多波段遥感图像
遥感图像处理
遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。
遥感图像处理可以应用于多个领域，包括地理信息系统（GIS）、环境监测、农业、城市规划等。
本文将介绍遥感图像处理的基本概念、常用方法和应用案例。
2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术，以下是一些常用的基本概念：2.1 遥感图像遥感图像是通过遥感设备获取的图像数据，可以是卫星图像、航空摄影图像或无人机图像等。
遥感图像通常包含多个波段，每个波段代表不同的光谱信息。
2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。
预处理的目的是提高图像质量、减少噪声和伪影，并使得图像更适合进行后续处理和分析。
2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。
常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。
2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较，以检测地物、景观或环境发生的变化。
遥感图像变化检测可以用于监测自然灾害、环境变化等。
2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析，提取图像中的有用信息和特征。
遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。
3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。
3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理，以增强图像的可视化效果和信息提取能力。
常用的图像增强方法包括直方图均衡化、滤波（如中值滤波、高斯滤波）和锐化等。
3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。
常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。
3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。
多波段遥感图像彩色合成处理解析
多波段遥感图像彩色合成处理解析【摘要】多波段遥感图像彩色合成是一种应用广泛的遥感图像应用处理，本文对其授课目标、授课方式、授课内容、授课顺序、授课重点等进行了设计，并将彩色合成原理从色度学、地物波谱特性、图像灰度值（图像密度、透光性）等几个方面进行关联，使学生真正学懂彩色合成的基本原理，并能灵活地应用到遥感图像专题信息提取的实践之中。
【关键词】标准假彩色合成；真彩色合成；加色法0 引言彩色合成是遥感数字图像处理方法中，最常用、最基本、也是最便捷有效的彩色增强处理方法，是关于遥感图像处理研究最早的内容之一，到目前为止一直在延续使用，而且必不可少，然而在教学中本人发现，学生对于光学原理完成的彩色合成从理论上并不能很好的理解，学生可以看到彩色图像，可以按照排列组合的方式，把所有能做的彩色合成全部完成，观察到色彩的变化，但是很难将色度学、地物波谱特性、图像灰度值、图像透光性等知识融合到一起进行综合分析，从原理上明白色彩变化的原因。
本人从事遥感地质学教学工作多年，将彩色合成的教学经验进行了总结，希望对从事这方面教学工作的教师具有一定的帮助。
1 授课内容假彩色合成，从标准假彩色入手，以植被为例。
1.1 MSS数据的光学标准假彩色合成图1 标准假彩色合成（以植被为例，MSS数据）图1为从波段选择，植被反射率，图像色调、透明正片密度，滤色片颜色、色光混合，植被颜色7大方面对于标准假彩色图像上植被颜色为品红色原理的列表解释。
1.2 ETM+数据的数字标准假彩色合成、真彩色合成。
图2 标准假彩色合成（以植被为例，ETM+数据）图2和图3为以ETM+、TM数据为例，用数字图像处理的方法解释标准假彩色和真彩色合成的原理，因为该原理的实现是在计算机的遥感软件下完成，数据类型有一定的变化，所以透明正片密度用图像密度来代替，滤色片三原色，由计算机的RGB三原色代替，实现标准假彩色、真彩色合成。
工作波段、名称、植物反射率、图像色调、DN值、图像密度、三原色、色光混合原理应该在本次课之前完成，在课上介绍到哪一部分就要做相应的复习。
