遥感数字图像处理(20200521104833)
遥感数字图像处理资料
第一章绪论1．遥感、遥感过程遥感：一种在远离目标，不与目标直接接触的情况下，通过传感器获取其特征信息，并对这些信息进行处理、分析和应用的综合性探测技术。
遥感过程：指遥感信息的获取、传输、处理，以及分析判读和应用的全过程。
2．遥感数字图像——以数字的形式存储的、离散的、适合于计算机处理的影像数据。
——数字图像的特点：（1）表现为二维阵列（网格），属于不可见图像（2）数字化、离散化（空间离散、亮度离散）3．遥感数字图像处理系统遥感数字图像处理：利用计算机对遥感数字图像进行一系列操作，以求达到预期目的的技术。
主要技术过程：遥感图像输入存储——〉增强——〉校正——〉解译遥感图像的数字化：指光学图像（物理图像）到数字图像的转换过程，包括采样和量化两个过程。
采样——将空间上连续的图像变换为离散的点的操作量化——将测量的灰度值用一个整数表示遥感图像的数据量估算：4．遥感数字图像的基本特点：（1）便于计算机处理和分析（2）信息损失少（3）图像抽象性强（4）图像保存方便遥感数字图像处理的特点：（1）图像信息损失小，处理精度高（2）抽象性强，再现性好（3）通用性强，灵活性高第三章遥感图像及其特征1．遥感图像的模型：可以表示为目标发射辐射量和反射辐射量之和。
2．遥感数字图像可以用多维空间来描述遥感图像空间：描述多波段遥感影像中的像素亮度值的空间分布的三维离散空间。
（行坐标X、列坐标Y、波段Z；坐标系内的每一个点代表一个像元亮度值）多光谱空间：N维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。
3．遥感图像的信息内容——包括波谱信息、空间信息、时间信息三个方面。
（1）波谱信息：指遥感图像上不同地物之间的亮度值差异及同一地物在不同波段上的亮度值差异。
（2）空间信息：通过图像亮度值在空间上的变化反映出来的信息。
一般包括空间频率信息，边缘和线性信息、结构或纹理信息以及几何信息等。
（3）时间信息：指不同时相遥感图像的光谱信息与空间信息的差异。
(完整word版)《遥感数字图像处理》课后习题详解
遥感数字图像处理第一部分1。
什么是图像?并说明遥感图像与遥感数字图像的区别。
答：图像（image）是对客观对象的一种相似性的描述或写真.图像包含了这个客观对象的信息。
是人们最主要的信息源。
按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像.模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像,它属于可见图像。
数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像,它属于不可见图像。
2。
怎样获取遥感图像？答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。
根据传感器基本构造和成像原理不同。
大致可分为摄影成像、扫描成像和雷达成像三类.m=时的灰度情况。
3。
说明遥感模拟图像数字化的过程。
灰度等级一般都取2m(m是正整数），说明8答：遥感模拟图像数字化包括采样和量化两个过程。
①采样：将空间上连续的图像变换成离散点的操作称为采样.空间采样可以将模拟图像具有的连续灰度(或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像.②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度(或色彩）仍是连续的,不能用计算机处理。
应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。
m=时，则得256个灰度级.若一幅遥感数字图像的量化灰度级数g=256级,则灰度级别有256个。
当8用0—255的整数表示.这里0表示黑，255表示白，其他值居中渐变。
由于8bit就能表示灰度图像像元的灰度值,因此称8bit量化。
彩色图像可采用24bit量化，分别给红，绿,蓝三原色8bit，每个颜色层面数据为0—255级。
4.什么是遥感数字图像处理？它包括那些内容？答：利用计算机对遥感数字图像进行一系列的操作,以求达到预期结果的技术，称作遥感数字图像处理。
其内容有：①图像转换。
包括模数（A/D)转换和数模（D/A）转换。
《遥感数字图像处理》实验报告
《遥感数字图像处理》实验报告《遥感技术原理与应用》期末报告研究生《遥感技术原理与应用》期末考试报告题目：利用TM遥感数据进行土地覆盖分类和制图专业：地图学与地理信息系统2015．12一、研究方法缨帽变换：也称K-T变换，是一种特殊的主成分变换。
