第八章 遥感数字图像分析方法
遥感数字图像处理-课件内容.
遥感数字图象处理1．概论遥感、遥感过程遥感：一种在远离目标，不与目标直接接触的情况下，通过传感器获取其特征信息，并对这些信息进行处理、分析和应用的综合性探测技术遥感过程：遥感过程是指遥感信息的获取、传输、处理，以及分析判读和应用的全过程遥感图象、遥感数字图象、遥感图象的数据量遥感图象：是指遥感传感器通过检测、度量地物的电磁波辐射能并进行记录所得到的图象遥感数字图象：是指以数字化形式表述的遥感影像。
遥感图象的数据量：H=M ×N ×b ×n ( bit ) M、N 为行列数， b 为波段数， n=lnG/ln2遥感图象的数字化、采样和量化遥感图象的数字化：指光学图象(物理图象)到数字图象的转换过程，包括采样和量化两个过程采样：将空间上连续的图象变换为离散的点的操作量化：将测量的灰度值用一个整数表示通用遥感数据格式(BSQ、BIL、BIP)BSQ，波段序列格式BIL，波段行交替格式BIP，波段像元交替格式遥感图象的模型：多光谱空间多光谱空间：对于 n 个波段的多光谱图象，这 n 个波段构成一个 n 维多光谱空间，多光谱空间就是一个 n 维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。
描述像素在各个波段中亮度值的分布。
多光谱空间中，像元点在坐标系中的位置可以表示成一个 n 维向量，其中每一个分量 xi 表示该点在第 i 个坐标轴上的投影，即亮度值。
多光谱空间只表示各波段光谱之间的关系，而不包括任何该点在原图象中的位置信息，它没有图象空间的几何意义。
遥感图象的信息内容：波谱信息：指遥感图象上不同地物之间的亮度值差异及同一地物在不同波段上的亮度值差异空间信息: 通过图象亮度值在空间上的变化反映出来的信息时间信息: 指不同时相遥感图象的光谱信息与空间信息的差异遥感数字图象处理、遥感数字图象处理的内容遥感数字图象处理: 利用计算机对遥感数字图象进行一系列操作，以求达到预期目的遥感数字图象处理的内容：图象增强、图象校正、信息提取遥感图象的获取方式主要有哪几种?摄影成像、扫描成像、雷达成像如何估计一幅遥感图象的存储空间大小?遥感图象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？与通用图象处理技术比较，遥感数字图象处理有何特点？遥感数字图象处理包括那几个环节？各环节的处理目的是什么？2.遥感图象的统计特征2.1 图象空间的统计量灰度直方图：概念、类型、性质、应用概念：用来描述图象中每一灰度级与其浮现频率间的关系的图表类型：直方图：横坐标为的灰度级，纵坐标为等于各个灰度级像元的浮现频率(像元数)累计直方图：横坐标为的灰度级，纵坐标为小于等于各灰度级的像元的浮现频率 (像元数) 性质：直方图反映表示不同灰度像元的浮现频率，不包含像元的位置信息同一图象的直方图惟一，同向来方图可以对应不同的图象一幅图象的直方图等于其各部份图象直方图之和同类地物的直方图接近正态分布应用： 1.直方图是图象分析的重要工具。
遥感图像分析的基本原理与方法
遥感图像分析的基本原理与方法遥感图像分析是一种通过获取和解释地球表面的图像数据来研究地理现象和环境变化的方法。
它利用遥感技术获取的图像数据进行数据处理和分析，以揭示地球的表面特征、变化和趋势。
本文将介绍遥感图像分析的基本原理和方法，并探讨其在地质、环境和农业等领域的应用。
一、遥感图像分析的基本原理遥感图像分析依赖于传感器获取的电磁辐射数据。
电磁辐射是能量在电磁波形式下传播的过程，其波长范围从长波到短波，包括可见光、红外线和微波等。
传感器可以通过不同波段的响应来获取不同的辐射数据，从而得到不同频谱范围内的图像数据。
在遥感图像中，每个像素代表一块地表区域的平均辐射量。
图像数据可以由数字矩阵表示，其中每个像素的灰度值或颜色值表示该区域的辐射强度或反射率。
通过对这些数据进行处理和分析，可以获得地表特征的信息。
二、遥感图像分析的方法1. 预处理遥感图像预处理是为了去除图像中的噪声、增强特征和调整图像的对比度等。
常见的预处理步骤包括去噪、辐射校正、大气校正和几何校正等。
这些步骤可以提高图像质量并准确反映地表特征。
2. 特征提取特征提取是指从遥感图像中提取有用的地物信息。
可以根据图像的灰度、色彩、纹理和形状等特征来区分不同的地物类型。
常用的特征提取方法包括直方图均衡化、主成分分析、变化检测和物体识别等。
