遥感图像特征抽取ppt课件
合集下载
遥感图像计算机自动识别ppt课件
一、概念
遥感图像的计算机分类，是通过模式识别理 论，利用计算机将遥感图像中的像素自动分成 若干种地物类别的方法。是图像信息提取的重 要途径。
遥感数据
地物信息
土地覆盖/土地利用分类、森林类型、植被类型、岩性类型、…… 3
当前多数计算机图像处理系统，均利用图 像的光谱信息特征进行统计识别分类，色 调信息是其依据，目视解译中的逻辑推理 法只有在能模拟人类对信息的观察，分析 及经过大脑加工的条件下，才能应用与计 算机图像识别。
9
三维光谱特征空间
6、计算机分类时，只要能确定地物类别在特征空间中的 位置、范围和地物类别的边界就完成了分类的任务。
位置——是一个点群的中心，计算图象
灰度的均值向量（即数学期望）；
范围——计算图象灰度的标准差向量
（或协方差矩阵），即点群的离散程度；
边界——应用判别函数（或边界函数）
鉴别图象像元的类别归属。
37
38
；
39
遥感图像多种特征的提取
• 地物边界跟踪法 点状和面状 • 线状 • 形状特征提取
40
空间关系特征提取
• • • • • 方位关系 包含关系 相邻关系 相交关系 相贯关系
41
42
43
44
10
三、分类过程 预处理（大气校正、几何校正、配准）
特征选择（提取）
分类
后处理和精度评价
制作分类专题图
11
特征选择 （Feature Selection）
即在所有的特征影像中，选择一组最佳的用来分类 的特征影像的过程。 结合影像本身的特征，针对所希望 区分的类别问题进行选择。 用定量的方法选择：
遥感图像 计算机自动识别
遥感地学分析地物光谱特征与遥感数字图像信息提取课件.ppt
到达地面的太阳辐射能量＝反射能量＋吸收能量＋透射能量
一般而言，绝大多数物体对可见光都不具备透射能力，而 有些物体如水，对一定波长的电磁波透射能力较强，特别是对 0. 45 ~ 0. 56μm的蓝绿光波段，一般水体的透射深度可达 10~20 m，清澈水体可达100 m的深度。
对于一般不能透过可见光的地面物体，波长5 cm的电磁波 却有透射能力，如超长波的透射能力就很强，可以透过地面岩 石和土壤。
相关布局（association）：是指多个目标地 物间的空间配置关系。
3.2.2 遥感图像解译方法与步骤
1、目视解译的认知过程
自下向上过程
图像信息获取 特征提取 识别证据选取
自上向下过程
特征匹配 提出假设 图像辨识
3.2.2 遥感图像解译方法与步骤
2、图像解译方法
遥感资料的选择及影像处理
1、岩石的反射光谱特征
岩石的波谱特征是地质遥感的基础，不同的矿物 成分、矿物含量、风化程度、含水状况、颗粒大小、 表面的光滑程度、色泽等都会影响到其反射波谱特征。
3.1.2 典型地物的反射光谱特征
2、土壤的反射光谱特征
自然状况的土壤表面的反射率没有明显 的峰值和谷值，一般来说土质越细，反射率 越高，有机质含量越高和含水量越高反射率 越低。此外土壤的肥力也会对反射率产生影 响。
3.1.1 遥感图像地物特征
1、地物的反射光谱特性
反射率
地物的反射能量Pe占总入射能量Po的百分比， 称为反射率ρ
Pe 100%
Po
反射类型
镜面反射（Specular reflection）
入射波与反射波在同一平面内，入射角与反射角相等 时，所形成的反射现象
漫反射（Diffuse reflection）
一般而言，绝大多数物体对可见光都不具备透射能力，而 有些物体如水，对一定波长的电磁波透射能力较强，特别是对 0. 45 ~ 0. 56μm的蓝绿光波段，一般水体的透射深度可达 10~20 m，清澈水体可达100 m的深度。
对于一般不能透过可见光的地面物体，波长5 cm的电磁波 却有透射能力，如超长波的透射能力就很强，可以透过地面岩 石和土壤。
相关布局（association）：是指多个目标地 物间的空间配置关系。
3.2.2 遥感图像解译方法与步骤
1、目视解译的认知过程
自下向上过程
图像信息获取 特征提取 识别证据选取
自上向下过程
特征匹配 提出假设 图像辨识
