第四章 遥感图像的特征
第四章遥感图像的特征
一空间分辨率
二光谱分辨率
三时间分辨率
四辐射分辨率
五遥感系统的信息容量
一空间分辨率
空间分辨率(s p a t i a l r e s o l u t i o n)，又称地面分辨率
●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。
空间分辨率的三种表示法：
(1)象元(p i x e l)
(2)线对数
(3)瞬时视场
空间分辨率的三种表示法：
(1)象元(p i x e l)，指瞬时视域内所对应的地面面积，即与一个象元大小相当的地面尺寸，单位为米(m)。
如L a n d s a t T M一个象元相当地面28.5×28.5m的范围，简称空间分辨率30m……。
象元是扫描影像的基本单元，是成像过程中或用计算机处理时的基本采样点。
(2)线对数(L i n e P a i r s)，对于摄影系统而言，影像最小单元的确定往往通过l毫米间隔内包含的线对数，单位为线对／毫米(1／m m)。
所谓线对指一对同等大小的明暗条纹或规则间隔的明暗条对
(3)瞬时视场(I F O V)，指遥感器内单个探测元件的受光角度或观测视野，单位为毫弧度(m r a d)。
I F O V越小，最小可分辨单元(可分像素)越小，空间分辨率越高。
一个瞬时视场内的信息，表示一个象元
遥感数据的概括能力
地面目标是个多维的真实模型，是个无限、连续的信息源(时空尺度上)；遥感数据是对地面信息源有限化、离散化的二维平面记录。
像元的大小反映了离散化程度。
从地面原型到遥感信息，即把地面信息有限化、离散化过程必然要损失部分信息，这本身就是一种概括能力。其概括程度是随着空间分辨率的增大而增加的。这种概括能力对于宏观概念的建立是有意义的
几何特性
每张遥感图像与所表示的地表景观特征之间有特定的几何关系。这种几何关系是由遥感仪器的设计、特定的观测条件、地形起伏和其它因素决定的。
地面目标均有其一定的空间分布特征(位置、形状、大小、相互关系)。
从地面原型经遥感过程转为遥感信息后，受大气传输效应和传感器成像特征的影响，这些地面目标的空间特征被部分歪曲，发生变形
全景摄影图像的几何畸变
常规象片（A）与扫描图象（B）几何畸变比较
二光谱分辨率
光谱分辨率——指传感器在接收目标辐射的波谱时能分辨的最小波长间隔。
●决定了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
光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。
但是，多波段信息直接地综合解译是较困难的，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度
分波段记录的遥感图像，可以构成一个多维向量空间，空间的维数就是采用的波段数。
如，选用3个波段，构成一个三维特征空间。图像上的一个像元，在各波段上均有一个光谱数值a i j,b i j,c i j(i,j分别为该像元的行、列号)
每个像元在各波段的图像数据(亮度值)构成一个多维向量，它们对应于多维空间上的一个点，用X i j向量表示：
X i j=
相同类型的地物则形成空间中的点集，不同类型的地物构成空间上不同的点集．
遥感图像分类、模式识别的实质就是选择有效的判别函数来区分这些不同的点集，也就是把不同类型的目标区别开来
三、时间分辨率
时间分辨率是遥感影像间隔时间的一项性能指标。指对同一地点进行采样的时间间隔，即采样的时间频率，也称重访周期。
遥感探测器按一定的时间周期重复采集数据，这种重复周期，又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏移系数等参数所决定
S P O T轨道交错覆盖次序
应用优势：
●多时相遥感信息可以提供目标变量的动态变化信息，用于资源、环
境、灾害的监测、预报；
●并可以根据地物目标不同时期的不同特征，提高目标识别能力和精
度；
●并为更新数据库提供根本保证
四、辐射分辨率及辐射测量特性
辐射分辨率(r a d i a n t r e s o l u t i o n)
●辐射分辨率指传感器接收波谱信号时，能分辨的最小辐射度差。
●表明了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
有效量化的级数，一般是由动态范围和信噪比S／N所确定 动态范围：指遥感器可测量的最大信号与最小信号之比。
●所谓最大信号指在此值以外无论输入的信号多强，响应也无变化的
饱和区：所谓最小信号指在此值以外为对输入的弱信号无响应的无感应区；而仅在动态范围内，输入与输出信号几乎呈线性关系
信噪比S／N——指有效信号(s i g n a l)与噪声(n o i s e)之比。即信号功率与噪声功率之比。
而为了实用方便，信噪比常定义为信号均方根电压和噪声均方根电压之比，单位均为分贝(d B)
辐射测量特性(r a d i o m e t r i c c h a r a c t e r i s t i c)
●光学遥感器的辐射测量特性——指的是用光学遥感器测量时，来自
目标反射或辐射的电磁波中的物理量在通过光学系统后会发生何种变化
绝对与相对定标(c a l i b r a t i o n)
“定标”是将遥感器所得的测量值变换为绝对亮度，或变换为与地表反射率、表面温度等物理量有关的相对值的处理过程。或者说，遥感器
定标就是建立遥感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系。
定标可分绝对校准与相对校准两种方式。前者需知道目标辐射的绝对值：后者只须知道目标中某一点辐射与其它点辐射的相对数值
遥感数据中除了由遥感器的灵敏度特性引起的偏差外，还包含大气效应及遥感器的测量系统引起的各种失真。遥感器定标是遥感定量化的前提
遥感中常用的定标技术有实验室校准及飞行校准。
●实验室校准指在遥感器发射前,在实验室对辐射计进行模拟太空环
