课件：地物光谱特征与遥感数字图像信息提取
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）
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
《遥感图像分类》课件
特征变换
将原始特征进行变换，生成新的特征，以更好地 反映地物类别之间的差异。
分类器设计
监督分类
利用已知样本的训练集设计分类器，对未知样本进行分类。
非监督分类
对未知样本进行聚类分析，将相似的样本归为同一类。
混合分类
结合监督分类和非监督分类的优势，提高分类精度和稳定性。
分类结果评价
精度评价
通过比较分类结果与实际地物类别， 计算分类精度、混淆矩阵等指标。
THANKS
感谢观看
分类器。
多源遥感数据融合问题
多源遥感数据融合可以提高分类精度和可靠性，但同时也带 来了数据匹配、融合算法选择等问题。
解决多源遥感数据融合问题的策略包括使用先进的融合算法 ，如基于深度学习的融合方法，以及优化数据匹配方法。
遥感图像分类技术的发展趋势
01
遥感图像分类技术正朝着高精度、高效率和自动化的方向发展 。
可靠性评价
评估分类结果的稳定性、可靠性以及 抗干扰能力。
应用价值评价
根据分类结果在实际应用中的价值， 如土地利用、资源调查、环境监测等
，对分类方法进行综合评价。
04
CATALOGUE
遥感图像分类的挑战与展望
数据质量问题
遥感图像常常受到噪声、失真和 模糊等影响，导致数据质量下降
。
数据质量问题还表现在不同传感 器获取的图像之间的差异，以及 不同时间获取的图像之间的变化
遥感图像分类的应用
遥感图像分类在多个领域有广泛应用，如环境保护、城市规划、资源调查、军事 侦察等。
通过遥感图像分类，可以快速获取大范围的地物信息，为相关领域的决策提供科 学依据。
02
CATALOGUE
遥感图像分类的方法
将原始特征进行变换，生成新的特征，以更好地 反映地物类别之间的差异。
分类器设计
监督分类
利用已知样本的训练集设计分类器，对未知样本进行分类。
非监督分类
对未知样本进行聚类分析，将相似的样本归为同一类。
混合分类
结合监督分类和非监督分类的优势，提高分类精度和稳定性。
分类结果评价
精度评价
通过比较分类结果与实际地物类别， 计算分类精度、混淆矩阵等指标。
THANKS
感谢观看
分类器。
多源遥感数据融合问题
多源遥感数据融合可以提高分类精度和可靠性，但同时也带 来了数据匹配、融合算法选择等问题。
解决多源遥感数据融合问题的策略包括使用先进的融合算法 ，如基于深度学习的融合方法，以及优化数据匹配方法。
遥感图像分类技术的发展趋势
01
遥感图像分类技术正朝着高精度、高效率和自动化的方向发展 。
可靠性评价
评估分类结果的稳定性、可靠性以及 抗干扰能力。
应用价值评价
根据分类结果在实际应用中的价值， 如土地利用、资源调查、环境监测等
，对分类方法进行综合评价。
04
CATALOGUE
遥感图像分类的挑战与展望
数据质量问题
遥感图像常常受到噪声、失真和 模糊等影响，导致数据质量下降
。
数据质量问题还表现在不同传感 器获取的图像之间的差异，以及 不同时间获取的图像之间的变化
遥感图像分类的应用
遥感图像分类在多个领域有广泛应用，如环境保护、城市规划、资源调查、军事 侦察等。
通过遥感图像分类，可以快速获取大范围的地物信息，为相关领域的决策提供科 学依据。
02
CATALOGUE
遥感图像分类的方法
遥感图像处理多特征提取
第5页/共51页
三、地物边界跟踪法
1.地物边界跟踪法-分类； 2.点状地物与面状地物的边界跟踪； 3.面状地物的边界跟踪法； 4.线状地物信息检测与跟踪；
第6页/共51页
1、地物边界跟踪法-分类
对地物边界跟踪，是获取地物形态
特征的前提。针对不同地物分布特点，
地物边界跟踪方法不同。
➢第一种方法以图像像元作为跟踪 的落脚点，跟踪点的连线作为地
第27页/共51页
