提出了利用局部方差（local variance）确定最优空间分辨率的方法。该方法首先计算不同分辨率数据的平均局部方差，当遥感图像的平均局部方差达到最大时，此时图像的空间分辨率为最优。利用局部方差确定图像最优分辨率的问题之一是：在图像局部方差的计算中，由于边界效应，总有m或n个像元宽的边界内像元没有计算其周围的局部方差（Atkin son and Curran，1997）。近年来，空间统计学，特别是地统计学（Geostatistics）方法被用于研究遥感信息的尺度效应问题。在地统计学中，半方差是对变量空间变异（或空间依赖性）的一个度量，它通过计算变量的变异函数（variogram or semi-variogram）得到。不同的变异函数揭示不同的变量空间变异特征。Atkinson（1999）指出，变量的变异函数与支集（support）的大小有关。在地统计学的术语中，支集的大小指变量的测量单元的大小。在遥感数据中，支集和空间分辨率相对应。因为变量的空间变异随支集的大小而变化，因此可以通过研究变异函数的结构来确定合适的空间分辨率。在地统计学的区域化变量理论中，变量在某一支集v上的观测可由如下模型表达：遥感信息的不确定性研究式中，Z（x）是一个定义在二维空间中x位置的随机函数（random function，RF）；mv是Z在区域V上的局部平均；e（x）是均值为零的随机函数。在满足内蕴平稳性假设（intrinsic hypothesis）时，有：遥感信息的不确定性研究式中，γ（h）为变异函数，它是一个区域化变量的半方差随步长h变化的函数。变异函数的结构刻画了变量的空间依赖性。式（7-7）所定义的变异函数是在点支集（punctual support）上的变异函数。但实际中的观测常常是在一定大小范围的支集上。一定大小支集 V 上的变异函数可以通过点支集上的变异函数正则化（regularization）来估计（Journel and Huijbregts，1978）：遥感信息的不确定性研究式中，为中心距离相距 h 的两个大小为V 的支集之间的平均点变异函数，代表支集之间的空间变异；为大小为 V 的支集内部的平均点变异函数，代表支集内部的空间变异。从式（7-8）可以看出，区域化变量的空间变异由区域的空间变异和支集内的空间变异两部分组成。对于遥感数据而言，由于所有的测量是在像元大小的支集上，因此，我们不能直接得到点的变异函数。但可以从支集V上的测量样本数据中得到支集V上的试验变异函数（experimental variogram）。设变量Z是以x1，x2，…为中心的大小为V的支集上的观测，那么变量V的实验变异函数为：遥感信息的不确定性研究将实验变异函数通过去正则化（de-regularization）处理，可以估计点的变异函数。实验变异函数的去正则化是一个复杂的迭代运算过程。Curran and Atkinson（1999）详细介绍了变异函数的去正则化过程。图7-2 典型变异函数中各参数的意义为便于数学表达和分析，实验变异函数一般可以用一个预先定义的变异函数模型拟合。常用的变异函数模型有指数模型，球状模型，高斯模型等（Deutsch and Journel，1998）。模型的参数，包括变程（range）、基台（sill）和块金效应（nugget），决定变量的空间变异结构（图7-2）。例如，球状模型的表达式为：遥感信息的不确定性研究式（7-10）中的参数 c0，c1和 a 分别表示变异函数的块金值，基台和变程。随着 h 的增大，变量的半方差也随着增加。当半方差达到最大时的 h 就是变异函数的变程。这个最大半方差叫做基台。块金值是 h 为零时的半方差。一般基台值代表变量本身的结构方差，块金主要是由测量误差引起（Atkinson，1995），而变程表示变量空间依赖的范围，距离大于变程的两点间的变量之间不再具有空间依赖。通过对遥感图像变异函数参数分析，可以探索图像中的信息随图像分辨率的变化。Atkinson 等（1997，1999）提出了通过计算不同像元大小情况下空间步长等于一个像元时的半方差的变化，选择最优分辨率的方法。不同分辨率图像的实验变异函数通过公式（7-9）计算。当式（7-9）中 h 等于图像分辨率时，所计算的半方差即为该分辨率的 h 等于一个像元时的半方差。以图像的分辨率为横坐标，不同分辨率的 h 等于一个像元时的半方差为纵坐标做图，当半方差随像元的增大而达到最大时，对应的像元大小就是最优的图像分辨率。显然，这个方法和平均局部方差法具有相同的意义。