3.2.2 遥感图像解译方法与步骤
2、图像解译方法
遥感资料的选择及影像处理
1、岩石的反射光谱特征
岩石的波谱特征是地质遥感的基础，不同的矿物 成分、矿物含量、风化程度、含水状况、颗粒大小、 表面的光滑程度、色泽等都会影响到其反射波谱特征。
3.1.2 典型地物的反射光谱特征
2、土壤的反射光谱特征
自然状况的土壤表面的反射率没有明显 的峰值和谷值，一般来说土质越细，反射率 越高，有机质含量越高和含水量越高反射率 越低。此外土壤的肥力也会对反射率产生影 响。
3.1.1 遥感图像地物特征
1、地物的反射光谱特性
反射率
地物的反射能量Pe占总入射能量Po的百分比， 称为反射率ρ
Pe 100%
Po
反射类型
镜面反射（Specular reflection）
入射波与反射波在同一平面内，入射角与反射角相等 时，所形成的反射现象
漫反射（Diffuse reflection）
图像特征提取及分析PPT课件
5
基本概念
特征形成
根据待识别的图像，通过计算产生一组原始特征，称之为特征形成。
特征提取
原始特征的数量很大，或者说原始样本处于一个高维空间中，通过映射或变 换的方法可以将高维空间中的特征描述用低维空间的特征来描述，这个过程 就叫特征提取 。
特征选择
从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这 个过程就叫特征选择。
如果仅计算其在坐标系方向上的外接矩形是很简单的，只需计 算物体边界点的最大和最小坐标值，就可得到物体的水平和垂 直跨度。
但通常需要计算反映物体形状特征的主轴方向上的长度和与之 垂直方向上的宽度，这样的外接矩形是物体最小的外接矩形 （MER-Minimum Enclosing Rectangle）。
✓ 一幅图像或一个区域中的连接成分数C和孔数H不 会受图像的伸长、压缩、旋转、平移的影响，但如 果区域撕裂或折叠时，C和H就会发生变化。
✓ 区域的拓扑性质对区域的全局描述是很有用的，欧 拉数是区域一个较好的描述子。
2023/10/17
14
2.凹凸性--区域的基本特征之一
区域内任意两像素间的连线穿过区域外的像素，则此区域为凹形。 相反，连接图形内任意两个像素的线段，如果不通过这个图形以 外的像素，则这个图形称为是凸的。
1. 统计矩 函数的矩在概率理论中经常使用.几个从矩导出的
期望值适用于形状分析. 大小为m*n的数字图像f(i,j)的(p+q)阶矩为:
nm
mpq
i p j q f (i, j)
i1 j 1
2023/10/17
25
（1）区域重 (形)心位置
0阶矩m00是图像灰度f(i,j)的总和。 二值图像的m00则表示对象物的面积。
遥感图像处理_第4讲(分类与特征抽取)
分类原理与过程
统计特征变量可以构成特征空间，多波段遥感 图像特征变量可以构成高维特征空间。一般说 来，高维特征空间数据量大，但这些信息中仅 包含少量的样本分类信息。为了抽取这些最有 效的信息，可以通过变换把高维特征空间所表 达的信息内容集中在一到几个变量图像上。主 成分变换可以把互相存在相关性的原始多波段 遥感图像转换为相互独立的多波段新图像，而 且使原始遥感图像的绝大部分信息集中在变换 后的前几个组分构成的图像上，实现特征空间 降维和压缩的目的。
rij
(x
k 1 n k 1
n
均值
ki
xi )( xkj x j ) ( xkj x j ) 2
k 1 n
( xki xi ) 2
像元i的第k个分量
分类原理与过程
遥感数字图像计算机分类基本过程如下： 首先明确遥感图像分类的目的及其需要解决的问题， 在此基础上根据应用目的选取特定区域的遥感数字图 像，图像选取时应考虑图像的空间分辨率、光谱分辨 率、成像时间、图像质量等。 根据研究区域，收集与分析地面参考信息与有关数据。 为提高计算机分类的精度，需要对数字图像进行辐射 校正和几何纠正。 对图像分类方法进行比较研究，掌握各种分类方法的 优缺点，然后根据分类要求和图像数据的特征，选择 合适的图像分类方法和算法。根据应用目的及图像数 据的特征制定分类系统，确定分类类别，也可通过监 督分类方法，从训练数据中提取图像数据特征，在分 类过程中确定分类类别。
