遥感原理及应用总结Word格式文档下载.docx
《遥感原理及应用总结Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《遥感原理及应用总结Word格式文档下载.docx（17页珍藏版）》请在冰豆网上搜索。
此波段地物成像反差小，仅对萤石、石油等有较高的反射率，因此可以用于石油普查。
由于散射的原因，在2000米高度以下成像为好。
可见光Visible波长0.4～0.7μm
大气对之有影响（吸收，散射），大部分地物有良好的反射，它是主要的RS波段
红外线Infrared0.7μm～1mm
由于胶片感光范围限制，除在近红外波段可用于摄影成像外，在其它波段不能用于摄影成像。
但整个红外波段均可用于扫描成像。
微波Microwave波长1mm～1m，人工装置（雷达）产生。
它的波长长，受大气散射干扰小，全天候、全天时。
目前遥感使用的主要为可见光、红外线和微波。
绝对黑体：
能全部吸收外来电磁波辐射而毫无反射和透射的理想物体。
近似黑体的：
黑色的烟煤；
太阳；
白天看远处的窗户；
空腔模型。
基尔霍夫定律：
好的吸收体也是好的辐射体的定律。
太阳常数：
指不受大气影响，在距离太阳一个天文距离内，垂直于太阳光辐射的方向上，单位面积单位时间黑体所接收的太阳辐射能量。
1.360×
103W/m2
地物波谱发射率：
实际物体与同温度的黑体在相同条件（波长）下辐射功率之比。
物体反射电磁波的形式：
镜面反射：
如平静的水体。
当雷达发射的电磁波到达水体时，会发生镜面反射，使返回雷达的回波大大减弱，因此水体在雷达像片上一般呈现深色调。
漫反射：
各个方向探测到的辐射亮度相同。
方向反射：
其反射界于镜面反射和漫反射之间，在某些方向上反射强烈。
反射产生的原因：
与地表粗糙平滑程度有关。
地物表面的光滑与粗糙是相对于入射电磁波的波长和入射角而言的。
地物表面是光滑的（镜面反射）；
中等粗糙（方向反射）；
粗糙（漫反射）
光谱反射率：
地物在某波段的反射通量与该波段的入射通量之比。
通常反射率定义为物体理想的漫反射情况下的定义，是指在整个电磁波波长范围的平均反射率。
地物反射波谱特性：
地物波（光）谱反射率随波长变化而变化的特性。
非选择性反射体；
选择性反射体
影响地物反射率变化的因素：
主要取决于入射通量及地物本身性质。
其它因素：
太阳位置、遥感器位置、地理位置、地形、季节、气候变化、地物本身的差异、大气状况等。
第二章遥感平台
Chapter2Remotesensingplatforms
1遥感平台的种类Typesofremotesensingplatforms
1）地面平台GroundPlatform（0-100m）
2）航空平台AirPlatforms（100m-100km）
3）航天平台Spaceplatform（150km-36000km）
2航天遥感平台及其轨道特征Spaceplatform
2.1卫星运行特征：
开普勒定律operationcharacteristics
2.2卫星轨道参数Satelliteorbitparameters
六个基本轨道参数
2.3遥感卫星的轨道类型
1地球静止卫星轨道（geostationarysatelliteorbit）
2太阳同步轨道（sunsynchronousorbit）
3陆地卫星系列P33-57
2.4遥感卫星的姿态Remotesensingsatelliteorbitalparameters
姿态描述：
三轴倾斜：
滚动：
横向摇摆；
俯仰：
纵向摇摆；
偏航：
偏移运行轨道
第四章遥感传感器
Chapter4Remotesensor
分类：
扫描成像传感器的分辨率：
常见卫星的传感器：
Landsat1-5：
MSS多光谱扫描仪
Landsat4-5：
TMThematicMapper专题制图仪
Landsat7：
ETM增强型专题制图仪
第四章
遥感图像数字处理的基础知识
4.1图像的表现形式
光学图像，数字图像
1光学图像转换为数字图像：
