基于混合阈值法的Envisat影像水体提取_李智慧

3.2.3 遥感影像数据的获取 目前世界上用于民用的卫星很多，最常用于作物长势监测的是美国发射的一系列陆地卫星。本文使用的是2013年2月11日，NASA发射的Landsat 8卫星数据，Landsat 8上携带有两个主要载荷：OLI（陆地成像仪）和TIRS（热红外传感器）。OLI包括9个波段，空间分辨率为30米，其中包括一个15米的全色波段，成像宽幅为185×185 km。OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5（0.845–0.885 μm），排除了0.825 μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段（band1：0.433–0.453 μm）主要应用海岸带观测，短波红外波段(band9：1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。 表3-2 Landsat8各波段的名称与用途 Table 3-2 The name and purpose of each band of Landsat8 （引自：张玉君，国土资源遥感，2013） 波段No 波段名称波长范围/nm 数据用途GSD地面 采样距离 /nm 辐射率/ （W·m-2sr-1u m-1）典型 SNR （典型） 1 NewDeep Blue 433-453 海岸区气溶胶30 40 130 2 Blue 450-515 基色/散射/海岸30 40 130 3 Green 525-600 基色/海岸30 30 100 4 Red 630-680 基色/海岸30 22 90 5 NIR 845-885 植物/海岸30 14 90 6 SWIR2 1560-1660 植物30 4.0 100 7 SWIR3 2100-2300 矿物/干草/无散射30 1.7 100 8 PAN 500-680 图像锐化15 23 80 9 SWIR 1360-1390 卷云测定30 6.0 130 10 TIR 10300-11300 地表温度100 11 TIR 11500-12500 地表温度100 本实验获取条带号和行编号为143/029，选取棉花蕾期、花铃期、吐絮期内无云、质量较好的影像数据，过境时间分别为2013年6月25日，8月5日，8月29日。 3.2.4 卫星影像处理 地面目标是个复杂的多维模型，具有一定的空间位置、形状、大小和相互关

山脊线山谷线提取实验报告 实验内容描述： 山脊线和山谷线构成了地形起伏变化的分界线（骨架线），因此它对于地形地貌研究具有重要意义；另一方面，对于水文物理过程研究而言，由于山脊、山谷分别代表示分水性与汇水性，山脊线和山谷线的提取实质上也是分水线与汇水线的提取。 本次实验通过某区域栅格DEM掌握山脊线和山谷线这两个基本地形特征信息的理论及其基于DEM的提取方法与原理；同时，熟练掌握利用ArcGIS软件对这两个地形特征信息的提取方法。 实验原理： 1.本实验基于规则格网DEM数据使用平面曲率与坡形组合法提取山脊线和山谷线，首先利用DEM数据提取地面的平面曲率及地面的正负地形，取正地形上平面曲率的大值即为山脊，负地形上平面曲率的大值为山谷。实际应用中，由于平面曲率的提取比较繁琐，而坡向变率（SOA）在一定程度上可以很好地表征平面曲率。因此，提取过程中可以SOA代替平面曲率。 2.主要用到以下理论知识： 1）坡向变率：是指在提取坡向基础上，提取坡向的变化率，亦即坡向之坡度（Slope of Aspect，SOA）。它可以很好地反应等高线弯曲程度； 2）反地形DEM数据：求取原始DEM数据层的最大高程值，记为H，通过公式（H-DEM），得到与原来地形相反的DEM数据层，即反地形DEM数据； 3）地面坡向变率SOA：地面坡向变率在所提取的地表坡向矩阵的基础上沿袭坡度的求算原理，提取地表局部微小范围内坡向的最大变化情况。但是SOA在提取过程中在北面坡将会有误差产生，所以要将北坡坡向的坡向变率误差进行纠正，其公式为： SOA=(( [SOA1]+[ SOA2] )-Abs( [SOA1]-[ SOA2] ))/2 其中：SOA1为原始DEM数据层坡向变率，SOA2为反地形DEM数据层坡向变率。 4）焦点统计 5）ArcScan自动矢量化 流程图

