《遥感地学分析总结.doc》由会员分享，可在线阅读，更多相关《遥感地学分析总结.doc（16页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精品文档，仅供学习与交流，如有侵权请联系网站删除第一章遥感：指空对地的遥感，即从远离地面的不同工作平台上（如高塔、气球、飞机、火箭、人造地球卫星、宇宙飞船、航天飞机等）通过传感器，对地球表面的电磁波（辐射）信息进行探测，并经信息的传输、处理和判读分析，对地球的资源与环境进行探测和监测的综合性技术。地学分析是以地学规律为基础对信息进行的分析处理过程。地学分析方法主要有地理相关分析法、主导因素法、环境本底法、交叉分析法、信息复合等。遥感的目的：建立模型，从简单到复杂地分析图像，从少到多地利用图像，从遥感数据中获取需要的遥感信息。人们通过对遥感信息的处理、分析、复原和反演来揭示地表各种现象和过程的规
2、律。遥感地学分析是建立在地学规律基础上的遥感信息处理和分析模型，其结合物理手段、数学方法和地学分析等综合型应用技术和理论，通过对遥感信息的处理和分析，获得能反映地球区域分异规律和地学发展过程的有效信息的理论方法。遥感信息源的综合特征（1）多源性 多平台 多波段 多视场（2）空间宏观性 遥感影像覆盖范围大、视野广，具有概括性（3）遥感信息的时间性 瞬时特征 时效性 重返周期与多时相（4）综合性、复合性 多种地理要素的综合反映 多分辨率遥感信息的综合（5）波谱、辐射量化性 地物波谱反射、辐射的定量化记录（6）遥感信息在地学分析中的模糊性和多解性地面信息是多维的、无限的（时间和空间的），而遥感信息是
3、简化的二维信息遥感信息的复杂性和不确定性主要表现在：同物异谱、异物同谱；混合象元；时相变化；信息传输中的衰减和增益（辐射失真和几何畸变）遥感数据介绍1）高分辨率遥感数据 2）中分辨率遥感数据 3）低分辨率遥感数据高分辨率（高清晰度）遥感卫星像片空间分辨率一般为5m-10m 左右，卫星一般在距地600km（千米）左右的太阳同步轨道上运行。应用范围：精度相对较高的城市内部的绿化、交通、污染、建筑密度、土地、地籍等的现状调查、规划、测绘地图；大型工程选址、勘察、测图和已有工程受损监测等；还可应用于农业、林业、灾害等领域内的详细调查和监测。中等分辨率（高清晰度）遥感卫星数据空间分辨率一般为80m-10
4、m 左右，卫星一般在距地700km-900km的近极地太阳同步轨道上运行。重复覆盖同一地区的时间间隔为几天至几十天应用范围：资源调查、环境和灾害监测、农业、林业、水利、地质矿产和城建规划等近50 个行业和领域。低分辨率遥感数据气象卫星是空间分辨率（清晰度）相对较低的卫星采集系统，它们就是每天电视气象预报时的“气象卫星云图”，广泛应用于宏观观测的对象，如：气象预报和观测海洋表面深度海浪、海冰等。 第二章传感器是收集、探测、记录地物电磁波辐射信息的工具。它的性能决定遥感的能力，即传感器对电磁波段的响应能力、传感器的空间分辨率及图像的几何特征、传感器获取地物信息量的大小和可靠程度。按工作方式分为：主
5、动方式传感器：侧视雷达、激光雷达、微波辐射计。被动方式传感器：航空摄影机、多光谱扫描仪（MSS）、TM、ETM(1,2)、HRV、红外扫描仪等。传感器的组成收集器：收集来自地物目标镜、天线。探测器：将收集的辐射能转变成化学能或电能。处理器：将探测后的化学能或电能等信号进行处理。输出：将获取的数据输出。传感器的工作原理是收集、量测和记录来自地面目标地物的电磁波信息的仪器，是遥感技术的核心部分。根据传感器的工作方式分为：主动式和被动式两种。主动式：人工辐射源向目标物发射辐射能量，然后接收目标物反射回来的能量，如雷达。被动式：接收地物反射的太阳辐射或地物本身的热辐射能量，如摄影机、多光谱扫描仪（MS
6、S、TM、ETM、HRV）。常用遥感系统卫星遥感系统 航空遥感系统 地面遥感数据采集系统卫星遥感系统陆地卫星系列 气象卫星系列 海洋卫星系列 地球观测系统（EOS）计划 环境遥感卫星 陆地资源卫星 以探测陆地资源为目的的卫星叫陆地资源卫星。目前，主要的陆地资源卫星有：（1）美国陆地卫星(Landsat)；（2）法国陆地观测卫星(SPOT)；（3）欧空局地球资源卫星(ERS)；（4）俄罗斯钻石卫星(ALMAZ)；（5）日本地球资源卫星(JERS)；（6）印度遥感卫星(IRS)；（7）中-巴地球资源卫星（CBERS）。陆地卫星的运行特点：（1）近极地、近圆形的轨道；（2）轨道高度为700900 k
