多波段遥感图像
遥感图像处理
遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。
遥感图像处理可以应用于多个领域，包括地理信息系统（GIS）、环境监测、农业、城市规划等。
本文将介绍遥感图像处理的基本概念、常用方法和应用案例。
2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术，以下是一些常用的基本概念：2.1 遥感图像遥感图像是通过遥感设备获取的图像数据，可以是卫星图像、航空摄影图像或无人机图像等。
遥感图像通常包含多个波段，每个波段代表不同的光谱信息。
2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。
预处理的目的是提高图像质量、减少噪声和伪影，并使得图像更适合进行后续处理和分析。
2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。
常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。
2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较，以检测地物、景观或环境发生的变化。
遥感图像变化检测可以用于监测自然灾害、环境变化等。
2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析，提取图像中的有用信息和特征。
遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。
3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。
3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理，以增强图像的可视化效果和信息提取能力。
常用的图像增强方法包括直方图均衡化、滤波（如中值滤波、高斯滤波）和锐化等。
3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。
常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。
3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。
多波段遥感图像彩色合成处理解析
多波段遥感图像彩色合成处理解析【摘要】多波段遥感图像彩色合成是一种应用广泛的遥感图像应用处理，本文对其授课目标、授课方式、授课内容、授课顺序、授课重点等进行了设计，并将彩色合成原理从色度学、地物波谱特性、图像灰度值（图像密度、透光性）等几个方面进行关联，使学生真正学懂彩色合成的基本原理，并能灵活地应用到遥感图像专题信息提取的实践之中。
【关键词】标准假彩色合成；真彩色合成；加色法0 引言彩色合成是遥感数字图像处理方法中，最常用、最基本、也是最便捷有效的彩色增强处理方法，是关于遥感图像处理研究最早的内容之一，到目前为止一直在延续使用，而且必不可少，然而在教学中本人发现，学生对于光学原理完成的彩色合成从理论上并不能很好的理解，学生可以看到彩色图像，可以按照排列组合的方式，把所有能做的彩色合成全部完成，观察到色彩的变化，但是很难将色度学、地物波谱特性、图像灰度值、图像透光性等知识融合到一起进行综合分析，从原理上明白色彩变化的原因。
本人从事遥感地质学教学工作多年，将彩色合成的教学经验进行了总结，希望对从事这方面教学工作的教师具有一定的帮助。
1 授课内容假彩色合成，从标准假彩色入手，以植被为例。
1.1 MSS数据的光学标准假彩色合成图1 标准假彩色合成（以植被为例，MSS数据）图1为从波段选择，植被反射率，图像色调、透明正片密度，滤色片颜色、色光混合，植被颜色7大方面对于标准假彩色图像上植被颜色为品红色原理的列表解释。
1.2 ETM+数据的数字标准假彩色合成、真彩色合成。
图2 标准假彩色合成（以植被为例，ETM+数据）图2和图3为以ETM+、TM数据为例，用数字图像处理的方法解释标准假彩色和真彩色合成的原理，因为该原理的实现是在计算机的遥感软件下完成，数据类型有一定的变化，所以透明正片密度用图像密度来代替，滤色片三原色，由计算机的RGB三原色代替，实现标准假彩色、真彩色合成。
