遥感地学分析整理的一些东西

一．基础知识

1.一些概念性的东西：

（1）反射类型：镜面反射、漫反射、方向反射

（2）遥感概念：广义与狭义

（3）遥感技术系统：遥感平台、传感器、遥感数据接收与处理系统、遥感资料分析处理系统

（4）遥感分类：平台分；探测的电磁波分；电磁辐射源分；应用领域分。

（5）遥感的特点：大面积同步观测；时效性；经济性；局限性

（6）遥感信息在地学分析中的模糊性和多解性：

地面信息室多维的、无限的（时空），而遥感信息是简化的二维信息；

遥感信息的复杂性与不确定性：同物异谱，异物同谱；混合像元；时相变化；信息传输中的衰减与增益（辐射失真与几何畸变）

（7）空间分辨率，时间分辨率，光谱分辨率，辐射分辨率

（8）不同应用的卫星遥感系统：如陆地资源卫星系列；气象卫星系列、海洋卫星系列、地球观测系统计划、环境遥感卫星

2.识别土壤，植被，岩石，水体，地物的光谱反射特征

3.黑体：在任何温度下，对各种波长的电磁辐射都完全吸收的理想辐射体

4.目视解译的标志：色调、颜色、图型、阴影、形状、纹理、大小。

5.目视解译的方法与步骤：

（1）自上而下的过程：特征匹配、提出假设、图像辨识；

（2）自下而上的过程：图像信息的获取、特征提取的识别、证据的选取

6.目视解译的步骤：

准备工作

确定研究区域

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

7.遥感图像校正

（1）辐射校正：消除图像数据中依附在辐射亮度中的各种失真的过程。包含遥感器校正、大气校正、地形辐射校正、地物反射模型校正；

（2）几何校正：控制点的选择

（3）大气校正：消除大气反射的影响

8.图像处理

1. 图像显示合成

（1）目的：综合不同波段的特征，突出显示对象的差异。原则信息量最大，相关性最小，差异最大。

（2）主要方法：

密度分割（将灰度按照指定的间隔分为不同的级别，对新的密度级别分别赋予不同的颜色）

彩色合成：任选3个波段作为RGB进行彩色合成，产生彩色图像。

反差增强/对比度增强：灰度拉伸、直方图均衡化、直方图匹配

2.图像变换

（1）目的：将图像从空间域转换到频率域的过程，简化图像处理的过程。

（2）作用：更易于进行特征抽取

（3）主要方法

傅里叶变换：进行数据压缩、图像增强、特征提取

K-T变换：分离和消除干扰信息突出研究的专题信息

K-L变换：减少波段之间的相关性，去除多余信息，减少图像的数据量

代数运算：突出地物差异，压抑噪声

HSI彩色变换：将显示的彩色从RGB空间转换到HSI空间

3.图像滤波

（1）图像平滑：领域滤波、中值滤波、梯度倒数加权、高斯低通滤波去噪，突出主体（2）图像锐化：罗伯特算法、sobel算子、拉普拉斯算子强化边缘信息

（3）频率域图像增强：高通滤波（锐化）、低通滤波（平滑）、带通滤波（突出地物）、同态滤波（改善图像质量）

4.图像融合：在同一坐标系中将对同一目标的多幅遥感图像数据采用一定的算法，生成一

副新的、更能有效表示该目标的图像。

（1）数据融合分类：像元级融合；特征级融合、决策级融合

（2）数据融合方法：HSI；代数法、图像回归法、主成分变换（PCT）、小波变换

4.图像分类

（1）原理：同类地物在相同的条件下（光照、地形等）应该具有相同或者相似的光谱信息和空间信息特征。不同类的地物之间具有差异。同类地物的像元在数目较大的时候，其特征量的分布类型接近正态分布。