7、m；（3）运行周期为99103 min/圈；（4）轨道与太阳同步。空间分辨率（Spatial resolution）（又可称地面分辨率（Ground resolution） 前者是针对传感器或图像而言的，指图像上能够详细区分的最小单元的尺寸或大小 后者是针对地面而言，指可以识别的最小地面距离或最小目标物的大小； 光谱分辨率传感器所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小，即波段数、波段中心波长，及带宽光谱分辨率在遥感中的意义：开拓遥感应用领域 专题研究中波段选择针对性 图像处理中多波段的应用提高判识效果 辐射分辨率指传感器对光谱信号强弱的敏感程度、区分能力。即探测器的灵敏度(遥
8、感器感测元件在接收光谱信号时能分辨的最小辐射度差，或指对两个不同辐射源的辐射量的分辨能力)，一般用灰度的分级数来表示，即最暗最亮灰度值(亮度值)间分级的数目量化级数第三章遥感图像地物特征 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反射：当电磁辐射能到达两种不同介质的分界面时，入射能量的一部分或全部返回原介质的现象。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。 表面相对于入射波长是光滑，如可见光在镜面、光滑金属表面发生镜面反射，微波波长较
9、长，对于马路也可发生镜面反射。 漫反射：在粗糙面，入射能量在所有方向均匀反射，以入射点为中心，在整个半球空间向四周各向同性的反射能量的现象。也称朗伯反射。粗糙面也是相对于波长而言方向反射：反射并非各向同性，具有明显的方向性，即由入射方向和观测角方向两个方向决定，也与物体的空间结构有关。 发射率 地物发射电磁辐射的能力 ，以黑体辐射作为基准 黑体及黑体辐射特性：绝对黑体：如果物体对于任何波长的电磁辐射都全部吸收，然后吸收的能力全部发射，没有反射和透射，则这个物体是绝对黑体（理想体）。 黑体也是朗伯体，辐射各向同性自然界中煤炭接近绝对黑体太阳常熟：不受大气影响，在距太阳一个天文单位内，垂直于太阳光
10、辐射方向上，单位面积单位时间黑体所接收的太阳辐射能量透射率即地物透射的能量与入射总能量的百分率，称之为投射率目视解译是用肉眼或借助于简单的工具如放大镜、立体镜、投影观察器等，直接由肉眼来识别图像特性，从而提取有用信息，即人把物体与图像联系起来的过程 。遥感图像解译：从遥感图像上获取目标地物信息的过程。分为目视解译和计算机解译。目视解译：指通过直接观察或借助判读仪器在遥感图像上获取特定目标地物信息的过程。需要丰富的专业知识，逻辑判断、空间推理、综合分析计算机解译：以计算机硬软件系统为支撑，利用模式识别与人工智能技术，根据遥感图像中目标地物的光谱特征和空间结构特征，结合专家的经验（知识库），进行分
11、析和推理，实现对遥感图像的理解，完成信息提取的过程。目标地物特征 色：在遥感影像上的颜色，包括色调、颜色和阴影等； 形：目标地物的形状、大小、纹理、图型； 位：目标地物的空间位置、相关布局等直接标志：能够直接判读和确定目标物属性、性质影像特征。是目标物自身特点在影象上的直接表现。间接标志：与地物属性有内在联系，通过相关分析能确定其性质和属性的影像特征。目标地物识别特征 色调(Tone)：从白到黑的密度比例（灰度） 颜色(Color)：可见光对入射光选择性吸收和反射 阴影(Shadow) 形状(shape):目标地物的外部轮廓 纹理(Texture)：内部色调有规律变化的影像结构 大小(size
