遥感的定义与分类ppt

合集下载

遥感图像的分类课件

遥感图像的分类课件
通过模拟水流淹没过程,将图像 分割成不同区域,然后对每个区 域进行特征提取和分类。这种方 法能够充分利用图像的形状、纹
理等空间信息。
区域生长法
从种子点开始,根据像素之间的 相似性(如灰度值、纹理等)进 行区域扩展,直到无法再扩展为 止。然后对每个区域进行特征提
取和分类。
随机森林
随机森林是一种集成学习算法, 通过构建多个决策树并结合它们 的预测结果来进行分类。这种方 法能够处理高维特征,并在一定
支持向量机(SVM) SVM是一种二分类模型,通过寻找最优超平面来对像素进 行分类。对于多类别分类问题,可以通过构建多个二分类 器来解决。
K最近邻(KNN) KNN算法根据像素周围K个最近邻的类别来决定该像素的 类别。这种方法考虑了空间上下文信息,通常能够取得较 好的分类效果。
基于对象的分类算法
分水岭算法
遥感图像分类的基本流程
• 流程概述:遥感图像分类的基本流程包括数据预处理、特征提取、分类器设计和分类结果评价四个主要步骤。其中,数据 预处理是对原始遥感图像进行预处理操作,如去噪、增强等,以改善图像质量和提高分类精度;特征提取是从预处理后的 图像中提取出有效的光谱、空间、纹理等特征,为后续分类器设计提供输入;分类器设计是根据提取的特征,选择合适的 算法设计分类器,实现对图像的自动分类;分类结果评价是对分类结果进行评估和分析,以验证分类方法的有效性和可行性。
城市用地分 类
遥感图像分类可用于城市用地类型的 识别与划分,为城市规划提供基础数 据。
城市扩展与变化监测
利用遥感图像分类技术对城市扩展和 变化进行监测,为城市规划和管理提 供科学依据。
遥感图像分类的研究前沿与挑战
深度学习技术应用
将深度学习技术应用于遥感图像分类, 提高分类精度和自动化程度。

测绘学概论第8章 遥感科学与技术

测绘学概论第8章 遥感科学与技术



➢ 空间分辨率:通常指一个像素对应

地面的实际大小。一般遥感图像分

辨率指的是地面分辨率;

➢ 光谱分辨率:成象范围内波谱带数

目;


➢ 时间分辨率:重复获取某地区图像

的周期;
➢ 温度分辨率(热红外):可探测的
温度变化幅度。
应用需求
资源
农业
环境
森林
国防
高光谱
多光谱
交通
城市
光谱分辨率
全色
100 m
公司 ESA NOAA
发射时间 1995 1994-1995
NASDA 1995 ISRO 1996-1997 中国 1997
位置 0o
75135oW 135oE 75oE 105oE
8.3 遥感信息获取
太阳同步极轨气象卫星系统
系统 公司
NOAA- NOAA 14
NOAA-K NOAA
FY-
中国
1A/1B
非图像方式(主动式和被动式)
雷达高度计 合成孔径雷达 微波辐射计 红外辐射计

8.2 遥感的电磁波谱
电磁波谱
8.2 遥感的电磁波谱
遥感技术使用的电磁波分类名称和波长范围
名称
波长范围
紫外线 可见光
近红外
100 A°~0.4μm 0.4~0.7μm 0.76~3.0μm
紫 0.38~0.43μm 蓝 0.43~0.47μm 青 0.47~0.50μm
radarsat
Landsat
SPOT
ers SEASAT
JERS
NOAA
航天遥感传感器搭载的主要平台是卫星。 上图是目前国外常用的遥感卫星。

