第四章航天遥感重点课件.ppt

第四章 航天遥感陆地卫星,第一节 陆地卫星1.发射时间和传感器：美国国家航空航天局（NASA）在1967年制定了“地球资源技术卫星”计划ERTS），1975年ERTS-2发射前，改为“陆地卫星”计划（LANDSAT），共发射了7颗卫星，到1983年陆地卫星14停止使用，Landsat-5仍在使用，Landsat-6于1993年10月5日发射，两天后失踪。Landsat-7于1999年发射。,第四章 航天遥感陆地卫星,2.陆地卫星上的传感器 反束光摄象机（RBV）RBV1：绿通道，0.4750.575m，（蓝、绿光波段），RBV2：红通道，0.5800.680m，（黄、红光波段），RBV3：深红近红外通道，0.6900.830m，（红、近红外波段）以上三个传感器的地面分辨力8080m，Landsat1-2用 RBV1-2：全色波段，0.5050.750m，地面分辨力3838m（4040m），Landsat-3用。多光谱扫描仪（MSS）：,第四章 航天遥感陆地卫星,专题制图仪（TM）第二代多光谱光学机械扫描仪，在MSS基础上改进和发展的。Landsat-5为双向扫描共七个通道。TM1-5和TM7为30m30m的地面分辨力，TM6为120m120m。Landsat-7 ETM+有八个通道，增加的全色波段分辨率为15m，TM6提高到60m60m。TM和ETM+波段范围和地面分辨率,第四章 航天遥感陆地卫星,3.陆地卫星的运行特征 近极地，近圆形太阳同步轨道。回归周期（重复周期）：Landsat1-3为18天，Landsat4-7为16天。扫描宽度：185km185km。轨道高度：Landsat1-3为905.5km（近地）/918km（远地）Landsat4-7为705km。后续系列:Resource 21计划 2005年发射。,第四章 航天遥感陆地卫星,表1.美国陆地卫星及其遥感器的概况,第四章 航天遥感陆地卫星,表1.美国陆地卫星及其遥感器的概况,第四章 航天遥感法国SPOT卫星,第二节 地球观测实验卫星（SPOT）法国及比利时、瑞典等欧共体国家设计研制，1986年2月22日由法国的阿丽安娜（Ariane）火箭送入太空，代号为SPOT-1。SPOT卫星研制起步较晚，但由于采用了具有特色的设计思想和技术，其很快在民用对地观测领域占有一席之地。其特点是有斜向扫描，能立体成像。1.传感器：SPOT1：两台相同的高分辨力可见光扫描仪（HRV），轨道为圆形、近极地太阳同步轨道，回归周期为26天。SPOT2：两台HRV，一台固体测高仪（DoRIS）。SPOT3：两台改进型HRV，一台DoRIS，一台极地臭氧和气溶胶测量仪（PoAM-）。SPOT4：两台HRVIR，加载一个植被探测仪（Vegetation）。SPOT5：两台HRG，一台HRS，加载一个植被探测仪（Vegetation），。,第四章 航天遥感法国SPOT卫星,2.HRV的光谱段：（4个通道）多谱段（相对于TM2，TM3，TM4）：XS10.500.59m（绿）XS20.610.68m（红）XS30.790.89m（近红外）全色波段：P0.510.73m（绿深红），不含青、蓝、紫。3.HRV地面分辨力：多谱段：2020（mm）全色波段：1010（mm）4.地面幅宽：6060（kmkm）（垂直观测图象）5.轨道：近极地圆形太阳同步轨道，轨道高度839km左右6.SPOT的产品：按处理质量标准分为四级五等，由低精度到高精度依次为：1A，1B，2，3，4，S。7.目前运行状态:SPOT-3失效，SPOT-1关闭(节省运行费用)SPOT-2/4/5在轨运行,第四章 航天遥感法国SPOT卫星,表2.