遥感影像中水面及水体信息提取方法的研究 胡启中1，祁建勇2 （1.上海佳文比特信息科技有限公司，上海，200135；2.河北建设勘察研究院有限公司，石家庄，050031） 摘要：根据遥感影像中不同光谱波段对不同地物的反射率特征，以西洋河流域2000年春秋两期Landsat7 ETM＋遥感数据为研究对象，结合实地调查数据，利用地理信息系统及遥感数据处理系统软件平台，建立植被覆盖度对不同季节、不同程度的植被覆盖、岩土裸露及水面水体相关的特征关系、对该流域内分布的各类中小型水库塘坝的水面和水体信息的分析和提取方法进行系统的研究和验证。通过结果分析表明：根据不同时相遥感影像的光谱波段组合建立不同的处理方法可以提高季节性变化的水面及水体信息识别和提取的精度和效率。 关键词 ：遥感影像；光谱分析；水体信息；提取方法 水面及水体信息的分析和提取，一直是遥感影像分析处理及解译分类的基础性工作，在水资源调查、水环境监测、水灾害评估等许多方面得到了广泛应用。国内外很多专家学者在大规模区域尺度、高精度空间分辨率及多时相时间分辨率的遥感数据基础上对水体的提取方法做了深入研究，并提出了许多行之有效的方法。 在中小流域尺度范围上，基于中低空间分辨率的卫星遥感影像，对各类中小型水库塘坝的水面及水体信息的分析和提取是困难的，即使单一的借助专业的遥感数据处理系统软件平台进行分类解译，不仅技术性强，步骤繁多，模型构造复杂，也是费工费时费力的。水域范围精度控制和水面水体提取效率的提高一直是遥感解译水面及水体信息方法改进的驱动力。 1 Landsat7 ETM＋遥感波段光谱特征及归一化植被指数应用 遥感数据是在预定的光谱波段（波长）上获得的。美国陆地卫星7号（Landsat-7）携带的增强型专题制图仪（ETM+），包含三个可见光波段兰绿红、一个近红外波段、二个中红外波段，空间分辨率为30米；一个热红外波段，空间分辨率为60米；另加一个空间分辨率为15米的全色波段。尽管空间分辨率不是较高，重采样覆盖周期16天，但其波段设置比较合理，并采集传输回大量的遥感数据，成为陆地资源调查及生态环境监测等诸多领域应用重要的遥感数据源之一。各种地物，尤其是岩石土壤、绿色植被和水面水体在可见光和红外波段附近具有明显的反射率特征。在光谱中，波段3可见光红光主要被植物吸收，同土壤和岩石相比，绿色植物的反射系数相当弱；而在波段4近红外线部分的反射却比多数其它地表覆盖物的反射要强得多[ 1 ]。水面或水体几乎吸收了近红外波段4和中红外波段5或7的全部能量使之反射率很低，同时土壤和植被在这三个波段内的吸收能量较小，而有较高的反射率，这就使得水体在这三个波段上与植被和土壤具有明显的光谱特征差异。因此在假自然色彩波段合成影像（RGB543波段组合）中，水体呈现出深蓝色及蓝色的暗色调，而土壤因其岩类基质特征呈不同浅色调，植被则呈现出相对较亮的深绿色、绿色或浅绿色色调。但由于不规则山体阴影的影响，使得近红外、中红外在阴坡面的反射能量特别低，它们在影像上也呈现出明显的暗色调；规则的铁路线、公路线等基础设施在遥感影像上也同时呈现出明显的暗色调。水面水体与山体阴影、铁路线、公路线等基础设施的光谱特征混淆使得遥感解译的普通分类方法难以准确提取水面水体信息。 归一化植被指数（NDVI），是植被指数的一种通用化指标形式，正是利用了遥感数据中近红外线和红光之间植被、水体及岩石土壤等其它地物的光谱特征，计算两波段之间的差异或比值，使之反映植被覆盖状况。因此，通过遥感数据直接计算的植被指数近一步估算植被覆盖度，在全球植被变化、作物生长状况、

遥感影像图像处理(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等一系列操作，以求达到预期目的的技术。 一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。