《遥感技术的应用》课件

《遥感技术的应用》课件
利用遥感技术实时监测森 林火灾的发生和发展,及 时组织灭火,减少损失。
林业病虫害监测
遥感技术可监测林业病虫 害的发生和扩散,为防治 工作提供决策依据。
城市规划与管理领域
城市扩张监测
通过遥感技术监测城市扩张和土 地利用变化,为城市规划和政策 制定提供数据支持。
城市环境质量监测
利用遥感技术监测城市空气、水 质等环境质量状况,为城市环境 治理提供决策依据。
遥感技术的分类
按平台分类
可分为航天遥感、航空遥感和地面遥感。
按传感器类型分类
可分为光学遥感、雷达遥感和多光谱遥感等 。
按应用领域分类
可分为农业遥感、林业遥感、环境遥感、城 市规划遥感等。
02
遥感技术的应用领域
农业领域
01
02
03
农业资源调查
利用遥感技术获取土地、 水、气候等农业资源的分 布和状况,为农业规划和 生产提供决策依据。
遥感技术发展面临的挑战
1 2 3
数据安全与隐私保护
随着遥感数据的广泛应用,数据安全和隐私保护 问题日益突出,需要加强数据管理和法律法规的 建设。
技术标准与规范
目前遥感技术标准不一,数据格式多样,需要建 立统一的技术标准和规范,促进遥感技术的交流 和应用。
高昂的成本
遥感技术设备和数据处理成本较高,限制了其在 某些领域的应用,需要降低成本以扩大应用范围 。
如何应对遥感技术发展面临的挑战
加强技术研发和创新
建立数据安全和隐私保护机制
通过加大投入和研发力度,推动遥感技术 的不断创新和发展,提高技术水平和应用 效果。
制定严格的数据管理和隐私保护政策,加 强技术防范措施,保障数据安全和隐私权 益。
推进标准化和规范化建设

《遥感基本知识》课件

《遥感基本知识》课件
详细描述
遥感技术通过卫星或飞机搭载的传感 器收集地面环境数据,如空气质量指 数、水质参数等,为环境保护部门提 供实时、大范围的环境监测信息。
城市规划
总结词
遥感技术为城市规划提供空间信 息和地理数据支持。
详细描述
在城市规划过程中,遥感数据可 以用于分析城市空间布局、土地 利用变化、城市扩张等方面,为 城市规划决策提供科学依据。
农业管理
总结词
遥感技术有助于农业生产的监测和管理。
详细描述
遥感技术能够实时监测作物生长状况、土壤湿度、病虫害等,为农业生产提供 科学指导,提高农业生产效率和产量。
地质调查
总结词
遥感技术在地质调查中发挥重要作用,可进行矿产资源调查 和地质灾害预警。
详细描述
通过遥感技术获取的地质信息,可以分析矿产分布、地质构 造等信息,同时对地质灾害如滑坡、泥石流等进行预警,减 少灾害损失。
图像分类与识别
监督分类
基于训练样本对遥感图像进行 分类,如支持向量机、决策树
等算法。
非监督分类
利用聚类算法对遥感图像进行 分类,无需预先确定类别。
面ห้องสมุดไป่ตู้对象分类
将遥感图像中的对象作为基本 单元进行分类,具有更高的分 类精度和稳定性。
目标识别
利用计算机视觉技术对遥感图 像中的特定目标进行识别和检
测,如建筑物、车辆等。
04
遥感技术的发展趋势
高光谱遥感
总结词
高光谱遥感技术利用了大量的光谱信息,能够更精确地识别和分类地物,提高了 遥感数据的分辨率和准确性。
详细描述
高光谱遥感技术通过获取地物在不同光谱波段的反射和辐射信息,能够识别出更 多的地物特征和属性。这种技术能够提供更丰富的地物信息,有助于更好地理解 地球表面的生态系统和环境变化。

