遥感数字图像处理
第二章：1 遥感的投影方式：中心投影，全景投影，斜距投影，平行投影。
2 遥感成像按成像原理可分为：摄影成像和扫描成像3 传感器分辨率指标：辐射分辨率，光谱分辨率，空间分辨率和时间分辨率。
4 Landsat4-7见课本18页5 数字化的过程包括：采样和量化。
6 通用数据格式：BSQ，BIL，BIP。
第三章7 均值：像素值的算术平均，反映的是图像中地物的平均反射强度，大小由图像中主题地物的光谱信息绝定。
8 中值：指图像所有灰度级处于中间的值，当灰度级为偶数时，则取中间两灰度值的平均值，由于灰度级一般连续变化，中值可由最大灰度值和最小灰度值决定。
9 方差：像素值与平均值差异的平方和，表示像素值的离散程度。
10 变差：像素值最大值与最小值的差。
11 反差：反映头像的显示效果和可分辨性，有时又称对比度。
反差越小，地物之间的可分辨性越小。
图像处理的一个基本目的就是提高图像的反差。
12 直方图：是灰度级的函数，描述的是图像中各个灰度级像素的个数。
图像的灰度值是离散变量，直方图表示离散的概率分布。
可分为频数直方图和累积直方图。
假定像元亮度随机分布时，直方图应是正态分布的13 会看直方图P46+P4413.1 直方图均衡化将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。
13.2 直方图均衡化的效果为：（1）各灰度级出现的频率近似相等；（2）原图像上频率小的灰度级被合并，实现压缩；频率高的灰度级被拉伸，因此可以使亮度集中于中部的图像得到改善，增强图像上大面积地物与周围地物的反差。
13.3 均衡化后图像的最小灰度值0，最大灰度值为L-1像元总数为N。
(L-1)/N称为拉伸因子。
具体计算用拉伸因子和累计像元统计值相乘即可以得到变换后的值13.4 对一幅图像进行直方图均衡化的具体步骤：（1）统计原图像每一灰度级的像元数和累积像元数；（2）根据变换函数式计算每一灰度级x a均衡化后对应的新值，并对其四舍五入取整，得到新灰度级x b；（3）以新值替代原灰度值，形成均衡化后的新图像；（4）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图；直方图均衡化后的图像每个灰度级的像元频率，理论上应相等。
实际上均衡化后的直方图呈现参差不齐的外形，这时由于图像是离散函数，各灰度级可能的像元个数有限造成的。
在一些灰度级处可能没有像元，在另外一些灰度级处则像元很拥挤。
13.5直方图规定化是指使一幅图像的直方图变成规定形状的直方图而对图像进行变换的增强方法。
规定的直方图可以是一幅参考图像的直方图，通过变换，使两幅图像的亮度变换规律尽可能地接近；规定的直方图也可以是特定函数形式的直方图，从而使变换后图像的亮度变换尽可能地服从这种函数分布。
直方图规定化的原理是对两个直方图都做均衡化，变成相同的归一化的均匀直方图。
以此均匀直方图起到媒介作用，再对参考图像做均衡化的逆运算即可。
13.614 直方图匹配：15 共生矩阵法：图P55灰度共生矩阵（GLCM，又称为灰度联合概率矩阵法）描述了当图像中像素（i , j）处灰度为Ik的同时沿着任意方向与（i , j）相距位移d的像素（I’，j’）出的灰度级为Ie的概率。
该方法对图像中所有像素进行统计，以便描述其灰度的分布。
应用表明GLCM是性能很好的方法，不但适用于文理识别，而且用于图像分割时效果也很好。
第四章16 彩色图像可以分为真彩色图像和假彩色图像。
17 彩色合成包括伪彩色合成，真彩色合成，假彩色合成和模拟真彩色合成。
又称为彩色增强。
18 密度分割法：对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之成为一幅彩色图像。
19 标准假彩色合成：Landast TM 2绿3红4近红分别赋予红绿蓝就成为标准假彩色图像。
MSS 选择421，spot321。
在标准假彩色合成图像中，突出植被，水体，城乡，山区，平原，植被为红色，城镇为深色，地物类型信息丰富。
20 拉伸：是最基本的图像处理方法，主要用来改善图像显示的对比度，以波段为处理对象，图像直方图是选择拉伸具体方法的基本依据。
21 灰度拉伸（对比度变换）：分为线性拉伸和非线性拉伸。
22 能够区分哪一波段被拉伸，哪一波段被压缩。
