遥感图像处理论文
光学图像处理技术在遥感图像中的应用
光学图像处理技术在遥感图像中的应用随着科技的不断发展,人类对于地球的认识也越来越深入。
其中,遥感技术在地球观测中扮演着越来越重要的角色。
遥感图像是使用卫星、飞机、无人机等载体采集并传输的地球表面信息,被广泛用于气象、地质、农业、城市规划等领域。
在获取遥感图像的同时,如何高效地处理和分析这些图像数据也成为了一个迫切的问题。
光学图像处理技术,则是一种被广泛应用于遥感图像处理的技术。
光学图像处理技术是指通过数字信号处理、统计学和数学算法等方法来提取、过滤、压缩、增强或重建光学图像的过程。
在遥感图像中,这些技术能够帮助我们从数据中提取有用的信息,比如提取城市中心、农作物分布、海岸线位置等,然后进行更深入的研究和分析。
下面我们将探讨光学图像处理技术在遥感图像中的应用。
1. 图像增强图像增强是指通过调整图像的对比度、色彩等参数来使图像的质量得到提高。
在遥感图像中,由于图像中各种地物的灰度和颜色往往相似,导致图像中的细节信息难以被发现。
此时采用图像增强技术可以使得这些细节信息浮现出来。
比如,在城市规划工作中,我们可以通过图像增强技术来准确地提取建筑物轮廓、街道轮廓等。
2. 图像分割图像分割是指将图像中的区域分解成不同的部分,以便进行目标检测和识别。
在遥感图像中,图像分割可以用于提取特定区域的信息,比如水域、农田、林区等。
与此同时,这些信息对于环境监测、资源利用以及自然灾害预防和应对等都有着十分重要的意义。
3. 特征提取特征提取是指从图像中提取出具有代表性的特征。
在遥感图像中,由于遥感图像覆盖范围大,因此往往需要把分析的目标先区分开来,才能做出一些有意义的结论。
通过特征提取技术,可以得到目标区域的特定特征,比如植被覆盖度、水道宽度等,然后通过分析这些特征得出结论。
4. 图像配准图像配准是指将不同来源的图像进行对齐管理,以便进行更进一步的分析和处理。
在遥感图像中,由于各种图像数据来源不同,往往需要进行配准。
这种技术能够使得数据更加精确,确保精度和准确性。
基于MTFC的遥感图像复原方法
基于MTFC的遥感图像复原方法基于MTFC的遥感图像复原方法的论文摘要:本文提出了一种基于MTFC(Multi-Task Fully Convolutional)的遥感图像复原方法。
该方法使用MTFC网络进行图像去噪、去模糊和超分辨率重建等任务,以提高遥感图像质量。
该方法在模拟实验中展示了其出色的去噪、去模糊和超分辨率重建效果。
介绍:遥感图像在军事、民用和商业等领域中发挥着重要的作用。
然而,由于遥感图像数据受到许多因素的干扰,如噪声、模糊和低分辨率等,导致图像质量下降。
因此,遥感图像复原是一项重要的任务。
本文提出了一种基于MTFC的遥感图像复原方法,以提高遥感图像的质量和准确性。
方法:MTFC网络是一种多任务全卷积网络,可以同时执行多个任务。
MTFC网络由一系列卷积层、池化层和上采样层组成,以有效地处理不同的任务。
在该方法中,我们使用MTFC网络进行图像去噪、去模糊和超分辨率重建等任务。
通过将MTFC网络与遥感图像复原任务相结合,我们可以有效地提高图像的质量和准确性。
实验:我们对该方法进行了模拟实验,并评估了其对遥感图像进行去噪、去模糊和超分辨率重建的效果。
实验结果表明,该方法能够显著地提高遥感图像的图像质量和准确性。
例如,当我们在噪声密集的情况下复原图像时,所得到的图像质量与原始图像相比得到了显著的提升。
此外,当我们在低分辨率图像上进行超分辨率重建时,所得到的图像质量也得到了显著的提升。
结论:本文提出了一种基于MTFC的遥感图像复原方法。
该方法可应用于遥感图像去噪、去模糊和超分辨率重建等任务,以提高图像的质量和准确性。
该方法的实验表明,MTFC网络可以有效地处理这些任务,并显著地提高图像的质量和准确性。
因此,该方法有望在遥感图像处理中得到广泛应用。
进一步探究:本文提出的基于MTFC的遥感图像复原方法具有优秀的性能,而MTFC网络在这些任务上已经被证明优于其他网络。
MTFC 网络通过对多任务训练,可以学习与图像复原任务相关的特征,并在处理相似任务时共享这些特征。
数字图像处理在航空遥感领域中的运用
数字图像处理在航空遥感领域中的运用盟手摘要数字图像处理技术在航天和航空技术方面的应用,除了上面介绍的JPL对月球、火星照片的处理之外,另一方面的应用是在飞机遥感和卫星遥感技术中。
许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。
对由此得来的照片进行处理分析,以前需要雇用几千人,而现在改用配备有高级计算机的图像处理系统来判读分析,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用情报。
从60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。
因此,以如此昂贵的代价进行简单直观的判读来获取图像是不合算的,而必须采用数字图像处理技术。
如LANDSAT系列陆地卫星,采用多波段扫描器(MSS),在900km高空对地球每一个地区以18天为一周期进行扫描成像,其图像分辨率大致相当于地面上十几米或100米左右(如1983年发射的LANDSAT-4,分辨率为30m)。
这些图像在空中先处理(数字化,编码)成数字信号存入磁带中,在卫星经过地面站上空时,再高速传送下来,然后由处理中心分析判读。
这些图像无论是在成像、存储、传输过程中,还是在判读分析中,都必须采用很多数字图像处理方法。
现在世界各国都在利用陆地卫星所获取的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等),灾害检测(如病虫害检测、水火检测、环境污染检测等),资源勘察(如石油勘查、矿产量探测、大型工程地理位置勘探分析等),农业规划(如土壤营养、水份和农作物生长、产量的估算等),城市规划(如地质结构、水源及环境分析等)。
我国也陆续开展了以上诸方面的一些实际应用,并获得了良好的效果。
在气象预报和对太空其它星球研究方面,数字图像处理技术也发挥了相当大的作用。
