遥感数字图像特征分析和应用
遥感图像分析的基本原理与方法
遥感图像分析的基本原理与方法遥感图像分析是一种通过获取和解释地球表面的图像数据来研究地理现象和环境变化的方法。
它利用遥感技术获取的图像数据进行数据处理和分析，以揭示地球的表面特征、变化和趋势。
本文将介绍遥感图像分析的基本原理和方法，并探讨其在地质、环境和农业等领域的应用。
一、遥感图像分析的基本原理遥感图像分析依赖于传感器获取的电磁辐射数据。
电磁辐射是能量在电磁波形式下传播的过程，其波长范围从长波到短波，包括可见光、红外线和微波等。
传感器可以通过不同波段的响应来获取不同的辐射数据，从而得到不同频谱范围内的图像数据。
在遥感图像中，每个像素代表一块地表区域的平均辐射量。
图像数据可以由数字矩阵表示，其中每个像素的灰度值或颜色值表示该区域的辐射强度或反射率。
通过对这些数据进行处理和分析，可以获得地表特征的信息。
二、遥感图像分析的方法1. 预处理遥感图像预处理是为了去除图像中的噪声、增强特征和调整图像的对比度等。
常见的预处理步骤包括去噪、辐射校正、大气校正和几何校正等。
这些步骤可以提高图像质量并准确反映地表特征。
2. 特征提取特征提取是指从遥感图像中提取有用的地物信息。
可以根据图像的灰度、色彩、纹理和形状等特征来区分不同的地物类型。
常用的特征提取方法包括直方图均衡化、主成分分析、变化检测和物体识别等。
3. 分类与识别遥感图像分类是将图像中的像素按照其地物类型划分为不同的类别。
分类可以基于监督或无监督方法进行。
其中，监督分类依赖于训练样本和分类器，而无监督分类则是通过数据的统计分布和聚类分析进行分类。
4. 变化检测变化检测是利用多期遥感图像比较分析同一地区在不同时间的变化情况。
通过对像素之间的差异进行检测和分析，可以揭示地表的变化趋势和时空模式。
变化检测在环境监测、城市规划和资源管理等领域具有重要应用价值。
三、遥感图像分析的应用1. 地质勘探遥感图像分析可以帮助地质学家在不同尺度上研究地球表面的地质结构和岩矿成分。
遥感图像处理的基本原理与方法
遥感图像处理的基本原理与方法遥感技术是指利用航空、航天等手段获取地球表面信息的技术和方法。
遥感图像处理是对获取的遥感图像进行分析、解译和推断的过程，可以提取出有用的地貌、植被、土地利用等信息。
本文将介绍遥感图像处理的基本原理与方法，帮助读者更好地理解和应用遥感技术。
一、遥感图像的获取和特点遥感图像是通过感光器件（如传感器）对地面反射和辐射的能量进行记录和测量而获得的图像。
这些感光器件可以测量和记录不同波段（如红外、可见光和微波等）的电磁辐射，并产生相应的数字图像。
遥感图像具有以下几个特点：1. 遥感图像拥有广阔的视野，可以获取大范围的地表信息；2. 遥感图像可以获取地面特定时间的状态，可以进行长期观测和时序分析；3. 遥感图像具有数字化特征，可以进行数字图像处理和分析。
二、遥感图像的处理流程遥感图像处理的主要流程包括数据获取、预处理、特征提取和解译等环节。
1. 数据获取数据获取是遥感图像处理的第一步，可以通过卫星、航空遥感以及无人机等手段获取图像数据。
卫星提供的数据通常具有较高的分辨率和全球覆盖能力，而航空遥感和无人机则可以获取更高分辨率的数据，但覆盖范围较小。
2. 预处理预处理是对原始遥感图像进行预处理，以剔除噪声、校正几何畸变和辐射定标等。
常见的预处理操作包括大气校正、辐射定标、几何校正等。
预处理能够提高图像质量，为后续处理奠定良好的基础。
3. 特征提取特征提取是遥感图像处理的核心环节，通过分析图像中的颜色、纹理、形状等特征，提取出所需的地物信息。
常用的特征提取方法包括直方图均衡化、滤波、边缘检测、分割等。
4. 解译解译是将所提取的特征与已知的地物信息进行匹配，进一步推断和识别图像中的地物。
解译可以通过人工解译和自动解译两种方式进行。
人工解译需要依靠专业知识和经验，而自动解译则可以借助计算机算法进行。
三、遥感图像处理的应用领域遥感图像处理在许多领域都有广泛的应用。
1. 农业领域遥感图像可以提供农业领域的土地利用、农作物生长状态等信息。
遥感数字图像特征分析和应用
3.1遥感图像模型 遥感图像，无论模拟图像或者数字图像， 均是遥感器探测地物电磁辐射能量所得到 的图像，均是特定时空尺度下、特定波长
范围内、特定探测方向上地物发射和反射 电磁辐射能量的客观记录。
因此，均可归纳为如下所示更具普遍意义 的数学模型，即遥感图像模型。
S2 N2
协方差矩阵既能反映各个变量各自取值的离散程 度，又能反映不同变量间的相关密切程度。
第3章 遥感数字图像特征分析和应用
（2）相关系数——表征变量之间的相关程 度，多个波段遥感图像之间的反映其所含 信息的重叠程度。计算方法为：
r fg S2 fg S ff S gg