但与主成分不同，其旋转轴不是指向主成分方向，而是指向与地面景物有密切关系的方向，特别是与植物生长过程和土壤有关。
传统的NDVI植被信息提取方法受到影像空间分辨率的限制，对影像上信息量少的植被（如道路两旁的行道树、居民小区中的绿地等）提取效果不佳。
缨帽变换对区分不同类型植被类型如树、灌木、草地、农作物等非常有效，此次试验具有较好的应用。
支持向量机分类法：是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折中，以求获得最好的推广能力。
最大似然分类法：假设每一个波段的每一类统计都呈正态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。
二、研究内容及数据对富民县散旦乡TM影像进行信息挖掘后突出植被和水体等地物信息；结合二调数据，选择样本，分别用最大似然和支持向量机（SVM）分类法对散旦乡进行分类，通过对比分类精度，比较两种分类方法的优缺点。
数据：对富民县进行裁剪后得到的散旦乡Landsat TM影像；富民县二类调查小班数据；富民县县行政区数据。
三、研究过程1.裁剪研究区域将富民县行政区数据导入ArcGIS软件中，根据属性表查找得到散旦乡数据，导入ENVI，再利用ENVI提供的不规则裁剪工具进行裁剪得到散旦乡TM影像（4，3，2假彩色合成），见图1、2。
图1散旦乡在富民县的位置图2研究区原始影像2.缨帽变换在主菜单Transforms→Tassled Cap中使用缨帽变换对研究区影像进行正交变换，变换结果包括亮度“Brightness”、绿度“Greenness”、第三波段“Third”三个波段信息。
遥感数字图像处理
遥感数字图像处理1.图像(image)就是对客观对象的一种相似性的描述或写真。
图像包含了这个客观对象的信息。
就是人们最主要的信息源。
2.数字图像指数字存储的、用计算机直接处理的图像,就是空间坐标与图像数值不连续的、用离散数值表示的图像,在计算机内部,数字图像表现为二维阵列(网格),属于不可见图像。
3.什么就是遥感数字图像,模拟图像(图片)与遥感数字图像有什么区别？遥感数字图像就是以数字形式存储与表达的遥感图像。
模拟图像:又称光学图像,以胶片、相纸等硬拷贝形式存储的图像。
图像就是自然景物的反映,人眼感知的景物一般就是连续的,照相机(非数码式)拍摄形成的照片也就是连续的,两者均称之为模拟图像。
广义的模拟图像还包括绘画。
区别:模拟图像的显著特点就是连续性: ①空间位置的变化就是连续的②每一空间位置上的亮度、色彩变化就是连续的③符合数学上微积分连续性的定义数字图像的特点:便于计算机处理与分析;图像信息损失低;抽象性强。
4.什么就是遥感数字图像处理？它包括那些内容？答:利用计算机对遥感数字图像进行一系列的操作,以求达到预期结果的技术,称作遥感数字图像处理。
其内容有:①图像转换。
包括模数(A/D)转换与数模(D/A)转换。
图像转换的另一种含义就是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作,如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换与小波变换等。
②数字图像校正。
主要包括辐射校正与几何校正两种。
③数字图像增强。
采用一系列技术改善图像的视觉效果,提高图像的清晰度、对比度,突出所需信息的工作称为图像增强。
图像增强处理不就是以图像保真度为原则,而就是设法有选择地突出便于人或机器分析某些感兴趣的信息,抑制一些无用的信息,以提高图像的使用价值。
④多源信息复合(融合)。
⑤遥感数字图像计算机解译处理。
5.、什么就是图像增强？主要目的就是什么？主要有哪些方法？图像增强:使用多种处理方法压抑、去除噪声,增强显示图像整体或突出图像中特定地物的信息,使图像更容易理解、解译与判读。
《遥感数字图像处理》教案
遥感数字图像处理教案主讲：（讲师）授课学期：地理信息系统教研室第1讲课 题：遥感数字图像处理概述目的要求：了解数字图像处理的概念、遥感数字图像处理系统的构成、数字图像处理的应用教学重点：遥感数字图像处理的应用教学难点：遥感数字图像处理系统的构成教学课时：2课时教学方法：授课为主、鼓励课堂交流本次课涉及的学术前沿：数字图像处理的发展方向第1章 概论1.1 图像和遥感数字图像1.1.1 图像和数字图像图像是对客观存在的物体的一种相似性的、生动的写真或描述。
图像的类别：可见图像和不可见图像（根据人眼的视觉可视性）图像的类别：模拟图像和数字图像（根据图像的明暗程度和空间坐标的连续性）1)模拟图像模拟图像可用连续函数来描述。