12、)：目标地物形状、面积、体积的度量 位置(Site)：目标地物分布地点 图型（pattern）：目标地物的规律排列而成的图型结构 相关布局(Association)：目标地物间的空间配置 形状地物呈现的外部轮廓。需要根据影象比例尺和分辨率具体分析在遥感图像目标 地物上色调全色遥感图像中白黑深浅程度（灰度）。色调是区分目标地物的基本标志。颜色彩色遥感图像：真彩色、假彩色阴影分本影和落影。增强地物的立体感；同时也造成同物异谱现象。图型即影纹图案。目标地物规律的排列而成的图形结构。纹理遥感图像中目标地物内部色调有规则变化形成的影像结构。即地物影像上的色调变化的空间布局和频率的变化。布局物体间的空间配
13、置。物体间一定的位置关系和排列方式，形成了很多天然和人工目标特点。 位置 地物分布的地点。包括地理位置和相对位置。间接判读标志：能间接反映和表现地物信息的遥感图像的各种特征，可推断与某地物属性相关的其他现象。可见光黑白像片和黑白红外像片解译：形状和色调为主要标志彩色像片与彩红外像片解译：色彩为主要标志遥感资料的选择 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 解译步骤准备工作 包括资料收集、分析、整理和处理 初步解译、建立解译标志 包括路线路勘，制订解译对象的专业分类系统和建立解译标志 室内解译野外验证 包括解译结果校核检查，样品采集和调绘补测
14、 成果整理 包括编绘成图，资料整理和文字总结 光学图像：早期的遥感技术通过摄影成像方法得到的像片，其灰度级及颜色连续变化。 光学图像可以看成是由无数个很小的单元点（像元）组成，每个像元的明暗程度记录了成像瞬间对应的物体的反射光强度（灰度），其实质就是探测范围内电磁辐能量分布图。 数字图像：指由被称作像素的小块区域组成的二维矩阵，能在计算机里存储、运算、显示和输出的图像。每个小块区域称为像素（pixel）。 每个像素包括两个属性：位置和亮度（或色彩）数字化：将一幅连续光学图像，作等间距的抽样和量化，转化为数字图像的过程。通常是以像元的亮度值表示。 数字量和模拟量的本质区别：连续变量，离散变量。
15、采样（sampling）：图像空间位置的数字化：图像的空间取样，空间域连续变量离散化处理。每一个采样点称为像元（或像素），像元的实地面积大小就是影像的地面分辨率。 量化（quantization）：亮度值的离散化处理叫即指从图像灰度的连续变化中进行离散的采样，目前经常使用的灰度量度有64、128、256级。数字图像的特点便于计算机处理与分析：计算机是以二进制方式处理各种数据的。采用数字形式表示遥感影像，便于计算机处理。因此，与光学影像处理方式相比，遥感数字影像是一种适于计算机处理的影像表示方法。影像信息损失低：由于遥感数字影像是用二进制表示的，因此在获取、传输和分发过程中，不会因长期存储而损失
16、信息，也不会因多次传输和复制而产生影像失真。而模拟方法表现的遥感影像会因多次复制而使影像质量下降。抽象性强：尽管不同类别的遥感数字影像，有不同的视觉效果，对应不同的物理背景，但由于它们都采用数字形式表示，便于建立分析模型，进行计算机解译和运用遥感影像专家系统。灰度直方图：横轴表示灰度级，纵轴（Pi=mi/M)表示灰度级为gi的像元个数占总像元数的百分比，所形成的统计直方图。 直方图的作用：直观地了解图像的亮度值分布范围、峰值的位置、均值以及亮度值分布的离散程度。直方图的曲线可以反映图像的质量差异。反差：最大灰度值和最小灰度值之差。直方图范围窄，说明反差很小；直方图延伸很宽，表明反差 正态分布：
17、反差适中，亮度分布均匀，层次丰富，图像质量高。偏态分布：图像偏亮或偏暗，层次少，质量较差。彩色合成为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。 彩色图像可以分为真彩色图像和假彩色图像。真彩色图像：真彩色图像上影像的颜色与地物颜色基本一致。假彩色图像：假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。辐射校正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辩率和对比度下降等辐射失真；几何校正是由于搭载传感器的遥感平台飞行资态变化、地球自传、地球曲率等原因引起的图像几何畸变。辐射畸变原因 传感器响应特性：系统工作