分类方法
利用遥感图像进行分类（classification） 是以区别图像中所含的多个目标物为目的 的，对每个像元或比较匀质的像元组给出 对应其特征的名称。在分类中注重的是各 像元的灰度、纹理等特征。 分类方法包括监督分类和非监督分类。 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。
地物光谱特征与遥感数字图像信息提取ppt课件
3.3.2 遥感数字图像处理
3. 遥感数据融合
实质
– 在统一地理坐标系中将对同一目标检测的多幅遥感图像数 据采用一定的算法，生成一幅新的、更能有效表示该目标 的图像信息
原理及过程
– 预处理 主要包括遥感影像的大气校正、辐射校正及空间配准
– 数据融合 根据融合目的和融合层次智能地选择合适的融合算法，将 空间配准的遥感影像数据（或提取的图像特征或模式识别 的属性说明）进行有机合成，得到目标的更准确表示或估 计
k 1
n
n
(xik xi )2 (x jk x j)2
k 1
k 1
9
三、遥感数字图像的分类方法
分类方式：监督分类、非监督分类。
计算机分类基本过程
按照识别目标,选择相应传感器图像,确定特征波段。 收集并分析相关地面参考信息（相关图件）。 按照识别目标和相关标准，建立分类体系（类别数）。 特征波段预处理 ---- 信息增强处理。 分析各个类别在特征波段中的统计特征。 确定判别函数，逐像元进行分类识别。 分类精度验证 ---- 实地验证、间接验证。 修改判别函数，最后分类，结果统计，完成报告
监督分类对训练场地的选取要求：
训练场地所包含的样本在种类上要与待分区域 的类别一致。
训练样本的数据应能够提供各类足够的信息和 克服各种偶然因素的影响。
12
13
常用的监督分类方法：
最小距离分类法 多级切割分类法 . 最小距离分类法
3
小波变换
图像分解为不同空间分辨率、频率特征、方向性的子 信号
TM低频代替SPOT低频
4
TM741
RadarSat TM和RadarSat复合
3. 遥感数据融合
实质
– 在统一地理坐标系中将对同一目标检测的多幅遥感图像数 据采用一定的算法，生成一幅新的、更能有效表示该目标 的图像信息
原理及过程
– 预处理 主要包括遥感影像的大气校正、辐射校正及空间配准
– 数据融合 根据融合目的和融合层次智能地选择合适的融合算法，将 空间配准的遥感影像数据（或提取的图像特征或模式识别 的属性说明）进行有机合成，得到目标的更准确表示或估 计
k 1
n
n
(xik xi )2 (x jk x j)2
k 1
k 1
9
三、遥感数字图像的分类方法
分类方式：监督分类、非监督分类。
计算机分类基本过程
按照识别目标,选择相应传感器图像,确定特征波段。 收集并分析相关地面参考信息（相关图件）。 按照识别目标和相关标准，建立分类体系（类别数）。 特征波段预处理 ---- 信息增强处理。 分析各个类别在特征波段中的统计特征。 确定判别函数，逐像元进行分类识别。 分类精度验证 ---- 实地验证、间接验证。 修改判别函数，最后分类，结果统计，完成报告
监督分类对训练场地的选取要求：
训练场地所包含的样本在种类上要与待分区域 的类别一致。
训练样本的数据应能够提供各类足够的信息和 克服各种偶然因素的影响。
12
13
常用的监督分类方法：
最小距离分类法 多级切割分类法 . 最小距离分类法
3
小波变换
图像分解为不同空间分辨率、频率特征、方向性的子 信号
TM低频代替SPOT低频
4
TM741
RadarSat TM和RadarSat复合
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
遥感图像特征分析课件
糙不平；例如一棵苍天大树与它自身上的树枝及树枝上的枝杈，在形状上 没什么大的区别等等 • 分形几何揭示了世界的本质，分形几何是真正描述大自然的几何学