其特点：光照位置和光照强度均为连续变化的。
2)数字图像可用矩阵或数组来描述),(y x F I =⎥⎥⎥⎥⎤⎢⎢⎢⎢⎡==--1,11,10,11,01,00,0],[N N i i i i i i i i i n m I I像素或像元的属性：具有特定的空间位置和灰度。
1.1.2 遥感数字图像遥感数字图像是数字形式的遥感图像。
不同的地物能够反射或辐射不同波长的电磁波，利用这种特性遥感系统可以产生不同的遥感数字图像。
1.2 遥感数字图像处理图像处理、模拟图像处理、数字图像处理1.2.1 遥感数字图像处理的内容它是研究图像的获取、传输、存储，变换、显示、理解与综合利用的一门崭新学科。
根据抽象程度不同可分为三个层次：狭义图像处理、图像分析和图像理解。
具体而言，遥感数字图像处理的内容包括：图像的数字化如何由一幅模拟图像获取一幅满足需求的数字图像，使图像便于计算机处理、分析。
图像变换图像变换目的在于：处理问题简化、有利于特征提取、加强对图像信息的理解。
图像变换算法很多，重点学习傅立叶变换的算法、性质和应用。
图像增强介绍各种增强方法及其应用。
增强图像的有用信息，消弱噪声的干扰。
图像的恢复与重建把退化、模糊了的图像复原.包括图像辐射校正和几何校正等内容。
遥感数字图像处理
遥感数字图像处理第一章1.图像是对客观对象一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。
根据人眼的视觉可视性将图像分为可见图像和不可见图像。
按图像的明暗程度和空间坐标的连续性，将图像分为数字图像和模拟图像。
2数字图像指用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数学原理表达的图像。
数字图像最基本的单位是像素。
3遥感数字图像是数字形式的遥感图像。
4遥感数字图像处理，是利用计算机图像处理系统对遥感图像中的像素进行系列操作的过程。
主要内容：（1）图像增强：灰度拉伸、平滑、锐化、彩色合成、主成分变换、K-T变换、代数运算、图像融合等压抑、去除噪声，增强整体图像或突出图像中的特定地物的信息，使图像更容易理解、解释和判读（2）图像校正（3）信息提取5遥感数字图像处理系统：硬件系统（计算机、数字化设备、大容量存储设备、显示器和输出设备、操作台）、软件系统（ERDAS IMAGING最突出的特色是专家模拟系统、可视化建模工具以及与ArcGIS软件的高度集成、ENVI 最突出的特色是具有丰富的高光谱数据处理工具和内嵌的IDL开发语言、PCI Geomatica最特出的特色是功能丰富的工具箱和建模系统、ER Mapper遥感图像处理系统最大特点是基于算法的图像处理）6遥感基本知识：物理学、地学、数学、信息理论、计算机技术和地理信息系统第二章1遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程2遥感系统是一个从地面到空中乃至整个空间，从信息收集、存储、传输、处理到分析、判读、应用的技术体系，主要包括遥感实验、信息获取、信息传输、信息处理、信息应用等5个部分。
3传感器是收集和记录电磁辐射能量信息的装置。
按工作方式分为被动、主动方式，按数据的记录方式，分为成像和非成像方式。
4摄影成像：传感器主要是摄影机，在快门打开的一瞬间几乎同时收集目标上所有的反射光，聚焦到胶片上成为衣服影响，并记录下来。
淮阴师范学院 城市与环境学院地理信息科学专业课程简介_20
《遥感数字图像处理》课程简介
课程名称：遥感数字图像处理学时：72
学分：3 考核方式：考试
先修课程：遥感概论、计算机应用基础、地图学
课程内容简介：
《遥感数字图像处理》是地理信息科学专业必修课，是以理论联系实践为主，注重运用，重视上机实践的一门课程。
通过本课程的学习使学生了解和掌握遥感信息处理的基本知识、方法、基本技能和发展动态，初步掌握应用遥感信息处理技术分析和解决实际问题的能力。
通过理论学习、上机实践等环节，进一步增强学生对本课程的理解，对遥感图像成像过程和数字化原理有一般的了解；初步掌握遥感图像模型，遥感图像的特征；具有处理遥感数字图像的能力，能够从给定的图像中提取有用信息进行图像的分类；能够熟练使用常用的遥感数字图像处理软件（ERDAS、ENVI等）进行图像处理；通过实践，加强理论理解，加强工作技能训练，提高解决实际问题的能力。
教材教参：
1. 韦玉春，汤国安，杨昕等.遥感数字图像处理教程.北京：科学出版社.2007年.
2. 闫利.遥感图像处理实验教程.武汉：武汉大学出版社.2010年.
3. 梅安新，彭望琭，秦其明等.遥感导论.北京：高等教育出版社.2000年.
