关于不同地物各类特征的探究武大遥感Word文档下载推荐.docx

1、4.1.3纹理特征 64.2道路 64.2.1光谱特征 64.2.2空间特征 74.2.3 纹理特性 74.3 湖水 84.3.1光谱特征： 84.3.2空间特征 84.3.3纹理特性 84.4 植被 94.4.1光谱特征 94.4.2空间特征 94.4.3纹理特征 10五. 实习总结 11一. 实习意义影像专题信息提取是一个影像分割、分类、分类后处理及专题信息输出的过程。但是在专题信息提取过程中，由于“同谱异物”、“同物异谱”等情况的普遍存在，加上遥感数据空间分辨率的限制，“混合像元”现象不可避免，因此基于常规像元灰度值的图像分类存在很多问题。在此基础上，人们开始对多源信息复合的信息提取方法

2、进行探索，主要是从光谱特征，图像特征、纹理特征等方面等方面出发。本次实习，我将基于武汉市的资源卫星影像，分析城区各种地物的各项属性特征。二. 实习数据资源卫星高分辨率影像（下图为在Erdas软件中显示结果）三. 各类地物特征概述3.1光谱特征概述光谱特征分析法是遥感信息提取的常用方法之一，在相关研究中得到了广泛应用。不同地物的波谱特性，是遥感影像分析解译的理论基础，也就是说多光谱影像的计算机自动分类识别必须建立在全面了解掌握分类对象不同波段光谱特性的基础上。一般而言，同一地物在不同波段的光谱值不同，在同一波段不同地物的光谱值也不相同。根据这一原理，在多波段彩色合成影像上，首先对典型地物进行光谱

3、采样，然后计算各种地物的光谱均值，得到典型地物波谱响应曲线图。之后分析所需专题信息光谱曲线与其他地物光谱曲线的关系，找到能够区分所需信息与其他地物的波段，利用波段之间的亮度值差异，选择适当的阈值即可将所需要的信息提取出来。3.2空间及纹理特征概述常规提取遥感图像信息的最大似然分类法等都是基于地物光谱特征的，很难正确区分一些光谱易混淆的地物，因此为了克服这种现象，可以采用几何形状分析及纹理分析的方法。影像纹理反映了影像灰度性质及它们之间的空间关系，是描述和识别影像的重要依据，与其他影像特征相比，它能更好地兼顾地物的宏观性质和细部结构。四. 不同地物的各类特征4.1建筑物4.1.1光谱特征在城市遥

4、感影像中，通常只能看到建筑物的顶部或部分建筑物的侧面，所以掌握建筑材料所构成的屋顶的波谱特性是进行分类的关键。通过图像观察，影片上总体呈现深灰色、浅绿色的部分为建筑房屋，如下图所示此外，通过网上查阅资料，获取了城区不同类型建筑的波谱特性曲线。从下图可以看出，铁皮屋顶表面成灰色，反射率较低而且起伏小，所以曲线较平坦。石棉瓦反射率最高，沥青粘砂屋顶，由于其表面铺着反射率较高的砂石而决定了其反射率高于灰色的水泥平顶。绿色塑料棚顶的波谱曲线在绿波段处有一反射峰值，与植被相似，但它在近红外波段处没有反射峰值，有别于植被的反射波谱。建筑物的波谱反射曲线图4.1.2空间特征 结合图像并查阅相关资料，得以下结

5、论：建筑物的光谱信息与道路具有很强的相似性，但在形状因子上具有很大的差异性，因此我们先提取道路后，利用剔除法，从其它剩余对象中选取建筑对象，再辅与其它算法，更进一步精确提取建筑对象的类别。类别分类特征建筑规划建筑主要为城区较规整，混泥土类建筑，其房屋较新，光谱信息中颜色值为灰色的房屋类建筑。农村建筑主要为农村建筑，其房屋较为密集，光谱信息中颜色为深灰色建筑。钢制屋顶建筑主要为厂房类建筑，其特征为建筑占地面积较大，建筑物较规整，部分建筑屋顶颜色为蓝色。特殊建筑特殊建筑物，或屋顶颜色较为特异的。4.1.3纹理特征影像中不同建筑物屋顶纹理不尽相同如斜顶房屋，大部分由砖瓦铺盖，纹理较明显而水泥屋顶建筑