3. 分类与识别遥感图像分类是将图像中的像素按照其地物类型划分为不同的类别。
分类可以基于监督或无监督方法进行。
其中，监督分类依赖于训练样本和分类器，而无监督分类则是通过数据的统计分布和聚类分析进行分类。
4. 变化检测变化检测是利用多期遥感图像比较分析同一地区在不同时间的变化情况。
通过对像素之间的差异进行检测和分析，可以揭示地表的变化趋势和时空模式。
变化检测在环境监测、城市规划和资源管理等领域具有重要应用价值。
三、遥感图像分析的应用1. 地质勘探遥感图像分析可以帮助地质学家在不同尺度上研究地球表面的地质结构和岩矿成分。
遥感图像处理与分析算法综述
遥感图像处理与分析算法综述随着遥感技术的发展，遥感图像处理与分析算法在各个领域中得到了广泛的应用。
遥感图像处理与分析算法是指通过对遥感图像进行数字处理和分析，来提取和解释图像中的信息。
本文将综述一些常见的遥感图像处理与分析算法，包括图像增强、分类与分割等。
一、图像增强图像增强是指通过一系列的操作，提高图像的质量和可视化效果。
常见的图像增强算法包括直方图均衡化、滤波和增强函数等。
直方图均衡化是一种常用的图像增强方法，它通过对图像的直方图进行变换，来增加图像的对比度。
该方法通过将图像的像素值映射到一个新的分布上，从而改变图像的亮度分布。
滤波是另一种常见的图像增强方法，通过在图像的空域或频域中对像素进行处理，来减少噪声和增强图像细节。
常见的滤波算法包括高通滤波和低通滤波等。
高通滤波可以增强图像的边缘和细节，而低通滤波则能够平滑图像并去除噪声。
增强函数是一种通过对图像的像素值进行非线性映射，来增强图像的方法。
常见的增强函数包括对数变换、幂次变换和伽马变换等。
对数变换可以扩展暗部像素的动态范围，而幂次变换则能够增强图像的对比度。
二、分类与分割分类与分割是遥感图像处理与分析的重要内容，它们能够将图像中的不同对象进行区分和提取。
常见的分类与分割算法包括聚类分析、最大似然分类和支持向量机等。
聚类分析是一种通过将像素划分到不同的类别中，来实现图像分类和分割的方法。
常见的聚类分析算法包括K均值聚类和自适应聚类等。
K均值聚类将图像像素划分为K个簇，每个簇代表一个类别，而自适应聚类则能够根据像素的分布进行不同权重的划分。
最大似然分类是一种基于概率统计的图像分类方法，它通过计算像素在每个类别中的概率，并选择概率最大的类别作为最终的分类结果。
最大似然分类算法能够准确地对图像中的不同对象进行分类，并且具有较强的鲁棒性。
支持向量机是一种通过构建一个最优决策边界，来实现图像分类和分割的方法。
支持向量机利用训练样本，通过最大化分类边界与样本之间的距离，来找到一个最优的分类超平面。
遥感数字图像表示与统计描述.pptx
• 其中，I(i)为概率密度分布， i为灰度级， nj和N的含义j0同N前。
23
第24页/共61页
3.4 多波段图像的统计特征
• 遥感图像处理往往是多波段数据的处理，处理中不仅要考虑单个波段图像的统计特征也要考虑波段间存在 的关联，多波段图像之间的统计特征不仅是图像分析的重要参数而且也是图像合成方案的主要依据之一。
• 3.2.1 图像的确定性表示 • 1.图像的矩阵表示 • 离散化后的数字图像是一个整数阵列，在数学上把它描述成一个矩阵F。数字图像中的每一个 像素就是矩阵中相应的元素。把数字图像用矩阵来表示，优点是便于应用矩阵理论对图像进行处 理分析。 • 设图像数据为N列，M行，K个波段。对于任一波段的数据，可以表示为包括M*N个元素的矩 阵:
9
第10页/共61页
主要图像类别及其确定性表示方式
10
第11页/共61页
3.2 遥感图像的数字表示
• 3.2.1 图像的确定性表示 • 2.图像的向量表示 • 按行的顺序排列像素，使图像下一行第一个像素紧接上一行最后一个像素，图像可以表示成 l*mn的列向量f:
• 式中： • 这种表示方法的优点在于可以直接利用向量分析的有关理论和方法。 • 向量既可以按行也可以按列来构造，选定一种顺序后，后面的数字排列要与之保持一致
17
第18页/共61页
3.3 单波段图像的统计特征
• 3.3.2 直方图 • 1.定义
（1）正态分布最佳，它的层次差异大，可视性好； （2）整体亮度值很低，很暗； （3）整体亮度值很高，很亮； （4）整体亮度一般； （5）峰值不明显； （6）为多峰直方图，地物有明显的两大类不一样；
18
遥感数字图像处理教程