消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正

通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正

桔皮中果胶提取技术的试验分析 【摘要】酸浸提法提取果胶具有快速、简便、易于控制、提取率较高等特点，用盐酸浸提、乙醇沉淀法进行了从桔皮中提取果胶的工艺试验。用单因素试验进行工艺参数的优化，其适合的工艺条件是：液料质量比为20；浸提液pH值为2；浸提温度为90℃。 关键词：桔皮果胶提取工艺工艺参 引言：果胶是一种亲水性植物胶，属于多糖类物质，广泛存在于高等植物的根、茎、叶、果的细胞壁中。通常人们所说的果胶系指原果胶、果胶和果胶酸的总称，是一种高分子聚合物，分子量介于20 000-400 000之间。其基本结构是D一吡喃半乳糖醛酸，以1，4甙链连接成的长链，其中部分半乳糖醛酸被甲醇酯化 [1]。 胶凝剂、增稠剂、稳定剂和乳化剂，随着功能性多糖的开发研究，果胶作为水溶性膳食纤维，越来越受到重视。应用必定会越来越广泛[2-4]。我国是柑桔的主要产地，柑桔皮中果胶含量可达10%～30%。从桔皮中提取果胶不仅有极大的工业价值，而且对综合开发、利用柑桔资源，提高原材料利用率，减少环境污染，有重要的实际意义[2,4,6]。果胶的提取一般有酸提取法、离子交换法、微生物法和微波加热处理法等方法[5-9],由于酸提取法具有快速、简便且提取率高的优点，国内外大多采用此法。果胶分离沉淀主要有乙醇沉淀法和盐析法。国内主要采用乙醇沉淀法，而国外多用盐析法或不经沉淀直接喷雾干燥。针对我国情况而言，对乙醇沉淀法已有大量研究，而本实验也是在总结

别人成果的基础上进行对比以及提取工艺条件的优化。 1材料与方法 1．1 材料 桔皮采用成熟新鲜、无病虫果害的晚熟蜜桔，人工取皮，在40℃下干燥，粉碎至1～3 mm，待用。 盐酸、乙醇、氢氧化钠、无水氯化钙、冰醋酸和甲基红，均为化学纯。1．2 果胶提取方法 果胶提取工艺为：原料→洗涤→失活→干燥→粉碎→酸提取→过滤→浓缩→冷却→乙醇沉淀→离心分离→干燥→称量→粉碎→果胶。 剔除腐烂变质、发黑的桔皮，用清水洗净后，放入烧杯中，加水，加热至90 ℃保温5～10 min，使酶失活,捞出桔皮，将桔皮在40 ℃下干燥，切碎。将20 g原料加入用HC1预先配制的、具有一定pH值和温度的酸溶液中，维持所需的温度达到一定的提取时间，并不断搅拌。趁热用布氏漏斗过滤得果胶提取液。将滤液用旋转蒸发仪在60-70 ℃下浓缩至原体积的1／3时为止。果胶浸提液冷却至常温后加入1倍体积的95 乙醇，搅拌、静置2 h，使果胶沉淀析出。用布氏漏斗过滤得粗果胶。在60-70 ℃干燥，粉碎即得果胶粉。随后进行提取物中果胶含量的测定和提取率的计算。 1．3 试验方法 单因素试验,分别研究不同液料质量比对果胶提取率的影响(浸 提液pH值3、温度80℃、浸提时间45 min)；不同浸提液pH值对果胶提取率的影响(浸提液温度80℃、液料质量比10、浸提时间45 min)；不

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

一、正射矫正 首先打开envi然后找到索要校对的地图，首先把多光谱（MSS）的直接拖到界面中，然后把高程模型里（DEM）的hebei.tif拖入。高分模型的正射矫正是根据RPC和DEM进行矫正的。拖入之后选择在ToolBox中→选择Geometric Correction→Orthorectification→RPC Orthorectification. 选择完之后就会出现

intput file是你从哪里取得文件，不用在改变了。下面的dem file 选择dem中的一个波段，一般选择band1

然后选择ok。进行下一步，点击next。 然后选择advanced，output pixel size（输出的像素密度）因为MSS的像素密度为8故写上8（pan全色影像的像素密度为2）然后image Resampling（图像重采样）输出bilinear（双线性）。下一步选择Export 在选择out file中的tiff格式。输出地址在进行选择如下图， 应该保存在正射矫正。在选择地址时，直接从文家家的地址复制到所填框的地址，选择一下文件名，省的以后写就是绿色的MSS文件，然后文件名就会出现其对应的名字，在进入正射矫正，文件名就不用改了，然后点打开，就完成了，最后在点击finish就结束等待期运行完。 多光谱跟全色的操作一样。就是像素密度由8改为2

