SPOT5遥感影像土地利用信息提取方法研究
第39卷 第6期2011年6月
西北农林科技大学学报(自然科学版)
Jo ur nal of N o rthwest A&F U niver sity(N at.Sci.Ed.)
Vo l.39N o.6
Jun.2011
SPOT5遥感影像土地利用信息提取方法研究
张伐伐a,李卫忠a,卢柳叶b,康 乐a
(西北农林科技大学a林学院,b资源环境学院,陕西杨凌712100)
[摘 要] 目的 探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。 方法 以结合纹理特征的支持向量机(Support vector machine,SV M)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。 结果 面向对象分类法的总精度达到90.67%,较结合纹理特征的SV M法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。 结论 利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。
[关键词] 遥感影像;土地利用信息;支持向量机;纹理特征;多尺度分割;精度评价
[中图分类号] S127[文献标识码] A[文章编号] 1671 9387(2011)06 0143 05 Study on extraction methods of land utilization
information based on SPOT5
ZHAN G Fa fa a,LI Wei zhong a,LU Liu ye b,KANG Le a
(a College of F or estry,b Colleg e of Resourc es and Env ironment,N or th w est A&F Univ ersity,Yang ling,S haanx i712100,China)
Abstract: Objective T he study explored the effect of ex tracting approach for info rmatio n o f land uti lization based on high resolution remo te sensing im ag e to provide evidence for studying land utilization and cov er dynam ic variatio n. M ethod T his paper ex tracted the info rmation o f land utilizatio n focused on Changjiaoba to w n,using SVM classification o f tex ture feature and object or iented classification o f multi resolution seg mentatio n.The classification result w as compared w ith m ax imum likelihood classification. Then the classification result w as analyzed. Result T he ov erall classification accuracy o f object o riented w as90.67%,w hich incr eased by8.34%compared w ith SVM classification of tex ture feature and increased by20.32%com pared w ith m ax imum likelihoo d classificatio n.T his kind of classification not o nly can g et o v er the disadvantages of other classificatio ns,e.g.Spectral Similar and Ground object Fragm entations,etc. but also acquire good effectiveness. Conclusion Using the classification of object oriented can realize the purpose o f ex tracting the land utilization information,and this m ethod is accurate and fast.
Key words:rem ote sensing im ag e;inform ation o f land uatilization;support v ector m achine;tex tur e fea ture;multiresolution segm entation;accuracy assessment
土地利用信息的获取,是研究士地利用和土地覆盖动态变化的基础,将遥感、地理信息系统和全球定位系统相结合,开展国土资源和环境综合调查,具有现势性强、分类周期短、资源信息更新快等优势,从而可以以最快的速度动态监测土地资源利用及环境的变化情况,及时为社会经济发展决策和制定相关规
*[收稿日期] 2010 11 29
[基金项目] 国家林业局 948 项目(2009 4 45)
[作者简介] 张伐伐(1985-),男,安徽怀远人,在读硕士,主要从事 3S 技术在资源与环境中的应用研究。
E mail:zhangfafa520@https://www.360docs.net/doc/361109283.html,