学习交流PPT
59
学习交流PPT
60
学习交流PPT
61
用分形模型描述纹理
• 在纹理分析应用中，一般采用分形维数（可直 观地理解为不规则几何形状的非整体维数）来 描述纹理
学习交流PPT
56
LBP 实验结果
学习交流PPT
57
模型方法
• Markov随机场 • 分形模型 •…
学习交流PPT
58
分形模型（fractal ）
• 分形是对没有特征长度，但具有一定意义下的自相似图形和结构的总称 • 什么是分形几何？通俗一点说就是研究无限复杂但具有一定意义下的自相
似图形和结构的几何学。 • 什么是自相似呢？例如高山的表面，您无论怎样放大其局部，它都如此粗
黄河水（泥沙含量960mg/L) 长江水（92.5mg/L)
湖水（47.9mg/L)
学习交流PPT
21
2 遥感图象边缘特征描述
学习交流PPT
22
* 边缘
边缘是指周围像素灰度有阶跃变化 或屋顶变化的那些像素的集合。 Poggio指出:“边缘或许对应着图像中 物体（的边界）或许并没有对应着图 像中物体（的边界）,但是边缘具有 十分令人满意的性质,它能大大地减 少所要处理的信息但是又保留了图像 中物体的形状信息”
34
变换前
变换后
学习交流PPT
35
利用Hough变换提取桥梁
(a) 原图
(b) 分割后图像
图4-4 Hough变换的对桥梁的分割结果
学习交流PPT
学习交流PPT
59
学习交流PPT
60
学习交流PPT
61
用分形模型描述纹理
• 在纹理分析应用中，一般采用分形维数（可直 观地理解为不规则几何形状的非整体维数）来 描述纹理
学习交流PPT
56
LBP 实验结果
学习交流PPT
57
模型方法
• Markov随机场 • 分形模型 •…
学习交流PPT
58
分形模型（fractal ）
• 分形是对没有特征长度，但具有一定意义下的自相似图形和结构的总称 • 什么是分形几何？通俗一点说就是研究无限复杂但具有一定意义下的自相
似图形和结构的几何学。 • 什么是自相似呢？例如高山的表面，您无论怎样放大其局部，它都如此粗
黄河水（泥沙含量960mg/L) 长江水（92.5mg/L)
湖水（47.9mg/L)
学习交流PPT
21
2 遥感图象边缘特征描述
学习交流PPT
22
* 边缘
边缘是指周围像素灰度有阶跃变化 或屋顶变化的那些像素的集合。 Poggio指出:“边缘或许对应着图像中 物体（的边界）或许并没有对应着图 像中物体（的边界）,但是边缘具有 十分令人满意的性质,它能大大地减 少所要处理的信息但是又保留了图像 中物体的形状信息”
34
变换前
变换后
学习交流PPT
35
利用Hough变换提取桥梁
(a) 原图
(b) 分割后图像
图4-4 Hough变换的对桥梁的分割结果
学习交流PPT
遥感图像特征分析PPT
2020/4/4
29 29
Canny 边缘检测结果
2020/4/4
7X7高斯滤波模板 13X13高斯滤波模板
30 30
Canny 边缘检测结果
2020/4/4
31 31
*
小波边缘检测算法
基于小波分析的边缘检测算法总结如下： （1）对原始图像进行多级小波分解，得到多尺度的模
图像。 （2）计算并记录小波变换域中模为局部最大值的点。 （3）通过自适应阈值法进行阈值处理，得到多尺度的
2020/4/4
5 5
2020/4/4
7 7
2020/4/4
10 10
2020/4/4
11 11
2020/4/4
14 14
2020/4/4
15 15
1 遥感图象光谱特征描述
2020/4/4
16 16
*
地物光谱特征
植被 水体
2020/4/4
17 17
不同植物类型的区分
2020/4/4
共生矩阵 罗氏纹理能量 自相关 局部二元模式
2020/4/4
43 43
*
共生矩阵方法概述
在图像上任意取一点A(x,y),以及偏离它的另一 点(x+a,y+b),设A点对的灰度值为(f1,f2)。
然后再令A点(x,y)在整幅图像上移动，则会得 到各个(f1,f2)及偏离点(x+a,y+b)的(f1,f2)值。
意图
24