采样（图像空间坐标数字化）；
量化（光学密度数字化）
2数字图像转换为光学图像：
（1通过显示终端设备显示出来，包括显示器、电子束或激光束成像记录仪等，通过数模转换格式实现。
（2通过照相或打印的方式输出，如屏幕照相设备和不浅的彩色喷墨打印机。
4.4遥感数字图像处理系统：
1硬件系统：
输入设备、输出设备、电子计算机、其他设备。
2软件系统：
ERDASImagine、ENVI、PCI、ECognition
第五章遥感图像几何校正
ChapterⅤRemotesensingimageGeometricCorrection
5.1遥感传感器的构像方程
5.1.1遥感图像的通用构像方程
5.1.2中心投影构像方程
5.1.3全景摄影机的构像方程
5.1.4推扫式传感器的构像方程
5.1.5光机扫描式传感器的构像方程
5.1.6侧视雷达的构像方程
5.1.7基于多项式的传感器模型
多项式模型回避成像的几何过程，直接对图像变形本身进行模拟。
一次多项式校正:
线性变换_平移,缩放,旋转
二次多项式校正:
非线性变形
三次多项式校正:
高次非线性变形
5.1.8基于有理函数的传感器模型
5.2几何畸变（Geometricdistortion）
5.2.1传感器成像方式引起的图像变形
5.2.2外方位元素变化的影响
5.2.3地形起伏引起的像点位移Terrain
5.2.4地球曲率引起的图像形变形
5.2.5大气折射（refraction）的影响
5.2.6地球自转（earthrotation）的影响
几何变形产生的原因？
内部误差：
传感器自身的性能、结构等引起，可预测，易校正
外部误差：
传感器以外的因素，如地球曲率、地球自转、地形起伏、遥感平台姿态改变、大气等引起的变形等，难以预测，校正复杂。
5.3几何校正（Geometriccorrection）
5.3.1几何校正的类型
粗校正：
由卫星地面站进行的系统级的几何校正，利用卫星等提供的轨道和姿态等参数，以及地面系统的有关处理参数对原始数据进行几何校正。
精校正：
在系统校正的基础上，利用地面控制点（GroundControlPoint，GCP）建立一种数学模型（多项式模型、共线方程、RPC模型）来近似描述遥感图像的几何畸变，然后利用模型进行几何校正。
5.3.2几何精校正的过程
（1）图像像元坐标-地理坐标变换；
a选择控制点；
b选取校正模型，建立图像-地理坐标转换关系；
共线方程模型；
多项式模型
c求解校正模型；
（2）重采样:
像元灰度值重新计算
几何校正过程中，由于校正前后图象的像元大小可能变化、象元点位置的相对变化等，不能简单用原图象象元灰度值代替输出象元灰度值，需要插值。
三种插值方法：
–最邻近法、
–双线性法、
–三次卷积法
5.3.3图像镶嵌Mosaic
•图像镶嵌：
将不同的图像文件拼合在一起，形成完整的包含感兴趣区域的图像
第六章遥感图像辐射处理
6.1遥感图像辐射校正
遥感图像辐射信息恢复处理包括：
1辐射定标
指传感器探测值的标定过程，用以确定传感器入口处的准确辐射值。
（1）绝对定标
（2）相对定标：
校正传感器中各个探测元件响应度差异进行归一化处理——条带噪声。
2辐射校正
由于传感器响应特性和大气的吸收、散射及其它随机因素影响，导致遥感图像辐射失真，造成图像分辨率和对比度相对下降。
这些都需要通过辐射校正复原。
产生辐射误差（radiationerror）的原因：
重要的校正：
大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数。
（1）绝对大气校正：
基于辐射传输物理模型。
（2）相对大气校正：
通过比较简便的方法去掉上式中的程辐射，从而改善图像质量。
主要包括直方图最小值去除法和回归分析法（程辐射主要来自大气散射的影响，在波长较长的红外波段，散射影响接近于零。
可作为没有程辐射影响的标准图像来校正其他波段数据。
）等。
6.2遥感图像增强与变换
6.2.1对比度增强Contrastenhancement（对比度变换）