包含关系特征提取与描述
提取点状地物与面状地物的包含关系，关键是判 明点状地物是否为面状地物所包含，有两种方法 可以判断点状地物是否在区域内：
1.铅垂线法：设一个多边形F=（p1，p2，p3，…，pn）由有序 的n个点P1，P2，P3，…，Pn联接构成其多边形边界。因为区 域闭合，有p1=pn,设一个点状地物为p，由p作一条铅垂线， 如果铅垂线与多边形相交的边数为偶数，则该点在多边形之外， 否则在多边形之内。使用铅垂线法需要注意点状地物与多边形 边界相交的异常情况。
结构模式识别也叫句法模式识别，它可以提 取地物的形状特征和空间关系特征，在此基础 上识别遥感影像上的目标地物。
第4页/共51页
二、地球表面物体分布特征
地球表面的物体，从其分布特征来看，主要表现为三种形式，
• 点状地物 • 线状地物 • 面状地物
从信息论的观点看，一个图像颜色（地物光谱）特征均一的地物单元，其边 界信息最丰富，地物形状特征是通过边界信息表现出来的。
• 起始点的确定：设图像数据具有m行和n列，分别在图像四周各 增加一行或一列数据，增加的像元赋值为-1，构成（m＋2）* （n＋2）的数字图像，经过上述处理，图像周边的像元都成为 边界点。我们规定，第一个地物单元的边界点在图像坐标原点， 将坐标原点作为起始点，开始跟踪时，记下起始点的坐标，顺
三、地物边界跟踪法
1.地物边界跟踪法-分类； 2.点状地物与面状地物的边界跟踪； 3.面状地物的边界跟踪法； 4.线状地物信息检测与跟踪；
第6页/共51页
1、地物边界跟踪法-分类
对地物边界跟踪，是获取地物形态
特征的前提。针对不同地物分布特点，
地物边界跟踪方法不同。
➢第一种方法以图像像元作为跟踪 的落脚点，跟踪点的连线作为地
第27页/共51页
包含关系特征提取与描述
提取点状地物与面状地物的包含关系，关键是判 明点状地物是否为面状地物所包含，有两种方法 可以判断点状地物是否在区域内：
1.铅垂线法：设一个多边形F=（p1，p2，p3，…，pn）由有序 的n个点P1，P2，P3，…，Pn联接构成其多边形边界。因为区 域闭合，有p1=pn,设一个点状地物为p，由p作一条铅垂线， 如果铅垂线与多边形相交的边数为偶数，则该点在多边形之外， 否则在多边形之内。使用铅垂线法需要注意点状地物与多边形 边界相交的异常情况。
结构模式识别也叫句法模式识别，它可以提 取地物的形状特征和空间关系特征，在此基础 上识别遥感影像上的目标地物。
第4页/共51页
二、地球表面物体分布特征
地球表面的物体，从其分布特征来看，主要表现为三种形式，
• 点状地物 • 线状地物 • 面状地物
从信息论的观点看，一个图像颜色（地物光谱）特征均一的地物单元，其边 界信息最丰富，地物形状特征是通过边界信息表现出来的。
• 起始点的确定：设图像数据具有m行和n列，分别在图像四周各 增加一行或一列数据，增加的像元赋值为-1，构成（m＋2）* （n＋2）的数字图像，经过上述处理，图像周边的像元都成为 边界点。我们规定，第一个地物单元的边界点在图像坐标原点， 将坐标原点作为起始点，开始跟踪时，记下起始点的坐标，顺
遥感导论 第一章遥感概述 ppt课件
热红外遥感，指通过红外敏感元件，探测物体的热辐射能量，显 示目标的辐射温度或热场图象的遥感技术的统称。遥感中指8-14 微米波段范围。地物在常温(约300K)下热辐射的绝大部分能量位 于此波段，在此波段地物的热辐射能量，大于太阳的反射能量。 热红外遥感具有昼夜工作的能力。
微波遥感，指利用波长1-1000毫米电磁波遥感的统称。通过接收 地面物体发射的微波辐射能量，或接收遥感仪器本身发出的电磁 波束的回波信号，对物体进行探测、识别和分析。微波遥感的特 点是对云层、地表植被、松散沙层和干燥冰雪具有一定的穿透能 力，又能夜以继日地全天侯工作。
8
遥感的载体：电磁波谱
9
地物波谱特征
自然界任何物体都具有反射、吸收、发射电磁波的能力， 这是由于组成物质的最小微粒不同运动状态造成的。