24
边缘检测方法
传统边缘检测方法:Roberts算子、 Sobel算子、 高斯-拉普拉斯算子等
Canny边缘检测 小波多尺度边缘检测 …
2020/4/4
25 25
遥感图像处理基础ppt课件
主要有两种方法：K-L变换（主成分变换）和 k-T变换（缨帽变换）。
学习这两种方法，首先需要认识多光谱空间。
11
5.3 遥感图像增强与变换
多光谱图像变换
多光谱特征空间是一个n维坐标系，每一个坐 标轴代表多波段图像的一个波段，坐标值表示该波 段像元的灰度值，图像中的每个像元对应于坐标空 间中的一个点。
像元相加后的值若超出了显示范围(0-255)， 则需要乘一个正数a，以确保数据值在允许范围。
加法运算主要用于对同一区域的多幅图像求平 均，可以有效减少图像的加性噪声。
2
5.3 遥感图像增强与变换
图像运算
2、差值运算 又称作减影技术。指两幅同样大小的图像对应 像元的灰度值相减。设有两幅图像，差值公式为：
14
5.3 遥感图像增强与变换
多光谱图像变换
上式也可以写成：
表示对图像中每一像元矢量逐个逐个乘以矩阵 A，便得到新图像中的每一个像元矢量。A的作用是 给多波段的像元亮度加权重系数，实现线性变换。 由于变换前各波段具有很强相关性，变换后Y的各 分量间将具有最小的相关性。
15
5.3 遥感图像增强与变换
例如在红外波段植被与浅色土壤，在红波段与 深色土壤及水体很难分开，当用红外波段减去红波 段时，由于植被在这两个波段的反射率差异很大， 相减后植被像元具有很高的差值；而土壤和水体在 这两个波段的反差很小，因此在差值图像中植被信 息得到突出，很容易找到其分布区域和面积。
4
5.3 遥感图像增强与变换
图像运算
18
5.3 遥感图像增强与变换
多光谱图像变换
K-T变换主要应用于针对TM数据和曾经广泛使 用的MSS数据。K-T变换是对原图像的坐标空间进行 平移和旋转，变换后的新坐标轴具有明显的景观含 义，可与地物直接联系。对于TM和MSS数据，转换 矩阵不同。
学习这两种方法，首先需要认识多光谱空间。
11
5.3 遥感图像增强与变换
多光谱图像变换
多光谱特征空间是一个n维坐标系，每一个坐 标轴代表多波段图像的一个波段，坐标值表示该波 段像元的灰度值，图像中的每个像元对应于坐标空 间中的一个点。
像元相加后的值若超出了显示范围(0-255)， 则需要乘一个正数a，以确保数据值在允许范围。
加法运算主要用于对同一区域的多幅图像求平 均，可以有效减少图像的加性噪声。
2
5.3 遥感图像增强与变换
图像运算
2、差值运算 又称作减影技术。指两幅同样大小的图像对应 像元的灰度值相减。设有两幅图像，差值公式为：
14
5.3 遥感图像增强与变换
多光谱图像变换
上式也可以写成：
表示对图像中每一像元矢量逐个逐个乘以矩阵 A，便得到新图像中的每一个像元矢量。A的作用是 给多波段的像元亮度加权重系数，实现线性变换。 由于变换前各波段具有很强相关性，变换后Y的各 分量间将具有最小的相关性。
15
5.3 遥感图像增强与变换
例如在红外波段植被与浅色土壤，在红波段与 深色土壤及水体很难分开，当用红外波段减去红波 段时，由于植被在这两个波段的反射率差异很大， 相减后植被像元具有很高的差值；而土壤和水体在 这两个波段的反差很小，因此在差值图像中植被信 息得到突出，很容易找到其分布区域和面积。
4
5.3 遥感图像增强与变换
图像运算
18
5.3 遥感图像增强与变换
多光谱图像变换
K-T变换主要应用于针对TM数据和曾经广泛使 用的MSS数据。K-T变换是对原图像的坐标空间进行 平移和旋转，变换后的新坐标轴具有明显的景观含 义，可与地物直接联系。对于TM和MSS数据，转换 矩阵不同。
第三章遥感成像原理与遥感图像特征ppt课件
是静止的，这种卫星轨道叫地球静止卫星轨道。
地球静止卫星轨道是地球同步轨道的特例，它
只有一条。
编辑版pppt
7
附录：3 卫星轨道及其运行特点
在地球静止卫星轨道运行的卫星的覆
盖范围很广，利用均布在地球赤道上的 3
颗这样的卫星就可以实现除南北极很小一
