第五章 遥感信息提取与地学应用方法2
如何利用遥感数据进行测绘数据的提取
如何利用遥感数据进行测绘数据的提取遥感技术是一种通过卫星、飞机和无人机等远距离获取对象信息的技术手段。
利用遥感数据进行测绘数据的提取，可以为地理信息系统、城市规划、环境监测、农业管理等领域提供准确、高效的数据支持。
本文将探讨如何利用遥感数据进行测绘数据的提取。
一、遥感数据的获取与处理1. 遥感数据的获取方式遥感数据的获取方式包括卫星遥感、航空遥感和无人机遥感等。
卫星遥感是通过卫星对地观测，获取大范围的地表信息；航空遥感是利用航空器对特定区域进行遥感观测，数据分辨率较高；无人机遥感则是利用无人机进行遥感观测，可以获取更高分辨率的数据。
2. 遥感数据的处理流程遥感数据处理流程包括预处理、数据影像处理和数据提取等步骤。
预处理主要包括辐射校正、大气校正和地形校正等，以保证数据的准确性。
数据影像处理主要包括图像增强、图像融合和图像分类等，以提取出感兴趣的对象信息。
数据提取是利用图像处理结果，从中提取出需要的测绘数据，如道路、建筑物、水域等。
二、遥感数据在测绘中的应用1. 遥感数据在地图制作中的应用遥感数据在地图制作中可以提供地表物体的准确位置、形状和属性信息。
通过图像分类和对象提取等技术，可以从遥感数据中提取出各类地物信息，如道路、建筑物、水域等，用于地理信息系统和城市规划等领域。
2. 遥感数据在地形测量中的应用遥感数据可以提供地表高程信息，用于地形测量和三维地图制作。
通过遥感图像的几何纠正和数字高程模型的生成，可以获取地表的高程数据，用于地形分析、地质调查和水资源管理等。
3. 遥感数据在农业测量中的应用遥感数据在农业测量中可以提供农作物的生长状态、受灾情况和产量预测等信息。
通过遥感图像的特征提取和分类，可以监测农作物的种植面积、植被指数和土壤湿度等参数，用于农业管理和精准农业。
三、遥感数据提取测绘信息的方法1. 监督分类法监督分类法是常用的遥感数据提取测绘信息的方法之一。
该方法需要预先准备训练样本，并通过机器学习算法训练分类器，然后应用分类器对整个遥感图像进行分类，提取出感兴趣的测绘信息。
土地利用遥感信息提取关键技术探讨
土地利用遥感信息提取关键技术探讨土地利用遥感信息提取是利用遥感技术获取土地利用的空间信息，并通过信息提取算法对地物进行分类和识别的过程。
随着遥感技术的不断发展和应用，土地利用遥感信息提取在土地资源管理、环境保护、灾害监测等领域具有重要的应用价值。
本文将探讨土地利用遥感信息提取的关键技术。
首先是影像预处理技术。
土地利用遥感信息提取的首要步骤是影像预处理，主要包括几何校正、辐射校正和大气校正等。
几何校正是将遥感影像进行坐标转换和几何矫正，使其与地理坐标系或现有地图相适应；辐射校正是消除遥感影像中的重影现象，恢复出真实的反射率或辐射亮度；大气校正是消除大气吸收和散射对遥感影像的影响。
其次是特征提取技术。
土地利用类型具有不同的光谱特征、纹理特征和空间结构特征，因此需要设计相应的特征提取算法。
常用的特征提取方法包括基于像元的光谱特征提取、基于纹理的特征提取和基于形状的特征提取等。
这些特征可以通过光谱信息统计、纹理参数计算和空间邻近度分析等方式提取出来。
再次是分类识别技术。
分类识别是土地利用遥感信息提取的核心技术，目的是将遥感影像中的地物分成具有相同或相似特征的类别。
传统的分类方法包括最大似然分类法、决策树分类法和支持向量机分类法等。
近年来，深度学习技术的快速发展为土地利用遥感信息提取带来了新的机遇，如卷积神经网络（CNN）和循环神经网络（RNN）等，在土地利用遥感影像分类中取得了较好的效果。