二、配准 同一区域里一幅图像（基准图像）对另一幅图像的校准，以使两幅图像中的同名像元配准，两幅影像经过校正后，达到了更好的精度要求。同时打开2米全色和8米多光谱影像，以2米全色影像作为基准图像，通过从两幅图像上选择同名点（控制点）来配准8米多光谱影像，使得相同地物出现在校正后的图像相同位置。 打开envi classic 从File→open image file→从正射矫正中选择全色（PAN）的图 然后 选择load band会加载出来

PCR扩增及DNA琼脂糖凝胶电泳 刘琳1131428 环境科学 一、实验目的 1．学习并掌握PCR扩增的基本原理与实验技术。 2．对扩增后的DNA进行琼脂糖凝胶电泳试验，并分析相应结果。 二、实验原理 1. PCR扩增 多聚酶链反应（PCR）技术的原理类似于DNA的天然复制过程。在微量离心管中加入适量缓冲液，加入微量模板DNA、四种脱氧核苷酸（dNTP）、耐热T aq聚合酶及两个合成DNA的引物，而后加热使模板DNA在高温下（94℃）变性，双链解链，这是所谓变性阶段。降低溶液温度，使合成引物在低温（55℃）与模板DNA互补退火形成部分双链，这是所谓退火阶段。溶液反应温度升至中温（72℃），在Tap酶作用下，用四种dNTP为原料，引物为复制起点，模板DNA的一条双链在解链和退火之后延伸为两条双链，这是延伸阶段。如此反复，在同一反应体系中可重复高温变性、低温退火和DNA合成这一循环，使产物DNA重复合成，并在重复过程中，前一循环的产物DNA可作为后一循环的模板DNA而参与DNA的合成，使产物DNA的量按指数方式扩增。经过30～40个循环，DNA扩增即可完成。 2. DNA琼脂糖凝胶电泳实验 DNA分子在高于其等电点的溶液中带负电，在电场中向阳极移动。在一定的电场强度下，DNA分子的迁移速度取决于分子筛效应，即分子本身的大小和构型是主要的影响因素。DNA分子的迁移速度与其相对分子量成反比。不同构型的DNA分子的迁移速度不同。该电泳方法以琼脂凝胶作为支持物，利用DNA分子在泳动时的电荷效应和分子筛效应，达到分离混合物的目的。 三、实验材料 仪器：PCR扩增仪、0.2ul薄壁管、1.5ml离心管、移液枪、枪头、微波炉、电泳仪、水平电泳槽、制胶版、紫外透射仪。 试剂：TapDNA聚合酶、dNTP、buffer、两种引物、16S全长DNA样本、无菌ddH2O、模板DNA 、TBE、琼脂糖、EB、显色剂。 四、实验步骤 1. PCR扩增 本次试验选择细菌16S rDNA V3区片段进行扩增。 1.1 根据计算，首先取1.5ml离心管按照 2.5ul 10×Buffer 、1 ul dNTP、0.5 ul 341GC、 0.5 ul 534、0.125 ul Taq、19.375u ddH2O的比例配置足量的PCR反应体系。 1.2 分别向9个薄壁管中分别加入24 ul的反应体系，并分别添加8种不同的模版，并于第9个薄壁管中加入无菌ddH2O作为阴性对照。 1.3 将薄壁管放入PCR扩增仪中，按照预定程序进行PCR扩增。其中循环过程需要达到30~40次。程序如下： 预变性：94℃3min 循环：94℃变性30s 55℃退火30s 72℃延伸30s 末次延伸：72℃5min

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

一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正

通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正

北京揽宇方圆信息技术有限公司 遥感卫星图像处理方法 随着遥感技术的快速发展，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

