遥感图像处理PPT课件
合集下载
遥感图像处理ppt课件
10
三，其他光学图像处理
对遥感影像母片作不同的曝光处理可制成影像密度 各不相同的正、负模片(拷贝)。同一地区可以有不同遥 感器，不同波段以及不同时间等各种模片。对不同组 合的相关模片进行处理可获得不同增强效果的新图像。 上述彩色合成即是其中最常用的方法。此外，还常采用 以下几种处理方法。
1 反差增强： 通常是利用高反差的感光材料和冲 洗液作反复拷贝，来扩大原模片中的影像密度差异。 它有利于增强一些低反差的地物影像，突出大的轮廓， 也可使彩色合成获得更丰富的层次，但同时会丢失部分 细节，故处理时要适可而止。
5
假彩色等密度分割：即通过光电仪器将胶片上 不同的密度等级以色彩的变化显示成彩色的图像。这 种仪器通常称彩色等密度分割仪，一般将胶片的影像 密度分割为8、12、24、32，64等级，不同密度级的 色别可在64色内任意选调变换，并在数秒钟内显示在 彩色监视器的屏幕上，通过反复调节变换色彩，选择 最佳的处理结果。
光学处理的仪器和技术手段： 摄影处理、光电处 理和相干光处理等等。
处理方法： 密度分割、彩色合成、边缘增强、反 差增强、光学图像比值、光学变换、光学编码等，其中 最常用的是假彩色等密度分割和假彩色合成。
2
一、光学等密度分割处理
(一)影像密度的概念： 对于黑白胶片，影像密度通常 以胶片透光率(T)倒数的对数表示。
密度分割：任何一幅遥感图像都可以看作是地物电 磁波辐射强度的二维分布函数。对于胶片影像。可用影 像密度值的二维分布来表征，对于像片，则为灰度值的 二维分布。与地形图的等高线相仿，照例可按一幅图像
中密度(或灰度)值的变化 范围，将其划分为若干个 等级，以等值面对影像密 度(或灰度)函数进行分层， 用等值线图来表示图像各 部分的密度(灰度)差异变 化。在遥感图像处理中称 此为密度分割，或密度分 割技术。
三，其他光学图像处理
对遥感影像母片作不同的曝光处理可制成影像密度 各不相同的正、负模片(拷贝)。同一地区可以有不同遥 感器，不同波段以及不同时间等各种模片。对不同组 合的相关模片进行处理可获得不同增强效果的新图像。 上述彩色合成即是其中最常用的方法。此外，还常采用 以下几种处理方法。
1 反差增强： 通常是利用高反差的感光材料和冲 洗液作反复拷贝，来扩大原模片中的影像密度差异。 它有利于增强一些低反差的地物影像，突出大的轮廓， 也可使彩色合成获得更丰富的层次，但同时会丢失部分 细节，故处理时要适可而止。
5
假彩色等密度分割：即通过光电仪器将胶片上 不同的密度等级以色彩的变化显示成彩色的图像。这 种仪器通常称彩色等密度分割仪，一般将胶片的影像 密度分割为8、12、24、32，64等级，不同密度级的 色别可在64色内任意选调变换，并在数秒钟内显示在 彩色监视器的屏幕上，通过反复调节变换色彩，选择 最佳的处理结果。
光学处理的仪器和技术手段： 摄影处理、光电处 理和相干光处理等等。
处理方法： 密度分割、彩色合成、边缘增强、反 差增强、光学图像比值、光学变换、光学编码等，其中 最常用的是假彩色等密度分割和假彩色合成。
2
一、光学等密度分割处理
(一)影像密度的概念： 对于黑白胶片，影像密度通常 以胶片透光率(T)倒数的对数表示。
密度分割：任何一幅遥感图像都可以看作是地物电 磁波辐射强度的二维分布函数。对于胶片影像。可用影 像密度值的二维分布来表征，对于像片，则为灰度值的 二维分布。与地形图的等高线相仿，照例可按一幅图像
中密度(或灰度)值的变化 范围，将其划分为若干个 等级，以等值面对影像密 度(或灰度)函数进行分层， 用等值线图来表示图像各 部分的密度(灰度)差异变 化。在遥感图像处理中称 此为密度分割，或密度分 割技术。
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
遥感数字图像处理教学.pptx
i 1 n
rij （美国查维茨提出的）
i 1
特征提取（feature extraction）
特征提取是在特征选择后，利用特征提取算法从原始特征中求出最能反映地物类别 性质的一组新特征，由此既可以压缩数据，又提高特征类别间的可分性。
第22页/共61页