遥感数字图像处理教程第一章名词解释1、遥感数字图像（P1）:以数字形式存储和表达的遥感图像2、A/D 转换（P1）：把模拟图像转变成数字图像称为模/数转换，记作A/D 转换3、D/A 转换（P1）：把数字图像转 变成模拟图像称为数/模转换，记作D/A 转换简答题1、模拟图像（照片）与遥感数字图像有什么区别？ （P2） 答表1.1遥感数字图像与印刷照片的区别颜色没有特定的规则，在处理过程「二可以根据需 要通过合成产生多个波段（3-8000） 2、怎么理解图像处理的两个观点？ （P7）答：两种观点是：离散方法的观点和连续方法的观点。
1 .离散方法：图像的存储和表示均为数字形式，数字是离散的，因此，使用离散 方法进行图像处理才是合理的。
与该方法相关的一个概念是空间域。
空间域图像 处理以图像平面本身为参考，直接对图像中的像素进行处理。
2 .连续方法：图像通常源自物理世界，它们服从可用连续数学描述的规律，因此 具有连续性，应该使用连续数学方法进行图像处理。
与该方法相关的一个主要概 念是频率域。
频率域基于傅里叶变换，频率域的图像处理是对傅里叶变换后产生 的反映频率信息的图像进行处理。
完成频率域图像处理后，往往要变换回到空间 域进行图像的显示和对比。
四、论述题1、什么是遥感数字图像处理，主要内容有哪些？ （P2）答：遥感数字图像处理是通过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。
（1）图像增强：使用多种方法去除噪声，增强显示图像整体或突出图像中的特 定地物的信息，使图像更容易理解、解释和判读。
例：例如灰度拉伸、平滑、锐 化、彩色合成、主成分（K-L ）变换、K-T 变换、代数运算、图像融合照片来自于模拟方式通过摄影系统产生没有像素没有行列结构没有才」推行o 表示投有数据任何点，都没有编号摄影受电黑波谱的成像范围限制遛感数字图像 来自干数字方式 通过扫描和数码相机产生 基本利成单位是像素 具有行和列 可能会观察到扫描行 。
遥感数字图像处理 遥感数字图像的表示和统计描述
图像的统计性
图像统计量定义（图像质量统计量） 变差表示图像灰度值的变化程度，间接反映图像 信息量。 （Max-Min） 反差 （对比度）：反映图像显示效果和可分辨性。 Max-Min Max/Min 方差等
窗口
图像的统计性
多波段图像的统计特征 1 协方差 2 相关系数 表明两个波段图像之间的协变性的强弱。
2 结构方法：定义、区分纹理的基元。 分型几何（维数）。
图像拉伸（线性）
1 线性拉伸
g ( x, y) f ( x, y) a c
2 分段拉伸 对目标地物进行突出（其斜率较大（大于1）， 其它地物则斜率小于1，） 3 灰度窗口切片
图像拉伸（非线性）
1 指数变换：
g ( x, y) be
遥感数字图像的表示和统计描述
遥感图像模型
1 遥感图像是客观世界一个侧面的数据描述，通 常在图像上能保持原有的连续性（时间与空间） 与空间相关性。 2 遥感图像像素值变化具有随机性。 2 电磁波能量来自地物的反射与辐射。
L( x, y, t , , p) (1 r ( x, y, t , , p))E ( ) r ( x, y, t , , p) I ( x, y, t , )
1 pr (u)du A H (u)du 0
r
D D D f (D ) A H
A
i 0
i
A可以是面积，也可以像素个数，Hi是该灰度级的像素个数 DA是灰度，Dmax是最大灰度值
2）直方图均衡（续1）
举例：原图和直方图
2）直方图均衡（续2）
举例：均衡后的图和直方图
直方图规定化
时间(t)、波长(λ)、极化方式(P)不同，构成不同特点的图像
遥感地学分析地物光谱特征与遥感数字图像信息提取课件.ppt
一般而言，绝大多数物体对可见光都不具备透射能力，而 有些物体如水，对一定波长的电磁波透射能力较强，特别是对 0. 45 ~ 0. 56μm的蓝绿光波段，一般水体的透射深度可达 10~20 m，清澈水体可达100 m的深度。
对于一般不能透过可见光的地面物体，波长5 cm的电磁波 却有透射能力，如超长波的透射能力就很强，可以透过地面岩 石和土壤。
相关布局（association）：是指多个目标地 物间的空间配置关系。
3.2.2 遥感图像解译方法与步骤
1、目视解译的认知过程
自下向上过程
图像信息获取 特征提取 识别证据选取
自上向下过程
特征匹配 提出假设 图像辨识
3.2.2 遥感图像解译方法与步骤
2、图像解译方法
遥感资料的选择及影像处理
1、岩石的反射光谱特征