[通信作者] 李卫忠(1963-),男,陕西蒲城人,副教授,硕士生导师,主要从事森林经理学研究。E m ail:w eizhong_li@https://www.360docs.net/doc/361109283.html,
划、计划提供科学依据[1]。传统单纯的监督分类和非监督分类的精度较低,而新兴的分类方法,如潘东晓[2]和陈玉敏[3]等用基于神经网络的分类方法进行遥感图像的分类,虽然取得了较好的效果,但由于神经网络中固有的理论上的不足,以及网络结构和参数的选择没有充足的理论依据,并且在学习过程中易陷入局部极小点等问题,使得该方法对经验性因素的依赖较大[2 3]
,使其在遥感图像信息提取中的应用受到一定限制,因而很有必要建立更为准确、实用的遥感信息提取分类方法。为此,本研究提出以结合纹理信息的支持向量机(SVM)遥感图像分类方法和多尺度分割的面向对象影像分析方法,对SPOT5影像进行了分类研究,并与传统基于像元的最大似然法分类结果进行了比较分析,旨在为遥感影像中土地利用/覆盖动态变化信息的提取提供参考依据。
1 研究区概况
本研究以陕西省佛坪县长角坝乡为对象。长角坝乡位于佛坪县城以北3km 处,是陕西省汉中市的北大门,于2001 12由原龙草坪乡和长角坝乡合并而成,全乡总面积为315km 2
。该乡地处秦岭山脉南麓,系典型的农业乡镇,大部分为高山地区,境内最高海拔2904m,最低海拔856m,天然林资源丰富,森林覆盖率达87.9%,是山茱萸、天麻、猪苓等名贵中药材的天然适生区。长角坝乡的SPOT5影像如图1
所示。
图1 陕西佛坪县长角坝乡的SPO T 5遥感影像F ig.1 SPOT 5imag e of Chang jiaoba tow n,Fo ping
co unty ,Shaanx i pro vince
2 材料与方法
2.1 数据源
研究区数据包括2008年SPOT5卫星遥感影像图、1 50000的纸质地形图、DEM 数据、森林资源二类调查数据(2005年)以及实地测得的GPS 数
据。研究工作平台建立在遥感数字图像处理软件(ENVI 4.7)和地理信息系统软件(ArcGIS 9.3)上。2.2 数据预处理
首先在ArcGIS 9.3中,对扫描的1 50000地形图进行配准,用配准好的地形图和DEM 数据在ENV I 4.7中对遥感图像进行几何正射校正,校正精度为0.28个像元,再将SPOT 5多光谱影像波段与全色波段进行融合(本研究采用保真度较高的Gram Schmidt 融合),以提高影像的分辨率,用获取的研究区域的行政边界矢量文件,在EN VI4.7中对遥感影像进行裁剪,最后采用直方图均衡化方法对图像进行增强处理,以抑制细小噪声。
2.3 基于结合纹理特征的支持向量机(SVM )遥感
影像分类
2.3.1 支持向量机(Suppo rt vector machine,SVM )原理 SVM 是一种基于统计学习理论的模式识别方法,其由Boser 等在COLT (Com putation al learning theory ) 92上首次提出,是一种比较好的实现了结构风险最小化思想的学习算法[4]。该算法的主要目标是找到一个超平面,使其能够尽可能多地将2类数据点正确分开,同时使分开的2类数据点距离分类面最远。其具体算法参见文献[5]。2.3.2 纹理特征提取 在目前的图像纹理特征计算方法中,以H ar alick [6]提出的灰度共生矩阵法的应用最为广泛。该方法通过对图像灰度级别之间联合条件概率密度P(i,j ,d, )的计算,用其表示纹理特征。P (i,j ,d, )表示在给定空间距离d 和方向 时,以灰度i 为始点,出现灰度级为j 的概率。本研究首先对长角坝乡SPOT5影像进行了主成分分析,第1主成分的方差贡献率为83.36%,其代表了影像4个波段的高频部分和低频部分,起到了降维和数据压缩的作用[7]
;然后利用灰度共生矩阵对第1主成分的纹理信息进行提取。参考H aralick [6]提取的14种灰度共生矩阵的纹理统计量,本研究经过多次试验选择以下4种纹理量参与影像的分类:均值(M ean)、对比度(Contrast)、局部平稳度(H om o geneity)和熵(Entropy )。
2.3.3 分类样本的选取 根据研究区的土地利用特点,将研究区的地类划分为耕地、有林地(指树木郁闭度 0.2的乔木林地,包括红树林地和竹林地)、灌木林地(指灌木覆盖度 40%的林地)、其他林地(包括疏林地、未成林地、迹地、苗圃等林地)、建设用地、道路、水域和未利用地等8类。利用GPS 实地选择典型样地进行采点,一共选取了800个样
144
西北农林科技大学学报(自然科学版)第39卷
区,将其中的500个作为训练样本,另外300个作为检验样本,并对样本数据进行归一化处理。2.3.4 SVM 核函数的选择及相关参数的确定 本研究的分类核函数选用径向基函数(RBF)[8]
,并通过交叉比对算法来确定RBF 核函数的2个参数C 和 ,其分别为惩罚系数参数和间隔。该算法的过程是:将样本集分成n 个子集,每次将其中n -1个子集代人SVM 进行训练,针对SVM 的参数C 和 ,计算剩余1个子集的分类正确率。然后通过不断改变C 和 来获取更高的样本分类精度,经过反复试验本研究最终确定C =100, =0.2。2.4 面向对象的影像分析方法
面向对象分类技术以集合临近像元为对象,对感兴趣的光谱要素进行识别,其充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息进行分割和分类,以获取高精度的分类结果或者矢量输出[9]。此方法的核心是对影像的分割,即从二维影像信息阵列中,恢复出影像所反映景观场景中目标地物的空间形状及组合方式。此分类的最小单元是一个个对象而不再是像元,后续的影像分析处理都是基于对象进行的。
2.4.1 多尺度分割 常用的多尺度分割算法,通过综合遥感图像的光谱特征和形状特征,计算图像中每个波段的光谱异质性与形状异质性的综合特征