最后是精度评价技术。
精度评价是判断土地利用遥感信息提取结果是否可信的重要手段。
常用的精度评价指标包括制图精度、混淆矩阵和Kappa系数等。
制图精度是通过与实地调查结果进行对比来评价土地利用遥感信息提取的精确程度；混淆矩阵可以用于计算分类的准确率和召回率；Kappa系数综合考虑了分类的准确性和随机误差，是评价分类精度的一种综合指标。
土地利用遥感信息提取的关键技术包括影像预处理技术、特征提取技术、分类识别技术和精度评价技术。
第五章遥感信息提取及应用
遥感目视解译的方法
直接判读法: 使用的直接判 读标志有色调 、色彩、大小 、形状、阴影 、纹理、图案 等。
对比分 析法:同 类地物 对比分 析、空 间对比 分析、 时相动 态对比
信息复合法:利用透明专题图或透明地形图与遥感图像复合，根 据专题图或者地形图提供的多种辅助信息，识别遥感图像上目 标地物的方法。
常用解译标志-大小
大小：地物的尺寸、面积、体积等按比例缩小的相 似记录。根据比例尺在影像上量算. 例如，单轨铁路和双轨铁路从形状上往往不易区分， 但通过量算其宽度则很容易区分
常用解译标志-纹理
如点状、粒状、线状、斑状等
粗糙、平滑
纹理：遥感图像中目标地物内部色调有规则变化造成的影像结构。 即地物影像轮廓内的色调变化的空间布局和频率。
监督分类和非监督分类
监督分类法：选择具有代表性的典型实验区或 训练区，用训练区中已知地面各类地物样本的 光谱特性来“训练”计算机，获得识别各类地 物的判别函数或模式，并以此对未知地区的像 元进行分类处理，分别归入到已知的类别中。 非监督分类：是在没有先验类别（训练场地） 作为样本的条件下，即事先不知道类别特征， 主要根据像元间相似度的大小进行归类合并 （即相似度的像元归为一类）的方法。
判读目标特征
3、识别和鉴定目标 利用已有的资料、对描述的目标特征，结合判读员的经验，通过推 理分析（包括必要的统计分析）将目标识别出来。判读出来的目 标还应经过鉴定后才能确认。鉴定的方法中野外鉴定最重要和最 可靠，应在野外选择一些试验场进行鉴定，或用随机抽样方法鉴 定。鉴定后要列出判读正确与错误的对照表，最后求出判读的可 信度水平。也可以利用地形图或专用图在确认没有变化，图上可 靠的区域对判读结果进行鉴定，还可以使用一些统计数据加以鉴 定。 4、清绘和评价目标 图上各种目标识别并确认后应清绘成各种专题图。对清绘出的专题 图可量算各类地物的面积，估算作物产量和清查资源等，经评价 后提出管理、开发、规划等方面的方案。
浅谈遥感卫星影像数据信息提取
浅谈遥感卫星影像数据信息提取摘要：在应用航天遥感时用到的数据一般分为两种形式，即遥感影像和数据图像，这两种数据形式无论使用哪种，影像都是记录在感光的胶片和相纸上的，数据影像是通过数字磁带进行记录的，记录的图像的颜色是离散变化的，而遥感影像是通过对地表进行拍摄和扫瞄来记录数据，遥感影像获得的影像数据有黑白和彩色两种，一般比较常使用的是彩色。
获取遥感影像的方式有很多种，这篇文章就是对影响遥感影像的数据信息提取方式进行了简要的分析。
关键词：遥感卫星；信息提取；影像数据一、遥感影像简介所谓的遥感反映的就是接收所要探测的目标物的电磁辐射信息的强弱程度，接收方式一般分为主动接受和被动接收，把这种接收到的信息转化成图像的形式，然后再通过相片或者是数字图像的形式表现出来，遥感影像有单波段影像、多波段影像、彩色合成影像等。
多波段影像是利用多波段的遥感器对于同一个地区进行同步的拍摄获得的若干幅波段不同的影像，相比于单波段的影像，这种多波段影响的蕴含的信息量更大，光谱的分辨率也比较高，还能够通过影响的增强技术，得到彩色的合成影像，可以很大程度上提高对地面上物体的识别能力。