（其中，S ff 和 S gg 分别为图像 和 的 f (i, j ) g (i, j ) 标准差） 将个波段间相关系数对应排列所得矩阵称 1 r12 ... r1N 为相关系数矩阵R，即
第3章 遥感数字图像特征分析和应用
对于n个波段数据，将有n×(n-1)×(n-2)/3! 种3个波段组合，最佳波段选择就是要判断 其中哪种属于最佳波段组合、最适宜遥感 信息提取。已有研究证实，最佳指数（OIF） 最适宜多光谱数据最佳波段选择，其计算 公式如下： 3 3 OIF SD i R ij
3.2遥感图像统计特征分析 遥感图像的整体特征可用光谱分辨率、辐 射分辨率、空间分辨率和时间分辨率等描 述。但其具体特征？ 例如：相同时间、相同区域、不同传感器 数据有无细微的差异，相同传感器、相同 季相、不同区域数据同类地物有无可分性 差异等，如何定量描述？
第3章 遥感数字图像特征分析和应用
g x, y T f x, y
第3章 遥感数字图像特征分析和应用
遥感图像的分析与应用
遥感图像的分析与应用一、遥感图像的概述遥感图像是从卫星、飞机等高空或远距离设备采集的地表信息图像。
与传统地面测量方法相比，遥感图像获取速度快、覆盖范围广、多样性强，可以涵盖不同时期、不同地域、不同尺度的地表信息，因此被广泛应用于地球科学、环境科学、农业与林业、城市规划与管理等领域。
遥感图像可分为多种类型，包括红外图像、多光谱图像、高光谱图像等。
其中，多光谱图像被广泛应用于土地利用与覆盖分类、地表温度监测、植被生长研究、水资源评估等领域。
二、遥感图像的分析方法1.图像预处理图像预处理是遥感图像分析的第一步，用于去除图像中的噪声、改善图像的质量。
预处理包括图像的辐射定标、大气校正、几何校正等。
2.特征提取特征提取是将遥感图像转化为可供分析的特征信息的过程。
常用的特征提取方法包括像元分析、纹理分析、形态学分析等。
3.分类分类是将遥感图像中的像元按照其所代表的地物类型进行划分和分类的过程。
分类方法包括像素级分类、对象级分类、混合分类等。
三、遥感图像的应用1.土地利用土地利用与覆盖分类是遥感图像应用的主要领域之一，它可以为城市规划、农业管理、自然资源保护等提供重要的信息基础。
2.植被生长研究遥感图像可以用于植被生长的监测和分析，比如农业作物的生长、森林的更新等。
综合利用多光谱图像的叶绿素指数、植被指数等信息，可以实现植被生长的定量分析。
3.环境监测遥感图像可以用于环境监测，包括水污染、土壤质量监测等。
通过分析遥感图像中的水质、土壤含沙量等信息，可以及时发现环境的变化，并采取相应的措施加以治理。
4.城市规划遥感图像可以为城市规划与管理提供重要的基础数据，如土地利用类型、土地覆盖情况、房屋密度等信息。
基于遥感图像的城市规划不仅可以提高城市规划的准确性，还可以优化城市规划方案，提高城市的可持续发展水平。
四、发展趋势未来遥感图像的发展趋势是向高空高分辨率方向演进。
随着高分辨率遥感卫星的不断推出，遥感技术将更加适应现代化城市建设和自然资源管理的需要。
遥感影像处理技术的研究与应用
遥感影像处理技术的研究与应用随着技术的不断发展，遥感影像处理技术在许多领域中得到了广泛应用。
遥感是利用卫星、飞机等远距离传感器和图像处理技术，获取地球表面及其大气圈上的物理、化学和生态信息，以获得关于地球自然地理、人文地理、社会经济等多方面信息的科学技术。
本文将就遥感影像处理技术的研究与应用进行探讨。
一、遥感影像处理技术的研究遥感影像处理技术是将遥感图像数字化、处理、分析和应用的技术，是遥感技术的重要组成部分。
目前，遥感影像处理技术主要包括以下几个方面：1. 遥感数据的获取与处理遥感技术是通过遥感卫星或飞机等探测器获取遥感数据，然后在计算机中对数据进行处理。
数据的处理包括数据的几何纠正、大气校正、检验、拼接、归一化等，以获得质量更高、更准确的数据。
2. 遥感图像分类将遥感图像进行分类，即将不同区域的像元分为不同的类别，是遥感图像处理的重要步骤。
遥感图像分类的方法有许多，如最大似然分类、支持向量机分类、神经网络分类、回归分类等。
3. 遥感变化检测遥感变化检测是通过对不同时间的遥感图像进行比较和分析，以确定不同时间点的地形、土地利用和覆盖状况等发生的变化。
这种技术在城市规划、资源管理、环境保护和自然灾害监测等领域中得到广泛应用。
4. 遥感摄影测量遥感摄影测量是遥感技术的一项重要应用。
它通过对遥感图像中的特征点进行测量和定位，以获得遥感图像中各种地物的几何信息。
这项技术在测绘、城市规划、交通运输等领域中也得到了广泛应用。
二、遥感影像处理技术的应用遥感影像处理技术在许多领域中都得到了广泛应用。
以下是几个应用领域的介绍：1. 土地利用和土地覆盖监测通过对遥感图像进行分类和遥感变化检测，可以了解土地利用和土地覆盖的变化情况，可用于城市规划、生态环境保护等领域。
