遥感图像特征分析PPT
合集下载
第七章遥感数字图像计算机解译ppt课件
➢采用距离衡量相似度 时，距离越小相似度 越大。 ➢采用相关系数衡量相 似度时，相关程度越 大，相似度越大。
2
二、分类方法
非监督分类（ Unsupervised classification ）： 是在没有先验类别（训练场地）作为样本的条件 下，即事先不知道类别特征，主要根据像元间相 似度的大小进行归类合并（即相似度的像元归为 一类85%，模板需要要重建。
35
三、图像分类中的有关问题
1、未充分利用遥感图像提供的多种信息 只考虑多光谱特征，没有利用到地物空间关系、
图像中提供的形状和空间位置特征等方面的信 息。 统计模式识别以像素为识别的基本单元,未能利 用图像中提供的形状和空间位置特征,其本质是 地物光谱特征分类
（3）多级切割分类法 （4）特征曲线窗口分类法
监督分类的一般步骤
采集训练样本 建立模板 评价模板 初步分类 检验分类
分类后处理 分类特征统计
训练样本选择：
取决于用户对研究区及类别的了解程度。
1）矢量多边形：使用矢量图层；自定义AOI多边形； 2）标志种子象素：利用AOI工具，用十字光标标出 一个象元作为种子象素（seed pixel）代表训练样本， 其相邻象素根据用户指定参数进行比较，直到没有 相邻象元满足要求，这些相似元素通过栅矢转换成 为感兴趣区域。
46
小波分析
小波理论起源于信号处理。由于探测精度的限
制．一般的信号都是离散的，通过分析认为信号是由多
个小波组成的，这些小波代表着不同的频率持征。小波
函数平移、组合形成了小波函数库，通过小波函数库中
区间的变化可以对某些感兴趣的频率特征局部放大，因
此．小波函数被称为数学显微镜。
47
小波分析
小波分析方法的基本思想就是将图像进行多分辨率 分解．分解成不同空间、不同频率的子图像、然后再对子 图像进行系数编码。基于小波分析的图像压缩实质上是对 分解系数进行量化的压缩。
2
二、分类方法
非监督分类（ Unsupervised classification ）： 是在没有先验类别（训练场地）作为样本的条件 下，即事先不知道类别特征，主要根据像元间相 似度的大小进行归类合并（即相似度的像元归为 一类85%，模板需要要重建。
35
三、图像分类中的有关问题
1、未充分利用遥感图像提供的多种信息 只考虑多光谱特征，没有利用到地物空间关系、
图像中提供的形状和空间位置特征等方面的信 息。 统计模式识别以像素为识别的基本单元,未能利 用图像中提供的形状和空间位置特征,其本质是 地物光谱特征分类
（3）多级切割分类法 （4）特征曲线窗口分类法
监督分类的一般步骤
采集训练样本 建立模板 评价模板 初步分类 检验分类
分类后处理 分类特征统计
训练样本选择：
取决于用户对研究区及类别的了解程度。
1）矢量多边形：使用矢量图层；自定义AOI多边形； 2）标志种子象素：利用AOI工具，用十字光标标出 一个象元作为种子象素（seed pixel）代表训练样本， 其相邻象素根据用户指定参数进行比较，直到没有 相邻象元满足要求，这些相似元素通过栅矢转换成 为感兴趣区域。
46
小波分析
小波理论起源于信号处理。由于探测精度的限
制．一般的信号都是离散的，通过分析认为信号是由多
个小波组成的，这些小波代表着不同的频率持征。小波
函数平移、组合形成了小波函数库，通过小波函数库中
区间的变化可以对某些感兴趣的频率特征局部放大，因
此．小波函数被称为数学显微镜。
47
小波分析
小波分析方法的基本思想就是将图像进行多分辨率 分解．分解成不同空间、不同频率的子图像、然后再对子 图像进行系数编码。基于小波分析的图像压缩实质上是对 分解系数进行量化的压缩。
遥感图像的分类课件
通过模拟水流淹没过程，将图像 分割成不同区域，然后对每个区 域进行特征提取和分类。这种方 法能够充分利用图像的形状、纹
理等空间信息。
区域生长法
从种子点开始，根据像素之间的 相似性（如灰度值、纹理等）进 行区域扩展，直到无法再扩展为 止。然后对每个区域进行特征提
取和分类。
随机森林