那么很明显，彩色合成影像就是通过多个波段的黑白影像合成的，这种彩色的合成影像被广泛的使用在地学研究、环境监测或者是资源调查上。
遥感卫星影像在对遥感影像的信息进行处理时，主要是利用影像中的一些特征，比如光谱特征、空间特征或者是时间特性。
在这些影像的特征之外，色调是与物体的波谱特征有关系的，其他的一些要素特征都和物体的空间特征有关系。
物体的大小是与物体的影像比例有非常大的关系的，每一个物体影像的形状都是这个物体固有的特征，而影像上的纹理则是因为在一组影像上色调的变化造成的，给人视觉上留下的印象是不同的，可以帮助观察者来区分物体或者是不同的现象。
在对影像进行提取时方式有很多种，下边对于影像信息的提取进行详细分析。
二、遥感信息提取方式对于遥感信息的提取方式有很多种，最常用的提取方式主要包括目视翻译和计算机的信息提取。
遥感图像信息提取
1.2 遥感信息提取方法概述
基于专家知识 的决策树分类
面向对象特征 自动提取
• 如下是对水的一个描述：
– 面积大于500像素 – 延长线小于0.5 – NDVI小于0.25
面向对象分类练习——输出结果
• 特征提取结果输出
– 矢量 – 图像（分类图像、
规则图像) – 结果统计报表
面向对象分类练习2——基于样本
• 监督分类
– 根据一定样本数量以及其对应的属性信息，提供K邻近法、支持向量机 主成分分析法进行特征提取
面向对象分类方法 随着高分辨率影像的出现而发展起来的
地物识别与地表反演 定量信息提取，需要模型的支持，数据源 有一定要求
变化监测 多时相影像支持
地形信息提取 需要立体像对的支持
2. 目视解译
2.1 遥感图像解译的基本概念
• 人们对地表物体的有关领域，如土地利用存在一种先验知识， 在遥感图像寻找对应关系。然后，根据遥感图像的影像特征推 论地表物体的属性。这一过程就称之为遥感图像的解译，也叫 遥感图像的判读。
• 经验的积累：图像解译以相关的专业知识和经验为主导，图像处 理为辅助，经验是在实践中逐步总结。
3. 监督分类
3.1 监督分类定义
• 又称训练分类法，用被确认类别的样本像元去识别其他未知类
别像元的过程。
– 在分类之前通过目视判读和野外调查，对遥感图像 上某些样区中影像地物的类别属性有了先验知识， 对每一种类别选取一定数量的训练样本
遥感图像信息提取
用用户编写的函数，最后将结果输出到文件或是 内存中
ENVI/IDL
5.2 Bandmath条件
• 必须符合IDL语言书写波段运算表达式 • 所有输入波段必须具有相同的空间大小 • 表达式中的所有变量都必须用Bn（或bn）命名
• 结果波段必须与输入波段的空间大小相同
ENVI/IDL
面向对象分类练习——特征提取
• 规则分类
-
每一个分类有若干个规则（Rule）组成，每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系，属性表 达式之间是并的关系
• 如下是对水的一个描述：
- 面积大于500像素 - 延长线小于0.5 - NDVI小于0.25
ENVI/IDL
树
上下文关系归类
像元
面 向 对 象 几 何 信 息 、 结 构 一个个影像对象 中高分辨率多光 速度比较慢
的 分 类 方 信息以及光谱信
法 息
谱和全色影像
注：一种方法不能完全取代另一种，每种方法都有其适用范围
ENVI/IDL
4.3 面向对象分类操作流程
• 发现对象 • 特征提取
发现对象
影像分割 合并分块
• 选择高尺度影像分割将会分出很少的图斑，选择一个低尺
度影像分割将会分割出更多的图斑
ENVI/IDL