工作波段、名称、植物反射率、图像色调、DN值、图像密度、三原色、色光混合原理应该在本次课之前完成，在课上介绍到哪一部分就要做相应的复习。
遥感图像解译的常见方法和技巧
遥感图像解译的常见方法和技巧遥感图像解译是指通过对遥感图像进行分析和解读，获取地物和环境信息的过程。
在当今社会中，遥感技术在农业、城市规划、环境监测以及资源调查等领域中发挥着重要作用。
然而，由于图像复杂性和解译难度的增加，如何有效地进行遥感图像解译成为了一个亟待解决的问题。
本文将介绍遥感图像解译的常见方法和技巧，希望能给读者在实际应用中带来一些启发。
一、多光谱图像解译多光谱图像是指通过多波段的遥感数据获取的图像，其中每个波段对应一种特定的光谱信息。
多光谱图像解译是最常用的遥感图像解译方法之一。
它基于光谱特征来识别和分析地物，通过比较不同波段的反射率和亮度值，可以获得不同地物的光谱特征，并进行分类判别。
在多光谱图像解译中，常用的技巧包括：光谱特征提取、光谱段的组合以及光谱变换。
光谱特征提取是指从多光谱图像中提取能够反映地物特征的光谱信息，例如反射率、亮度值等。
通过提取不同波段的光谱特征，可以实现对地物的分类和判别。
光谱段的组合是指将不同波段的光谱信息进行组合，以突出地物的特征。
例如，在植被遥感图像中，将近红外波段和红光波段进行组合，可以更好地区分植被和非植被地区。
光谱变换是指通过对光谱数据进行数学变换，以改变光谱分布和强度，从而获得更明显的地物信息。
常用的光谱变换方法包括主成分分析和单波段反射率之间的比率。
二、纹理特征分析除了光谱特征，纹理特征也是进行遥感图像解译的重要指标之一。
纹理特征通过对图像像素间的空间关系分析，反映了地物的空间分布和结构特征。
在遥感图像解译中，纹理特征分析可以用于识别和判别不同地物的纹理特征，提高分类的准确性。
在纹理特征分析中，常用的方法包括：灰度共生矩阵（GLCM）、纹理特征值和基于波谱变换的纹理分析。
灰度共生矩阵是一种常用的纹理特征计算方法，它通过计算像素间的灰度级对出现的频率来描述图像的纹理特征。
纹理特征值是一种通过计算图像像素间的像素差异和空间关系来描述地物纹理特征的方法。
遥感图像的处理
2.5
3500
3000 2
2500
1.5
2000
1
1500
1000
0.5 500
0 12345678
0 12345678
对数拉伸：扩张低的灰度区，压 缩高的灰度区
指数拉伸：扩展高灰度区间
反比 s = L − 1 − r
n次方根
输
出
灰
对数 s = c log(1 + r )
度
n次幂 s = cr γ
级
s
正比
反对数
输入灰度级,r
原图像
3.0
4.0
5.0
如果拉伸后图像的直方图不理想，可以通 过直方图均衡化做适当修改。
均衡化（线性化）基本思想
变换原始图象的直方图为均匀分布 ==> 大动态范围
使象素灰度值的动态范围最大
==> 增强图象整体对比度（反差）
将每个灰度区间等概率分布，代替了原来 的随机分布，即增强后的每个灰度级内有 大致相同的象元数；通过改变灰度区间来 实现；
假彩色合成是最常用的方法，与伪彩色不 同在于，假彩色使用的方法是多波段图像 。
假彩色合成ห้องสมุดไป่ตู้用的波段应该以地物的光谱 特征作为出发点，不同的波段合成突出不 同的地物信息。
波 图像 段 类型
波长范围 (um)
1 0.45－0.52
2 0.52—0.60
3 T M4 图 像
5
0.63—0.69 0.76—0.90 1.55—1.75
L(x, y,t, λ, p) = [1− β (x, y,t, λ, p)]E(λ) + β (x, y,t, λ, p)I (x, y,t, λ)
遥感图像处理
2.多波段彩色变换 根据加色法彩色合成原理，选择遥感影像的某 三个波段，分别赋予红、绿、蓝三种原色，就 可以合成彩色影像。 根据原色的选择与原来遥感波段所代表的真实 颜色是否相同，可分为真彩色合成和假彩色合 成。
彩色合成的原理图
反射率ρ/%
λ
真彩色图像
真彩色图像上影像的颜色与地物颜色基本一致。 利用数字技术合成真彩色图像时，是把红色波段的影像 作为合成图像中的红色分量、把绿色波段的影像作为合 成图像中的绿色分量、把蓝色波段的影像作为合成图像 中的蓝色分量进行合成的结果。 如TM321分别用RGB合成的图像。