通过改变图像灰度的分布形态，扩展灰度分布区间，增加图像反差。
1直方图拉伸HistogramStretch
（1）线性变换（LinearTransformation）
（2）非线性变换Non-linearContrastStretching
2直方图均衡化（HistogramEqualization）
增强后的每个灰度级内有大致相同的象元数；
通过改变灰度区间来实现；
3、直方图匹配（histogrammatching）
把原图像的直方图变换为某种指定形状的直方图或某一参考图像的直方图，然后按照已知的指定形态的直方图调整原图像各象元的灰级，最后得到一个直方图匹配的图像
主要应用于有一幅很好的图像作为标准的情况下，对另一图像进行匹配，以改善被处理图像的质量。
应用于图像镶嵌与变化监测等。
条件：
原始图像和参考图像的直方图的总体形态应相似
•图像中相对亮和暗的特征应相同
•对某些应用，图像的分辨率应相同（但可不同）
图像中的地物类型的相对分布应相同，无论两幅图像是否覆盖同一地区。
如一幅云，另一幅没有云，应先将云去掉（覆盖），然后再进行直方图匹配
6.2.2空间域滤波增强Spatialdomainfiltering
梯度是遥感图像的一个重要特征，减小或增大图像梯度的方法有：
空间滤波（图像卷积运算）；
傅里叶变换频域增强
平滑：
均值、中值滤波
锐化：
罗伯特梯度、索伯尔梯度、拉普拉斯算法、定向检测等。
6.2.3频域增强Frequencydomainenhancement
高通（highpass）滤波：
理想滤波器，Butterworth滤波器，Gauss滤波器（指数）；
低通（lowpass）滤波；
带通（bandpass）滤波；
带阻（bandreject）滤波；
同态（homomorphic）滤波。
6.2.4彩色增强Colorenhancement
1、单波段彩色变换
伪彩色增强:
把一幅灰度图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。
单波段灰度图像的彩色表示或显示
实现方法：
密度分割，将连续的灰度值转换为少量的灰度区间，并用不同的颜色表示
增强了图像的目视解译效果
2、多波段彩色合成
真彩色增强:
假彩色增强：
通过映射函数将彩色图像或多光谱图像变换成新的三基色分量，经彩色合成在增强图像中目标呈现出与原图像中不同彩色的技术。
3、彩色空间变换
HLS色彩模型（Hue色度,Lightness亮度,Saturation饱和度）
IHS（Intensity明度,Hue色度,Saturation饱和度）
HSV（Hue,Saturation,Value）
6.2.5多图像代数运算Algebraoperations
加法运算：
用于多幅图像求平均值，平滑噪声。
差值运算：
用于动态监测，不同时相数据差值图像提取地面的变化信息。
乘运算：
可用于掩模处理，保留图像部分区域。
比值运算：
常用来检测植被，消除“同物异谱”现象。
6.2.6多光谱图像变换Imagetransformation
主成分分析、缨帽变换
6.2.7图像融合Imagefusion
像素级遥感图像融合算法：
IHS变换：
低分辨率多光谱图像作IHS变换，用高分辨率全色图像代换变换后的明度成分，然后作反变换。
PCA变换：
低分辨率多光谱图像作PCA变换，用高分辨率全色图像代换变换后的第一主成分，然后作反变换；
Brovey变换。
小波变换。
遥感与非遥感信息复合：
根据计算机图形学的原理，将遥感图像和相应的DEM复合即可生成具有真实感的三维景观。
第七章遥感图像判读Remotesensingimageinterpretation
遥感图像解译（判读）：
从遥感图像上获取目标地物信息的过程。
分为目视解译和计算机解译。
目视解译是遥感成像的逆过程
7.1遥感图像的判读标志
1光谱特征判读标志：
色调/灰度（Tone）：
目标与背景之间必须存在一定的色调差异，才能被区分；