《遥感图像分类》课件

《遥感图像分类》课件
特征变换
将原始特征进行变换,生成新的特征,以更好地 反映地物类别之间的差异。
分类器设计
监督分类
利用已知样本的训练集设计分类器,对未知样本进行分类。
非监督分类
对未知样本进行聚类分析,将相似的样本归为同一类。
混合分类
结合监督分类和非监督分类的优势,提高分类精度和稳定性。
分类结果评价
精度评价
通过比较分类结果与实际地物类别, 计算分类精度、混淆矩阵等指标。
THANKS
感谢观看
分类器。
多源遥感数据融合问题
多源遥感数据融合可以提高分类精度和可靠性,但同时也带 来了数据匹配、融合算法选择等问题。
解决多源遥感数据融合问题的策略包括使用先进的融合算法 ,如基于深度学习的融合方法,以及优化数据匹配方法。
遥感图像分类技术的发展趋势
01
遥感图像分类技术正朝着高精度、高效率和自动化的方向发展 。
可靠性评价
评估分类结果的稳定性、可靠性以及 抗干扰能力。
应用价值评价
根据分类结果在实际应用中的价值, 如土地利用、资源调查、环境监测等
,对分类方法进行综合评价。
04
CATALOGUE
遥感图像分类的挑战与展望
数据质量问题
遥感图像常常受到噪声、失真和 模糊等影响,导致数据质量下降

数据质量问题还表现在不同传感 器获取的图像之间的差异,以及 不同时间获取的图像之间的变化
遥感图像分类的应用
遥感图像分类在多个领域有广泛应用,如环境保护、城市规划、资源调查、军事 侦察等。
通过遥感图像分类,可以快速获取大范围的地物信息,为相关领域的决策提供科 学依据。
02
CATALOGUE
遥感图像分类的方法

《遥感技术》课件

《遥感技术》课件

总结词
遥感技术能够快速、准确地监测环境状 况,为环境保护和治理提供数据支持。
VS
详细描述
遥感技术可以监测大气污染、水体污染、 土壤污染等情况,通过遥感数据的分析, 可以了解污染源的分布和排放情况,为环 境治理和保护提供科学依据。同时,遥感 技术还可以监测自然灾害和生态变化等环 境问题,为灾害预警和生态保护提供数据 支持。
THANKS
感谢观看
无人机遥感技术
无人机遥感技术是指利用无人机搭载遥感器进行遥感数据采 集和处理的技术。无人机遥感技术具有机动灵活、快速响应 、成本低廉等优点,因此在应急救援、环境保护、农业监测 等领域得到广泛应用。
无人机遥感技术可以快速获取高分辨率的遥感数据,对于需 要快速响应的应用场景具有重要意义。同时,无人机遥感技 术还可以结合其他传感器和通信设备,实现多源数据的融合 和传输,提高遥感应用的综合效益。
森林资源调查
总结词
遥感技术是进行森林资源调查的重要手段,能够快速获取森林面积、覆盖率、生 长状况等信息。
详细描述
通过卫星遥感技术,可以获取大范围、高分辨率的森林资源数据,包括森林面积 、覆盖率、树种分布、生长状况等。这些数据有助于了解森林资源的现状和变化 趋势,为森林保护和可持续发展提供科学依据。
遥感数据的接收与处理
遥感数据的接收
遥感数据通过卫星轨道接收站、地面站和飞机接收站等设备 进行接收。
遥感数据处理
遥感数据处理包括辐射定标、大气校正、几何校正和图像解 译等步骤,以提取有用的信息。
03 遥感图像处理
遥感图像的预处理
辐射定标
将传感器接收到的辐射亮 度转化为地表的反射率或 温度等物理量,为后续图 像处理提供准确数据。
电磁波谱