多波段影像合成时，方案的选择十分重要，它决定了彩 色影像能否显示较丰富的地物信息或突出某一方面的信 息。以陆地卫星Landsat的TM影像为例，TM的7个波段 中，第2波段是绿色波段（0．52～0．60μm），第4段 波段是近红外波段（0．76～0．90μm。当4，3，2波段 被分别赋予红、绿、蓝色时，即绿波段赋蓝，红波段赋 绿，红外波段赋红时，这一合成方案被称为标准假彩色 合成，是一种最常用的合成方案。
1.单波段彩色变换
单波段黑白遥感图像可按亮度分层，对每层赋予不同的色彩， 使之成为一幅彩色图像。这种方法又叫密度分割，即按图像的密度 进行分层，每一层所包含的亮度值范围可以不同。例如，亮度0～ 10为第一层，赋值1，11～15为第二层，赋值2，16～30为第三层， 赋值3，等等，再给1，2，3等分别赋不同的颜色，于是生成一幅彩 色图像。目前计算机显示彩色的能力很强，理论上完全可以将256 层的黑白亮度赋予256种彩色，因此彩色变换很有前景。 对于遥感影像而言，将黑白单波段影像赋上彩色总是有一定目 的的，如果分层方案与地物光谱差异对应得好，可以区分出地物的 类别。例如在红外波段，水体的吸收很强，在图像上表现为接近黑 色，这时若取低亮度值为分割点并以某种颜色表现则可以分离出水 体；同理砂地反射率高，取较高亮度为分割点，可以从亮区以彩色 分离出砂地。因此，只要掌握地物光谱的特点，就可以获得较好的 地物类别图像。当地物光谱的规律性在某一影像上表现不太明显时， 也可以简单地对每一层亮度值赋色，以得到彩色影像，也会较一般 黑白影像的目视效果好。
遥感实习内容1(遥感图像的输入输出、波段组合及图像显示)
实习内容之一：遥感图像的输入/输出、波段组合及图像显示一、实习目的1）学习如何将不同格式的遥感图像转换为ERDAS img格式，以及将ERDAS img格式转换为多种指定的图像格式；2）学习如何将多波段遥感图像进行波段组合；3）在ERDAS系统中显示单波段和多波段遥感图像的方法。
二、实验数据1）多波段彩色遥感图像，wuce.tiff2）单波段彩色遥感图像，wuce-R.tiff，wuce-G.tiff，wuce-B.tiff三、实习要求1. 图像的输入/输出ERDAS的数据输入/输出模块可以进行数据格式的输入/输出转换。
目前，IMAGINE 8.4可以输入的数据格式达70多种，可以输出的格式达30多种，几乎包括常用的栅格数据和矢量数据格式，具体的数据格式见IMAGINE输入/输出对话框中的列表。
以wuce.tif数据为例，操作过程如下：1）在ERDAS图标面板采单条单击Import/Export命令, 打开Import/Export对话框;2）选择数据输入，即选中Import复选框;3）选择数据类型。
设置图像格式类型为tiff;4）选择图像存储介质类型。
设置为File；5）选择输入图像文件名，并给出输出图像文件名；6）单击OK按扭，执行图像格式转换输出图像的格式转换方法类似。
2. 波段组合在将单波段的图像文件转换为ERDAS系统的内部格式后，由于对遥感图像的处理大多数是针对多波段图像进行的，因此，必须将若干单波段遥感图像文件组合生成一个多波段遥感图像文件。
具体操作过程如下：1）在ERDAS图标面板采单条单击Main | Interpreter | Utilities | Layer Stack命令，打开Layer Selection and Stacking对话框。
2）输入单波段文件wuce-R.img；3）单击Add按扭；4）重复2）和3），将wuce-G.img，wuce-B.img波段输入；5）输入多波段文件名，如wuce-RGB；6）输出数据类型unsigned 8bit;7）波段组合选择Union单击按扭；8）输出统计忽略零值，即选中Ignore Zero In Stats复选框。
遥感图像处理流程
遥感图像处理流程一、图像融合1．多波段影像融合打开erdas软件——>Interpreter——>Utilties——>Layer Stack,打开对话框Layer Selection and Stracking如图：添加要合成的四个波段图像，选择保存目录，点击ok。
2．将TIFF格式的全色波段转格式为img点击Import在对话框分别选择“Import”,type选择“TIFF”,点击ok完成转格式。
3将两张全色图像拼接Erdas——>Data prepertion——>Mosaic images——>Mosaic Tools打开对话框如图，点击Edit add images,添加两幅全色影像图如图点击在出现的工具栏点击出现对话框，选择第一项自动生成合成范围如图点击process→run Mosaic,输出合成图像。