随机森林是一种集成学习算法， 通过构建多个决策树并结合它们 的预测结果来进行分类。这种方 法能够处理高维特征，并在一定
支持向量机（SVM） SVM是一种二分类模型，通过寻找最优超平面来对像素进 行分类。对于多类别分类问题，可以通过构建多个二分类 器来解决。
K最近邻（KNN） KNN算法根据像素周围K个最近邻的类别来决定该像素的 类别。这种方法考虑了空间上下文信息，通常能够取得较 好的分类效果。
基于对象的分类算法
分水岭算法
遥感图像分类的基本流程
• 流程概述：遥感图像分类的基本流程包括数据预处理、特征提取、分类器设计和分类结果评价四个主要步骤。其中，数据 预处理是对原始遥感图像进行预处理操作，如去噪、增强等，以改善图像质量和提高分类精度；特征提取是从预处理后的 图像中提取出有效的光谱、空间、纹理等特征，为后续分类器设计提供输入；分类器设计是根据提取的特征，选择合适的 算法设计分类器，实现对图像的自动分类；分类结果评价是对分类结果进行评估和分析，以验证分类方法的有效性和可行性。
城市用地分 类
遥感图像分类可用于城市用地类型的 识别与划分，为城市规划提供基础数 据。
城市扩展与变化监测
利用遥感图像分类技术对城市扩展和 变化进行监测，为城市规划和管理提 供科学依据。
遥感图像分类的研究前沿与挑战
深度学习技术应用
将深度学习技术应用于遥感图像分类， 提高分类精度和自动化程度。
理等空间信息。
区域生长法
从种子点开始，根据像素之间的 相似性（如灰度值、纹理等）进 行区域扩展，直到无法再扩展为 止。然后对每个区域进行特征提
取和分类。
随机森林
随机森林是一种集成学习算法， 通过构建多个决策树并结合它们 的预测结果来进行分类。这种方 法能够处理高维特征，并在一定
支持向量机（SVM） SVM是一种二分类模型，通过寻找最优超平面来对像素进 行分类。对于多类别分类问题，可以通过构建多个二分类 器来解决。
K最近邻（KNN） KNN算法根据像素周围K个最近邻的类别来决定该像素的 类别。这种方法考虑了空间上下文信息，通常能够取得较 好的分类效果。
基于对象的分类算法
分水岭算法
遥感图像分类的基本流程
• 流程概述：遥感图像分类的基本流程包括数据预处理、特征提取、分类器设计和分类结果评价四个主要步骤。其中，数据 预处理是对原始遥感图像进行预处理操作，如去噪、增强等，以改善图像质量和提高分类精度；特征提取是从预处理后的 图像中提取出有效的光谱、空间、纹理等特征，为后续分类器设计提供输入；分类器设计是根据提取的特征，选择合适的 算法设计分类器，实现对图像的自动分类；分类结果评价是对分类结果进行评估和分析，以验证分类方法的有效性和可行性。
城市用地分 类
遥感图像分类可用于城市用地类型的 识别与划分，为城市规划提供基础数 据。
城市扩展与变化监测
利用遥感图像分类技术对城市扩展和 变化进行监测，为城市规划和管理提 供科学依据。
遥感图像分类的研究前沿与挑战
深度学习技术应用
将深度学习技术应用于遥感图像分类， 提高分类精度和自动化程度。
关于遥感图像类型与特性课件
遥感影像根据成像方式划分： 光学摄影成像—— 像片（连续） 数字扫描成像—— 图像（离散）
二、遥感图像的类型
根据不同的分类标准，可将遥感图像划分 为不同的类型：
1. 按遥感平台类型划分 2. 按影像记录的电磁波波段划分 3. 按图像比例尺划分 4. 按遥感器成像方式和工作波段划分
4.按遥感器成像方式和工作波段划分
像点位移的规律：
δ h= +_ △h ·r / H ① δh ∝r
② δh ∝±△h
③ δh ∝1 / H
§4.3 光机扫描图像特性
光机扫描图像是由采用分立式多元探测器 阵列的光机扫描遥感器，用光学机械扫描的方 式进行对地覆盖，在运动状态下获取的多波段 遥感图像。
一、光—机扫描图像的空间特性
遥感图像的空间特性主要涉及： 空间分辨率 比例尺 投影性质 几何畸变
⑴ 空间分辨率
空间分辨率——在遥感图像上所能分辨的最 小目标的大小（地面分辨率）。
地面分辨率取决于： 成像遥感器的技术参数 地物的空间特性 地物与背景环境的反差
⑵ 影像比例尺
影像比例尺——影像上某一线段的长度与地面 上相应水平距离的比值。