法国SPOT卫星及其传感器概况,第四章 航天遥感法国SPOT卫星,8.与Landsat系列相比，SPOT系列有如下特点:几何分辨率高，SPOT5可高达2.5米 使用CCD传感器 运行在相同的轨道，形成星座 维持三颗星在轨运行，保证时间分辨率,第四章 航天遥感印度IRS系列卫星,第三节 印度IRS系列卫星 1988年印度发射第一颗IRS卫星，此后又发射了多颗IRS系列卫星。1994年发射的IRS-P2有一波谱的空间分辨率达到5.8m。目前中国卫星地面站代理IRS-1C，1D数据，卫星回归周期为24天。,表3.印度IRS卫星及其传感器概况,第四章 航天遥感其它地球资源卫星,第四节 其它地球资源卫星1.加拿大Radarsat系列卫星:加拿大在对地观测方面，独辟蹊径，将目标瞄准在雷达卫星。1980年列入计划，1989年开始研制Radarsat-1，1995年发射入轨。Radarsat运行在太阳同步轨道上，其传感器为合成孔径雷达（SAR），多谱段扫描仪、先进甚高分辨力辐射计和非成像的散射计。Radarsat SAR工作非常灵活，用户可选择入射角、分辨率和幅宽。其入射角可选20-50，分辨率可选10-100m，幅宽可选45-500km。寿命设计为5年，已使用至今。其特点是工作不受时间和气候条件的限制，能够全天时，全天候的工作。,第四章 航天遥感其它地球资源卫星,2.日本的地球资源卫星（JERS）系列：（1）JERS-1：1992.2.11发射。传感器有：VNR（可见光近红外辐射计）光学传感器,地面分辨率18m24m SWIR（短波红外辐射计）SAR（合成孔径雷达）：地面分辨率为18m18m。（2）ADEOS（先进的地球观测卫星）系列：ADEOS-1：1996.8.17发射，载有七台传感器：AVNIR（16m16m，8m8m）、OCTS（700m700m）、NSCAT、IMG、ILAS、TOMS、POLDER。ADEOS-2：1999.3发射。3.俄罗斯的地理资源卫星：“资源卫星”系列：低轨道“粗制钻石”（ALMAZ）卫星系列,第四章 航天遥感我国的地球资源卫星,第五节 我国的地球资源卫星（CBERS）中国和巴西联合研制的中巴地球资源卫星即资源一号卫星，于1999年10月14日发射成功。经过在轨测试后转入应用运行阶段。由北京、广州和乌鲁木齐三个地面接收站接收该卫星获取的我国境内的遥感数据。所接收影像的地面分辨率分别有19.5m、78m、256m等三种。资源二号卫星现已在轨运行，这将会为我国遥感事业的发展以及在国民生活中的应用提供地面分辨率更高的卫星影像。中巴地球资源卫星（CBERS）主要是立足于国内的技术基础研制的。它兼有SPOT-1和Landsat 4的主要功能。太阳同步轨道，平均轨道高度:778 km，卫星寿命2年，回归周期为26天，,第四章 航天遥感我国的地球资源卫星,表4.中巴卫星（CBERS）及其传感器概况,第四章 航天遥感其它卫星传感器,第六节 其他卫星传感器 以上介绍的均为陆地卫星，此外还有：美国的海洋卫星SEASAT，气象卫星NOAA；日本的海洋观测卫星MOS-1，MOMO-1，欧洲遥感卫星ERS，中国“长征二号”火箭运载返回式RS卫星、气象卫星FY-1，2。FY-1：1.1km1.1km，两台AVHRR，每台5个通道。通道14每24小时覆盖全球 一次，通道5每12小时覆盖全球一次。FY-2：可见光通道、热红外通道、水汽通道。每半小时出一幅覆盖地球表面 1/3的云图。,NOAAAVHRR 的主要参数和应用,第四章 航天遥感高分辨率卫星及其传感器,第六节 高分辨率卫星及其传感器1.