注：平时我们处理图像时可以选择自主划线，所画的线（可以是shp格式）应该避免与现状物体相切，迫不得已需要相交时，尽量斜相交。
4．重采样：先将已知坐标系统变换到另一个坐标系统，然后估计函数在-新坐标系统下的数值。
Erdas——>Data prepertion——>Mosaic images——>Mosaic Tools Edit→add images添加影像图点击Edit→output image options根据影像图的分辨率修改，淮南数据全色为2.5，多分辨率为10。
输出数据，完成重采样。
5．分别切出全色图像和多光谱图像重合部分打开ARCGIS，新建面图层，画出两幅图的重叠区域保存切图（略）6．全色图像和多光谱图像的融合Erdas→Interpreter →spatial Enhance →Resolution mergerHigh resolution input file选择全色图像，multispectral input file选择多光谱图像，method选择第一个，resampling选择第三个主成份。
遥感数字图像的表示和统计描述
➢ 反差：反应图像旳显示效果和可辨别性，又称为 对比度。
直方图
• 什么是直方图？ 直方图是灰度级旳函数，描述旳是图像中各个灰 度级像素旳个数。 以灰度级为横坐标，纵坐标为灰度级旳频率，绘 制频率同灰度级旳关系图就是灰度直方图。
3.3单波段图像旳统计特征
• 假如没有特殊旳阐明，设数字图像为 f (i, j) ，大小 为M×N，N为图像旳列数，M为图像旳行数，
i 0,..., N 1, j 0,..., M 1
基本统计特征
（1）.反应像素值平均信息旳统计参数 均值：像素值旳算数平均值，反应旳是图像中地
物旳平均反射强度，大小由图像中主体地物旳光 谱信息决定。
｛fi(x,y)｝,i=R,G,B 用彩色三原色表达
多光谱图像 ｛fi(x,y)｝,i=1,…,K 遥感图像，K为波段数
立体图像 运动图像
fLfR ｛fi(x,y)｝,i=1,…,t
用于摄影测量和计算机视 觉分析等。L和R分别为左 右图像
动态分析，视频制作。T为 时间。
图像旳矩阵表达
设图像数据为N列，M行，K个波段。对于任 一波段旳数据，能够表达为涉及M×N个元素 旳矩阵：
4-邻域
8-邻域
模板 图像数据
卷积运算
87 * 1 87 * 1 87 * 1 87 * 1 85*8 86* 1 89* 1 86* 1 86* 1 15
卷积计算后旳数据
窗口处理和模板处理
对图像旳处理，一般采用对整个画面进行处理，但 也有只对画面中特定旳部分进行处理旳情况。这 种处理方式旳代表有窗口处理和模板处理。
单独对图像中选定旳矩形区域内旳像素进行处理 旳方式叫做窗口处理
遥感图像处理中的多波段数据融合技术的使用注意事项
遥感图像处理中的多波段数据融合技术的使用注意事项遥感图像处理是一门应用广泛的技术，对于各种资源调查、环境监测、城市规划等领域都有着重要作用。
多波段数据融合技术是遥感图像处理的重要组成部分，它可以提高图像的空间分辨率和光谱信息，进一步增强图像的细节和分类精度。
然而，在使用多波段数据融合技术时，我们需要注意以下几个方面。
首先，要了解不同波段的特性。
在遥感图像处理中，不同波段的图像拥有不同的信息内容和特征。
例如，红外波段可以用于检测植被的健康状况，而可见光波段则可以提供更多的形态和颜色信息。
因此，在进行多波段数据融合时，我们需要了解每个波段所携带的信息，并根据任务需求选择合适的波段进行融合。
其次，要选择适当的融合方法。
多波段数据融合技术有许多不同的方法，包括基于像素、基于变换和基于特征的方法等。
不同的方法适用于不同的图像类型和任务需求。
例如，基于像素的方法适用于高光谱图像的融合，而基于变换的方法则适用于红外和可见光图像的融合。
因此，在选择融合方法时，需要考虑图像类型、数据质量和任务要求，选择最适合的方法。
另外，要合理处理图像的配准问题。
在多波段数据融合过程中，由于不同波段的图像具有不同的传感器和视角，会导致图像之间存在位置和尺度的差异。
因此，需要进行图像的配准，保证不同波段的图像在空间上对应一致。
常用的配准方法包括基于特征点的配准和模型转换法等。
配准完成后，才能进行准确的多波段数据融合。
此外，要注意融合后图像的质量评估。
