遥感图像解译过程

一.遥感图像的预处理 在遥感图像的应用之前，常常需要对遥感图像进行一些必要的处理，如不同格式的遥感数据的输入输出处理、多波段彩色合成处理、遥感图像的辐射校正处理、几何校正处理、拼接处理、裁切处理等，这些都称为遥感图像的预处理。 1.遥感数据的输入输出和多波段合成 获得遥感数据之后，利用遥感数据之前，首先需要把各种格式的原始遥感数据输入到计算机中，转换为各种遥感图像处理软件能够识别的格式，才能够进行下一步的应用，这就需要对原始数据进行输入输出并转换为所需要的格式。单波段的原始遥感数据合成为多波段的彩色遥感数据，因为人眼对彩色物体的分辨能力大大高于对黑白物体的分辨能力，彩色遥感图像的信息量更大；而且利用多波段的彩色遥感图像，还可以进行三个不同波段的遥感图像的彩色合成，以提高对不同地物的识别能力。彩色遥感影像要求选择不少于3个波段的多光谱图像，各波段的配准误差不大于0.2mm。 2.遥感图像的辐射校正 由于传感器本身的特性和大气、地形因子以及其它各种生态环境因子的影响，使传感器所接收的地物光谱反射信息，不能全部真实地反映图同地物的特征，影响了图像的识别精度，因此必须进行辐射校正，改进图像质量。 辐射校正主要包括三个方面： ● 传感器的灵敏度特征引起的辐射误差校正，如光学镜头的非均匀性引起的边缘减光现象的校正、光电变换系统的灵敏度特性引起的辐射误差校正等。 ● 光照条件的差异引起的辐射误差校正，如太阳的高度角的不同引起的辐射误差校正、地面的倾斜引起的辐射误差校正等。 ● 大气的散射和吸收引起的辐射误差校正等。 3.图像几何校正 几何校正是指从具有几何畸变的图像中消除畸变的过程，也就是定量地确定图像上像元坐标与地理坐标的对应关系，即把数据投影到平面上，使之符合投影系统的过程。为了将所获取的数据投影到理性的空间平面上产生精确的换算模型，需要借助一组地面控制点来进行几何校正。控制点选择应均匀分布而且在影像图与地形图上都容易确定的同名地物点上。所选点位图像清晰，在地形图及图像上均能正确识别和定位。如农田林网的交叉点，小沟系上道路桥的两端位置，小河流、渠的交叉点，道路交叉点，水库坝上的拐角点等等。一般情况下，只要控制点选择恰当，定位准确，在各类型区的校正中，误差多在1个像元以下。对全景图像进行的校正，一般限于全景影像中的中间段，要使用6个以上校正控制点，中间两个控制点上的余差应不大于0.4mm。 遥感图像几何校正的一般步骤： 1）确定校正方法：根据遥感图像几何畸变的性质和可用于校正的数据确定几何校正的方法； 2）确定校正公式：确定原始输入图像上的像点和几何校正后的图像上的像点之间的变换公式，并根据控制点等数据确定变换公式中的未知参数； 3）验证校正方法、校正公式的有效性：检查几何畸变能否得到充分的校正，探讨校正公式的有效性。当判断为无效时， 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 其原因，对新的校正公式进行探讨，或对校正中所用的数据进行修改； 4）重采样、内插：对原始输入图像进行重采样，在重采样中，由于所计算的对应位置的坐标不是整数值，所以必须通过对周围的像元值进行内插来求出新的像元值，得到消除几何畸变的图像。 4.遥感图像的拼接 在遥感图像的应用中，常常需要把研究区若干经校正的单幅遥感图像拼接起来。遥感图像的拼接要求为：首先需要根据专业要求挑选合适的遥感数据，尽可能选择成像时间和成像条件相近的遥感图像相邻图像之间应有不小于图像宽度4%的重叠；要求相邻的图像的色调一致，图像层次丰富、图像清晰、色调均匀、反差适中。遥感图像拼接之前要进行几何校正，必须全部包含相同的地图投影信息。拼接的图像的像元大小可以不同，但必须具有相同的波段数。 在进行遥感图像拼接时，不同图像的色调、灰度存在差异，尤其当两幅相邻图像季节相差较大时，更为严重，这时必须对图像进行色调调整。特别是在两幅图像的对接处，这种差异有时还比较明显。为了消除两幅图像在拼接时的差异，有必要进行重叠区亮度的调整。重叠区亮度的确定常用的有三种方法。一是把两幅图像对应像元的平均值作为重叠区像元点的亮度值；二是把两幅图像中最大的亮度值作为重叠区像元的亮度值；三是区两幅图像对应像元值得线性加权和作为重叠区像元点的亮度值，对于第三种方法，为了使拼接效果更好，要尽可能使重叠部分最大。 5.遥感图像的裁切 在处理遥感图像时，经常需要从原始的很大范围的整景遥感图像得到研究区的较小范围的遥感图像，这就是遥感图像的裁切。遥感图像的裁切包括规则范围的裁切和不规则范围的裁切。现在主要的遥感软件中，都包含了遥感图像裁切的功能。 二.遥感图像的增强处理 有些遥感图像的目视效果较差，例如对比度不够、图像模糊；有些图像总体目视效果较好，对对所需要的信息，如边缘部分或现状地物不够突出；有些图像波段多数据量大，例如TM图像，但各波段的信息量存在疑点的相关性，为进一步的处理造成困难。因此通过图像增强技术，改善图像质量、提高图像目视效果、突出所需要的信息、压缩图像数据量，为进一步的图像分析判读做好准备。 图像增强的主要目的有：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息等。 图像增强的主要内容有：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。 