值,然后根据各个波段所占的权重,计算图像所有波段的加权值,当分割出的对象或基元的光谱和形状综合加权值小于某个指定的阈值时,进行重复迭代运算,直至所有分割对象的综合加权值大于指定阈值,即完成图像的多尺度分割操作[10 11]。
本研究采用了一种基于边缘信息的多尺度分割算法,这种算法计算很快,并且只需1个输入参数,就能产生多尺度分割结果。分割效果的优劣在一定程度决定了分类效果的精确度,可以通过预览分割效果,选择1个理想的分割阈值,尽可能准确地分割出边缘特征。在ENV I Zo om 面向对象空间特征提取模块(Feature Ex traction)中,调整滑块阈值对影像进行分割,经过多次试验,设定阈值为30(图2)。但由于在影像分割时,若阈值过低,则一些特征会被错分,也有可能使一个特征被分成很多部分。本研究为解决这些问题,合并利用了Full Lambda Schedule 算法。通过预览效果设定合适的阈值合并分块,本研究最终设置的阈值为90。图2为研究区不同阈值的部分分割结果。
2.4.2 影像对象分类 根据地物的临近像素亮度、纹理、颜色等特征参数,并结合专家知识,在图中选择典型的对象作为8个地类的训练样本,结合应用光谱、形状及纹理特征,对分割后的图像进行监督分类,
并得到分类结果图。
图2 不同阈值下研究区影像的分割结果
F ig.2 R esult o f imag e seg mentat ion under different thresholds
3 结果与分析
3.1 不同土地利用信息提取方法所得分类结果的
比较
为了验证研究区土地利用信息提取方法的优劣,将面向对象分类法、光谱特征SV M 法、光谱+
纹理特征SVM 法与基于像元的传统分类(最大似
然分类法)法对同一研究对象进行分析,所得分类结果如图3所示。
从图3可以看出,采用最大似然分类法和光谱特征SVM 法时,所得分类结果中的地物比较破碎,分类效果不连续,尤其是有林地、灌木林地和其他林地混淆比较严重。这主要是由于遥感影像中普遍存在着 同物异谱 和 同谱异物 现象,使得单纯依靠
145
第6期张伐伐,等:SPO T 5遥感影像土地利用信息提取方法研究
光谱特征的遥感影像分类方法存在一定的局限性。光谱+纹理特征SVM 法的分类结果较以上2种方法有所改善,但分类精度仍然不高。相比较可见,面
向对象分类法可以取得较好的分类结果,有效地弥
补了上述方法的不足。
图3 不同土地利用信息提取方法所得分类结果的比较
F ig.3 Co mpar ison of classification r esult s o f different classificatio n a ppro aches
3.2 不同土地利用信息提取方法分类精度的比较
为了有效地评价分类结果,在研究区利用GPS 实地采集了800个样区资料,以其中500个为训练样本,其余300个样区资料作为检验样本,采用面向对象分类法、光谱特征SVM 法、光谱+纹理特征SVM 法和最大似然分类法的混淆矩阵,进行精度检验,在ENV I 4.7中对分类结果进行精度评价,其结果见表1。
从表1可以看出,面向对象分类法的遥感图像分类总精度和Kappa 系数分别为90.67%和0.8882,明显高于其他分类方法,说明面向对象分类法能够有效提高分类精度,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点。
表1 不同土地利用信息提取方法分类总精度的对比T able 1 Co mpar ison of o verall classificatio n accur acy of
differ ent classificatio n approaches
分类方法Clas sification method
分类总精度/%
Overall classification accuracy
Kappa 系数Kappa coefficien t 最大似然分类法
M aximum Lik elih ood Classfier 70.350.6478光谱特征SVM 法Spectrum Feature
72.670.6674光谱+纹理特征SVM 法
Spectrum and T ex tu re Features 82.330.7877面向对象分类法Object Orien ted
90.67
0.8882
4 结 论
本研究分别采用光谱特征SVM 法、光谱+纹
146
西北农林科技大学学报(自然科学版)第39卷
理特征SV M法和面向对象分类法,对研究区的土地利用信息进行了提取,并与基于传统像元的最大似然分类法的分类结果进行了对比分析,得出如下结论:
1)采用面向对象分类法进行遥感图像分类时,分类总精度达到90.67%,Kappa系数为0.8882,在分类精度上较光谱+纹理特征SVM法、光谱特征SVM法和最大似然分类法有较大提高,表明可利用面向对象分类法对高空间分辨率图像进行有效的分类。
2)面向对象分类法能够有效解决 同物异谱 和 同谱异物 现象,这是因为面向对象分类法不仅可以灵活运用地物本身的几何信息、结构信息、纹理信息及上下层关系信息和邻近关系信息等,而且可以加载人的思维构建知识库,为各种不同地物的分类提供了有效途径。
采用光谱+纹理特征SVM法和面向对象分类法提取土地利用信息时,在以下方面还有待进一步深入研究:
1)SVM适合复杂高维空间,但随着属性数据特征的增多,确定惩罚系数C和间隔 参数所花费的时间增加,从而使得整个图像分类过程的耗时增加。故在今后的研究中,需要对C和 参数的确定方法进行进一步探索,以减少分类时间。
2)在本研究中,面向对象分类法的影像分割尺度参数的获取带有人为的主观性,如何在分类过程中减少人为主观性的影响,是面向对象分类法中有待解决的难题。
另外,在面向对象的影像信息提取中,应考虑如何更好地将空间信息、上下文关系、各种约束条件加入到分割过程中,探索新的多尺度多层次分割算法,使分割的目标能更准确地表达地面实物,从而获得更好的分类效果。
[参考文献]
[1] 甘甫平,王润生,王永江,等.基于遥感技术的土地利用与土地
覆盖的分类方法[J].国土资源遥感,1999(4):40 45.