数字图像处理的优点:1. 再现性好数字图像处理与模拟图像处理的根本不同在于,它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。
遥感论文——精选推荐
基于面向对象的多光谱数据的地表信息提取应用摘要随着计算机技术和遥感技术的发展,遥感技术在社会的各个方面得到了广泛应用,如对资源、环境、灾害、城市等进行调查、监督、分析和预测、预报等方面的工作。
所以分类作为遥感技术中的一项最基本的研究,也是遥感技术运用最为广泛的一项技术,也相应的提出了更高的要求。
然而目前主要的分类方法是监督分类和非监督分类,这两种方法是基于像元的分类方法,不能有效的利用影像的空间纹理信息。
而且基于像元的分类方法还存在着分类结果出现椒盐现象的问题,从而导致大量无效破碎图斑的产生,最终导致分类精度不高。
随后又提出了在此两种方法的基础上该进的方法,如模糊分类法、基于神经网络的分类方法和基于决策树的分类方法等。
虽然后述这些方法在一定的程度上提高了分类的精度,但是他们依旧是建立在像元的基础上,也没有考虑到对象的空间纹理信息。
所以也会出现上述的一些问题(如:椒盐现象等)。
所以传统的分类方法已不能满足分类的需求。
所以基于以上这些问题,面向对象的分类方法应运而生,面向对象的分类方法充分利用影像的光谱信息、空间几何信息、纹理信息来进行分类。
采用多尺度分割算法,采用不同的分割尺度,能够较好的提取各种尺寸大小的地物。
所以运用面向对象的分类方法提取地表信息是,能够细致的提取出地表所覆盖的地物种类,并且能够达到更高的提取精度,能够更加准确的为相关部门提供数据资料,为相关部门作出决策判断提供依据。
本文中采用面向对象的分类方法与传统的基于像元的分类方法相比有一下有点:基于影像多尺度分割得到同质像元组成的影像对象,对象内部的光谱差异值很小可以忽略其内部的信息,从而避免了椒盐现象的出现,对象之间的区分同时考虑了光谱和形状两种因子,为分类提供了更多的特征,有效地克服了基于像元分类的一些局限性;多尺度的空间分析,可以满足不同尺度地物的信息提取要求;模拟人脑的思维方式充分利用影像对象的各种特征,以达到尽可能高的精度提取地物信息的目的。
对遥感数字图像处理的认识和理解
对遥感数字图像处理的认识和理解对遥感数字图像处理的认识和理解10资源(2)班徐某人进入20世纪后,人类面临着尖锐的人口大幅度增长、非再生资源趋向枯竭和生态环境不断恶化的巨大压力等问题。
卫星遥感技术的兴起使人们有可能从太空的高度连续、重复地观测地球,从而为人类进一步认识地球的全貌与动态变化,更准确的摸清地球所拥有的资源、更加合理地规划利用资源、更有效地治理和保护环境提供了一种其所未有的强大技术。
尤其是随着对地球观测技术的迅速发展,遥感图像在社会生活和经济建设中发挥着越来越重要的作用。
遥感图像已不仅仅是科学研究和工程设施建设的基础数据,同时,伴随着Google Earth的使用,各种类型的遥感图像已经成为普通人生活的一部分。
遥感图像正不断扩展人类对世界的认知广度和深度。
遥感数字图像的处理,是对遥感数字图像的计算机处理,主要应用在地物成分的分析和信息的提取。
与其他领域的数字图像不同,遥感数字图像拥有更加多样的内心,更为复杂的内容。
因此,遥感数字图像的处理,不仅仅需要掌握已有的数字图像处理方法,而且需要具有相当的地理学知识,所以遥感数字图像的处理是科学和艺术的有机结合。
在遥感数字图像处理中,数据源不同,图像的特征便不同。
通过传感器获取的数字图像以数字文件的方式储存。
传感器的分辨率不同,产生的文件格式不同,文件大小不同,图像处理的复杂程度也不同。
数字图像处理是对图像中的像素进行系列的才做,图像的处理过程就是文件的存取过程和数据处理过程。
为了方便图像的处理,一般会建立遥感数字模型。
遥感数字模型是理解遥感数据的根本;不同类型的图像,其表达方式不同,描述方法也不同。
一般情况下,统计描述是数字图像最基本的定量描述手段。
数字图像处理的方法多样,有显示和拉伸、校正、变换等。
其中图像的合成显示和拉伸是最基本的。
显示是为了理解数字图像中的内容或对处理结果进行对比;图像的拉伸是为了提高图像的对比度,改善图像的显示效果;图像的校正,是图像的预处理工作,目的是校正成像过程中各种因素影响导致的图像失真,校正一般包括辐射校正和几何精纠正两部分。
遥感图像处理与分析技术的发展趋势
遥感图像处理与分析技术的发展趋势随着遥感技术的不断发展和进步,越来越多的遥感数据被获取到并被应用到各种领域中。
然而,在大量的遥感影像中,如何提取出所需的信息和数据,进一步研究遥感图像的信息,是遥感图像处理与分析技术的重要方向。
本文将从影像处理与分析两个角度来讨论遥感图像处理与分析技术的发展趋势。
一、遥感图像处理技术的发展趋势1. 数字化数字化是遥感图像处理的基础,也是其发展的前提。
在遥感图像的获取过程中,通常需要使用许多成像传感器,获取到大量的数据后,需要进行数字化处理才能获得高质量的遥感图像。
数字化技术能够移除遥感图像中的噪声和不必要的信息,还能够提高遥感图像处理的效率。
2. 智能化智能化处理是遥感图像处理的一大发展趋势。
随着计算机应用的发展以及人工智能技术的进步,人工智能技术已经被应用到遥感图像处理中。
智能化处理能够利用计算机算法进行遥感图像自动分析,如目标自动检测、红外图像处理等。
智能化处理不仅可以提高遥感图像分析精度,也能够提高分析处理的效率。
3. 高分辨率遥感图像处理随着国内外遥感图像技术的快速发展,高分辨率遥感图像已经成为遥感图像处理发展的重要标志。
高分辨率遥感图像处理技术的目标是提取大量详细的空间信息,如地图、城市规划、资源研究、环境监测等方面。
高分辨率遥感图像处理技术因其高精度、高分辨率和强大可靠性,在城市规划、林业、水资源和农业等领域已有广泛应用。
二、遥感图像分析技术的发展趋势1. 特征提取特征提取是遥感图像分析的重要环节,该技术能够从大量的遥感影像中提取出具有重要意义的信息和数据。
遥感图像的特征提取可以通过遥感影像自动解算和特征选择工具实现,提高遥感图像分析的精度和效率。
在这个过程中,通常会使用计算机视觉技术和机器学习技术。
2. 遥感图像分类遥感图像分类是将特定的地物或目标从遥感图像中抽象出来,进行半自动和自动识别。
遥感图像分类可以分为监督和非监督两种方法。
