城市绿地信息提取中的遥感影像阴影校正

遥感信息智能化提取方法

遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取

遥感信息提取资料

遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非

遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。

遥感专题讲座——影像信息提取(四、面向对象特征提取)

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。

影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。 类型基本原理影像的最小单元适用数据源缺陷 传统基于光谱的分类方 法地物的光谱信息 特征 单个的影像像元 中低分辨率多光谱 和高光谱影像 丰富的空间信息利 用率几乎为零 基于专家知识决策树根据光谱特征、空 间关系和其他上 下文关系归类像 元 单个的影像像元多源数据知识获取比较复杂 面向对象的分类方法几何信息、结构信 息以及光谱信息 一个个影像对象 中高分辨率多光谱 和全色影像 速度比较慢

遥感卫星影像数据信息提取.

北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。

基于遥感数据的城市绿地信息提取研究进展

基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南 中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.360docs.net/doc/0115363640.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。 关键词：遥感，城市绿地，信息提取，混合像元 中图分类号：TP 7 1．引言 随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。 另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。 利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题 城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取 随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。

教程-ENVI遥感地质蚀变异常信息提取过程(全)

“基础地质学”创新性实验遥感地质蚀变异常信息提取实验 “基础地质学”国家级教学实验示范中心 二〇一六年三月二十五日

目录 1实验目的 (3) 2实验内容 (3) 2.1熟悉遥感影像的辐射定标的方法与流程 (3) 2.2掌握遥感影像的波段合成、投影转换、影像裁剪的方法 (3) 2.3掌握ETM+遥感影像的Flaash大气校正、掩膜的应用方法 (3) 2.4掌握ETM+遥感影像羟基和铁染异常信息提取的方法与流程 (3) 2.5掌握ENVI与Surfer软件协同制图的方法。 (3) 3实验要求 (3) 4实验条件 (4) 4.1软件平台：ENVI4.6、Surfer9 (4) 4.2遥感数据源：金川地区Landsat7 ETM+遥感影像 (4) 5实验原理 (4) 5.1蚀变异常提取的地质依据 (4) 5.2蚀变异常提取的物理依据 (4) 5.2.1利用主成分分析方法提取矿化蚀变信息 (5) 5.2.2铁染蚀变异常分析 (5) 5.2.3含羟基类矿物和含CO32-矿物蚀变异常分析 (6) 6实验步骤 (7) 6.1金川地区ETM+遥感影像辐射定标 (7) 6.2金川地区ETM+遥感影像不同波段的合成 (9) 6.3定义金川地区ETM+遥感影像的地理坐标 (10) 6.4对金川地区ETM+遥感影像的地理坐标进行投影转换 (12) 6.5对金川地区ETM+遥感影像进行裁剪 (15) 6.6对金川地区ETM+遥感影像进行FLAASH大气校正 (17) 6.6.1数据转换 (17) 6.6.2编辑头文件信息 (18) 6.6.3进行FLAASH大气校正 (19) 6.7简易去除ETM+遥感影像的干扰信息 (23) 6.7.1建立ROI（感兴趣区） (23) 6.7.2建立掩膜 (24) 6.7.3应用掩膜 (25) 6.7.4掩膜的反选 (27) 6.7.5掩膜反选后的应用 (28) 6.8主成分分析 (29) 6.9提取蚀变异常信息 (32) 6.10用Surfer软件修饰铁染蚀变异常信息 (34) 6.11总结 (40) 7课后练习及作业 (41)