1.地面覆盖与影像重叠
⑴ 地面覆盖 光机扫描图像对地表的覆盖由三方面作用
实际应用中，须掌握不同遥感影像的投影性 质及影像几何畸变特性，并有效利用遥感影像的 成像规律和特点，从而正确地进行图像处理及解 译分析应用。
① 中心投影
负片（底片） P1
负像
c1
b1 a1
正片（像片）P2
正像
S
a2
c2
b2
f f
H
A
C
B
P1
O1 O1'
O1 、 O2 ——像主点
二、遥感图像的类型
根据不同的分类标准，可将遥感图像划分 为不同的类型：
1. 按遥感平台类型划分 2. 按影像记录的电磁波波段划分 3. 按图像比例尺划分 4. 按遥感器成像方式和工作波段划分
4.按遥感器成像方式和工作波段划分
像点位移的规律：
δ h= +_ △h ·r / H ① δh ∝r
② δh ∝±△h
③ δh ∝1 / H
§4.3 光机扫描图像特性
光机扫描图像是由采用分立式多元探测器 阵列的光机扫描遥感器，用光学机械扫描的方 式进行对地覆盖，在运动状态下获取的多波段 遥感图像。
一、光—机扫描图像的空间特性
遥感图像的空间特性主要涉及： 空间分辨率 比例尺 投影性质 几何畸变
⑴ 空间分辨率
空间分辨率——在遥感图像上所能分辨的最 小目标的大小（地面分辨率）。
地面分辨率取决于： 成像遥感器的技术参数 地物的空间特性 地物与背景环境的反差
⑵ 影像比例尺
影像比例尺——影像上某一线段的长度与地面 上相应水平距离的比值。
1.地面覆盖与影像重叠
⑴ 地面覆盖 光机扫描图像对地表的覆盖由三方面作用
实际应用中，须掌握不同遥感影像的投影性 质及影像几何畸变特性，并有效利用遥感影像的 成像规律和特点，从而正确地进行图像处理及解 译分析应用。
① 中心投影
负片（底片） P1
负像
c1
b1 a1
正片（像片）P2
正像
S
a2
c2
b2
f f
H
A
C
B
P1
O1 O1'
O1 、 O2 ——像主点
遥感图像解译基础PPT课件
17
• 图型：目标地物有规律的排列而成的图形结构。
18
• 布局：物体间的空间配置。物体间一定的位 置关系和排列方式，形成了很多天然和人工 目标特点。
• 位置：地物分布的地点。地理位置和相对位 置。
19
遥感图像目视解译的一般原则
总体观察 综合分析 对比分析 观察方法正确 尊重影象客观实际 解译图象耐心认真 有价值的地方重点分析
狭义：是一门新兴的科学技术，主要指从远距离、 高空以至外层空间的平台上，利用可见光、红外、 微波等探测器，通过摄影或扫描、信息感应、传 输和处理，从而识别地面物质的性质和运动状态 的现代化技术系统。 (《遥感大词典》)
3
遥感和遥感系统——遥感过程
卫星姿态 控制
服务社会
遥感信 息传输
用户
成像机理 与模型
运用专业背景知识，通过肉眼观察，经过综合分 析、逻辑推理、验证检查把遥感图象中所包含的 地物信息提取和解析出来的过程。
10
遥感图像目视解译原理
目视解译是遥感成像的逆过程
地表景观
成像过程
遥感图象
空间结构、时间 特点
化学组分பைடு நூலகம்物理 属性
成像方式、探测 波段
投影方式、时空 因素
大小形状、色调 灰阶
畸变失真、成图 比例
分发
目标提取与识别 (自动化、智能化)
遥感数据处理 (高光谱、高分辨率、……)
多源数据融合与集成 4
遥感系统
遥感系统包括：被测目标的信息特征(目标物）;信息的获 取（遥感平台）;信息的接收与记录、信息的处理（地面接收 站）和信息应用（分析解译）四大部分。
目标物的电磁波特性-----任何目标都具有发射、反射和吸 收电磁波的性质，这是遥感的信息源。目标物与电磁波的相 互作用，构成了目标物的电磁波特性，它是遥感探测的依据。
• 图型：目标地物有规律的排列而成的图形结构。
18
• 布局：物体间的空间配置。物体间一定的位 置关系和排列方式，形成了很多天然和人工 目标特点。
• 位置：地物分布的地点。地理位置和相对位 置。
19
遥感图像目视解译的一般原则
总体观察 综合分析 对比分析 观察方法正确 尊重影象客观实际 解译图象耐心认真 有价值的地方重点分析