部分地区外的全球通信。
编辑版pppt
8
§1 遥感平台
➢ 摄影机外壳材料：不同波段选用不同材料
➢ 镜头：根据所摄取的波段选择。
编辑版pppt
12
§２ 摄影成像－摄影机
2、全景摄影机-扫描摄影机
缝隙式（或航带摄影机）和镜头转动式摄影机。
➢不是一幅一幅地曝光，而是连续曝光，不需快门。
➢为了得到清晰的影像必须满足：
f
WP Wi W
H
➢缺点？
编辑版pppt
分辨率较高的感光片）；
摄影技术（包括曝光量的选择、感光片的冲洗以及印
像、放大技术）。
编辑版pppt
44
航空像片的分辨率
是衡量胶片分辨地物细部能力的一种指标。
用单位距离内能分辨的线宽与间隔相等的平行细
线的数目来表示。
主要取决于航摄相机的镜头分辨率和感光乳剂的
分辨率。但景物的反差、大气的光学条件、飞机
扫描成像过程当旋转棱镜旋转时第一个镜面对地面横越航线方向扫视一次在扫描视场内的地面辐射能由幅的一边到另一边依次进入传感器经探测器输出视频信号再经电子放大器放大和调制在阴极射线管上显示出一条相应于地面扫描视场内的景物的图像线这条图像线经曝光后在底片上记录下来
第三章遥感成像原理与遥感图像
特征
讲授教师：张彦丽
30
编辑版pppt
31
地球静止卫星轨道是地球同步轨道的特例，它
只有一条。
编辑版pppt
7
附录：3 卫星轨道及其运行特点
在地球静止卫星轨道运行的卫星的覆
盖范围很广，利用均布在地球赤道上的 3
颗这样的卫星就可以实现除南北极很小一
部分地区外的全球通信。
编辑版pppt
8
§1 遥感平台
➢ 摄影机外壳材料：不同波段选用不同材料
➢ 镜头：根据所摄取的波段选择。
编辑版pppt
12
§２ 摄影成像－摄影机
2、全景摄影机-扫描摄影机
缝隙式（或航带摄影机）和镜头转动式摄影机。
➢不是一幅一幅地曝光，而是连续曝光，不需快门。
➢为了得到清晰的影像必须满足：
f
WP Wi W
H
➢缺点？
编辑版pppt
分辨率较高的感光片）；
摄影技术（包括曝光量的选择、感光片的冲洗以及印
像、放大技术）。
编辑版pppt
44
航空像片的分辨率
是衡量胶片分辨地物细部能力的一种指标。
用单位距离内能分辨的线宽与间隔相等的平行细
线的数目来表示。
主要取决于航摄相机的镜头分辨率和感光乳剂的
分辨率。但景物的反差、大气的光学条件、飞机
扫描成像过程当旋转棱镜旋转时第一个镜面对地面横越航线方向扫视一次在扫描视场内的地面辐射能由幅的一边到另一边依次进入传感器经探测器输出视频信号再经电子放大器放大和调制在阴极射线管上显示出一条相应于地面扫描视场内的景物的图像线这条图像线经曝光后在底片上记录下来
第三章遥感成像原理与遥感图像
特征
讲授教师：张彦丽
30
编辑版pppt
31
遥感技术应用介绍课件之特征提取与选择
特征
3
重要性：特征提取与选择是遥感技 术应用的关键步骤，直接影响到后
续处理和分析的准确性和效率
4
应用领域：特征提取与选择广泛应 用于遥感图像分类、目标识别、变
化检测等领域
特征提取与选择的作用
提高遥感图像的 定量分析能力 6
支持遥感图像的 智能化处理 5 增强遥感图像的 可视化效果 4
提高遥感图像分 1 类的准确性
度提升 （Gradient Boosting）等
特征提取与选择的具体步骤
数据预处理
遥感图像的获 取与预处理
遥感图像的辐 射校正
遥感图像的几 何校正
遥感图像的融 合与分类
特征提取与选 择的具体步骤
特征提取与选 择的结果分析
特征提取与选 择的应用实例
特征提取与选 择的发展趋势
特征提取
确定研究目标：明确需要提取 的特征类型和目的
降低遥感图像处 2 理的复杂性 提高遥感图像分 3 析的效率
特征提取与选择的方法
基于统计的方法： 如主成分分析 （PCA）、线 性判别分析 （LDA）等
基于几何的方法： 如局部线性嵌入 （LLE）、等距 映射（Isomap）
等
基于深度学习的 方法：如卷积神
经网络 （CNN）、自
编码器 （Autoencode
遥感技术可以获取地球表面的各种信 息，如地形地貌、植被覆盖、水资源 分布等。