4. 党安荣，贾海峰，陈晓峰等.ERDAS IMAGINE遥感图像处理教程.北京：清华大学出版社.2010年.。
遥感数字图像处理
遥感数字图像处理1. 概述遥感数字图像处理是指利用遥感技术获取的各种遥感数据，如航空影像、卫星影像等，进行数字化处理和分析的过程。
遥感数字图像处理在地理信息系统（GIS）领域有着广泛的应用，能够提取出地表覆盖类型、地形和植被等丰富的地理信息，为环境监测、资源管理、农业和城市规划等领域提供重要的数据支持。
2. 遥感数字图像处理的步骤遥感数字图像处理主要包括以下几个步骤：2.1 数据获取数据获取是遥感数字图像处理的第一步，通过卫星、航拍等遥感设备获取地理信息数据。
这些数据以数字图像的形式存在，包括多光谱、高光谱、雷达和激光雷达等数据。
2.2 数据预处理数据预处理是为了消除图像中的噪声和伪影，以及纠正图像的几何和辐射畸变。
常见的数据预处理方法包括辐射校正、几何校正、大气校正等。
2.3 图像增强图像增强是为了使图像更加清晰，突出地物的特征。
常用的图像增强方法包括直方图均衡化、滤波、锐化等。
2.4 特征提取特征提取是为了从图像中提取出具有区别性的特征，以便进行后续的分类和识别。
常见的特征提取方法包括纹理特征、形状特征、频域特征等。
2.5 图像分类图像分类是将图像中的像素划分为不同的类别。
常用的图像分类方法包括基于像元的分类、基于对象的分类、基于深度学习的分类等。
2.6 图像分割图像分割是将图像划分为不同的区域或对象。
常用的图像分割方法包括阈值分割、边缘分割、区域生长等。
2.7 地物提取地物提取是从图像中提取出感兴趣的地物或地物属性。
常见的地物提取方法包括目标检测、目标识别、地物面积计算等。
2.8 结果评价结果评价是对处理结果进行准确性和可靠性的评估。
常用的结果评价方法包括混淆矩阵、精度评定、误差矩阵等。
3. 遥感数字图像处理的应用遥感数字图像处理在各个领域都有广泛的应用，主要包括以下几个方面：3.1 环境监测遥感数字图像处理可以用于环境监测，如水质监测、土壤污染监测等。
通过遥感图像，可以获取水体和土地的信息，分析水质和土壤的污染程度。
遥感数字图像处理：遥感数字图像处理(62页)
不同波谱分辨率对水铝 反射光谱的获取
时间分辨率
■ 时间分辨率指对同一地点进行遥感来样的时间间隔， 即采样的时间频率，也称重访周期。
■ 遥感的时间分辨率范围较大。以卫星遥感来说，静止 气象卫星（地球同步气象卫星）的时间分辨率为 1次 /0.5小时；太阳同步气象卫星的时间分辨率 2次／天； Landsat为1次／16天；中巴（西）合作的CBERS为1次 ／26天等。还有更长周期甚至不定周期的。
微波遥感与成像
在电磁波谱中，波长在1mm～
1m的波段范围称微波。该 范围内又可再分为毫米波、 厘米波和分米波。在微波 技术上，还可将厘米波分 成更窄的波段范围，并用 特定的字母表示
谱带名称
Ka K
Ku X
微波遥感是指通过微波传
C
感器获取从目标地物发射 或反射的微波辐射，经过 判读处理来识别地物的技
几种遥感图像处理系统简介
■ PCI ■ ERDAS ■ ENVI
PCI简介
■ PCI是加拿大PCI公司的产品，可进行遥感图像的处 理，也可应用于地球物理数据图像、医学图像、雷 达数据图像、光学图像的处理，并能够进行分 析 、制图等工作。它的应用领域非常广泛。
■ PCI拥有最齐全的功能模块：常规处理模块、几 何校正、大气校正、多光谱分析、高光谱分析、 摄影测量、雷达成像系统、雷达分析、极化雷达 分析、干涉雷达分析、地形地貌分析、矢量应用、 神经网络分析、区域分析、GIS联接、正射影像 图生成及DEM提取（航片、光学卫星、雷达卫 星）、三维图像生成、丰富的可供二次开发调用 的函数库、制图、数据输入/输出等四百多个软 件包。
多波段数字图像的数据格式
■BIP方式（band interleaved by pixel） 在一行中，每个像元按光谱波段次序进 行排列，然后对该行的全部像元进行这 种波段次序排列，最后对各行进行重复。
遥感数字图像处理工程
论述遥感数字图像处理与传统测绘测量数据、地理信息处理的区别遥感图像处理是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。
遥感图像处理可分为两类:一是利用光学、照相和电子学的方法对遥感模拟图像(照片、底片)进行处理，简称为光学处理;二是利用计算机对遥感数字图像进行一系列操作，从而获得某种预期结果的技术，称为遥感数字图像处理。
传统测绘测量数据、地理信息处理是对采集的各种数据按照不同的方式方法对数据进行编辑运算，清除数据冗余、弥补数据缺失、形成符合用户要求的数据文件格式。
处理内容主要包括：数踞编辑、数据压缩、数据变换、数据格式转换、空间数据内插、数据提取等。
数据来源不同：遥感图像处理的数据是遥感影像图，它是由搭载在遥感平台上的传感器来获取的。
而传统测绘测量数据、地理信息处理的数据可以是测量得到的数字、文字、图形、图象等。
这些数据可是由全站仪、水准仪等测量仪器通过实地测量得到，也可通过社会调查与统计和从已有的资料中得到。