不同的物质由于物质组成和内部结构、表面状态不同，具 有相异的电磁波谱特性，这是遥感识别目标的前提。
10
信息获取
在外观上，Terra卫星的大小大概相当于一辆小型校园公汽。它装载的五
《遥感导论》课程
第一章 遥感概述
1
《遥感导论》教学主要内容
第一章 遥感概述 第二章 电磁辐射与地物光谱特征 第三章 遥感成像原理与遥感图像特征 第四章 遥感图像处理 第五章 遥感图像目视解译 第六章 遥感数字图像计算机解译 第七章 遥感应用 第八章 遥感、地理信息系统与全球定位系统综合应用
2
教学目的和要求
27
遥感的类型
按工作方式分
✓ 主动遥感：传感器主动发射一定电磁 波能量并接收目标的后向散射信号
✓ 被动遥感：传感器不向目标发射电磁 波，仅被动接收目标物的自身发射和对 自然辐射源的反射能量。
28
主动遥感和被动遥感
微波遥感，指利用波长1-1000毫米电磁波遥感的统称。通过接收 地面物体发射的微波辐射能量，或接收遥感仪器本身发出的电磁 波束的回波信号，对物体进行探测、识别和分析。微波遥感的特 点是对云层、地表植被、松散沙层和干燥冰雪具有一定的穿透能 力，又能夜以继日地全天侯工作。
8
遥感的载体：电磁波谱
9
地物波谱特征
自然界任何物体都具有反射、吸收、发射电磁波的能力， 这是由于组成物质的最小微粒不同运动状态造成的。
不同的物质由于物质组成和内部结构、表面状态不同，具 有相异的电磁波谱特性，这是遥感识别目标的前提。
10
信息获取
在外观上，Terra卫星的大小大概相当于一辆小型校园公汽。它装载的五
《遥感导论》课程
第一章 遥感概述
1
《遥感导论》教学主要内容
第一章 遥感概述 第二章 电磁辐射与地物光谱特征 第三章 遥感成像原理与遥感图像特征 第四章 遥感图像处理 第五章 遥感图像目视解译 第六章 遥感数字图像计算机解译 第七章 遥感应用 第八章 遥感、地理信息系统与全球定位系统综合应用
2
教学目的和要求
27
遥感的类型
按工作方式分
✓ 主动遥感：传感器主动发射一定电磁 波能量并接收目标的后向散射信号
✓ 被动遥感：传感器不向目标发射电磁 波，仅被动接收目标物的自身发射和对 自然辐射源的反射能量。
28
主动遥感和被动遥感
遥感数字图像处理：遥感数字图像处理(62页)
■ 传感器的波段选择必须考虑目标的光谱特征值， 才能取得好效果。
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。
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。
遥感专题讲座(二)——影像信息提取(一、目视解译)
影像信息提取——目视解译遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。
目前影像都是基于数字，影像信息的提取方法的发展历程可分为如图1所示，目前这四类方法共存。
图1 影像信息提取发展阶段这一专题讲解的是人工解译，也是目前国内使用最多的一种影像提取方法，如土地调查、地质调查等。
这类方法非常灵活，但需要一定的经验，特别是像地质解译等，对业务专业要求比较多。
本专题分以下内容：∙∙●遥感图像解译基本概念∙∙●遥感图像解译预处理∙∙●解译标志的建立∙∙●解译关键问题遥感图像解译人们对地表物体的有关领域，如土地利用存在一种先验知识，在遥感图像寻找对应关系。
然后，根据遥感图像的影像特征推论地表物体的属性。
这一过程就称之为遥感图像的解译，也叫遥感图像的判读。
解译的任务就是从图像上认识，辨别影像与地物的对应关系、判断、归类、地物目标，并用轮廓线圈定它们和赋予属性代码，或用符号、颜色表示属性。
进行图像解译时，把图像中目标物的大小、形状、阴影、颜色、纹理、图案，位置及周围的系统称之为解译的八要素。
（1）大小：拿到图像时必须根据判读目的选定需要的比例尺。