狭义：是一门新兴的科学技术，主要指从远距离、 高空以至外层空间的平台上，利用可见光、红外、 微波等探测器，通过摄影或扫描、信息感应、传 输和处理，从而识别地面物质的性质和运动状态 的现代化技术系统。 (《遥感大词典》)
3
遥感和遥感系统——遥感过程
卫星姿态 控制
服务社会
遥感信 息传输
用户
成像机理 与模型
运用专业背景知识，通过肉眼观察，经过综合分 析、逻辑推理、验证检查把遥感图象中所包含的 地物信息提取和解析出来的过程。
10
遥感图像目视解译原理
目视解译是遥感成像的逆过程
地表景观
成像过程
遥感图象
空间结构、时间 特点
化学组分பைடு நூலகம்物理 属性
成像方式、探测 波段
投影方式、时空 因素
大小形状、色调 灰阶
畸变失真、成图 比例
分发
目标提取与识别 (自动化、智能化)
遥感数据处理 (高光谱、高分辨率、……)
多源数据融合与集成 4
遥感系统
遥感系统包括：被测目标的信息特征(目标物）;信息的获 取（遥感平台）;信息的接收与记录、信息的处理（地面接收 站）和信息应用（分析解译）四大部分。
目标物的电磁波特性-----任何目标都具有发射、反射和吸 收电磁波的性质，这是遥感的信息源。目标物与电磁波的相 互作用，构成了目标物的电磁波特性，它是遥感探测的依据。
遥感导论电子课件.pptx
返回
阴影
阴影：不同遥感影像中的阴影解译是不同的。可见光遥感：指影像上目标物，因阻挡阳光直射而出现的影子。分为本影和落影（P147）。阴影可使地物有立体感，有利于地貌的判读。根据阴影的形状、长度可判断地物的类型和量算其高度。热红外图像：阴影是由于温度差异所形成的。分为冷阴影和热阴影。（见P152）侧视雷达：微波影像上无回波区。主要由于地形起伏造成。（P167）
1.黑白全色和红外像片解译
反射率高（低）
色调白（黑）
2.彩色和彩红外像片解译：
真彩色像片
地物的天然色彩
基本反映
①认真了解红外彩色片感光材料的特性和成像原理；②熟悉各种地物在可见光和近红外光波段的反射光谱特性；③建立地物的反射光谱特性与红外彩色片中地物假彩色的对应关系；④建立彩红外像片其它判读标志；⑤遵循遥感解译步骤与方法对彩红外像片进行解译。
目视解译的生理基础
目视解译的心理基础
人类心理特点在遥感图像解译中也存在着影响，这些特点包括：1.遥感图像解译过程中，在同一时刻中只有一种地物是目标地物，图像的其余部分则是作为目标地物的背景出现，此时人类注意力集中在目标地物上。2.目标地物识别时，目视者过去的经验与知识结构对目标物体的确认具有导向作用。因此，遥感图像上同一个目标地物，不同的解译者可能会得出不同的结论。3.心理惯性对目标地物的识别具有一定影响。在观察目标地物的图形结构时，空间分布比较接近的物体，图形要素容易构成一个整体。4.观察的时效性。实验证明，遥感图像辨识需要一段时间，这期间内，目视者先区分目标地物和背景，然后辨认目标的细节，最后构成一个完整的图像知觉，为了正确地辨认图像中的目标地物，需要一个最低限度的时间才能够完成。
返回
5.2 遥感图像目视解译基础
1.遥感摄影像片的判读2.遥感扫描影像的判读3.微波影像的判读4.立体观察5.目视解译方法6.目视解译基本程序与步骤
阴影
阴影：不同遥感影像中的阴影解译是不同的。可见光遥感：指影像上目标物，因阻挡阳光直射而出现的影子。分为本影和落影（P147）。阴影可使地物有立体感，有利于地貌的判读。根据阴影的形状、长度可判断地物的类型和量算其高度。热红外图像：阴影是由于温度差异所形成的。分为冷阴影和热阴影。（见P152）侧视雷达：微波影像上无回波区。主要由于地形起伏造成。（P167）
1.黑白全色和红外像片解译
反射率高（低）
色调白（黑）
2.彩色和彩红外像片解译：
真彩色像片
地物的天然色彩
基本反映
①认真了解红外彩色片感光材料的特性和成像原理；②熟悉各种地物在可见光和近红外光波段的反射光谱特性；③建立地物的反射光谱特性与红外彩色片中地物假彩色的对应关系；④建立彩红外像片其它判读标志；⑤遵循遥感解译步骤与方法对彩红外像片进行解译。
目视解译的生理基础
目视解译的心理基础