境将仪器的输出值转换为辐射值的定标，如N O A A/A V H R R3、4、5通道就装有内定标系统
飞行中的校准，包括星上定标和地面定标
●星上定标采用标准参考源，是实时、连续的定标。但由于不能确切知道大气
层外的太阳辐射特性，以及星上定标系统不够稳定等因素，影响到星上定标的精度。
●地面定标，即通过设立地面定标试验场，选择典型的均匀稳定目标，用高精
度仪器在地面进行同步测量，来进行仪器定标。但是地面定标由于包含了路程大气的影响，必须同时测量和计算遥感器过顶时的大气环境参量和地物反射率，、进行必要的大气校正
五、遥感系统的信息容量
任何一个遥感系统都有它一定的信息容量。
它的最大信息容量与它的空间、光谱、时间、辐射分辨率有关。
在具体应用分析时，人们必须通过研究对象的特征来选择遥感信息，并使之与遥感系统的信息能力相一致
量化的遥感数据，其信息量是用比特(b i t)表示的，1比特可以表示成0或1两个状态的信息量。
假设图像上像元取各灰度值的概率相同(即图像上各像元所取的灰度值不同，而各灰度值出现的概率相同)。设数据的量化级数为m,根据信息论的研究公式，则每个像元所能包含的最大信息量应为l o g2m(b i t)
一幅单波段图像内有n个像元，则一个单波段图像所包含的最大信息量为：
I m=n·㏒2m(b i t)
一个遥感系统可以有k个波段。这个遥感系统所能容纳的最大信息量(I s)为：
I s＝K·I m＝K·n·㏒2m＝K··㏒(b i t)
式中，C为一景图像所对应的地面面积；
G为地面分辨率(空间分辨率)；
n为像元数(可理解为空间分辨率)；
K为波段数(可理解为光谱分辨率)；
m为量化级数(辐射分辨率)。
6-遥感图像特征和解译标志
上次课主要内容 4.4简单自然地物可识别性分析 4.5复杂地物识别概率(重点理解) ①要素t 的价值②要素总和（t 1，t 2，…，t m ）t 的价值 K -K E ∑ = ③复杂地物识别概率的计算理解p70~71例子
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 5.2 遥感图像特征与解译标志的关系 5.3 遥感图像的时空特性 5.4 遥感图像中的独立变量 5.5 地物统计特征的构造
第五章遥感图像特征和解译标志 地物特征 电磁波特性 影像特征 遥感图像记录过程 n 图像解译就是建立在研究地物性质、电磁波性质 及影像特征三者的关系之上 n 图像要素或特征，分“色”和“形”两大类：?色：色调、颜色、阴影、反差； ?形：形状、大小、空间分布、纹理等。“形”只有依靠“色”来解译才有意义。
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 n两个定义： ?解译标志定义：遥感图像光谱、辐射、空间和时间特征决定 图像的视觉效果、表现形式和计算特点，并导致物体在图像上 的差别。 l给出了区分遥感图像中物体或现象的可能性； l解译标志包括：色调与色彩、形状、尺寸、阴影、细部（图 案）、以及结构（纹理）等； l解译标志是以遥感图像的形式传递的揭示标志； ?揭示标志定义：在目视观察时借以将物体彼此分开的被感知 对象的典型特征。 l揭示标志包括：形状、尺寸、细部、光谱辐射特性、物体的阴 影、位置、相互关系和人类活动的痕迹； l揭示标志的等级决定于物体的性质、他们的相对位置及与周围 环境的相互作用等；
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 n解译标志和揭示标志的关系： ?解译标志是以遥感图像的形式传递的揭示标志； ?虽然我们是通过遥感图像识别地物目标的，但是大多数情况 下，基于遥感图像识别地物并作出决定时，似乎并不是利用解 译标志，而是利用揭示标志。 例如，很多解译人员刚看到图像就差不多在脑海中形成地物的形象， 然后仅仅分析这个形象就能作出一定的决定。实际上，有经验的解译人 员，在研究图像的解译标志并估计到传递信息的传感系统的影响以后， 思想中就建立起地物的揭示标志，并在这些标志的基础上识别被感知物 体。解译人员在实地或图像上都没见过的地物或现象是例外。 n解译标志和揭示标志可以按两种方式进行划分：?直接标志和间接标志； ?永久标志和临时标志；
遥感数字图像处理教程复习分析
第一章． 遥感概念 遥感（Remote Sensing，简称RS），就是“遥远的感知”，遥感技术是利用一定的技术设备和系统，远距离获取目标物的电磁波信息，并根据电磁波的特征进行分析和应用的技术。 遥感技术的原理 地物在不断地吸收、发射（辐射）和反射电磁波，并且不同物体的电磁波特性不同。 遥感就是根据这个原理，利用一定的技术设备和装置，来探测地表物体对电磁波的反射和地物发射的电磁波，从而提取这些物体的信息，完成远距离识别物体。 图像 人对视觉感知的物质再现。图像可以由光学设备获取，如照相机、镜子、望远镜、显微镜等；也可以人为创作，如手工绘画。图像可以记录、保存在纸质媒介、胶片等等对光信号敏感的介质上。随着数字采集技术和信号处理理论的发展，越来越多的图像以数字形式存储。因而，有些情况下“图像”一词实际上是指数字图像。 物理图像：图像是人对视觉感知的物质再现 数字图像：图像以数字形式存储。 图像处理 运用光学、电子光学、数字处理方法，对图像进行复原、校正、增强、统计分析、分类和识别等的加工技术过程。 光学图像处理 应用光学器件或暗室技术对光学图像或模拟图像(胶片或图片)进行加工的方法技术 数字图像处理 是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。图像处理能做什么？（简答） 是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理主要目的：提高图像的视感质量，提取图像中所包含的某些特征或特殊信息，进行图像的重建，更好地进行图像分析，图像数据的变换、编码和压缩，更好图像的存储和传输。数字图像处理在很多领域都有应用。 遥感图像处理(processing of remote sensing image data )是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理的方法。常用的遥感图像处理方法有光学的和数字的两种。
