第三章遥感图讲义像处理
大气顶层反射率再经 过大气校正后，就是 地物反射率，能本质 地反映地物的辐射特 性。
辐射亮温
日地距离（天文单位）
太阳天顶角
大气顶层的平均太阳光谱辐照度
大气顶层反射率
2）大气校正
大气是介于遥感传感器与地球表层 之间的一层有多种气体及气溶胶组成的 介质层。当电磁波由地球表层传至遥感 传感器时，必须经过大气。因而在消除 由遥感器灵敏度引起的畸变后，还需对 遥感影像进行大气校正。
3.1 遥感数据存储格式
1. 模拟影像与数字影像 2. 数字影像的特点 3. 遥感数据的存储格式
1.模拟影像与数字影像
模拟影像：普通像片那样的灰度级及颜色连续变化的影像 数字影像：把模拟影像分割成同样形状的小单元，以各个小
单元的平均亮度值或中心部分的亮度值作为该单元的亮度值 进行数字化的影像。
（2）BIL格式（band interleaved by line）
对每一行中代表一个波
段的光谱值进行排列，然 后按波段顺序排列各行， 最后对各行进行重复。
（3）BIP格式（band interleaved by pixel） 在一行中，每个像元按光谱波段次序进行排列，
然后对该行的全部像元进行这种波段次序排列， 最后对各行进行重复。
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 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。
把前一部分的空间离散化处理叫采样（sampling）， 而后一部分的亮度值的离散化处理叫量化（quantization）， 以上两种过程结合起来叫影像的数字化
（digitization）。
采样
采 样 的 原 理
遥感数字图像是以二维数组来表示的.
量化
灰度：每个像素的明亮度
灰度量化：像素灰度表现为从黑到白，我们把从黑到 白分成若干等级，这种做法就叫做灰度量化。即，将
2. 几何精纠正
几何精纠正是通过纠正模型，利用相关数据（如地 面控制点、数字高程模型、卫星姿态参数等）把原始 卫星影像纳入到某个制图坐标系中，同时消除其畸变。
在纠正过程中除采用模型（最邻近模型、双线性内 插模型、三次卷积内插模型）外，还要参考地形图（1： 50000）在影像上均匀选择地面控制点（Ground Control Point，简称GCP），进行几何精纠正。影 像几何精纠正的误差必须小于1个像元或0.5个像元 （根据研究要求而定）。
2.几何校正
几何变形：遥感图像的几何位置上发生变化，产生诸 如行列不均匀；像元大小与地面大小对应不准确，地 物形状不规则变化等
几何精纠正步骤
3.噪声消除
噪声是影响遥感影像质量和反演精度的重要因子.
噪声可分为：线状条带噪声、随机噪声、尖峰噪声。 线状条带噪声可通过直方图匹配法消除 随机噪声消除方法复杂，如通过数字过滤法等
像素灰度转换为离散的整数值的过程叫量化。
例如：黑——〉白：L级，当
L=2 黑白二级 二值图像
L=4 黑、深灰、浅灰、白
像
64级
4值图
L=64 黑——〉白 64级图像
……
f
2. 数字影像的特点
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。
2）大气校正
一般运用6S模型进行遥感影像的大气纠正。模型中 需要输入的太阳高度角、太阳方位角、卫星高度角、 卫星方位角、卫星过境时间等参数可直接从头文件中 查得，大气组分参数选择中纬度夏季大气模式，气溶 胶组分参数选择大陆型。海拔高度通过匹配DEM输入 每一个对应像元进行校正，比采用研究区平均海拔高 度进行校正更精确。对热红外波段的大气纠正是通过 利用相邻波段间的相关和组合关系来剔除大气对热红 外波段的影响。
此处加标题
第三章遥感图像处理
眼镜小生制作
遥感技术的目的--
获得地物的几何属性和物理属性