面向对象分类练习——合并分块
• 影像分割时，由于阈值过低，一些特征会被错分，一个特
征也有可能被分成很多部分。我们可以通过合并来解决这 些问题。
• FX利用了
Full Lambda-Schedule算法，该方法在结合光 谱和空间信息的基础上迭代合并邻近的小斑块。
NDVI小于或等于0.3，波段4值小于20
(完整ppt)第五章 遥感数据的信息提取与应用
➢ §1 信息提取的原理和方法 ➢ §2 航空遥感图像的信息提取 ➢ §3 卫星遥感图像的信息提取 ➢ §4 遥感影像地图 ➢ §5 遥感数据的应用
§1 信息提取的原理和方法
遥感图像中目标地物的特征是地物电磁波的辐射差异 在遥感影像上的反映。 一、信息提取 1、概念：依据遥感图像上的地物特征，识别地物类 型、性质、空间位置、形状、大小等属性的过程（既 按照应用目的，将影像中代表不同地物的像元区别开） 叫信息提取，也叫影像分类或是影像解译。
1、解译标志（判读标志）
–地物本身的性质、形态等特征在像片上的反映，这些影像 特征统称为解译标志。
目视判读的标志
色调/色彩：判读前通过反差调整和彩色增强后，成为 目视判读的重要标志。
形状：是目视判读最直观的标志。
纹理：也叫内部结构，指遥感图像中目标地物内部色调 有规则变化造成的影像结构。
大小：根据地物间的相对大小，区分地物。
2、信息提取的方法有：
❖ （1）目视判读法：是目前常用的方法。
❖ （2）计算机分类法：有监督分类、非监督分类、 模式识别、神经网络分类、分形分类、模糊分类、 人工智能等数据挖掘技术方法。
二、目视解译（目视判读）
–凭借人眼观察或借助简单的仪器（放大镜、立体镜等）， 对遥感影像进行分析判断、量测，区别地物类别，勾绘地物 分布边界，识别属性，从而获取所需要信息。
逻辑推理法：根据地学规律，分析地物之间的内在必然 分布规律，由某种地物推断出另一种地物的存在及属性。 如由植被类型可推断出土壤的类型，根据建筑密度可判 断人口规模等。或者是根据两种地物之间的区别来判断 具体是哪种地物，例如公路与铁路。
目视解译的特点：
–直观、速度快 –运用人脑进行的定性分析 –常用于对评价影像增强处理效果、评价计算机解
遥感信息提取
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。
遥感地学应用05-地质遥感
03 地质遥感的应用领域
矿产资源调查
矿产资源调查
遥感技术可应用于矿产资源调查，通 过分析遥感影像，提取地质构造、岩 性、蚀变等信息，为寻找矿产资源提 供重要依据。
矿床定位
资源量估算
遥感技术可结合地质资料和勘探数据， 估算矿产资源的储量和分布，为资源 开发提供科学依据。
遥感技术能够通过分析遥感影像中的 光谱特征和纹理信息，定位矿床的位 置，提高矿产勘探的效率和准确性。
地质遥感的发展历程与现状
发展历程
自20世纪初以来，随着航空摄影和卫星遥感技术的不断发展，地质遥感经历了从单一 波段到多光谱、高光谱，从可见光到红外、微波等波段的拓展，应用领域也日益广泛。
现状
目前，地质遥感已经成为地质调查和矿产资源评价的重要手段，通过高分辨率卫星遥感 数据和先进的遥感技术，能够更加精准地识别地质构造、岩性、矿化信息等，为地质研 究和矿产资源开发提供有力支持。同时，地质遥感在环境监测、城市规划、灾害预警等
雷达遥感技术的数据处理和分析难度较大，需要专业技术和经验。
无人机遥感技术
无人机遥感技术利用无人机搭载高分辨率相机和传感器，获取高分辨率 的航空影像和数据。
无人机遥感技术具有灵活、快速、低成本等优势，能够获取高精度的地 形地貌信息，在地形测绘、土地利用调查、矿产资源勘查等领域具有广 泛的应用前景。