遥感技术广泛应用于资源调查、环境 监测、灾害预警、城市规划等领域。
遥感技术具有快速、准确、大范围、 全天候等优点，是现代地球科学研究 和资源管理的重要手段。
遥感技术的应用领域
资源勘探：如矿产、 石油、天然气等资 源的勘探和开发
遥感技术应用介绍课件之特征提取 与选择
3
重要性：特征提取与选择是遥感技 术应用的关键步骤，直接影响到后
续处理和分析的准确性和效率
4
应用领域：特征提取与选择广泛应 用于遥感图像分类、目标识别、变
化检测等领域
特征提取与选择的作用
提高遥感图像的 定量分析能力 6
支持遥感图像的 智能化处理 5 增强遥感图像的 可视化效果 4
提高遥感图像分 1 类的准确性
度提升 （Gradient Boosting）等
特征提取与选择的具体步骤
数据预处理
遥感图像的获 取与预处理
遥感图像的辐 射校正
遥感图像的几 何校正
遥感图像的融 合与分类
特征提取与选 择的具体步骤
特征提取与选 择的结果分析
特征提取与选 择的应用实例
特征提取与选 择的发展趋势
特征提取
确定研究目标：明确需要提取 的特征类型和目的
降低遥感图像处 2 理的复杂性 提高遥感图像分 3 析的效率
特征提取与选择的方法
基于统计的方法： 如主成分分析 （PCA）、线 性判别分析 （LDA）等
基于几何的方法： 如局部线性嵌入 （LLE）、等距 映射（Isomap）
等
基于深度学习的 方法：如卷积神
经网络 （CNN）、自
编码器 （Autoencode
遥感技术可以获取地球表面的各种信 息，如地形地貌、植被覆盖、水资源 分布等。
遥感技术广泛应用于资源调查、环境 监测、灾害预警、城市规划等领域。
遥感技术具有快速、准确、大范围、 全天候等优点，是现代地球科学研究 和资源管理的重要手段。
遥感技术的应用领域
资源勘探：如矿产、 石油、天然气等资 源的勘探和开发
遥感技术应用介绍课件之特征提取 与选择
- 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)。
4.1
组
遥
图
成遥
感 图 像
像 处 理
感解
与
图
译 知
特 征
像识
提
获
解取
取 子
译
子 系
系 统
专统
家
系
统 狭义的遥感图像解译专家系统
的
4.2 图像处理与特征提取子系统
图像处理功能
图像滤波 图像增强 大气纠正 几何纠正
分类与特征提取
光谱特征
形状特征
空间特征
4.3 遥感图像解译知识获取子系统
主要功能：知识获取
纹理分析方法可以归纳为：统计方法，结构（几 何）方法，模型方法以及基于数学变换（信号处 理）的方法。
使用纹理信息分类的方法有两种，基于区域的和 基于窗口的。
基于3*3滑动窗口的 纹理信息计算方法
纹理分析方法分类
统计方法
利用灰度值的空间分布这一特性，提出了一大批的纹 理统计方法与统计特征。
结构（几何）方法
灰度共生矩阵 (gray-level co-occurrence matrix)
例:计算45度方向上的灰度直方图
00012
11011 22100 11020 00101
纹理走向和尺寸
01 2
04 2 1 12 3 2 20 2 0
[C] 联合概率(joint probability)
2009.Fall
（一）知识获取的三个层次
增加遥感解译的新知识； 发现原解译知识有错或不完全的，修改原知
识、补充新知识； 专家系统据解译结果，自动总结经验，改错
增新----创造性的机器学习。
（二）知识获取界面
1、概念：据语义、语法指导的结构编辑器。 2、三个层次： 下拉主菜单式知识获取界面
遥感图像解译知识获取 遥感图像背景知识获取 多窗口知识获取界面 分类获取界面
偏心率
1. 矩形度
物体的矩形度指物体的面积与其最小外接矩形的 面积之比值。如图所示，矩形度反映了一个物体对其 外接矩形的充满程度。
矩形度的定义：
R Ao A MER
2. 宽长比 宽长比是指物体的最小外接矩形的宽与
长之比值。宽长比r为
rW L
3. 圆形度
圆形度包括周长平方面积比、边界能量、圆形性、 面积与平均距离平方之比值等。圆形度可以用来刻画物 体边界的复杂程度。