地物在不同波段表现出不同色调特征
颜色（Color）：
灰阶（黑白）或色别与色阶（彩色），最重要、最直观的解译标志。
同物异谱、同谱异物
2空间特征判读标志：
阴影（Shadow）（形状长度方向色调）、
形状（Shape）：
影响形状特征的主要因素有：
平台姿态、传感器姿态和投影误差。
图像倾斜使地物发生仿射变形
大小（Size）：
影响影像大小的最主要因素是比例尺。
判读时必须进行立体观察。
图型（样式）（Pattern）：
目标地物有规律的排列而成的图形结构。
纹理（Texture）：
地物影像轮廓内的色调变化的空间布局和频率。
布局（Association）：
物体间的空间配置。
位置（Site）：
地物分布的地点。
地理位置和相对位置。
3时间特征及其判读标志
7.1.2影响景物特征及其判读的因素
1地物本身的复杂性
2传感器特性的影响（分辨率）
几何分辨率：
传感器瞬时视场内所观察到的地面场元的宽度，也叫空间分辨率。
辐射分辨率：
指传感器能区分两种辐射强度最小差别的能力。
光谱分辨率：
指遥感器在接收目标辐射的电磁波信息时所能分辨的最小波长间隔。
时间分辨率——重访周期
3目视能力的影响
空间分辨能力；
灰度分辨能力（10余级）；
色别与色阶分辨能力（50多种）。
7.2遥感图像目视判读方法
1遥感图像目视解译的认知过程
自下向上过程自上向下过程
目视解译分析的方法：
直接判读法；
对比分析法；
信息复合法；
综合推断法；
地理相关分析法
7.3遥感图像目视判读步骤
从已知到未知是遥感图像解译必须遵循的原则。
先易后难是指易识别的地物先确认,。
（先山区后平原、先地表后深部、先整体后局部、先宏观后微观、先图形后线形）
目视判读的程序
1）准备阶段2）分析影像性质3）分析已知专业资料4）建立判读特征5）初步判读6）实地调查7）成果整理第8章遥感图像自动分类ImageClassification
8.1遥感图像自动分类概述（Overview）
1遥感图像分类概念（Concept）
遥感图像计算机分类：
是通过模式识别理论，利用计算机将遥感图像自动分成若干地物类别的方法。
数据--信息
数据包括：
（1）原始光谱数据；
（2）光谱变换后数据；
（3）非遥感数据
2模式识别（PatternRecognition）原理
模式（pattern）：
遥感图像分类中指某种具有空间或几何特征的东西
模式识别（PatternRecognition）：
指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程。
模式识别的一般步骤：
1）数字特征的建立——对象的数学描述
2）提取一组训练（已知）样本——先验知识
3）分类器建立——判决函数
4）对未知模式进行分类——识别
3特征提取（Featureextraction）
特征（feature）：
在多波段图象中，每个波段都可看作一个变量，称为特征变量。
特征变量构成特征空间。
（光谱特征；
空间几何特征；
纹理特征；
辅助数据）
特征提取（featureextraction）：
通过变换找出最能反映地物类别差异的特征变量用于分类的过程。
灰度共生矩阵（GLCM）
4特征选择
在提取的特征影像中，选取一组最佳的特征影像（波段最少）进行分类
特征选择定量方法：
距离测度、散布矩阵测度
5遥感数字图像的分类方法
分类执行方式：
监督分类（Supervisedclassification）
通过选择代表各类别的已知样本（训练区）的象元光谱特征，事先取得各个类别的参数，确定判别函数，从而进行分类。
在监督分类中，先定义信息类，然后检验它们的光谱可分性
步骤：
训练区：
已知覆盖类型的代表样区
用于描述主要特征类型的光谱属性
其精度直接影响分类结果
检验区：
用于评价分类精度的代表样区
非监督分类（Unsupervisedclassification）
根据事先指定的某一准则，而进行计算机自动判别归类，无须人为干预，分类后需确定地面类别