第四章__遥感图像处理
第四章遥感图像处理 授课科目：遥感原理与方法 授课内容：遥感图像处理 授课对象：地信专业 授课时数：2学时 授课地点：成信航空港校区 授课时间： 教案作者：仙巍 目的与要求：熟悉光学遥感图像处理的原理；掌握数字图像处理的工作原理、工作流程；掌握几何校正、辐射校正的原理 重点及难点：遥感图像的几何纠正、辐射校正。 教学法：讲授法、演示法 教学过程： 第一节遥感数字图像的校正 一、数字图像及其直方图 1 数字图像 数字图像：遥感数据有光学图像和数字图像之分。数字图像是能被计算机存储、处理和使用的用数字表示的图像。 数字化：将连续的图像变化，作等间距的抽样和量化。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。 数字图像的表示：矩阵函数 2 数字图像直方图 数字图像直方图：以每个像元为单位，表示图像中各亮度值或亮度值区间像元出现的频率的分布图。 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。 正态分布：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。 二、辐射校正 1、遥感图像的辐射误差主要有三个因素 传感器的光电变换 大气的影响 光照条件 2、大气散射校正 2.1大气影响的定量分析 2.2大气影响的粗略校正 通过简单的方法去掉程辐射度（散射光直接进入传感器的那部分），从而改善
图像质量。 直方图最小值去除法 回归分析法 三几何校正 1、遥感图像的几何变形有两层含义 卫星在运行过程中，由于姿态、地球曲率、地形起伏、地球旋转、大气折射、以及传感器自身性能所引起的几何位置偏差。 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。 2、卫星姿态引起的图像变形 3、地形起伏的影响 4、地球曲率 5、大气折射 6、地球自转的影响 7、遥感图像几何校正方法 几何粗校正：这种校正是针对引起几何畸变的原因进行的，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。 2.1、基本思路：把存在几何畸变的图像，纠正成符合某种地图投影的图像，且要找到新图像中每一像元的亮度值。 2.2、具体步骤 步骤一：选取控制点 (1)地面控制点在图像上有明显的、清晰的定位识别标志，如道路交叉点、河流叉口、建筑 边界等。 (2)地面控制点上的地物不随时间而变化地面控制点应当均匀地分布在整幅图像内，且要有一定的数量保证。地面控制点的数量、分布和精度直接影响几何纠正的效果。 步骤二：数据的空间变换 （1）二元多项式近似的基本原理 设两幅图像坐标系统间几何畸变关系可描述为： x’=h1(x,y) y’=h2(x,y) 在未知情况下， h1(x,y)和h2(x,y)可用二元多项式来近似 （2）空间坐标的计算问题 向前映射法（直接法） 向后映射法（间接法） 两种映射方法的对比 对于向前映射：每个输出象素的灰度要经过多次运算； 对于向后映射：每个输出象素的灰度只要经过一次运算。 步骤三：像元灰度插值 插值方法 （1）最近邻插值 在待求像素的四个邻近像素中，输出象素的灰度等于离它所映射位置最近的输入象素的灰度值。
遥感数字图像处理要点
遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义 波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强
3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念 方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点 ?计算图像经过下列操作后，其中心象元的值： –3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 –Sobel边缘检测 –Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用
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
流行的遥感图像处理软件比较
遥感软件 PCI遥感图像处理软件简介 PCI GEOMATICA是PCI公司将其旗下的四个主要产品系列，也就是PCI EASI/PACE、（PCI SPANS，PAMAPS）、ACE、ORTHOENGINE，集成到一个具有同一界面、同一使用规则、同一代码库、同一开发环境的一个新产品系列，该产品系列被称之为 PCI GEOMATICA。对于20多年来一直致力于向地学界提供全方位解决方案的PCI公司来说，始终坚持领先一步的原则，地理咨讯永远在变迁，而地理咨讯软件更处于变迁的前沿。在今天，随着用户需求广度与深度的不断拓宽与加深，越来越多的人希望软件是一个可以满足用户所有需求的良好的工具。由于对这一点的正确把握，经过4年努力，PCI公司将原有的四个产品系列整合在一起，产生了一个使用简单、灵巧的工作平台----PCI GEOMAITCA。该系列产品在每一级深度层次上，尽可能多的满足该层次用户对遥感影像处理、摄影测量、GIS空间分析、专业制图功能的需要，而且使用户可以方便地在同一个应用界面下，完成他们的工作。在这之前，用户需用多个软件来实现，并且需要面对多个软件经销商、多个软件技术支持、多次的培训、对多个软件的维护，以及不得不投入相当大的精力来在多种数据格式间，进行数据转换。产品模块功能介绍 PCI Geomatica FreeView ( PCI地理咨讯通用视窗) FreeView是PCI公司为用户提供的一个免费的影像浏览工具，用户可以从PCI的网址上直接下载。