处理的方式不同：遥感数字图像处理以计算机系统为支撑环境，利用模式模式识别技术与人工智能技术相结合，实现对遥感图像的理解，完成对遥感图像的解译。
是随计算机图像处理而发展起来的。
传统测绘测量数据、地理信息处理多种多样，主要是以人工处理为主，计算较为复杂。
数据的存储方式不同：遥感图像处理后的数据一般保存为图像格式。
而传统测绘测量数据、地理信息处理后的数据一般保存为文字、数字格式。
论述遥感数字图像处理的研究内容与应用1)对接收系统获得的遥感信号进行处理和记录，回放出原始遥感图像，对图像中存在的畸变及失真现象，根据成像机理与相应的构像方程数学模型进行补偿和校正，统称为图像生成回放、图像恢复或校正处理2)根据人眼的视觉原理与观察事物的特点对遥感图像进行各种变换和增强，以改善和提高遥感图像中反映地物目标特性的视觉效果与可识别性，统称为遥感图像的变换和增强处理。
《遥感数字图像处理》习题及答案解析
《遥感数字图像处理》习题与答案第一部分1.什么是图像？并说明遥感图像与遥感数字图像的区别。
答：图像（image）是对客观对象的一种相似性的描述或写真。
图像包含了这个客观对象的信息。
是人们最主要的信息源。
按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。
模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。
数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。
2.怎样获取遥感图像？答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。
根据传感器基本构造和成像原理不同。
大致可分为摄影成像、扫描成像和雷达成像三类。
m=3.说明遥感模拟图像数字化的过程。
灰度等级一般都取2m（m是正整数），说明8时的灰度情况。
答：遥感模拟图像数字化包括采样和量化两个过程。
①采样：将空间上连续的图像变换成离散点的操作称为采样。
空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像。
②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。
应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。
m=时，则得256个灰度级。
若一幅遥感数字图像的量化灰度级数g=256级，则灰当8度级别有256个。
用0—255的整数表示。
这里0表示黑，255表示白，其他值居中渐变。
由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。
彩色图像可采用24bit量化，分别给红，绿，蓝三原色8bit，每个颜色层面数据为0—255级。
4.什么是遥感数字图像处理？它包括那些内容？答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。
其内容有：①图像转换。
包括模数（A/D）转换和数模（D/A）转换。
测绘技术遥感数字图像处理流程
测绘技术遥感数字图像处理流程一、引言随着科技的不断进步和数字化浪潮的涌现，测绘技术在遥感领域的应用日益广泛。
遥感数字图像处理流程作为测绘技术的关键环节之一，对于提取地理信息、进行环境监测和资源管理等方面具有重要意义。
本文将围绕测绘技术遥感数字图像处理流程展开论述，介绍其基本概念、相关技术和应用领域。
二、遥感数字图像处理流程的概念遥感数字图像处理流程是指利用遥感技术获取的数字图像进行预处理、特征提取、分类与识别等一系列处理的过程。
它主要包括数据获取、数据预处理、特征提取与选择、分类与识别等环节。
1. 数据获取数据获取是遥感数字图像处理流程的第一步，主要通过遥感卫星、航空遥感和无人机等平台获取遥感影像数据。
这些数据以数字形式记录了地球表面的各种信息，包括光谱信息、空间信息、时间信息等。
2. 数据预处理数据预处理是指对获取到的原始图像进行纠正、校正和增强处理，以消除影像中的噪声、提高影像的质量和可用性。
常见的数据预处理方法包括辐射校正、几何校正、大气校正和增强处理等。
3. 特征提取与选择特征提取与选择是遥感数字图像处理流程中的核心环节，旨在从遥感影像中提取出反映地物和地区信息的特征。
特征可以包括光谱特征、纹理特征、形状特征等多种类型，通过合理选择和组合这些特征，可以对不同地物进行分类和识别。
4. 分类与识别分类与识别是遥感数字图像处理流程中的最终目标，主要通过将图像中的像素点或区域划分为不同的类别或进行目标识别。
常用的分类方法有基于像元的分类、基于对象的分类和基于深度学习的分类等。
三、遥感数字图像处理流程的相关技术1. 辐射校正技术辐射校正技术是数据预处理环节中常用的一种技术，其目的是消除影像中的大气、地表反射等因素对光谱反射率的影响，使得不同数据源和不同时段的遥感影像具备可比性。
常用的辐射校正方法有大气校正模型、规范作用法等。
2. 图像分类技术图像分类技术是遥感数字图像处理流程中的重要环节，主要用于将遥感影像中的像素点或区域划分为不同的类别。
遥感数字图像处理-课件内容..