依科诺斯（IKONOS）依科诺斯卫星是美国Spaceimage公司于1999年9月发射的高分辨率商用 卫星，卫星飞行高度680km，每天绕地球14圈，星上装有SpaceImaging空间 成像仪扫描宽度为11km，可采集1m分辨率的黑白影像和4m分辨率的多波段(红、绿、蓝、近红外)影像，重访周期为3天。由于其分辨率高、覆盖周期 短，故在军事和民用方面均有重要用途。2.快鸟（QuickBird）美国EarthWatch卫星搭载的传感器，共有5个波段，其中4个多谱段，1 个全色波段，光谱范围为450nm900nm，空间分辨率最高可达0.61米。3.轨道观测一号（Orb View-1）美国Orbital Sciences卫星的 Orb View-1，卫星轨道高度为460km，共有5个波段，其中4个多谱段（8米分辨率），1个全色波段（1米、2米分 辨率），光谱范围与QuickBird相同。以上为典型的高空间分辨率卫星及搭载的传感器。,第四章 航天遥感高分辨率卫星及其传感器,IKONOS 卫星及其传感器主要成像参数,第四章 航天遥感高分辨率卫星及其传感器,QuickBird 传感器主要成像参数,第四章 航天遥感高分辨率卫星及其传感器,4.成像光谱技术：多光谱（Multispectral）：光谱分辨率在10-1m数量级范围内，传感器在可见光和近红外范围内 仅有工作几个波段，如美国的陆地卫星TM和法国的SPOT等。高光谱（Hyperspectral）：光谱分辨率在10-2m数量级范围内，且波段的连续性强，在可见光到 近红外光谱区光谱通道多达数十个甚至上百个，能够对目标成像又可以测 定目标物的波谱特性，可以极大地提高地物类型的识别能力，并反演一些 定量的地物参数，如植物的理化特性。,第四章 航天遥感高分辨率卫星及其传感器,成像光谱技术：是目前高光谱技术的核心技术，它将成像技术和光谱技术结合在一起，在对对象进行光谱特征成像的同时，对每个象元经色散分光形成几十个甚 至上百个窄波段以进行连续的光谱覆盖，获得的图象同时包含丰富的空间、辐射和光谱三重信息。目前，世界上一些发达国家都在研制成像光谱卫星。MODIS（Moderate Resolution Imaging Spectroradiometer）：美国EOS计划中的成像光谱仪，是Terra卫星（以前叫EOS AM-1）所带的5个 传感器之一，每12天可以覆盖全球一次，具有对全球观测的能力。有36个谱段，按不同的应用目的（陆地、海色、大气水蒸汽、大 气温度等）分为11个大类，波谱范围从 0.4 m 到 14.4 m 空间分辨率：250m（band 1-2），500（band 3-7），1000m（band 8-36）除Terra外，Aqua（原名EOS-PM）也装有MODIS传感器。Terra上午10:30由北向南（降轨）过赤道；Aqua下午1:30由南向北（升轨）过赤道 数据政策：免费,第四章 航天遥感高分辨率卫星及其传感器,由NASA主要研制的EO-1高光谱卫星，星上搭载了先进陆地成像仪ALL和高光谱成像仪Hyperi m，光谱范围在0.42.5m，共有486个波段，空间分辨率为30米。此外还有Orbview-4、NEMO、ASTER，欧空局的MERIS和澳大利亚的ARIES卫星等，标志着成像光谱技术已经达到了实用化阶段。5.当前美国民用对地观测卫星的限定政策全色：0.5m空间分辨率多光谱：2m空间分辨率高光谱：产品8m分辨率，原始数据20m分辨率SAR：3m分辨率,第四章 航天遥感复习思考题,1了解Landsat ETM+的光谱段和地面分辨力特征、回归周期、扫描宽度等。