监督的分类方法是根据已知的地物类型和特性建立分类模型,然后将这个模型用于其他遥感数据的分类。
图像处理技术在遥感中的应用
图像处理技术在遥感中的应用遥感技术是指对地球表面采用卫星、飞机等遥感器进行观测、测量和记录,然后对所获取的数据进行处理、分析和解释的一种技术。
遥感技术广泛应用于环境监测、灾害预警、农业生产、城市规划等领域,其中图像处理技术是遥感技术中的重要组成部分,它可以对采集到的遥感图像进行数字化处理和分析,从而揭示出地表物体的信息和特征。
本文将从图像的获取和处理两个方面来介绍图像处理技术在遥感中的应用。
一、图像的获取1. 卫星遥感图像卫星遥感图像是遥感技术中最常用的图像,它可以通过卫星传输到地面站点进行接收和处理。
卫星遥感图像的主要特点是具有高时空分辨率和广覆盖范围。
高时空分辨率可使我们更加清晰地观察地表物体的细节,广覆盖范围则可以让我们对地球表面进行全面的观测和研究。
卫星遥感图像处理的主要技术包括图像去噪、图像增强、特征提取等。
2. 无人机遥感图像无人机遥感图像是近年来出现的新型遥感图像,与卫星遥感图像相比,无人机遥感图像的时空分辨率更高,能够更加准确地观测和记录地表物体的信息和特征。
无人机遥感图像可以应用于快速应急响应、高精度地理空间数据采集、精准农业等领域。
与卫星遥感图像不同,无人机遥感图像的处理技术更加灵活和个性化,可以根据不同的任务需求进行处理和分析。
二、图像的处理1. 图像去噪遥感图像经常出现一些“噪点”,它们会影响到图像的质量和准确性,因此进行图像去噪是遥感图像处理的重要步骤。
图像去噪的方法包括中值滤波、均值滤波、高斯滤波等。
通过图像去噪,可以使遥感图像更加清晰,有利于后续的图像处理和分析。
2. 图像增强遥感图像往往受到许多复杂因素的干扰,如云层、雾霾、大气折射等,这些因素会影响到遥感图像的亮度、对比度、色彩等方面。
因此,进行图像增强是遥感图像处理中的重要环节之一。
图像增强的方法有直方图均衡化、对比度拉伸、色彩增强等。
通过图像增强,可以使遥感图像更具有可读性和可视性,方便用户的观察和分析。
3. 特征提取遥感图像中包含着大量的地表物体信息和特征,如河流、道路、建筑物等等。
遥感图像处理及其在军事目标定位中的应用概要
多媒体技术及其应用本栏目责任编辑 :李桂瑾1前言随着科技的不断进步 , 遥感工具的使用越来越频繁 , 人们能够从高空以及太空中来观察人类居住的地球 , 也能够利用获得的遥感图像进行一系列研究和探索。
现已应用于农林业、测绘、地质勘探、水利、气象、环境保护以及军事等部门 , 并取得了很好的效益。
军事目标是一项特殊的研究内容 , 如何充分利用遥感图像资料来分析和定位军事目标是需要解决的主要问题。
遥感图像资料主要来自遥感卫星以及侦察飞机拍摄的影像资料 , 本文主要研究利用无人侦察飞机拍摄的影像资料对军事目标进行定位的问题。
2遥感图像处理技术概论遥感图像处理是遥感技术的一个重要环节 , 它直接影响到遥感信息的增强提取和分析应用效果。
遥感图像处理技术一般可以分为两大类。
一是光学处理技术 , 它可以分为机械光学和光化学处理两种方法 , 机械光学又称电子光学或物理光学 , 主要是利用相干光光源作图像处理 , 譬如密度分割、位相交换、等照度变换等内容 ; 光化学处理是依据摄影光化学原理 , 利用非相干光光源 , 即普通暗房摄影处理方法进行图像处理 , 它可以进行图像镶嵌、图像增强 (包括反差调整、彩色增强、比值处理、边缘增强、黑白发色等、图像密度分割、假彩色合成以及信息复合处理等 ; 二是计算机数字图像处理技术 , 它可以精确地进行几何定位与几何校正 , 还可以多功能地进行图像镶嵌、图像增强 (包括线性变换、直方图均衡、彩色增强、比值处理等等、图像分类、图像统计分析、多波段图像组合以及信息复合处理等。
这些处理结果在地表环境要素不太复杂的情况下 , 完全可以定量化精确分析 , 应用效果比较好。
这里 , 我们主要就数字图像处理中的几何校正等方面进行研究与分析。
除此之外 , 遥感图像处理技术开始进行信息复合的研究应用工作。
这种处理技术主要是综合使用现有的遥感资料 , 挖掘遥感资料所提供的全部信息。
其作用是能够进行地物信息的验证、补充与更新 , 提高了遥感信息的实用价值。
如何进行遥感图像的影像处理与信息提取
如何进行遥感图像的影像处理与信息提取遥感技术在许多领域中发挥着重要作用,包括农业、环境研究、资源管理等。
遥感图像的影像处理和信息提取是实现遥感应用的关键步骤之一。
本文将探讨如何进行遥感图像的影像处理与信息提取,帮助读者更好地理解和应用这一技术。
一、遥感图像的基本概念和分类在深入讨论遥感图像的影像处理和信息提取之前,我们先来了解一下遥感图像的基本概念和分类。
遥感图像是通过卫星、飞机等遥感平台获取的地球表面的图像,它包含了丰富的地物信息。
根据不同传感器的工作原理和波段范围,遥感图像可以分为光学图像、雷达图像等不同类型。
二、遥感图像的预处理遥感图像在获取后需要进行一系列的预处理,以消除噪声、增强图像质量,为后续的影像处理和信息提取做准备。
常见的预处理步骤包括辐射校正、大气校正、几何校正等。
辐射校正用于消除图像中的辐射噪声,保证图像的准确性和一致性。
大气校正则是为了消除大气对图像的影响,使得图像能够真实地反映地表特征。
几何校正则是校正图像的几何形状和位置,使其与现实地物保持一致。
三、遥感图像的影像处理影像处理是指对遥感图像进行一系列的处理操作,以增强图像的特征、提取信息或获得更高层次的图像产品。
常见的遥感图像影像处理方法包括图像增强、图像分类和图像融合等。
图像增强主要是通过增加图像的对比度、调整亮度等方式,使地物特征更加明显。
图像分类则是将遥感图像中的像素划分为不同的类别,用于分析地物类型和覆盖状况。
图像融合则是将多个遥感图像进行融合,以获取更全面和准确的地物信息。
四、遥感图像的信息提取信息提取是指从遥感图像中提取具有特定含义和应用价值的信息。
常见的信息提取任务包括地表覆盖分类、目标检测、变化检测等。
地表覆盖分类是将遥感图像中的地物按照不同的类别进行分类,如森林、湖泊、城市等。
目标检测则是在遥感图像中寻找特定目标,并进行识别和定位。
变化检测是对不同时间获取的遥感图像进行比较,找出地物变化的区域和变化趋势。
(论文)基于不同分辨率遥感影像的...