遥感数字图像处理1．概论遥感、遥感过程遥感：一种在远离目标，不与目标直接接触的情况下，通过传感器获取其特征信息，并对这些信息进行处理、分析和应用的综合性探测技术遥感过程：遥感过程是指遥感信息的获取、传输、处理，以及分析判读和应用的全过程遥感图像、遥感数字图像、遥感图像的数据量遥感图像：是指遥感传感器通过检测、度量地物的电磁波辐射能并进行记录所得到的图像遥感数字图像：是指以数字化形式表述的遥感影像。
遥感图像的数据量：H=M×N×b×n（bit）M、N为行列数，b为波段数，n=lnG/ln2遥感图像的数字化、采样和量化遥感图像的数字化：指光学图像（物理图像）到数字图像的转换过程，包括采样和量化两个过程采样：将空间上连续的图像变换为离散的点的操作量化：将测量的灰度值用一个整数表示通用遥感数据格式（BSQ、BIL、BIP）BSQ，波段序列格式BIL，波段行交替格式BIP，波段像元交替格式遥感图像的模型：多光谱空间多光谱空间：对于n个波段的多光谱图像，这n个波段构成一个n维多光谱空间，多光谱空间就是一个n维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。
描述像素在各个波段中亮度值的分布。
多光谱空间中，像元点在坐标系中的位置可以表示成一个n维向量，其中每个分量xi表示该点在第i个坐标轴上的投影，即亮度值。
多光谱空间只表示各波段光谱之间的关系，而不包括任何该点在原图像中的位置信息，它没有图像空间的几何意义。
遥感图像的信息内容：波谱信息：指遥感图像上不同地物之间的亮度值差异及同一地物在不同波段上的亮度值差异空间信息: 通过图像亮度值在空间上的变化反映出来的信息时间信息: 指不同时相遥感图像的光谱信息与空间信息的差异遥感数字图像处理、遥感数字图像处理的内容遥感数字图像处理: 利用计算机对遥感数字图像进行一系列操作，以求达到预期目的遥感数字图像处理的内容：图像增强、图像校正、信息提取遥感图像的获取方式主要有哪几种?摄影成像、扫描成像、雷达成像如何估计一幅遥感图像的存储空间大小?遥感图像的信息内容包括哪几个方面？多光谱空间中，像元点的坐标值的含义是什么？与通用图像处理技术比较，遥感数字图像处理有何特点？遥感数字图像处理包括那几个环节？各环节的处理目的是什么？2.遥感图像的统计特征2.1图像空间的统计量灰度直方图：概念、类型、性质、应用概念：用来描述图像中每一灰度级与其出现频率间的关系的图表类型：直方图：横坐标为的灰度级，纵坐标为等于各个灰度级像元的出现频率（像元数）累计直方图：横坐标为的灰度级，纵坐标为小于等于各灰度级的像元的出现频率（像元数）性质：直方图反映表示不同灰度像元的出现频率，不包含像元的位置信息同一图像的直方图唯一，同一直方图可以对应不同的图像一幅图像的直方图等于其各部分图像直方图之和同类地物的直方图接近正态分布应用：1.直方图是图像分析的重要工具。
遥感数字图像处理课程教学大纲
遥感数字图像处理课程教学大纲一、基本概况课程名称：遥感数字图像处理(Remote Sensing Digital Image Processing)课程代码：234010054课程类别：专业核心课学时/学分：52/3.0（其中理论32学时，实验20学时）需预修课程：遥感技术概论、计算基础、自然地理适用专业：适用地理信息科学专业的本科教学课程简介本课程为地理信息科学专业本科生的专业核心课。
课程针对遥感图像处理中的基本理论与实际应用问题，在讲解基本概念与原理的同时，结合课程的内容进行图像处理上机实验。
通过本课程学习，使大家了解遥感图像处理的基本原理，掌握遥感图像处理的一般流程和基本方法，并对遥感技术的前沿领域和未来发展趋势有一定了解。
课程要求学生理解遥感数字图象处理的基本理论与研究方法，初步掌握进行遥感数字图象处理的基本技术，具备一定的实际处理能力与技巧，提高综合处理、分析与理解遥感数字图像的能力，奠定开展遥感数字图象处理深入研究的理论与技术基础。
二、教学目标学生通过本课程的学习，在知识和能力等方面达到以下要求：1.理论、知识目标：掌握遥感图像处理的基本知识。
掌握主要处理方法的基本原理；熟悉并掌握遥感图像信息增强、校正、提取等各种单元操作的基本原理；熟悉重要图像处理方法的主要步骤和计算过程。
2.能力目标：培养学生分析和解决遥感图像处理有关单元操作的能力及运用基础理论分析和上机操作实践解决实际问题的能力。
3.达成目标：本课程对应人才培养方案中毕业要求的专业知识、专业技能、协作能力和创新性思维。
三、教学内容及教学要求第一章概论（讲课2学时；实验0学时）教学内容：1.课程介绍（研究内容，对象，特点，学习方法）；2.图像、遥感数字图像、遥感数字图像处理等基本概念；3.基础理论和基本知识要求。
教学要求：通过本章的学习，认识图像和遥感数字图像，理解遥感数字图像处理的主要内容及遥感数字图像的发展和两个观点。
了解对学生关于学习该门课程的基础理论和基本知识要求。
《遥感数字图像处理》遥感影像信息的查询与统计实验
《遥感数字图像处理》遥感影像信息的查询与统计实验
操作步骤：
1.打开ERDAS 软件，导入lanier内容
2.点击multispectral下方的spectral profile
3.点击+号，标出水体点（深色部分为水体）