遥感影像道路网自动提取的研究_李燕

收稿日期:2003-03-28作者简介:李燕(1977-),女,四川成都人,硕士研究生,主要从事遥感图像处理与应用、模式识别研究。 遥感影像道路网自动提取的研究 李 燕,余旭初 (解放军信息工程大学测绘学院,河南郑州 450052) Road Automatic Extraction from Remote Sensor Image LI Yan,YU Xu -chu 摘要:详细分析了道路的影像特征,建立了道路网描述模型。对道路模型的表达采用了模糊数学的方法,对知识的表达使用了带有置信度因子的模糊产生式规则,知识的推理使用了不确定性推理中的各种理论。本项研究力图模拟人的感知过程,以段的几何与灰度属性为主,并顾及局部上下文线索进行感知编组;基于道路模型对道路段进行识别;再利用道路的全局性约束知识对道路段进行重组,弥补了局部编组下的缺点。进行道路的分支和交叉的检测形成道路网。 关键词:影像理解;道路模型;感知编组;知识表达;知识推理;特征提取;几何结构信息中图分类号:P237 文献标识码:B 文章编号:1671-3044(2003)03-0011-05 1 引 言 近年来,遥感技术迅猛发展,而人们对遥感信息的认识和利用程度要远远落后于通过空间和航空系 统获取信息源的速度。从影像获取信息是人类获得知识的主要来源之一,如何自动处理、解译海量的图像数据是在整个社会信息化过程中面临的重要问题。从遥感图像中识别各种目标,是图像处理和目标识别的一个重要研究课题。道路自动识别是其中一个基本的、常见的问题。道路网是非常重要的基础地理信息,它的识别和精确定位对GIS 数据获取、影像理解、制图以及作为其他目标的参照体都有深远的意义。在过去的二十多年里,道路的提取在摄影测量界和计算机视觉界受到了广泛的重视,针对不同的影像类型,不同的影像分辨率,不同区域的影像和不同的道路类型,人们提出了许多从航空和遥感图像中自动提取道路的方法。但由于道路在遥感图像中的表现形式十分复杂,对不同比例尺的影像难以用固定的参数或特征描述,而只能用一些抽象的语句来描述。对于同一算法,不同的环境、不同的传感器、不同的图像、不同的成像条件等等会造成提取结果的极大差异,因而造成了自动识别的困难,使得自动提取道路信息成为一个难度很大的课题。目前仍然没有足够可靠和实用的自动识别软件。 本文以低分辨率影像乡村道路网的自动提取为对象,研究了以道路模型为基础,基于感知编组从遥感图像中自动提取道路网的方法。详细分析了道路的影像特征,建立了道路网描述模型。在道路识别过程中,对道路模型的表达采用了模糊数学的方法,对知识的表达使用了带有置信度因子的模糊产生式规则,知识的推理使用了不确定性推理中的各种理论。力图模拟人的感知过程,以段的几何与灰度属性为主,并顾及局部上下文线索进行感知编组,然后基于道路模型对道路段进行识别,再利用道路的全局性约束知识,如功能特征、拓扑特征、上下文特征等对道路段进行重组,弥补了局部编组下的缺点,最后进行道路的分支和交叉的检测形成道路网。2 道路描述模型 如何在实际图像中检测道路,关键问题是对现实世界中的道路进行正确的描述和理解,建立合适的道路模型。描述现实世界中的道路已经有很多学者做了研究,Garnesson 与Vosselman 等指出,道路的特征可以分为功能特征(functional)、几何特征(geometric)、辐射特征(photometric )、拓扑特征(topologic)、光谱特征和关联或上下文特征(contextual)等六个方面。本文重点研究低分辨率乡村主要道路的自动提取,我们抽象出道路的描述模 第23卷第3期2003年5月 海 洋 测 绘 H YDROGRAPHIC SURVEYING AND CHARTING V ol 123,No 13M ay ,2003