Gan F P,Wang R S,Wang Y J,et al.Th e classification method
b as ed on remote sen sing techniques for land u se and cover[J].
Rem ote S ens ing for Land&Resources,1999(4):40 45.(in Ch ines e)
[2] 潘东晓.遥感图像的神经网络分类法[J].国土资源遥感,1996
(3):49 55.
Pan X D.M ethod of n eural netw ork to clas sification of remote s ens ing image[J].Rem ote Sensing for Lan d&Resour ces, 1996(3):49 55.(in C hinese)
[3] 陈玉敏.基于神经网络的遥感影像分类研究[J].测绘信息与
工程,2002,27(3):6 8.
Ch en Y M.Application of neural netw or k to classification of r emote sensing image[J].Journal of Geomatics,2002,27(3):
49 55.(in Chinese)
[4] Cortes C,Vapnik V.Support vector networks[J].M achi ne Learn
ing,1995,20(3):273 297.
[5] 马义德,齐春亮,杜鸿飞.支持向量机的研究现状与进展[EB/
OL].(2005 03 15)[2010 11 10]http://ww https://www.360docs.net/doc/361109283.html,.
M a Y D,Qi C L,Du H F.Res earch statu s and pr ogr ess of sup port vector machine[EB/OL].(2005 03 15)[2010 11 10]h t tp://w w https://www.360docs.net/doc/361109283.html,.(in Chinese)
[6] Haralick P M.Statis tical and s tructural approaches to texture
[J].Pr oceedings of the IEEE,1979:67.
[7] 李金莲,刘晓玫,李恒鹏.SPOT5影像纹理特征提取与土地利
用信息识别方法[J].遥感学报,2006,10(6):926 931.
Li J L,L iu X M,Li H P.E xtraction of texture feature an d iden tification m ethod of lan d us e information from SPOT5im age [J].Journal of Remote Sen sing,2006,10(6):926 931.(in Chi nese)
[8] 陈 波,张友静,陈 亮.结合纹理的SVM遥感影像分类研究
[J].测绘工程,2007,16(5):23 27.
Ch en B,Zhan g Y J,Chen L.RS im age class ification bas ed on S VM m ethod with textur e[J].En gineering of S urveying an d M apping,2007,16(5):23 27.(in C hinese)
[9] 杜凤兰,田庆久,夏学齐,等.面向对象的地物分类法分析与评
价[J].遥感技术与应用,2004,19(1):20 23.
Du F L,T ian Q J,Xia X Q,et al.Object oriented image clas sifi cation analysis and evaluation[J].Remote Sensing Techn ology and Application,2004,19(1):20 23.(in Chin ese)
[10] Baatz M,Schap e A.M ultir esolu tion segmentation an optimi
zation approach for high qu ality multis cale imag e segmenta
tion[C]//Strobl J,Blasch ke T,Griesebn er G.Applied Geo
graph ic Data Processing .H eidelberg:W ichm ann Verlag,
2000:12 23.
[11] Schiewe J,Tufte L,Ehlers M.Potential and problems of multi
scale segmentation methods in remote sensing[J].GIS Geo Infor
mations Systeme,2001,6(1):34 39.
147
第6期张伐伐,等:SPO T5遥感影像土地利用信息提取方法研究
erdas遥感专题信息提取与专题图制作
遥感专题信息提取与专题图制作设计报告 1.课程设计的目的和意义 本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；熟悉遥感图像处理的方法和步骤，学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题和解决问题的能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。 2.课程设计的原理和方法 2.1课程设计原理 2.1.1 图像预处理 ERDAS软件默认的文件格式是img格式，因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大，实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息，要将影像头文件信息添加进去。 2.1.2几何纠正 遥感所获取的数据，均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理是将图像数据投影到平面上，使其符合地图投影系统。而将地图投影系统赋予图像数据的过程，称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何纠正的过程包含了地理参考过程。在实习过程中，采用了一次多项式法进行几何纠正。 2.1.3图像镶嵌 因研究范围的要求，需要在几何上将左右两幅图像连接在一起，并且保证拼接后的图像反差一致，色调相近，没有明显的接缝。遥感影像在镶嵌之前，必