2. 农业生产智能化利用遥感图像进行快速调查、实地查勘和农田分类，可以实现农业的精准管理和农业智能化的实现。
例如，可以在种植季节内，通过对农田遥感图像的监控和变化检测，及时发现作物生长变化，实现对农田生产的实时监控。
遥感数字图像处理 遥感数字图像的表示和统计描述
图像的统计性
图像统计量定义（图像质量统计量） 变差表示图像灰度值的变化程度，间接反映图像 信息量。 （Max-Min） 反差 （对比度）：反映图像显示效果和可分辨性。 Max-Min Max/Min 方差等
窗口
图像的统计性
多波段图像的统计特征 1 协方差 2 相关系数 表明两个波段图像之间的协变性的强弱。
2 结构方法：定义、区分纹理的基元。 分型几何（维数）。
图像拉伸（线性）
1 线性拉伸
g ( x, y) f ( x, y) a c
2 分段拉伸 对目标地物进行突出（其斜率较大（大于1）， 其它地物则斜率小于1，） 3 灰度窗口切片
图像拉伸（非线性）
1 指数变换：
g ( x, y) be
遥感数字图像的表示和统计描述
遥感图像模型
1 遥感图像是客观世界一个侧面的数据描述，通 常在图像上能保持原有的连续性（时间与空间） 与空间相关性。 2 遥感图像像素值变化具有随机性。 2 电磁波能量来自地物的反射与辐射。
L( x, y, t , , p) (1 r ( x, y, t , , p))E ( ) r ( x, y, t , , p) I ( x, y, t , )
1 pr (u)du A H (u)du 0
r
D D D f (D ) A H
A
i 0
i
A可以是面积，也可以像素个数，Hi是该灰度级的像素个数 DA是灰度，Dmax是最大灰度值
2）直方图均衡（续1）
举例：原图和直方图
2）直方图均衡（续2）
举例：均衡后的图和直方图
直方图规定化
时间(t)、波长(λ)、极化方式(P)不同，构成不同特点的图像
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。
遥感图像增强的目的及应用
遥感图像增强的目的及应用遥感图像增强的目的是通过一系列的数字图像处理技术，改善获取的遥感图像质量，使得图像更加清晰、具备更丰富的信息，以便更好地反映地物表面的特征和变化，提高对地物目标的识别和提取能力。
遥感图像增强的目标是以较低的成本和较少的数据，获取更准确、更丰富的信息。
遥感图像增强的应用非常广泛，涵盖了农业、林业、地质、环境、城市规划、水资源等多个领域。
下面分别介绍一些具体的应用案例：1. 农业：通过遥感图像增强技术，可以更好地提取农田的土壤类型、植被信息和作物生长情况，对农业生产进行监测和评估。
如可以准确识别出农田的植被覆盖度，为农业精细化管理提供数据支持，实现农田水分、化肥的准确施用。
2. 水资源管理：通过对遥感图像进行增强处理，可以提取水体边界和水体类型，实时监测水体的变化，评估水资源的利用状况。
例如，可以对湖泊、河流等水体进行动态监测，及时发现水质异常和水体污染问题。
3. 灾害预警和防治：遥感图像增强可以帮助提取地质灾害、森林火灾、洪涝灾害等灾害的前兆信号，为灾害预警和防治提供及时有效的数据支持。
例如，可以通过增强处理提取出植被覆盖度等指标，评估和预测森林火灾的潜在风险。
4. 城市规划：通过遥感图像增强，可以提取出城市的道路网络、建筑物分布情况、绿地覆盖等信息，为城市规划和土地利用提供准确的基础数据。
例如，可以通过增强处理提取出建筑物的形状和高度信息，用于城市建筑物的三维模型构建和城市景观设计。
5. 环境监测：遥感图像增强可以监测大气、水体和土地等环境污染情况，提取环境参数，评估环境状况和污染程度。
例如，可以通过增强处理提取出水体的叶绿素-a浓度，用于评估水体的富营养化程度。
6. 地质勘探：遥感图像增强可以提取地表地貌、岩性、构造等地质信息，用于地质勘探和矿产资源的评估与开发。
例如，可以通过增强处理提取出岩性差异，找出潜在的矿产资源区域。
综上所述，遥感图像增强在农业、水资源管理、灾害预警和防治、城市规划、环境监测和地质勘探等领域具有重要的应用价值，能够提高数据的质量和精度，为相关领域的研究和决策提供准确的数据支持。
遥感遥测中的数据解析与图像处理技术
遥感遥测中的数据解析与图像处理技术遥感遥测技术是一种通过卫星或其他远距离传感器获取地球表面信息的方法。
通过遥感遥测可以获取到大量的地球观测数据和图像，但是这些数据和图像的信息量往往庞大且复杂，需要经过数据解析和图像处理技术的支持，以提取有用的信息和进行进一步的分析。
数据解析是指将原始的遥感遥测数据进行转换和解释的过程。
在解析过程中，首先需要了解数据所采集的传感器类型和数据格式。