2了解SPOTHRVIR,HRG的光谱段和地面分辨力特征、回归周期、扫描宽度3了解NOAA-AVHRR、IRS、CBERS、IKONOS、QUICKBIRD、MODIS等卫星传感 器的特点。,第五章 遥感数字图象处理数字图象与数字图象处理系统,第一节 数字图象与数字图象处理系统1.数字图象与模拟图象：对模拟图象进行采样获得数字图象。模拟图象：灰度和颜色连续变化；数字图象：模拟图象经采样和量化后成为一幅由一系列灰度值不连续的、按行列有规律地排列的像元组成的图象。模拟图象到数字图象的转化（A/D转换）：包括采样和量化两个过程：采样：位置离散化，将模拟图象按纵横两方向分割为若干个形状、大小 相同的像元，即等间隔取样成离散值，各像元的位置其所在的行 和列表示，一幅图象可以表示成一个矩阵；采样周期：相邻两个像元中心的间距。香农（Shannon）采样原理：以模拟波形中所含最大频率的倒数的1/2为 周期进行采样，将不产生信息的损失。,第五章 遥感数字图象处理数字图象与数字图象处理系统,量化：以每个像元的平均灰度或中心部分的灰度作为该像元的灰度值的 处理过程。数字图象中的像元值可以是整型、实型和字节型。为了节省存储空间，字节型最常用，即每个像元亮度记录为一个字节（byte），8bit。2.数字图象处理系统：数据输入：各种数据格式图象输入、变换。彩色合成：分析信息量，选择合理的彩色合成方案。数据处理：校正：辐射校正、几何校正。图象增强：频域和空域增强，包括彩色增强、反差增强、比值增强、滤波等等。再生（复原）：平滑等。变换：增强变换、主成分变换。分类：有监分类、无监分类。制图输出：比例尺变换、注记、公里网、叠加矢量图、图象格式变换等。,第五章 遥感数字图象处理数字图象与数字图象处理系统,3.遥感数字图象处理的优点：原始信息精确保存：无论拷贝多少次，原始数据都能精确保存下来；处理的可重复性：用同一种方法对同一图象进行处理多次，都可以得到 相同的效果；能充分利用遥感图象信息：对图象灰度可分解为多级，可以检测出图象 的微小细节，并能对图象信息作定量分析；处理周期短，速度快，适于进行动态分析，和各种处理方法进行比较；处理方法多样：以数学理论为基础，方法广泛；便于提取特征信息；图象处理的结果可以直接以数字化形式提供给用户，或无限度可重复输出。,第五章 遥感数字图象处理图象预处理,第二节 图象预处理1.必要性:传感器获得和记录的遥感信息是经过概括和简化了的不连续的瞬时二维 平面的信息，由于：传感器本身的缺陷；平台的姿态；感知和传输中大气的影响；地形的影响以及其它因素的干扰 获得的遥感数据含有光谱和几何特征上的失真和畸变。因此，原始的遥感数 据必须经过预处理，消除几何和光谱畸变，即通过必要步骤进行图象复原。图像的复原旨在消除图像在整个成像过程中产生的像质褪化和各种畸变，尽可能使图像恢复到更接近于客观实体的真实图像。,第五章 遥感数字图象处理图象预处理,2.信息源与最佳时相的选择：选择依据：主要是根据应用目标和范围确定遥感数据源。在一定应用目标和要求下，主要是考察：遥感数据的空间分辨力；遥感数据的时间分辨力；遥感图象的光谱分辨力；一次成像的覆盖范围和价格等等。例如：在区域森林火灾和病虫害等宏观监测中，NOAA-AVHRR、Landsat TM都是合 适的遥感信息源；在中等区域或流域的中观调查和监测中，Landsat TM、SPOT等可以作为主 要信息源；在局部或典型地区的微观调查、规划和监测中，可以应用高分辨率的 IKONOS、IRS、Quick Bird等信息源。