须包含投影信息、地理坐标信息，还要有相同的波段数。当然，在挑选遥感数据时，要尽可能选择成像时间和成像条件相近的遥感图像，要求相邻影像的色调一致。 2.1.4图像裁剪 在实际工作中，经常需要根据研究工作范围对图像进行裁剪，按照ERDAS 实际图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：规则分幅裁剪和不规则分幅裁剪。 规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，就可以确定图像的裁剪位置，整个裁剪过程比较简单。 不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角两点的坐标确定裁减位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI多边形，也可以是ArcInfo的一个Polygon Coverage，针对不同的情况采用不同的裁剪过程。 2.1.5图像融合 图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。 2.1.6图像分类 图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：监督分类与非监督分类。 2.2课程设计方案
遥感信息智能化提取方法
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
土地变化信息提取讲解
遥感实验报告
图1-1 第三步：获取分类模板信息，点击AOI，利用AOI-tools中的多边 形工具绘制某一地类的样区。将画好的耕地AOI添加到模板。 signature editor-edit-add. 重复步骤第三步，在图中采集多个 耕地样本。选择所有耕地样本模板，按merge按纽合并这组分类 模板。合并后将模板取名为耕地。利用同样的方法，依次做好其 灌草地、林地、水域、建设用地、裸地土地覆盖类型模板。如图 1-2：1990年图像的分类信息模板： 图1-2 2006年分类信息模板： 图1-3 第四步：保存分类模板。 2.评价分类模板 第一步：点signature editor-Evaluate-contingency，利用可能性矩阵方法评价分类模板精度。达到90以上即为精度满足要求，否则重 新选择训练样区，再次进行精度评价，直到精度满足。 1990年的模板评价结果： Classified Data forest and water forest urban ---------- ---------- ---------- ---------- ---------- forest and 99.83 0.00 1.14 1.66 water 0.00 100.00 0.00 0.00 forest 0.00 0.00 90.90 0.00 urban 0.00 0.00 0.00 98.34
bare land 0.17 0.00 0.00 0.00 formland 0.00 0.00 8.96 0.00 Column Total 604 638 703 602 Reference Data -------------- Classified Data bare land formland Row Total ---------- ---------- ---------- ---------- forest and 0.00 0.00 621 water 0.00 0.00 638 forest 0.00 4.88 662 urban 0.00 0.00 592 bare land 100.00 0.00 612 formland 0.00 95.12 648 Column Total 611 615 3773 ----- End of Error Matrix ----- 2006年影像的模板评价结果： 3 .执行监督分类 打开Classifier-surpervise classification,选择分类决策规
遥感专题讲座——影像信息提取(四、面向对象特征提取)
面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术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的空间，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。它主要分成两部分过程：影像对象构建和对象的分类。
影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。 类型基本原理影像的最小单元适用数据源缺陷 传统基于光谱的分类方 法地物的光谱信息 特征 单个的影像像元 中低分辨率多光谱 和高光谱影像 丰富的空间信息利 用率几乎为零 基于专家知识决策树根据光谱特征、空 间关系和其他上 下文关系归类像 元 单个的影像像元多源数据知识获取比较复杂 面向对象的分类方法几何信息、结构信 息以及光谱信息 一个个影像对象 中高分辨率多光谱 和全色影像 速度比较慢
基于遥感数据的城市绿地信息提取研究进展
基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南 中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.360docs.net/doc/361109283.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。 关键词：遥感，城市绿地，信息提取，混合像元 中图分类号：TP 7 1．引言 随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。 另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。 利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题 城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取 随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。
SPOT5遥感影像土地利用信息提取方法研究
第39卷 第6期2011年6月 西北农林科技大学学报(自然科学版) Jo ur nal of N o rthwest A&F U niver sity(N at.Sci.Ed.) Vo l.39N o.6 Jun.2011 SPOT5遥感影像土地利用信息提取方法研究 张伐伐a,李卫忠a,卢柳叶b,康 乐a (西北农林科技大学a林学院,b资源环境学院,陕西杨凌712100) [摘 要] 目的 探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。 方法 以结合纹理特征的支持向量机(Support vector machine,SV M)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。 结果 面向对象分类法的总精度达到90.67%,较结合纹理特征的SV M法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。 结论 利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。 [关键词] 遥感影像;土地利用信息;支持向量机;纹理特征;多尺度分割;精度评价 [中图分类号] S127[文献标识码] A[文章编号] 1671 9387(2011)06 0143 05 Study on extraction methods of land utilization information based on SPOT5 ZHAN G Fa fa a,LI Wei zhong a,LU Liu ye b,KANG Le a (a College of F or estry,b Colleg e of Resourc es and Env ironment,N or th w est A&F Univ ersity,Yang ling,S haanx i712100,China) Abstract: Objective T he study explored the effect of ex tracting approach for info rmatio n o f land uti lization based on high resolution remo te sensing im ag e to provide evidence for studying land utilization and cov er dynam ic variatio n. M ethod T his paper ex tracted the info rmation o f land utilizatio n focused on Changjiaoba to w n,using SVM classification o f tex ture feature and object or iented classification o f multi resolution seg mentatio n.The classification result w as compared w ith m ax imum likelihood classification. Then the classification result w as analyzed. Result T he ov erall classification accuracy o f object o riented w as90.67%,w hich incr eased by8.34%compared w ith SVM classification of tex ture feature and increased by20.32%com pared w ith m ax imum likelihoo d classificatio n.T his kind of classification not o nly can g et o v er the disadvantages of other classificatio ns,e.g.Spectral Similar and Ground object Fragm entations,etc. but also acquire good effectiveness. Conclusion Using the classification of object oriented can realize the purpose o f ex tracting the land utilization information,and this m ethod is accurate and fast. Key words:rem ote sensing im ag e;inform ation o f land uatilization;support v ector m achine;tex tur e fea ture;multiresolution segm entation;accuracy assessment 土地利用信息的获取,是研究士地利用和土地覆盖动态变化的基础,将遥感、地理信息系统和全球定位系统相结合,开展国土资源和环境综合调查,具有现势性强、分类周期短、资源信息更新快等优势,从而可以以最快的速度动态监测土地资源利用及环境的变化情况,及时为社会经济发展决策和制定相关规 *[收稿日期] 2010 11 29 [基金项目] 国家林业局 948 项目(2009 4 45) [作者简介] 张伐伐(1985-),男,安徽怀远人,在读硕士,主要从事 3S 技术在资源与环境中的应用研究。 E mail:zhangfafa520@https://www.360docs.net/doc/361109283.html, [通信作者] 李卫忠(1963-),男,陕西蒲城人,副教授,硕士生导师,主要从事森林经理学研究。E m ail:w eizhong_li@https://www.360docs.net/doc/361109283.html,
遥感矿物蚀变信息提取方法及ENVI下实现
遥感矿物蚀变信息提取方法及ENVI下实现
蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除 遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。 利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。
土地利用覆盖变化地信息提取
土地利用/覆盖变化信息提取实验报告 1. 实验目的 利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。 2. 实验内容 金华市土地利用/覆被变化信息的提取。采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。 （1）TM影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 （2）土地利用变化信息提取。首先对其中的一期影像(2003年)分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年金华市土地利用/土地覆被信息。 （3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。 3. 实验方案 4. 数据预处理 4.1 数据源
本文所采用的数据包括：两景金华市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT 全色影像；该地区1：50 000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：100万中国行政边界矢量图等。具体的见表4-1和4-2所示。 表4-1 研究区遥感影像数据 获取时间传感器类型数量（景）空间分辨率（m） 2003年3月9日SPOT-5全色 15 1/25 2003年3月26日LandsatETM+ 1-8波段 1 15m（全色） 30m(多光谱) 1996年9月6日LandsatTM1-7波段130 1988年12月5日LandsatTM1-7波段130 表4-2 研究区其他资料及应用说明 数据类型应用说明 大比例尺地形图最新时相的1：50000地形图，用于进行卫星遥感资料的几何校正 野外调查资料野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作 土地利用现状图对比土地利用/覆盖动态变化及遥感影像分类精度参考 4.2 图像预处理 数据预处理部分主要包括：对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。主要工作流程如下（图4-2）：