P76-83第五章23 可见光和红外传输受什么影响？气体的吸收，气体分子和微粒的散射大气的透射率降低。
大气中分子散射对波长较短的电磁波（UV紫外光和蓝光）有影响，对红外线没有影响。
悬浮颗粒散射量的大小和角度的变化取决于悬浮颗粒的总容量、粒径分布、介电常数和微粒的形状。
P89在红外光谱区各种气体（主要是水蒸气和CO2）吸收的电磁波超过散射。
24 辐射误差：论述P94定义：传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差，会造成遥感图像的失真，影响人们对遥感图像的判读，解释。
25 辐射误差产生的原因：传感器的响应特性和外界（自然）环境，其中后者包括大气（雾和云）和太阳辐射。
26 系统辐射误差的校正：光学镜头的非均匀性引起的边缘减光现象的改正，条纹，斑点，灰度一致化（等概率变换和线性灰度变换）。
27 大气校正三种方法：统计学方法，辐射传递方程计算法，波段对比法。
28 几何校正的原理与步骤29 几何精纠正：又称为几何配准registration，是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。
30 几何精纠正的基本原理：是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看做是挤压，扭曲，缩放，偏移以及更高层次的基本变形的综合作用的结果。
因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。
31 几何精纠正的具体实现过程：利用地面控制点数据确定一个模拟几何畸变的数学模型，以此建立原始图像空间与标准空间的某种对应关系，然后利用这种对应关系，把畸变图像空间中的全部像素变换到标准空间中，从而实现图像的集合精纠正。
32 基本技术：同名坐标变换法，即通过在基础数据和图像中分别寻找地面控制点的同名坐标，并借此建立变换关系来进行几何精纠正。
33 操作步骤：1）准备工作2）输入原始数字图像3）确定工作范围4）选择地面控制点5）选择地图投影6）匹配地面控制点和像素位置7）评估纠正精度8）坐标变换9）重采样34 图像重采样的方法：最近邻域法（最简单，计算速度最快），双线性内插法和三次卷积内插法（误差约为双线性内插法的1/3,产生的图像比较平滑，但计算工作量较大，较费时）。
35 图像增强方面：空间域和频率域。
多光谱变换，主成分变换，缨帽变换。
P117第六章36 主成分变换及其应用P131：基本方法，基本性质，主要流程。
37 缨帽变换P137：基本原理38 K-T变换前三个分量的基本意义：亮度不等于土壤变化的主要方向绿度反映绿色生物量的主要特征第三分量可见光，近红外和较长的红外K-T变换只能用于MSS数据和LANDSAT4、5的TM图像、LANDSAT7的ETM图像，这是该方法的一个限制。
39 归一化指数：比较特殊的运算方式。
B=（B1-B2）/（B1+B2）在基本的比值运算中，如果分母中的波段B2的值比较小（特别是小于1的情况下），那么，比值的结果将夸大差异，使用归一化指数可以避免这个问题。
此外，与比值运算不同的是，归一化指数中像素值的变化时有约束的。
典型的归一化指数是归一化植被指数。
40 植被指数：根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，能够提取植被的算法被称为植被指数（Vegetation index）。
植被指数是代数运算增强的典型应用。
绿色植物叶子的细胞结构在近红外具有高反射，其叶绿素在红光波段具有强吸收。
因此，在多波段图像中，用红外/红波段图像作比值运算后，结果图像上植被区域具有高亮度值，甚至在绿色生物量很高时达到饱和。
第七章41 空间域图像滤波成为平滑和锐化处理，强调像素与其周围相邻像素的关系，常用的方法是卷积运算，但是随着采用的模板的窗口的扩大，运算量会越来越大。
42 图像噪声：高斯噪声，脉冲噪声（椒盐噪声）以及周期噪声。
43 均值滤波：平滑，去噪声。
是最常用的线性低通滤波器，它均等地对待邻域中的每个像素。
对每个像素，取邻域像素值的平均作为该像素的新值。
从频率域的角度看，相当于进行了低通滤波。
44 图像锐化：为了突出图像中的地物边缘、轮廓或线状目标，可以采用锐化的方法。