原始的遥感图像并不能提供实现这个目的所需的准确而 完备的条件。为了实现这个目的，原始遥感影像需要经过 图像处理，来消除成像过程中的误差，改善图像质量。因 此，需要进行遥感图像处理。
遥感图像处理包括以下几个阶段：图像的预处理、图像 的增强、图像的融合与图像的分类等。
3. 数字影像的数据格式
۩ BSQ格式(Band sequential) ۩ BIP格式(Band interleaved by pixel) ۩ BIL格式(Band interleaved by line) ۩ HDF格式
(1) BSQ格式（band sequential）
各波段的二维影像数 据按波段顺序排列。
1）辐射定标 辐射定标是将DN值转化为大气顶层（TOA）反射率 的过程。
在该过程中，先要将DN值转换成与大气顶层反射率 直接相关的大气顶层进入卫星传感器的光谱辐射亮温L，
具体转化公式如下：
式中：L是辐射亮度，gain和bias分
别为增益和偏移，可在影像头文件中 查得。
辐射亮温L转换成大气顶层反射率。转化公式如下：
3.2 遥感图像预处理
遥感数据预处理是进行遥感影像信息提取的 前提。具体预处理过程包括：
♫ 影像校正 ♫ 噪声消除 ♫ 影像合成 ♫ 图像拼接和裁切
1. 辐射校正
辐射校正是对在定标和 大气校正两个过程。辐射定标的目的是消除传感 器本身产生的误差，而大气校正则消除大气散射、 吸收等引起的误差（池宏康等，2005）。
（4）HDF格式
HDF格式是用于存储和分发科学数据的一种自我描 述、多对象文件格式。当我们打开一个HDF图像文 件时，除了可以读取图像信息以外，还可以很容 易的查取其地理定位，轨道参数，图像噪声等各 种信息参数。HDF 的数据结构是一种分层式数据 管理结构。
一个HDF 文件应包括一个文件头，一个或多 个描述符块，若干个数据元素。
合集下载
三讲遥感图像处理3
1、遥感信息复合 1）不同传感器的遥感信息复合（以TM与SPOT图像为例）
原始图像
复合后图像 27
28
多源信息复合
1、遥感信息复合 2）不同时相的遥感数据复合
步骤 （1）配准 （2）直方图调整 （3）复合
29
多源信息复合
2、遥感与非遥感信息复合
步骤： 1、地理数据的网格化 （1） 网格数据生成 （2） 与遥感数据配准
1、n维多光谱空间
像元矢量
11多光谱变换1、n维多光谱间12多光谱变换
1、n维多光谱空间 每个像元点在多光谱空间中的位置都可以表示为一个N维向量X
x1
x2
X
xi
x1, x2 , xi , xn T
xn
13
多光谱变换
2、K-L变换[离散（Karhunen-Loeve）变换]
主 成 分 变 换 （ PCA, Principal Component Analysis）
数字图像增强
4 图像运算 5 多光谱变换
1
图像运算
两幅或多幅单波段图像，空间配准后可进行算术运算， 实现图像的增强。
1、差值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相减。差值图像提供了不同波段或不同时相图 像间的差异信息。
2、比值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相除（除数不为0）。比值图像，像元的亮度反 映了两个波段光谱比值的差异，常用来检测植被，消除“同 物异谱”现象。
2、最优遥感数据的选取：可选PCA变换后的前 两个波段。 3、复合
30
地层（R），化探（G）和重力（B）数据合成影像 31
遥感与地层，重力，化探融合影像
32
主要成矿地层影像
原始图像
复合后图像 27
28
多源信息复合
1、遥感信息复合 2）不同时相的遥感数据复合
步骤 （1）配准 （2）直方图调整 （3）复合
29
多源信息复合
2、遥感与非遥感信息复合
步骤： 1、地理数据的网格化 （1） 网格数据生成 （2） 与遥感数据配准