18、误差。遥感器灵敏度特征引起的光电变换系统形成的；镜其摄影面存在边缘比中心部分发暗（边缘减光）。 大气的吸收、散射及其它随机因素影响，导致图像模糊失真，造成图像分辨率和对比度相对下降。 光照条件、地形：太阳高度、大气透过率、太阳直射光源照度、瞬时入射角等，地面坡度等都会影响辐射亮度值。辐射校正：通过纠正辐射亮度，使图像中像元之间亮度变化真正反映不同像元地物反射率之间的变化关系。 几何畸变：遥感图像在几何位置上产生如行列不均匀、像元大小与地面大小对应不准确，地物形状不规则变化，如平移、缩放、旋转、偏扭、弯曲等。遥感图像的几何变形有两层含义 一是指卫星在运行过程中，由于姿态、地球曲率、地形起伏、地球
19、旋转、大气折射、以及传感器自身性能所引起的几何位置偏差。二是指图像上像元的坐标与地图坐标系统中相应坐标之间的差异。遥感影像变形的原因遥感平台位置和运动状态变化 地形起伏影响 地球表面曲率影响 大气折射影响 地球自转的影响 几何校正分类：几何粗校正：地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正。 几何精校正：利用地面控制点进行的几何校正称为几何精校正。也称图像纠正，其目的是改正原始影像的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。坐标变换的两种方案首先要确定原始图像和纠正后图像之间的坐
20、标变换关系（1）直接法：从原始图像阵列出发，依次对其中每一个像元分别计算其在输出（纠正后）图像的坐标（2）间接法：从空白图像阵列出发，依次计算每个像元P（X，Y）在原始图像中的位置P（x,y），然后把该点的灰度值计算后返送给P(X,Y)。三种插值方法：最近邻法 双线性内插法 三次卷积法最近邻法（Nearest Neighbor）用距离投影点(采样点)最近像元灰度值代替输出像元灰度值。 优点：简单计算量小，几何位置精度为0.5像元，最大是保持像素值不变，效果尚佳。 缺点：有明显锯齿状，即灰度不连续，会影响制图效果。当相邻像素的灰度值差异较大时，可能会产生较大的误差。双线性内插法（Bilinear
21、）双线性插值法是对最近邻法的一种改进，即用线性内插方法，根据点的四个相邻点的灰度值，分别在x、y方向上进行两次插值、一次插值，计算出值。最后形成的插值函数为一双曲抛物面方程。三次卷积法取与投影点邻近的16个象元灰度值（4*4） ，计算输出象元的灰度值。优点：效果最好，精度最高，采样中的误差为双线性内插法的1/3，产生的图像比较平滑， 缺点：计算量最大，较费时。(对控制点选取的均匀性要求更高，否则效果不好) 地面控制点（GCP，Ground Control Point）: 一些地图坐标或其它输出坐标为已知的特定像元。数字图像增强 对比度变换 空间滤波变 彩色变换 图像运算 多光谱变换常用的增强处
22、理方法有对比度变换、空间滤波、彩色变换、图像运算和多光谱变换。图像增强和图像校正的区别：图像校正目的是消除伴随数据获取过程中的误差及变形，使传感器记录的数据更接近于真实值。而图像增强则是为了突出相关的专题信息，提高图像的视觉效果，使分析者能更容易地识别图像内容，从图像中提取更有用的定量化信息。对比度变换是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。将图像中过于集中的像元分布区域（亮度值分布范围）拉开扩展，增加图像反差。因为亮度值是辐射强度的反映，所以又叫辐射增强。方法： 对比度线性变换 对比度非线性变换线性变换在改善图像对比度时，如果采用线性或分段线性的函
23、数关系，那么这种变换就是性变换。非线性变换：变换函数为非线性函数。常用的非线性拉伸函数有指数函数、对数函数、高斯函数、平方根等。指数函数 指数函数曲线对于图像中的亮的部分，指数变换扩大了灰度间隔，突出了细节；对于暗的部分，缩小了灰度间隔，弱化了细节。对数函数 对数函数与指数变换相反，对数变换主要用于拉伸图像中暗的部分，而压缩亮的部分。空间滤波：又称邻域处理，重点突出图像上的某些特征为目的，是在被处理像元周围像元的参与下进行运算并且增强图像的处理方法。 空间滤波：中心像元与周围相邻像元间的运算，用于去噪声、图像平滑、锐化和相关运算。均值平滑：将每个像元在以其为中心的区域内，取平均值来代替该像元值