人类心理特点在遥感图像解译中也存在着影响，这些特点包括：1.遥感图像解译过程中，在同一时刻中只有一种地物是目标地物，图像的其余部分则是作为目标地物的背景出现，此时人类注意力集中在目标地物上。2.目标地物识别时，目视者过去的经验与知识结构对目标物体的确认具有导向作用。因此，遥感图像上同一个目标地物，不同的解译者可能会得出不同的结论。3.心理惯性对目标地物的识别具有一定影响。在观察目标地物的图形结构时，空间分布比较接近的物体，图形要素容易构成一个整体。4.观察的时效性。实验证明，遥感图像辨识需要一段时间，这期间内，目视者先区分目标地物和背景，然后辨认目标的细节，最后构成一个完整的图像知觉，为了正确地辨认图像中的目标地物，需要一个最低限度的时间才能够完成。
返回
5.2 遥感图像目视解译基础
1.遥感摄影像片的判读2.遥感扫描影像的判读3.微波影像的判读4.立体观察5.目视解译方法6.目视解译基本程序与步骤
《遥感基本知识》课件
详细描述
遥感技术通过卫星或飞机搭载的传感 器收集地面环境数据，如空气质量指 数、水质参数等，为环境保护部门提 供实时、大范围的环境监测信息。
城市规划
总结词
遥感技术为城市规划提供空间信 息和地理数据支持。
详细描述
在城市规划过程中，遥感数据可 以用于分析城市空间布局、土地 利用变化、城市扩张等方面，为 城市规划决策提供科学依据。
农业管理
总结词
遥感技术有助于农业生产的监测和管理。
详细描述
遥感技术能够实时监测作物生长状况、土壤湿度、病虫害等，为农业生产提供 科学指导，提高农业生产效率和产量。
地质调查
总结词
遥感技术在地质调查中发挥重要作用，可进行矿产资源调查 和地质灾害预警。
详细描述
通过遥感技术获取的地质信息，可以分析矿产分布、地质构 造等信息，同时对地质灾害如滑坡、泥石流等进行预警，减 少灾害损失。
图像分类与识别
监督分类
基于训练样本对遥感图像进行 分类，如支持向量机、决策树
等算法。
非监督分类
利用聚类算法对遥感图像进行 分类，无需预先确定类别。
面ห้องสมุดไป่ตู้对象分类
将遥感图像中的对象作为基本 单元进行分类，具有更高的分 类精度和稳定性。
目标识别
利用计算机视觉技术对遥感图 像中的特定目标进行识别和检
测，如建筑物、车辆等。
04
遥感技术的发展趋势
高光谱遥感
总结词
高光谱遥感技术利用了大量的光谱信息，能够更精确地识别和分类地物，提高了 遥感数据的分辨率和准确性。
详细描述
高光谱遥感技术通过获取地物在不同光谱波段的反射和辐射信息，能够识别出更 多的地物特征和属性。这种技术能够提供更丰富的地物信息，有助于更好地理解 地球表面的生态系统和环境变化。
遥感技术通过卫星或飞机搭载的传感 器收集地面环境数据，如空气质量指 数、水质参数等，为环境保护部门提 供实时、大范围的环境监测信息。
城市规划
总结词
遥感技术为城市规划提供空间信 息和地理数据支持。
详细描述
在城市规划过程中，遥感数据可 以用于分析城市空间布局、土地 利用变化、城市扩张等方面，为 城市规划决策提供科学依据。
农业管理
总结词
遥感技术有助于农业生产的监测和管理。
详细描述
遥感技术能够实时监测作物生长状况、土壤湿度、病虫害等，为农业生产提供 科学指导，提高农业生产效率和产量。
地质调查
总结词
遥感技术在地质调查中发挥重要作用，可进行矿产资源调查 和地质灾害预警。
详细描述
通过遥感技术获取的地质信息，可以分析矿产分布、地质构 造等信息，同时对地质灾害如滑坡、泥石流等进行预警，减 少灾害损失。
图像分类与识别
监督分类
基于训练样本对遥感图像进行 分类，如支持向量机、决策树
等算法。
非监督分类
利用聚类算法对遥感图像进行 分类，无需预先确定类别。
面ห้องสมุดไป่ตู้对象分类
将遥感图像中的对象作为基本 单元进行分类，具有更高的分 类精度和稳定性。
目标识别
利用计算机视觉技术对遥感图 像中的特定目标进行识别和检
测，如建筑物、车辆等。
04
遥感技术的发展趋势
高光谱遥感
总结词
高光谱遥感技术利用了大量的光谱信息，能够更精确地识别和分类地物，提高了 遥感数据的分辨率和准确性。
