高分遥感影像信息处理与信息提取(ppt)

合集下载

第七章遥感数字图像计算机解译ppt课件

第七章遥感数字图像计算机解译ppt课件
➢采用距离衡量相似度 时,距离越小相似度 越大。 ➢采用相关系数衡量相 似度时,相关程度越 大,相似度越大。
2
二、分类方法
非监督分类( Unsupervised classification ): 是在没有先验类别(训练场地)作为样本的条件 下,即事先不知道类别特征,主要根据像元间相 似度的大小进行归类合并(即相似度的像元归为 一类85%,模板需要要重建。
35
三、图像分类中的有关问题
1、未充分利用遥感图像提供的多种信息 只考虑多光谱特征,没有利用到地物空间关系、
图像中提供的形状和空间位置特征等方面的信 息。 统计模式识别以像素为识别的基本单元,未能利 用图像中提供的形状和空间位置特征,其本质是 地物光谱特征分类
(3)多级切割分类法 (4)特征曲线窗口分类法
监督分类的一般步骤
采集训练样本 建立模板 评价模板 初步分类 检验分类
分类后处理 分类特征统计
训练样本选择:
取决于用户对研究区及类别的了解程度。
1)矢量多边形:使用矢量图层;自定义AOI多边形; 2)标志种子象素:利用AOI工具,用十字光标标出 一个象元作为种子象素(seed pixel)代表训练样本, 其相邻象素根据用户指定参数进行比较,直到没有 相邻象元满足要求,这些相似元素通过栅矢转换成 为感兴趣区域。
46
小波分析
小波理论起源于信号处理。由于探测精度的限
制.一般的信号都是离散的,通过分析认为信号是由多
个小波组成的,这些小波代表着不同的频率持征。小波
函数平移、组合形成了小波函数库,通过小波函数库中
区间的变化可以对某些感兴趣的频率特征局部放大,因
此.小波函数被称为数学显微镜。
47
小波分析
小波分析方法的基本思想就是将图像进行多分辨率 分解.分解成不同空间、不同频率的子图像、然后再对子 图像进行系数编码。基于小波分析的图像压缩实质上是对 分解系数进行量化的压缩。

遥感课件-遥感图像处理Ⅱ

遥感课件-遥感图像处理Ⅱ

假彩色增强
TM标准假彩色合成图像
TM7(R)、4(G)、2(B)
假彩色增强
TM3(R)、2(G)、1(B)
TM4(R)、5(G)、3(B)
(3) 多波段彩色变换:
RGB彩色空间
HLS彩色空间
彩色空间变换— HLS变换
步骤 : (1)由RGB 彩色空间变换到 HIS彩色空间; (2)在HIS空间中,对H,I,S分量(波段)分别增强; (3)由HIS空间变换到RGB空间中,再次按加色法合成,可 以达到好的识别效果;
(1) 线性拉伸
output 255
0
0
255
input
(1)线性拉伸
y=kx
255
output
0
0
255
input
(2)分段线形拉伸
(3) 指数增强:
(4) 对数增强:
二、空间滤波(spatial filtering)
其理论基础是空间卷积
目的:改善影像质量,包括去除噪声与干扰,影像边缘增强、 去模糊等。
未平滑影像
运行3×3模板后
运行5×5模板后
②中值滤波 中值滤波,是把局部区域中灰度的中央值作为区域中 央像元的值。
g(x, y) median(of (x, y))
与均值平滑相比可防止边缘的模糊。
43 49 48 49 5143 50 65 54 51
??
12 14 9 9 10
3×3中值滤波
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成
假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝

遥感图像信息提取ppt课件

遥感图像信息提取ppt课件

3.4 规则描述——表达式与变量
表达式 基本运算符
三角函数
关系/逻辑
其他符号
部分可用函数 +、-、*、/ Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh…. LT、LE、EQ…. and、or、not…. 最大值、最小值
指数(^)、exp 对数alog 平方根(sqrt)、 绝对值(adb) ……
• 这一步是可选项,如果不需要可以直接跳过。
面向对象分类练习——分块精炼
• FX提供了一种阈值法(Thresholding)进一步精炼分块的 方法。它是基于亮度值的栅格操作,根据分割后结果中的 一个波段的亮度值聚合分块。对于具有高对比度背景的特 征非常有效(例如,明亮的飞机对黑暗的停机坪)。
• 这一步是可选项,如果不需要可以直接跳过。
- 集合临近像元为对象用来识别感兴趣的光谱要素 - 充分利用高分辨率的全色和多光谱数据,利用空间,
纹理,和光谱信息来分割和分类的特点 - 以高精度的分类结果或者矢量输出
4.2 与基于像元分类的区别
类型
基本原理
影像的最小单元 适用数据源
缺陷
传 统 基 于 地 物 的 光 谱 信 息 单个的影像像元 中低分辨率多光 丰 富 的 空 间 信 息
面向对象分类练习——特征提取
• 直接输出矢量
- 输出Shapefile矢量文件 - 属性
面向对象分类练习——特征提取
• 监督分类
- 根据一定样本数量以及其对应的属性信息,利用K邻近法和支 持向量机监督分类法进行特征提取
面向对象分类练习——特征提取
• 规则分类
- 每一个分类有若干个规则(Rule)组成,每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系,属性表 达式之间是并的关系

基于高分辨率遥感影像的建筑物轮廓信息提取

基于高分辨率遥感影像的建筑物轮廓信息提取
当前您的位置: 首页 >> 国土信息资源 >> 国土资源信息化>> 正文
关键词:
范围:
标题 内容 高级搜索
基于高分辨率遥感影像的建筑物轮廓信息提取
发布日期:2009-07-03 09:27:08 浏览数: 字号:〖大 中 小〗
推荐新闻
·金坛“金土地”联动窗口.. ·常州坚持“四个确保”,.. ·新北国土系统对不良作风.. ·全国矿业权实地核查技术.. ·找准突破口 抓好着力点 ·省国土资源厅领导首次出.. ·全省耕地保护暨基本农田.. ·全省土地登记人员上岗资.. ·全省国土资源执法监察管.. ·常州市龙汤温泉地热探采..
现有的一些研究大多集中在比较规则和特征明显的建筑物,通用性较差,而且当建筑物比较密集时提取的效果一 般。鉴于这些原因,本文选用人工建筑物密集的大学校园为本次研究的典型试验区,以Quickbird(快鸟)为基础数据 源,运用图像图形处理和分析、模式识别技术、现代计算机技术,设计了一套从单时相高分辨率遥感影像上快速提取建 筑物二维轮廓信息的技术方案。
/html/gtxxzy_gtzyxxh/2009-7-3/0973927849643182.html
2011/7/5
基于高分辨率遥感影像的建筑物轮廓信息提取 __常州市国土资源局
页码,3/4
3.6区域标识
区域标识是进行独立区域的特征量测和统计处理的关键步骤。经过初步分割,二值图像被分为一系列区域,为了进 一步区分建筑物目标区域与噪声区域,需要对图像中所有独立区域进行标识,然后才能够进行区域的特征测量,提取建 筑物目标。区域标识的基本思想是:第一从图像的某一位置出发,逐一像素进行扫描,对于同一行中不连通的行程(灰 度相同)标上不同的号,不同的列也标上不同的号;第二是逐次扫描全图,如果两个相邻的行(列)中有相连通的形成 则下行(列)的号改为上行(列)的号;第三是对标记的号进行排列,则可得到图像中不连通区域的标识序列。得到了 图像中目标区域的标识序列,就可以对每一个感兴趣目标进行特征量测。
  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)。
相关文档
最新文档