4.将数据导出到E盘，并用记事本打开数据，填入表格
5.导入lnlance，并用spectral profile进行标点，标出建设用地，导出数据并填入表格。
6.重复上述步骤，标出林地点，并导出数据，填入表格
7.重复上述步骤，标出草地点，并导出数据，填入表格
8.重复上述步骤，标出耕地点，并导出数据，填入表格
9.重复上述步骤，标出裸地点，并导出数据，填入表格
10.重复上述步骤，标出阴影点，并导出数据，填入表格
11.重复上述步骤，标出白云点，并导出数据，填入表格
12.将所有数据整理填入表格。
- 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)。
4. 截取的 512×512 子区：
5. 原影像与子区影像直方图对比分析：
原影像每个波段的最小值均为 0，而子区影像每个波段的最小值不为 0，且最大值 小于原影像最大值，均值小于原影像的均值，标准差小于原影像的标准差，这是因
为子区只包含原影像的一部分，数据量相对原影像较小，且不包含原影像外围的黑 色区域，丢失了原影像中包含的最大最小值，各个波段的值相对较为集中，因此导 致了子区各个波段的均值较大，标准差较小，突出表现了区域的特殊性。
原理和方法 命名规则： LC8LGN00 LC8 — —landsat 8 125034— —行列号 2015 ——影像的年份 136 — — 2015 年第 136 天 LGN— —接收站代码 00 ——产品级别 文件为波段影像文件， B1— B7 分别为海蓝波段、蓝光波段、绿光波段、红 光波段、近红外波段、短波红外 1、短波红外 2，为用户常用的 7 个波段， B8 为 全色波段、 B9为卷云波段、 B10 和 B11 为 TIRS 传感器观测热量所用， BQA波段 为质量控制波段包含影像的云覆盖、水体、冰雪等信息。包含影像的元数据信 息。
原始数据转换为 ENVI 标准格式。
3. 查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息。
4. 打开影像， 进行假彩色合成波段组合试验， 说明实现真彩色合成与标准假彩
色合成所需要的波段组合。
5. 利用 Resize Dat（a Spacial/Spectra）l 工具从多波段影像中选取 512× 512 子区
(5) 城镇居民地 town
(12) 云 cloud
(6) 农村居民地 village
(13) 阴影 shadow
(7) 沙漠 desert
列表说明上述地物分别在两种波段组合下的颜色、形状、纹理等特征。
9. 利用 Z Profile (Spectrum)光谱剖面工具，提取上述地物在不同波段的数值
（Digital Number ，DN ）；要求针对影像中的 6 种地物至少各采集 10 个样本，
/土地
覆盖类型，可能的土地利用 /土地覆盖类型包括：
(1) 耕地 farmland
(8) 公路 /铁路 road or railway
(2) 草地 grassland
(9) 河流 stream
(3) 裸地 barren land
(10) 水库 reservoir
(4) 森林 forest
(11) 冰雪 ice and snow
通过制图可以清晰直观的表现事物的很多潜在联系，因此在今后的学习过程中要多通 过图形来反应事物的客观规律。
存在问题与解决办法
查看影像各个波段的直方图时， 发现直方图中的 DN 值多为几万， 不在 0-255 之间， 以
为需要进行其他转化才能使用，后来了解到
TM 影像使用一个字节存储 DN 值，因此 DN
2、 3、4、5、6、7 波段对应，而 landsat8 中多了一个海蓝波段— band1，因此在制作协方差 表格时，行列数均为 7。
通过上课听老师讲解作业， 课下自己查看各个波段直方图， 不能实现屏蔽直方图中的 0 值，应当使用什么工具来去除 0 值，并将 Y 轴压缩，实现图像的拉伸？
总结
通过这次实习，我掌握了从 USGS 下载遥感影像的方法，认识了 果，对于遥感影像内容的丰富性有了深刻的认识。
数据准备与研究区概况 数据从美国 USGS官网下载，卫星为 landsat8 ，传感器为 OLI，影像行列号为 125034，影像日期为 2015 年 5 月 16 日，空间分辨率为 30m×30m，为 XX5月份 影像， XX市地处黄土高原东部边缘，为东经 111°23′─ 114 °28′，北纬 36°39′─ 38°06′，地势东高西低，山地、 、呈阶梯状分布，大部分地区海拔 在 1000 米以上。属暖温带大陆性季风气候，季节变化明显。总的特征为：春季 干燥多风，夏季炎热多雨，秋季天高气爽，冬季寒冷少雪。农作物主要种植玉 米和小麦， 5 月份正直玉米小麦的成长时期。
操作步骤 1. 登陆 USGS官网，创建账户并下载一景 landsat8 OLI 影像。 2. 通过 File →Open As→Landsat →Geo Tiff with Metadata 打开原始数据