详细描述
高光谱遥感技术通过获取地物在不同光谱波段的反射和辐射信息，能够识别出更 多的地物特征和属性。这种技术能够提供更丰富的地物信息，有助于更好地理解 地球表面的生态系统和环境变化。
《遥感原理》课件
《遥感原理》PPT课件
遥感是研究通过非接触手段获取地物信息的技术和方法，本课件将介绍遥感 的原理、常用技术、数据处理流程和在各个领域的应用。
遥感理论概述
遥感理论是关于如何利用传感器从远距离侦测地球表面信息的学科，涵盖光学、电磁波段、辐射 和传感器等知识。
1 光学遥感
利用可见光、红外线 等电磁波段进行观测 和测量，获取地球表 面的信息。
2 微波遥感
利用微波波段的电磁 波进行观测和测量， 适用于大气、土壤和 植被等应用。
3 雷达遥感
利用雷达信号进行扫 描和测量，适用于地 形、海洋和冰雪等领 域的研究。
常用遥感技术简介
多光谱遥感
利用多个窄波段的传感器 观测和测量，用于地物分 类、植被监测和环境质量 评估。
高光谱遥感
利用连续窄波段的传感器 获取详细的光谱信息，用 于农作物监测、矿产资源 勘查和环境变化研究。
污染监测
森林监测
利用遥感技术监测大气、水 体和土壤等环境中的污染物。
通过遥感数据监测和评估森 林覆盖变化和采伐活动。
城市扩张
利用卫星影像观测城市的扩 张过程和土地利用变化。
遥感在资源调查中的应用
矿产资源调查
利用遥感数据进行矿产资源的勘查、预测和评估，提高资源利用效率。
水资源调查
通过遥感技术监测和评估水资源的分布、变化和利用情况。
合成孔径雷达 （SAR）
利用合成孔径雷达传感器 获取高分辨率的雷达图像， 适用于地物形态分析和表 面运动监测。
遥感图像处理流程
1
数据校正
2
将图像数据转化为可用的遥感参数，
如植被指数和地表温度。
3
分类与识别
4
将图像像素进行分类和判别，生成
遥感是研究通过非接触手段获取地物信息的技术和方法，本课件将介绍遥感 的原理、常用技术、数据处理流程和在各个领域的应用。
遥感理论概述
遥感理论是关于如何利用传感器从远距离侦测地球表面信息的学科，涵盖光学、电磁波段、辐射 和传感器等知识。
1 光学遥感
利用可见光、红外线 等电磁波段进行观测 和测量，获取地球表 面的信息。
2 微波遥感
利用微波波段的电磁 波进行观测和测量， 适用于大气、土壤和 植被等应用。
3 雷达遥感
利用雷达信号进行扫 描和测量，适用于地 形、海洋和冰雪等领 域的研究。
常用遥感技术简介
多光谱遥感
利用多个窄波段的传感器 观测和测量，用于地物分 类、植被监测和环境质量 评估。
高光谱遥感
利用连续窄波段的传感器 获取详细的光谱信息，用 于农作物监测、矿产资源 勘查和环境变化研究。
污染监测
森林监测
利用遥感技术监测大气、水 体和土壤等环境中的污染物。
通过遥感数据监测和评估森 林覆盖变化和采伐活动。
城市扩张
利用卫星影像观测城市的扩 张过程和土地利用变化。
遥感在资源调查中的应用
矿产资源调查
利用遥感数据进行矿产资源的勘查、预测和评估，提高资源利用效率。
水资源调查
通过遥感技术监测和评估水资源的分布、变化和利用情况。
合成孔径雷达 （SAR）
利用合成孔径雷达传感器 获取高分辨率的雷达图像， 适用于地物形态分析和表 面运动监测。
遥感图像处理流程
1
数据校正
2
将图像数据转化为可用的遥感参数，
如植被指数和地表温度。
3
分类与识别
4
将图像像素进行分类和判别，生成
遥感图像几何校正 ppt课件
但此法需要高程信息，且在一幅图像中，受传感器位置和姿态 的影响，其外方位元素的变化规律只能近似表达，因此有一定 的局限性，使其在理论上的严密性难以严格保证，所以相对于 多项式法，其精度提高并不明显，而且计算量较大。
X Y
FX FY (
(x, y x, y)
)
直接法：由x,y求出X,Y
ppt课件
33
但用直接法（正解法）得到的纠正图像上的像点不 是规则排列，有的可能重复，有的可能无像点，难 以获取规则排列的数字图像，所以常采用间接法 （反解法）纠正图像。
ppt课件
34
（二）间接校正法
从校正后图像出发，按一定换算关系反求算出原始图像上像点坐标.