无人机遥感技术的稳定性和安全性需要进一步提高，同时需要加强数据 安全和隐私保护。
06 总结与展望
地质遥感的优势与局限性
快速获取大范围数据
遥感技术能够快速获取地球表面的信 息，具有大范围、宏观的观测能力。
多光谱、多分辨率数据
遥感数据涵盖多种光谱范围和空间分 辨率，能够提供丰富的地物信息。
土地利用遥感信息提取关键技术探讨
土地利用遥感信息提取关键技术探讨1. 引言1.1 研究背景土地利用是指人类利用土地资源的一种行为，是指对土地资源进行合理开发、利用和管理的过程。
随着城市化进程的加快和人口不断增长，土地资源的合理利用变得尤为重要。
而土地利用遥感信息提取技术则是一种通过卫星、航空遥感图像获取土地利用信息的重要手段，可以为土地资源管理与规划提供科学依据。
研究背景部分主要围绕土地利用遥感技术的发展历程、现状和存在的问题展开讨论。
随着遥感技术的快速发展和应用范围的扩大，土地利用遥感信息提取技术逐渐成为土地资源管理和规划领域的重要工具。
在实际应用中，土地利用遥感信息提取技术仍然存在着一些问题和挑战，例如遥感数据的质量、分类精度的提高以及土地利用变化监测的准确性等方面的挑战。
研究如何提高土地利用遥感信息提取技术的准确性和效率，对于土地资源管理与规划具有重要意义。
1.2 研究意义土地利用遥感信息提取是一项具有重要意义的研究工作。
土地资源是人类生存和发展的基础，土地利用状况直接关系到国家的经济发展、生态环境保护和社会稳定。
通过遥感技术获取土地利用信息，可以实现对土地资源的动态监测和管理，为科学合理的土地规划和资源利用提供数据支持。
遥感信息提取技术可以实现对大范围土地利用信息的快速获取和更新，避免了传统调查方法的耗时耗力，提高了土地资源监测的效率和精度。
土地利用遥感信息提取技术在国土资源管理、农业生产、城市规划等领域具有广泛应用前景，对于推动国家经济发展和社会进步具有积极作用。
深入研究土地利用遥感信息提取技术的关键方法和应用价值，具有重要的理论和实际意义。
2. 正文2.1 土地利用遥感信息提取方法土地利用遥感信息提取方法是通过遥感技术获取土地利用相关的数据，并利用计算机技术进行处理和分析，从而实现对土地利用信息的提取和分类。
这是一种非常有效和高效的方法，可以帮助研究人员和决策者更准确地了解土地利用现状和变化情况。
在土地利用遥感信息提取方法中，首先需要获取高分辨率的遥感影像数据。
遥感土地地物信息提取算法
遥感土地地物信息提取算法
遥感土地地物信息提取是指通过遥感图像对地面上的不同地物进
行识别和分类。
常用的算法有：
1. 基于像元的分类算法：将每个像素点的反射率或亮度作为分
类的特征，使用聚类或判别分析等方法将像素点划分到不同的类别中。
2. 基于对象的分类算法：将图像中的不同地物视为不同的对象，通过特征提取和形态学运算等方法对这些对象进行识别和分类。
3. 基于知识的分类算法：利用地物的空间特征、频率特征或多
尺度特征等知识来对遥感图像进行处理，以提高分类的准确性。
以上算法的优缺点各有所擅长，需要根据具体情况选择合适的算
法来进行土地地物信息提取。
遥感图像信息提取分析
- 矢量 - 图像（分类图像、规则图像) - 结果统计报表
面向对象分类练习2——基于样本
• 监督分类
- 根据一定样本数量以及其对应的属性信息，提供K邻近法、支 持向量机主成分分析法进行特征提取
面向对象分类练习3——单波段影像提取河流
• 采用单波段影像，使用ENVI FX面向对象信息提取工具中 的”Rule based feature extraction workflow” 进行河 流信息提取