ETM_TM_蚀变遥感异常提取方法研究与应用_方法选择和技术流程_张玉君

ETM +(TM )蚀变遥感异常提取方法研究与应用 ———方法选择和技术流程 张玉君,曾朝铭,陈　薇 (中国国土资源航空物探遥感中心,北京100083) 摘要:从原理、模型试验及实际数据处理等方面分析对比了比值法、光谱角法及主分量分析法的优劣;选择了以主 分量分析为主、光谱角法为辅进行蚀变遥感异常的提取;引用了误差理论某些基本概念,以标准离差σ作为遥感异 常切割的尺度;建立了“去干扰异常主分量门限化技术流程”。以西藏驱龙—甲马蚀变遥感异常群为例,展示了此 技术的效果,并与高光谱研究结果进行了比较。 关键词:主分量分析;光谱角法;比值法;异常切割量化尺度;门限化 中图分类号:T P 753　文献标识码:A 文章编号:1001-070X (2003)02-0044-06 0　引言 提取蚀变遥感异常信息的方法有多种,常用或 较常用的有比值法、主分量分析法、光谱角法以及它 们的混合法[1～7]。近期新出现但较少被使用的有小 波分析、神经网络、分数维几何(分形或分几)等方 法。为了选择最佳方法,我们以东天山139/31景、 东昆仑135/35景和冈底斯137/39景ETM +或TM 数据为例,对常用的3种方法异常信息提取效果进 行了对比试验,其结果表明,3种方法所获互洽性异 常虽有,但占比例不大。因为除139/31景外,其余 两景中已知矿床、矿点分布较少,缺少评判3种方法 优劣的足够已知条件,故而萌生进行模型试验的想 法,即通过简单的模型试验来直观地展示3种方法 (比值法、主分量分析法及光谱角法)的特点,对比其 优劣,并以此为基础确定技术流程的主体。1　模型试验1.1　模型一1.1.1　模型设计取一组二维数据点,它们在平面上呈椭圆形分布,而各点的数值按级差递增,且与坐标相关。第一维数值从左向右递增(插页彩片6上左),第二维数 值从下向上递增(插页彩片6上中)。此设计是为了 保证试验结果的直观性。这一模型的原始数据(插页彩片6上右)可比拟为一个2波段的TM 图像,如TM5和TM 7。待提取异常应具备的条件是TM5为高亮度值,TM7为低亮度值。1.1.2　方法试验结果对模型一分别进行主分量分析、比值法处理及光谱角填图等方法试验,对所获第二主分量进行高端切割,3种方法所获异常如插页彩片6左下图所示,其中,光谱角法异常提取以第二主分量异常区高位中心点的数值作为参考谱;比值法则为第一维/第二维,并对其进行异常切割。从插页彩片6可以直观地看出:①主分量分析所获异常位于第一维的高值区;②光谱角法所获异常区各点有相似的特征向量角,异常区内既包括高值点(与主分量异常互洽)也包括低值点;③比值法比较的是比值的大小,故该方法所获异常与原始值 的高低无直接关系,和主分量及光谱角法结果的互 洽区不大。这就不难理解3种方法所获异常不可能 全部互洽的原因。如果提取遥感异常的原则是以大 型、特大型矿(应有高异常)为主要目标,那么,提取 遥感异常的首选方法应是主分量分析法。 如果在比值计算之前进行数据截取,可以减少 低值区异常(插页彩片6的下右),但若先比值后截 取,则效果较差(插页彩片6的下中)。当然,对光谱收稿日期:2002-04-28;修订日期:2003-04-02基金项目:中国地质调查局“西部主要成矿带遥感找矿异常提取及应用研究”项目(200215000008)资助。 第2期,总第56期 国　土　资　源　遥　感No .2,2003　2003年6月15日REMOTE SENSI NG FOR LAND &RESOU RCES Jun .,2003