24、，以达到去掉尖锐“噪声”和平滑图像的目的。中值滤波：将每个像元在以其为中心的邻域内，取中间亮度值来代替该像元值，以达到去掉尖锐“噪声”和平滑图像的目的。缺点：是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。锐化:突出图像的边缘、线性目标或某些亮度变化率大的部分,锐化后不具有原图像信息，而提取了边缘信息。罗伯特梯度：找到了梯度较大（像元间亮度变化较大）的位置，用不同的梯度计算值代替边缘处像元的值，实现突出边缘，锐化图像的效果。索伯尔梯度：拉普拉斯算法： 定向检测：当有目的地检测某一方向的边、线或纹理特征时，可选择特定的模板卷积运算作定向检测
25、。彩色变换：把数字图像组合转换成彩色图像，或者把各种增强或分类图像组合叠加，以彩色图像显示出来 单波段彩色变换 多波段彩色变换 HLS变换单波段彩色变换（密度分割）单波段黑白遥感图像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。这种方法又叫密度分割。多波段彩色变换利用计算机将同一地区不同波段的图像存放在不同通道的存储器中，并依照彩色合成原理，分别对各通道的图像进行单基色变换，在彩色屏幕上进行叠置，从而构成彩色合成图像。 合成方案： 真彩色图像 假彩色图像HLS变换 HLS:色调、明度、饱和度 图像运算两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某
26、些信息或去掉某些不必要信息的目的。多光谱变换针对多光谱影像存在的一定程度上的相关性以及数据冗余现象，通过函数变换，达到保留主要信息，降低数据量,增强或提取有用信息目的的方法。K-L变换离散变换的简称，又称主成分变换。是一种除去波段之间的多余信息，将多波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。即利用波段之间的相互关系，在尽可能不丢失信息的同时，用几个综合性波段代表多波段的原图像，使处理的数据量减少K-T变换又形象地称为“缨帽变换”，也是一种线性组合变换。主要用于农作物生长过程而区别于其他植被覆盖。 目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。它使坐标空
27、间发生旋转，但旋转后的坐标轴不是指向主成分的方向，而是指向另外的方向，这些方向与地面景物有密切的关系，特别是与植物生长过程和土壤有关。这种变换既可以实现信息压缩，又可以帮助解译分析农业特征。 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。 造成几何位置的畸变有原因 ：遥感器本身引起的畸变 外部因素引起的畸变 处理过程中引起的畸变遥感器本身引起的畸变遥感器本身引起的几何畸变与遥感器的结构、特性和工作方式不同而异。这些因素主要包括：1）透镜的辐射方向畸变像差； 2） 透镜的切线方向畸变像差； 3）透镜的焦距误差；
28、 4）透镜的光轴与投影面不正交；5）图像的投影面非平面；6）探测元件排列不整齐； 7）采样速率的变化； 8）采样时刻的偏差; 9) 扫描镜的扫描速度变化 。外部因素引起的畸变影响图像变形的外部因素包括： 1） 地球的曲率 2） 大气密度差引起的折光 3） 地形起伏 4） 地球自传 5） 遥感器轨道位置和姿态等处理过程中引起的畸变遥感图像再处理过程中产生的误差，主要是由于处理设备产生的噪声引起的。遥感图像的几何纠正方法遥感图象的几何粗处理和精处理 遥感图像的几何纠正按照处理方式分为光学纠正和数字纠正 光学纠正主要用于早期的遥感图像的处理中，现在的应用已经不多。除了对框幅式的航空照片（中心投影）可
29、以进行比较严密的纠正以外，对于大多数动态获得的遥感影像只能进行近似的纠正数字图象几何纠正：通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法。几何精校正是指利用地面控制点使遥感图像的几何位置符合某种地理系统，与地图配准，并调整亮度值。也就是在遥感图像的像元与地面实际位置之间建立数学关系，将畸变图像空间中的全部像元转换到校正图像空间去。 内容一般包括两个方面：一个是图像像元空间位置的变换，另一个是像元灰度值的重采样。 几何精校正具体步骤 ：选取地面控制点（GCP）选择空间变换函数重采样和内插最邻近内插法 双线性内插 三次卷积内插 .遥感数字图像变 图像变换指的是将图像从空间域转换