不同类型的传感器可能采用不同的测量方法和数据编码方式，因此需要针对具体的传感器进行数据解析。
在数据解析的过程中，最常见的任务是将数据转换为可理解的数值形式，例如将遥感图像中的每个像素点的亮度值转换为真实的地表反射率。
遥感图像处理技术是指对遥感图像进行数字化处理以提取有用信息的方法。
遥感图像处理技术广泛应用于土地利用/覆盖分类、目标识别和变化检测等领域。
图像处理的一般流程包括预处理、特征提取和分类或分割等步骤。
预处理是指对原始图像进行降噪、增强和几何校正等操作，以消除图像中的噪声、调整图像的对比度和亮度，并使图像准确地对应到地面实际位置。
常用的预处理操作包括直方图均衡化、滤波和几何校正。
特征提取是指从预处理后的图像中获取地表特征的过程。
特征可以是图像的纹理、形状、颜色等。
特征提取的方法有很多，如基于统计的方法、频域分析和人工智能算法等。
分类是将图像中的像素点划分到不同的类别中的过程。
分类可根据不同的目标进行，例如土地利用/覆盖分类、植被分类和水体分类等。
分类方法有很多种，包括基于像元的分类、基于目标的分类和混合分类等。
分割是将图像中的区域划分为不同的物体或地物的过程。
分割可以根据不同的目标进行，例如目标检测和变化检测。
分割方法有很多种，包括基于像素的分割和基于区域的分割等。
综合上述的数据解析和图像处理技术，遥感遥测数据可以为各个领域提供丰富的信息和数据支持。
在环境监测领域，遥感遥测可以用于检测植被覆盖变化、水体质量变化和土地利用变化等。
多尺度特征分析技术在遥感图像处理中的应用
多尺度特征分析技术在遥感图像处理中的应用在当今信息时代，遥感技术已经广泛应用于地球监测、资源管理、环境保护等领域。
遥感图像是从空间平台或飞行平台上获取的高分辨率数字图像，具有很强的时空分辨率、覆盖范围广等优势。
但是，由于遥感图像特征复杂、维度高、噪声多等问题，传统的图像处理方法难以实现对其完美的处理和分析，因此在遥感图像处理中使用多尺度特征分析技术可以发挥重要作用。
一、多尺度特征分析技术的概念与原理多尺度特征分析作为一种非线性多分辨率处理技术，通过对不同尺度下的图像进行分解与合成，实现对图像中各种局部细节和全局结构特征的分离与提取。
它主要包含了两个难点问题：一是多尺度分解策略问题；二是多尺度特征提取问题。
而其基本原理就是通过对图像进行多角度、多位置、多比例的分析，使得对图像中不同尺度信息的分解过程更加精确。
二、多尺度特征分析技术在遥感图像处理中的应用现状多尺度特征分析技术主要应用于遥感图像处理中的几个方面，包括图像去噪、分割、特征提取、几何校正、分类等。
1. 图像去噪：遥感图像通常存在着较多的噪声干扰，使得图像的识别和理解变得非常困难。
利用多尺度特征分析技术可以有效地将图像的局部特征与全局结构特征分离，从而去除噪声干扰。
2. 图像分割：在遥感图像中，物体的形状和颜色等特征在不同的尺度下具有不同的表现形式。
利用多尺度特征分析技术，可以准确地分离出不同的物体，并进行更精细的分割和识别。
3. 特征提取：遥感图像中包含大量的空间、光谱、纹理等多种特征。
通过多尺度特征分析技术，可以从图像中分离出不同的特征，提取出更具有代表性的特征，为后续的分类和识别提供更加坚实的基础。
4. 几何校正：遥感图像不能完全可靠地测量出物体的位置和大小，因此需要进行几何校正，以便更加精准地对图像进行分析和处理。
多尺度特征分析技术可以通过对图像进行多尺度的处理，得到更加准确的几何信息，从而实现遥感图像的精确校正。
5. 分类与识别：遥感图像分类与识别是遥感应用的核心问题之一，也是多尺度特征分析技术的重要应用领域之一。
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。
遥感数字图像处理实验报告
遥感数字图像处理及应用实验报告姓名：学号：专业：学院：学校：实验一遥感图像统计特性一、实验目的掌握遥感图像常用的统计特性的意义和作用，能运用高级程序设计语言实现遥感图像统。
二、实验内容编程实现对遥感图像进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。
三、实验原理1.均值像素值的算术平均值，反映图像中地物的平均反射强度。
公式为：2.方差像素值与平均值差异的平方和，反映了像素值的离散程度。
也是衡量图像信息量大小的重要参数。
公式为：3.相关系数反映了两个波段图像所包含信息的重叠程度。
f,g为两个波段的图像。
公式为：四、实验数据及图像显示：原始图像：运行结果：实验二遥感图像增强处理一、实验目的掌握常用遥感图像的增强方法，能运用高级程序设计语言实现遥感图像的增强处理。