根据比例尺的大小，可以预先知道图像上多少毫米的物，在实际距离中为多少米。
（2）形状：由于目标物不同，在图像中会呈现出特殊的形状。
用于图像判读的图像通常是垂直拍摄的，所以必须记住目标的成像方式。
因为即使同样为树木，针叶林的树冠呈现为圆形，而阔叶树则形状不同，从而可以识别出二者。
此外，飞机场，港口设施、工厂等都可以通过它们的形状判读出其功能。
（3）阴影：由于判读存在于山脉等阴影中的树木及建筑时，阴影的存在会给判读者造成麻烦，信往往会使目标丢失。
但另一方面，在单像片判读时，利用阴影可以了解铁塔及桥、高层建筑物等的高度及结构。
（4）颜色：黑白像片从白到黑的密度比例叫色调（也叫灰度）。
第四章遥感图像特征提取
第一节：基本概念
纹理特征要素组成： 纹理基元：是一种或多种图像基元的组合。 纹理基元的排列组合：基元排列的疏密、周期性、 方向性。 纹理特征提取：通过一定的图像处理技术，抽取出 纹理特征，从而获得纹理的定性或定量的描述。
检测出纹理基元 检测纹理基元的排列方式
第二节：纹理特征提取
第二节：纹理特征提取
灰度分布统计特征--灰度梯度共生矩阵 灰度－梯度共生矩阵同时提供了直方图信息和梯度信息， 因此也可以从中抽取图像的纹理统计特征参数。
第二节：纹理特征提取
灰度分布统计特征--灰度梯度共生矩阵
第二节：纹理特征提取
灰度分布统计特征--灰度梯度共生矩阵
练习： 0 1 2 3 0 0 1 3 0 2 2 0
p (i, j )(i, j 0,1,...N 1)
灰度分布统计特征-灰度共生矩阵
0度方向
(0,1)
90度方向
135度方向
45度方向
灰度分布统计特征-灰度共生矩阵
0度方向
90度方向 45度方向
135度方向
第二节：纹理特征提取
灰度共生矩阵特点
矩阵大小： L×L L为灰度级 在实际应用中为了减少运算量，可先减少灰度级数， 再计算共生矩阵。 归一化
相关是用来衡量灰度共生矩阵的元素在行的方向 或列的方向的相似程度。如，某图像具有水平方向的 纹理，则图像在0度方向的共生矩阵的相关值往往大 于其它方向的相关值。
第二节：纹理特征提取
由灰度共生矩阵派生出的纹理特征参数
熵
熵是图像所具有的信息量的度量，因纹理信息也 属于图像的信息，若图像没有任何纹理，则灰度共生 矩阵几乎为零阵，该图像的熵值接近于0。若图像纹理 较多，则熵值也较大。
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
高光谱遥感数据的特征选择与提取课件
将高光谱遥感数据与其他类型的数 据（如光学图像、雷达数据等）进 行融合，能够提高目标检测和识别 的精度和可靠性。
特征选择与提取的挑战与机遇
要点一
特征选择与提取的挑战
要点二
机遇
高光谱遥感数据具有高维、高冗余的特点，如何有效地选 择和提取特征是亟待解决的问题。同时，不同应用场景对 特征的要求也不同，需要针对具体需求进行特征选择和提 取。
随着深度学习、机器学习等技术的发展，为高光谱遥感数 据的特征选择与提取提供了新的思路和方法。这些技术能 够自动地提取有用的特征，提高数据处理的速度和精度， 为高光谱遥感技术的应用提供了更多的可能性。
感谢观看
THANKS
THE FIRST LESSON OF THE SCHOOL YEAR
独立成分分析法能够揭示高光谱数据的非高斯结构，对 于处理非线性和非高斯数据非常有效。
独立成分分析法可以用于解决盲源信号分离问题，从观 测信号中提取出独立的源信号。
非负矩阵分解法
在此添加您的文本17字
一种基于矩阵分解的特征提取方法
在此添加您的文本16字
非负矩阵分解法将高光谱数据矩阵分解为多个稀疏的非负 基矩阵的乘积，从而提取出数据的特征。
在此添加您的文本16字
揭示数据的主要特征结构
在此添加您的文本16字
通过主成分分析法，可以揭示高光谱数据的主要特征结构 ，从而更好地理解数据的内在规律和特征。
独立成分分析法
一种寻找数据中的独立成分的方法 揭示数据的非高斯结构 用于盲源信号分离问题