遥感的概念及发展趋势课件.ppt

遥感的概念及发展趋势课件.ppt

与地物作用,包括反射、吸收
地物辐射

大气吸收、透射、散射
大气自身辐射

传感器
传感器噪声
图像(数字或光学)
地面站接收
地物三大属性及其遥感特征
光谱
地物
反射率
光滑红瓦
煤灰
风化红瓦
沥青石子
混凝土

70
白色橡胶覆盖

60
50
4030201000
2
4
6
8
10
12
14
波长(um)
空间
辐 射 成 像 遥 感(单波段成像)
高时间分辩率
全 球 NDVI 连 续 变 化 (2002年9月—12月)
遥感技术发展趋势
高光谱分辩率
遥感技术发展趋势
高光谱分辩率
真假草地区分
遥感技术发展趋势 高光谱分辩率
相同油漆下不同屋顶钢材的识别
遥感技术发展趋势 高光谱分辩率
N
绿色的草坪,绿色的 飞机,绿色的机库,
绿色的房顶
绿色为植被,沙漠为棕黄色, 水为蓝色
遥感监测的全球海洋风场
遥感技 术 发 展 趋 势
SPOT-5
EROS
QuickBird
遥感技术发展趋势 高空间分辩率
北京市遥感图
世 贸 大 楼
遥感技术发展趋势
高时间分辩率
传感器 重访周期(天数)
TM
l6
SPOT 26
AVHRR 1
MODIS 0.5
遥感技术发展趋势
遥感:泛指一切无接触的远距离探测。
狭义:基于特定的空间平台,应用探测仪器, 从远处记录目标物的电磁波特征,通过分析,揭 示出物体的特征性质及其变化的综合性探测技术。

《遥感概述》课件

《遥感概述》课件
通过遥感技术评估城市 老旧区域,为城市更新 和改造提供决策依据。
环境监测与保护领域的应用
1 2
环境污染监测
利用遥感技术监测大气、水体、土壤等环境污染 状况,为环境治理提供数据支持。
生态保护
通过遥感技术监测生物多样性、生态系统健康状 况等信息,为生态保护提供决策依据。
3
环境影响评价
利用遥感技术评估建设项目对环境的影响,为项 目决策提供科学依据。
遥感的应用领域
资源调查与监测
环境监测与保护
遥感技术广泛应用于土地资源、森林资源 、水资源等调查与监测,为资源管理和可 持续利用提供科学依据。
遥感技术能够实时监测环境污染状况,评 估环境质量,为环境保护和治理提供决策 支持。
灾害预警与评估
城市规划与管理
遥感技术能够快速获取灾区信息,为灾害 预警和灾后评估提供重要数据,帮助救援 工作高效开展。
遥感技术的未来发展趋势
未来遥感技术将朝着高分辨率、高精度和高效率的方向发展,能够提供更加丰富和 精准的信息。
随着人工智能和大数据技术的不断发展,遥感数据的应用将更加广泛,能够为各领 域提供更加智能化的决策支持。
未来遥感技术还将与其他技术领域进行深度融合,如物联网、云计算和虚拟现实等 ,为人们提供更加全面和立体的信息感知服务。
地面遥感平台包括车载、 船载等,主要用于近地面 或水面的遥感监测。
传感器
光学传感器
光学传感器通过接收地物的可见 光和红外线进行成像,具有高分
辨率、色彩丰富等优点。
微波传感器
微波传感器利用微波波段对地物进 行探测,具有穿透性强、全天候工 作等优点。
雷达传感器
雷达传感器利用电磁波的反射特性 进行探测,具有穿透性强、不受光 照条件限制等优点。