收稿日期:2003-03-28作者简介:李燕(1977-),女,四川成都人,硕士研究生,主要从事遥感图像处理与应用、模式识别研究。 遥感影像道路网自动提取的研究 李 燕,余旭初 (解放军信息工程大学测绘学院,河南郑州 450052) Road Automatic Extraction from Remote Sensor Image LI Yan,YU Xu -chu 摘要:详细分析了道路的影像特征,建立了道路网描述模型。对道路模型的表达采用了模糊数学的方法,对知识的表达使用了带有置信度因子的模糊产生式规则,知识的推理使用了不确定性推理中的各种理论。本项研究力图模拟人的感知过程,以段的几何与灰度属性为主,并顾及局部上下文线索进行感知编组;基于道路模型对道路段进行识别;再利用道路的全局性约束知识对道路段进行重组,弥补了局部编组下的缺点。进行道路的分支和交叉的检测形成道路网。 关键词:影像理解;道路模型;感知编组;知识表达;知识推理;特征提取;几何结构信息中图分类号:P237 文献标识码:B 文章编号:1671-3044(2003)03-0011-05 1 引 言 近年来,遥感技术迅猛发展,而人们对遥感信息的认识和利用程度要远远落后于通过空间和航空系 统获取信息源的速度。从影像获取信息是人类获得知识的主要来源之一,如何自动处理、解译海量的图像数据是在整个社会信息化过程中面临的重要问题。从遥感图像中识别各种目标,是图像处理和目标识别的一个重要研究课题。道路自动识别是其中一个基本的、常见的问题。道路网是非常重要的基础地理信息,它的识别和精确定位对GIS 数据获取、影像理解、制图以及作为其他目标的参照体都有深远的意义。在过去的二十多年里,道路的提取在摄影测量界和计算机视觉界受到了广泛的重视,针对不同的影像类型,不同的影像分辨率,不同区域的影像和不同的道路类型,人们提出了许多从航空和遥感图像中自动提取道路的方法。但由于道路在遥感图像中的表现形式十分复杂,对不同比例尺的影像难以用固定的参数或特征描述,而只能用一些抽象的语句来描述。对于同一算法,不同的环境、不同的传感器、不同的图像、不同的成像条件等等会造成提取结果的极大差异,因而造成了自动识别的困难,使得自动提取道路信息成为一个难度很大的课题。目前仍然没有足够可靠和实用的自动识别软件。 本文以低分辨率影像乡村道路网的自动提取为对象,研究了以道路模型为基础,基于感知编组从遥感图像中自动提取道路网的方法。详细分析了道路的影像特征,建立了道路网描述模型。在道路识别过程中,对道路模型的表达采用了模糊数学的方法,对知识的表达使用了带有置信度因子的模糊产生式规则,知识的推理使用了不确定性推理中的各种理论。力图模拟人的感知过程,以段的几何与灰度属性为主,并顾及局部上下文线索进行感知编组,然后基于道路模型对道路段进行识别,再利用道路的全局性约束知识,如功能特征、拓扑特征、上下文特征等对道路段进行重组,弥补了局部编组下的缺点,最后进行道路的分支和交叉的检测形成道路网。2 道路描述模型 如何在实际图像中检测道路,关键问题是对现实世界中的道路进行正确的描述和理解,建立合适的道路模型。描述现实世界中的道路已经有很多学者做了研究,Garnesson 与Vosselman 等指出,道路的特征可以分为功能特征(functional)、几何特征(geometric)、辐射特征(photometric )、拓扑特征(topologic)、光谱特征和关联或上下文特征(contextual)等六个方面。本文重点研究低分辨率乡村主要道路的自动提取,我们抽象出道路的描述模 第23卷第3期2003年5月 海 洋 测 绘 H YDROGRAPHIC SURVEYING AND CHARTING V ol 123,No 13M ay ,2003

建筑与测绘工程学院 《水处理实验设计与技术》 实验报告

实验1 颗粒自由沉淀实验 颗粒自由沉淀实验是研究浓度较低时的单颗粒的沉淀规律。一般是通过沉淀柱静沉实验，获取颗粒沉淀曲线。它不仅具有理论指导意义，而且也是给水排水处理工程中沉砂池设计的重要依据。 一、实验目的 加深对自由沉淀特点、基本概念及沉淀规律的理解。 掌握颗粒自由沉淀实验的方法，并能对实验数据进行分析、整理、计算和绘制颗粒自由沉淀曲线。 二、实验原理 浓度较低的、粒状颗粒的沉淀属于自由沉淀，其特点是静沉过程中颗粒互不干扰、等速下沉，其沉速在层流区符合Stokes （斯托克斯）公式。 但是由于水中颗粒的复杂性，颗粒粒径、颗粒相对密度很难或无法准确地测定，因而沉淀效果、特性无法通过公式求得而是通过静沉实验确定。 由于自由沉淀时颗粒是等速下沉，下沉速度与沉淀高度无关，因而自由沉淀可在一般沉淀柱内进行，但其直径应足够大，一般应使内径D ≥100mm 以免颗粒沉淀受柱壁干扰。 具有大小不同颗粒的悬浮物静沉总去除率η与截留沉速u 0剩余颗粒重量百分率P 的关系如下： ()dP P u u P s ?+-=00 001η ( 1 ) 此种计算方法也称为悬浮物去除率的累积曲线计算法。 设在一水深为H 的沉淀柱内进行自由沉淀实验，如图1所示。实验开始，沉淀时间为0，此时沉淀柱内悬浮物分布是均匀的，即每个断面上颗粒的数量与粒径组成相同，悬浮物浓度为C 0（mg/L ），此时去除率η=0。 实验开始后，不同沉淀时间t i ，颗粒最小沉淀速度u i 相应为： i i t H u = ( 2 ) 此即为t i 时间内从水面下沉到池底（此处为取样点）的最小颗粒d i 所具有的沉速。此时取样点处水样悬浮物浓度为C i ，而： 00 0011η=-=-=-i i i P C C C C C ( 3 ) 此时去除率η0，表示u ≥u i （d ≥d i ）的颗粒除去率，而：