第38卷第3期2015年3月测绘与空间地理信息GEOMATICS&SPATIALINFORMATIONTECHNOLOGYVol.38,No.3Mar.,2015收稿日期:2014-09-03,修订日期:2015-01-12基金项目:国家自然科学基金(51213811)资助作者简介:孔令婷(1991-),女,江苏南京人,摄影测量与遥感专业硕士研究生,主要研究方向为遥感图像处理与应用。
基于不同分辨率遥感影像的分类方法对比研究孔令婷,杨英宝,章 勇(河海大学地球科学与工程学院,江苏南京210098)摘要:基于4种不同分辨率的遥感影像数据,分别为30m分辨率的Landsat-8数据,融合Landsat-8多光谱波段和全色波段的15m分辨率数据,5.8m分辨率的资源3号卫星数据以及融合后2.1m分辨率的资源3号卫星数据。
采用ISO-DATA、最大似然分类法和面向对象分类法对影像进行分类,对分类方法的效果以及分辨率变化对面向对象分类方法的精度影响进行分析。
结果显示在低分辨率影像中,面向对象方法受到限制,分类效果相比传统方法没有太大改善;而在高分辨率影像中,面向对象方法分类效果很好,并且随着分辨率提高分类精度也相应的提高。
关键词:高分辨率影像;分类;面向对象中图分类号:P237 文献标识码:A 文章编号:1672-5867(2015)03-0040-04StudyonClassificationMethodsBasedonDifferentResolutionRemoteSensingImageKONGLing-ting,YANGYing-bao,ZHANGYong(SchoolofEarthScienceandEngineering,HohaiUniversity,Nanjing210098,China)Abstract:Thispaperisbasedonfourdifferentresolutionsremote-sensingimages.30mresolutionLandsat-8imagedata,15mresolutionimagefusedbymultispectralbandsandpanchromaticbandoflandsat-8data,5.8mresolutionZY-3imagedataand15mresolutionfusionimage.ISO-DATA,maximumlikelihoodclassificationandobject-orientedimageclassificationmethodwereused.Theeffectsofdifferentclassificationmethodsandimpactofresolutionchangesontheaccuracyofobject-orientedmethodwereanalyzed.Theresultsshowthatobject-orientedapproachislimitedinlowresolutionimages,theclassificationresultisnotmuchim-provedcomparedtothetraditionalclassificationmethod.Whileinthehigh-resolutionimagestheobject-orientedclassificationmethodworkswell,andclassificationaccuracyisimprovedalongwithresolutionincrease.Keywords:high-resolutionimages;classification;object-oriented0 引 言在传统的遥感影像分类中,基于像元的分类较多,包括监督和非监督分类法。
遥感影像处理实验报告(3篇)
第1篇一、实验背景与目的随着遥感技术的不断发展,遥感影像已成为获取地球表面信息的重要手段。
遥感影像处理是对遥感影像进行一系列技术操作,以提高影像质量、提取有用信息的过程。
本实验旨在通过实践操作,让学生掌握遥感影像处理的基本原理和常用方法,提高学生对遥感影像数据的应用能力。
二、实验内容与步骤本次实验主要包括以下内容:1. 数据准备:获取实验所需的遥感影像数据,包括光学影像、红外影像等。
2. 影像预处理:对原始遥感影像进行辐射校正、几何校正、图像增强等处理。
3. 影像分割:对预处理后的影像进行分割,提取感兴趣的目标区域。
4. 影像分类:对分割后的影像进行分类,识别不同的地物类型。
5. 结果分析:对分类结果进行分析,评估分类精度。
三、实验步骤1. 数据准备- 获取实验所需的遥感影像数据,包括光学影像、红外影像等。
- 确保影像数据具有较好的质量和分辨率。
2. 影像预处理- 辐射校正:对原始遥感影像进行辐射校正,消除大气、传感器等因素对影像辐射强度的影响。
- 几何校正:对原始遥感影像进行几何校正,消除地形起伏、地球曲率等因素对影像几何形状的影响。
- 图像增强:对预处理后的影像进行图像增强,提高影像对比度、清晰度等。
3. 影像分割- 选择合适的分割方法,如基于阈值分割、基于区域生长分割、基于边缘检测分割等。
- 对预处理后的影像进行分割,提取感兴趣的目标区域。
4. 影像分类- 选择合适的分类方法,如监督分类、非监督分类等。
- 对分割后的影像进行分类,识别不同的地物类型。
5. 结果分析- 对分类结果进行分析,评估分类精度。
- 分析分类结果中存在的问题,并提出改进措施。
四、实验结果与分析1. 影像预处理结果- 经过辐射校正、几何校正和图像增强处理后,遥感影像的质量得到显著提高,对比度、清晰度等指标明显改善。
2. 影像分割结果- 根据实验所采用的分割方法,成功提取了感兴趣的目标区域,分割效果较好。
3. 影像分类结果- 通过选择合适的分类方法,对分割后的影像进行分类,成功识别了不同的地物类型。
遥感图像处理及应用
遥感图像处理及应用近年来,随着科技的日新月异,遥感技术在各行各业的应用中越来越广泛。
遥感图像处理是遥感技术应用的重要领域之一,它通过有效的遥感图像处理方法,将遥感获取的信息转换成数字图像或其他形式的数据,进行分析、处理和解释。
在农业、地质、城市规划、环境监测、车辆导航等领域的应用中,遥感图像处理发挥着不可替代的作用。
遥感图像处理的研究内容可以分为以下几个方面:一、图像增强和滤波图像增强是指对图像进行空域或频域处理,改善图像质量的过程。
滤波是通过对图像进行平滑或锐化等操作,提取图像中的特定信息。
图像处理中,常用的增强方法包括灰度拉伸、直方图均衡化等。
在滤波方面,中值滤波、高斯滤波等常用方法,在不同的应用场景中发挥着重要的作用。
二、图像分类和分割图像分类和分割是遥感图像处理的一个重要研究方向。
图像分类指对图像进行分类,将不同类别的物体区分开来,常用的方法有支持向量机(SVM)、随机森林(Random Forest)等。