独立成分分析法旨在找到高光谱数据中的独立成分，这 些独立成分能够最大程度地保留数据的方差，同时彼此 独立。
基于模型的特征选择
总结词
基于模型的方法通过训练分类或回归模型来选择最重要的特征，通常使用模型的惩罚项或特征重要性评分作为选 择标准。
特征选择与提取的挑战与机遇
要点一
特征选择与提取的挑战
要点二
机遇
高光谱遥感数据具有高维、高冗余的特点，如何有效地选 择和提取特征是亟待解决的问题。同时，不同应用场景对 特征的要求也不同，需要针对具体需求进行特征选择和提 取。
随着深度学习、机器学习等技术的发展，为高光谱遥感数 据的特征选择与提取提供了新的思路和方法。这些技术能 够自动地提取有用的特征，提高数据处理的速度和精度， 为高光谱遥感技术的应用提供了更多的可能性。
感谢观看
THANKS
THE FIRST LESSON OF THE SCHOOL YEAR
独立成分分析法能够揭示高光谱数据的非高斯结构，对 于处理非线性和非高斯数据非常有效。
独立成分分析法可以用于解决盲源信号分离问题，从观 测信号中提取出独立的源信号。
非负矩阵分解法
在此添加您的文本17字
一种基于矩阵分解的特征提取方法
在此添加您的文本16字
非负矩阵分解法将高光谱数据矩阵分解为多个稀疏的非负 基矩阵的乘积，从而提取出数据的特征。
在此添加您的文本16字
揭示数据的主要特征结构
在此添加您的文本16字
通过主成分分析法，可以揭示高光谱数据的主要特征结构 ，从而更好地理解数据的内在规律和特征。
独立成分分析法
一种寻找数据中的独立成分的方法 揭示数据的非高斯结构 用于盲源信号分离问题
独立成分分析法旨在找到高光谱数据中的独立成分，这 些独立成分能够最大程度地保留数据的方差，同时彼此 独立。
基于模型的特征选择
总结词
基于模型的方法通过训练分类或回归模型来选择最重要的特征，通常使用模型的惩罚项或特征重要性评分作为选 择标准。
遥感数字图像处理教学ppt
80%
数字图像格式
常见的数字图像格式包括BMP、 JPEG、TIFF、PNG等。
遥感数字图像特点
01
02
03
04
大数据量
遥感图像通常覆盖较大的地理 区域，包含丰富的地物信息， 数据量较大。
多源性
遥感图像可以来自不同的传感 器和平台，具有多源性。
多尺度性
遥感图像可以反映不同空间尺 度的地物信息，具有多尺度性 。
遥感数字图像处理教学
目
CONTENCT
录
• 遥感数字图像基础 • 遥感数字图像获取与处理 • 遥感数字图像增强技术 • 遥感数字图像分割与分类 • 遥感数字图像应用实例分析 • 遥感数字图像处理软件介绍及使用
指南
01
遥感数字图像基础
遥感技术概述
遥感定义
遥感是一种利用传感器对地球表面及大气层中的目 标进行远距离、非接触式探测的技术。
时序性
遥感图像可以反映同一地区不 同时间的地物信息变化，具有 时序性。
02
遥感数字图像获取与处理
遥感平台与传感器
遥感平台类型
遥感平台与传感器的选择
包括卫星、飞机、无人机等，不同平 台具有不同的空间分辨率、时间分辨 率和光谱分辨率。
针对特定的应用需求，选择合适的遥 感平台和传感器，以获取高质量的遥 感数据。
利用支持向量机（SVM）算法在高 维空间中寻找最优超平面，实现对遥 感图像的分类。
基于集成学习的分类器
通过集成多个弱分类器构建一个强分 类器，提高遥感图像分类的准确性和 稳定性。
05
遥感数字图像应用实例分析
农业领域应用
作物类型识别
利用遥感图像数据，结合图像处 理技术，可以实现对不同作物类 型的自动识别和分类，为精准农
- 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)。
模拟图像
–
《遥感地学分析》课程编写小组
3.3.1 遥感数字图像的概念
遥感数字图象
– 指以遥感方式获得的以数字形式表述的遥感影像 – 遥感数字图像最基本的单位是像素 – 像素的属性特征常用灰度值来表示，即该像素位置上亮暗程 度的整数值