30、到变换域例如频率域的过程。进行图像变换的目的就是为了使图像的处理过程简化。作用：通过图像变换简单而有效的实现增强处理通过图像变换可以对图像进行特征抽取快速傅立叶变换 目的 进行数据压缩、图像的增强、特征提取 方法 信号处理中的频率域分析方法步骤 选择适当的变换函数 进行傅里叶变换 分析变换的结果 进行傅里叶逆变换KL变换 目的 减少图像波段之间的相关性，去除多余的信息，减少图像的数据量方法 统计学中的正交变换方法步骤 进行数据统计 进行主成分分析 进行旋转变换和逆变换KT变换 目的 分离和消除干扰信息 突出研究的专题信息方法 几何中的坐标旋转方法步骤 作两个波段的散点图 分析灰度值的变换特点反
31、差增强 图像反差增强又称对比度增强 灰度拉伸根据原图像的直方图确定需要做拉伸变换的灰度值区间，然后把这一（或一些）灰度值区间按某种直线或曲线方程关系拉伸或压缩而成为变换后的灰度值区间 直方图线性拉伸 直方图分段线性拉伸 非线性拉伸变换 遥感数字图像处理直方图均衡化 变换后的直方图接近均匀分布。即图象中每一灰度级的像元数目大致相同。使得面积最大的地物细节得以增强，而面积小的地物与其灰度接近的地物进行合并，形成综合地物。减少灰度等级换取对比度的增大。 直方图匹配 将原始图象转换为给定直方图的图象各种拉伸以后虽然对于感兴趣的地物提高了分辨能力，但同时也造成了信息损失。空间域图像增强空间域图像增强处理
32、是应用某种数学模式直接改变图像像元灰度值的变换。这种变换与像元的坐标无关，只改变像元点的灰度深浅程度。即改变了图像的对比度，这样图像中的某些信息被突出（可能也有些信息被压抑了）达到了图像增强的目的 。可分为单点处理和邻域处理 边缘增强 突出目标的轮廓或边缘信息，主要是通过微分法实现的 梯度法和拉普拉斯算子法 平滑滤波 低频增强的空间域滤波技术。它可以滤掉由于孤立的单点噪声而引起的灰度偏差 中值滤波 定向滤波 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）代数运算增强 差值运算 利用不同地物之间光谱的特征有利于突出目标与背景反差小的信息红外波段-红波段
33、，突出植被比值运算 ,两个波段的比值目的 减轻地形的干扰 扩展地物，特别是植被间的光谱差异 抑制大气的影响 减少了数据之间的相关性彩色图像增强假彩色密度分割将灰度按照指定的间隔分割为不同的级，对新的密度分级分别赋予不同的颜色彩色增强在一个输入像元的灰度级上分别进行三个独立的色变换在显示屏幕上产生一个彩色合成图像。从而达到明显的分辨和识别效果 假彩色合成目的 综合不同波段的特征，突出研究对象的差异原则 信息量最大 相关性最小 差异最大方法 信息量分析 相关分析 方差分析 其他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
34、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 数据融合分类 像元级融合 像元级融合是一种最低水平的融合 特征级融合 特征级融合是一种中等水平的融合 决策级融合 决策级融合是最高水平的融合 数据融合方法IHS变换、代数法 、Brovey变换、图像回归法、主成分变换（PCT）、小波变换等 遥感数字图像分析图像理解 从图像中提取有用信息的过程包括 图像分类 图像分割 特征分析输出 内容明确的数据或图形图像特点
35、以具体的知识和目的为基础，结果更接近于解释的成果和实际的应用 遥感图像分类技术原理 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时，其特征量的分布类型接近正态分布方法 利用像素的灰度值之间的关系，综合考虑矢量数据，考虑属性数据。对像素的进行分类以随机变量的统计分析为基础特点 多变量的图像分类 分类在一定的比例尺上进行原则 多变量综合考虑 在特征空间的位置可以用均值表示，离散程度可以用方差表示分类的实质是将特征空间分为若干子区域，每个子区域为一类指标（特征） 波段 其他属性 地形特征 调查数据统计量 均值 方差