在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类
优点
缺点
适用范围
监督分类
精度高
工作量大
有先验知识
非监督分类
精度低
工作量小
没有先验知识
分类模型或分类器：
统计分类、模糊分类、决策树分类、神经网络分类、面向对象分类等。
6遥感图像分类基本过程（Process）
•分类预处理：
辐射校正、几何校正
•特征提取与选择
•分类（监督分类训练区的选择）
•分类后处理，包括精度评价
•专题图制作
8.2监督分类（Supervisedclassification）
1.训练样本（trainingsample）的选择
2.最小距离分类法（Minimumdistanceclassifier）
3.平行多面体分类法（Parallelepipedclassifier）
4.最大似然分类法（Maximumlikelihoodclassifier）
监督分类
1定义分类模板
2评价分类模板
3进行监督分类
4评价分类结果
8.3非监督分类（Unsupervisedclassification）
•非监督分类（unsupervisedclassification）：
根据事先指定的某一准则，而进行计算机自动判别归类，无须人为干预，分类后需确定地面类别。
•主要采用聚类（clustering）法，使同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。
•在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类
1，K-均值（K-means）
1），确定最初类别数和类别中心;
2），计算每个像元与各初始聚类中心的距离;
3），选与其中心距离最近的类别作为这一像元的所属类别;
4），计算新的类别均值向量;
5），比较新的类别均值与原中心位置的变化,形成新的聚类中心;
重复2,反复迭代;
6），如聚类中心不再变化,停止计算.
2，迭代自组织数据分析技术（ISODATA，IteractiveSelf-OrganizingDataAnalysisTechniquesAlgorithm）
在初始设定基础上，在分类过程中根据一定原则不断重新计算类别总数、类别中心，使分类结果逐渐趋于合理，直到满足一定条件,分类完毕.
与K均值不同之处：
1）把所有样本计算完毕之后，再重新计算一次各类样本均值。
2）通过设定参数可自动实现类别的分裂与合并，得到类数比较合理的聚类结果。
监督分类与非监督分类方法对比
1、是否用训练样区来获取先验的类别知识；
2、分类效果：
1）光谱特征类与地物信息类一一对应时，非监督分类效果好；
2）两个地物类型对应的光谱特征类差异很小时，监督分类效果好；
1初始分类2专题判别3分类后处理4色彩重定义5栅格矢量转换
8.4分类后处理与精度分析（Postclassification）
•8.5.1分类后处理噪声去除类别合并
•8.5.2精度分析：
利用样本对分类误差进行估计。
样本：
监督分类的训练样本试验场随机取样，目视解译或实地测量
8.5遥感图像分类的新方法（Newmethod）
•8.4.1决策树分类（DecisionTreeClassification）
决策树分类器是多级分类方法，将数据按照树状结构分成若干分枝，从上而下、分而治之。
•8.4.2模糊聚类分类（FuzzyClusterAnalysis）
基本思想是用连续的数值范围[0,1]取代非“是
（1）”即“否（0）”的布尔逻辑陈述（Booleanlogicstatement）,0与1之间任何数值均可用以表示是与否之间的过渡状态。
•8.4.3神经网络分类（NeuralNetworkClassifier）
•8.4.4面向对象的图像分析（Objectbasedimageanalysis）
小结：
图像分割方法：
棋盘分割；
基于四叉树分割；
多尺度分割（邻域（两两）合并算法）。
分类方法Classification：
最近邻分类；
模糊逻辑成员函数
升级会员 