遥感图像分类ppt课件

遥感图像分类ppt课件

– 假设遥感图像有K个波段,则(i,j)位置的像素在
每个波段上的灰度值可以构成表示为X=(x1,
T
5
8.1 概述
• 8.1.2 分类方法
– 根据是否需要分类人员事先提供已知类别及其 训练样本,对分类器进行训练和监督,可将遥 感图像分类方法划分为监督分类和非监督分类。
– 事先己经知道类别的部分信息(即类别的先验知 识),对未知类别的样本进行分类的方法称之为 监督分类(Supervised Classification)。事先没 有类别的先验知识,对未知类别的样本进行分 类的方法称之为非监督分类(Unsupervised Classification)
14
8.4 非监督分类
• 非监督分类,是指人们事先对分类过程不
施加任何的先验知识,仅凭据遥感影像地 物的光谱特征的分布规律,随其自然地进 行盲目的分类。其分类的结果,只是对不 同类别进行了区分,并不确定类别的属性, 其属性是通过事后对各类的光谱响应曲线 进行分析,以及与实地调查相比较后确定 的。
• 非监督分类的理论依据:遥感图像上的同
4
8.1 概述
• 8.1.1 基本原理
– 同类地物在相同的条件下(光照、地形等)应该 具有相同或相似的光谱信息和空间信息特征。 不同类的地物之间具有差异根据这种差异,将 图像中的所有像素按其性质分为若干个类别 (Class)的过程,称为图像的分类。
– 遥感图像分类以每个像素的光谱数据为基础进 行。
9
8.2 相似性度量
3.马氏(Mahalanobis)距离
马氏距离是一种加权的欧氏距离,它通 过协方差矩阵来考虑变量的相关性。这 是由于在实际中,各点群的形状是大小 和方向各不相同的椭球体,如图所示, 尽管K点距MA的距离DA比距MB的距离 DB小,即DA<DB ,但由于B点群比A点 群离散得多,因而把K点划入B类更合 理。加权可以这样理解,计算的距离与 各点群的方差有关。方差愈大,计算的 距离就愈短。如果各个点群具有相同的 方差,则马氏距离是欧氏距离的平方。

《遥感概论绪论》课件

《遥感概论绪论》课件
地物的形状、大小、空间排列等特征 ,影响图像的分辨率和可识别性。
时间特征
地物随时间的变化,如季节变化、生 长周期等,有助于动态监测。
辐射特征
地物反射或发射的电磁波能量大小, 决定了图像的亮度。
遥感图像的解译方法
目视解译
通过观察遥感图像,结合专业知识和经验,识别和解 译地物。
计算机解译
利用计算机算法和人工智能技术,自动识别和解译遥 感图像。
现对目标物的识别、分类和监测。
遥感技术广泛应用于地理信息系统、环境监测、城市规划、农
03
业管理等领域。
遥感的分类
按平台高度
可分为航天遥感、航空遥感和地面遥感。
按波段范围
可分为可见光遥感、红外遥感、微波遥感等。
按工作方式
可分为被动遥感、主动遥感等。
按应用领域
可分为气象遥感、地球资源遥感、军事遥感等。
随着高光谱、多光谱和超光谱技术的发展,遥感数据的分辨率 和精度得到了进一步提高,遥感技术的应用领域也更加广泛。
遥感技术的未来发展趋势
随着人工智能和机器学习技术的发展,遥感数 据的处理和分析将更加智能化和自动化。
遥感技术将与GIS、GPS等技术进一步融合,形成更 加综合的地球观测系统,为人类提供更加全面、准确
森林资源调查
总结词
遥感技术能够快速、准确地调查森林资源分布、面积和生长状况,为森林资源保护和管 理提供科学依据。
详细描述
通过卫星遥感影像,可以获取森林覆盖范围、树种组成、生长状况等信息,同时结合地 理信息系统技术,能够实现森林资源的动态监测和管理,为森林保护和可持续发展提供
支持。
水环境监测
总结词
04
遥感图像的成像原理
电磁波与电磁波谱

《遥感原理》课件

《遥感原理》课件

微波遥感
微波遥感是一种利用微波辐射探测地物信息的遥感技术, 具有全天候、全天时的特点。随着技术的不断进步,微波 遥感的应用范围越来越广泛。
微波遥感能够穿透云层和天气条件,获取地物的微波辐射 信息,对于气象预报、海洋监测、森林资源调查等领域具 有重要意义。未来,微波遥感技术将进一步提高其分辨率 和探测能力,更好地服务于各行业领域。
数据处理系统
对接收到的数据进行校正、增强和分析,提取有用的信息。
数据存储与传输系统
负责将处理后的数据存储和传输到用户终端或数据中心。
04
CHAPTER
遥感图像处理
遥感图像预处理
去噪声
01
通过滤波、平滑等技术去除遥感图像中的噪声和干扰,提高图
像质量。
几何校正
02
对遥感图像进行几何变换,纠正图像的扭曲、变形等问题,使
X射线和伽马射线等。
电磁波的特性
波动性、衍射、干涉、偏振等。
辐射传输基础
辐射
物体以电磁波或粒子的形式向外传递能量的过程 。
辐射传输方程
描述辐射能量在介质中传播的基本方程,涉及到 发射、吸收、散射和反射等过程。
辐射源
自然辐射源(如太阳、星体)和人为辐射源(如 雷达、红外传感器)。
大气对遥感的影响
01
02
03
大气成分
氮气、氧气、二氧化碳、 水蒸气等,对电磁波的吸 收、散射和折射效应。
大气窗口
某些特定频率的电磁波能 够较好地穿透大气层的区 域,如可见光、近红外和 微波等。
大气校正
通过对遥感数据的处理和 分析,消除大气对遥感的 影响,提高遥感数据的精 度。
地面对遥感的影响
地表覆盖类型
森林、草地、水体、城市 等,具有不同的反射特性 和光谱特征。
相关主题
  1. 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. 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. 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)。