4）图像分类运算
依据你选择的特征变量和图像的分类对象的实际情况以及选择适当的分类 方法和相应的分类参数进行图像分类。
碎斑处理——处理办法主要是进行滤波处理，用计算机手段 去掉分类图中过于孤立的类别像素，或将它归并到包围相邻 较连续分布的那些类中。比如：ENVI的多数/少数分析、聚 块和筛除等。 类别合并——ENVI中有类别合并处理的模块，主要将其颜色 和编码更改一致即可。
第26页/共61页
b）分类结果检验分析
统计分类结果——包括各类地物在各波段的平均值、标准差、min、max、协方差矩 阵、相关系数矩阵、特征值、各类像素数和所占像素百分比、精度检验等等统计指 标的说明。
•
分类的基本原理
•
分类的方法
•
分类的工作流程
•
非监督分类方法
•
监督分类方法
•
图像分类的相关问题
第31页/共61页
6.4 非监督分类法
非监督分类法是指人们事先对分类过程不加入任何的先验知识，而仅凭遥感图像 中地物的光谱特征进行分类，分类过程就是自然的聚类特性。
这样的分类的结果从效果上讲，只区分了图像上存在的差异，并不能确定该类别 的属性，具体的属性尚需要通过目视判读或实地调查针对性的确定。
监督分类法的基本原理！
做分类时，常把图像中某一类地物称为模式，而把属于该类中的像素称为样 本，其中某位置的像元在不同波段或不同特征空间中的像素值，则可以称为该样 本的观测值。
第四章 遥感图像处理――几何校正PPT课件
22
三种内插方法比较
方法 1
优点 简单易用，计算量小
缺点
处理后的影像亮度具有不连 续性，影响精确度
精度明显提高，特别是对亮度 计算量增加，且对影像起到
2
不连续现象或线状特征的块状 平滑作用，从而使对比度明
化现象有明显的改善。
显的分界线变得模糊。
3
更好的影像质量，细节表现更 为清楚。
工作量很大。
23
18
像元灰度值重采样
校正前后图像的分辨率变化、像元点位置相对变化引 起输出图像阵列中的同名点灰度值变化。
x X
P(X,Y) Y
纠正后影像
p(x,y) y
纠正前影像
19
最近邻法
—以距内插点最近的观测点的像元值为所求的像元值。
影像中两相邻点的距离为1，即 行间距△x＝1，列间距△y=1，取与 所计算点(x,y)周围相邻的4个点，比 较它们与被计算点的距离，哪个点距 离最近，就取哪个的亮度值作为 （x,y）点的亮度值f（x，y）。设该 最近邻点的坐标为（k,l）,则
一是指平台在运行过程中，由于姿态、地球曲 率、地形起伏、地球旋转、大气折射、以及传 感器自身性能所引起的几何位置偏差。
二是指图像上像元的坐标与地图坐标系统中相 应坐标之间的差异。
3
引起遥感图像几何变形的因素
一、遥感平台位置和运动状态变化的影响
旁向位移的影响 速度变化即航向位移的影响
高度变化的影响—地面分辨率不均匀 俯仰变化的影响
21
三次卷积内插法
取与计算点（x，y）周 围 相 邻 的 16 个 点 ， 与 双 向 线 性内插类似，可先在某一方 向上内插，每4个值依次内插 4次，求出f（x，j-1），f(x， j ） ， f(x,j+1) ， f(x,j+2) ， 再根据这四个计算结果在另 一 方 向 上 内 插 ， 得 到 f(x ， y）。
三种内插方法比较
方法 1
优点 简单易用，计算量小
缺点
处理后的影像亮度具有不连 续性，影响精确度
精度明显提高，特别是对亮度 计算量增加，且对影像起到
2
不连续现象或线状特征的块状 平滑作用，从而使对比度明
化现象有明显的改善。
显的分界线变得模糊。
3
更好的影像质量，细节表现更 为清楚。
工作量很大。
23
18
像元灰度值重采样
校正前后图像的分辨率变化、像元点位置相对变化引 起输出图像阵列中的同名点灰度值变化。
x X
P(X,Y) Y
纠正后影像
p(x,y) y
纠正前影像
19
最近邻法
—以距内插点最近的观测点的像元值为所求的像元值。
影像中两相邻点的距离为1，即 行间距△x＝1，列间距△y=1，取与 所计算点(x,y)周围相邻的4个点，比 较它们与被计算点的距离，哪个点距 离最近，就取哪个的亮度值作为 （x,y）点的亮度值f（x，y）。设该 最近邻点的坐标为（k,l）,则