二、实验内容编程实现对遥感图像的IHS 变换、IHS 逆变换、进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。
三、实验原理：1.IHS变换2.SPOT图像真彩色模拟模拟真彩色：通过某种形式的运算得到模拟的红、绿、蓝三个通道，然后通过彩色合成近似的产生真彩色图像。
（1）SPOT IMAGE 公司提供的方法该方法实际上是将原来的绿波段当作蓝波段，红波段（0.61-0.68 μm）仍采用原来的波段，绿波段用绿波段、红波段、红外波段的算术平均值来代替。
（2）ERDAS IMAGING 软件中的方法此法将原来的绿波段当作蓝波段，红波段仍采用原来的波段，绿波段用绿波段、红外波段按3：1 的加权算术平均值来代替。
四、实验数据及图像显示原始图像：ISH变换所的图像：SPORT真彩色图像：实验三遥感图像融合一、实验目的掌握多源遥感图像融合的原理与方法，能运用高级程序设计语言实现遥感图像的融合。
二、实验内容选择IHS 变换、PCA 变换和Brovey 变换三种方法中的一种，编程实现多源遥感图像融合，即将低空间分辨率的多光谱图像与高空间分辨率的全色图像实现融合。
数字图像处理技术在遥感中的应用
数字图像处理技术在遥感中的应用随着数字化时代的到来，遥感技术从传统的航空摄影演变为数字遥感，数字图像处理技术的应用也越来越广泛。
在遥感领域，数字图像处理技术可以分为三类：图像增强、特征提取和目标识别。
下面将详细介绍数字图像处理技术在遥感中的应用。
一、图像增强图像增强是指通过一些数字图像处理方法使图像的质量得到提升或者说让人类更容易观察和分析图像。
在遥感领域，由于航拍或卫星拍摄的图像不可避免地存在一些噪声或者扭曲形变，因此图像增强成为了一项关键技术。
一般来说，图像增强可以分为两类：空域滤波和频域滤波。
空域滤波是通过改变像素之间的数值来调整图像的像素值，如中值滤波、均值滤波等。
而频域滤波则是通过改变图像的傅里叶变换谱来调整图像的像素值，比如高通滤波、低通滤波等。
一般而言，频域滤波的效果更好，但是空域滤波的速度更快。
除了常见的滤波方法，还有一些特殊的图像增强方法。
比如，波尔多（Bordeaux）大学曾经提出了一种基于小波变换的图像增强方法，可以在直通波束和散射波束中实现噪声过滤和反射率估计。
二、特征提取特征提取是指从图像中提取出更具信息含量和区分力的特征。
例如，提取植被指数（NDVI）、离散点（blight）指数、道路网图及车辆一系列特征等。
遥感图像的特征提取常常是复杂且繁琐的，可以通过数字图像处理方法简化和优化。
特征提取大致分为两步：一是预处理，二是特征计算。
预处理包括图像分割、去噪等操作。
特征计算则是对分割后的图像进行特征计算，例如感兴趣区域（ROIs）内的植被覆盖率、沙漠化率、土地变化率、道路交通状况等。
特征提取常常是其他应用的基础，例如在目标识别任务中，特征提取就是提高分类正确率的关键。
因此特征提取技术的改进是遥感图像分析技术发展的核心任务。
三、目标识别目标识别是指利用遥感图像中的信息来识别特定的目标，例如建筑物、水体、植被覆盖等。
通过数字图像处理技术的应用，可以提高遥感图像目标识别任务的准确率和自动化水平。
遥感影像分类技术的基本原理与应用方法
遥感影像分类技术的基本原理与应用方法一、引言随着科技的不断进步，遥感技术在地理信息系统、环境监测、农业资源管理等领域发挥着越来越重要的作用。
遥感影像分类技术是其中的核心技术之一，目前已经得到广泛应用。
本文将从基本原理和应用方法两个方面介绍遥感影像分类技术的相关内容。
二、基本原理1. 数字图像处理遥感影像在获取过程中通常以数字形式保存，因此对其进行数字图像处理是分类技术的基础。
图像的预处理包括辐射定标、大气校正、几何纠正等，以消除影像中的噪声和失真，提高分类的准确性。
2. 特征提取在进行遥感影像分类之前，需要对图像进行特征提取。
常用的特征有光谱特征、纹理特征、形状特征等。
光谱特征是指利用不同波段的反射率信息进行分类，纹理特征是指图像的纹理变化进行分类，形状特征是指目标的外形进行分类。
特征提取的准确性和有效性对分类结果至关重要。
3. 分类器设计分类器是遥感影像分类中的一个关键组成部分。
常用的分类器有最大似然分类器、支持向量机、决策树等。
最大似然分类器是一种经验概率分类器，根据各个类别的似然概率进行分类；支持向量机是通过找到一个最佳的超平面对样本进行分类；决策树是通过对样本的分裂和合并来构建分类模型。
不同的分类器适用于不同的场景和数据特点，选择合适的分类器对分类结果具有重要影响。
三、应用方法1. 地物分类地物分类是遥感影像分类的主要应用之一。
通过对遥感影像中各种地物（如建筑物、道路、植被等）进行分类，可以快速、准确地获取地理信息，为城市规划、土地利用等方面的决策提供必要的支持。