《遥感地学分析》课程编写小组
3.3.2 遥感数字图像处理
一、遥感数字图像的获取 通过接收、记录目标物的电磁波特征的仪器，即传感器 获得的
–
对比分析法包括同类地物对比分析法、空间对比分 析法和时相动态对比法。不仅是同一遥感影像图进 行对比，而且要借助不同时相的遥感影像图之间进 行对比。
综合考虑遥感图像多种解译特征，分析、推理某种 目标地物的方法。
综合推理法
–
《遥感地学分析》课程编写小组
3.2.2 遥感图像解译方法与步骤
信息复合法
–
利用专题图和地形图等信息与遥感影像图重合，根 据这些辅助信息识别遥感影像图上目标地物的方法。
根据地理环境中各种地理要素之间的相互依存，相 互制约的关系，借助专业知识，分析和推理某种地 理要素性质、类型、状况与分布的方法。
地理相关分析法
–
《遥感地学分析》课程编写小组
3.2.2 遥感图像解译方法与步骤
准备工作
确定研究区域
目 视 解 译 步 骤
确定研究区域的地物分类系统与判读标志
室内详细判读
野外验证与补判
目视解译成果转绘与制图
《遥感地学分析》课程编写小组
3.3 遥感数字图像信息提取
3.3.1 遥感数字图像的概念
图象、数字图象 遥感数字图象 遥感数字图像的获取 遥感数字图像预处理 遥感数字图像的变换、增强和融合 遥感数字图像分析
《遥感地学分析》课程编写小组
3.3.2 遥感数字图像处理
大气纠正方法
以红外波段最低值校正可见光波段 回归法 相对散射模型
《遥感地学分析》课程编写小组
3.3.2 遥感数字图像处理
以红外波段最低值校正可见光波段
前提假设：大气散射的影响主要在短波波段，红外波 段中清洁的水体几乎不受影响，反射率值应当为0。由 于散射影响，而使得水体的反射率不等于0，推定是由 于受到了天空辐射项的影响。 直方图法确定 纠正方法：差值法
《遥感地学分析》课程编写小组
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
黑体，其发射率ελ=1，即黑体发射率对所有波长都是一个常 数，并且等于1。 灰体，其发射率ελ=常数＜1。即灰体的发射率始终小于1，发 射率ελ不随波长变化。 选择性辐射体，其发射率ελ＜1， 发射率ελ随波长而变化。
地物的发射波谱特性曲线 《遥感地学分析》课程编写小组
3.1.1 遥感图像地物特征
遥感资料的选择
资料类型选择 波段选择 时间选择 比例尺选择
遥感图像的处理
影像放大 影像数字化 图像处理
《遥感地学分析》课程编写小组
3.2.2 遥感图像解译方法与步骤
目视解译的方法
直判法
–
是根据遥感影像目视判读直接标志，直接确定目标 地物属性与范围的一种方法。
对比分析法
《遥感地学分析》课程编写小组
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。
《遥感地学分析》课程编写小组
3.1.2 典型地物的反射光谱特征
数 字 图 像 获 取 过 程 《遥感地学分析》课程编写小组
3.3.2 遥感数字图像处理
二、遥感数字图像预处理
1、辐射校正
消除图像数据中依附在辐射亮度里的各种失真的过程 称为辐射校正。完整的辐射校正包括遥感器校正、大气校 正，以及太阳高度和地形校正。
遥感器纠正：遥感器的设计 大气辐射纠正： 地形辐射纠正：需要DEM 地物反射模型纠正：需要和成像时刻取得同步的地面地物光 谱测量数据
《遥感地学分析》课程编写小组
3.1 遥感图像地物特征与识别
3.1.1 遥感图像地物特征
地物的反射光谱特性 地物的发射光谱特性 地物的透射光谱特性
《遥感地学分析》课程编写小组
3.1.1 遥感图像地物特征
在可见光与近红外波段，地表物体自身的辐射几乎等于零。 地物发出的波谱主要以反射太阳辐射为主。太阳辐射到达地面 之后，物体除了反射作用外，还有对电磁辐射的吸收作用。电 磁辐射未被吸收和反射的其余部分则是透过的部分，即： 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。