海面油膜高光谱遥感信息提取_陆应诚

收稿日期: 2008-03-10; 修订日期: 2008-09-30 基金项目:中国石油天然气股份有限公司科技预研项目“海域遥感油气勘探技术研究”(编号: 06-01C-01-08)和国家科技支撑计划(编号: 2006BAK30B01)。 第一作者简介: 陆应诚(1979— ), 男, 南京大学博士研究生, 主要从事高光谱遥感应用研究。E-mail: lycheng2003@https://www.360docs.net/doc/0115363640.html, 。 海面油膜高光谱遥感信息提取 陆应诚, 田庆久, 宋鹏飞, 李姗姗 南京大学 国际地球系统科学研究所, 江苏 南京 210093 摘 要: 针对辽东湾海域的Hyperion 高光谱遥感数据特点, 结合海面油膜光谱与Hyperion 影像特征, 对该数据进行水陆分离与最小噪声分离(minimum noise fraction, MNF)变换处理, 在辽东湾海域MNF 波段影像的2D 散点图中, 海面油膜的出现会在其边缘形成一个异常散点区域, 可区分油膜与干扰信息,结合提取的海面油膜端元的MNF 波谱, 通过混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术, 成功地提取研究区海面油膜信息, 有效监测海面油膜信息, 为海洋环境监测提供新的技术手段。 关键词: 油膜, 高光谱, 遥感, Hyperion, 辽东湾 中图分类号: X55 文献标识码: A 1 引 言 在海洋石油的遥感监测与评估中, 海面油膜是遥感探测的一个重要对象, 多光谱、热红外、雷达等诸多遥感领域均对此有一定研究(Gonzalez 等, 2006; Fingas & Brown, 1997; Labelle & Danenberger, 1997; O’Briena 等, 2005), 由于海洋背景复杂, 海面大气影响、水体对电磁波的散射与吸收作用, 海面油膜遥感信息表现为弱信息；又由于海面油膜随来源、构成种类、油膜厚度、风化程度的不同表现为不确定的遥感影像特征；这些因素对海面油膜遥感信息提取存在一定的制约。随着高光谱遥感技术的发展(童庆禧, 2003), 针对海面油膜信息的高光谱遥感探测方法技术不断得到发展(Foudan, 2003)。Palme(1994)利用小型机载成像光谱仪(CASI)数据研究1993年Shetlands 群岛溢油事件中产生的油膜和其他油污信息, 指出440—900 nm 是可以用来进行溢油油膜信息提取的有效谱段；Foudan(2003)利用机载AVRIS 高光谱数据对Santa Barbara 海岸带的油污与海面油膜进行研究, 表明分散的石油在580nm 、700nm 具有反射峰, 厚油膜在近红外波段反射率要高于薄油膜, 600—900nm 具有最大的油膜遥感探测的可能性。比较分析混合光谱分解技术(spectral unmixing)、纯净像元指数(pixel purity index, PPI)、 光谱角度制图法(spectral angle mapper, SAM)、混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术等方法在海面油膜信息提取上的特点。近年来, 国内学者也不断开展海面油膜遥感研究, 赵冬至等(2000)总结了柴油、润滑油和原油等3种油膜随厚度变化的光谱特征, 指出736nm 和774nm 对不同的油类具有相同的吸收特征；张永宁等(1999, 2000)测试了几种类型油的海面波谱, 认为在海洋溢油波谱特征中0.5—0.58μm 是不同油膜最高反射率的所在位置, 并利用A VHRR 和TM 数据识别海洋溢油；陆应诚(2008, 2009)的海面油膜实验表明随油膜厚度不同, 油膜光谱特征与响应原理表现不同。 本文以辽东湾双台子河口外海域为研究区, 结合海面油膜光谱特点与海面油膜Hyperion 遥感影像特征, 通过高光谱遥感MTMF 技术方法, 提取研究区海面油膜信息。 2 Hyperion 数据预处理 研究区在辽东湾双台子河口外海域, 该区是中国重要原油生产基地——辽河油田所在地, 近年来, 辽东湾海域油田的开采与运输为海洋环境带来一定的影响。 2007-05-06获取了研究区的一景美国EO-1卫

遥感影像信息提取与分析_沈占锋

计算机世界/2006年/7月/31日/第B15版 技术专题 Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析,是具有自主知识产权的软件产品。 遥感影像信息提取与分析 沈占锋 近年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也因此成为可能，也凸现出遥感影像数据处理的重要性日益显现。遥感影像数据处理的主要内容就是对遥感数据（主要是高分辨率遥感影像数据）进行自动（半自动）图像处理分析，从而获取人们需要的信息。 Taries软件是具有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析，其功能包括影像的预处理、影像分割、影像分类、特征提取与表达、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。 Taries主要功能 1. 影像处理 （1）采用几何精纠正方法：建立基于空间投影理论与有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。 （2）实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了各种特征估计器和融合评判规则，建立特征级的多源遥感信息融合的方法以及相应的算法。 2. 影像信息提取 （1）在复杂环境中的目标信息增强: 采用具有空间自适应能力的目标特征的信息增强模型与方法，特别是弱目标信息的增强方法，并对无关背景信息进行抑制。 （2）高分辨率影像分割: 基于空间特征（包括纹理特征、形状特征和动态特征）以及高维统计特征，采用面向特征的高分辨率影像分割技术（如基于模糊集理论、EM模型、Markov模型、MCMC模型、小波分析等）。 （3）基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现相应算法。 （4）目标识别与提取系统原型: 采用组件技术，研制开发目标识别与提取软件系统原型，包括影像精处理、目标单元分割与特征提取、目标识别等模块。 3. 矢量数据显示、处理与分析 （1）兼容ArcGIS SHP等矢量数据存储格式，能够采用系统的矢栅一体化数据模型对相应的矢量数据进行读取与显示。 （2）基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功能，包括基本对象（点、线、面）的增、删、改等操作。 （3）基于相应的矢量数据建立拓扑关系，并在此基础上进行相应的空间分析功能（如最优路径查询分析等）。 （4）具有常规的矢量数据显示软件的基本功能，并可在此基础开发进一步的应用（如移动目标定位与车辆跟踪系统等）。 关键技术