,第五章 遥感数字图象处理图象预处理,基本原则：能够识别不同类型的信息；提取的信息满足应用所需的精度并且反映准确的空间位置和特征；对于动态监测，能够获得与监测周期相一致的时间序列信息；最佳时相的选择：由于不同时期太阳辐射、气候、植被覆盖、土壤水分等环境因素的变化，造成地物电磁辐射的差异，因此地物在不同时间内光谱和空间特征具有明显的变化规律，反映在遥感影像上，各种地物的光谱和几何特征因成像季节和日期不同表现出色调和几何特征上的差别。因此，根据光谱特征的时间效应，分析地物的季相变化规律，选择信息量最丰富、时相特征明显的影像，才能达到影像增强和特征信息提取的最佳效果。例如：在生物量估测、变化监测中，最佳时相的选择是获得精确估计和监测的基础：在林业应用中，植被信息提取应根据气候特征选择，土壤信息的提取则应选择冬季数据等等。,第五章 遥感数字图象处理图象预处理,3.彩色图象合成：基本原理：选择合适的三个波段分别作为红、绿、蓝三个通道合成一幅彩色图像，以利于地物的识别。对于多光谱、高光谱数据源，可以提供的数据的波长范围宽，波段多，相应地在彩色图象合成时有较多的波段组合方式。在各种可能的组合中如 何选择最优的组合方案，挖掘多波段图像的信息潜力，使得合成的图象能 够容纳最多的目标信息，是多波段图像处理的关键内容之一。基本原则：最优波段组合应遵循以下原则：具有最大信息量；组合波段间具有最小相关性的原则。在分类中，一般通过地物的波谱特性分析以及量化分析方法，还要考虑不 同的时相、季相对判读效果的影响。,第五章 遥感数字图象处理图象预处理,优化波段组合数量化分析：根据各种组合的最优化量值进行排序，选取其中值最大且符合季节特 性的波段组合。波段优化组合数量化分析方法主要有：最大离散度方法、最大熵值法、最小信息相关法、方差协方差矩阵法等。信息量分析：遥感图像信息量的大小与波段位置和范围、地物类别、季节因素等许 多因素有关，信息量分析是彩色图像合成的基础，也是信息源的时相和季 相选择的主要依据。信息量的定义为：其中，Pi为第i灰阶出现的频率，H为单波段的信息量。在遥感图像处理软件中，通过各波段的灰度图像的直方图统计，计算各波 段的信息量。,第五章 遥感数字图象处理图象预处理,统计特征值分析：把各波段图像调入图像处理系统中，统计各波段的灰度级范围、均值 和标准差以及波段之间的相关系数矩阵，为图像的进一步处理和图像彩色 合成方案的选择提供依据。优化波段组合的确定 方法：一是可以通过不同地物的波谱反射特性以及传感器各波段的特征，结合波段信息量和相关性分析来确定；二是应用数量化分析方法分析组合波段的信息量和波段间的相关性。常用的数量化方法有：信息量/相关系数：其中，Hi为参与组合的各波段的信息量，Rij为各波段之间的相关系数；方差/相关系数：最大熵值法：，其中，为子协方差矩阵。,第五章 遥感数字图象处理图象预处理,通过以上方法计算最优化量值，选择OIF最大的组合作为最优波段组合方案，合成彩色图像。实际应用中，还可以应用主成分分析法、比值法等形成新的波段数据，利用经过多波段运算获得的新的波段进行组合，得到最佳合成图像。4辐射校正 辐射校正的目的主要是消除图像的光谱畸变，一般包括：传感器校正、大气辐射校正、地形辐射校正和地物反射模型校正。其中，传感器校正需要传感器的校正参数，一般用户无法获得。常用的大气校正方法有：以红外波段的最低值校正可见光波段，回归法和相对散射模型法等。,第五章 遥感数字图象处理图象预处理,5.几何校正：原因、目的和步骤：原因：卫星图像的几何性能受卫星轨道与成像姿态的稳定性、扫描偏差、地形起伏等等多种因素的影响而发生几何畸变。