《遥感地学分析》课程编写小组
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 特征匹配 提出假设 图像辨识
自上向下过程
《遥感地学分析》课程编写小组
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
不同含水量的土壤反射光谱曲线
三种土壤反射波谱曲线比较
《遥感地学分析》课程编写小组
3.1.2 典型地物的反射光谱特征
3、水体的反射光谱特征
水体的反射主要在蓝光波段，其他波段吸收都很 强，特别在近红外以后水体便成为一个吸收体。 光谱反射特性可能包括来自三方面的贡献：水 的表面反射、水体底部物质的反射和水中悬浮 物质的反射。 光谱吸收和透射特性不仅与水体本身的性质有 关，而且还明显地受到水中各种类型和大小的 物质——有机物和无机物的影响。
太 阳 辐 射
《遥感地学分析》课程编写小组
3.1.1 遥感图像地物特征
3、地物的透射光谱特性
透射率
即地物透射的能量与入射总能量的百分率，称之 为投射率
τ=Eτ/Eο×100%
《遥感地学分析》课程编写小组
3.1.2 典型地物的反射光谱特征
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。
STEP1: 根据某个可见光波段的直方图选出黑暗地物的 初始灰雾值； STEP2: 根据此灰雾值的幅度确定大气类型（选择合适 的散射模型）； STEP3: 根据模型和初始灰雾值预测其它波段的灰雾值； STEP4: 对每个波段进行大气纠正。
《遥感地学分析》课程编写小组
3.2.1 目视解译标志
阴影（shadow）：阴影是遥感图像上由于电磁辐能量被遮 挡而产生的辐射能量减弱。由于阴影的存在，可据此地物 的性质或高度，应注意的是阴影的形状与大小受到辐射能 量入射角的影响。 形状（shape）：是指目标地物在遥感影像上呈现的外部轮 廓。由于不同地物的顶视平面的差异，可据此判断目标地 物的性质。 纹理（texture）：是指遥感图像中目标地物内部色调有规 则变化造成的影影结构。 大小 （size）：指遥感图像上目标地物的形状、面积与体 积的度量关系。是遥感图像上测量目标地物最重要的数量 特征之一。同时根据其大小可以推断地物的属性。
3.3.2 遥感数字图像处理
《遥感地学分析》课程编写小组
3.3.1 遥感数字图像的概念
图象、数字图象
物理世界中客观对象的一种表示
数字图像
–
客体或可见图像的数字表述。它实际上是具有某种数 值的一些点按行(横)和列(纵)排成的二维矩阵 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
《遥感地学分析》课程编写小组
3.2.1 目视解译标志
2、间接解译标志
位置（site）：指目标地物分布的地点。任何 地物与其周围地理环境（geographical Environment）或生态环境(ecological Environment)总是存在着一定的空间关系，并 受到周围环境的某种程度的制约。 相关布局（association）：是指多个目标地 物间的空间配置关系。
《遥感地学分析》课程编写小组
3.3.2 遥感数字图像处理
回归法
原理 选择可见光和红外波 段进行2维散点图，建 立线性回归方程。
TMi ai bi TM 7
TMi ai bi TM 7
《遥感地学分析》课程编写小组
3.3.2 遥感数字图像处理
相对散射模型
漫反射（Diffuse reflection）
无论入射波方向如何，其反射波分散到各个方向
《遥感地学分析》课程编写小组
3.1.1 遥感图像地物特征
方向反射：朗伯体表面实际上是一个理想化的表 面。它被假定为介质是均匀的、各向同性的，并 在遥感中多用以作为近似的自然表面。