地物分类需要考虑光谱特征、纹理特征等因素，并结合地物的特点进行分类器的选择和设计。
2. 环境监测遥感影像分类技术在环境监测方面也具有广泛应用。
通过对污染源、水体变化等进行分类，可以帮助监测地表环境变化，提醒有关部门及时采取措施，保护环境质量。
环境监测中遥感影像分类需要考虑时间序列数据的特点，并结合相关指标进行分类器的选择和设计。
数字图像处理在测绘中的应用案例
数字图像处理在测绘中的应用案例概述随着技术的不断发展，数字图像处理在测绘领域的应用越来越广泛。
数字图像处理技术可以对图像进行增强、分割、配准等操作，提高测绘数据的准确性和清晰度。
本文将介绍数字图像处理在测绘中的应用案例，包括遥感影像分析、地理信息系统（GIS）建设、地形测量等方面。
遥感影像分析遥感影像分析是数字图像处理在测绘中最为常见的应用之一。
通过对遥感影像进行处理，可以提取出地表特征信息，包括植被覆盖、建筑轮廓、水域分布等。
这些信息可以作为土地利用规划、环境监测、灾害评估等方面的依据。
以城市规划为例，通过对遥感影像进行分类和分割，可以获取城市发展的空间分布情况。
通过识别出不同类型的地物，如道路、建筑物、绿地等，可以评估城市的用地结构和城市化程度。
这些信息有助于规划部门进行合理的土地使用规划，提高城市建设的效益。
地理信息系统（GIS）建设地理信息系统（GIS）是数字图像处理在测绘中的又一个重要应用领域。
在GIS系统中，数字图像处理技术可以用于地图标注、地物提取、地图配准等操作。
通过使用数字图像处理技术，可以提高地图质量，减少错误，提高工作效率。
例如，通过对高分辨率卫星影像进行配准操作，可以将不同时间或不同分辨率的地图数据融合起来，构建出更新更准确的地图。
这对于城市更新规划、物流路线选择等方面都有重要意义。
此外，通过数字图像处理技术，还可以自动提取地理元素，如河流、湖泊、道路等，快速构建地理信息数据库。
地形测量数字图像处理技术在地形测量方面也有广泛应用。
数字高程模型（DEM）是一种能够反映地表高程分布的数学模型。
通过对高分辨率卫星影像进行数字图像处理，可以提取出DEM数据，用于地形刻画和地形分析。
地形测量在地质勘探、城市规划等方面都起着重要作用。
例如，在地质勘探中，通过对地表高程数据进行分析，可以找到地下地质构造，预测矿产资源的分布。
在城市规划中，通过对地形数据的分析，可以评估区域地势特点，选择合适的区域作为建设用地，确保工程的安全性和可持续性。
无人机遥感与数字图像处理技术的应用研究
无人机遥感与数字图像处理技术的应用研究近年来，随着科技的迅速发展，无人机遥感与数字图像处理技术已成为许多领域的研究热点。
无人机遥感技术通过先进的无人机平台，实现对地面的高分辨率、高精度的观测和测量，为地理信息系统、农业、环境监测等领域提供了强大的技术支撑。
数字图像处理技术则通过对图像进行数字化、增强、分割等操作，提高了图像的清晰度、色彩与对比度等方面，为各类图像识别任务提供了高效的数据处理方式。
本文将从无人机遥感与数字图像处理技术的基本原理、应用领域和未来展望等方面，对其进行一定的分析和研究。
一、无人机遥感与数字图像处理技术的基本原理无人机遥感是指利用遥感技术在无人机平台上进行地物探测和图像数据获取的一种技术方式。
它通过搭载多种传感器与仪器，实现对地物的高效率、高速度、高质量测量。
常见的传感器有多光谱相机、高光谱相机、雷达、激光扫描仪等。
这些传感器能够对地面不同频段的辐射进行测量和记录，从而得到多种多样且精确的地理数据。
与传统人工测量相比，无人机遥感具有观测范围广、观测周期短、精度高等优点。
同时，无人机平台本身也具有灵活、可操控等优点，可以实现对难以到达或危险区域的观测和测量。
数字图像处理技术则主要利用计算机进行数字化处理，将图像数据转换成计算机可读取、储存和操作的形式。
数字图像处理的基本步骤包括：图像获取、预处理、特征提取、目标识别、分类和定量化等。
其中最重要的步骤是特征提取，因为它是将图像从原始复杂的数据转化为更清晰、更简洁的数据的过程。
数字图像处理技术的主要应用领域包括计算机视觉、医学影像处理、自然资源管理、环境保护、地学勘探等。
二、无人机遥感与数字图像处理技术的应用领域1.地理信息系统（GIS）无人机遥感和数字图像处理技术被广泛应用于GIS领域，为GIS数据的精度和速度的提高提供了有效的支持。
GIS是一种非常重要的空间数据处理工具，可以对地理空间数据进行整合、分析和应用，为城市规划、地质勘探及自然资源管理等领域提供了很好的数据支持。
- 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)。
第3章 遥感数字图像特征分析和应用