用于浏览、显示各种数据，如矢量、位图、卫星影像（如LANDSAT, SPOT, RADARSAT, ERS-1/2, NOAA A VHRR等）、航片以及与GIS矢量数据叠加显示、进行属性查询等。FreeView 还具有影像增强，任意漫游、缩放、影像灰度值矩阵显示等功能 PCI Geomatica GeoGateway （PCI通用数据转换工具）PCI Geomatica GeoGateway包含PCI Geomatica FreeView的所有功能。 PCI Geomatica Fundamentals (PCI 地理咨讯基础版) PCI Geomatica Fundamentals包含PCI Geomatica GeoGateway的所有功能。主要包括以下部件： Focus 浏览环境 OrthoEngine FLY!（演示模式）软件许可管理器 PCI Geomatica Prime （PCI地理咨讯专业版） PCI Geomatica Prime包含PCI Geomatica Fundamentals（见上一节）的所有功能。此外，增加了PCI Modeler、EASI、FLY!、算法库等模块。 Geomatica Prime 是强大的、低成本解决方案，提供的工具可用于影像几何校正、数据可视化与分析以及专业标准地图生产。 PCI Productivity Tools （PCI地理咨讯生产工具）该软件是PCI公司为了提高PCI软件的生产能力和效率而专门设计的，其主要功能是为用户提供一系列自动或批处理操作的导向功能。该软件是PCI GEOMATICA PRIME或FUNDAMENTALS功能的扩展。主要提供影像自动镶嵌功能及针对ORTHOENGINE 系列产品的航片，光学卫星影像，雷达卫星的自动同名点收集功能。同时提供影像控制点库及库管理功能。 PCI AIRPHOTO MODEL （PCI地理咨讯系统航空正射影像处理器）是一个与PCI Geomatica Fundamentals或Geomatica Prime模块一起使用的功能强大的航空照片正射校正工具。该模块运用了特殊的算法模型将已经扫描的或由数字摄像机得到的照片制作成精确的正射影像图。所生成的图像可以转化为多种文件形式，作为许多GIS/CAD/MAP软件的数据源。同时用户可选择附加的DEM自动提取、3DVIEW 和三维特征提取模块（OrthoEngine Airphoto DEM）来构造自己的数字摄影测量软件包。该软件具有如下功能：项目工程文件建立（含
ERDAS IMAGINE遥感图像处理教程.
《ERDAS IMAGINE遥感图像处理教程》根据作者多年遥感应用研究和ERDAS IMAGINE软件应用经验编著而成，系统地介绍了ERDAS IMAGINE 9.3的软件功能及遥感图像处理方法。全书分基础篇和扩展篇两部分，共25章。基础篇涵盖了视窗操作、数据转换、几何校正、图像拼接、图像增强、图像解译、图像分类、子像元分类、矢量功能、雷达图像、虚拟GIS、空间建模、命令工具、批处理工具、图像库管理、专题制图等ERDAS IMAGINE Professional级的所有功能，以及扩展模块Subpixel、Vector、OrthoRadar、VirtualGIS等；扩展篇则主要针对ERDAS IMAGINE 9.3的新增扩展模块进行介绍，包括图像大气校正（ATCOR）、图像自动配准（AutoSync）、高级图像镶嵌（MosaicPro）、数字摄影测量（LPS）、三维立体分析（Stereo Analyst）、自动地形提取（Automatic Terrain Extraction）、面向对象信息提取（Objective）、智能变化检测（DeltaCue）、智能矢量化（Easytrace）、二次开发（EML）等十个扩展模块的功能。 《ERDAS IMAGINE遥感图像处理教程》将遥感图像处理的理论和方法与ERDAS IMAGINE软件功能融为一体，可以作为ERDAS IMAGINE软件用户的使用教程，对其他从事遥感技术应用研究的科技人员和高校师生也有参考价值。 目录 基础篇 第1章概述2 1.1 遥感技术基础2
1.1.1 遥感的基本概念2 1.1.2 遥感的主要特点2 1.1.3 遥感的常用分类3 1.1.4 遥感的物理基础3 1.2 ERDAS IMAGINE软件系统6 1. 2.1 ERDAS IMAGINE概述6 1.2.2 ERDAS IMAGINE安装7 1.3 ERDAS IMAGINE图标面板11 1. 3.1 菜单命令及其功能11 1.3.2 工具图标及其功能14 1.4 ERDAS IMAGINE功能体系14 第2章视窗操作16 2.1 视窗功能概述16 2.1.1 视窗菜单功能17 2.1.2 视窗工具功能17 2.1.3 快捷菜单功能18 2.1.4 常用热键功能18 2.2 文件菜单操作19 2.2.1 图像显示操作20 2.2.2 图形显示操作22 2.3 实用菜单操作23
(完整word版)常用的遥感图像处理软件大全,推荐文档
常用的遥感图像处理软件大全 eCognition eCognition是由德国Definiens Imaging公司开发的智能化影像分析软件。eCognition 是目前所有商用遥感软件中第一个基于目标信息的遥感信息提取软件，它采用决策专家系统支持的模糊分类算法，突破了传统商业遥感软件单纯基于光谱信息进行影像分类的局限性，提出了革命性的分类技术——面向对象的分类方法，大大提高了高空间分辨率数据的自动识别精度，有效地满足了科研和工程应用的需求。 ENVI ENVI是一个完整的遥感图像处理平台，其软件处理技术覆盖了图像数据的输入/输出、图像定标、图像增强、纠正、正射校正、镶嵌、数据融合以及各种变换、信息提取、图像分类、基于知识的决策树分类、与GIS的整合、DEM及地形信息提取、雷达数据处理、三维立体显示分析。 ERDAS ERDAS IMAGINE 是美国ERDAS 公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势。 Fragstats 计算景观格局指数的软件 Fragstats是最新的景观分析软件，可以在Arcgis10.x上运行的畅通无阻 专业的遥感影像处理软件免费下载网站：遥感集市应用汇集 Geomatica Geomatica 软件是地理空间信息领域世界级的专业公司加拿大PCI公司的旗帜产品，Geomatica集成了遥感影像处理、专业雷达数据分析、GIS/空间分析、制图和桌面数