图像分割是将图像分成多个不同的块,以方便对每个块进行分别处理,常用的方法有边缘检测法、区域生长法、水平线法等。
三、信息提取和分析遥感图像处理的最终目的是提取其中有用的信息,以达到特定的应用目的。
这些信息可以是建筑物的高度、土地利用情况、植被状况等。
在这方面的研究中,包括计算机视觉、模式识别、机器学习、人工智能等领域。
应用:遥感图像处理在各个领域的应用也越来越广泛。
在农业生产中,通过利用可见光和红外线等多种遥感数据,对土地作物覆盖、土地干旱程度、土地环境等进行划分和评估。
例如,在南繁所的科研团队,通过采用多光谱遥感图像处理技术,对南繁到处传说的榴莲黑心病因素进行搜寻和筛选,为解决榴莲黑心病提供了重要的科学依据。
在城市规划中,遥感图像处理可用来检测城市用地利用现状,以及预测城市未来的扩张趋势,从而更好地安排和规划城市的建设。
在环境监测中,遥感图像处理可用来对不同环境中的污染源进行检测,如空气污染、水污染、土壤污染等,进而诊断污染问题,从而采取预防和控制措施。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实验报告引言遥感技术作为一种获取地球表面信息的重要手段,已经在农业、环境、城市规划等领域得到广泛应用。
本实验旨在通过遥感图像处理,探索图像处理算法的应用效果,并分析其在实际应用中的潜力。
一、图像预处理图像预处理是遥感图像处理的第一步,其目的是消除图像中的噪声、增强图像的对比度和清晰度。
在本实验中,我们使用了直方图均衡化和中值滤波两种常见的图像预处理方法。
直方图均衡化是一种通过调整图像像素的灰度分布来增强图像对比度的方法。
通过对图像的灰度级进行重新分配,使得图像的灰度分布更加均匀,从而使得图像的细节更加清晰。
实验结果显示,直方图均衡化对于遥感图像的对比度增强效果显著。
中值滤波是一种常见的图像去噪方法,其原理是通过计算像素点周围邻域的中值来替代该像素点的值,从而消除图像中的噪声。
在本实验中,我们使用了3x3的中值滤波器对遥感图像进行滤波处理。
实验结果表明,中值滤波能够有效地去除图像中的椒盐噪声和高斯噪声,使得图像更加清晰。
二、图像分类图像分类是遥感图像处理的核心任务之一,其目的是将遥感图像中的像素点按照其特征分类到不同的类别中。
在本实验中,我们使用了支持向量机(SVM)算法进行图像分类。
支持向量机是一种常用的机器学习算法,其通过构建一个最优超平面来实现分类。
在图像分类中,我们将遥感图像中的每个像素点看作一个数据样本,其特征由像素的灰度值和纹理信息组成。
通过对训练样本进行学习,支持向量机能够建立一个分类模型,从而对测试样本进行分类。
实验结果显示,支持向量机在遥感图像分类中表现出较高的准确性和鲁棒性。
通过调整支持向量机的参数,我们可以得到不同的分类结果。
此外,支持向量机还能够处理高维数据和非线性分类问题,使其在遥感图像处理中具有广泛的应用前景。
三、图像变换图像变换是遥感图像处理中的重要环节,其目的是将图像从一个空间域转换到另一个空间域,从而提取图像中的特征信息。
在本实验中,我们使用了小波变换和主成分分析两种常见的图像变换方法。
遥感数据处理技术研究
遥感数据处理技术研究引言随着科学技术的不断进步,遥感技术已经成为了地球观测研究的一个重要工具。
遥感技术能够利用卫星、航空器等技术手段对地球进行观测,获取地球上各种信息,掌握地球环境、资源分布、灾害情况等重要信息,为国家的发展和人类的生存提供重要保障。
本文主要讨论遥感数据处理技术的研究,以期给相关研究者提供参考。
一、遥感图像的预处理遥感图像的获取涉及到很多技术,其中最主要的是遥感传感器。
遥感传感器可以通过感知地面上的电磁波来获取地球表面的信息,但是由于地球上存在大量的云层、大气、地表光照等干扰因素,所以遥感图像的预处理是必不可少的。
遥感图像的预处理包括以下几个方面:1.去噪由于遥感图像是通过传感器感知地面上的电磁波产生的,所以遥感图像中会存在一些噪声。
这些噪声可能会影响到遥感图像的分析和应用,因此在处理遥感图像之前需要进行去噪处理。
去噪处理可以通过一定的算法对遥感图像进行滤波,将噪声信号去除。
目前常用的遥感图像去噪算法有小波变换去噪算法、快速傅里叶变换去噪算法等。
2.几何校正由于遥感图像是由卫星或者航空器等进行采集,所以在采集的过程中可能会存在一些几何失真的问题。
这种几何失真可能会影响遥感图像的精度和准确性,因此需要进行几何校正。
几何校正是指利用地面控制点对遥感图像进行校正,消除遥感图像中的几何失真。
3.边缘检测在遥感图像的分析和处理中,边缘检测是一个非常重要的步骤。
边缘检测可以识别出遥感图像中的物体边界和形状,为后续的分析和处理提供数据支持。
目前常用的遥感图像边缘检测算法有Canny算法、Sobel算法、Laplacian边缘检测算法等。
二、遥感数据融合技术遥感数据融合技术是将来自不同遥感传感器的数据进行融合,从而得到更加完整、准确的遥感信息。
遥感数据融合技术的目的是利用多源数据的优势,提取遥感图像的更多信息,从而满足更多的应用需求。
遥感数据融合技术可以分为以下几种类型:1.基于像元的遥感数据融合基于像元的遥感数据融合是指将来自不同传感器的图像对应像元进行融合,得到更加准确的像元信息。
图像处理技术在无人机遥感应用中的应用
图像处理技术在无人机遥感应用中的应用一、引言无人机遥感是一项热门的技术,它可以对地面进行高分辨率的图像拍摄和数据的搜集。
而图像处理技术则是无人机遥感数据处理中不可或缺的一部分,可以使数据更加准确、有用。
本文主要介绍图像处理技术在无人机遥感应用中的应用。
二、无人机遥感简介无人机遥感是一种基于无人机平台进行信息获取的技术,在农业、地质、环境、水资源和公共安全等领域得到了广泛应用。
无人机能够获取高分辨率的、实时的、大面积的遥感数据。
三、图像处理技术在无人机遥感中的应用1、图像拼接在无人机遥感采集的过程中,需要将多幅图像进行拼接,以形成更全面的地形图。
图像拼接技术可以将多幅图像拼接成大图像,包括图像拼接算法、图像匹配和图像纹理映射等。
2、图像分割图像分割是将整个图像划分为若干个属于同一类别或含有某些特征的像素集的过程。
在无人机遥感中,图像分割技术可以分析遥感图像的内容,把图像分成不同的区域,从而得出遥感图像中不同地形特征的信息。
3、目标检测无人机遥感数据可以用于进行目标检测,如人、车、建筑等。
通过图像处理技术,遥感图像中的目标可以被自动检测和识别出来,从而可以辅助军事和民用领域的情报分析。
4、地物分类地物分类是对遥感图像中的地物按类别进行识别和分类,便于对地形进行评估和利用。
利用图像处理技术,可以从无人机遥感图像中提取出各种地形特征,如水域、耕地、城市建筑等,并对其进行有效地地物分类。
5、点云重建点云重建是将点云数据转换为三维模型的过程。