1、n维多光谱空间
像元矢量
11多光谱变换1、n维多光谱间12多光谱变换
1、n维多光谱空间 每个像元点在多光谱空间中的位置都可以表示为一个N维向量X
x1
x2
X
xi
x1, x2 , xi , xn T
xn
13
多光谱变换
2、K-L变换[离散（Karhunen-Loeve）变换]
主 成 分 变 换 （ PCA, Principal Component Analysis）
数字图像增强
4 图像运算 5 多光谱变换
1
图像运算
两幅或多幅单波段图像，空间配准后可进行算术运算， 实现图像的增强。
1、差值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相减。差值图像提供了不同波段或不同时相图 像间的差异信息。
2、比值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相除（除数不为0）。比值图像，像元的亮度反 映了两个波段光谱比值的差异，常用来检测植被，消除“同 物异谱”现象。
2、最优遥感数据的选取：可选PCA变换后的前 两个波段。 3、复合
30
地层（R），化探（G）和重力（B）数据合成影像 31
遥感与地层，重力，化探融合影像
32
主要成矿地层影像
遥感图像几何处理ppt课件
问题三：坐标纠正变换两种方案
直接法（需进行像元的重新排列，要求存储空间大一倍，计
算时间也长）
间接法（常采用）
14
几个重要的问题
问题四：亮度值重采样
最邻近像元采样
（简单计算量小、辐射保真度好，但几何精度低）
双线性内插法
（实践中常采用）
双三次卷积重采样法
（内插精度较高，但计算量大）
15
双线性内插法
遥感图像几何处理
1
主要内容：
➢遥感图像几何变形 ➢遥感图像的几何处理 ➢遥感图像几何处理的应用
2
遥感图像的几何变形
遥感图像的几何变形是指原始图像上各地物的几 何位置、形状、尺寸、方位等特征与在参照系统 （切平面坐标系）中的表达要求不一致时产生的 变形。
Hale Waihona Puke 形误差➢ 静态误差与动态误差 ➢ 内部误差与外部误差
5
➢几何处理两个层次
粗纠正：仅对图像上的系统几何误差进行改正。对传感器内部畸变的改正 很有效，但处理后图像仍有较大的残差。 精纠正：消除图像中的几何变形，得到符合某种地图投影或图形表达要求的 新图像。
6
粗纠正
——基于图像的构像方程来进行。
MSS的构像方程：
（任一像元的构像，都等效于中心投影朝旁向旋转 了一个扫描角后，以像幅中心成像的几何关系。）
图像对另一幅图像的几何纠正
19
图像配准的关键问题 ——同名点的选取
方法之一：利用图像相关法自动获取
20
相关系数
相关性测度
mm
( fi, j fi, j )(gir, jc gr,c )
(c, r)
i1 j1
1
m
m
m
《遥感图像预处理》课件
《遥感图像预处理》PPT 课件
本课件将介绍遥感图像预处理的定义、步骤、常见方法以及应用领域。同时， 我们将探讨遥感图像预处理的优点、挑战以及未来发展趋势。
遥感图像预处理的定义
遥感图像预处理涉及对获取的遥感图像进行校正、增强和去噪等操作，以提高图像质量和可用性。
遥感图像预处理的步骤
1 图像获取
通过卫星或无人机等手段获得遥感图像。
准确性要求
遥感图像预处理要求高精度的 校正和处理结果，对算法的准 确性有很高要求。
遥感图像预处理的未来发展趋势
1
AI技术应用
人工智能技术的发展将为遥感图像预处
多源数据整合
2
理提供更高效、精确的处理方法。
将多源遥感数据进行整合和融合，提升
信息获取的质量和多样性。
3
自动化处理
自动化算法的应用将进一步提高遥感图 像预处理的效率和可靠性。
2 几何校正
对图像进行几何校正，消除地物形变和畸变。
3 辐射校正
对图像进行辐射校正，将不同波段的图像转 换为表观反射率。