锐化提高了边缘与周围像素之间的反差，因此也成为边缘增强。
平滑通过几分过程使图像边缘模糊，图像锐化则通过微分使图像边缘突出。
45 梯度法：Roberts 和Sobel P165梯度实际上反映了相邻像元之间灰度的变化率，图像中的边缘，例如河流、湖泊的边界、道路等处灰度的变化率较大，因此在边缘处一定有较大的梯度值；而大面积的平原、海面灰度变换较小，一定具有较小的梯度值；对于灰度级为常数的区域，梯度值为0。
因此，以梯度值替代像元的原灰度值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。
Roberts 采用交叉差分的方法。
这种方法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。
这种算法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。
采用Roberts梯度对图像中每一个像元计算其梯度值，最终产生一个梯度图像，达到突出边缘的目的。
Sobel 梯度在Prewitt算法基础上，对4邻域采用加权方法进行差分，因而对边缘的检测更加准确两种算法之间存在差异，Roberts提取的边界为边缘处的一边，Sobel算法则提取了边缘处的双边，即两个像元的宽度。
因此，在处理一个或两个像元宽度的线性目标时，要根据具体情况选择处理方法。
根据以上的各种算法求出各个像元的梯度值后，可以根据不同的需求生成不同的梯度图像，46 Laplacian 算子P167即线性二阶微分算子，即取某像元的上下左右４个相邻像元的值相加的和减去该像元的４倍，作为该像元新的灰度值。
梯度运算检测了图像上的空间灰度变化率，因此，图像上只要有灰度变化就有变化率。
而Laplace算子检测的是变化率的变化率，是二阶微分，在图像上灰度均匀和变化均匀的部分，计算出的算子为0，因此，它不检测均匀的灰度变化，产生的图像更加突出灰度值突变的部分。
在锐化结果中出现了负值，而图像的灰度值应为非负数，对所有值加上一个常数〔如计算结果中最大的绝对值〕即可解决47 频率域滤波：低通滤波，高通滤波，带通滤波。
低通滤波用于仅让低频的空间频率成分通过而消除高频成分的场合，由于图像的噪声成分多数包含在高频成分中，所以可用于噪声的消除。
遥感数字图像处理
第一章：图像（对客观存在的物体的一种相似性的、生动的写真或描述）。
数字图像（被计算机存储、处理和使用的图像，是一种空间坐标和明暗程度都不连续的、用离散数学表示的图像）。
数字图像处理（将图像转换成一个数据矩阵存放在图像存储器中，然后再利用数字计算机，或其它的大规模集成数字器件，对图像信息进行数字运算或处理，以提高图像的质量或达到人们所预期的其它效果）。
数字化（将一幅图像从其原来的形式转换为数字形式的处理过程，包括“扫描”、“ 采样”与“量化”三个步骤）。
采样（在一幅图像的每个像素位置上测量灰度值）。
量化（将采样时测量的灰度值转化成整数表示）。
第二章：直方图（以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图）。
邻域（对于任一像素（i，j），集合{（i+p,j+q），p、q取合适的整数}叫做该像素的邻域）。
局部处理（对输入图像IP（i,j）处理时，某一输出像素JP(i,j)值由输入图像像素（i,j)及其邻域N(i,j)中的像素值确定。
这种处理称为局部处理）。
点处理（在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理）。
大局处理（在局部处理中，输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理）。
特征空间（把从图像提取的m 个特征量y 1 ，y 2 ，…，y m，用m维的向量Y＝[y 1 y 2 …y m ]t表示称为特征向量。
对应于各特征量的m维空间叫做特征空间）。
特征提取（获取图像特征信息的操作称作特征提取）。
第三章：像点位移（地面起伏引起投影点相对于基准面上垂直投影点的像点产生的直线位移）。
全景面（红外机械扫描仪以及采用CCD 直线阵列作为检测器的推帚式传感器的每一条扫描线都相当于中心投影，其成像面相当全景缝隙摄影机的投影面，是一个圆柱面，称之为全景面）。