一是指平台在运行过程中，由于姿态、地球曲 率、地形起伏、地球旋转、大气折射、以及传 感器自身性能所引起的几何位置偏差。
二是指图像上像元的坐标与地图坐标系统中相 应坐标之间的差异。
3
引起遥感图像几何变形的因素
一、遥感平台位置和运动状态变化的影响
旁向位移的影响 速度变化即航向位移的影响
高度变化的影响—地面分辨率不均匀 俯仰变化的影响
21
三次卷积内插法
取与计算点（x，y）周 围 相 邻 的 16 个 点 ， 与 双 向 线 性内插类似，可先在某一方 向上内插，每4个值依次内插 4次，求出f（x，j-1），f(x， j ） ， f(x,j+1) ， f(x,j+2) ， 再根据这四个计算结果在另 一 方 向 上 内 插 ， 得 到 f(x ， y）。
遥感导论第四章PPT
基本环节有两个： 一是像素坐标变换； 二是像素亮度重采样。
x,y为校正前的影像 坐标；
u,v为变换后对应的 坐标；
二次多项式间接法 纠正变换公式为：
衬底1
2、几何畸变校正
控制点的选取(P111)
数目的确定:最小数目；6倍于最小数目。 选择的原则
○ 易分辨、易定位的特征点：道路的交叉口，水库坝址，河流弯曲点等。 ○ 特征变化大的地区应多选些。 ○ 尽可能满幅均匀选取。
常用的 波段组合
红绿 蓝
特点
真彩色：可见光组成，符合人眼对自然物体的观 3 2 1 察习惯。对于水体和人工地物表现突出。
假彩色 ：城市地区，植被种类。 43 2
假彩色：增强对植被的识别 54 3
假彩色：增强对植被的识别，以及矿物、岩石类 7 4 3 别的区分。
第二节 数字图像的 校正
遥感数字图像处理：利用计 算机对遥感图像及其资料进 行的各种技术处理。
1、遥感影像变形的原因
遥感平台位置和运动状态变化的影响： 航高、航速、俯仰、翻滚、偏航。P104
地形起伏的影响：产生像点位移。 地球表面曲率的影响：一是像点位置的移
动；二是像元对应于地面宽度不等，距星 下点愈远畸变愈大，对应地面长度越长。 大气折射的影响：产生像点位移。 地球自转的影响：产生影像偏离。
俯仰：遥感平台的俯仰变化能引起影像上下方向的变化， 即星下点俯时后移，仰时前移，发生行间位置错动。
PART ONE
滚：遥感平台姿态翻滚是指以前进方 为轴旋转了一个角度。可导致星下点 扫描线方向偏移，使整个影像的行向 滚角引起偏离的方向错动。
偏航：指遥感平台在前进过程中，相对于 原前进航向偏转了一个小角度，从而引起 扫描行方向的变化，导致影像的倾斜畸变。
x,y为校正前的影像 坐标；
u,v为变换后对应的 坐标；
二次多项式间接法 纠正变换公式为：
衬底1
2、几何畸变校正
控制点的选取(P111)
数目的确定:最小数目；6倍于最小数目。 选择的原则
○ 易分辨、易定位的特征点：道路的交叉口，水库坝址，河流弯曲点等。 ○ 特征变化大的地区应多选些。 ○ 尽可能满幅均匀选取。
常用的 波段组合
红绿 蓝
特点
真彩色：可见光组成，符合人眼对自然物体的观 3 2 1 察习惯。对于水体和人工地物表现突出。
假彩色 ：城市地区，植被种类。 43 2
假彩色：增强对植被的识别 54 3
假彩色：增强对植被的识别，以及矿物、岩石类 7 4 3 别的区分。
第二节 数字图像的 校正
遥感数字图像处理：利用计 算机对遥感图像及其资料进 行的各种技术处理。
1、遥感影像变形的原因
遥感平台位置和运动状态变化的影响： 航高、航速、俯仰、翻滚、偏航。P104
地形起伏的影响：产生像点位移。 地球表面曲率的影响：一是像点位置的移
动；二是像元对应于地面宽度不等，距星 下点愈远畸变愈大，对应地面长度越长。 大气折射的影响：产生像点位移。 地球自转的影响：产生影像偏离。
俯仰：遥感平台的俯仰变化能引起影像上下方向的变化， 即星下点俯时后移，仰时前移，发生行间位置错动。
PART ONE
滚：遥感平台姿态翻滚是指以前进方 为轴旋转了一个角度。可导致星下点 扫描线方向偏移，使整个影像的行向 滚角引起偏离的方向错动。
偏航：指遥感平台在前进过程中，相对于 原前进航向偏转了一个小角度，从而引起 扫描行方向的变化，导致影像的倾斜畸变。
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