遥感卫星影像数据信息提取.
北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。
海面油膜高光谱遥感信息提取_陆应诚
收稿日期: 2008-03-10; 修订日期: 2008-09-30 基金项目:中国石油天然气股份有限公司科技预研项目“海域遥感油气勘探技术研究”(编号: 06-01C-01-08)和国家科技支撑计划(编号: 2006BAK30B01)。 第一作者简介: 陆应诚(1979— ), 男, 南京大学博士研究生, 主要从事高光谱遥感应用研究。E-mail: lycheng2003@https://www.360docs.net/doc/361109283.html, 。 海面油膜高光谱遥感信息提取 陆应诚, 田庆久, 宋鹏飞, 李姗姗 南京大学 国际地球系统科学研究所, 江苏 南京 210093 摘 要: 针对辽东湾海域的Hyperion 高光谱遥感数据特点, 结合海面油膜光谱与Hyperion 影像特征, 对该数据进行水陆分离与最小噪声分离(minimum noise fraction, MNF)变换处理, 在辽东湾海域MNF 波段影像的2D 散点图中, 海面油膜的出现会在其边缘形成一个异常散点区域, 可区分油膜与干扰信息,结合提取的海面油膜端元的MNF 波谱, 通过混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术, 成功地提取研究区海面油膜信息, 有效监测海面油膜信息, 为海洋环境监测提供新的技术手段。 关键词: 油膜, 高光谱, 遥感, Hyperion, 辽东湾 中图分类号: X55 文献标识码: A 1 引 言 在海洋石油的遥感监测与评估中, 海面油膜是遥感探测的一个重要对象, 多光谱、热红外、雷达等诸多遥感领域均对此有一定研究(Gonzalez 等, 2006; Fingas & Brown, 1997; Labelle & Danenberger, 1997; O’Briena 等, 2005), 由于海洋背景复杂, 海面大气影响、水体对电磁波的散射与吸收作用, 海面油膜遥感信息表现为弱信息；又由于海面油膜随来源、构成种类、油膜厚度、风化程度的不同表现为不确定的遥感影像特征；这些因素对海面油膜遥感信息提取存在一定的制约。随着高光谱遥感技术的发展(童庆禧, 2003), 针对海面油膜信息的高光谱遥感探测方法技术不断得到发展(Foudan, 2003)。Palme(1994)利用小型机载成像光谱仪(CASI)数据研究1993年Shetlands 群岛溢油事件中产生的油膜和其他油污信息, 指出440—900 nm 是可以用来进行溢油油膜信息提取的有效谱段；Foudan(2003)利用机载AVRIS 高光谱数据对Santa Barbara 海岸带的油污与海面油膜进行研究, 表明分散的石油在580nm 、700nm 具有反射峰, 厚油膜在近红外波段反射率要高于薄油膜, 600—900nm 具有最大的油膜遥感探测的可能性。比较分析混合光谱分解技术(spectral unmixing)、纯净像元指数(pixel purity index, PPI)、 光谱角度制图法(spectral angle mapper, SAM)、混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术等方法在海面油膜信息提取上的特点。近年来, 国内学者也不断开展海面油膜遥感研究, 赵冬至等(2000)总结了柴油、润滑油和原油等3种油膜随厚度变化的光谱特征, 指出736nm 和774nm 对不同的油类具有相同的吸收特征；张永宁等(1999, 2000)测试了几种类型油的海面波谱, 认为在海洋溢油波谱特征中0.5—0.58μm 是不同油膜最高反射率的所在位置, 并利用A VHRR 和TM 数据识别海洋溢油；陆应诚(2008, 2009)的海面油膜实验表明随油膜厚度不同, 油膜光谱特征与响应原理表现不同。 本文以辽东湾双台子河口外海域为研究区, 结合海面油膜光谱特点与海面油膜Hyperion 遥感影像特征, 通过高光谱遥感MTMF 技术方法, 提取研究区海面油膜信息。 2 Hyperion 数据预处理 研究区在辽东湾双台子河口外海域, 该区是中国重要原油生产基地——辽河油田所在地, 近年来, 辽东湾海域油田的开采与运输为海洋环境带来一定的影响。 2007-05-06获取了研究区的一景美国EO-1卫
遥感信息提取资料
遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非
遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。
土地利用覆盖变化信息提取
土地利用/覆盖变化信息提取实验报告 1.实验目的 利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。 2.实验容 市土地利用/覆被变化信息的提取。采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。 （1）TM影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 （2）土地利用变化信息提取。首先对其中的一期影像(2003年)分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年市土地利用/土地覆被信息。 （3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。 3.实验方案 4.数据预处理 4.1数据源
本文所采用的数据包括：两景市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT全色影像；该地区1：50 000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：100万中国行政边界矢量图等。具体的见表4-1和4-2所示。 表4-1研究区遥感影像数据 获取时间传感器类型数量（景）空间分辨率（m） 2003年3月9日SPOT-5全色 15 1/25 2003年3月26日LandsatETM+ 1-8波段 1 15m（全色） 30m(多光谱) 1996年9月6日LandsatTM1-7波段130 1988年12月5日LandsatTM1-7波段130 表4-2研究区其他资料及应用说明 数据类型应用说明 大比例尺地形图最新时相的1：50000地形图，用于进行卫星遥感资料的几何校正 野外调查资料野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作 土地利用现状图对比土地利用/覆盖动态变化及遥感影像分类精度参考 4.2图像预处理 数据预处理部分主要包括：对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。主要工作流程如下（图4-2）：