遥感图像解译的常见方法和技巧
遥感图像解译的常见方法和技巧遥感图像解译是指通过对遥感图像进行分析和解读，获取地物和环境信息的过程。
在当今社会中，遥感技术在农业、城市规划、环境监测以及资源调查等领域中发挥着重要作用。
然而，由于图像复杂性和解译难度的增加，如何有效地进行遥感图像解译成为了一个亟待解决的问题。
本文将介绍遥感图像解译的常见方法和技巧，希望能给读者在实际应用中带来一些启发。
一、多光谱图像解译多光谱图像是指通过多波段的遥感数据获取的图像，其中每个波段对应一种特定的光谱信息。
多光谱图像解译是最常用的遥感图像解译方法之一。
它基于光谱特征来识别和分析地物，通过比较不同波段的反射率和亮度值，可以获得不同地物的光谱特征，并进行分类判别。
在多光谱图像解译中，常用的技巧包括：光谱特征提取、光谱段的组合以及光谱变换。
光谱特征提取是指从多光谱图像中提取能够反映地物特征的光谱信息，例如反射率、亮度值等。
通过提取不同波段的光谱特征，可以实现对地物的分类和判别。
光谱段的组合是指将不同波段的光谱信息进行组合，以突出地物的特征。
例如，在植被遥感图像中，将近红外波段和红光波段进行组合，可以更好地区分植被和非植被地区。
光谱变换是指通过对光谱数据进行数学变换，以改变光谱分布和强度，从而获得更明显的地物信息。
常用的光谱变换方法包括主成分分析和单波段反射率之间的比率。
二、纹理特征分析除了光谱特征，纹理特征也是进行遥感图像解译的重要指标之一。
纹理特征通过对图像像素间的空间关系分析，反映了地物的空间分布和结构特征。
在遥感图像解译中，纹理特征分析可以用于识别和判别不同地物的纹理特征，提高分类的准确性。
在纹理特征分析中，常用的方法包括：灰度共生矩阵（GLCM）、纹理特征值和基于波谱变换的纹理分析。
灰度共生矩阵是一种常用的纹理特征计算方法，它通过计算像素间的灰度级对出现的频率来描述图像的纹理特征。
纹理特征值是一种通过计算图像像素间的像素差异和空间关系来描述地物纹理特征的方法。
遥感图像的处理
2.5
3500
3000 2
2500
1.5
2000
1
1500
1000
0.5 500
0 12345678
0 12345678
对数拉伸：扩张低的灰度区，压 缩高的灰度区
指数拉伸：扩展高灰度区间
反比 s = L − 1 − r
n次方根
输
出
灰
对数 s = c log(1 + r )
度
n次幂 s = cr γ
级
s
正比
反对数
输入灰度级,r
原图像
3.0
4.0
5.0
如果拉伸后图像的直方图不理想，可以通 过直方图均衡化做适当修改。
均衡化（线性化）基本思想
变换原始图象的直方图为均匀分布 ==> 大动态范围
使象素灰度值的动态范围最大
==> 增强图象整体对比度（反差）
将每个灰度区间等概率分布，代替了原来 的随机分布，即增强后的每个灰度级内有 大致相同的象元数；通过改变灰度区间来 实现；
假彩色合成是最常用的方法，与伪彩色不 同在于，假彩色使用的方法是多波段图像 。
假彩色合成ห้องสมุดไป่ตู้用的波段应该以地物的光谱 特征作为出发点，不同的波段合成突出不 同的地物信息。
波 图像 段 类型
波长范围 (um)
1 0.45－0.52
2 0.52—0.60
3 T M4 图 像
5
0.63—0.69 0.76—0.90 1.55—1.75
L(x, y,t, λ, p) = [1− β (x, y,t, λ, p)]E(λ) + β (x, y,t, λ, p)I (x, y,t, λ)
遥感图像处理
2.多波段彩色变换 根据加色法彩色合成原理，选择遥感影像的某 三个波段，分别赋予红、绿、蓝三种原色，就 可以合成彩色影像。 根据原色的选择与原来遥感波段所代表的真实 颜色是否相同，可分为真彩色合成和假彩色合 成。
彩色合成的原理图
反射率ρ/%
λ
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。 利用数字技术合成真彩色图像时，是把红色波段的影像 作为合成图像中的红色分量、把绿色波段的影像作为合 成图像中的绿色分量、把蓝色波段的影像作为合成图像 中的蓝色分量进行合成的结果。 如TM321分别用RGB合成的图像。
多波段影像合成时，方案的选择十分重要，它决定了彩 色影像能否显示较丰富的地物信息或突出某一方面的信 息。以陆地卫星Landsat的TM影像为例，TM的7个波段 中，第2波段是绿色波段（0．52～0．60μm），第4段 波段是近红外波段（0．76～0．90μm。当4，3，2波段 被分别赋予红、绿、蓝色时，即绿波段赋蓝，红波段赋 绿，红外波段赋红时，这一合成方案被称为标准假彩色 合成，是一种最常用的合成方案。