多波段数据融合后的图像质量是评估融合效果的关键指标。
常用的图像质量评估指标包括信噪比、均方误差和相关系数等。
通过对融合后图像的质量进行评估，可以判断融合方法的效果，并对其进行优化和改进。
最后，要考虑多波段数据融合的应用场景。
多波段数据融合技术可以应用于不同领域的遥感图像处理，如土地利用分类、环境监测和自然灾害评估等。
在针对不同应用场景进行多波段数据融合时，需要充分了解任务需求，明确融合后图像的目标和要求，提高融合结果的适用性和实用性。
遥感图像融合方法
遥感图像融合方法遥感图像融合是指将来自不同传感器的多幅遥感图像融合成一幅具有更丰富信息和更高质量的图像，以便更好地应用于地学领域和资源环境管理中。
遥感图像融合方法的选择和应用对于提高遥感图像的分析和解译能力具有重要意义。
一、遥感图像融合的原理。
遥感图像融合的原理是基于多源数据的互补性和协同性，通过融合多个波段或多种分辨率的图像，可以获取更为全面和准确的信息。
常见的遥感图像融合方法包括基于像素级的融合和基于特征级的融合。
像素级融合是指将不同波段或分辨率的像素直接进行融合，而特征级融合则是在特征空间进行融合，如主成分分析、小波变换等。
二、遥感图像融合的方法。
1. 基于变换的融合方法。
基于变换的融合方法包括小波变换、主成分分析、非线性变换等。
小波变换能够将图像分解为不同尺度和方向的小波系数，通过选择不同的尺度和方向进行融合，可以实现多尺度和多方向的信息融合。
主成分分析则是通过对多幅图像进行主成分分解，提取出图像的主要信息进行融合。
非线性变换方法则是利用非线性映射将多幅图像进行融合，以实现更好的信息融合效果。
2. 基于分解的融合方法。
基于分解的融合方法包括多分辨率分解、多尺度分解等。
多分辨率分解将图像分解为不同分辨率的子图像，通过对子图像进行融合，可以得到更为丰富和准确的信息。
多尺度分解则是将图像分解为不同尺度的子图像，通过对不同尺度的子图像进行融合，可以获得更为全面的信息。
三、遥感图像融合的应用。
遥感图像融合方法在土地利用分类、环境监测、资源调查等领域具有广泛的应用。
通过融合多源遥感图像，可以提高图像的空间分辨率和光谱分辨率，从而更好地进行土地利用分类和环境监测。
同时，融合多源遥感图像还可以提高图像的信息量和准确性，为资源调查和规划提供更为可靠的依据。
四、结语。
遥感图像融合方法是遥感图像处理和分析的重要手段，对于提高遥感图像的信息量和质量具有重要意义。
在选择和应用遥感图像融合方法时，需要根据具体的应用需求和图像特点进行综合考虑，以实现更好的融合效果和应用效果。
《遥感数字图像处理》习题与答案
《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。
遥感图像目视解译原理
遥感图像目视解译原理遥感图像目视解译是通过人眼直接观察和分析遥感图像，从而获取有关地物、地貌和资源的信息的一种方法。
本文将介绍遥感图像目视解译的原理和一些常见的解译技巧。
1. 遥感图像目视解译的基本原理遥感图像目视解译的基本原理是基于人眼对图像的感知和分析能力，通过观察和分析图像中的各种信息，判断和识别地物和地貌特征。
遥感图像目视解译主要包括以下几个步骤：1.1 图像预处理在进行目视解译之前，需要对遥感图像进行一些预处理工作，以提高图像的质量和解译的准确性。
常见的图像预处理包括去噪、增强、辐射校正等。
1.2 目视解译特征提取观察图像中的各种地物和地貌特征，并根据它们的形状、大小、纹理、光谱等特征进行提取和判断。
常见的解译特征包括颜色、纹理、形状和空间分布等。
1.3 判读地物和地貌特征根据目视解译特征提取的结果，判断和识别图像中的地物和地貌特征。
这需要结合地理知识和经验判断，并进行地物和地貌类别的分类和标注。
2. 目视解译技巧为了提高目视解译的准确性和效率，以下是一些常用的解译技巧：2.1 多尺度观察在进行目视解译时，可以采用多尺度的观察方法。
从整体到局部，先观察图像的整体特征，再逐渐细化到局部特征。
这样可以更全面地了解地物和地貌的分布和特征。
2.2 多波段图像对比对于多波段遥感图像，可以通过对比不同波段的图像来观察和分析地物和地貌的不同特征。
不同波段对不同地物和地貌有不同的敏感度，对比分析可以帮助更准确地识别和判读。
2.3 空间关系分析在进行目视解译时，可以对图像中的地物和地貌特征进行空间关系分析。
例如，建筑物的分布和布局、江河的走向和分支等，这些空间关系可以帮助判断和识别地物和地貌的类型。