目的：经运算处理把处于两个坐标空间的原图像变换到新的图像坐标空 间，得到某种归正的投影图，使没有任何实际地理坐标信息的图 象变换到特征的地理坐标空间，满足不同类型或不同时相的遥感 影像之间的几何配准和复合分析，以及遥感图象与其它来源的信 息的匹配。步骤：几何校正分两步，粗校正：由接收部门根据遥感平台、地球、传感器的各种参数进行；精校正：用户根据使用目的的不同或投影及比例尺进行。因此，对于用户来说，主要需做几何精校正。几何校正的精度直接影响专题图的定位、面积量算及定性定量分析的精度,第五章 遥感数字图象处理图象预处理,几何精校正的方法和步骤：方法：几何精校正的方法很多，一般用多项式法通过地面控制点进行。步骤：一是象元空间位置变换，二是象元灰度值的重采样。位置变换：通过精确测定或量算一定数量的控制点的图象坐标和实际地 物点的平面坐标，建立待匹配的两种坐标系的对应点关系，计算图象各象元在新的坐标空间中的坐标值；象元空间位置变换采用二元多项式的方法，其公式为：其中，x,y为象元原始坐标，X,Y为同名象元的地图坐标，n为多项式的阶。一阶多项式为线性变换，二阶或三阶多项式为非线性变换，而图像的几何 畸变很难通过简单的线性关系来描述。多项式阶数越高，所做的变换越复 杂，说明原图像的扭曲程度也较大，所需选取的控制点数也越多。多项式阶数与所需选取的最少控制点个数的关系为：GCPnums=(t+1)(t+2)/2，其中t为多项式阶数。,第五章 遥感数字图象处理图象预处理,具体方法：选择均匀分布且在影像图与地形图上都易确定的同名地物点，如小河流、沟渠交点、水库坝的交点等，分别读取影像图和地形图上相 应点的坐标，建立式所示的方程式并用最小二乘法求系数aij和bij，得到变换矩阵，用此矩阵把图像坐标空间与地形图坐标空间对应起来。也可以通过DGPS精确定位，获得控制点的精确位置坐标。重采样：确定校正后图像上每点的亮度值。通常有三种方法：邻近元法：用距离输出象元最近的象元亮度值作为象元值。优点：计算简单，不丢失细节；缺点：具有明显的不连续性，特别是线状地带常出现断点或阶梯状抖动，适用于分类前的采样和定性分析。,第五章 遥感数字图象处理图象预处理,双线性内插：用双线性函数在22窗口内4个象元的灰度值进行加权线性内插 优点：具有平滑作用，因而不会出现锯齿状边缘，比邻近元法在空间上 更准确；缺点：较邻近元法计算稍复杂，由于是象元亮度值的加权平均，故有低 频卷积作用，因而出现模糊现象 适用于象元大小有改变的情况。立方卷积法：用16个象元即44窗口内的象元亮度值用立方函数进行加权平均 优点：可以比较完整地复原图像，立方曲线加权使得图像锐化并将噪声 平滑掉；缺点：计算复杂；适用于象元大小变化较大的情况。,第五章 遥感数字图象处理图象增强,第三节 图象增强1.目的:图像增强是专题特征信息提取的基础，是根据应用目标对图像做增强处 理，突出主要的感兴趣的信息，抑制次要的不需要的信息。2.方法:一般分为频域法和空域法 频域法增强处理：傅立叶变换理论：任何一条复杂的曲线，经傅立叶变换，可以分解成若干条简单曲线（正弦波曲线），即复杂曲线可看作若干条不同频率的正弦波曲线的叠加。遥感图象像元灰度值的分布曲线就是一条复杂曲线，可以分解。根据傅立叶变换理论，对一幅遥感图象进行傅立叶变换后，将得到一个分布形式完全不同于原图象的变换域频率域平面。原图象上的灰度突变部分（如物体的边缘、水陆交界处等）、图象结构复杂的区域、图象细节及干扰噪声等，信息大多集中在高频区；原图象上灰度变换平缓的部位，如大片水体、大片平原、区域概貌等信息，信息大多集中在频率域的低频区。,第五章 遥感数字图象处理图象增强,频域增强的思想：对原始图像的傅立叶变换频谱进行各种改造，通过设置滤波器，使得高 频和低频成分的比例发生变化，突出或抑制特定频率范围的信息，经过傅 立叶反变换得到增强了的图像。