4 增强和去噪
对图像进行增强和去噪处理，以提高视觉效 果和数据质量。
遥感图像预处理的常见方法
直方图均衡化
通过重新分配像素值，增强图 像对比度。
滤波处理
利用滤波器去除图像中的噪声。
遥感图像预处理的优点
1 高效性
遥感图像预处理可以大幅提高图像处理的效率和速度。
2 信息获取
遥感图像预处理可以获取大范围、多时相的地表信息。
3 非侵入性
通过遥感图像预处理，可以获取地表信息而无需实地调查。
遥感图像预处理的挑战
复杂性
遥感图像预处理面临多波段、 高分辨率等复杂图像数据处理。
本课件将介绍遥感图像预处理的定义、步骤、常见方法以及应用领域。同时， 我们将探讨遥感图像预处理的优点、挑战以及未来发展趋势。
遥感图像预处理的定义
遥感图像预处理涉及对获取的遥感图像进行校正、增强和去噪等操作，以提高图像质量和可用性。
遥感图像预处理的步骤
1 图像获取
通过卫星或无人机等手段获得遥感图像。
准确性要求
遥感图像预处理要求高精度的 校正和处理结果，对算法的准 确性有很高要求。
遥感图像预处理的未来发展趋势
1
AI技术应用
人工智能技术的发展将为遥感图像预处
多源数据整合
2
理提供更高效、精确的处理方法。
将多源遥感数据进行整合和融合，提升
信息获取的质量和多样性。
3
自动化处理
自动化算法的应用将进一步提高遥感图 像预处理的效率和可靠性。
2 几何校正
对图像进行几何校正，消除地物形变和畸变。
3 辐射校正
对图像进行辐射校正，将不同波段的图像转 换为表观反射率。
4 增强和去噪
对图像进行增强和去噪处理，以提高视觉效 果和数据质量。
遥感图像预处理的常见方法
直方图均衡化
通过重新分配像素值，增强图 像对比度。
滤波处理
利用滤波器去除图像中的噪声。
遥感图像预处理的优点
1 高效性
遥感图像预处理可以大幅提高图像处理的效率和速度。
2 信息获取
遥感图像预处理可以获取大范围、多时相的地表信息。
3 非侵入性
通过遥感图像预处理，可以获取地表信息而无需实地调查。
遥感图像预处理的挑战
复杂性
遥感图像预处理面临多波段、 高分辨率等复杂图像数据处理。
《讲遥感图像处理(1)》课件
遥感图像分析工具介绍
解释常用的遥感图像分析工具， 如NDVI计算和风险评估。
遥感图像处理的应用案例
土地利用变化检测
展示如何利用遥感图像处理技术监测土地利用变化，如城市扩张和农田变化。
植被覆盖度分析
介绍如何使用遥感图像处理技术分析植被覆盖度，以评估生态系统健康状况。
沙漠化监测
解释如何利用遥感图像处理技术监测沙漠化现象，以制定有效的沙漠化防治措施。
遥感图像处理的应用
展示遥感图像处理在不同领域中的实际应用，如环境监测、城市规划和农业等。
遥感图像处理流程
1
遥感图像的预处理
2
讲解预处理技术，如辐射校正、大气校
正和几何校正。
3
遥感图像的分类
4
解释遥感图像分类的方法，如监督分类
和非监督分类。取遥感图像数据，包括卫星 遥感和航空遥感。
遥感图像处理的总结
遥感图像处理的研究现状
总结当前遥感图像处理领域的 研究热点和最新进展。
遥感图像处理的发展趋势
展望遥感图像处理的未来趋势， 如机器学习和深度学习的应用。
未来展望
鼓励听众积极参与遥感图像处 理研究，为未来科学发展做出 贡献。
遥感图像的增强
展示如何增强图像的质量和细节，包括 直方图均衡化和滤波器应用。
遥感图像的分析
介绍如何使用遥感图像进行空间分析和 特征提取。
遥感图像处理工具
遥感图像处理软件介绍
介绍常用的遥感图像处理软件和 工具，如ENVI、ERDAS IMAGINE 和QGIS。
遥感图像分类工具介绍
展示常用的遥感图像分类工具， 如Maximum Likelihood和Support Vector Machine。
《遥感图像处理》课件
遥感图像的数字化处理技术
介绍遥感图像数字化处理的常用方法，如图像增强、图像融合、图像压缩和图像分割。