2.4 综合利用辅助数据在进行目视解译时，可以综合利用其他辅助数据，如地理地形资料、土壤地类图、行政区划图等。
这些辅助数据可以提供更多的地理背景信息，帮助更好地进行判断和识别。
3. 目视解译的应用领域目视解译在许多领域中都有广泛的应用，主要包括：•城市规划和土地利用：通过目视解译可以获取城市土地利用信息，为城市规划和土地管理提供基础数据。
遥感概论第12章 遥感图像的分类 122.12 第12章 遥感图像的分类
影像分类是遥感、影像分析和模式识别的重要组成部分
• 影像分类可以作为影像分析的直接目标：如土地利用分类、 农作物种类识别、湿地类型识别等，以分类影像作为成果
• 影像分类也可以作为影像分析的中间环节：如研究森林情 况，需要先提取出森林的范围；研究草地或农业情况，需 要先提取出草地和耕地的范围等
在影像分类过程中，需要用到分类器：即按照一定方法进 行影像分类的计算机程序
• 此时，需要采用距离量算法确定该点究竟属于哪个点集群
• 如果像元A、C间的距离大于B、C间的距离，则像元C属于B ，否则属于A
因此，距离的量算是非监督分类的核心
（3）距离量算的方法
殴几里得距离测量
n
Dab [ (ai bi)2 ]1/ 2 i 1
• i表示波段，a和b表示像元值，Dab表示两像元之间的距离
概念：非监督分类是指在多光谱影像中搜寻和定义自然光 谱集群组的过程，也叫聚类分析或点群分析
• 计算机按照一定的规则自动地根据像元光谱或空间特征进 行像元分类，不需要人工选择训练样本，仅需极少的人工 输入参数
目前，非监督分类已经发展了近百种分类算法，但所有的 算法都是基于像元亮度的相似度
• 相似度一般用距离或相关系数来衡量，距离越小或相关系 数越大，则相似度越大，相似度大的像元归并为一类
• 分类器的种类很多，但还没有一种分类器能够适用于所有 的任务
• 研究人员，只需根据当前的实际需要，选择一种分类器即 可，也可针对自己的需要，设计自己的分类器
• 简单的点分类器 简单、高效，但错误多
• 邻域分类器 设计复杂，但能结合空间
纹理信息，提高了精度
2 信息类别和光谱类别
信息类别是用户使用的对地面事物的信息分类 • 如湿地的不同类型、农田的类型、土地利用的不同类型等 • 这些信息类别可提供给规划者、管理者、研究者参考使用 • 影像不直接记录信息类别，只记录亮度值，分析人员只能
遥感图像的数据格式
遥感图像的数据格式2009-08-14 13:59多波段图像具有空间的位置和光谱的信息。
多波段图像的数据格式根据在二维空间的像元配置中如何存贮各种波段的信息而分为以下几类（1）BSQ格式（band sequential）各波段的二维图像数据按波段顺序排列。
（（（像元号顺序），行号顺序），波段顺序）（2）BIL格式（band interleaved by line）对每一行中代表一个波段的光谱值进行排列，然后按波段顺序排列该行，最后对各行进行重复。
（（（像元号顺序），波段顺序），行号顺序）（3）BIP格式（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。
（（波段次序，像元号顺序），行号顺序）（4）行程编码格式（run-length encoding）为了压缩数据，采用行程编码形式，属波段连续方式，即对每条扫描线仅存储亮度值以及该亮度值出现的次数，如一条扫描线上有60个亮度值为10的水体。
它在计算机内以060010整数格式存储。
其涵义为60个像元，每个像元的亮度值为10。
计算机仅存60和10；这要比存储60个10的存储量少得多。
但是对于仅有较少相似值的混杂数据，此法并不适宜。
（5）HDF格式HDF格式是一种不必转换格式就可以在不同平台间传递的新型数据恪式，由美国国家高级计算应用中心(NCSA)研制，已经应用于MODIS、MISR等数据中。
HDF有6种主要数据类型：栅格图像数据、调色板(图像色谱)、科学数据集、HDF注释(信息说明数据)、Vdata(数据表)、Vgroup（相关数据组合)。
HDF采用分层式数据管理结构，并通过所提供的“层体目录疗构”可以直接从嵌套的文件中获得各种信息。
因此，打开一个HDF文件，在读取图像数据的同时可以方便的查取到其地理定位、轨道参数、图像属性、图像噪声等各种信息参数。
landsat8遥感影像多波段合成原理
landsat8遥感影像多波段合成原理
Landsat 8遥感影像由多个波段的数字图像组合而成。