- 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，利用空间，
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
4.2 与基于像元分类的区别
类型
基本原理
影像的最小单元 适用数据源
缺陷
传 统 基 于 地 物 的 光 谱 信 息 单个的影像像元 中低分辨率多光 丰 富 的 空 间 信 息
• 遥感影像分类就是利用计算机通过对遥感影像中 各类地物的光谱信息和空间信息进行分析，选择 特征，将图像中每个像元按照某种规则或算法划 分为不同的类别，然后获得遥感影像中与实际地 物的对应信息，从而实现遥感影像的分类，即信 息提取。
1.2 遥感信息提取方法概述
基于专家知识 的决策树分类
面向对象特征 自动提取
面向对象分类练习1——特征提取
• 规则分类
- 每一个分类有若干个规则（Rule）组成，每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系，属性表 达式之间是并的关系
• 如下是对水的一个描述：
- 面积大于500像素 - 延长线小于0.5 - NDVI小于0.25
面向对象分类练习——输出结果
法
土地利用遥感信息提取关键技术探讨
土地利用遥感信息提取关键技术探讨随着国民经济的发展和城市化进程的加速，土地利用规模增大，土地利用种类不断丰富，土地利用信息的获取和更新变得越来越重要。
利用遥感技术可以实现高效、快捷、准确地获取土地利用信息，促进了土地管理和城市规划的科学化和精细化。
但土地利用遥感信息的提取是一个非常复杂和繁琐的工作，需要多种遥感数据的融合和处理，同时还需要考虑面积和精度等多种因素的影响。
本文将探讨土地利用遥感信息提取的关键技术及其优化方法。
一、影像预处理影像预处理是土地利用遥感信息提取的第一步。
包括影像的辐射校正、大气校正、几何校正等。
遥感影像的辐射校正主要是消除图像中的像元辐射值与光学特性之间的差异，使图像像元互相比较具有一定的合理性。
大气校正主要是消除大气散射等因素对遥感影像的影响。
几何校正主要是将遥感影像转换成具有相同比例尺的投影地图和真实地图之间作出的对准。
二、土地类型分类土地类型分类是提取土地利用信息的关键步骤之一。
通过将遥感影像划分为不同的分层，可以更好地捕捉土地利用变化的动态及其空间分布性。
目前，分类算法主要包括最大似然分类、支持向量机等。
不同的分类算法有不同的适用场景和使用方法，需要根据具体情况选择合适的算法。
三、深度学习模型近年来，深度学习模型在土地利用遥感信息提取中应用越来越广泛。
深度学习模型具有很强的自适应能力和遥感数据处理能力，能够从大量的遥感影像数据中提取土地利用特征，提高分类精度和效率。
深度学习模型主要包括卷积神经网络（CNN）、循环神经网络（RNN）等。
四、空间数据分析空间数据分析是指将遥感影像和地理信息系统（GIS）数据进行融合，利用GIS分析工具和方法器可实现更细致的土地利用空间分析。
例如，可以通过GIS空间分析插件进行空间相关性分析、空间扩散分析、空间交互分析等，以及使用叠加分析、相交分析等功能实现多尺度时空分析。
五、精度评价土地利用遥感信息的提取不同于常规遥感环境分类问题，提取精度评价通常包括精度评定、误分类矩阵、Kappa 系数和ROC曲线等。
高分遥感影像信息处理与信息提取技术 (2)
• 按自动化程度可以分为人工、半自动和全 自动三种类型 。
模板匹配
• 模板匹配法是在一幅影像中选取一个的影像 窗口作模板，大小通常为5×5或7×7，然后 通过相关函数的计算来找到它在搜索图中的 坐标位置。