当图像分辨率较小时，相邻像元具有很大空间依赖性，因此其半方差也较小；当图像分辨率相当于图像中景的目标物大小时，相邻像元之间不具有空间依赖性，此时半方差达到最大。不同分辨率图像的半方差的计算可以通过分别计算不同分辨率图像的变异函数得到，也可以通过公式（7-8），通过将点变异函数正则化，得到不同分辨率图像的变异函数。后者的优点在于可以得到任意分辨率图像的变异函数（Atkinson and Curran，1997；1999）。Atkinson 等（1997）分别用将此方法和局部方差方法选取的图像的最优分辨率进行了比较，得到了相似的结果。但这个方法的问题在于其计算过程，包括实验变异函数的去正则化和点变异函数的正则化，都是非常复杂的过程，需要不断的迭代运算，而且需要人为给定一些参数，不便于实际应用。如式（7-8）所示，在支集 V 上的变量的变异函数由代表区域空间变异的部分和支集内部的空间变异两部分组成。对遥感数据来说，区域上的空间变异指像元之间的空间变异，而支集内部的空间变异则是像元内部的空间变异。一般随着像元尺度的增大，像元内部的空间变异和半方差也逐渐增大。当表示像元内的空间变异的变异函数用球状、指数或高斯等模型拟合时，其变程表示距离大于此变程的点之间不存在信息空间依赖。Wang Guangxing等（2001）以像元内变异函数的变程作为选择合适分辨率的一个指标。这种方法的前提是假定一定大小的像元内部有许多点的观测值。当像元较小时，由于其内部观测较少，很难计算出变异函数，或者即使有足够的观测值，由于一个小像元内点之间的空间依赖性很强，计算的变异函数没有明显的变程；而且，在每一个像元内算一个变异函数并做平均，其计算非常复杂。根据Strahler 等（1986）关于遥感图像中景的模型，遥感图像中的景由一系列互相镶嵌的离散目标组成。不同目标具有不同的光谱辐射或反射特性，因此遥感图像可以反映图像中景的空间结构。将遥感图像从一个较细的分辨率尺度扩展到不同分辨率时，选择最优分辨率的最基本标准是保持原图像的结构特征。如果同一像元内包含不同的目标时，原图像的空间结构就会被模糊。因此要保持原图像的空间结构，最大的分辨率不应该超过原图像中目标的大小。以上不论是局部方差方法，h等于一个像元时的半方差方法，还是计算像元内平均变异方差的方法，其实质都是选取相当于原图像中目标大小尺寸的分辨率作为最优分辨率。但如上文所讨论，这些方法在实际应用中存在许多问题。实际上，当原图像的分辨率远小于该图像景的目标大小时，根据托普勒（Tobler）地理学第一定律，相邻像元间具有很强的空间依赖性。随着像元间距离的增加，像元间的空间依赖性也减弱。反映在图像的变异函数上，则表现为随着h增大，半方差也随着增加。当像元之间的距离大于景的目标物大小时，由于像元属于不同的目标，它们之间不再具有空间依赖性，反映在变异函数上，表现为半方差达到最大，并随着像元间距离的进一步增大而保持基本不变。这时，图像半方差达到最大时的像元间距离应该是图像中景的目标的大小，表现在变异函数上，半方差达到最大时的h就是变异函数的变程a。因此，原图像变异函数的变程就相当于图像中景的目标的大小。当原图像分辨率相对于景的目标尺寸较小时，以原图像像元大小为空间步长，计算该图像的实验变异函数，就可以快速、方便地得到能保持该图像空间结构信息图像的最优分辨率。

测绘遥感信息工程国家重点实验室第一届学术委员会名单（1991.5-1995.10）主任委员：王之卓中国科学院院士，武汉测绘科技大学教授，名誉校长副主任委员：陈述彭中国科学院院士，中科院地理所，教授杨凯国家测绘局副局长，教授张祖勋中国工程院院士，武汉测绘科技大学副校长，教授方磊国家计委国土司司长，教授委员：陈俊勇中国科学院院士，国家测绘局总工程师，教授宁津生武汉测绘科技大学校长，教授郭友中武汉市副市长，教授李德仁中国科学院院士，武汉测绘科技大学摄影测量与遥感系主任，教授许厚泽中国科学院院士，中科院测地所所长，研究员高俊解放军测绘学院院长，教授何昌垂UNDP遥感项目官员，副研究员徐冠华中国科学院院士，中国林科院信息所所长，研究员曹述互水利部遥感中心主任，高级工程师林 培北京农业大学，教授杨明辉国家测绘科学研究所副所长，研究员陈永奇武汉测绘科技大学工程测量系主任，教授委员兼秘书：陈 军测绘遥感信息工程国家重点实验室常务副主任测绘遥感信息工程国家重点实验室第二届学术委员会名单（1995.10-2001.5）名誉主任委员：王之卓 中国科学院院士，武汉测绘科技大学教授，名誉校长名誉副主任委员：陈述彭 中国科学院院士，教授，中科院遥感所主任委员：徐冠华 中国科学院院士，教授，国家科委副主任副主任委员：杨 凯 