《遥感数字图像处理》习题与答案
《遥感数字图像处理》习题与答案 第一部分 1.什么是图像？并说明遥感图像与遥感数字图像的区别。 答：图像（image）是对客观对象的一种相似性的描述或写真。图像包含了这个客观对象的信息。是人们最主要的信息源。 按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。模拟图像（又称光学图像）是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，它属于可见图像。数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。 2.怎样获取遥感图像？ 答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。根据传感器基本构造和成像原理不同。大致可分为摄影成像、扫描成像和雷达成像三类。 m= 3.说明遥感模拟图像数字化的过程。灰度等级一般都取2m（m是正整数），说明8时的灰度情况。 答：遥感模拟图像数字化包括采样和量化两个过程。 ①采样：将空间上连续的图像变换成离散点的操作称为采样。空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像。 ②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。 m=时，则得256个灰度级。若一幅遥感数字图像的量化灰度级数g=256级，则灰当8 度级别有256个。用0—255的整数表示。这里0表示黑，255表示白，其他值居中渐变。由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。彩色图像可采用24bit量化，分别给红，绿，蓝三原色8bit，每个颜色层面数据为0—255级。 4.什么是遥感数字图像处理？它包括那些内容？ 答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。 其内容有： ①图像转换。包括模数（A/D）转换和数模（D/A）转换。图像转换的另一种含义是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作，如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换和小波变换等。 ②数字图像校正。主要包括辐射校正和几何校正两种。 ③数字图像增强。采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度，突出所需信息的工作称为图像增强。图像增强处理不是以图像保真度为原则，而是设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 ④多源信息复合（融合）。 ⑤遥感数字图像计算机解译处理。
遥感图像处理复习
第一章 图像(image)是对客观对象的一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源 按图像的明暗程度和空间坐标的连续性划分： 图像可：数字图像，模拟图像 根据波段的多少，图像可分为：单波段图像，多波段图像，超波断图像 遥感数字图像（digital image）是指以数字形式表述的遥感影像。最基本的单位是像素，每个像素具有其空间位置特征和属性特征。 遥感数字图像处理是利用计算机图像处理系统对遥感图像中的像素进行系列操作的过程。 数字图像处理极大地提高了图像处理的精度和信息提取的效率。 遥感数字图像处理的主要内容： 图像增强：着重强调特定的图像特征，在特征提取、图像分析和视觉信息的显示中很有用。增强过程本身不会增加数据中原有的信息内容，仅仅是突出了特定的图像特征，使得图像更易于可视化的解释和理解。 图像校正：也称图像复原、图像恢复。主要是对传感器或环境造成的退化图像进行模糊消除、噪声滤除、几何失真或非线性校正。 信息提取：根据地物光谱特征和几何特征，确定不同地物信息的提取规则，利用该规则从校正后的遥感数据中提取各种有用的地物信息。 遥感数字图像处理系统包括：硬件系统，软件系统， 第二章 遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程。遥感的实施依赖于遥感系统。 遥感系统是一个从地面到空中乃至整个空间，从信息收集、存储、传输、处理到分析、判读、应用的技术体系，主要包括遥感试验、信息获取(传感器、遥感平台)、信息传输、信息处理、信息应用等5个部分。 传感器的分辨率指传感器区分自然特征相似或光谱特征相似的相邻地物的能力。 传感器分辨率指标主要有：辐射分辨率，光谱分辨率，空间分辨率，时间分辨率 辐射分辨率是传感器区分反射或发射的电磁波辐射强度差异的能力。 光谱分辨率是传感器记录的电磁光谱中特定波长的范围和数量。波长范围越窄，光谱分辨率越高；波段数越多，光谱分辨率越高。 时间分辨率：对同一目标进行重复探测时，相邻两次探测的时间间隔称为时间分辨率。 数字化包括两个过程：采样和量化。 采样：将空间上连续的图像变换成离散点(即像素)的操作称为采样。采样间隔的大小，影响着图像表示地物的真实性。量化是将像素灰度值转换成整数灰度级的过程。 根据传感器选用的波长范围不同，遥感图像可以划分为下面两种类型：不相干图像，相干图像 元数据是关于图像数据特征的表述，是关于数据的数据。 普通遥感图像数据格式：BSQ格式，BIL格式，BIP格式 特殊遥感图像数据格式：陆地资源卫星L5的数据格式，HDF数据格式，TIFF图像格式，GeoTIFF图像格式 图像文件的大小=图像行数*图像列数*每个像素的字节数*波段数*辅助参数（辅助参数一般为1） 第三章 图像类别表示方法说明