每个波段捕捉了不同的电磁波长范围，包括可见光、近红外和热红外等。
合成多波段影像的原理是将不同波段的图像叠加在一起，形成一个新的图像，该图像包含了原始图像中所有波段的信息。
这个过程可以使用不同的合成方法，包括RGB合成、色彩增强和索引合成等。
在RGB合成中，将选定的三个波段（通常是红、绿和蓝）分别分配给红、绿和蓝色通道，然后将它们合成为一幅彩色图像。
这样可以模拟人眼对于颜色的感知，显示出真实感较强的图像。
色彩增强是一种通过调整图像对比度和亮度来增强图像细节和特征的方法。
这种方法可以采用各种算法和滤波器来改善图像的品质和可视化效果。
索引合成是在图像中创建一种代表特定地物或地貌特征的指数，用于监测和分析目标。
常见的索引包括植被指数（如NDVI）、水体指数（如NDWI）和土壤湿度指数（如NDMI）等。
索引合成可以帮助研究人员和决策者更好地理解土地利用、植被生长、水资源分布等环境变化。
综上所述，利用不同的合成方法，可以将Landsat 8遥感影像的多个波段合成为一幅图像，以提供更全面、更准确的信息用于地表监测、环境研究和资源管理等
应用。
全色遥感影像和多波段遥感影像的具体概念
全色遥感影像和多波段遥感影像的具体概念？全色波段，一般指使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。
全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。
全色遥感影象一般空间分辨率高，但无法显示地物色彩。
多波段，又叫多光谱，是指对地物辐射中多个单波段的摄取。
得到的影象数据中会有多个波段的光谱信息。
对各个不同的波段分别赋予RGB颜色将得到彩色影象。
例如，将R，G，B 分别赋予R，G，B三个波段的光谱信息，合成将得到模拟真彩色图象。
多波段遥感影象可以得到地物的色彩信息，但是空间分辨率较低。
实际操作中，我们经常将这两种影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。
反演在遥感中是什么意思？按楼主的需求回答：一句话——遥感的本质是反演。
具体解释：遥感的本质是反演，而从反演的数学来源讲，反演研究所针对的首先是数学模型。
因此，遥感反演的基础是描述遥感信号或遥感数据与地表应用之间的关系模型，也就是说，遥感模型是遥感反演研究的对象。
要进行遥感反演研究，首先要解决的问题是对地表遥感像元信息的地学描述。
遥感像元尺度上的地学描述是十分有意义的课题，由于地球表面是一个复杂的系统，对地观测得到的遥感像元从几米到几公里的空间分辨率，人类对地表真实性的了解需要用多种参数来描述。
一般来说，遥感模型描述像元的观测量与地表实用参数之间的定量关系。
这种描述模型的精度与参数量成正比。
而精确的模型需要较多的参数。
因此定量遥感面临的首要问题是对地表的精确、实用的地学描述。
对这里所说的地学描述应该有两个方面的要求，第一是精确性，即对地学描述模型的精度要求，精确的模型具有科学性和定量性；第二是实用性，即地学描述模型参数的应用性，建立模型需要考虑遥感与应用的衔接，由于模型反演精度常受到数据源的限制，要注意发挥多种数据组合的优势。
定量遥感反演理论定量遥感发展的一个主要障碍是反演理论的研究不足。
第9章--遥感图像分类
软分类：一个像素分为多个类---混合像素
相似性度量
遥感图像计算机分类的依据是遥感图像 像素的相似度。在遥感图像分类过程中， 常使用距离和相关系数来衡量相似度。 距离:特征空间中象元数据和分类类别 特征的相似程度。距离最小即相似程度最 大。 度量特征空间中的距离经常采用以下几 种算法:
K-均值法分类过程
确定初始类别中心 判断样本至各类的距离 将样本分到较近的类S中 重新计算类S的中心 是
类中心是否变化？ 否
迭代结束
具体算法步骤如下：
K-Means处 理结果
类别=5；光谱 混淆？
类别=10
ISODATA（迭代自组织数据分析技术）
动态聚类法的代表： 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样本，直到分类 比较合理为止。
利用计算机对遥感数字图像进行分类难度很大。
遥感图像是从遥远的高空成像的，成像过程要受传