重采样方法二
• 对输出图像的各个像元在输入图像坐标系的相 应位置进行逆运算，求出该位置上的像元数据 ，保持图像行列数不变。此系目前多数软件中 通常采用的方法。
图像内插法一：最近邻法（NN
，Nearest Neighborhood）
• 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。该方法 最大可产生1/2像 元的位置误差，但 优点是不破坏原来 的像元值（或图像匹配）是评价两幅或多幅 图像的相似性以确定同名点的过程。图像配 准算法就是设法建立两幅图像之间的对应关 系,确定相应几何变换参数,对两幅图像中的 一幅进行几何变换的方法。
图像配准
参考图像（主图像） 待配准图像（辅图像） 配准图像
用词说明
• 各种图像配准的文献都会出现“配准、匹配、 几何校正”三个词，它们的含义比较相似。
遥感数据的融合
遥感数据的融合主要指不同传感器的遥感数据 的融合，以及不同时相的遥感数据的融合。融 合方式的确定应根据目标空间分布、光谱反射 特性及时相规律方面的特征选择不同的遥感图 像数据，它们在空间分辨率、光谱分辨率和时 间分辨率方面相互补充，以形成一个更有利的 识别环境，来识别所要识别的目标或类型。
高
中
- 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)。
第一节 遥感图像的解译 第二节 图像分类
第一节 遥感图像的解译
一 、地学解译的目的与要求 二 、地学解译标志 三、 遥感图像的目视解译方法与步骤
一、 地学解译的目的与要求
(一)、解译的涵义 解译（判读、判译）是指从图像获取信
息的基本过程。 即根据地学工作的要求，根据解译标志
5.编制各种解译图件。
二、 地学解译标志
地学解译标志：遥感图像上，能识别地学物体、地学现象， 或能说明共性质和相互关系的影像特征，称为地学解译标 志。
直接解译标志：遥感图像上能直接见到的解译目标的影像 特征（包括形状、大小、色调、阴影、花纹等），称直接 解译标志。
间接解译标志：需通过分析、判别才能识别地学目标，现 象的存在，才能推断其性质的影像特征称为间接标志。
一、解译方法
解译原则：
先整体，后局部
先已知，后未知
先易，后难
由宏观到微观
解译方法：
1 直接判定法：对于像片上影像特征比较明显的地物， 通过直接标志即可判定地物的性质、识别出地物。
2 对比分析法：将待判别影像与已知地物影像或标准图像上的 影像进行比较，以判别该地物的性质。
3 逻辑推理法：利用各种现象之间的关系，依照逻辑推理进行
对无法判定的要素标以疑问标记，选取野外验证路线。
（五）、野外检查验证 野外抽查 对疑点、难点进行实地观察 （四）成果整理 修改、补充判读内容、成果，编写报告。
第二节 图像分类
一、概述 二、监督分类 三、非监督分类 四、上下文分类 五、空间信息的加入
一、概述
图像分类：将图像中每个像元根据其光谱信息、空间 结构信息和（或）其它专题信息，按照一定的规则或 算法划分为不同的类别
2、工具材料准备
准备所需用的工具，材料如立体镜、放大镜、聚脂薄 膜等。
3、熟悉地理概况 阅读研究区有关文献资料，了解基本情况
（二）、室内判读 初判：了解全区总貌，结合其它资料的对比，了解地区特征
和各种判别要素的分布规律，特别是典型判别标志。 建立影像标志
(三)、野外调查 实地研究各典型类型的影像物征 验证、修改影像标志 （四）室内详细判读 详细判读：按一定次序进行的系统判读，勾绘出要素边界，
要点： 训练区要典型，有代表性 训练区最好能均匀分布于全区
