遥感复习重点

电磁波：在真空或介质中通过传播电磁场的振动而传输电磁能量的波。

电磁波谱：按电磁波在真空中波长或频率依递增或递减顺序划分波段，排列成谱。

方向反射：实际地物表面由于地形起伏，在某个方向上反射最强烈，这种现象称为方向反射。

水体的光谱反射特性：–蓝、绿波段为反射带–近、中红外波段为完全吸收带植被的光谱反射特性：–蓝（0.45um）、红（0.67um）波段为吸收带–绿波段（0.55um）为弱反射带–近红外波段0.7-0.8um反射陡坡，0.8-1.3um有强反射带,但含水量造成反射吸收（1.45um、1.95um、2.7um）土壤的光谱反射特性：–自然状态下土壤表面的反射率没有明显的峰值和谷值。

–土壤的反射波谱特性曲线与土壤质地组成有关–土壤反射波谱特性曲线较平滑，因此在不同光谱段的遥感影像上，土壤的亮度区别不明显。

浑水与清水的光谱反射• 散射的方式随电磁波波长与大气分子直径、气溶胶微粒大小之间的相对关系而变, 主要有米氏(Mie)散射、均匀散射、瑞利（Rayleigh ）散射等。

• 介质中不均匀颗粒的直径a 与入射波长λ同数量级时，发生米氏散射• 介质中不均匀颗粒的直径a>>入射波长λ时，发生均匀散射，无选择性散射• 介质中不均匀颗粒的直径a 小于入射波长λ的十分之一时，发生瑞利散射有些波段的电磁辐射通过大气后衰减较小，透过率较高，对遥感十分有利，这些波段通常称为“大气窗口”。

辐射传输方程地表反射率 气层外太阳辐射照度 遥感数字图像：是以数字形式表示的遥感图像。

几何校正：就是从具有几何畸变的图像中消除畸变的过程。

其任务是定量地确定图像上的像元坐标（图像坐标）与目标物的地理坐标（地图坐标等）的对应关系（坐标变换式） 多项式校正过程中应注意以下问题：（1）多项式纠正的精度与地面控制点的精度、分布和数量及纠正的范围有关。

地面控制点的精度越高、分布越均匀、数量越多，几何纠正的精度就越高。

（2）采用多项式纠正时，在GCP 处的拟合较好，但在其他点的误差可能会较大。

平均误差小，并不能保证图像各点的误差都小。

（3）多项式阶数的确定，取决于对图像中几何变形程度的认识。

如果变形不复杂，那么1阶多项式就可以满足要求了，并非多项式的阶数越高，纠正的精度越高。

()()()()[]{}()()↑+=↑+-⋅+↓+-=↑+-=λλλλλλλλλλλλλλτθδεθδθλρθδd g d V e d g d V g s L L L W E E L L L sec exp sec exp cos sec exp 220λρg ()λ0E直方图均衡化基本思想是对原始图像的像素灰度做某种映射变换，使变换后图像灰度的概率密度呈均匀分布，即变换后图像的灰度级均匀分布。

直方图规定化定义：直方图规定化为了使单波段图像的直方图变成规定形状的直方图而对图像进行转换的增强方法原理：对原图像和参考图像的直方图都作均衡化，变成归一化的均匀直方图，以此均匀直方图做中介，再对参考图像作均衡化的逆运算即可。

均值滤波:是最常用的线性低通滤波器，它均等地对待邻域中的每个像素。

对于每个像素，取邻域像素值的平均作为该像素的新值。

假定窗口大小为n ⅹm ，则对于图像f 的任意一个像素（x,y ），均值滤波的计算公式为：对于3ⅹ3的窗口，对应的模板h(k,l)。

为了避免中心像素值过高影响平均值升高，在运算时可以不取中心值，用周围的8个像素进行计算。

中值滤波:是最常用的非线性平滑滤波器，它窗口内的所有像素值按大小排序后，取中值作为中心像素的新值。

窗口的行列数一般取奇数。

由于用中值替代了平均值，中值滤波在抑制噪声的同时能够有效地保留边缘，减少模糊。

中值滤波与均值滤波的异同点:相同：都是为了去除图像上尖锐的噪声，平滑图像。

⏹ 不同：⏹ 中值滤波不变性，中值滤波既能去除图像的噪声，又能保持图像中一些边缘信息。

⏹ 中值滤波的输出与输入噪声的概率密度分布有关，而均值滤波的输出则与之无关⏹ 中值滤波对于随机噪声的抑制比均值滤波差，但对于脉冲（椒盐）噪声，中值滤波非常有效。

罗伯特（Roberts ）、索伯尔（Sobel ），比较两种方法的差异⏹ 采用模板不一致；计算结果：罗伯特提取的边界是边缘处的一边，而索伯尔提取的是边缘处的双边；边缘增强更好；真彩色合成*：如果彩色合成中选择的波段与红绿蓝的波长相同或近似，那么得到图像的颜色与真彩色近似，这种合成方式称为真彩色合成。