感器、大气条件、太阳位臵等多种因素的影响。影 像中所提供的目标地物信息不仅不完全，而且或多 或少地带有噪声，因此人们需要从不完全的信息中 尽可能精确地提取出地表场景中感兴趣的目标物。 遥感影像信息量丰富，与一般的图像相比，其包容 的内容远比普通的图像多，因而内容非常“拥挤”。 不同地物间信息的相互影响与干扰使得要提取出感 兴趣的目标变得非常困难。 遥感图像的地域性、季节性和不同成像方式更增加 了计算机对遥感数字图像进行解译的难度。
ISO-DATA处 理结果
监督分类
监督分类方法。首先需要从研究区域选取
有代表性的训练区作为样本。根据已知训 练区提供的样本，通过选择特征参数（如 像素亮度均值、方差等），建立判别函数， 据此对样本像元进行分类，依据样本类别 的特征来识别其它像元的归属类别。
第72章高光谱遥感图像分类ppt课件
初始类别参数的选定
初始类别参数是指：基准类别集群中心（数学期 望）以及集群分布的协方差矩阵。因为无论采用 何种判别函数，都要预先确定其初始类别的参量。 以下为几种常用的方法：
29
1、像素光谱特征的比较法
首先，在遥感图像中定义一个抽样集，它可以是整幅 图像的所有像素，但通常是按一定间隔抽样的像素；
15
欧几里德距离就是两点之间的直线距离。这是我们用的最多因 而也是最为熟悉的一种距离。与我们习惯用的距离一致。欧氏 距离的表达式为：
2. 欧几里德距离
n
2
di x k
x kj M ij
j1
欧氏距离中各特征参数也是等权的。 以上两种距离都称为明可夫斯基(Minkowski)距离（以下 简称明氏距离），使用明氏距离应该注意以下问题：
式中：Pwi 为先验概率，也就是在被分类的图像中类别wi出现的 概率。PX wi 为似然概率，它表示在 wi这一类中出现像元X的
概率。只要有一个已知的训练区域，用这些已知类别的像元做
统计就可以求出平均值及方差、协方差等特征参数，从而可以
求出总体的先验概率。在不知道的情况下，也可以认为所有的Pwi
为相同。Pwi X 为后验概率。PX 表示不管什么类别出现的概率：
31
初始类别参数的选定
19
3、最大似然监督分类
最大似然法是经典的分类方法，已在宽波段遥感图像分类
中普遍采用。它主要根据相似的光谱性质和属于某类的概率最
大的假设来指定每个像元的类别。MLC法最大优点是能快速指定
被分类像元到若干类之中的一类中去 。
从概率统计分析，要想判别某位置的向量属于哪一个类别，
判别函数要从条件概率 Pwi X i 1 , 2 , 3 , 来, m决定，
- 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)。
061123班丁建平20121001629
1.多波段遥感图像最初分发时，通常采用那三种数据存贮格式？经过处理后计算机中常用的图像存贮格式又有哪些？
BSQ(Band sequenti)：是一种按照波段顺序依次排列的数据格式；
BIP（Band interleaved by pixel）：每个像元按照波段次序交叉排列；
BIL(Band interleaved by line) ：逐行按波段次序排列的格式。
在计算机中常见的图像存储格式：
TIFF：标签化图像文件格式（TIFF）是Aldus公司与微软公司合作开发的一个多用途可扩展的用于存贮栅格图像的文件格式。
BMP：为Windows内图像的标准标准格式，以二维数组来表示。
2.比较监督分类与非监督分类的优缺点。
根本区别在于是否利用训练场地来获取先验的类别知识。
监督分类的关键是选
择训练场地。
监督分类法优点是：简单实用，运算量小。
缺点是：受训练场地
个数和训练场典型性的影响较大。
受环境影响较大，随机性大。
训练场地要有
代表性，样本数目要能够满足分类要求。
非监督分类优点是：
事先不需要对研究区了解，减少人为因素影响，减少时间，降低成本。
不需要更多的先验知识，据地物的光谱统计特性进行分类。
缺点是：
运算量大。
当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类
效果好。
3.分别描述1种监督型和非监督型分类算法原理。
平行管道分类算法原理：对图像中每个像素的光谱响应曲线进行相似性比较，如果落到某一类平行管道阀值范围内，则划分到该类别;如果落到多个类中，则将这个像元划分到最后匹配的类别;落不到任何管道中，则标识为未分类。
非监督分类算法：K-均值算法，ISODATA分类算法
K-均值算法原理：通过迭代，移动各个基准类别的中心，直至得到最好的聚类结果为止。
使得聚类域中所有样本到聚类中心的距离平方和最小。