频域增强的方法：常用的频域增强处理方法有高通滤波、低通滤波、同态滤波以及带通或带 阻滤波等等。其中，低通滤波：让低频成分通过，抑制高频成分，起到平滑去噪声的作用；高通滤波：使图像得到锐化处理；同态滤波：用于压缩图像灰度的动态范围并增强对比度。例如，要突出地形的局部变化特征，可以采用高通滤波增强技术。空域法增强处理：空域增强的思想：空域增强是在原来的图像灰度空间上直接运算处理，通常针对像元逐个进行处理。,第五章 遥感数字图象处理图象增强,空域增强的方法：常用的方法包括灰度扩展、直方图均衡化、分段线性对比度拉伸、直方 图匹配技术、比值增强处理、卷积滤波、Crisp滤波和自适应滤波等方法。其中，反差增强处理、比值增强处理是常用的方法。反差增强处理：包括线性灰度扩展、对数变换、指数变换、直方图均衡化、直方图匹配技术等。线性扩展：将像元值的变动范围按线性关系扩展到指定范围。设原图象的像元值为Z，其变动范围为（a，b），扩展后的像 元值为Z，变动范围为(Z1,Z2),则:直方图均衡化：用特定的变换函数将不同像元值区间内的像元数进行均衡 处理，使整个像元值范围内的像元数的分布更均匀一些。直方图匹配：对直方图进行一定的修改，使之变为某种指定形态的直方图。,第五章 遥感数字图象处理图象增强,比值增强处理：可以压抑由于地形起伏、坡度和坡向引起的辐射变化，从而消除由于 地形因子所造成的阴影以及大气噪声的影响；比值变换增大了不同地物在两个比值波段上的细微差异，使在单波段 图像上不易觉察的色调变化更加明显；比值法可以应用原始图像多个波段的信息，增加了信息量，便于比较 分析。特别是在地形变化剧烈的山区，比值变换可以显示其更大的优越性。一般的遥感图像处理软件均提供了常用的图像增强算法，用户可通过不同增强算法实验和分析比较，选定最佳方案，对图象进行增强处理，改善图像质量，增强地物和地形的识别能力，提高解译精度。除了增强算法之外，还可以应用各种变换方法提取信息，如通过植被指数运算进行生物量估测等。目前，随着遥感信息传输机理和模式识别理论的发展，遥感图像的信息提取技术也有了新的发展，如分形几何学在信息提取的中应用，应用数学形态学理论进行类型的识别，纹理分析方法应用于信息提取等等。,第五章 遥感数字图象处理遥感制图,第四节 遥感制图 遥感制图包括图像的镶嵌、重采样和制图输出等。1.图像镶嵌：图象镶嵌是两幅或多幅图象的镶嵌。不同幅的图像可能是在不同季节、不同大气条件下传感器以不同姿态获取的地面反射、辐射电磁波强度数据，几何特征和辐射强度都有可能有较大差别，镶嵌时涉及许多技术问题。镶嵌处理的关键在于相邻影像的几何、灰度配准。几何校正配准：可以采用mapmap校正方法，分别在两幅图象上选择同名地物点作为控制点，应用前面所述的几何校正方法实现几何配准。重叠区内影像灰度配准：可以采用直方图匹配技术。进行直方图匹配后，确定相邻图幅的接边，对于接缝区域可以通过加权平滑处理等方法，使地物由于时相或其它因素的变化而产生的信息分量在交迭区中构成一稳定的渐变。,第五章 遥感数字图象处理遥感制图,2.图像重采样：图像重采样是为满足不同比例尺的专题图制图要求，对影像的放大 缩小。重采样的一般方法有邻近元法、双线性内插法和立方卷积法。3遥感制图：经过上述处理的遥感图象，可以用来制作用于判读或调查的影像图。制作影像图的主要步骤包括：区域裁剪、加注公里网、比例尺、方向标志、主要地物注记、图例等 等。可以在遥感图象处理软件或通用的图象处理中进行。