在无人机遥感中,使用激光雷达扫描地面后得到点云数据。
通过图像处理技术,可以对点云数据进行处理,从而生成三维模型。
四、无人机遥感图像处理技术的发展趋势1、大数据技术无人机遥感图像是大数据的典型代表,需要大数据技术进行处理和分析。
2、深度学习深度学习作为一种新的图像处理方法,在无人机遥感图像处理中也得到了广泛应用。
通过深度学习技术,可以有效地进行图像分类、目标检测等操作。
3、云计算无人机遥感数据收集的速度很快,处理和存储需要较大的计算能力和存储空间。
遥感影像处理中的图像分类算法研究
遥感影像处理中的图像分类算法研究引言:遥感影像处理主要涉及对遥感图像进行分类,即将图像中的像素点根据其特征分为不同的类别。
这项工作对于土地利用、资源管理、环境监测等领域具有重要意义。
图像分类算法是遥感影像处理的核心技术之一,本文将研究当前遥感影像处理中常用的图像分类算法,并探讨其应用。
一、最大似然分类最大似然分类是一种常见的单波段图像分类方法,其基本思想是通过最大化像素点属于某一类别的概率来实现分类。
这一方法通常前提假设是像素点的灰度值服从高斯分布,从而通过计算每个类别的均值和方差来计算概率。
然后将像素点分配给使得概率最大的类别。
最大似然分类算法的优点是简单易懂,计算速度快。
然而,该方法对光照不均匀、地物相似等问题不敏感,容易在复杂的遥感影像中产生分类误差。
因此,需要结合其他方法进行改进。
二、支持向量机(SVM)支持向量机是一种经典的二元线性分类模型,广泛应用于遥感影像分类领域。
它的基本思想是将训练样本通过一个超平面分割为两个类别,使得两个类别的间隔最大化。
在遥感影像处理中,支持向量机通过对训练样本进行特征提取,获得一个高维空间中样本点投影,并根据分割超平面的位置对遥感图像进行分类。
支持向量机具有较好的泛化能力和适应性,能够处理高维数据和非线性问题,对图像分类具有较好的效果。
三、决策树分类方法决策树是一种基于特征选择和决策规则的图像分类方法,适用于多属性、多类别的图像分类问题。
决策树通过将样本分割成互斥的子集,每个子集对应一个决策规则,从而实现分类过程。
遥感影像处理中的决策树分类方法包括C4.5算法和随机森林算法等。
其中C4.5算法采用信息增益指标进行特征选择,能够有效地处理多属性情况,但容易出现过拟合问题。
而随机森林算法则通过构建并集成多个决策树来减少过拟合现象,提高分类效果。
四、深度学习深度学习是近年来兴起的一种机器学习方法,具有强大的特征提取和图像分类能力,被广泛运用于遥感影像处理。
深度学习通过神经网络模拟人脑的工作原理,通过多层次的特征学习和抽象实现对遥感图像的分类。
遥感数据的图像处理与应用
遥感数据的图像处理与应用遥感技术是通过利用卫星、飞机等遥感平台获取地表信息,进行信息处理、分析和应用的一种技术。
遥感数据的图像处理是其中的重要部分,可以为后续的遥感应用提供更加精确和可靠的数据支持。
本文将从遥感数据的获取、图像处理的方法和遥感数据的应用三个方面,介绍遥感数据的图像处理与应用的相关内容。
一、遥感数据的获取遥感数据的获取是遥感技术的前提,而卫星、飞机是获取遥感数据的主要平台。
目前,国内外的遥感数据主要来源于美国、法国、加拿大、德国、日本等国家和地区的卫星。
这些卫星涵盖了大部分的地球表面,可以提供高分辨率的遥感数据。
另外,一些自主研发的卫星和无人机等遥感平台也能够获取遥感数据。
遥感数据的获取一般分为两种方式,即主动传感和被动传感。
主动传感是指利用雷达、激光等设备向地面发射能量,利用接收到的回波数据获取地面信息;被动传感是指利用卫星等设备接收地面某一波段的辐射能量,根据反射或辐射能量的强度、频率、偏振等特征判断地表的属性和变化情况。
二、图像处理的方法遥感数据的图像处理是指对遥感数据进行处理和分析,以提取和解释地表信息的一系列方法。
其中,数字图像处理技术是遥感图像处理的核心技术,包括图像增强、分类、变换等。
下面分别介绍一些常用的图像处理方法。
(一)图像增强图像增强是指将遥感图像中的一些细节信息加强,以更加清晰地展示地表物体和地貌等特征。
图像增强的方法主要包括直方图均衡化、边缘增强、空间点运算等。
直方图均衡化是一种线性变换方法,它通过对图像像素的灰度分布进行均衡,来提高图像的对比度和亮度等。
边缘增强则是在保留图像主要信息的基础上,利用高通滤波器等技术对图像边缘进行强化。
(二)图像分类图像分类是将遥感图像中的信息按照某种标准归纳并分成类别的过程。
常用的分类方法包括有监督分类和无监督分类。
有监督分类是利用已知分类样本进行分类,例如利用人工标注的矢量数据来进行分类。
无监督分类则是利用统计学方法对像元数据进行分类,比如聚类的方法,将相似性的像元划分成一个类。
遥感图像数据预处理研究
应 用研 究 ・
遥 感 图像 数 据 预 处 理 研 究
潘 勇
( 中南林业科技 大学涉外 学院
湖南长沙
408) 10 3
摘 要 : 绍 了 感 图像 处理软件选取 . 介 遥 数据 预处理的 影像 裁剪 , 影设 置 、 投 分类 前预处理 , 出 了 感 图像数据 预处理 的研 究方法 。 给 遥 关键词 : 影像 裁剪 投影设置 最小噪 声分 离变换 中图分 类 号 : P 5 T 71 文 献标 识 码 : A 文 章编 号 :0 7 9 1 ( 0 01 — 0 4 O 1 0— 4 62 1)2 0 7 一 1
8 4 . 6 5 7 5 3 加入 到 elp e.x 的 末 1 0 0, 3 6 5 . ” li s t t 端 。注意 :H p e t t ( e i s .x 文件 中已经有 了克 拉 索 E RDAS, NVITI E , TAN等 等 。 根据 本研 究 所 夫 斯 基椭 球 , 是 由于 翻译 原 因 , 里 的 英 但 这 涉及 的 内容 以 及 所用 到 的技 术 方 案 , 择E 选 文名 称 是K a s v k , 了让 其 他软 件 平 台 r so s y 为 N 作 为此 次 遥感 图像 处理 软 件 。 VI 因为 与 其 能够 识 别 , 里需 要 新 建 一个 Kr s v k 椭 这 aosy 他遥 感 图像 处 理 软 件 相 比 , ENVI 具有 以 下 球 体 。第 二 步 是 添 加基 准 面 。 ) 语法 为<基 准 三大 优 势 。 第一 大 优势 在 于它 为 遥感 图像处 面名 称 >, <椭 球 体 名称 >, <平移 三 参 数>。 理提 供 了独 一 无 二 的 技 术一 它 使用 交互 式 这里依 次将 “ e ig 4 Krs v k 一1 , B rn 5 , ao s y, 2 的功 能 将 基 于 波 段 和 基 于 文 件 的 技 术相 结 1 3, 4 ” “ n 0 I 7 0, , ” l l 和 Xia -8 ,AG 5, 0 0 加 合 。 果 同 时 打开 了 多个 文 件 , 同 数据 类 入到d t m .x 的末端 。注意 : 的时候 为 如 不 au tt ( 有 型的 波 段仍 可 以被 当 作 一 组数 据 来 处 理 。 了与 其他 软 件平 台兼容 , 准 面 的名 称直 接 E 基 NvI 的显 示 窗 口主 要包 含 一 个 主 图像 窗 口、 写成 所 用 的椭 球 体 名 称 。第 三 步 为 定 义 坐 ) 个 缩 放 窗 口、 个 滚 动 窗 口 , 一 所有 的窗 口 标 。 NVI 任何 能 够 用到 投 影坐 标 的功 在E 中, 都 可 以重 新 调 整 尺 寸 。 过 这 些 窗 口 , 通 用户 能模 块 中都 可 以新 建坐 标 系( 在任 何 地 图投 常 见 的遥 感 图像 处 理软 件 有很感 图像处 理软件 选取
