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
➢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。
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
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
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
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。
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。
相关主题