,第五章 遥感数字图象处理图象解译及专题图编制,第五节 图象解译及专题图编制 遥感图像解译是专题信息提取的主要步骤，通过对遥感图像的观察、分析和比较，判断和识别遥感资料所表示的地物的类型、性质，获取感知对象的数量、质量、空间分布特征及其演变规律。具体方法包括遥感图象的目视解译或计算机自动解译分类。1.目视解译 目视解译一般遵从从已知到未知，先整体后局部，从宏观到微观，先易 后难的原则，可以概略地分为以下主要步骤：准备工作：主要是收集资料，除遥感图象外，通常还需要工作区的地形图和相关 的自然、经济等情况，以及报告、必要的参考文献等各种资料。图象预判和编制专题图略图：遥感图象的初步解译主要是经过资料分析建立直接和间接解译标志，包括形态、大小、色调、阴影、纹理等等。然后在分类系统的指导下设计 图例系统，进行初步解译，并把解译结果转绘成专题图略图。,第五章 遥感数字图象处理图象解译及专题图编制,野外实况调查和地学验证：根据初步解译结果，确定野外调查路线和调查样本，进行野外调查，验 证判读标志，并应用地学分析方法解决图象与地物间的机理关系，从而修正 预判中的错判或漏判，使得解译结果更加客观可靠。室内解译编绘成图：根据预判结果和野外调查资料，对全部工作区进行重新解译，然后清绘 成图，在此基础上进行面积量测以及其他数字统计特征的分析。,第五章 遥感数字图象处理图象解译及专题图编制,2.计算机自动分类：与目视判读解译不同的是计算机自动解译的主要依据是地物的光谱特 征进行统计判别，具体方法包括有监分类和无监分类方法，分类结果的可靠 性需要通过严格的分类精度统计分析以及野外调查进行验证。一般过程：以目前常用的有监分类为例，其过程为：（1）遥感图象的预处理：包括几何校正、图象增强、镶嵌等等。（2）选择训练区：对于典型地物类别，选择训练区，并做标注。（3）分类：根据训练区地物的光谱统计特征，对整个区域进行分类判别。（4）分类精度统计分析：通过统计分析获得光谱特征统计意义上的分类精度。（5）野外调查与地学验证：通过调查验证自动分类与实际地物类型的一致程 度，一般应用抽样技术获得地学意义上的分类精度。（6）分类图编制：对自动分类的结果，根据专题图成图要求，进行着色，获得彩色分类图。,第五章 遥感数字图象处理图象解译及专题图编制,一般方法：有监分类：有监分类方法是通过训练区内样本的光谱数据计算各类别的计 特征参数，作为各类型的度量标准，然后根据判别规则将图像的各象元 分到一定的类别中。常用的判别规则有贝叶斯判别、最大似然判别和最小距离判别等。无监分类：无监分类是直接利用象元灰度值的统计特征进行类别划分，常用的无 监分类方法有逐步聚类方法、系统聚类法等等。新的分类方法：传统的分类方法只基于象元的光谱特征。实际上，由于大气、地形、地 貌、季节等许多因素的影响，使得遥感图像上常常出现“同物异谱”和“同谱 异物”现象，单纯依据光谱特征显然不能很好地解决这个问题。新方法：基于人工智能理论的专家系统分类，神经元网络分类方法。这些新的分类技术不仅可以将遥感数据、地面调查和观测数据、统计分 析数据、领域专家知识等结合在一起，充分利用已有的信息，同时可以模拟 人类的思考和分析机制，解决分类中众多的不确定性、模糊性问题。,第五章 遥感图象处理复习思考题,了解遥感数字图象处理的一般过程。比较数字图象和模拟图象的区别。遥感图象预处理主要包括哪些内容？选择遥感信息源的主要依据是什么？彩色图象合成的原则是什么？了解常用的优化波段组合的数量化方法。遥感图象几何校正的原因、目的、步骤和方法。空域增强和频域增强的主要区别是什么？各有哪些常用的增强方法？比值处理的主要作用是什么？图象镶嵌的主要步骤是什么？有监分类和无监分类的特点是什么？,