⏹ 其优点是合成后图像的颜色接近于自然色，与人对地物的视觉相适应，更容易对地物进行识别。

为什么需要彩色增强？*⏹ 人眼的视觉特性：分辨的灰度级介于十几到二十几级之间；• 彩色分辨能力可达到灰度分辨能力的百倍以上。

◆ 彩色增强技术是利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的分布，改善图像的可分辨性。

彩色增强方法可分为伪彩色增强和假彩色增强、真彩色增强、模拟真彩色。

主成分变换:称为主分量分析(Principal Component Analysis, PCA)或K —L (Karhunen —Loeve )变换。

是基于变量之间的相关关系，在尽量不丢失信息的前提下的一种多维正交线性变换。

主()()()()∑∑===n k m l l k h l k f m n y x g 11,*,**1,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡11111111191⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡11110111181要用于数据压缩和图像增强等彩色变换:将红、绿、蓝系统表示的图像变换为用色调、饱和度、明度系统表示的图像的处理方法遥感图像融合:对来自不同遥感数据源的高空间分辨率影像数据与多光谱影像数据,按照一定的融合模型,进行数据合成,获得比单个遥感数据源更精确的数据,从而增强影像质量,保持多光谱影像数据的光谱特性,提高其空间分辨率,达到信息优势互补、有利于图像解译和分类应用的目的。

目标判读的一般过程和方法:判读前的准备: 1.判读员的训练2.搜集充足的资料3.了解图像的来源、性质和质量–传感器、日期和地点、波段、比例尺、航高、投影性质–几何分辨力、辐射分辨力、光谱波段的个数和波长区间、时间重复性、像片的反差、最小灰度和最大灰度等4.判读仪器和设备–像片观察、像片量测、像片转绘判读的一般过程:发现目标–先大后小、由易入难、由已知到未知–先反差大的目标后反差小的目标–先宏观观察后微观分析•描述目标–光谱特征、空间特征、时间特征•识别和鉴定目标–资料、特征、经验、推理•清绘和评价目标（专题图）单波段像片的判读:•色调特征和空间特征•图像增强•密度分割多光谱像片的判读:•光谱特性曲线•比较判读•假彩色合成空间特征热红外像片的判读:•色调特征：入射角，地面粗糙度，地物电特性•几何特征：比例尺失真，地形起伏影响•穿透特性：可以得到地面图象•散射特性：可以反映地下状况遥感图像分类流程*（一）分类预处理分类前一般需要对原始图像进行辐射校正，去除大气散射的影响，突出地物信息特别是使用不同时相遥感数据时，由于大气散射受季节和大气质量影响，更有必要订正到同一水准。

（二）特征选择原始遥感图像的特征波段彼此之间往往存在较强的相关性，例如TM1、TM2、TM3彼此之间都存在较强的相关性。

不加选择地利用这些特征变量分类不但增加多余的运算，有时反而会影响分类的准确性。

因此，往往需要从原始图像n个特征中通过处理选择k个特征（n>k）参与分类，例如，通过K-L变换使图像信息集中在彼此独立的主分量上，利用少数主分量特征就能达到较好的分类效果。

特征选择还与欲区分的对象密切相关，比如植被分类可采用绿度、植被指数，也可以采用K-T变换后的绿度与亮度分量等。

（三）分类根据特征图像与分类对象的实际情况选择适当的分类方法，一般来说，非监督分类方法简单，不需要先验知识，当地物光谱类别与信息类别对应较好时比较适用。

当地物类别光谱差异很小时监督分类精度较高。

（四）分类后处理由于分类过程是按像元逐个进行的，输出分类图一般会出现成片的地物类别中有零星异类像元散落分布情况，其中许多是不合理的“类别噪声”。

这种情况一般采用“平滑滤波”方法处理。

（五）精度评价（六）专题图制作在处理后达到精度要求的分类图基础上，根据需要和用途，进行专题图的投影方式、比例尺、图例等一系列设计和制作。

监督分类法（训练场地法/先学习后分类法）：•即先选择有代表性的实验区（训练区），用已知地面的各种地物光谱特征来训练计算机，取得识别分类判别规则，并以此做标准对未知地区的遥感数据进行自动分类识别。

非监督分类法（空间集群clustering，点群分析，聚类分析，边学习边分类法）：•即按照灰度值向量或波谱样式在特征空间聚集的情况划分点群或类别。

其类属是通过对各类光谱响应曲线进行分析以及与实地调查数据相比较后确定的。

非监督分类: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，即自然聚类的特性进行的分类。

分类结果只是区分了存在的差异，但不能确定类别的属性。

类别的属性需要通过目视判读或实地调查后确定。

监督分类:⏹通过对工作地区图像的目视判读、实地勘查或结合GIS获得部分地物的分类信息，利用已知地物的信息对未知地物进行分类的方法称为监督分类。

⏹基本过程是：首先根据已知的样本类别和类别的先验知识确定判别准则，计算判别函数，然后将未知类别的样本值代入判别函数，依据判别准则对该样本所属的类别进行判定。

在这个过程中，利用已知类别样本的特征值求解判别函数的过程称之为学习或训练。

⏹监督分类的前提是已知遥感图像上样本区内地物的类别,该样本区称为训练区.遥感影像分类精度评价的概念*⏹遥感图像分类精度分析通常把分类图与标准数据（图件或地面实测调查）进行比较，然后用正确分类的百分比表示分类精度。

多采用抽样方式以比分像素或部分类别代替整幅图像类进行精度分析。

⏹基本方法* ：分类精度分为非位置精度和位置精度⏹非位置精度以一个简单的数值，如面积、像素数目等表示分类精度；⏹位置精度将分类的类别与其所在的空间位置进行统一检查，普遍采用混淆矩阵方法，即以Kappa系数评价整个分类图的精度，以条件Kappa系数评价单一类别的精度。

（注：以上仅为老师所给知识点的加黑部分的内容，仅供参考）。