教授，国家测绘局副局长李德仁 中科院、工程院院士，教授，武汉测绘科技大学校长委员：陈俊勇 中国科学院院士，教授，国家测绘局宁津生 中国工程院院士，教授，武汉测绘科技大学张祖勋 中国工程院院士，教授，武汉测绘科技大学刘先林 中国工程院院士，研究员，中国测绘科学研究院赵梓森 工程院院士，研究员，武汉邮电科学院许厚泽 中国科学院院士，研究员，中科院武汉分院院长何建邦 教授，中科院资源与环境信息系统国家重点实验室潘云鹤 中国工程院院士 教授，浙江大学校长郭华东 研究员，中科院遥感应用研究所所长袁保宗 教授，北方交通大学林宗坚 教授，中国测绘科学研究院院长陈 军 教授，国家基础地理信息中心副主任秘书：龚健雅 教授，测绘遥感信息工程国家重点实验室常务副主任测绘遥感信息工程国家重点实验室第三届学术委员会名单（2001.5-2004.12）名誉主任委员：王之卓 中国科学院院士，教授，武汉大学名誉副主任委员：陈述彭 中国科学院院士，教授，中科院遥感所主任委员：徐冠华 中国科学院院士，教授，国家科技部副主任委员：杨 凯 教授，国家测绘局李德仁 中科院、工程院院士，教授，武汉大学委员：陈俊勇 中国科学院院士，教授，国家测绘局宁津生 中国工程院院士，教授，武汉大学张祖勋 中国工程院院士，教授，武汉大学刘先林 中国工程院院士，研究员，中国测绘科学研究院刘纪远 研究员，中科院地理科学与资源研究所许厚泽 中国科学院院士，研究员，中科院武汉分院潘云鹤 中国工程院院士，教授，浙江大学王任享 中国工程院院士，研究员，总参测绘研究所童庆禧 中国工程院院士，研究员，中科院遥感所林宗坚 教授，国家测绘科学研究院陈 军 教授，国家基础地理信息中心秘书兼委员：龚健雅 教授，测绘遥感信息工程国家重点实验室（武汉大学）测绘遥感信息工程国家重点实验室第四届学术委员会名单（2006.1-2010.12）名誉主任：陈述彭 中国科学院院士，教授，中科院遥感所徐冠华 中国科学院院士，教授，国家科技部主任：李德仁 中国科学院院士，中国工程院院士，教授，武汉大学副主任：刘经南 中国工程院院士，教授，武汉大学李维森 教授，国家测绘局委员：潘云鹤中国工程院院士，教授，中国工程院陈俊勇 中国科学院院士，教授，国家测绘局宁津生 中国工程院院士，教授，武汉大学许厚泽 中国科学院院士，研究员，中科院武汉分院刘先林 中国工程院院士，研究员，中国测绘科学研究院张祖勋 中国工程院院士，教授，武汉大学王任享 中国工程院院士，研究员，总参测绘研究所童庆禧 中国科学院院士，研究员，中科院遥感所王家耀 中国工程院院士，教授，解放军信息工程大学刘纪远 研究员，中科院地理科学与资源环境研究所陈 军 教授，国家基础地理信息中心张继贤 研究员，中国测绘科学研究院龚健雅 教授，武汉大学Prof. Michael. Frank Goodchild,Member of National Academy of Sciences， University of California,Santa Barbara,USAProf. John Townshend,University of Maryland,USAProf. Armin Gruen,Swiss Federal Institute of Technology,Switzerland 实验室组织架构1． 实验室领导班子主任：龚健雅党委书记：杨旭副书记：史振华2．研究单元（1）航空航天摄影测量研究室主任：朱庆，副主任：江万寿（2）遥感影像信息处理研究室主任：张良培，副主任：廖明生、秦前清（3）空间信息系统研究室主任：朱欣焰，副主任：吴华意、宋爱红（4）精密空间定位研究室主任：施闯（兼） ，副主任：章红平（5）3S集成与空间信息服务研究室主任：李清泉（兼），副主任：杨必胜、郭丙轩（6）多媒体通讯研究室主任：徐正全，副主任：沈未名（7）十一研究室主任：龚健雅（兼），副主任：眭海刚（8） 海洋监测与数字工程研究中心主任：陈晓玲，副主任：翟京生（9）虚拟现实实验室主任：朱庆（兼）（10）国家空间数据基础设施培训中心主任：李平湘（兼），副主任：许妙忠（11）Modis卫星数据地面接收站主任：刘良明（12）深圳研发中心主任：邵振锋（13）系统与设备管理技术室主任：达汉桥副主任：胡振东3．党政办公室主任：李汉武副主任：万爱萍、石立特4．学生工作办公室主任：刘秀英副主任：宋莉明、蔡列飞5．成果转化企业（1） 武汉武大吉奥信息工程技术有限公司（2） 适普软件有限公司（3） 武大方略数码科技有限公司（4） 武汉立得空间信息技术发展有限公司（5） 武汉武大卓越科技有限责任公司