（2）方法：基于特征值的相似性准则对像素进行合并的过程

（3）分类方法：

监督分类：最大似然法、最小距离法

非监督分类：特征空间识别法、系统聚类法、分裂法、动态聚类法

数字图像分类新技术：人工神经网络分类法、模糊分类法、亚像元分类法等

5.定量反演（较感兴趣）

（1）反演的原理：统计模型、物理模型、半经验模型

（2）方法：辐射传输模型（RT模型）、几何光学模型（GO模型）、几何光学--辐射传输混合模型（GORT混合模型）、计算机模拟模型。

（3）具体参考赵英时定量遥感分析P309

5.图像光谱特征提取

1.遥感图像光谱与地物光谱的区别与联系

（1）区别：

－多光谱遥感图像的光谱波段数较少；高光谱波段数较多（光谱波段间隔可达5nm），高光谱数据的光谱曲线与实测地物光谱较为对应。

－遥感图像不仅可以反映地物的光谱特征，还可以反映空间等特征；

（2）联系：

地物反演和信息提取时一般先分析地物的光谱特征，再以此为依据，使用对应波段的遥感影像光谱进行分类和信息提取。

2.原理：通过原光谱空间或者其子空间的一种数学变换，来实现信息综合、特征增强和光谱减维的过程

3.特征提取：从减少特征之间的相关性和浓缩信息量的角度出发，根据原始数据的统计特性，用尽可能少的新特征来最大限度的包含所有原始数据的统计特征。

4.光谱特征选择：

（1）良好的特征应该具有的特点：

可区分性：对于不同地物类别的图像，他们的光谱特征应该具有明显的差异性。

可靠性：对于同类的图像，它们的特征值应比较相近。

独立性：所使用的各特征之间应彼此无关。

数量少：图像识别的复杂度随着特征的个数迅速增长。

（2）选取准则：

光谱距离可分性度量：目标地物类型要在所选的波段组合内与其他地物有很好的可分性。

光谱相关性度量：所选的波段相关性弱

光谱信息量度量：所选择的波段信息总量要大

最佳特征：信息含量多、相关性小、地物光谱差异大、可分性好的波段

（3）光谱特征选择的度量指标：

光谱距离度量：欧几里得距离；归一化均距离；J-M距离；相似性度量

（4）光谱特征选择策略：

1)单独选择法：根据各个独立特征的可分性大小排序。

2)扩充最优特征子集：计算每个特征对所有类别的可分性，每增加一个新特征，其组合均构成最优特征子集。

3)根据分类贡献度进行由大到小的特征添加：计算对最难分的类对的可分性大小，每增加一个新特征，其组合均构成最优特征子集。

4)根据分类贡献度进行由小到大的特征去除：计算各个特征对于最难分的类对的可分性，构成一个全集，逐步减少特征，每次减少均构成最优特征子集。

6.大气遥感

（1）在一定距离以外探测某处大气的成分、运动状态和气象要素值得探测方法和技术（气象雷达和气象卫星）

（2）大气窗口：大气对电磁辐射的吸收和散射都很小，而透射率很高的波段。

0.3～1.3μm，即紫外、可见光、近红外波段。这一波段是摄影成像的最佳波段，也是许多卫星传感器扫描成像的常用波段。

1.5～1.8μm，

2.0～

3.5 μm，即近、中红外波段，在白天日照条件好的时候扫描成像常用这些波段，用以探测植物含水量以及云、雪或用于地质制图等。

3.5～5.5μm，即中红外波段，物体的热辐射较强。这一区间除了地面物体反射光谱反射太阳辐射外，地面物体也有自身的发射能量。

8～14μm，即远红外波段。主要来自物体热辐射的能量，适于夜间成像，测量探测目标的地物温度。

0.8～2.5cm，即微波波段，由于微波穿云透雾的能力，这一区间可以全天候工作。而且由其他窗口区间的被动遥感工作方式过渡到主动遥感的工作方式。

（3）大气遥感监测：大气参数的垂直分布监测和大气成分监测，卫星云迹风探测，雾的图像识别。

（4）秸秆焚烧火点技术路线：