6、物，屋顶则相对规整，如下图：图中为信息学部5号楼4.2道路4.2.1光谱特征从影像上可以看到，道路总体呈现浅灰色或深灰色道路1道路24.2.2空间特征道路一般呈现出长条形的连续分布，因此我们在分类时将把道路的形状因子作为一个分类的重点依据，再根据道路各子类的特征信息加入其它算法提出道路专题对象。4.2.3 纹理特性影像中可见，道路表面平整、光滑。在判读中，河水和道路在几何特性相似的情况下，纹理特性为判别因素之一相较道路表面的光滑，河水由于波浪等原因，可以依稀看到颜色变化及条纹。4.3 湖水从图上可以看到，湖水为大片蓝色，深色浅色相间此外，水色调总体呈现深蓝色，并伴有深色条纹4.3.2空间特征从

7、图上可以看到，湖水的几何形状较好识别，得益于其周围的植被、建筑物或其他地物水体颜色的差异4.3.3纹理特性个人对于条纹的出现十分不解，于是查阅了相关资料，得知资源卫星在环境监测中也能大显身手。卫星发回的各种图像可以非常直观地显示出大气、水体以及城市环境的状况。王志民研究员指着卫星图像上的一个湖泊说：“正常的水体在卫星照片上呈蓝黑色，当水体出现污染时，水面上就会出现浅色的条纹，对比非常明显，但是在地面上就不会看得这么清楚。”（注：上段文字引自资源卫星帮人类管好地球4.4 植被4.4.1光谱特征从影像上可以看到，植被总体呈现红色植被1植被2通过查阅文献，了解到，资源卫星影片中，健康的植被往往呈鲜红

8、色，而长势比较弱的植被颜色比较浅，这样,通过分析卫星照片，人们就可以提前一个生长期（720天）发现病虫害，及时采取防治措施，最大限度减少损失。4.4.2空间特征城区植被终值大致分为3类a. 道路两旁的绿化带b. 山坡或公园内的茂密植被c. 城区分布比较零散的小片绿地4.4.3纹理特征植被与其他地物类型由于颜色差异较大，较容易区分。而要区分不同植被类型，使用其对应的不同波谱特性曲线并不能完全解决问题，这是由于植被中存在同谱异物、同物异谱现象,使得仅仅根据光谱信息难以将它们区分开来,但是利用不同植被类型的纹理信息却可以将它们区分开来。（珞珈山植被）如上所示，为珞珈山上植被，相较城区草地，纹理更加丰

9、富（城区草地）五. 实习总结基于光谱特征的分析方法是从分析地物的光谱曲线入手，挖掘谱间特征，从而提取出所需地物信息的。但是该方法无法克服异物同谱和同物异谱的现象，许多地物无法准确区分。从影像上可以看到，武汉大学及其周围地区，不同类型的地物波谱特性差别明显，显示在图像上的颜色反差很大，这也为我们的判别提供了便利。在一些不方便区分的地物上，如道路，可以结合其光谱特性及几何特性。道路的辐射特征表现为内部辐射度比较均匀、与其相邻区域灰度反差较大，本项目中首先采用光谱特征分类提取道路及其同谱的目标。在此基础上，再根据道路的几何形状特征去除同谱的异物，道路在空间上常呈长条状、宽度变化比较小等。此外，随着传感器技术的不断发展，成像分辨率不断提高，图像地面细节信息越来越丰富，地物纹理特征表现得更为清晰，比起传统方法单纯基于地物的光谱特性提取专题信息的方法来说纹理分析方法将得到更加广泛和深入的应用。使用多种地物特性，多源信息复合的信息提取方法进行探索，有助于我们获取更加准确的结果