ERDAS-遥感专题信息提取与专题图制作
遥感专题信息提取与专题图制作设计报告 1、课程设计的目的与意义 本次课程设计的目的主要就是为了加深理解与巩固遥感原理与应用的有关理论知识;熟悉遥感图像处理的方法与步骤,学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题与解决问题的能力,培养良好的工作习惯与科学素养,为今后工作打下良好的基础。 2、课程设计的原理与方法 2、1课程设计原理 2、1、1 图像预处理 ERDAS软件默认的文件格式就是img格式,因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大,实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息,要将影像头文件信息添加进去。 2、1、2几何纠正 遥感所获取的数据,均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理就是将图像数据投影到平面上,使其符合地图投影系统。而将地图投影系统赋予图像数据的过程,称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统,因此几何纠正的过程包含了地理参考过程。在实习过程中,采用了一次多项式法进行几何纠正。 2、1、3图像镶嵌 因研究范围的要求,需要在几何上将左右两幅图像连接在一起,并且保证拼接后的图像反差一致,色调相近,没有明显的接缝。遥感影像在镶嵌之前,必须包含投影信息、地理坐标信息,还要有相同的波段数。当然,在挑选遥感数据时,要尽可能选择成像时间与成像条件相近的遥感图像,要求相邻影像的色调一致。 2、1、4图像裁剪 在实际工作中,经常需要根据研究工作范围对图像进行裁剪,按照ERDAS实际图像分幅裁剪的过程,可以将图像分幅裁剪分为两种类型:规则分幅裁剪与不规则分幅裁剪。 规则分幅裁剪就是指裁剪图像的边界范围就是一个矩形,通过左上角与右下角两点的坐标,就可以确定图像的裁剪位置,整个裁剪过程比较简单。 不规则分幅裁剪就是指裁剪图像的边界范围就是任意多边形,无法通过左上角与右下角两点的坐标确定裁减位置,而必须事先生成一个完整的闭合多边形区域,可以就是一个AOI多边形,也可以就是ArcInfo的一个Polygon Coverage,针对不同的情况采用不同的裁剪过程。
实验 土地变化信息提取
实验二土地变化信息提取 实习目的： 1、熟练掌握土地利用变换信息提取的各种方法； 2、通过实习内容掌握土地利用变化信息的基本流程（变化信息发现----变化 信息提取----变化信息类型表示）； 二、实习准备： 软件准备：ERDAS遥感图像处理系统； 数据准备：石羊河流域：94年和87年两时相TM（Band2-5）数据； 三、实验要求： 1、提取原理 以多时相图像叠合方法为例: 变化区域由于其对应的亮度值的变化，可以在叠合图像上得到清楚的显示。 一般反射率变化越大，对应的亮度值变化也大，可指示对应的地表土地利用方式已经发生了变化；而没有变化的地表常显示为灰色调。这种叠合分析方法可以直观的显示两个到三个不同时相的变化区域，便于目视解译，但无法定量地提供变化的类型和大小。 2、伪彩色变化信息结果图 利用87年图像的第五波段、94年图像的第四和第五波段重新融合成一个图像，分别对应用红色、绿色、蓝色来表示，往往由低反射率到高反射率的地表变化（水体到滩涂）显示为青色，而由高反射率到低反射率的地表变化（裸地到耕地）则可显示为黄色。 3、变化信息提取并表示（水体变裸地；植被变裸地；沙地变植被） 4、制图输出 四、变化信息提取方法（至少选用两种）： 1、多时相图像叠合方法 2、图像代数变化检测算法（差值/比值） 3、多时相数据主成分分析变化检测 4、分类后对比检测
五、变化结果 1、分析讨论不同变化信息提取方法的优缺点； 2、利用ArcGIS或者其它软件，将变化信息分层提取，并输出结果图。 3、要求：添加图名（1987—1994年石羊河流域土地变化信息提取图）； 图例（水体变裸地；植被变裸地；沙地变植被）；指北针；制图人；制图 时间等常用制图要素 Arcgis使用： 1 打开ARCGIS 2 添加图像叠加的结果图： 右击，选择第一个选项add data(或者直接点击图标) 3新建图层： 点击arccatalog图标 选择新建图层的路径，右击new/shapefile(如下图所示)
全国土地利用数据遥感信息提取土地利用数据说明
全国土地利用数据遥感信息提取土地利用数据说明北京揽宇方圆信息技术有限公司是中国科学院系统的遥感影像数据服务企业，专注于遥感影像数据一站式的基础卫星数据服务、卫星影像数据处理服务。 土地利用数据时间：1985年、1990年、1995年、2000年、2005年、2010年、2015年 土地利用数据源：Landsat TM影像Landsat ETM影像 土地利用数据遥感信息的提取：根据影像光谱特征，利用ARCGIS、易康软件、ENVI软件等，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，提取土地利用信息。 土地利用/覆被变化信息的提取。采用arcgis与易康结合，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于地形破碎、地物分布复杂的地区。基于Landsat TM遥感影像，采用全数字化人机交互遥感快速提取方法，同时参考国内外现有的土地利用/土地覆盖分类体系，以及遥感信息源的实际情况，将遥感影像进行解译并进行验证将土地利用数据类型划分为6个一级分类，24个二级分类以及部分三级分类的土地利用/土地覆盖数据产品，并结合本项目制定土地利用数据产品分类体系。 目视解译侧重于人的知识的参与，为了减少由于不同人员的主观差异性所造成的误差，提高遥感判读精度，因此建立统一解译标志是十分
必要的。根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析。 一、TM影像数据的预处理。遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 二、土地利用变化信息提取。首先对其中的一期影像分别采用人工解译的方法，然后利用易康开始分类。 三、数据集成 对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，形成充分兼容的数据库。包括空间、属性和时间等对对象数据特征的处理。 四、质量控制方法 （1）遥感影像纠正采用投影变换方法（PROJECT），控制点要选择比较明显的地物，如道路交差点，坝址等，并与地形图相对应，分布要均匀，尽可能多的选择控制点，误差控制在一个像元，TM影像纠正的方根误差（a RES error）小于0.01，MSS影像纠正的方根误差（a RES error）小于0.08。 （2）地形图纠正采用有限元方法（Finite Element）。①经纬网 偏差不超过一个像素，②经线方向的方里网误差不超过2个像素，③纬线方向的方里网不超过3个像素。 （3）专题信息矢量化采用人机交互判读实现，分为基于遥感影像 的专题信息和分为基于地形图的专题信息。遥感影像解译精度保证耕地、