1.单波段彩色变换
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，即按图像的密度 进行分层，每一层所包含的亮度值范围可以不同。例如，亮度0～ 10为第一层，赋值1，11～15为第二层，赋值2，16～30为第三层， 赋值3，等等，再给1，2，3等分别赋不同的颜色，于是生成一幅彩 色图像。目前计算机显示彩色的能力很强，理论上完全可以将256 层的黑白亮度赋予256种彩色，因此彩色变换很有前景。 对于遥感影像而言，将黑白单波段影像赋上彩色总是有一定目 的的，如果分层方案与地物光谱差异对应得好，可以区分出地物的 类别。例如在红外波段，水体的吸收很强，在图像上表现为接近黑 色，这时若取低亮度值为分割点并以某种颜色表现则可以分离出水 体；同理砂地反射率高，取较高亮度为分割点，可以从亮区以彩色 分离出砂地。因此，只要掌握地物光谱的特点，就可以获得较好的 地物类别图像。当地物光谱的规律性在某一影像上表现不太明显时， 也可以简单地对每一层亮度值赋色，以得到彩色影像，也会较一般 黑白影像的目视效果好。
遥感实习内容1(遥感图像的输入输出、波段组合及图像显示)
实习内容之一：遥感图像的输入/输出、波段组合及图像显示一、实习目的1）学习如何将不同格式的遥感图像转换为ERDAS img格式，以及将ERDAS img格式转换为多种指定的图像格式；2）学习如何将多波段遥感图像进行波段组合；3）在ERDAS系统中显示单波段和多波段遥感图像的方法。
二、实验数据1）多波段彩色遥感图像，wuce.tiff2）单波段彩色遥感图像，wuce-R.tiff，wuce-G.tiff，wuce-B.tiff三、实习要求1. 图像的输入/输出ERDAS的数据输入/输出模块可以进行数据格式的输入/输出转换。
目前，IMAGINE 8.4可以输入的数据格式达70多种，可以输出的格式达30多种，几乎包括常用的栅格数据和矢量数据格式，具体的数据格式见IMAGINE输入/输出对话框中的列表。
以wuce.tif数据为例，操作过程如下：1）在ERDAS图标面板采单条单击Import/Export命令, 打开Import/Export对话框;2）选择数据输入，即选中Import复选框;3）选择数据类型。
设置图像格式类型为tiff;4）选择图像存储介质类型。
设置为File；5）选择输入图像文件名，并给出输出图像文件名；6）单击OK按扭，执行图像格式转换输出图像的格式转换方法类似。
2. 波段组合在将单波段的图像文件转换为ERDAS系统的内部格式后，由于对遥感图像的处理大多数是针对多波段图像进行的，因此，必须将若干单波段遥感图像文件组合生成一个多波段遥感图像文件。
具体操作过程如下：1）在ERDAS图标面板采单条单击Main | Interpreter | Utilities | Layer Stack命令，打开Layer Selection and Stacking对话框。
2）输入单波段文件wuce-R.img；3）单击Add按扭；4）重复2）和3），将wuce-G.img，wuce-B.img波段输入；5）输入多波段文件名，如wuce-RGB；6）输出数据类型unsigned 8bit;7）波段组合选择Union单击按扭；8）输出统计忽略零值，即选中Ignore Zero In Stats复选框。
遥感图像处理流程
遥感图像处理流程一、图像融合1．多波段影像融合打开erdas软件——>Interpreter——>Utilties——>Layer Stack,打开对话框Layer Selection and Stracking如图：添加要合成的四个波段图像，选择保存目录，点击ok。
2．将TIFF格式的全色波段转格式为img点击Import在对话框分别选择“Import”,type选择“TIFF”,点击ok完成转格式。
3将两张全色图像拼接Erdas——>Data prepertion——>Mosaic images——>Mosaic Tools打开对话框如图，点击Edit add images,添加两幅全色影像图如图点击在出现的工具栏点击出现对话框，选择第一项自动生成合成范围如图点击process→run Mosaic,输出合成图像。
注：平时我们处理图像时可以选择自主划线，所画的线（可以是shp格式）应该避免与现状物体相切，迫不得已需要相交时，尽量斜相交。
4．重采样：先将已知坐标系统变换到另一个坐标系统，然后估计函数在-新坐标系统下的数值。