1.空间域增强 空间增强是有目的的突出图像上的某些特征，如突出边缘或线性地物；也可以有目的的去除某些地物，如抑制图像上再获取或传输过程中所产生的各种噪声。空间增强的目的性很强，处理后的图像从整体上可能与原图像差异很大，但却突出了需要的信息或消弱了不需要的信息，从而达到了增强的目的。 2.频率增强 像元的灰度值随位置变化的频繁程度可以用频率来 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示，这是一种随位置变化的空间频率。在频率域增强处理技术中，平滑主要是保留图像的低频率部分抑制高频率部分，锐化则保留图像的高频部分而消弱低频部分。 3.彩色增强 人的眼睛对灰度级的分辨能力较差，正常人的眼睛只能分辨20级左右的灰度级，而对彩色的分辨能力远远超过对灰度级的分辨能力，达到对灰度级分辨能力的几十倍以上。因此，将灰度值图像变为彩色图像以及进行各种彩色变换可以明显改善图像的可视性。彩色增强主要有以下几种方法。 伪彩色增强：伪彩色增强是把一幅黑白图像的不同灰度按一定的函数关系变换为彩色，得到一幅彩色图像的方法。黑白图像经过密度分割后，图像的可分辨能力得到明显提高，能准确地区分出地物类别。 假彩色增强：假彩色增强是彩色增强中最常用的一种方法，处理的对象是同一景物的多光谱图像。对于多波段遥感图像，选择其中的某三个波段，分别赋予红、绿、蓝三种颜色，即可显示和成的彩色图像。在 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 假彩色图像中，突出了植被、水体、城乡、山区、平原等特征，地物类型信息丰富。 彩色变换：遥感图像处理系统中还经常会用到IHS（亮度、色度、饱和度）模型，他表示的彩色与人眼看到的更为接近。RGB和IHS两种色彩模式可以相互转换，有些处理在某个彩色系统中可能更为方便。 4. 多图像代数运算 对于遥感多光谱图像和经过空间配准的两幅或多幅单波段遥感图像，可以进行一系列的代数运算，从而达到某种增强的目的。以下是运算的主要几种方法。 加法运算：加法运算时把两幅同样大小的图像对应像元的灰度值相加，主要用于对同一区域的多幅图像求平均，可以有效地减少图像的加性随机噪声。 差值运算：加法运算时把两幅同样大小的图像对应像元的灰度值相减。差值图像提供了不同波段或不同时相图像间的差异信息，能用在动态监测、运动目标监测与跟踪、图像背景消除及目标识别等工作中。 比值运算：比值运算是指两个不同波段的图像对应的灰度值相除，使遥感图像处理中常用的方法。这种算法对于增强和区分在不同波段上的比值差异较大的地物有明显的效果。 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，通常能够提取植被的算法称为植被指数。 图像复合：不同传感器获取的同一地区的图像，由于其波长范围不同、几何特性不同，分辨率不同等因素而具有不同的应用特点。图像复合可以综合不同传感器图像的优点，大大提高图像的应用精度。 5.多光谱增强 多光谱增强采用对对多光谱图像进行线形变换的方法，减少各波段信息之间的冗余，达到保留主要信息，压缩数据量，增强和提取更有目视解译效果的新波段数据的目的。 三.遥感图像的分类 图像分类是根据遥感影像的光谱特征，对影像上所 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 的各种地物类别，借助于电子计算机自动进行识别和区分的方法，主要分为监督分类和非监督分类两种基本方法。 1）监督分类 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后在对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要进过以下几个步骤：建立模板、评价模板、确定初步分类结果、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。监督分类示意图如图1： 图1 监督分类流程图 监督分类法中常用的为最大似然分类法、最小距离法、平行六面体法、决策树分类法。其中最大似然法是最为常用的分类方法之一；平行六面体法和决策树分类法虽让分类时间较短但总精度较最大似然为低。 2）非监督分类 非监督分类算法，完全按照像元的光谱特性进行统计分类，对分类区情况不了解时常使用这种方法。使用该方法时，原始图像的所有波段都参与分类元算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换以及统计分析。非监督分类示意图如图2： 图2 非监督分类流程图 3）遥感图像分类后的处理 无论监督分类还是非监督分类，都是按照图像光谱特征进行聚类分析的，因此，都带有一定的盲目性。所以，对获得的分类结果需要进行一些处理工作，才能得到相对理想的分类结果，这些处理操作通称为分类后处理。常用的分类后处理方法有聚类统计、过滤分析、去除分析和分类重编码等。 通过聚类、过滤和去除分析主要是对分类产生的一些小图斑进行剔除或是合并到与之相近的类中。分类重编码是将专题分类图像与原始图像对照，判断每个分类的专题属性，然后对相近或类似的分类通过图像重编码进行合并，并定义分类名称和颜色，这一步主要是针对非监督分类而言的。