3 辐射校正
• 光学摄影机内部辐射误差
– 使用透镜的光学系统存在边缘减光现象,摄像 面存在边缘部分比中心部分发暗。
– 原因:镜头中心和边缘透射光的强度不一致, 造成图像上不同位置的同一类地物有不同的灰 度值。
– 校正方法:在这类光学系统中,一幅图像上各 像点光的强度分布符合以下规律: Ep=Eo cos4θ, θ为光轴到摄影面边缘部的视场角。
1 gsr
-
69
3 辐射校正-大气校正
• 大气校正
– 传感器接收的信息中,可以分为两个部分。一 是程辐射信息,一般认为是无用信息;另一部 分是太阳下行辐射到达地表后,受到地面反射, 部分辐射上行穿越大气层,到达传感器,携带 有目标物的有效信息。
– 程辐射:在太阳辐射下行穿越大气层的过程中, 受到大气分子、气溶胶和粒子等的散射作用, 部分散射辐射直接到达传感器,这部分辐射就 是程辐射。
-
62
2 几何校正
在函数关系未知情况下,通常h1(x,y)和h2(x,y)可用 多项式来近似:
n ni
x
aijxi yj
i0 j0
n ni
y
bijxi yj
i0 j0
-
63
2 几何校正
• 在函数h1(x,y)和h2(x,y)未知的情况下,通 常用基准图像和几何畸变图像上多对同名 像素的坐标来确定函数h1(x,y)和h2(x,y)
3.4 遥感的定义与分类
3.4.1 遥感的定义 3.4.2 遥感系统 3.4.2 遥感的分类
-
1
-
2
-
3
-
4
遥感系统
-
5
-
6
-
7
-
8
-
9
-
10
-
11
-
12
-
13
-
14
-
15
-
16
-
17
-
18
-
19
-
20
-
21
-
22
-
23
-
24
-
25
-
26
-
27
-
• 图像的增强是综合和一般性地改善图像质量,解 决图像由于噪声、模糊退化和对比度降低等三类 问题,图像增强并不是去估计图像实际退化的过 程和实际退化的因素而加以矫正,只是考虑图像 退化的一般性质,加以修正,以求得一般的或平 均的图像质量的改善,提高解像力。
-
64
3 辐射校正
• 理想的遥感系统并不存在,有各种因素影响传感 器接收到的辐射值。
– 日地距离 – 太阳入射光的几何条件 – 太阳上行和下行辐射 – 地形因素 – 传感器误差
• 在利用遥感图像进行地表遥感研究中,可能需要 对这些干扰因素进行辐射校正,使得遥感图像尽 可能反映地物目标的差异。
-
65
-
70
3 辐射校正-大气校正
• 太阳辐射在下行穿越大气层到达地表和经 地表反射上行到达传感器的过程中,受到 大气吸收和散射的影响。
• 大气校正:就是从传感器接收的信号中, 消除大气效应的影响,提取有用的地表反 射辐射的信息。
-
71
1 遥感图像增强处理
• 图像增强是采用一系列技术去改善图像的视觉效 果,或将图像转换成一种更适合于人或机器进行分 析和处理的形式。
28
-
29
-
30
-
31
-
32
-
33
-
34
-
35
-
36
-
37
-
38
-
39
-
40
-
41
-
42
-
43
-
44
-
45
-
46
-
47
-
48
-
49
-
50
-
51
-
52
-
53
-
54
-
55
2 几何校正
• 遥感图像成像时,存在几何变形误差,分为内部 误差和外部误差。