内方位元素（表示摄影中心与相片之间相关位置的参数，如像主点在像平面坐标系中的坐标x 0，y 0，摄影中心到相片的垂距f）。
遥感数字图像处理
遥感数字图像处理第一章1.图像是对客观对象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。
根据人眼的视觉可视性将图像分为可见图像和不可见图像。
按图像的明暗程度和空间坐标的连续性，将图像分为数字图像和模拟图像。
2数字图像指用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数学原理表达的图像。
数字图像最基本的单位是像素。
3遥感数字图像是数字形式的遥感图像。
4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。
主要内容：（1）图像增强：灰度拉伸、平滑、锐化、彩色合成、主成分变换、K-T变换、代数运算、图像融合等压抑、去除噪声，增强整体图像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（2）图像校正（3）信息提取5遥感数字图像处理系统：硬件系统（计算机、数字化设备、大容量存储设备、显示器和输出设备、操作台）、软件系统（ERDAS IMAGING最突出的特色是专家模拟系统、可视化建模工具以及与ArcGIS软件的高度集成、ENVI 最突出的特色是具有丰富的高光谱数据处理工具和内嵌的IDL开发语言、PCI Geomatica最特出的特色是功能丰富的工具箱和建模系统、ER Mapper遥感图像处理系统最大特点是基于算法的图像处理）6遥感基本知识：物理学、地学、数学、信息理论、计算机技术和地理信息系统第二章1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2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，主要包括遥感实验、信息获取、信息传输、信息处理、信息应用等5个部分。
3传感器是收集和记录电磁辐射能量信息的装置。
按工作方式分为被动、主动方式，按数据的记录方式，分为成像和非成像方式。
4摄影成像：传感器主要是摄影机，在快门打开的一瞬间几乎同时收集目标上所有的反射光，聚焦到胶片上成为衣服影响，并记录下来。
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
遥感数字图像处理Remote Sensing Digital Image Processing潘竟虎西北师范大学地理与环境科学学院2009年3月西北师范大学GIS开发应用研究中心3.1 概述1.遥感图像的几何变形有两层含义一是指卫星在运行过程中，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。
二是指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。
Δ定义：遥感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中的表达要求不一致时，即说明遥感图像发生了几何畸变。
注：遥感图像的总体变形是平移、缩放、旋转、偏扭、弯曲及其他变形综合作用的结果。
2 几何变形误差的影响因素西北师范大学GIS开发应用研究中心(1) 遥感器本身引起的畸变遥感器本身引起的几何畸变与遥感器的结构、特性和工作方式不同而异。
这些因素主要包括：y1）透镜的辐射方向畸变像差；y2）透镜的切线方向畸变像差；y3）透镜的焦距误差；y4）透镜的光轴与投影面不正交；y5）图像的投影面非平面；y6）探测元件排列不整齐；y7）采样速率的变化；y8）采样时刻的偏差;y9) 扫描镜的扫描速度变化。
西北师范大学GIS开发应用研究中心例如扫描形式成像的MSS，产生的几何畸变主要是由于扫描镜的非线性振动和其它一些偶然因素引起的。
在地面上影响可达395米。
全景畸变：(2) 外部因素引起的畸变GIS开发应用研究中心1）地球自传引起的误差地球自转对于瞬时光学成像遥感方式没有影响，对于扫描成像则造成图像平行错动。
如图所示：Δy e :图像错动量；t e ：扫描整景图像时间t e =L/R ω）；v φ：纬度为φ时该点地球自转线速度；L ：像幅地面长度；R ：地球平均半径6378km ；ω：卫星运行平均角速度。