遥感图像处理软件认识
实验一遥感图像处理软件认识 1 实验目的与任务 1）熟悉ENVI软件，主要是对主菜单包含内容的熟悉； 2）练习影像的打开、显示、保存；数据的显示，矢量的叠加等 2 实验设备与数据 设备：遥感图像处理系统ENVI软件 数据：软件自带数据 3 实验内容 1）打开ENVI5.1，熟悉主菜单 2）主菜单：File→Open Image File，选择.img文件，然后弹出Available Bands List窗口，打开can_tmr.img，分贝用Gray Scale、RGB显示，点击Load Band显示选择的图像
3）对打开的数据进行保存，分别从主菜单和主影像窗口保存： 4）在ENVI主菜单中选择 Spectral> Spectral Libraries > Spectral Library Viewer，在右下角的Open 按钮中选择Spectral Library菜单，选择打开“ign.crs.sli”文件，如下图所示：
点击OK。在下图中，点击左图的一个单一的波谱名，将出现一个显示有该波谱图的窗口，如图所示。
5）选择主菜单：Basic Tools→Region of Interest→ROI Tool，在窗口画出一片区域。 并且保存为.shp格式：
6）①叠加：选择vector>open vector files，打开can_v1.evf，点击load selected，选择display，单击OK。进入该对话框，用鼠标点击Current Layer更改颜色，然后用Apply 显示。
②切图 首先要把矢量转换成ROI，选择file>export active layers to ROIs，分别用两种选择切图，如图所示：
遥感图像处理方法
遥感图像处理方法 随着遥感技术的快速发展，人们已经从遥感集市中获得了大量的遥感影像数据，如何从这些影像中提取人们感兴趣的对象已成为人们越来越关注的问题。但是传统的方法不能满足人们已有获取手段的需要，另外GIS的快速发展为人们提供了强大的地理数据管理平台，GIS数据库包括了大量空间数据和属性数据，以及未被人们发现的存在于这些数据中的知识。将GIS技术引入遥感图像的分类过程，用来辅助进行遥感图像分类，可进一步提高了图像处理的精度和效率。如何从GIS数据库中挖掘这些数据并加以充分利用是人们最关心的问题。GIS支持下的遥感图像分析特别强调RS和GIS的集成，引进空间数据挖掘和知识发现（SDM&KDD）技术，支持遥感影像的分类，达到较好的结果，专家系统表明了该方法是高效的手段。 遥感图像的边缘特征提取观察一幅图像首先感受到的是图像的总体边缘特征，它是构成图像形状的基本要素，是图像性质的重要表现形式之一，是图像特征的重要组成部分。提取和检测边缘特征是图像特征提取的重要一环，也是解决图像处理中许多复杂问题的一条重要的途径。遥感图像的边缘特征提取是对遥感图像上的明显地物边缘特征进行提取与识别的处理过程。目前解决图像特征检测/定位问题的技术还不是很完善，从图像结构的观点来看，主要是要解决三个问题:①要找出重要的图像灰度特征；②要抑制不必要的细节和噪声；③要保证定位精度图。遥感图像的边缘特征提取的算子很多，最常用的算子如Sobel算子、Log算子、Canny算子等。 1）图像精校正 由于卫星成像时受采样角度、成像高度及卫星姿态等客观因素的影响，造成原始图像非线性变形，必须经过几何精校正，才能满足工作精度要求一般采用几何模型配合常规控制点法对进行几何校正。 在校正时利用地面控制点(GCP)，通过坐标转换函数，把各控制点从地理空间投影到图像空间上去。几何校正的精度直接取决于地面控制点选取的精度、分布和数量。因此，地面控制点的选择必须满足一定的条件，即：地面控制点应当均匀地分布在图像内；地面控制点应当在图像上有明显的、精确的定位识别标志，如公路、铁路交叉点、河流叉口、农田界线等，以保证空间配准的精度；地面控制点要有一定的数量保证。地面控制点选好后，再选择不同的校正算子和插值法进行计算，同时，还对地面控制点(GCPS)进行误差分析，使得其精度满足要求为止。最后将校正好的图像与地形图进行对比，考察校正效果。 2）波段组合及融合 对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。 3）图像镶嵌 如果工作区跨多景图像，还必须在计算机上进行图像镶嵌，才能获取整体图像。镶嵌时，除了对各景图像各自进行几何校正外，还需要在接边上进行局部的高精度几何配准处理，并且使用直方图匹配的方法对重叠区内的色调进行调整。
第四章遥感图像数字处理的基础知识
第四章遥感图像数字处理的基础知识 C方向 20 卢昕 一、名词解释 1.光学影像：一种以胶片或其他的光学成像载体的形式记录的图像。它是一个二维的连续的光密度函数。 2.数字影像：以数字形式进行存储的图像，它是一个二维的离散的光密度函数。 3.空间域图像：用空间坐标x，y的函数表示的形式。有光学影像和数字影像。 4.频率域图像：以频率域的形式表示的影像，频率坐标Vx，Vy的函数。 5.图像采样：图像空间坐标（x,y）的数字化称为图像采样。 6.灰度量化：图像灰度的数字化称为图像量化。 7 .ERDAS：是美国 ERDAS 公司开发的遥感图像处理系统。它以模块化的方式提供给用户，可使用户根据自己的应用要求、资金情况合理的选择不同功能模块及不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。 ERDAS Imagine面向不同需求的用户，对于系统的扩展功能采用开放的体系结构以Imagine Essentials、Imagine Advantage、Imagine Professional的形式为用户提供低、中、高三档产品架构，并有丰富的功能扩展模块供用户选择，产品模块的组合比较灵活。 8.BSQ：遥感数字图像的一种存储格式，即按波段记载数据文件。 9.BIL：也是遥感数字图像的一种存储格式，是一种按照波段顺序交叉排列的遥感数据格式。 