亮度范围） ➢ 输出数据统计时忽略零值：Ignore Zero in Stats ➢ OK，执行直方图均衡化处理。
2021/3/9
授课：XXX
13
4 遥感数字图像分类的软件演示
目的：深刻理解遥感数字图像的计算机分类的 原理和方法。熟悉在ERDAS里进行图像的计算 机分类的具体方法和步骤。
软件：ERDAS IMAGINE9.1 内容：监督分类。
6
10.45—12.5
120 属远红外波段
7
2.08—2.35
28.5 属近红外波段
ETM+ 8
0.50－0.90
15
全色波段
2021/3/9
授课：XXX
4
真彩色合成： 3R2G1B 假彩色合成： 4R3G2B
4R3G2B：遥感中最常见的假彩色图像是彩色红外合成的标准
假彩色图像。它是在彩色合成时，把近红外波段的影像作为合
>Utilities>Layer Stack）。使用时输入单波段数据的通道 顺序应该是B通道、G通道、R通道（真彩色和假彩色合成）。 输出数据类型:Unsigned 8 bit 波段组合选择：Union 输出统计忽略零值：Ignore Zero In Stats
2021/3/9
授课：XXX
6
321真彩色 合成影像
➢ 在图像窗口中打开432.img，在Viewer图标面板中选择AOI/AOI Tool工具条
➢ 应用矩形AOI工具，选择矩形的感兴趣区域，并保存AOI文件
➢ 打开Subset（DataPrep/Subset image）对话框，打开432.img
➢ 输出文件路径和名称
➢ 单击AOI按钮，选择AOI来源为Viewer，或者AOI File(将上面的
2021/3/9
授课：XXX
7
432假彩色 合成影像
2021/3/9
授课：XXX
8
真彩色图像是指影像上地物的色调与地物的实际色调 相一致的图像；
假彩色图像是指影像上地物的色调与地物的实际色调 不一致的图像。432假彩色合成影像是标准的假彩色图 像，大片红色是植被，因为植被在近红外4波段的反射 率非常的高，因此，呈现红色，而且可以通过红色的 饱和度和亮度反映出植被的健康状态和年龄等隐性信 息,纯净的水体呈黑色。
Landsat ETM+数据内容
图像类 型
波段 波长范围 (um)
1
0.45－0.52
分辨 率 (m)
28.5
所属波段 属可见光蓝光波段
2
0.52—0.60
28.5 属可见光绿光波段
3
0.63—0.69
28.5 属可见光红光波段
TM
4
0.76—0.90
28.5 属近红外波段
5
1.55—1.75
28.5 属近红外波段
AOI保存为文件)输出数据类型为Unsigned 8 Bit
➢ 输出统计忽略零值
➢ 输出波段为1：3
2➢021单/3/9击OK
授课：XXX
11
3 直方图均衡化处理 (Histogram Equalization)
涵义：直方图均衡化处理实际上是对图像 进行非线性拉伸，重新分配图像像元值， 使一定灰度范围内像元的数量大致相等， 从而改善了图像效果。
遥感图像处理 —ERDAS遥感数字图像处理
2021/3/9
授课：XXX
1
1彩色合成处理
真彩色合成 彩 色 合 成
假彩色合成
2021/3/9
授课：XXX
2
利用数字技术合成真彩色图像时
把红色波段的影像作
为合成图像的红色分 R通道
量
把绿色波段的影像作 为合成图像中的绿色 分量
把蓝色波段的影像作
G通道 B通道
2021/3/9
授课：XXX
12
直方图均衡化处理的软件操作
➢ “Interpreter”图标——“Radiometric Enhancement” ——Histogram Equalization ➢ 确定输入文件：裁剪后的图像 ➢ 输出路径和文件名 ➢ 文件坐标类型：File，处理范围默认 ➢ 输出数据分段：256（可以小一点，即将灰度值拉伸到多大的
成图像中的红色分量、把红色波段的影像作为合成图像中的绿
色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合
成的结果。
2021/3/9
授课：XXX
5
彩色合成软件演示
Landsat TM多光谱波段数据（TIF格式）。 采 用 ERDAS 的 “ Layer Stack” 功 能 （ Interpreter 图 标