ϕV t y e e =ΔGIS开发应用研究中心2）地球曲率的影响设OA 0为成像基准面，A 为地表一点。
在考虑地球曲率影响情况下，A 与OA 0存在着由地球曲率引起的高差h ，A 在OA 0代表的平面上投影点为A 0，由于高差h 的存在使得A 点在像平面Fa 0上产生象点位移。
遥感数字图像处理
第二章：1 遥感的投影方式：中心投影，全景投影，斜距投影，平行投影。
2 遥感成像按成像原理可分为：摄影成像和扫描成像3 传感器分辨率指标：辐射分辨率，光谱分辨率，空间分辨率和时间分辨率。
4 Landsat4-7见课本18页5 数字化的过程包括：采样和量化。
6 通用数据格式：BSQ，BIL，BIP。
第三章7 均值：像素值的算术平均，反映的是图像中地物的平均反射强度，大小由图像中主题地物的光谱信息绝定。
8 中值：指图像所有灰度级处于中间的值，当灰度级为偶数时，则取中间两灰度值的平均值，由于灰度级一般连续变化，中值可由最大灰度值和最小灰度值决定。
9 方差：像素值与平均值差异的平方和，表示像素值的离散程度。
10 变差：像素值最大值与最小值的差。
11 反差：反映头像的显示效果和可分辨性，有时又称对比度。
反差越小，地物之间的可分辨性越小。
图像处理的一个基本目的就是提高图像的反差。
12 直方图：是灰度级的函数，描述的是图像中各个灰度级像素的个数。
图像的灰度值是离散变量，直方图表示离散的概率分布。
可分为频数直方图和累积直方图。
假定像元亮度随机分布时，直方图应是正态分布的13 会看直方图P46+P4413.1 直方图均衡化将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。
13.2 直方图均衡化的效果为：（1）各灰度级出现的频率近似相等；（2）原图像上频率小的灰度级被合并，实现压缩；频率高的灰度级被拉伸，因此可以使亮度集中于中部的图像得到改善，增强图像上大面积地物与周围地物的反差。
13.3 均衡化后图像的最小灰度值0，最大灰度值为L-1像元总数为N。
(L-1)/N称为拉伸因子。
具体计算用拉伸因子和累计像元统计值相乘即可以得到变换后的值13.4 对一幅图像进行直方图均衡化的具体步骤：（1）统计原图像每一灰度级的像元数和累积像元数；（2）根据变换函数式计算每一灰度级x a均衡化后对应的新值，并对其四舍五入取整，得到新灰度级x b；（3）以新值替代原灰度值，形成均衡化后的新图像；（4）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图；直方图均衡化后的图像每个灰度级的像元频率，理论上应相等。
数字图像处理技术在遥感信息分析中的应用
数字图像处理技术在遥感信息分析中的应用引言：随着遥感技术的快速发展，数字图像处理技术逐渐成为遥感信息分析中的核心应用之一。
数字图像处理技术可以对遥感图像进行预处理、特征提取、分类与分析，为遥感信息分析和应用提供基础支撑。
本文将详细介绍数字图像处理技术在遥感信息分析中的应用，包括图像预处理、特征提取与选择、遥感图像分类等方面。
1. 图像预处理图像预处理是数字图像处理技术在遥感信息分析中的首要步骤。
遥感图像通常受到大气、云层、阳光等因素的影响，会产生噪声、辐射校正问题、几何畸变等。
数字图像处理技术可以通过增强对比度、减少噪声、去除云层和阴影等操作来改善图像质量。
常见的图像预处理方法包括直方图均衡化、滤波、去噪、几何校正等。
通过图像预处理，可以提高遥感图像的质量，为后续的特征提取和分类分析打下基础。
2. 特征提取与选择特征提取与选择是遥感信息分析中的重要环节，也是数字图像处理技术的核心任务之一。
遥感图像中包含大量的地物信息，如植被、水体、建筑等，通过提取和选择适当的特征，可以有效地描述这些地物的属性。
数字图像处理技术可以通过色彩模型转换、边缘检测、纹理分析等方法，提取出表征地物的特征。
此外，特征选择也是必要的，可以通过特征选择算法来筛选出最具有分类能力的特征子集，以降低计算复杂性和提高分类精度。
3. 遥感图像分类遥感图像分类是数字图像处理技术在遥感信息分析中的重要应用之一。
遥感图像分类的目标是将遥感图像中的像素划分为不同的类别，如水体、植被、建筑等。