二、简答题 1、叙述光学影像与数字影像的关系和不同点。 答：光学图像可以看成一个二维的连续的光密度函数，像片上的密度随空间坐标的变化而变化。而数字图像是一个二维的离散的光密度函数。光学图像可以通过采样和量化得到数字图像，数字图像可以通过显示终端设备或照相或打印的方式得到光学图像。与光学图像相比数字图像的处理简捷快速，并可以完成一些光学处理方法所无法完成的各种特殊处理等。 2、怎样才能将光学影像变成数字影像？ 答：将光学影像变成数字影像要经过采样和量化两步。采样是将图像空间的坐标（X，Y）进行数字化，此时实现了空间的离散化。然后再进行图像灰度的数字化，实现连续灰度的离散化。 3、叙述空间域图像与频率域图像的关系和不同点。 答：空间域图像是以空间坐标进行表示的，而频率域图像是以频率坐标来表示图像的。通过傅立叶变换可以将空间域图像变换为频率域图像，利用傅立叶逆变换可以将频率域图像变换为空间域图像。 4、如何实现空间域图像与频率域图像间的相互转换？ 答：通过傅立叶变换可以将空间域图像变换为频率域图像，利用傅立叶逆变换可以将频率域图像变换为空间域图像。 5、你所知道的遥感图像的存贮格式有哪些？ 答：1）BSQ格式。是按波段记载数据文件，每一个文件记载的是某一个波段的
第四章 遥感图像的特征
第四章遥感图像的特征 一空间分辨率 二光谱分辨率 三时间分辨率 四辐射分辨率 五遥感系统的信息容量 一空间分辨率 空间分辨率(s p a t i a l r e s o l u t i o n)，又称地面分辨率 ●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。 空间分辨率的三种表示法： (1)象元(p i x e l) (2)线对数 (3)瞬时视场 空间分辨率的三种表示法： (1)象元(p i x e l)，指瞬时视域内所对应的地面面积，即与一个象元大小相当的地面尺寸，单位为米(m)。 如L a n d s a t T M一个象元相当地面28.5×28.5m的范围，简称空间分辨率30m……。 象元是扫描影像的基本单元，是成像过程中或用计算机处理时的基本采样点。 (2)线对数(L i n e P a i r s)，对于摄影系统而言，影像最小单元的确定往往通过l毫米间隔内包含的线对数，单位为线对／毫米(1／m m)。 所谓线对指一对同等大小的明暗条纹或规则间隔的明暗条对 (3)瞬时视场(I F O V)，指遥感器内单个探测元件的受光角度或观测视野，单位为毫弧度(m r a d)。
I F O V越小，最小可分辨单元(可分像素)越小，空间分辨率越高。 一个瞬时视场内的信息，表示一个象元 遥感数据的概括能力 地面目标是个多维的真实模型，是个无限、连续的信息源(时空尺度上)；遥感数据是对地面信息源有限化、离散化的二维平面记录。 像元的大小反映了离散化程度。 从地面原型到遥感信息，即把地面信息有限化、离散化过程必然要损失部分信息，这本身就是一种概括能力。其概括程度是随着空间分辨率的增大而增加的。这种概括能力对于宏观概念的建立是有意义的 几何特性 每张遥感图像与所表示的地表景观特征之间有特定的几何关系。这种几何关系是由遥感仪器的设计、特定的观测条件、地形起伏和其它因素决定的。 地面目标均有其一定的空间分布特征(位置、形状、大小、相互关系)。 从地面原型经遥感过程转为遥感信息后，受大气传输效应和传感器成像特征的影响，这些地面目标的空间特征被部分歪曲，发生变形 全景摄影图像的几何畸变 常规象片（A）与扫描图象（B）几何畸变比较 二光谱分辨率 光谱分辨率——指传感器在接收目标辐射的波谱时能分辨的最小波长间隔。 ●决定了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 光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。 但是，多波段信息直接地综合解译是较困难的，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度
遥感图像处理软件比较
PCI遥感图像处理软件简介 PCI GEOMATICA是PCI公司将其旗下的四个主要产品系列，也就是PCI EASI/PACE、（PCI SPANS，PAMAPS）、ACE、ORTHOENGINE，集成到一个具有同一界面、同一使用规则、同一代码库、同一开发环境的一个新产品系列，该产品系列被称之为PCI GEOMA TICA。对于20多年来一直致力于向地学界提供全方位解决方案的PCI公司来说，始终坚持领先一步的原则，地理咨讯永远在变迁，而地理咨讯软件更处于变迁的前沿。在今天，随着用户需求广度与深度的不断拓宽与加深，越来越多的人希望软件是一个可以满足用户所有需求的良好的工具。由于对这一点的正确把握，经过4年努力，PCI公司将原有的四个产品系列整合在一起，产生了一个使用简单、灵巧的工作平台----PCI GEOMAITCA。该系列产品在每一级深度层次上，尽可能多的满足该层次用户对遥感影像处理、摄影测量、GIS空间分析、专业制图功能的需要，而且使用户可以方便地在同一个应用界面下，完成他们的工作。在这之前，用户需用多个软件来实现，并且需要面对多个软件经销商、多个软件技术支持、多次的培训、对多个软件的维护，以及不得不投入相当大的精力来在多种数据格式间，进行数据转换。产品模块功能介绍 PCI Geomatica FreeView ( PCI地理咨讯通用视窗) FreeView是PCI公司为用户提供的一个免费的影像浏览工具，用户可以从PCI的网址上直接下载。用于浏览、显示各种数据，如矢量、位图、卫星影像（如LANDSAT, SPOT, RADARSA T, ERS-1/2, NOAA AVHRR等）、航片以及与GIS矢量数据叠加显示、进行属性查询等。FreeView 还具有影像增强，任意漫游、缩放、影像灰度值矩阵显示等功能 PCI Geomatica GeoGateway （PCI通用数据转换工具）PCI Geomatica GeoGateway包含PCI Geomatica FreeView的所有功能。 