• 遥感图像的几何校正就是要校正成像过程中所造 成的各种误差,包括几何粗校正和精校正。
-
66
图示
-
673 辐Βιβλιοθήκη 校正• 传感器端的辐射校正
– 在扫描方式的传感器中,传感器收集到的电磁 波信号需要经光电转换系统转变成电信号记录 下来。该信号量化后成为离散的灰度级别,传 感器端的辐射校正就是把具有相对意义的离散 亮度值转换为具有物理意义的辐亮度或反射率 的过程。
• 经过传感器端的辐射校正的反射率称为行星反射率 或大气顶层反射率。
• 几何粗校正用于系统误差校正,需要传感器的校 准数据、卫星运行姿态参数、传感器位置等代入 理论校正公式。
– 几何粗校正一般由数据提供商或地面接收站进行校正 处理。遥感应用上使用的图像一般是经过几何粗校正 处理的。
-
56
2 几何校正
• 经几何粗校正处理后的遥感图像还存在随 机误差和某些未知的系统误差,需要进行 几何精校正处理。
-
58
2 几何校正
• 下图是一种畸变情形,如何校正呢?
-
59
2 几何校正
设f(x,y)是无失真的原始图像,g(x’,y’)是f(x,y)畸变的结果 两幅图像几何畸变的关系能用解析式来描述。
xh1(x,y)
yh2(x,y)
分两种情况: 1、h1(x,y),h2(x,y)已知 2、h1(x,y),h2(x,y)未知
• 几何精校正是指消除图像中的几何变形, 产生一幅符合某种地图投影的新图像的过 程。几何精校正需要利用地面控制点和适 当的数学模型。
-
57
2 几何校正
• 几何精校正分两个过程
– 空间插值:建立图像像元坐标和地面控制点之 间的数学模型,利用数学模型把待校正图像的 坐标校正到输出图像中。
– 亮度插值:确定输出图像像元亮度值。
n
ni
aij xi y j
i0 j 0
y
h2 (x,
y)
n i 0
ni
bij xi y j
j 0
-
61
2 几何校正
• 由(x,y)通过函数关系推算出各格网点在已知畸 变图像上的坐标(x‘,y’)。 – (α,β) =[h1(x,y),h2(x,y)]。
• 由于(α,β)通常不一定是整数,所以α,β不会与 g(x’,y’)中的任何点重合,找出g(x’,y’)中与(α,β) 最靠近的点(x1’,y1’),并且令f(x,y)= g(x1’,y1’),即 把g(x1’,y1’)的灰度赋予f(x,y)。逐点做下去,直到 整个图像,几何畸变得到校正。
-
68
3 辐射校正
• 传感器端的辐射校正
– 在遥感应用中,一般采用下式把DN值图像转 换为具有物理意义的辐亮度图像。
Lt
Lmax Lmin DNmax DNmin
DN DNmin
Lmin
Lt:图像辐亮度,Wgm2
1 gsr
Lmin:图像中DNmin的图像辐亮度,Wgm2gsr1
Lmax:图像中DNmax的图像辐亮度,Wgm2
-
60
2 几何校正
函数关系已知下,间接法几何校正:设f(x,y)是无 失真的原始图像,g(x’,y’)是f(x,y)畸变的结果,这 一失真过程已知且可以用函数h1(x,y)和h2(x,y)定 义。设恢复的图像像素在基准坐标系统为等距网 格的交叉点,从网格交叉点的坐标(x,y)出发, 根据:
x h1(x, y)
相关文档
最新文档