36、 距离度量 离差平方和非监督分类 特征空间识别法 系统聚类法 分裂法(isomix) 动态聚类法影响结果的主要因素 选择的距离 聚类方式特点 需要较少的人工参与 结果不依赖于统计参数 对于非正态分布的数据可以得到较好的结果 不适合同谱异物的数据 结果的稳定性较低 结果可以作为监督分类的参考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(subpixel classification) 其他分类法 遥感图像信息定量反演方法辐射传输模型（RT模型)几何光学模型（GO模型)几何光学辐射传翰混合模型(GORT混合模型)计算机模拟模型第四章-植被遥感植被是生长于地球表层的各种植物类型的
37、总称，在地球系统中扮演着重要的角色，它是地球表层内重要的再生资源。植被遥感研究的主要内容（1）通过遥感影像从土壤背景中区分出植被覆盖区域，并对植被类型进行划分，区分是森林还是草场或者农田，进而可以问是什么类型的森林，什么类型的草场，什么样的农作物，如此等等。（2）能否从遥感数据中反演出植被的各种重要参数，例如叶面积指数（LAI）、叶子宽度、平均叶倾角、植被层平均高度、树冠形状等等，这一类问题属于更深层次的遥感数据定量分析方法与反演技术。（3）能否准确的估算出与植被光合作用有关的若干物理量，例如植被表面水分蒸腾量、光合作用强度（干物资生产率）、叶表面温度等。植被遥感不仅依赖于对单张植物叶片的光谱
38、特性，还需进一步认识植被冠层的光谱特性。单张叶片光谱特性及影响因素1、植物叶片结构 叶片是绿色植物的主要受光面积，也是遥感传感器所接收到的植被信号的主要贡献者。分为异面叶和等面叶两种。异面叶的叶肉组织有较大分化，形成栅栏组织和海绵组织，故叶片上下面的受光情况不同，上呈深绿色，下呈淡绿色。等面叶的组织分化不明显。叶片一般具有三部分：表皮、叶肉和叶脉植被冠层光谱特性及影响因素1、绿色植被冠层的反射植被冠层由叶、花、茎、果实等共同构成。冠层光谱不仅受叶片影响，还是茎、花、穗以及下垫面工作作用的结果。1、绿色植被冠层的反射传感器接收到的植被冠层辐射是1）从植被组分上直接反射的光（冠层一次散射）；2）被
39、植被组分和地表多次散射最终逸出到达传感器的光（多次散射）；3）从地面一次反射直接到达传感器的光（地表一次散射）2、植被冠层影响因素-植被结构植被结构指植物体表面的空间分布结构。植被结构是随着植被种类、生长阶段、分布方式的不同而变化，详细描述很复杂。根据遥感研究需要，采用简化的结构特征，分为：水平均匀植被（连续植被）和离散植被两种。p 草地、幼林、生长茂盛农作物等为连续植被p 疏林地、果园、灌丛等为离散植被从植被遥感-植物与光的相互作用出发，植被结构主要指叶子形状（用叶倾角分布LAD表示），大小（叶面积指数LAI表示），植被冠层形状、大小及几何与外观结构，同时也包括植被的成层现象（与多次散射有关
40、）、覆盖度（涉及间隙率、阴影）等。冠层高度：土壤表层至冠层最顶部的高度。冠层接收到的辐射能量往往在冠层顶部最大，随冠层深度的增加而逐渐减弱，故辐射传输是冠层高度的函数。叶面积指数LAI：单位土地面积上的柱体内全部植物叶子面积（仅叶片向上半面）之和。叶面积体密度FAVD：某一高度上的单位体积内的叶面积的总和。其测量单位为每立方米群从容积中的平方米叶面积，即m-1.间隙率：在一个固定的入射角条件下，一束光透过植被冠层而没有被拦截的概率。植被覆盖度：植被冠层的垂直投影面积与土壤总面积之比，即植土比。 叶倾角：叶子向上半面某一点上的法线方向与Z轴（垂直于水平面指向天空）的交角，称为叶子在该点的倾角。一
41、个冠层内叶倾角的分布模式可以从0 （水平叶）到90 （垂直叶），一般用间隔为10作出的叶倾角分布频率图来表示。用分布函数LAD来描述不同的倾角类型，如均匀型、球面型、倾斜型叶方位角：法线在水平面上的投影与正北方向的交角称为叶子在该点的方位角。植被“红边”位移现象 “红边”定义为反射光谱的一阶微分最大值所对应的光谱位置，对应红光区外叶绿素吸收减少部位到近红外高反射肩之间，健康植物的光谱响应陡然增加的（量度增加约10倍）的这一窄条区。通常位于0.680.75m之 间。当绿色植物叶绿素含量高，生长旺盛时，“红边”会向波长增加的方向偏移，称“红移”。当植物由于受金属元素“毒害”、感染病虫害、污染受害或