遥感图像的分类方法和技术
讲解遥感图像的分类方法，包括监督分类和非监督分类，以及常用的分类算法和技术。
遥感图像的特征提取技术
探讨遥感图像特征提取的方法，包括手工特征提取和基于机器学习的特征提 取技术。
遥感图像的实际应用
探索遥感图像在环境监测、自然资源管理、城市规划和农业等领域的实际应 用案例。
遥感图像处理软件的常用工具 和功能
介绍遥感图像处理软件的常见工具和功能，包括影像处理、特征提取、目标 检测和空间分析。
遥感图像处理中的预处理技术
讨论遥感图像处理中的预处理技术，包括辐射校正、大气校正和几何校正等。
遥感图像处理
本课程将介绍遥感技术的基础知识，并深入探讨遥感图像的获取、处理、分 类和特征提取解遥感技术的定义、原理和应用范围，以及不同类型的遥感传感器和遥感 平台。
遥感图像的获取与处理流程
深入了解遥感图像的获取过程，包括数据源选择、遥感数据的预处理、辐射 校正和几何校正。
31_遥感图像处理课件
居民地信息提取 居民地的反射光谱特征应该是表现为混合物的 反射光谱特征，居民地大部分是由水泥物质构 成，然后是居民地由于人居住的比较集中，活动 量较大，所以其温度会比周围其它地物的要高。 房屋的尺寸高矮不同，所以表面会有星星点点的 纹理。在图上显示为浅蓝色，表面有星星点点的 纹理，不规则分布的区域我们判断为居民地，其 中，有大片的较集中的居民地，可以判断为城镇 地区，也有小面积的零星分布的，可判断为乡村 的居民地。
彩
色
色
合
图
成
像
色分量
假彩色合成（False color composition；Pseudocolor）只是在三个通道内输入其它波 段影像数据，合成的图像就是假彩色图像
真彩色合成： 3R2G1B 假彩色合成： 4R3G2B
4R3G2B：遥感中最常见的假彩色图像是彩色红外合成的标准 假彩色图像。它是在彩色合成时，把近红外波段的影像作为合 成图像中的红色分量、把红色波段的影像作为合成图像中的绿 色分量、把绿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。
321真彩色 合成影像
真彩色图像是指影像上地物的色调与地物的实际色调 相一致的图像；
假彩色图像是指影像上地物的色调与地物的实际色调 不一致的图像。432假彩色合成影像是标准的假彩色图 像，大片红色是植被，因为植被在近红外4波段的反射 率非常的高，因此，呈现红色，而且可以通过红色的 饱和度和亮度反映出植被的健康状态和年龄等隐性信 息,纯净的水体呈黑色。
上并用黄色表示出来；按住shift键的同时分别单 击red green blue三个字段，则该字段将分别从选 择中被清除；单击apply按钮分类属性表中显示的 字段发生变化。如图
在Viewer窗口中点击 ，打开Raster工具面板 选择 按钮，进入多边形AOI绘制状态，在图像上选择深蓝 色
遥感图像分析与处理ppt课件
14
以Landsat TM的7个波段为例
常用主成分分析法（PCA）来压缩数据
15
主成分分析前（左）后（右）的效果图
原图像432RGB合成
主成分分析后的123RGB合成图像
16
子集提取
• 子集是整个遥感影像中显示研究区域的部分。
• 子集的选择要和其他数据进行配准。保证预备子集的精度
17
§2 辐射预处理
8
二、数字图像的统计特征
• 1、直方图：描述
了图像中每个像元 亮度值的像元数量 的统计分布。
• 2、峰值 • 3、中值 • 4、均值
9
• 5、亮度范围 • 6、方差 • 7、协方差 • 8、相关系数
10
§3 遥感图像处理软件
目前国内常用的遥感图像处理软件有： Erdas：美国ERDAS公司集遥感和GIS于一身的软件 Envi：美国ITTVIS 公司开发的遥感图像处理软件 Idris：美国Diamond Consulting Services Ltd开发 Er-mapper：澳大利亚 Earth Resource公司开发的图像处理软件 PCI：加拿大PCI公司的产品，处理遥感图像