TM数据（30米），GPS精度应在10－20米之间； SPOT数据（5－10米）， GPS精度应在亚米级； 更高的校正精度要求，宜用差分GPS来获取坐标。
但使用GPS测量要注意投影问题。GPS使用的是WGS84经纬 度投影，在使用前可能要进行投影转换。
地面控制点的地理坐标必须与投影要求一致，否则会带来较 大误差。
设任意像元在原始图像和纠正后图像中的坐标分别为(x,y)和 (X,Y),即(x,y)为原始坐标，(X,Y)为纠正后坐标:
x Gx ( X ,Y ) y Gy ( X ,Y )
间接法:由X,Y求出x,y
ppt课件
35
灰度内插：
不管是直接法还是间接法，求出新的像点位置后，都要通过 灰度内插法求出该位置的灰度值。
值时，就需要由采样点（已知像素）内插，称为重采样。 其附近像素（采样点）的灰度值对被采样点的影响的大小可
以用重采样函数来表达。 常用的方法有四种：（下面具体介绍）
X Y
FX FY (
(x, y x, y)
)
直接法：由x,y求出X,Y
ppt课件
33
但用直接法（正解法）得到的纠正图像上的像点不 是规则排列，有的可能重复，有的可能无像点，难 以获取规则排列的数字图像，所以常采用间接法 （反解法）纠正图像。
ppt课件
34
（二）间接校正法
从校正后图像出发，按一定换算关系反求算出原始图像上像点坐标.
TM数据（30米），GPS精度应在10－20米之间； SPOT数据（5－10米）， GPS精度应在亚米级； 更高的校正精度要求，宜用差分GPS来获取坐标。
但使用GPS测量要注意投影问题。GPS使用的是WGS84经纬 度投影，在使用前可能要进行投影转换。
地面控制点的地理坐标必须与投影要求一致，否则会带来较 大误差。
设任意像元在原始图像和纠正后图像中的坐标分别为(x,y)和 (X,Y),即(x,y)为原始坐标，(X,Y)为纠正后坐标:
x Gx ( X ,Y ) y Gy ( X ,Y )
间接法:由X,Y求出x,y
ppt课件
35
灰度内插：
不管是直接法还是间接法，求出新的像点位置后，都要通过 灰度内插法求出该位置的灰度值。
值时，就需要由采样点（已知像素）内插，称为重采样。 其附近像素（采样点）的灰度值对被采样点的影响的大小可
以用重采样函数来表达。 常用的方法有四种：（下面具体介绍）
- 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)。
2020/4/4
29 29
Canny 边缘检测结果
2020/4/4
7X7高斯滤波模板 13X13高斯滤波模板
30 30
Canny 边缘检测结果
2020/4/4
31 31
*
小波边缘检测算法
基于小波分析的边缘检测算法总结如下： （1）对原始图像进行多级小波分解，得到多尺度的模
图像。 （2）计算并记录小波变换域中模为局部最大值的点。 （3）通过自适应阈值法进行阈值处理，得到多尺度的
2020/4/4
5 5
2020/4/4
7 7
2020/4/4
10 10
2020/4/4
11 11
2020/4/4
14 14
2020/4/4
15 15
1 遥感图象光谱特征描述
2020/4/4
16 16
*
地物光谱特征
植被 水体
2020/4/4
17 17
不同植物类型的区分
2020/4/4
共生矩阵 罗氏纹理能量 自相关 局部二元模式
2020/4/4
43 43
*
共生矩阵方法概述
在图像上任意取一点A(x,y),以及偏离它的另一 点(x+a,y+b),设A点对的灰度值为(f1,f2)。
然后再令A点(x,y)在整幅图像上移动，则会得 到各个(f1,f2)及偏离点(x+a,y+b)的(f1,f2)值。
意图
24
24
边缘检测方法
传统边缘检测方法:Roberts算子、 Sobel算子、 高斯-拉普拉斯算子等
Canny边缘检测 小波多尺度边缘检测 …
2020/4/4
25 25
Canny 边缘检测器的实现
1）求图像与高斯平滑滤波器卷积:
S[i, j] G[i, j; ] I[i, j]
2）使用一阶有限差分计算偏导数的两个阵列P与Q：
边界图像。 （4）进行逆小波变换，得到边界图像。
2020/4/4
32 32
飞机与其边缘图
2020/4/4
33 33
直线检测算法
