遥感几个问题.docVIP

本课程设计的主要内容 a遥感概述与信息机理（空间信息集成技术组成与数据源、遥感成像原理与遥感图像特征） b遥感影像的校正和归一化（数字图像的性质与特点、辐射校正 、几何校正及处理要点） c数字影像的增强处理（对比增强、空间滤波、色彩变换、运算增强、多光谱变换） d多源信息融合（或复合）（融合的基本原理、影像间融合及算法、遥感与非遥感信息的复 合 e遥感影像目视解译（地物的识别特征、目视解译的认知过程、遥感摄影像片的判读、扫 描影像判读、微波影像判读） f分类与专题信息提取（分类的基本原理和过程、主要方法、智能影像分类系统、SAR影 像特点及处理过程要点） g土地覆盖/土地利用动态识别应用（背景、目标、技术流程、方案、过程、结果分析与评 价） 几种校正的原理和方法 从具有畸变的图像中消除畸变的处理过程叫图像校正，包括： 辐射校正 辐射校正（radiometric correction） ：消除辐射量失真利用遥感器观测目标物辐射或反射的电磁能量时，从遥感器得到的测量值与目标物的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为测量值中包含太阳位置及角度条件、薄雾等大气条件所引起的失真。为了正确评价目标物的反射特性及辐射特性，必须消除这些失真。 由遥感器的灵敏度特性引起的畸变校正 太阳高度及地形等引起的畸变校正 校正内容： 由遥感器引起的误差或由太阳高度引起的误差，一般在数据生产过程中由生产单位根据遥感器参数进行校正，而不需要用户进行自行处理。用户应该考虑大气影响引起的辐射畸变。 2、几何校正 遥感影像变形的原因：遥感器的内部畸变：由遥感器结构引起的畸变。遥感平台位置和运动状态变化的影响 地形起伏的影响 地球表面曲率的影响 大气折射的影响 地球自转的影响 基本过程： 从具有几何畸变的图像中消除畸变的过程。也可以说是定量地确定图像上的像元坐标（图像坐标）与目标物的地理坐标（地图坐标等）的对应关系（坐标变换式）。 差值和比值运算的意义与应用范畴 图像运算处理基本原理 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。 【差值运算即两幅同样行、列数的图像，对应像元的亮度值相减。差值运算应用于两个波段时，相减后的值反映了同一地物光谱反射率之间的差。由于不同地物反射率差值不同，两波段亮度值相减后，差值大的被突出出来。例如，当用红外波段减红波段时，植被的反射率差异很大，相减后的差值就大，而土壤和水在这两个波段反射率差值就很小，因此相减后的图像可以把植被信息突出出来。如果不作相减，在红外波段上植被和土壤，在红色波段上植被和水体均难区分。因此】图像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，黄土高原区的界线特征；海岸带的潮汐线等。 常用于研究同一地区不同时相的动态变化（要进行相对或绝对的辐射校正）。如监测森林火灾发生前后的变化和计算过火面积；监测水灾发生前后的水域变化和计算受灾面积及损失；监测城市在不同年份的扩展情况及计算侵占农田的比例等。有时为了突出边缘，也用差值法将两幅图像的行、列各移一位，再与原图像相减，也可起到几何增强的作用。两幅同样行、列数的图像，对应像元的亮度值相除。 比值运算可以检测波段的斜率信息并加以扩展，以突出不同波段间地物光谱的差异，提高对比度。该运算常用于突出遥感影像中的植被特征、提取植被类别或估算植被生物量。 比值运算对于去除地形影响也非常有效。【由于地形起伏及太阳倾斜照射，使得山坡的向阳处与阴影处在遥感影像上的亮度有很大区别，同一地物向阳面和背阴面亮度不同，给判读解译造成困难，特别是在计算机分类时不能识别。】由于阴影的形成主要是地形因子的影响，比值运算可以去掉这一因子影响，使向阳与背阴处都毫无例外地只与地物反射率的比值有关。 比值处理还有其它多方面的应用，例如对研究浅海区的水下地形有效，对土壤富水性差异、微地貌变化、地球化学反应引起的微小光谱变化等，对与隐伏构造信息有关的线性特征等都能有不同程度的增强效果。 监督分类和非监督分类的原理与过程 监督分类方法：首先需要从研究区域选取有代表性的训练区作为样本。根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别其它像元的归属类别。 监督分类：最小距离分类法、多级切割分类法、特征曲线窗口法、最大似然比分类法等。非监督分类方法：是在没有先验类别（训练区）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相似度大的像元归为一类）的方法。 非监督分类：多级集群法、动态聚类法等 简要论述RS在城市规划中