44
简述卫星遥感图像几何精校正的方法和步骤
• 几何精校正主要是利用地面控制点和多项式内插模 型进行校正，主要步骤有：
• （1）调整像元的空间位置：选定几何校正的数学模 型；在卫星图象上选择均匀分布的明显地物 点为校 正控制点（数量依所采用的校正模型有关）；由这 些控制点求解校正系数，得出校正方程；用校正方 程对全图象进行校正；
11
常用遥感图像处理软件的一般功能
• 图像文件管理 • 图像操作功能 • 基本图像处理功能 • 遥感图像处理功能 • 矢量、栅格混合处理以及与地理信息系统的接口
以Landsat TM的7个波段为例
常用主成分分析法（PCA）来压缩数据
15
主成分分析前（左）后（右）的效果图
原图像432RGB合成
主成分分析后的123RGB合成图像
16
子集提取
• 子集是整个遥感影像中显示研究区域的部分。
• 子集的选择要和其他数据进行配准。保证预备子集的精度
17
§2 辐射预处理
8
二、数字图像的统计特征
• 1、直方图：描述
了图像中每个像元 亮度值的像元数量 的统计分布。
• 2、峰值 • 3、中值 • 4、均值
9
• 5、亮度范围 • 6、方差 • 7、协方差 • 8、相关系数
10
§3 遥感图像处理软件
目前国内常用的遥感图像处理软件有： Erdas：美国ERDAS公司集遥感和GIS于一身的软件 Envi：美国ITTVIS 公司开发的遥感图像处理软件 Idris：美国Diamond Consulting Services Ltd开发 Er-mapper：澳大利亚 Earth Resource公司开发的图像处理软件 PCI：加拿大PCI公司的产品，处理遥感图像
44
简述卫星遥感图像几何精校正的方法和步骤
• 几何精校正主要是利用地面控制点和多项式内插模 型进行校正，主要步骤有：
• （1）调整像元的空间位置：选定几何校正的数学模 型；在卫星图象上选择均匀分布的明显地物 点为校 正控制点（数量依所采用的校正模型有关）；由这 些控制点求解校正系数，得出校正方程；用校正方 程对全图象进行校正；
11
常用遥感图像处理软件的一般功能
• 图像文件管理 • 图像操作功能 • 基本图像处理功能 • 遥感图像处理功能 • 矢量、栅格混合处理以及与地理信息系统的接口
遥感图像处理基础课件.pptx
图像预处理——图像裁剪
图像裁剪的目的是将工程之外的区域去除，常用的是按照行政区划 边界或自然区划边界进行图像的分幅裁剪。
关键技术
✓ 裁剪区的确定
信息。
Nearest Neighbor Diffusion pan sharpening算法，输入图像
NNDiffuse pan sharpening（NND）
支持标准地理和投影坐标系统、具备RPC信息和基于像元位置 （无空间坐标系）几种地理信息元数据类型；支持多线程计算， 能进行高性能处理。融合结果对于色彩、纹理和光谱信息，均能
用这种投影。 人口、民族、气候、水系、土地利用、农业、工业和矿产
等分布图也都采用这种投影。
图像预处理——图像镶嵌
镶嵌
✓ 当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或 多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。
关键技术
✓ 颜色的平衡 ✓ 接边处理 ✓ 位于上层图像的背景值处理
融合方法
适用范围
IHS变换
纹理改善，空间保持较好。光谱信息损失较大大，受波段限制。
Brovey变换
光谱信息保持较好，受波段限制。
乘积运算（CN）
对大的地貌类型效果好，同时可用于多光谱与高光谱的融合。
PCA变换