遥感图像信息提取方法综述

遥感图像信息提取方法综述 遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。（2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。 各种直接判读标志之间的对比分析，可以识别标志相同（如色调、形状），而另一些标识不同（纹理、结构）的物体。对比分析可以增加不同物体在图像上的差别，以达到识别目的。（3）综合分析 综合分析主要应用间接判读标志、已有的判读资料、统计资料，对图像上表现得很不明显，或毫无表现的物体、现象进行判读。间接判读标志之间相互制约、相互依存。根据这一特点，可作更加深入细致的判读。如对已知判读为农作物的影像范围，按农作物与气候、地貌、土质的依赖关系，可以进一步区别出作物的种属；河口泥沙沉积的速度、数量与河流汇水区域

遥感技术的发展趋势及应用领域

遥感技术的发展趋势及应用领域 经过数周的学习,我们的"遥感技术"课程结束了,在这课程的学习中,我们收获了很多遥感方面的知识. 随着传感器技术、航空航天技术和数据通讯技术的不断发展，现代遥感技术已经进入一个能动态、快速、多平台、多时相、高分辨率地提供对地观测数据地新阶段。 美国NOAA2005-2015国际遥感研究报告提出，“在未来10年遥感工业强壮发展”。从遥感影像的普及性看主要的发展方向： 1、携带传感器的微小卫星发射与普及 为协调时间分辨率和空间分辨率这对矛盾，小卫星群计划将成为现代遥感的另一发展趋势，例如，可用6颗小卫星在2-3天内完成一次对地重复观测，可获得高于1m的高分辨率成像光谱仪数据。除此之外，机载和车载遥感平台，以及超低空无人机载平台等多平台的遥感技术与卫星遥感相结合，将使遥感应用呈现出一派五彩缤纷的景象。 2、地面高分辨率传感器的使用 商业化的高分辨率卫星为未来发展的趋势，目前已有亚米级的传感器在运行。未来几年内，将有更多的亚米级的传感器上天，满足1比5000甚至1比2000的制图要求。如美国的OrbView-5、韩国的KOMPSAT-2等 3、高光谱/超光谱遥感影像的解译 高光谱数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质，而这是传统宽波段遥感数据所不能探测的，使得成像光谱仪的波谱分辨率得到不断提高。从几十到上百个波段，光谱分辨率也向更小的数量级发展。 从遥感影像处理技术和应用水平上看，主要发展方向： 1）多源遥感数据源的应用 信息技术和传感器技术的飞速发展带来了遥感数据源的极大丰富，每天都有数量庞大的不同分辨率的遥感信息，从各种传感器上接收下来。这些数据包括了光学、高光谱和雷达影像数据。 2）定量化：空间位置定量化和空间地物识别定量化 遥感信息定量化，建立地球系统科学信息系统，实现全球观测海量数据的定量管理、分析与预测、模拟是遥感当前重要的发展方向之一。遥感技术的发展，最终目标是解决实际应用问题。但是仅靠目视解译和常规的计算机数据统计方法来分析遥感数据，精度总提不高，

全国土地利用数据遥感信息提取土地利用数据说明

全国土地利用数据遥感信息提取土地利用数据说明北京揽宇方圆信息技术有限公司是中国科学院系统的遥感影像数据服务企业，专注于遥感影像数据一站式的基础卫星数据服务、卫星影像数据处理服务。 土地利用数据时间：1985年、1990年、1995年、2000年、2005年、2010年、2015年 土地利用数据源：Landsat TM影像Landsat ETM影像 土地利用数据遥感信息的提取：根据影像光谱特征，利用ARCGIS、易康软件、ENVI软件等，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，提取土地利用信息。 土地利用/覆被变化信息的提取。采用arcgis与易康结合，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于地形破碎、地物分布复杂的地区。基于Landsat TM遥感影像，采用全数字化人机交互遥感快速提取方法，同时参考国内外现有的土地利用/土地覆盖分类体系，以及遥感信息源的实际情况，将遥感影像进行解译并进行验证将土地利用数据类型划分为6个一级分类，24个二级分类以及部分三级分类的土地利用/土地覆盖数据产品，并结合本项目制定土地利用数据产品分类体系。 目视解译侧重于人的知识的参与，为了减少由于不同人员的主观差异性所造成的误差，提高遥感判读精度，因此建立统一解译标志是十分