特定时空尺度：（x,y,t）； 特定波长范围：（λmax-λmin）； 特定探测方向：（P,(θ,φ））。 地物辐射类型：发射和反射
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
依据遥感根据探测波段分类，可得： ①可见光-近红外遥感（Visible NearInfrared）：主要在白天进行遥感探测，地 物自身热辐射可忽略不计，模型简化为：
第3章 遥感数字图像特征分析和应用
（3）众数——指图像中出现频数最多的灰 度值。它是图像中分布较广的地物类型反 射能量的反映。 （4）方差反映像元灰度值与平均灰度值的 总的离散程度。算法如下：
S2
f (i, j ) f (i, j )
M N i 1 j 1
2
M N
r R 21 ... rN 1 1 rN 2 ... r2 N ... 1
第3章 遥感数字图像特征分析和应用
（3）联合熵——可用如下公式计算：
联合熵越大图像信息量越大。
第3章 遥感数字图像特征分析和应用
3.2.3遥感图像统计直方图 （1）直方图的概念 用横轴表示遥感图像灰度级，用纵轴表示 每一灰度级具有的像元个数或其所占总的 像元个数的比例，做出的条形统计图即为 遥感图像灰度直方图。它是灰度级的函数， 表示图像中具有每种灰度级像元的个数， 反映图像中每种灰度级出现的频率。例如：
第3章 遥感数字图像特征分析和应用
3.2.1单波段图像统计特征 单波段遥感图像多用均值、中值、众数、 方差和反差等描述其灰度值变化统计特征 规律。 （1）均值——指图像中所有像元灰度值的 算术平均值。反映图像中地物的平均反射 M N 强度，算法为： f (i, j )
f
i 1 j 1
第3章 遥感数字图像特征分析和应用
3.1遥感图像模型 遥感图像，无论模拟图像或者数字图像， 均是遥感器探测地物电磁辐射能量所得到 的图像，均是特定时空尺度下、特定波长
范围内、特定探测方向上地物发射和反射 电磁辐射能量的客观记录。
因此，均可归纳为如下所示更具普遍意义 的数学模型，即遥感图像模型。
（其中，S为标准差），是定量评价图像信息量大小的重要参数。
第3章 遥感数字图像特征分析和应用
（5）图像灰度值值域——指图像最大灰度 值和最小灰度值的差值，即：
f range (i, j) f max (i, j) f min (i, j)
反映图像灰度值的变化程度，间接反映图 像信息量。
S
2 gf
S
2 fg
1 M N f (i, j) f g (i, j) g MN i 1 j 1
将个波段间协方差对应排列所得矩阵称为协方差 矩阵∑，即 2 2 2
S11 2 S 21 ... 2 S N1 S12 S2 22 ... S1N ... S 2 2N 2 ... S NN
S2 N2
协方差矩阵既能反映各个变量各自取值的离散程 度，又能反映不同变量间的相关密切程度。
第3章 遥感数字图像特征分析和应用
（2）相关系数——表征变量之间的相关程 度，多个波段遥感图像之间的反映其所含 信息的重叠程度。计算方法为：
r fg S2 fg S ff S gg
（其中，S ff 和 S gg 分别为图像 和 的 f (i, j ) g (i, j ) 标准差） 将个波段间相关系数对应排列所得矩阵称 1 r12 ... r1N 为相关系数矩阵R，即
g x, y T f x, y
第3章 遥感数字图像特征分析和应用
g x, y T f x, y
g(x,y)的特点包括： 几何空间和灰度空间的连续性； ②定义域的限定型； ③函数值的限定性； ④物理意义的明确性。
第3章 遥感数字图像特征分析和应用
遥感成像过程受到众多随机因素影响，遥 感图像的灰度值变化可以看做是随机变量， 而且为了便于分析和处理，常常假设其服 从于正态分布。因此，可用统计特征参数 描述其自身质量及其处理效果等。 遥感图像按波段分，包括单波段图像和多 波段图像。相应的，图像统计特征包括单 波段图像统计特征和多波段图像统计特征。
c.就等于图像灰度值的标准差，即：
C3 S
反差可以反映图像的显示效果和可分辨性。其中， 最合理，其它两种受极端情况影响较大。
第3章 遥感数字图像特征分析和应用
（7）信息熵——根据Shannon信息论，可以将 信息熵理解成某种特定信息的出现概率，多用H 表示，算法如下： 信息熵同样可用于比较不同图像的信息量差异。 但不能将图像信息量作为其影像质量好坏的唯一 标准。因为即使同一地区相同质量的遥感图像， 由于成像时间不同信息量也不同，而且信息熵反 映的情况有时会与人的视觉感受不一致。
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