岩石的波谱特征是地质遥感的基础，不同的矿物 成分、矿物含量、风化程度、含水状况、颗粒大小、 表面的光滑程度、色泽等都会影响到其反射波谱特征。
3.1.2 典型地物的反射光谱特征
2、土壤的反射光谱特征
自然状况的土壤表面的反射率没有明显 的峰值和谷值，一般来说土质越细，反射率 越高，有机质含量越高和含水量越高反射率 越低。此外土壤的肥力也会对反射率产生影 响。
3.1.1 遥感图像地物特征
1、地物的反射光谱特性
反射率
地物的反射能量Pe占总入射能量Po的百分比， 称为反射率ρ
Pe 100%
Po
反射类型
镜面反射（Specular reflection）
入射波与反射波在同一平面内，入射角与反射角相等 时，所形成的反射现象
漫反射（Diffuse reflection）
遥感图像的分析方法课件.ppt
原始影像
Summary操作后影像
3.保存图形模型 4.运行图形模型 5.查看运行结果
图形模型的注释
• 利用工具栏 注释图标 A, 在模型中进行注释。 • 利用Text>Font/ Size/ Style调整文本字体,大小。
Generate a text scrip
文本程序：空间建模语言程序（*.gml）
条件函数Criteria 注 释 Text 释 放 Unlock
Raster：一层或多层img文件。 Scalar:为单一值，常用为权重因子。 Matrix：矩阵用于卷积核，协方差矩阵，特征向量矩阵
等。
Table:一系列量化值或特征值。
条件函数
逐位运算 布尔运算
级乘，求模
6. 空间模型建立过程
技巧。（对零值的处理；数据类型的转化； 中间文件的利用等） 3. 空间模型的链接与移植。
声明: 本讲义内容参照北京师范大学陈云浩老师摄影测量与遥感技术课件， 特表示致谢！
补充一个名词：
直方图匹配 重叠区灰度值取值方法： ①平均值；②最小值；③最大值；④指定一条切割线，切割线两侧的输出值对应 于其邻近图像上的灰度值；⑤线性插值，根据重复覆盖区上像元离两幅邻接图像 的距离确定的权重，进行线性插值，如位于重复覆盖区中间线上的像元取其平均 值，而位于重复覆盖区边界上的像元取其较邻近图像上的灰度值。
反
馈
连接对象 (Connect Objects)
与
调
整
定义函数操作 (Define Function & Operators)
运行模型 (Run Model)
4. 模型生成器
Main → Spatial Modeler → Spatial Modeler 菜单 → Model Maker → Model Maker 视窗与工具面板
- 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)。
二、分类后处理
去除分析 删除原始分类图像中的小图斑，或者聚 类图像中的小聚类组，该命令使小图 斑合并到相邻的最大分类中 去除分析与过滤分析的区别
二、分类后处理
分类重编码 用新的值取代输入的单元值并输出
本章结束
遥感图像处理及应 用
第八章 分类专题图像，采用类似于 卷积滤波的方法对图像分类值进行多种分 析。其方法是每个像元的值都参与用户定 义的邻域范围和分析函数所进行的分析， 而邻域中心像元的值将被分析结果所取代。
一、一般分析方法
邻域分析 众数 最大值 均值 中值 最小值
重编码 聚类统计 去除分析
二、分类后处理
聚类统计及过滤分析
聚类统计：通过对分类专题图像计算每 个分类图斑的面积、记录相邻区域中最 大图斑面积的分类值等操作，产生一个 聚类组输出图像，每个图斑都包含聚类 组属性。 过滤分析：对经聚类后的图像删除聚类 组图像中较小的类组，并给所有小图斑 赋新值0。
一、一般分析方法
指标分析 将两个输入分类专题图或矢量地图数据， 按照用户定义的权重相加，生成一个 新的综合图像。
一、一般分析方法
叠加分析 根据两个输入分类专题图像文件或矢量 图形文件数据的最小值或最大值，产 生一个综合图像文件
二、分类后处理
对获得的分类图像进行一些处理工作， 剔除小图斑，才能得到最终相对理想 的分类结果，有关操作通称分类后处 理
寡数 标准偏差 总数 种类
一、一般分析方法
查找分析 对输入的分类专题图像或矢量图形进行临近 分析，产生一个新的输出栅格文件，输出 像元的属性值取决于： 该输出像元的位置与用户选择的专题类 型像元的接近程度 用户定义的接近距离
一、一般分析方法
查找分析
查找距离指某种内容要素的影响程度。 其距离数值的确定需要综合分析来确定。