ETM图像水体信息提取 仇大海1，田淑芳1，吴亚玲2 1中国地质大学（北京）遥感教研室北京市（100083） 2北京鼎峰同惠工业技术有限公司北京市（100098） E-mail：qdh12011@https://www.360docs.net/doc/ee18174702.html, 摘要：本文应用云南省南部地区的ETM遥感影像图，对该区域内的水体信息进行提取。以G48C004002为典型示范区，结合交互式矢量化和野外验证成果对各种方法进行分析选优，最后提出了一种水体提取的新方法：缨帽变换湿度分量法，经验证该方法满足提取要求。本文还对去除影响因素进行了深入的探讨，例如对于阴影的去除和混合像元影响的去除。关键词：信息提取，缨帽变换，遥感，阈值 中图分类号：K909 1. 引言 本论文基于中国地质调查局2005年项目《中国陆域边界云南瑞丽江—大盈江中下游地区基础地质遥感调查》。工作区北部与青藏高原相连，南到中缅、中老、中越边界，东西横跨1200km，南北纵跨800km，地理坐标位于东径97°30′—106°10′，北纬21°00′—28°00′，总面积约400000km2，涉及1∶25万比例尺地形图34幅。该工作区属于我国西南多云多雨地区，气候湿润，雨量充沛，植被茂盛，水量丰富。工作所采用的ETM数据共25幅。本文以1：25万标准分幅G48C004002为例（如图1），讨论遥感方法在提取水体中的实用性。 图1 G48C004002 ETM（742）彩色合成示意图 随着人类活动规模的增强，人类影响环境能力越来越显著，生态地质环境也快速地发生着变化，主要表现在干旱、洪涝、泥沙淤积河道、水土流失和滑坡、泥石流地质灾害时有发生等。这些变化直接威胁着该地区的经济发展，同时也影响着邻国的环境变化，容易引起国际纠纷，不利于和平稳定的周边环境。因此该区域内的水体信息调查尤为重要，水体信息调查为环境评估和地质灾害的预防和治理提供依据。 该区域面积较大、环境复杂，用传统的工作方法很难满足要求，而遥感技术以其大面积、同步观测的优势发挥了在该区域内水体调查的优势，因此如何采用最优的遥感方法结合GIS 等多种技术提取水体信息就成了本文论述的重点。研究过程中使用了1999年和2001年的ETM遥感数据、当地的地形图、地质资料、气象资料等等。主要的工作思路如下图：