42、者缺水缺肥等原因而“失绿”时，则“红边”会向波长短的方向移动，称“蓝移”。 植被分类根据植被光谱、季相、生态环境、冠层形态进行植被类型识别。利用植物光谱特征区分植被类型 阔叶林与针叶林 草与阔叶林利用物候期差异区分植被类型落叶林与常绿林前提是需要获取典型植被类型的物候季影像利用生态环境条件区分植被类型 我国森林气候带自北向南为：寒温带针叶林-温带针阔混交林-暖温带落叶林和针叶林-亚热带常绿阔和针椰林-热带季雨林和雨林。利用冠层形态特征区分植被类型草本植物表现为大片均匀的色调，因其低矮无阴影；灌木呈不均匀细颗粒结构，灌木一般不高，阴影不明显；植被指数在环境、生态、农业等领域有了广泛的应用。环境领
43、域，通过植被指数来反演土地利用和土地覆盖变化，逐渐成为实现对全球环境变化的研究重要手段；生态领域，随着斑块水平的生态系统研究成果拓展到 区域乃至全球的空间尺度上，植被指数成了空间尺度拓展的连接点；农业领域，植被指数广泛应用在农作物分布及长势监测、产量估算、农田灾害监测及预警、区 域环境评价以及各种生物参数的提取。总之，随着人们对于全球变化研究的深入，以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题。植被指数模型-类型n 比值植被指数：两个或以上波段反射率或DN值的比值。n 差值植被指数：两个波段反射率或DN值的差值；n 角度植被指数：通过计算波段之间的夹角参数；植被指数模型-
44、目标反映植被的生长状况，同样的植被具有相似或相同的植被指数；同一区域不同生长阶段植被的变化；减弱大气对遥感信号的影响，即大气辐射纠正问题；削弱土壤背景的影响；减小不同传感器之间的差别；增强不同时间之间的稳定性；植被指数简单应用-RVI森林虫害监测森林病虫害严重威胁着林木生存，使材质降低并影响其更新，被誉为“不冒烟的森林火灾”，因为森林病虫害造成的经济损失和林木损失都达到甚至超过了森林火灾，而它对生态环境所带来的负效应就更严重了。必须及时准确掌握病虫害发生发展。当树木遭受病虫害侵袭时，首先是近红外波段的反射率明显降低，近红外陡坡效应明显削弱甚至消失；接着绿光区的小反射峰值位置逐渐向红光区漂移，叶
45、色由绿变黄、变褐，以致枯死。健康树木与受害树木光谱特性的差异成为遥感监测病虫害的依据。选择NDVI、RVI、PVI和GVI进行植被病虫害遥感监测，发现：NDVI对高覆盖植被检测的灵敏度下降；RVI在高覆盖度下对植被十分敏感，与生物量相关性很好；PVI和GVI虽可减少土壤植被背景值对植物光谱的影响，但在多层森林群落结构及丘陵、山地地区，就不能准确反映植被情况。相对言，RVI监测森林病虫害较为有效。植被指数与叶面积指数关系叶面积指数LAI是指每单位土壤表面积的叶面面积比例。它对植物光合作用和能量传输是十分有意义的。绿色植物的叶子是它进行光合作用的基本器官，叶片的叶绿素在光照条件下发生光合作用，产生
46、植物干物质积累，并使叶面积增大。叶面积越大则光合作用越强，而光 合作用越强，又使植物群体的叶面积越大，植物干物质积累越多，生物量越大。同时，植物群体的叶面积越大，植物群体的反射辐射增强。 实验证明：当作物群体LAI大于3时，其反射率可达太阳总辐射的20%；当正常稻田LAI为4时的能量透过率为太阳总辐射的23%或低于20%；对草本植物而言，叶片倾角较大，光很容易透过冠层直达底部直至土壤。当LAI高达7.5时，有5%的入射光可到达土壤表面植被覆盖度指植被冠层的垂直投影面积与土壤总面积之比。即植/土比。生物量指的是植物组织的重量。它是由植物光合作用的干物质积累所致。农作物的遥感估产农作物估产则是指根据生物学原理, 在收集分析各种农作物不同生育期不同光谱特征的基础上, 通过平台上的传感器记录的地表信息, 辨别作物类型, 监测作物长势, 并在作物收获前, 预测作物的产量的一系列方法。包括三方面内容：农作物识别、种植面积估算、长势与旱情监测和估产模式建立 （一）可以根据作物的色调、图形结构等差异最大的物候