2021/3/9
授课：XXX
9
2 图像分幅裁剪
实际工作中，我们经常会得到一幅覆盖较大 范围的图像，而我们需要的数据只覆盖其中的一 部分。为节约磁盘存储空间，减少数据处理时间， 常常需要对图像进行分幅裁剪（Subset）。一般 采用不规则分幅裁剪。
2021/3/9
授课：XXX
10
不规则分幅裁剪
不规则分幅是指裁剪范围是任意多边形，因此必须首先设置 一个完整的闭合多边形区域，可以利用AOI工具创建裁剪多 边形，然后利用Subset完成不规则分幅
真
真
彩
Natural color composition
彩
色
色
合
图
成
像
为合成图像中的蓝色
分量
假彩色合成（False color composition；Pseudocolor）只是在三个通道内输入其它
波20段21/影3/9像数据，合成的图像就是假授彩课色：图XX像X
3
选择多光谱波段数据合成一幅真彩色和假彩色遥感图像
2021/3/9
授课：XXX
16
农田信息提取
在近红外波段上，植被显示为红色，极易与水 体区分，不同植被由于叶子的组织结构和所含 色素不同，具有不同的光谱特征。农田和山体 上覆盖植被由于叶子的组织结构和所含的色素 不同，所以具有不同的光谱特征。显示为深红 色的，表面有不规则纹理的我们判断为植被， 而显示为洋红色，表面较光滑有较规则纹理， 矩形均匀排列的大面积区域我们判断为农田。
2021/3/9
授课：XXX
14
监督分类
数据：连云港海岸带TM影像图 要求：1）利用上面直方图均衡化之后的图像
2）提取植被、水体、房屋、农田、盐田 等主要地物
2021/3植被信息提取
TM4是近红外区的唯一的通道，在TM4单波段 的影像上，植被极易与水体区分。在遥感影像 上，植被以红色放映出来，极易于其他地物区 分。在TM4波段中，植被反射近红外的强弱与 植被的生活力、叶面积指数和生物量等信息有 关，而且TM4的光谱信息有较大的独立性。因 此，TM4是反映植被信息的重要波段。在图上 呈现深红色，表面有不规则纹理，较集中并且 大面积分布的区域我们判断为植被。
2021/3/9
授课：XXX
13
4 遥感数字图像分类的软件演示
目的：深刻理解遥感数字图像的计算机分类的 原理和方法。熟悉在ERDAS里进行图像的计算 机分类的具体方法和步骤。
软件：ERDAS IMAGINE9.1 内容：监督分类。
6
10.45—12.5
120 属远红外波段
7
2.08—2.35
28.5 属近红外波段
ETM+ 8
0.50－0.90
15
全色波段
2021/3/9
授课：XXX
4
真彩色合成： 3R2G1B 假彩色合成： 4R3G2B
4R3G2B：遥感中最常见的假彩色图像是彩色红外合成的标准
假彩色图像。它是在彩色合成时，把近红外波段的影像作为合
>Utilities>Layer Stack）。使用时输入单波段数据的通道 顺序应该是B通道、G通道、R通道（真彩色和假彩色合成）。 输出数据类型:Unsigned 8 bit 波段组合选择：Union 输出统计忽略零值：Ignore Zero In Stats
2021/3/9
授课：XXX
6
321真彩色 合成影像
➢ 在图像窗口中打开432.img，在Viewer图标面板中选择AOI/AOI Tool工具条
➢ 应用矩形AOI工具，选择矩形的感兴趣区域，并保存AOI文件
➢ 打开Subset（DataPrep/Subset image）对话框，打开432.img
➢ 输出文件路径和名称
➢ 单击AOI按钮，选择AOI来源为Viewer，或者AOI File(将上面的
2021/3/9
授课：XXX
7
432假彩色 合成影像
2021/3/9
授课：XXX
8
真彩色图像是指影像上地物的色调与地物的实际色调 相一致的图像；
假彩色图像是指影像上地物的色调与地物的实际色调 不一致的图像。432假彩色合成影像是标准的假彩色图 像，大片红色是植被，因为植被在近红外4波段的反射 率非常的高，因此，呈现红色，而且可以通过红色的 饱和度和亮度反映出植被的健康状态和年龄等隐性信 息,纯净的水体呈黑色。