PCI Geomatica Fundamentals (PCI 地理咨讯基础版) PCI Geomatica Fundamentals包含PCI Geomatica GeoGateway的所有功能。主要包括以下部件： Focus 浏览环境OrthoEngine FL Y!（演示模式）软件许可管理器 PCI Geomatica Prime （PCI地理咨讯专业版）PCI Geomatica Prime包含PCI Geomatica Fundamentals（见上一节）的所有功能。此外，增加了PCI Modeler、EASI、FL Y!、算法库等模块。Geomatica Prime 是强大的、低成本解决方案，提供的工具可用于影像几何校正、数据可视化与分析以及专业标准地图生产。 PCI Productivity Tools （PCI地理咨讯生产工具）该软件是PCI公司为了提高PCI软件的生产能力和效率而专门设计的，其主要功能是为用户提供一系列自动或批处理操作的导向功能。该软件是PCI GEOMA TICA PRIME或FUNDAMENTALS功能的扩展。主要提供影像自动镶嵌功能及针对ORTHOENGINE 系列产品的航片，光学卫星影像，雷达卫星的自动同名点收集功能。同时提供影像控制点库及库管理功能。 PCI AIRPHOTO MODEL （PCI地理咨讯系统航空正射影像处理器）是一个与PCI Geomatica Fundamentals或Geomatica Prime模块一起使用的功能强大的航空照片正射校正工具。该模块运用了特殊的算法模型将已经扫描的或由数字摄像机得到的照片制作成精确的正射影像图。所生成的图像可以转化为多种文件形式，作为许多GIS/CAD/MAP软件的数据源。同时用户可选择附加的DEM自动提取、3DVIEW 和三维特征提取模块（OrthoEngine Airphoto DEM）来构造自己的数字摄影测量软件包。该软件具有如下功能：项目工程文件建立（含
遥感特征提取物具体步骤
1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 非监督分类步骤监督分类步骤 2三大分类方法的对比 利用传统的遥感影像分类方法, 如监督分类或非监督分类, 易造成分类精度降低, 空间数据大量冗余以及资源的浪费,面向对象的分类方法正是为了处理这些问题而出现, 面向对象的分类方法是一种智能化的自 动影像分析方法，它的分析单元不再是单个像素，而是由若干个像素组成的像素群，即目标对象。面向对象的方法利用遥感影像结构信息和光谱信息, 并建立这些特征之间的层次关系的基础上, 对影像进行分类。面向对象分类方法的关键在于图像分割, 而图像分割方法多种多样, 如何选择科学合理的图像分割方法十分重要，实验证明多尺度图像分割方法综合了图像的光谱!形状!结构!纹理!相关布局等信息, 是目前较为理想的图像分割方法。（采用面向对象分类的方法，可使用专业遥感图像分类软件eCognition4.0） 3面向对象的分类方法
面向对象的技术流程图 3Envi_ENVI FX简介 全名叫“面向对象空间特征提取模块—Feature Extraction”，基于影像空间以及影像光谱特征，即面向对象，从高分辨率全色或者多光谱数据中提取信息，该模块可以提取各种特征地物如车辆、建筑、道路、桥、河流、湖泊以及田地等。该模块可以在操作过程中随时预览影像分割效果。该项技术对于高光谱数据有很好的处理效果，对全色数据一样适用。对于高分辨率全色数据，这种基于目标的提取方法能更好的提取各种具有特征类型的地物。一个目标物体是一个关于大小、光谱以及纹理（亮度、颜色等）的感兴趣区域。 应用于：1】从影像中尤其是大幅影像中查找和提取特征 2】添加新的矢量层到地理数据库 3】输出用于分析的分类影像 4】替代手工数字化过程 ENVI FX的操作可分为两个部分：发现对象（Find Object）和特征提取（Extract features），如图所示
遥感图像处理实例分析05a(空间滤波、公式)
空间滤波（spatial filters） 空间滤波（又称local operation） 空间滤波是一种通用的光栅图像处理操作。是根据某像素周围像素的数值，修改图像中的该像素值。它能增强或抑制图像的空间细节信号，提高图像的可视化解释。如应用滤波增强图像的边界信息，去除或减少图像中的噪音图案。突出结构特征等。 空间频率（Spatial frequency） 空间频率是所有类型的光栅数据共有的特性，它的定义是指图像中的任何一特定部分，每单位距离内数据值的变化数量。对图像上数据变化小、或渐进变化的区域称为低频区域（如平滑的湖面），对图像上数据变化大、或迅速变化的区域称为高频区域（如布满密集公路网的城区）。 空间滤波分为三大类： 低通滤波（Low pass filters）：强调的是低频信息，平滑了图像的噪音、减少了数据的菱角。因为它不在重视图像的细节部分，所以低通滤波有时又称为平滑或均值滤波。 高通滤波（High pass filters）：强调的是高频信息，增强或锐化线性特征，象公路、断层、水陆边界。因为它没有图像的低频部分，增强了图像的细节信息，所以高通滤波有时又称为锐化滤波。 边界检测滤波（Edge detection filters）：强调的是图像中目标或特征的边界，以便更容易分析。边界检测滤波通常建立一个灰色背景图和围绕图像目标或特征边界的黑白色线。 卷积核（convolution kernels） 卷积核是指二维矩形滤波距阵（或窗口），包含着与图像像素值有关的权值。滤波距阵（或窗口）在图像上从左向右，自上而下，进行平移滑动，窗口中心的像素值是根据其周围像素值与窗口中对应的每个像素的权值乘积就和而计算出来的。 ER Mapper滤波对话框如图1-1。包含着滤波文件名、滤波距阵和滤波编辑等项。 图1-1 ER Mapper滤波对话框 实习目的： 建立和删除滤波，应用不同的滤波距阵，查看结果。 实习步骤： （一）增加滤波 1．打开和显示一个已存在的算法文件