3 纹理分析
但传统的分类方法多使用光谱分类，对影 像的其它特征应用不多，这对于高分辨率 影像丰富、复杂的表现形式是远远不够的， 高分辨率遥感影像的分类精度急待提高。
纹理目前还没有统一和公认的确切的定义。 一般认为类似于布纹、草地、砖头、 墙面
等具有重复性结构的图ห้องสมุดไป่ตู้叫纹理图像。
典型的人工纹理
周长平方面积比
C P2 A
偏心率 偏心率（Eccentricity）又称为伸长度
（Elongation），它是区域形状的一种重要描述方法。偏心 率在一定程度上反映了一个区域的紧凑性。偏心率有多种计 算公式，一种常用的计算方法是区域长轴（主轴）长度与短 轴（辅轴）长度的比值，如图所示，即：
E A B
最简单的链码是跟踪边界并赋给每两 个相邻像素的连线一个方向值。常用的有4 方向和8方向链码
由顺次连接的具有指定长度 和方向的直线段组成的边界 线。每一段的方向使用数字 编号方法进行编码，只有边 界的起点需用(绝对)坐标表 示
(a)叠加在数字化边界线上的重取 样网格，(b)重取样的结果，(c)4 向链码，(d)8向链码
2 边界的描述
对物体进行描述时，有时希望能使用一些 比单个参数提供更丰富的细节，而又比用 图像本身更紧凑的方法来描述物体的形状， 这就是形状描述子，它可以对物体形状进 行简洁的描述。
边界链码 傅立叶描述子 微分链码
边界链码
链码是对区域边界点的一种编码表示方法。该方 法主要是利用一系列具有特定长度和方向的相 连的直线段来表示目标的边界。由于每个线段 的长度固定而方向数目有限，即仅有边界的起 点需要采用绝对坐标表示，其余点可只用接续 方向来代表偏移量，并且每一个点只需一个方 向数就可以代替两个坐标值，因此采用链码表 示可大大减少边界表示所需的数据量。
典型的自然纹理
纹理图像在局部区域内可能呈现不规则性， 但整体上则表现出一定的规律性，其灰度 分布往往表现出某种周期性。
对这类纹理型图像可以通过纹理分析提取 其宏观特征信息。
纹理与纹理分析介绍
纹理定义
一般说来，纹理是复杂的视觉实体或者子模式的组合。 纹理分为两类：结构纹理（确定过程）和统计纹理（随 机过程）。
LIST
19
对粗纹理的区域，其灰度共生矩阵的值较 集中于主对角线附近。因为对于粗纹理， 像素对趋于具有相同的灰度。
对于细纹理的区域，其灰度共生矩阵中的 值则散布在各处。
4 遥感图像解译专家系统
4.1 遥感图像解译专家系统的组成 4.2 图像处理与特征提取子系统 4.3 遥感图像解译知识获取子系统 4.4 遥感图像解译专家系统的机理 4.5 计算机解译的主要技术发展趋势
纹理元构成纹理。
模型方法
通过模型参数来定义纹理，模型的参数决定着纹理的 质量。
基于数学变换（信号处理）的方法包
括空间域滤波、付立叶滤波、Gabor和小波变换等。
灰度共生矩阵
从图像上灰度为i的像素出发，在某一方向 （或距离）上，与灰度为j的像素同时出现 的概率
cij=count{a=ri AND b=rj}
解译知识类型选择窗口：
描述性知识：框架法 过程性知识：产生式规则知识表现法 控制性知识：产生式规则知识表现法
解译背景知识选择窗口
4.4 遥感图像解译专家系统的机理
遥感图像数据库 解译知识库 推理机 解译器
第6章 遥感图像处理 6.2 遥感图像特征抽取
光谱特征 + 形状特征 + 空间关 系
内容
1 几何特征与形状特征 2 边界的描述 3 纹理分析 4 遥感图像解译专家系统
1 几何特征与形状特征
几何特征是指图像中物体的位置、方向、 周长和面积等方面的特征。
形状特征
方的圆的？胖的瘦的？ 矩形度、宽长比、球状性、圆形度、不变矩、
遥感纹理的特点 ：①模糊性（非确定性）；②反映空 间灰度值之间的分布关系；③尺度多变；④纹理个体多 时才能表现出纹理。
纹理分析
纹理分析的4个关键部分 ：特征提取，纹理识别，纹理 分类，三维表面重建。
特征提取是纹理分析的基础，它的结果为纹理识别、纹理 分类和三维表面重建所用。
纹理分析方法分类