2 类别统计特征的计算
计算各类别训练区中各分类参数（波段）的统计特征 值：均值、标准差、最大值、最小值、方差、协方差 矩阵、相关矩阵或重心等。
原理
建立各类型已知样本区（训练区），根 据训练区确定各类的统计特征，已此为 基础，建立分类的判别函数，对每个象 元进行类别划分。
步骤
1. 训练区的选取 2. 类别统计特征的计算 3. 判别函数的确定 4. 对每个象元进行判别计算
1 训练区的选取
对每一分类类型，在图像上圈定若干个已知区， 作为训练区
判读。如泉眼线状分布可判定断层的存在。
二、解译步骤
（一）、准备工作
1、资料准备 1）根据研究对象和精度要求，选择相应比例尺，且最富含研
究对象信息的图像种类和波段、波段组合作为解译的主要图 像。
另外还根据条件，尽量多地收集不同种类、波段、比例尺及 不同时相的图像，以资综合分析之用。
还应收集相应地区地形图，相关专题图和文献，作 为判读的参考。地形图比例尺应与图像比例尺相近， 以便对比和转绘。
地物的几何形态指地物的形状、相对大小，如房屋长 方形，河流条带状等。
三、地物的大小：
与比例尺有关，所以物体的形态、大小分析要有比例 尺的概念。
四、阴影： 包括本影和落影
本影：地物本身未被阳光直接照射到的阴暗部分的影 像。
落影：在地物背光方向上地物投到地面的阴影。
本影有助于获得立体感，对地质、地貌解译很 有用。
如通过水系分析来判断岩性。水系即间接标志。对其认识 取决于专业知识。
直接解译标志
一、色调与色彩 二、地物的几何形态 三、地物的大小 四、阴影 五、影纹 六、影纹结构 七、影纹图案（组合图案） 八、其它解译标志
一、色调与色彩：
色调：黑白航片上影像的黑白深浅程度。
色彩：彩色图像上影像的颜色。
其是地物形状、大小、色调、阴影、小水系、植被、 微地貌、环境因素的综合显示。
影纹图案可以宏观地反映出大标志：
与判读对象关系密切的地物和现象，利用相关的专业 知识和经验进行判读。
如人类活动标志。
IR＿1
PA＿1
三、 遥感图像的目视解译方法与步骤
和实践经验，应用各种解译技术和方法， 识别出地学目标，地学现象的物性和特 点，测算出某种数量指标的过程。
(二)、地学解译的目的与要求
地学解译目的：获取各种地学遥感信息。
1.判明各种地学目标和地学现象是否存在；
2.判明各种地学目标和地学现象的形态、属性和空间 分布特征；
3.测量各种地学参数；
4.推测和分析各种地学物体、地学现象在时间、空间 上成因上的相互关系。
色调、色彩是地物波谱信息构成的影像属性。
是最重要也是最基本的解译标志。
色调深浅和色彩种类及其亮度在不同类型遥感图 像上其物理涵义不同，所以（首先）要有图像波
谱效应的概念。
灰阶或灰度：黑白航片的色调等级称灰阶或灰度， 一般分为10级
黑白航片的色调等级称灰阶或灰度，一般分为 10级
二、地物的几何形态：
落影的形状和长度可以帮助判别地物立体形状 和高度。如水塔和烟囱的落影。
但阴影过大会遮盖大片其它地物面影响判读
五、影纹：
地物影像（细）斑块上的的质地、细微结构。
六、影纹结构：
地物影像斑块的影纹的集合形式。
七、影纹图案（组合图案）：
重复出现的细小（相对于图像比例尺而言）地物群体 影像所构成的特殊组合花纹图案。
可在由计算机自动完成 最常用于分类的信息是光谱信息，即各波段的亮度值。
另外还可以将空间结构信息，如图像纹理密度、方向 等，及其它专题信息用于分类。这些信息的加入常可 使分类的精度得到显著提高 除考虑目标象元的特征外，还可以考虑周围象元的特 征
二、监督分类（supervised)
原理 方法下步骤 监督分类的优缺点