（2）直方图的性质 a.直方图反映图像中的灰度分布规律，但 不包含像元位置信息。 b.任何图像都有唯一直方图，但不同图像 可能有相同直方图。 c.如果一幅图像由两个或两个以上不相连 区域组成，且每个区域直方图已知，则整 幅图像直方图是这两个区域直方图之和。
第3章 遥感数字图像特征分析和应用
（5）CBERS-CCD数据统计特征分析 试验数据第5波段直方图基本呈正态分布，影像灰度值 反映地物随机分布规律；值域较大，足以体现不同地物 反射特征及灰度值差异；标准差较大，图像信息量较丰 富；与其它波段相比相关系数较小，综合反映地物对波 长0.51-0.73m的可见光反射特征，可用于土壤温度监 测、植物含水量调查、农作物长势分析等。 总体来讲，CBERS-CCD数据第5波段质量较好，将该 波段数据与其它波段数据一起进行最佳波段选择及土地 利用/覆盖信息提取具有实际应用价值。
第3章 遥感数字图像特征分析和应用
无论可见光-近红外、热红外还是微波遥感， 一旦遥感探测系统设计完成，遥感成像所 获得的图像的探测波长范围、空间几何构 像关系以及瞬时视场等均是一定的，变化 的仅只是成像区域。 因此，影响遥感图像的x,y,t,λ,P等参数，可 简化为仅受x,y影响，图像模型也可用f(x,y) 代替L(x,y,t,λ,P)。
第3章 遥感数字图像特征分析和应用
3.3.2遥感图像统计特征应用——最佳波段选择 （1）最佳波段选择意义 遥感器设计多通道纪录地物多光谱特征，为土地 利用/覆盖信息提取提供多源数据。但地物分布自 相似与自相关规律，使得多光谱与高光谱数据客 观存在谱间冗余，即不同波段数据具有相关性。 多光谱及高光谱数据波段间相关性导致，即便是 计算机分类，随着额外波段增加，计算负荷增大， 分类精度和效率反而受限，需用降维法选择对分 类有利波段。
3.2遥感图像统计特征分析 遥感图像的整体特征可用光谱分辨率、辐 射分辨率、空间分辨率和时间分辨率等描 述。但其具体特征？ 例如：相同时间、相同区域、不同传感器 数据有无细微的差异，相同传感器、相同 季相、不同区域数据同类地物有无可分性 差异等，如何定量描述？
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
（3）直方图的描述 由于遥感图像的灰度值并不能完全服从正态分布，即遥感图像 直方图分布曲线与正态分布曲线往往存在差异——直方图偏斜， 其具体表现为图像灰度均值与众数和中值的明显不一致，偏斜 程度可用下面的量来表示： 式中：
3( f f med ) 为图像灰度中值； Sk 或 Sk S 为图像灰度均值； 为图像灰度标准差。 S
第3章 遥感数字图像特征分析和应用
3.3.1遥感图像统计特征分析 （1）研究数据如下图所示：
第3章 遥感数字图像特征分析和应用
（2）单波段统计特征如下表所示。
第3章 遥感数字图像特征分析和应用
（3）多波段统计特征如下表所示。
第3章 遥感数字图像特征分析和应用
（4）多波段统计直方图如下图所示。
（2）最佳波段选择原则 最佳波段选择应遵循3个原则，即： ①所选波段或波段组合信息量要尽可能大， ②所选波段或波段组合间相关系数要尽可 能小， ③所选波段或波段组合要能保证多数地物 或某些地物容易区分。
第3章 遥感数字图像特征分析和应用
（3）最佳波段选择方法 最佳波段选择多用基于波段间信息量的熵 与联合熵、协方差矩阵行列式、最佳指数， 基于地物间可分性的标准距离、B距离、离 散度，以及针对专题信息提取的多维亮度 重叠指数等方法。 选择3个波段合成最佳彩色影像，使其既能 反映所用数据基本信息，影像特征鲜明突 出，又能减少工作量，提高分类精度和效 率。
f f mod e 为图像灰度众数；
f mod e
f med
f
S
第3章 遥感数字图像特征分析和应用
3.2.4遥感图像统计特征提取演示 应用ERDAS软件演示遥感图像统计特征提 取过程。 3.3遥感数字图像统计特征分析与最佳波段 选择 以《CBERS-CCD数据土地利用/覆盖信息 提取最佳波段选择》为例
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
3.2.2多波段图像统计特征 多波段遥感图像可以看做是多个随机变量， 常用协方差和相关系数描述其相关密切程 度。
第3章 遥感数字图像特征分析和应用
（1）协方差——反映不同变量间的相关程度，设 两个波段遥感图像分别为和，则可用如下模型计 算其协方差：
第3章 遥感数字图像特征分析和应用
②热红外遥感（Thermal infrared）：主要 在夜间或黎明前进行探测，主要获取地物 的热辐射。 ③微波遥感（Microwave Remote Sensing）：分为主动微波遥感和被动微波 遥感，前者的模型和可见光-近红外遥感图 像模型类似，后者的模型和热红外遥感图 像模型类似。