数字图像处理技术可以通过机器学习算法、人工神经网络等方法来进行图像分类。
常见的分类算法包括最大似然法、支持向量机、随机森林等。
通过遥感图像分类，可以实现对遥感图像的自动解译，方便地获取地物信息和变化状况，为资源管理、环境监测等领域提供支持。
4. 图像变化检测图像变化检测是数字图像处理技术在遥感信息分析中的另一个重要应用。
遥感图像序列能够提供不同时间点的地物信息，通过比较不同时间点的遥感图像，可以检测到地物的变化情况，如植被生长、建筑物拆除等。
遥感数字图像处理一
STEP2
STEP3
STEP4
图像校正：包括辐射校正、几何校正。
增强处理：增强图像中的有用信息，利于识别分析。 包括彩色增强、直方图增强、图像运算、邻域增强、频率域增强、信息融合等。
图像变换：消除干扰和滤掉噪声，提高图像质量。
信息提取：图像分类（监督分类、非监督分类、神经网络分类、模糊分类）、空间信息提取、光谱信息提取。
方法：黑白扫描/彩色扫描
扫描时需注意： 扫描的空间分辨率
一般300dpi（像片）/ 600dpi（负片）可满足要求 灰度级：0-255（黑白）/ RGB（彩色）
航空像片的数字化
如何设置分辨率
过程: （1）空间采样 （2）属性量化
分辨率设置
例：将一张1:50000的航空图像扫描成分辨率是2米的数字化图(1pix=2m) 。 50000 lcm=500m 1cm内要有250个pix pix边长=1cm/250pix=0.004cm=0.001575inch (1cm=0.3937inch) 635pix/inch
辅助数据：数字图像尺寸等各种参数
多波段数字图像存储与分发的常用数据格式：
遥感数字图像的表示方法
BSQ(Band sequential)数据格式：按波段顺序依次排列， 1个文件，文件内划分1-K段，第n段数据为第n波段的图像数据[M行][N列]。 多式（Band interleaved by pixel），1个文件，[M行][N列]格式，每个单元顺序记录K个波段的相应数据。 多波段数字图像存储与分发的常用数据格式（2）
BIL数据格式（Band interleaved by line）， 1个文件，逐行按波段次序排列。第1波段的第1行、第2波段的第1行、…、第K波段的第1行；第1波段的第2行、第2波段的第2行、…、第K波段的第2行；…… 多波段数字图像存储与分发的常用数据格式（3）
遥感图像数字处理与分析知识要点
遥感图像数字处理与分析知识要点围绕遥感基础知识-数字图像处理与分析总体框架来组织相关内容要点。
其中，第一、二、三章介绍遥感数字图像处理、主要成像方式、存取及表示基础知识，是图像处理、理解及分析的起点；第四、五、六、七章常用遥感数字图像处理方法，应视具体遥感数字图像处理要求有所选择；第八章图像分割是图像处理高级方法，是灰度拉伸、变换、滤波等数字图像增强方法的综合应用，为进一步深入学习和掌握决策树、面向对象及专家系统等高级分类技术奠定基础；第九章图像分类是图像处理的主要目的和最终成果第一章概论图像、遥感数字图像、照片与遥感数字图像区别、遥感数字图像处理及观点图像：物理世界中客观对象的相似性描述，包含客观对象的信息，是人们最主要的信息源数字图像：用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数学原理表达的图像遥感数字图像：数字形式表示的遥感图像遥感数字图像和照片的差异：遥感图像处理：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的过程遥感数字图像处理的观点：连续方法：我们感兴趣的图像源自物理世界，服从可用连续数学描述的规律，具有连续性，连续数学方法，频率域（高通滤波、低通滤波等）离散方法：数字图像的存储和表示均为数字形式，数字是离散的，离散数学方法，空间域（点运算算法-灰度变换、直方图修正；邻域去噪算法-图像平滑、锐化等）第二章遥感数字图像的获取和存取数字扫描和数字摄影、数字化（重采样和量化）及意义、遥感数字图像级别、存储格式及元数据、传感器分辨率数字扫描：在遥感平台前进过程中，进行横向（与飞行方向垂直）行扫描来获取地物目标反射或辐射的电磁波信号，逐行记录成像特点：能以分割得相当精确的波段通道，分别收集和记录地物目标的电磁波信号数字摄影：地物目标反射的太阳辐射通过相机镜头投射到感光胶片上发生光化学反应，经过形成潜影、显影、定影和放印等过程而获得图像特点：瞬间成像，图像几何特征服从中心投影成像规律，可形成模拟图像（传统胶片照相机）和数字图像（数码相机），相片灰度反映了地物反射或辐射电磁波的强弱，工作波段：紫外、可见光、红外、多光谱，工作时间：白天，遥感平台：地面和航空平台采样：将空间上连续的图像变换成离散点（即像素）的操作重采样：根据一类象元的信息内插出另一类象元信息的过程量化：将像素灰度值转换成整数灰度级的过程数字化的意义：通过成像方式获取的图像是连续的，无法直接进行计算机处理。