的元数据文件，再利用 toolbox 工具箱中的 Raster Management→Layer Stacking →import file ，导入包含全色波段的 txt 元数据文件，生成标 准 ENVI格式文件，命名为 LC8LGN00_su，b 该文件自动导入 ENVI 中。 3. 通过 Raster Managemen→t Edit ENVI Header 工具编辑 LC8LGN00_sub的 头文件，完善影像的基本信息。 4. 通 过 Data Manager 查 询 影 像 文 件 的 基 本 信 息 、 投 影 信 息 ， 通 过 Statistics →compute statistics ，切记勾选 Histograms ，生成统计文 件，然后通过 Statistics →View Statistics File 打开统计文件，查看 各个波段直方图信息。 5. 通过 Data Manager →Band Selection 选择波段进行波段组合试验。 6. 利用 Raster Management→Resize Data → Spacial Subset→Ｉmage工具 从多波段影像中选取 512×512 子区并保存为另一文件供后续工作中使 用。 7. 通过 Statistics →compute statistics 生成子区影像的直方图，与原影
6. 利用 Google Earth分析研究区的影像特征
7. 标准假彩色合成目视解译：
地物在两种波段组合下的颜色及纹理特征：
耕地
草地 裸地 森林 居 民 公 路 / 河流 云
地
铁路
标准假彩色
颜色
绿色 浅绿 青色 红色 藏蓝 深绿 黑色 白色
纹理特征
平滑 平滑 平滑 粗糙 粗糙 平滑 平滑 平滑
真彩色
颜色
棕黄 棕黄 白色 绿色 灰白 棕色 黑色 白色
纹理特征
平滑 平滑 平滑 粗糙 粗糙 平滑 平滑 平滑
8. 光谱剖面图： Farmland：
Forest：
Road： Cloud ：
Stream： Village ：
由各种地物的协方差矩阵可以看出， 各个波段与自身的相关系数均为 1，且相邻波段之间的 相关系数一般大于不相邻波段的相关系数，这说明相邻波段所包含的信息相近。
值为 0-255 ，而 landsat8 影像使用 2 个字节存储 DN 值， DN 值的范围为 0-65535。 在做各种地物各个波段的协方差和相关系数时，直接复制了实习大纲中的表格，然后
发现少了一个波段，这是因为 TM 影像分为 1、2、 3、 4、 5、 7 波段，分别与 landsat8 中的
取平均值，做光谱剖面图， 分析不同地物的灰度值随波段变化的特点。 将光
谱剖面数据保存为文本文件（ txt 格式，可以用文本文件编辑器打开） 。
10. 采用 Excel 数据分析工具完成步骤 6 每种地物典型样本的特征光谱统计分
析，并将统计表附加在报告当中。
11. 采用 Excel 打开步骤 6 生成的数据文件， 从 TM/ETM+/OLI/TIRS 中选取红光 波段和近红外波段的数据， 做散点图， 分析上述不同地物在光谱空间中的分 布情况及其规律 （注意要在同一坐标系当中使用不同的符号表示不同的地表 覆盖类型， 标注水平坐标和垂直坐标， 并保持水平坐标和垂直坐标具有相同 的纵横比）。
模块。
复习遥感导论课程中的遥感影像目视解译环节，选择自己熟悉的地区，
进行 Landsat TM/ETM+ 影像的目视解译。
实习内容：
1. 课前预先下载所熟悉地区 Landsat TM/ETM+/OLI 影像数据
2. 利用下载影像数据的元数据文件将 GeoTIFF 格式的 Landsat TM/ETM+/OLI
landsat8 波段组合效
初步掌握了 ENVI 影像处理软件的基本操作和使用方法，熟悉了用户界面、
Toolbox 、
பைடு நூலகம்
landsat8 影像的目视解译。
通过 ENVI 中的 Spear→Spear Google Earth Bridge
可以与谷歌地球建立链
接，利用谷歌地球的高分辨影像进行辅助目视解译，方便了遥感工作者。 掌握了 Excel 中的宏分析工具。
散点图：
由散点图可以看出： 不同的地物光谱特征相差很大，相同的地物在散点图中较为聚集，即使在地理空间上 相隔很远，但其光谱特征呈现一致性，这说明各种地物的光谱特征具有特殊性和统一性。
特殊性是指各种地物的光谱特征不尽相同，而统一性是指相同的地物无论空间距离多远， 其光谱特征将呈现一致性。这就为遥感分类提供了切实可行的依据。
2. 各个波段直方图信息如图所示：
3. 波段组合试验： 4、 3、2：
7、 6、4：
5、 4、3：
6、 5、2：
7、 6、5：
实现真彩色合成所需波段组合为： 4（红）、3（绿）、2（蓝），能够反映自然界真实 景观。 实现标准假彩色合成所需波段组合为： 5（近红外） 、4（红）、3（绿），能够反映植 被信息。
数据，计算每种地物各个波段的均值、方差、标准差、最大值、最小值， 以及每种地物各个波段的协方差和相关系数，选取红光波段和近红外波 段的数据制作散点图。
结果与分析 1. 影像文件的基本信息和投影信息如图所示：
其中所包含的数据信息如下： 数据大小： 4 字节 文件类型： ENVI 传感器类型： Landsat OLI 投影信息： UTM 投影，北半球 49 带 地理坐标系： WGS— 84 像元大小： 30 米 波长：到微米