无波段限制，光谱保持好。第一主成分信息高度集中，ห้องสมุดไป่ตู้调发生 较大变化，
改进了PCA中信息过分集中的问题，不受波段限制，较好的保持 Gram-schmidt（GS）空专间为纹最理新信高息空，间尤分其辨能率高影保像真设保计持，光能谱较特好征保持。影像的纹理和光谱
✓ 大地基准面指目前参考椭球与WGS84参考椭球间的相对位置关系 （3个平移，3个旋转，1个缩放），可以用其中3个、4个或者7个 参数来描述它们之间的关系，每个椭球体都对应一个或多个大地 基准面。
第三章 遥感图像解译
遥感解译的分类
一般分为两种：
目视解译，由专业人员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。 计算机解译，以计算机系统为支撑环境，利用 模式识别技术和人工智能技术，根据遥感图像中 目标地物的各种影像特征（颜色、形状、纹理与 空间位置），结合专家知识库中对目标地物的解 译经验和规律等进行分析和推理，实现对遥感图 像的理解。
遥感地学分析
Geography Analysis for Remote Sensing
第3章 遥感图像解译与分类
第一节 遥感图像解译
遥感提供的是一种综合信息，不仅表现在它反 映的地学要素---地质、地貌、水文、土壤、植 被、社会生态等的综合，是由相互关联的自然 及社会现象所构成的。它是不同空间分辨率、 波普分辨率和时间分辨率的遥感信息的综合。 遥感图像解译是通过遥感图像所提供的各种识 别目标的特征信息进行分析、推理与判断，最 终达到识别目标或现象的目的。
S1S
-P-NL2
S:系统水平校正；1表示满幅 185×185Km；S为空间斜轴麦卡托 投影（L兰勃特，U横轴麦卡托等）。 P:推测星历计算 N:正常处理（A非正常）
L:传感器低增益；2为压缩传输
NASA ERTS
National Aeronautics and Space Administration
10m
3m
<1m
2. 季相影响
1）植被差异 冬季成像有利于突出地表信息；夏季有利 植被解译。 2）太阳高度角 冬季太阳高度低，物体阴影长，辐射强度 低，地物形态信息丰富。 夏季太阳高度高，阴影短，有利地物光谱特 征的反映。 3）水分影响
3.图像显示
遥感数字图像几何处理ppt课件
备
原始 纠正 输入 几何 灰度 纠正
工 作
数字 图像
变换 函数
图像 范围
位置 变换
从新 采样
数字 图像
编辑课件
16
遥感图像几何校正原理
遥感图像几何校正包括光学校正和数字纠正两种方法。
数字纠正是通过计算机对图像每个像元逐个地解析纠 正处理完成的，其包括两方面：一是像元坐标变换；二 是像元灰度值重新计算（重采样）。
第三章 遥感数字图像几何处理
讲解内容
1. 遥感数字图像几何变形的原因和纠正方法
2. 中心投影够像和多中心投影数字图像的几 何纠正
3.侧视雷达图像的几何纠正
目的 1. 熟悉遥感数字图像几何变形的原因；
2.可以利用一到二种方法对不同遥感器产生 的图像进行几何纠正。
编辑课件
1
3.1 遥感数字图像几何处理概述
编辑课件
23
几何精校正概括为两个步骤：
第一步是构建一个模拟几何畸变的数学模型， 以建立原始畸变图像空间与标准图像空间的某种 对应关系，实现不同图像空间中像元位置的变换；
第二步是利用这种对应关系把原始畸变图像 空间中全部像素变换到标准图像空间中的对应位 置上，完成标准图像空间中每一像元亮度值的计 算。
– 计算校正后影像中的每一点所对应原图中的 位置（x，y）。计算时按行逐点计算，每行 结束后进入下一行计算，直到全图结束。
编辑课件
29
重采样的两种方法
–对输入影像的各个象元在变换后的输出影像 坐标系上的相应位置进行计算，把各个象元 的数据投影到该位置上。
–对输出影像的各个象元在输入影像坐标系的 相应位置进行逆运算，求出该位置上的象元 数据。该方法是经常采用的方法。