短时记忆的信息提取方式 于尧 （西南大学心理学部，重庆，400715） 摘要本实验旨在通过模仿Sternberg（1966）的短时记忆的信息提取经典实验，了解短时记忆的信息提取方式。本实验选取西南大学心理学部本科三年级学生89人作为被试，在心理学部机房利用PsyKey心理教学系统3.2中“短时记忆的信息提取”程序完成实验。实验为两因素被试内实验设计，按记忆集大小共六种呈现给被试，要求被试在特定时间识记，之后再呈现一个数字，要求被试判断是否是刚才识记过的，并按键反应，程序会自动记录被试的在不同水平下再认的反应时间和正确率。通过SPSS19.0进行数据分析，得出结果：记忆集对短时记忆信息提取没有影响；反应类型对短时记忆信息提取有显著影响。进而得出结论：短时记忆的信息提取并不是系列全扫描，也不是Stermberg假设中的任何一种信息提取方式。 关键词短时记忆信息提取 1 前言 Atkinson和Shiffrin（1968）提出了记忆系统的多存储模型（the multi-store model of memory），将记忆看作一个系统，按照信息在系统内储存的时间可以划分为三个不同的子系统：感觉记忆（sensory memory）、短时记忆和长时记忆，且这三个子系统在信息的储存量、保持时间、储存形式（或通道）、提取方式、遗忘规律以及在信息加工过程中所处的位置等许多方面均存在不同。其中，短时记忆是指在刺激作用终止后，对信息保持到几十秒直至一分钟左右的记忆（郭秀艳，2004），是操作性的、正在工作的、活动着的记忆（王甦、汪圣安，2006）。不论是何种记忆系统，其信息的提取方式都是一个极受关注的问题，因为记忆的最终目标是信息的提取利用。在越来越奉行效率至上的近代，短时记忆的信息提取在近几十年更是始终被认为是认知心理学研究的重要课题之一。 所谓信息提取，指把储存在假定的记忆系统中的特定信息取出来以便使用（朱智贤，1989），即将短时记忆中的项目回忆出来，或者当该项目再度呈现时能够再认，都是短时记忆的信息提

利用ArcGIS水文分析工具提取河网的操作ArcGIS 水文分析工具提取河网 DEM包含有多种信息，ArcToolBox提供了利用DEM提取河网的方法，但是操作比较烦琐（帮助可参看Hydrologic analysis sample applications），今天结合我自己的使用将心得写出来与大家分享。提取河网首先要有栅格DEM，可以利用等高线数据转换获得。在此基础上，要经过洼地填平、水流方向计算、水流积聚计算和河网矢量转化这几个不步骤。 1．洼地填平 DEM洼地（水流积聚地）有真是洼地和数据精度不够高所造成的洼地。洼地填平的主要作用是避免DEM 的精度不够高所产生的（假的）水流积聚地。洼地填平使用ArctoolBox->Spatial Analysis Tools->Hydrol ogy->Fill工具。 2．水流方向计算 水流方向计算就可以使用上一步所生成的DEM为源数据了（如果使用未经洼地填平处理的数据，可能会造成精度下降）。这里主要使用ArctoolBox->Spatial Analysis Tools->Flow Direction 工具。输入的DE M采用第一步的Fill1_exam1 3．水流积聚计算 这里主要使用ArctoolBox->Spatial Analysis Tools->Flow Accumulation工具流向。栅格数据就是第二步所获得的数据（FlowDir_fill1）。可以看到，生成的水流积聚栅格已经可以看到所产生的河网了。现在所需要做的就是把这些河网栅格提取出来。可以把产生的河网的支流的象素值作为阀值来提取河网栅格。

4．提取河网栅格 使用spatial analyst中的栅格计算器，将所有大于河网栅格阀值的象素全部提取出来。至于这个阀值是多少因具体情况而定。通常是要大于积聚计算后得到栅格的最低河流象素值。这里采用的是500这个值。最 后生成只有0、1值的栅格数据。其中1表示是河网，0是非河网。 5．生成河网矢量 这里主要使用ArctoolBox->Spatial Analysis Tools->Stream to Feature工具.Input Stream raster 为第 四步只有0、1值的河网栅格。流向栅格使用第二步所生成的栅格数据。

遥感ENVI水体信息提取实验

实习一：水体信息提取姓名：XXxx 学号：!!!!!!!!!!!!!!!!!!! 专业：地理信息科学 教师：XXXXX 成绩：

环境与规划学院 二〇一六年四月 实验报告 一实验目的 学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。 掌握水体提取的常用方法；能够使用ENVI 软件进行水体信息提取。 二实验内容 遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸

收则会同时减少Ed和Eu。 遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。 在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。 水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策 三实验方案 单波段法（阈值）； 多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI） 1．图像预处理 （1）辐射定标：将DN值转成辐亮度

File--->open image file--->。。。。MTL.txt--->spectral--->Preprocessing--->C alibration Utilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok （2）BSQ转成BIL Basic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok （3）Flaash大气校正 Spectral--->Preprocessing--->Calibr ation Utilities--->Flaash —>

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。