高分辨率遥感影像

IKONOS
全色波段 多光谱
全色： 1 米 多光谱： 4 米
2.9天
Quickbird
全色波段 多光谱
全色0.61-0.72m 多光谱2.44-2.88m
1-6天
Worldview-2
全色波段 多光谱
全色0.5米 多光谱1.8米
1.1天
Spot-5影像
IKONOS影像
Quickbird影像
Worldview-2影像
h 8 ,1 h 4 ,1 2 h 4 , 2 3 1 1 1 3 1 1 8 1 1 1 1

或者
h 4 , 2 2 h 4 ,1 3 2 1 1 3 2 1 4 1 2 1 2
h8 , 2
IKONOS图像的Laplacian实验结果
2.信息提取


高空间分辨率遥感影像海量数据、复杂 细节和尺度依赖的特点决定了高分辨率 遥感影像处理的技术难点 。 传统基于像元的遥感影像分析方法大都 只是针对影像的光谱特征 ，仅从光谱特 征出发进行遥感影像的分析处理所能得 到的信息是极其有限的 。
基于特征基元的面向对象方法


无论是对高分辨率遥感影像的信息提取 还是地物目标识别，特征基元提取往往 是关键的前期工作，进而才能在此特征 基元的基础上进行特征的表达和组合， 完成信息提取和目标识别。 图像的最小单元不再是单个的像素，而 是一个个对象，后续的图像分析和处理 也都基于对象进行。
数字图像函数的Laplacian值是借助各种模板 卷积实现的。 通常的模板是一种3×3模板


4邻域定义的模板：
0 h4,1= 1 0 1 4 1 0 1 0
1 1 或 h4，2= 0 2 1 0 4 0 1 0 1
8邻域定义的模板：
结论



如何充分的有效利用高分辨率遥感图像的光谱 信息和空间结构信息，是高分辨率遥感数据处 理方法的关键。 可尝试探索新的多尺度多ห้องสมุดไป่ตู้次分割算法，将有 关信息（如纹理信息）或约束条件加入分割过 程中。 可尝试建立可靠的分割结果评价标准：基于具 体应用（特征提取和面向对象分类）、基于地 面参考数据的评价方法。
高分辨率遥感影像
目录

1.高分辨率遥感卫星

2.遥感影像信息提取
1.几种高分辨率遥感卫星

SPOT-5
IKONOS Quickbird WorldView



比较
传感器 Spot-5 两台HRG 一台HRS 一台VGT 波谱范围 绿色0.50~0.59μm 红色 0.61- 0.68μm 近红外 0.78 - 0.89μm 短波红外 0.78- 0.89μm 全色 0.48 - 0.71μm 蓝色 0.45-053 μm 绿色 0.52-0.61 μm 红色 0.64-0.72 μm 近红外 0.77-0.88 μm 蓝：0.45-0.52μm 绿： 0.52-0.66μm 红： 0.63-0.69μm 近红外： 0.76-0.9μm 蓝 0.45-0.51μm 绿 0.51-0.58μm 红 0.63-0.69μm 近红外0.77-0.895μm 分辨率 全色 5或2.5m 多光谱10m 重访周期 26天



面向对象的遥感分类方法的关键是图像分割， 也就是，如何准确地、有效地提取图像上几何 信息和结构信息。 图像分割是将图像划分为互不相连的区域，每 个区域具有相同的属性，这种属性可以是灰度、 纹理或其他属性。 图像分割主要有边缘检测和区域生长两个方面。
基于边缘分割算法的实验

Laplacian算子是一种二阶导数算子。
参考文献




宫鹏等.高分辨率影像解译理论与应用方法中 的一些研究问题[J].遥感学报. 赵书河.高分辨率遥感数据处理方法实验研究 [J].地学前缘. 明冬萍等.高分辨率遥感影像信息提取与目标 识别技术研究[J].测绘科学. 祝振江.基于面向对象分类法的高分辨率遥感 影像矿山信息提取应用研究[D].北京地质大学 （北京）资源与环境遥感.