变化检测地形图更新(谢洪).pptVIP

利用高分辨率遥感影像进行1:10000地形图更新 选择影像分辨率的经验公式： 其中，f代表地形图比例尺，l一般在2.8～3之间，R即为影像分辨率。 所以当地形图比例尺为1：1万时，经计算，影像分辨率一般要大于2米。故在更新数据数据源上应该选择IKONOS 1米全色，4米多光谱(用于影像融合)或者是QUICKBIRD 0.61米全色影像，2.44多光谱影像 。 在更新过程中，除了所需的遥感影像数据外，还需要同区域的同比例尺数字线划图(DLG)、数字正射影像图(DOM)以及数字高程模型(DEM)等数据。 目前数字地形图更新的常用方法主要有两大类： ①对遥感影像进行预处理(几何纠正与配准，镶嵌，融合，分幅处理)后，与需要更新的数字地图数据在应用软件中(CAD,MAPINFO等)进行同屏套合显示, 目视找到要更新要素, 然后手工屏幕数字化，完成逐要素层更新、编辑、属性修改录入等地形图更新工作。 ②对遥感影像进行预处理后，先进行影像分类、在进行分类结果矢量化, 最后与数字地形图DLG进行套和, 自动或半自动的提取出需更新的地图要素，再通过对比、寻找出需要更新的差异地形要素, 后续工作与①一致。 将具有高空间分辨率- 低光谱分辨率的全色波段影像与高光谱分辨率- 低空间分辨率影像的多波段影像进行融合。当空间分辨率较低而光谱分辨率较高的多光谱数据与空间分辨率较高的全色数据融合时, 融合后影像的色彩信息主要来自多光谱影像, 纹理信息主要来自全色波段影像。影像融合使遥感图像在保证高空间分辨率的同时具有更丰富的光谱信息。 HIS变换的算法容易扭曲原始的光谱特性，产生光谱退化现象。 具有多分辨分析特征的小波变换算法其精确重构能力保证图像分解过程没有信息损失，能够把图像分解到不同尺度上，具有良好的时域和频域局部性，便于分析源图像的细节信息。 （1）对每一个原始图像分别进行小波分解，得到不同尺度和不同频带的小波系数表达，即分解为LL(低频部分)，HL(水平高频边缘)，LH(垂直高频边缘)以及HH(对角高频边缘)； （2）对各分解层分别进行融合处理，各分解层的不同频率分量采用不同的融合算子进行融合处理，最终得到融合后的小波系数； （3）对融合后的小波系数进行逆小波变换，得到重构后的图像，即融合后的图像。 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 利用高分辨率遥感影像进行1：1万地形图更新 （1）地形图的比例尺越大，其更新工作也就越为复杂，对于几何纠正以及融合的精度要求也越来越高 （2）影像分辨率越高，影像受到云层遮挡以及受地物阴影的影响也就越大，需要更多的外业进行修测或补测来进行地图更新。 （3）地形图更新过程涉及到遥感(RS)影像处理的很多关键技术，包括影像的几何纠正与镶嵌，融合与分幅以及影像的解译分类和地理要素的半自动提取等等。同时，后期的一些拓扑重建，要素综合以及属性信息的增加与修改工作又涉及到了GIS以及地图制图方面的技术。而修测工作又需要GPS辅助测量，所以地形图的更新工作是是典型的3S技术相结合进行的工作，其流程所涉及到的技术是比较复杂的。但随着3S技术的不断发展，其更新模式，方法不断进步，更新周期也在不断缩短。 优点：原理简单，计算量小，运算速度快； 缺点：适应能力差，只适合灰度均一的水域，对由于水质和水深变化引起的其影像灰度有变化的水域提取效果差。 因此不能只考虑单个像素的灰度特性，可适当的加入邻域相关知识。 2、基于邻域均值的半自动提取 如果水域的影像灰度变化比较明显，在上述方法不适用。如果C值太小，则水域范围提取不完整。C值太大，则会使提取的范围界限越界。因此可以在区域搜索的时加入简单的特征（均值、方差）进行判断。 此方法就是在提取水域影像特征时加入了候选点的邻域信息，即在| S（x,y） - g(x,y) |C中， S（x,y） 是种子点的w×w邻域的灰度均值， g(x,y) 是区域候选点的w×w邻域的灰度均值。 二、植被的提取 植被在影像上成连续分布，并在