Hough变换检测直线
Hough变换利用图像空间和Hough参数空间的点－线对 偶性，把图像空间中的检测问题转换到参数空间。通 过在参数空间里进行简单的累加统计，然后在Hough参 数空间寻找累加器峰值的方法检测直线。
19 19
*
水体的光谱特征
2020/4/4
20 20
*
水体的光谱特征
黄河水（泥沙含量960mg/L) 长江水（92.5mg/L)
湖水（47.9mg/L)
2020/4/4
21 21
2 遥感图象边缘特征描述
2020/4/4
22 22
*
边缘
边缘是指周围像素灰度有阶跃变化 或屋顶变化的那些像素的集合。 Poggio指出:“边缘或许对应着图像 中物体（的边界）或许并没有对应 着图像中物体（的边界）,但是边缘 具有十分令人满意的性质,它能大大 地减少所要处理的信息但是又保留 了图像中物体的形状信息”
统计方法
利用灰度值的空间分布这一特性，提出了一大批的 纹理统计方法与统计特征。
几何方法
纹理元构成纹理。
模型方法
通过模型参数来定义纹理，模型的参数决定着纹理 的质量。
信号处理方法（基于数学变换）
括空间域滤波、傅立叶滤波、Gabor和小波变换等。
2020/4/4
42 42
*
统计方法的分类
[i, j] Sector([i, j])
在每一点上，邻域的中心象素M与沿着梯度线的两
个象素相比。如果M的梯度值不比沿梯度线的两个
相邻象素梯度值大，则令M=0
2020/4/4
28 28
(5) 滞后阈值化
由于噪声的影响，对图像中单个边缘的错误响应，经常 会导致本应连续的边缘出现断裂的问题。这个问题可 以利用滞后阈值化加以解决。如果任何像素对边缘算 子的响应超过高阈值，将这些像素标记为边缘；响应 超过低阈值的像素，如果与已经标为边缘的像素4－邻 接或8－邻接，则将这些像素也标记为边缘，这个过程 反复迭代，剩下的孤立的响应超过低阈值的像素则视 为噪声，不再标记为边缘。这两个阈值根据信噪比确 定。
2020/4/4
34 34
变换前
2020/4/4
变换后
35 35
利用Hough变换提取桥梁
2020/4/4
(a) 原图
(b) 分割后图像
图4-4 Hough变换的对桥梁的分割结果
36 36
相位编组直线检测
原理：利用梯度方向获取直线支撑区。
2020/4/4
37 37
实验结果：
图一：原 始图像
*
遥感图象的特征描述
光谱特征 边缘特征 纹理特征 形状特征 …
2020/4/4
1 1
2020/4/4
2 2
2020/4/4
3 3
2020/4/4
4 4
大小(size)，指地物尺寸、面积、体积在 图象上的记录。它是地物识别的重要标 志。它直观地反映目标相对于其它目标 的大小。若提供图象的比例尺或空间分 辨率，则可直接测得目标的长度、面积 等定量信息。
2020/4/4
23 23
* 常见的边缘类型
(1) 阶跃不连续，理论曲线 即图像强度在 不连续处的两 边的像素灰度 实际曲线 值有着显著的 差异；
(2) 线条不连续， 即图像强度突 然从一个值变 化到另一个值， 保持一较小行 程后又回到原 来的值．
2020/4/4
(a)阶跃函数
(b)线条函数
两种常见的边缘一阶导数和二阶导数示
P[i, j] (S[i, j 1] S[i, j] S[i 1, j 1] S[i 1, j]) / 2 Q[i, j] (S[i, j] S[i 1, j] S[i, j 1] S[i 1, j 1]) / 2
3）幅值和方位角:
M i, j P[i, j]2 Q[i, j]2
图二：白 色表示线 支持区域
2020/4/4
图三：最小二乘拟 合结果
38 38
3 遥感图象纹理特征描述
2020/4/4
39 39
纹理的概念
(a)
(b)
(a) 人工纹理； （b）自然纹理
2020/4/4
40 40
纹理信息提取
将特定的纹理区域用一定规则提取出来
2020/4/4
41 41
*
目前的纹理提取技术的分类
[i, j] arctan(Q[i, j] / P[i, j])
0/4/4
27 27
*
4）非极大值抑制（NMS ） ：
细化幅值图像中的屋脊带，即只保留幅值局部变化最大的 点。
*将梯度角的变化范围减小到圆周的四个扇区之一， *方向角：
*幅值： Ni, j NMS( M[i, j], [i, j])