图像处理技术论文
图像处理技术及其应用摘要:数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
在当今,数字图像处理正与当今社会的各个方面紧紧相连,密不可分。
本文针对其发展应用进行了系统的论述。
关键字:数字图像处理;计算机技术;检测;应用引言计算机图像处理技术是在20世纪80年代后期,随着计算机技术的发展应运而生的一门综合技术。
图像处理就是利用计算机、摄像机及其它有关数字技术,对图像施加某种运算和处理,使图像更加清晰,以提取某些特定的信息,从而达到特定目的的技术。
随着多媒体技术和网络技术的快速发展,数字图像处理已经广泛应用到了人类社会生活的各个方面,如:遥感,工业检测,医学,气象,通信,侦查,智能机器人等。
无论在哪个领域中,人们喜欢采用图像的方式来描述和表达事物的特性与逻辑关系,因此,数字图像处理技术的发展及对其的要求就越来显得重要。
1数字图像处理技术概述及发展20世纪20年代,图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。
到20世纪50年代,数字计算机发展到一定的水平后,数字图像处理才真正引起人们的兴趣。
1964年美国喷气推进实验室用计算机对“徘徊者七号”太空船发回的大批月球照片进行处理,收到明显的效果。
20世纪60年代末,数字图像处理具备了比较完整的体系,形成了一门新兴的学科。
20世纪70年代,数字图像处理技术得到迅猛的发展。
理论和方法进一步完善,应用范围更加广泛。
在这一时期,图像处理主要和模式识别及图像理解系统的研究相联系,如文字识别、医学图像处理、遥感图像的处理等。
20世纪70年代后期到现在,各个应用领域对数字图像处理提出越来越高的要求.促进了这门学科向更高级的方向发展。
特别是在景物理解和计算机视觉(即机器视觉)方面,图像处理已由二维处理发展到三维理解或解释。
近年来,随着计算机和其它各有关领域的迅速发展,例如在图像表现、科学计算可视化、多媒体计算技术等方面的发展,数字图像处理已从一个专门的研究领域变成了科学研究和人机界面中的一种普遍应用的工具。
遥感图像处理技术在恢复与重建过程中的应用
遥感图像处理技术在恢复与重建过程中的应用随着科技的不断发展,遥感技术成为了重要的技术手段,广泛应用在许多领域。
尤其是在自然灾害和人类活动造成的破坏中,遥感图像成为了重要的数据来源,为重建、修复、保护等提供了可靠的依据。
本文将介绍遥感图像处理技术在恢复与重建过程中的应用,包括自然灾害中的应用、城市规划中的应用以及文物保护中的应用。
自然灾害中的应用自然灾害是造成悲剧的最主要原因之一。
地震、洪水、火灾等自然灾害造成的破坏程度严重,恢复和重建的工作是一个长期而繁琐的过程。
因此,在这个过程中,遥感图像处理技术是恢复和重建的重要辅助。
首先,遥感图像处理技术可用于自然灾害现场的监测和损失评估。
在地震发生后,遥感图像可以帮助我们实时了解灾区情况,发现被掩盖的建筑物,评估损失情况,以便为救援和重建工作提供参考。
其次,遥感图像处理技术还可以用于自然灾害后的资源调查和规划。
以洪水灾害为例,洪水过后,我们需要确定受灾面积,测量水深和水流速度以及了解河道是否发生变化等。
这些信息需要用遥感数据来获取和处理。
遥感图像处理技术还可以提供影像融合技术和地形分析技术等更复杂的分析方法,以便更好地评估损失情况和重新规划河流。
城市规划中的应用城市规划是一项长期的、沉重的任务。
城市规划需要考虑城市的环境、社会和经济等因素,以便更好地促进城市的可持续发展。
而遥感图像处理技术能够提供需要的信息以及进行模拟和分析。
首先,遥感图像处理技术可以用于城市土地利用的监测和变化检测。
通过遥感图像,我们可以监测城市土地利用状况的变化,比如耕地转化、城市扩张、工业园区的扩大等变化。
这一成果可用于城市规划的更新,并促进城市土地资源的合理分配和利用。
其次,遥感图像处理技术还可以进行城市空间信息的提取与建模。
通过遥感图像处理技术的增强方法和特征提取方法,我们可以提取和建立城市地形、建筑物、交通网络等信息,为城市规划的模拟和评估提供支持。
文物保护中的应用文物保护是一个很有挑战性的任务。
- 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)。
2011年春季学期期末考试
数
字
图
像
处
理
院校:
班级:
学号:
姓名:
遥感数字图像监督分类与非监督分类比较研究
内容摘要:本文主要介绍遥感图像分类的监督分类法与非监督分类法原理、步骤之间的差别,探讨数字图像分类在两种不同分类方法所得分类结果的精度分析。
关键词:数字图像分类、监督分类、非监督分类
引文:遥感作为近几十年迅速发展起来的一门综合性技术学科,因其具有观测范围广、采集信息量大、获取信息速度快等特点,已经在民用和军用的众多领域发挥了重大作用。
遥感图像处理是遥感科学与具体应用相结合的重要技术途径。
遥感图像分类是遥感图像处理的一个重要内容,其中监督分类作为一种先学习后分类的机器学习策略,是对遥感图像进行定量分析的主要手段,应用领域十分广阔。
随着传感器、遥感平台、数据通信等相关技术的发展,通过遥感手段获取的数据量急剧膨胀,迫切需要快速遥感图像处理技术的支持。
同时,各应用领域对遥感图像的处理速度和分析结果的量化程度要求越来越高。
高精度、快速的遥感图像监督分类技术是遥感科学走向实用化、产业化的一个重要突破口。
一、监督分类的原理与非监督分类原理
1、监督分类法:根据已知地物、选择各类别的训练区。
计算各训练区内像元的平均灰度值,以此作为类别中心并计算其协方差矩阵。
对于图像各未知像元,则计算它们和各类别中心的距离。
当离开某类别中心的距离最近并且不超过预先给定的距离值时,此像元即被归入这一类别。
当距离超过给定值时,此像元归入未知类别,最大似然率法是常用的监督分类法。
2、非监督分类法:根据各波段图像像元灰度分布的统计量,设定N个均值平均分布的类别中心。