遥感数字图像处理
遥感数字图像处理1. 概述遥感数字图像处理是指利用遥感技术获取的各种遥感数据，如航空影像、卫星影像等，进行数字化处理和分析的过程。
遥感数字图像处理在地理信息系统（GIS）领域有着广泛的应用，能够提取出地表覆盖类型、地形和植被等丰富的地理信息，为环境监测、资源管理、农业和城市规划等领域提供重要的数据支持。
2. 遥感数字图像处理的步骤遥感数字图像处理主要包括以下几个步骤：2.1 数据获取数据获取是遥感数字图像处理的第一步，通过卫星、航拍等遥感设备获取地理信息数据。
这些数据以数字图像的形式存在，包括多光谱、高光谱、雷达和激光雷达等数据。
2.2 数据预处理数据预处理是为了消除图像中的噪声和伪影，以及纠正图像的几何和辐射畸变。
常见的数据预处理方法包括辐射校正、几何校正、大气校正等。
2.3 图像增强图像增强是为了使图像更加清晰，突出地物的特征。
常用的图像增强方法包括直方图均衡化、滤波、锐化等。
2.4 特征提取特征提取是为了从图像中提取出具有区别性的特征，以便进行后续的分类和识别。
常见的特征提取方法包括纹理特征、形状特征、频域特征等。
2.5 图像分类图像分类是将图像中的像素划分为不同的类别。
常用的图像分类方法包括基于像元的分类、基于对象的分类、基于深度学习的分类等。
2.6 图像分割图像分割是将图像划分为不同的区域或对象。
常用的图像分割方法包括阈值分割、边缘分割、区域生长等。
2.7 地物提取地物提取是从图像中提取出感兴趣的地物或地物属性。
常见的地物提取方法包括目标检测、目标识别、地物面积计算等。
2.8 结果评价结果评价是对处理结果进行准确性和可靠性的评估。
常用的结果评价方法包括混淆矩阵、精度评定、误差矩阵等。
3. 遥感数字图像处理的应用遥感数字图像处理在各个领域都有广泛的应用，主要包括以下几个方面：3.1 环境监测遥感数字图像处理可以用于环境监测，如水质监测、土壤污染监测等。
通过遥感图像，可以获取水体和土地的信息，分析水质和土壤的污染程度。
遥感数字图像处理教学.pptx
i 1 n
rij （美国查维茨提出的）
i 1
特征提取（feature extraction）
特征提取是在特征选择后，利用特征提取算法从原始特征中求出最能反映地物类别 性质的一组新特征，由此既可以压缩数据，又提高特征类别间的可分性。
第22页/共61页
4）图像分类运算
依据你选择的特征变量和图像的分类对象的实际情况以及选择适当的分类 方法和相应的分类参数进行图像分类。
碎斑处理——处理办法主要是进行滤波处理，用计算机手段 去掉分类图中过于孤立的类别像素，或将它归并到包围相邻 较连续分布的那些类中。比如：ENVI的多数/少数分析、聚 块和筛除等。 类别合并——ENVI中有类别合并处理的模块，主要将其颜色 和编码更改一致即可。
第26页/共61页
b）分类结果检验分析
统计分类结果——包括各类地物在各波段的平均值、标准差、min、max、协方差矩 阵、相关系数矩阵、特征值、各类像素数和所占像素百分比、精度检验等等统计指 标的说明。
•
分类的基本原理
•
分类的方法
•
分类的工作流程
•
非监督分类方法
•
监督分类方法
•
图像分类的相关问题
第31页/共61页
6.4 非监督分类法
非监督分类法是指人们事先对分类过程不加入任何的先验知识，而仅凭遥感图像 中地物的光谱特征进行分类，分类过程就是自然的聚类特性。
这样的分类的结果从效果上讲，只区分了图像上存在的差异，并不能确定该类别 的属性，具体的属性尚需要通过目视判读或实地调查针对性的确定。
监督分类法的基本原理！
做分类时，常把图像中某一类地物称为模式，而把属于该类中的像素称为样 本，其中某位置的像元在不同波段或不同特征空间中的像素值，则可以称为该样 本的观测值。