Landsat ETM+数据内容
图像类 型
波段 波长范围 (um)
1
0.45－0.52
分辨 率 (m)
28.5
所属波段 属可见光蓝光波段
2
0.52—0.60
28.5 属可见光绿光波段
3
0.63—0.69
28.5 属可见光红光波段
TM
4
0.76—0.90
28.5 属近红外波段
5
1.55—1.75
28.5 属近红外波段
AOI保存为文件)输出数据类型为Unsigned 8 Bit
➢ 输出统计忽略零值
➢ 输出波段为1：3
2➢021单/3/9击OK
授课：XXX
11
3 直方图均衡化处理 (Histogram Equalization)
涵义：直方图均衡化处理实际上是对图像 进行非线性拉伸，重新分配图像像元值， 使一定灰度范围内像元的数量大致相等， 从而改善了图像效果。
遥感图像处理 —ERDAS遥感数字图像处理
2021/3/9
授课：XXX
1
1彩色合成处理
真彩色合成 彩 色 合 成
假彩色合成
2021/3/9
授课：XXX
2
利用数字技术合成真彩色图像时
把红色波段的影像作
为合成图像的红色分 R通道
量
把绿色波段的影像作 为合成图像中的绿色 分量
把蓝色波段的影像作
G通道 B通道
2021/3/9
授课：XXX
12
直方图均衡化处理的软件操作
➢ “Interpreter”图标——“Radiometric Enhancement” ——Histogram Equalization ➢ 确定输入文件：裁剪后的图像 ➢ 输出路径和文件名 ➢ 文件坐标类型：File，处理范围默认 ➢ 输出数据分段：256（可以小一点，即将灰度值拉伸到多大的
成图像中的红色分量、把红色波段的影像作为合成图像中的绿
色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合
成的结果。
2021/3/9
授课：XXX
5
彩色合成软件演示
Landsat TM多光谱波段数据（TIF格式）。 采 用 ERDAS 的 “ Layer Stack” 功 能 （ Interpreter 图 标
2021/3/9
授课：XXX
9
2 图像分幅裁剪
实际工作中，我们经常会得到一幅覆盖较大 范围的图像，而我们需要的数据只覆盖其中的一 部分。为节约磁盘存储空间，减少数据处理时间， 常常需要对图像进行分幅裁剪（Subset）。一般 采用不规则分幅裁剪。
2021/3/9
授课：XXX
10
不规则分幅裁剪
不规则分幅是指裁剪范围是任意多边形，因此必须首先设置 一个完整的闭合多边形区域，可以利用AOI工具创建裁剪多 边形，然后利用Subset完成不规则分幅
真
真
彩
Natural color composition
彩
色
色
合
图
成
像
为合成图像中的蓝色
分量
假彩色合成（False color composition；Pseudocolor）只是在三个通道内输入其它
波20段21/影3/9像数据，合成的图像就是假授彩课色：图XX像X
3
选择多光谱波段数据合成一幅真彩色和假彩色遥感图像
2021/3/9
授课：XXX
16
农田信息提取
在近红外波段上，植被显示为红色，极易与水 体区分，不同植被由于叶子的组织结构和所含 色素不同，具有不同的光谱特征。农田和山体 上覆盖植被由于叶子的组织结构和所含的色素 不同，所以具有不同的光谱特征。显示为深红 色的，表面有不规则纹理的我们判断为植被， 而显示为洋红色，表面较光滑有较规则纹理， 矩形均匀排列的大面积区域我们判断为农田。
2021/3/9
授课：XXX
14
监督分类
数据：连云港海岸带TM影像图 要求：1）利用上面直方图均衡化之后的图像
2）提取植被、水体、房屋、农田、盐田 等主要地物
2021/3植被信息提取
TM4是近红外区的唯一的通道，在TM4单波段 的影像上，植被极易与水体区分。在遥感影像 上，植被以红色放映出来，极易于其他地物区 分。在TM4波段中，植被反射近红外的强弱与 植被的生活力、叶面积指数和生物量等信息有 关，而且TM4的光谱信息有较大的独立性。因 此，TM4是反映植被信息的重要波段。在图上 呈现深红色，表面有不规则纹理，较集中并且 大面积分布的区域我们判断为植被。