必要的。根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析。 一、TM影像数据的预处理。遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 二、土地利用变化信息提取。首先对其中的一期影像分别采用人工解译的方法，然后利用易康开始分类。 三、数据集成 对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，形成充分兼容的数据库。包括空间、属性和时间等对对象数据特征的处理。 四、质量控制方法 （1）遥感影像纠正采用投影变换方法（PROJECT），控制点要选择比较明显的地物，如道路交差点，坝址等，并与地形图相对应，分布要均匀，尽可能多的选择控制点，误差控制在一个像元，TM影像纠正的方根误差（a RES error）小于0.01，MSS影像纠正的方根误差（a RES error）小于0.08。 （2）地形图纠正采用有限元方法（Finite Element）。①经纬网 偏差不超过一个像素，②经线方向的方里网误差不超过2个像素，③纬线方向的方里网不超过3个像素。 （3）专题信息矢量化采用人机交互判读实现，分为基于遥感影像 的专题信息和分为基于地形图的专题信息。遥感影像解译精度保证耕地、

【遥感专题系列】影像信息提取之——DEM提取

【遥感专题系列】影像信息提取之——DEM提取 (2013-04-23 08:47:35) 转载▼ 标签： 分类：遥感技术 dem提取 立体像对 insar 立体成像 杂谈 DEM除了包括地面高程信息外，还可以派生地貌特性，包括坡度、坡向等，还可以计算地形特征参数，包括山峰、山脊、平原、位面、河道和沟谷等。在测绘中用于制作正射影像图以及地图的修测。在遥感应用中可作为分类的辅助数据。它还是地理信息系统的基础数据，作为三维GIS的基础地形数据。在军事上可用于导航及导弹制导、作战电子沙盘等。 本文主要包括： ?几个概念 ?表示模型 ?DEM获取途径 ?立体像对DEM提取 数字高程模型(Digital Elevation Model)，简称DEM，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。 1.几个概念 数字地形模型（DTM, Digital Terrain Model）

DTM利用一个任意坐标系中大量选择的已知x、y、z的坐标点对连续地面的一个简单 的统计表示，或者说，DTM就是地形表面形态属性信息的数字表达，是带有空间位置特征和地形属性特征的数字描述。地形表面形态的属性信息一般包括高程、坡度、坡向等。最 初是为了高速公路的自动设计提出来的（Miller，1956）。此后，它被用于各种线路选线（铁路、公路、输电线）的设计以及各种工程的面积、体积、坡度计算，任意两点间的通 视判断及任意断面图绘制。 ●数字高程模型（DEM, Digital Elevation Model） DEM是高程Z关于平面坐标X，Y两个自变量的连续函数， DEM只是它的一个有限的 离散表示。高程模型最常见的表达是相对于海平面的海拔高度，或某个参考平面的相对高度。 ●数字表面模型（DSM，Digital Surface Model） DSM是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。和DEM相比，DEM只包含了地形的高程信息，并未包含其它地表信息，DSM是在DEM的基础上，进一步涵盖 了除地面以外的其它地表信息的高程。在一些对建筑物高度有需求的领域，得到了很大程 度的重视。 我们可以看出三个定义相互有交集又有区别。DTM定义的范围最大，是一种广义的定义，用数字方式描述地形的统称。DEM是用高程来描述地形的DTM。DSM可以看成是DEM 的衍生，用的较多的是城市DSM和森林DSM。 实际上，在空间信息领域使用最多的是DEM。 2.表示模型 三个模型都是用数字的方式表达，主要有以下表示模型： ●规则格网模型 规则网格，通常是正方形，也可以是矩形、三角形等规则网格。规则网格将区域空间 切分为规则的格网单元，每个格网单元对应一个数值，这个数值就是高程。数学上可以表 示为一个矩阵，在计算机实现中则是一个二维数组。