Erdas——>Data prepertion——>Mosaic images——>Mosaic Tools Edit→add images添加影像图点击Edit→output image options根据影像图的分辨率修改，淮南数据全色为2.5，多分辨率为10。
输出数据，完成重采样。
5．分别切出全色图像和多光谱图像重合部分打开ARCGIS，新建面图层，画出两幅图的重叠区域保存切图（略）6．全色图像和多光谱图像的融合Erdas→Interpreter →spatial Enhance →Resolution mergerHigh resolution input file选择全色图像，multispectral input file选择多光谱图像，method选择第一个，resampling选择第三个主成份。
遥感数字图像的表示和统计描述
➢ 反差：反应图像旳显示效果和可辨别性，又称为 对比度。
直方图
• 什么是直方图？ 直方图是灰度级旳函数，描述旳是图像中各个灰 度级像素旳个数。 以灰度级为横坐标，纵坐标为灰度级旳频率，绘 制频率同灰度级旳关系图就是灰度直方图。
3.3单波段图像旳统计特征
• 假如没有特殊旳阐明，设数字图像为 f (i, j) ，大小 为M×N，N为图像旳列数，M为图像旳行数，
i 0,..., N 1, j 0,..., M 1
基本统计特征
（1）.反应像素值平均信息旳统计参数 均值：像素值旳算数平均值，反应旳是图像中地
物旳平均反射强度，大小由图像中主体地物旳光 谱信息决定。
｛fi(x,y)｝,i=R,G,B 用彩色三原色表达
多光谱图像 ｛fi(x,y)｝,i=1,…,K 遥感图像，K为波段数
立体图像 运动图像
fLfR ｛fi(x,y)｝,i=1,…,t
用于摄影测量和计算机视 觉分析等。L和R分别为左 右图像
动态分析，视频制作。T为 时间。
图像旳矩阵表达
设图像数据为N列，M行，K个波段。对于任 一波段旳数据，能够表达为涉及M×N个元素 旳矩阵：
4-邻域
8-邻域
模板 图像数据
卷积运算
87 * 1 87 * 1 87 * 1 87 * 1 85*8 86* 1 89* 1 86* 1 86* 1 15
卷积计算后旳数据
窗口处理和模板处理
对图像旳处理，一般采用对整个画面进行处理，但 也有只对画面中特定旳部分进行处理旳情况。这 种处理方式旳代表有窗口处理和模板处理。
单独对图像中选定旳矩形区域内旳像素进行处理 旳方式叫做窗口处理
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
061123班丁建平20121001629
1.多波段遥感图像最初分发时，通常采用那三种数据存贮格式？经过处理后计算机中常用的图像存贮格式又有哪些？
BSQ(Band sequenti)：是一种按照波段顺序依次排列的数据格式；
BIP（Band interleaved by pixel）：每个像元按照波段次序交叉排列；
BIL(Band interleaved by line) ：逐行按波段次序排列的格式。
在计算机中常见的图像存储格式：
TIFF：标签化图像文件格式（TIFF）是Aldus公司与微软公司合作开发的一个多用途可扩展的用于存贮栅格图像的文件格式。
BMP：为Windows内图像的标准标准格式，以二维数组来表示。
2.比较监督分类与非监督分类的优缺点。
根本区别在于是否利用训练场地来获取先验的类别知识。
监督分类的关键是选
择训练场地。
监督分类法优点是：简单实用，运算量小。
缺点是：受训练场地
个数和训练场典型性的影响较大。
受环境影响较大，随机性大。
训练场地要有
代表性，样本数目要能够满足分类要求。
非监督分类优点是：
事先不需要对研究区了解，减少人为因素影响，减少时间，降低成本。
不需要更多的先验知识，据地物的光谱统计特性进行分类。
缺点是：
运算量大。
当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类
效果好。
3.分别描述1种监督型和非监督型分类算法原理。
平行管道分类算法原理：对图像中每个像素的光谱响应曲线进行相似性比较，如果落到某一类平行管道阀值范围内，则划分到该类别;如果落到多个类中，则将这个像元划分到最后匹配的类别;落不到任何管道中，则标识为未分类。
非监督分类算法：K-均值算法，ISODATA分类算法
K-均值算法原理：通过迭代，移动各个基准类别的中心，直至得到最好的聚类结果为止。
使得聚类域中所有样本到聚类中心的距离平方和最小。