计算每个像元离开各类别中心的距离,并把它归入距离最近的一类。
所有像元经计算归类后算出新的类别中心,然后再计算各个像元离开新类别中心的距离,并把它们分别归入离开新类别中心最近的一类。
所有像元都重新计算归类完毕后,又产生新的类别中心。
这样迭代若干次,直到前后两次得到的类别中心之间的距离小于给定值为止。
二、监督分类法与非监督分类法的比较
1、监督分类包括利用训练区样本建立判别函数的“ 学习” 过程和把待分像元代入判别函数进行判别过程。
监督分类中常用的具体分类方法包括:
(1) 最小距离分类法,最小距离分类法原理简单,分类精度不高,但计算速
度快,它可以在快速浏览分类概况中使用。
(2) 多级切割分类法,多级分割法分类便于直观理解如何分割特征空间,以及待分类像素如何与分类类别相对应。
(3) 特征曲线窗口法,特征曲线窗口法可以根据不同特征进行分类,如利用标准地物光谱曲线的位置(nm) 、反射峰或谷的宽度和峰值的高度作为分类的识别点,给定误差容许范围,分别对每个像素进行分类;或者利用每一类地物的各个特征参数上、下限值构造一个窗口,判别某个待分像元是否落入该窗口,只要检查该像元各特征参数值是否落入到相应窗口之内。
特征曲线窗口法分类的效果取决于特征参数的选择和窗口大小。
各特征参数窗口大小的选择可以不同,它要根据地物在各特征参数空间里的分布情况而定。
(4) 最大似然比分类法,最大似然比分类法(maximum likelihood classifier) 是经常使用的监督分类方法之一,它是通过求出每个像素对于各类别归属概率,把该像素分到归属概率最大的类别中去的方法。
最大似然比分类法在多类别分类时,常采用统计学方法建立起一个判别函数集,然后根据这个判别函数集计算各待分像元的归属概率。
这里,归属概率是指:对于待分像元x ,它从属于分类类别k 的(后验)概率。
2、非监督分类的前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。
非监督分类方法不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱信息(或纹理信息)进行特征提取的统计特征的差别来达到分类的
目的,最后对已分出的各个类别的实地属性进行确认。
非监督分类主要采用聚类分析方法,聚类是把一组像素按照相似性归成若干类别,即“ 物以类聚” 。
它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。
常用的方法有:
(1) 分级集群法( Hierarchical Clustering )
分级集群法采用“距离”评价各样本(每个像元)在空间分布的相似程度,把它们分布分割或者合并成不同的集群。
每个集群的地理意义需要根据地面调查或者与已知类型的数据比较后方可确定。
(2) 动态聚类法
在初始状态给出图像粗糙的分类,然后基于一定原则在类别间重新组合其样
本,直到分类比较合理为止,这种聚类方法就是动态聚类。
ISODATA
( ISODATA :Iterative - Orgnizing Data Analysize Technique 迭代自组织数据分析技术)方法在动态聚类法中具有代表性。
三、监督分类的步骤与非监督分类的步骤
1、遥感图像监督分类的步骤首先定义分类模板,显示要进行分类的图像;其次打开摸板编辑器并调整显示字段;然后获取分类模板信息;再次保存分类模板;最后执行监督分类。
具体表现为:
(1)首先明确遥感图像分类的目的及其需要解决的问题,在此基础上根据应用目的选取特定区域的遥感数字图像,图像选取中应考虑图像的空间分辨率、光谱分辨率、成像时间、图像质量。
(2)根据研究区域,收集与分析地面参考信息与有关数据。
为提高计算机分类的精度,需要对数字图像进行辐射校正和几何纠正( 这部分工作也可能由提供数字图像的卫星地面站完成)。
(3)对图像分类方法进行比较研究,掌握各种分类方法的优缺点,然后根据分类要求和图像数据的特征,选择合适的图像分类方法和算法。
根据应用目的及图像数据的特征制定分类系统,确定分类类别,也可通过监督分类方法,从训练数据中提取图像数据特征,在分类过程中确定分类类别。
(4)找出代表这些类别的统计特征。
(5)为了测定总体特征,在监督分类中可选择具有代表性的训练场地进行采样,测定其特征。
在无监督分类中,可用聚类等方法对特征相似的像素进行归类,测定其特征。
(6)对遥感图像中各像素进行分类。
包括对每个像素进行分类和对预先分割均匀的区域进行分类。
(7)分类精度检查。
在监督分类中把已知的训练数据及分类类别与分类结果进行比较,确认分类的精度及可靠性。
在非监督分类中,采用随机抽样方法,分类效果的好坏需经实际检验或利用分类区域的调查材料或专题图进行核查。
(8). 对判别分析的结果统计检验。
2、非监督分类的步骤
非监督分类运用1SODATA(Iterative Self-Organizing Data Analysis Technique )算法,完全按照像元的光谱特性进行统计分类,常常用于对分类区
没有什么了解的情况。
使用该方法时,原始图像的所有波段都参于分类运算,分类结果往往是各类像元数大体等比例。
由于人为干预较少,非监督分类过程的自动化程度较高。
非监督分类一般要经过以下几个步骤:初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。
四、监督分类结果精度与非监督分类结果精度
1、监督分类
遥感图像监督分类处理包括分类预处理、分类判别和分类后处理三个阶段。
分类判别阶段的学习算法是影响监督分类精度的关键因素。
分类预处理阶段的几何校正和分类判别阶段的学习与分类计算复杂度高,是导致遥感图像监督分类处理速度慢的主要原因。
2、非监督分类
非监督分类不需要更多的先验知识,它根据地物的光谱统计特性进行分类。
因此,非监督分类方法简单,且分类具有一定的精度。
五、结论:本文只是对遥感数字图像监督分类与非监督分类作简单的比较介绍,监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别
知识,监督分类根据训练场提供的样本选择特征参数、建立判别函数,对待分类点进行分类。
非监督分类不需要更多的先验知识,它根据地物的光谱统计特性进行分类。
因此,非监督分类方法简单,且分类具有一定的精度。
参考文献:
[1] 汤国安等.遥感数字图像处理.科学出版社,2004-3
[2] 党安荣等.ERDAS IMAGINE遥感数字图像处理.清华大学出版社,2010-4
[3] 蒋艳凰.遥感图像高精度并行监督分类技术研究. 国防科学大学, 2004
[4]巢宁佳. 遥感影像监督分类江西测绘,2007-04期
[5] 杨鑫. 浅谈遥感图像监督分类与非监督分类四川地质学报, 2008, (03) .。