课件_地物光谱特征与遥感数字图像信息提取.pptVIP

3.3.2 遥感数字图像处理 植被指数NDVI TM4/TM3 其他 林业上常用 4/2(3),5/1,7/3(2) 4/3(2),5/1,3/2(1) 常用的比值 3.3.2 遥感数字图像处理 二 应用实例NDVI 3.3.2 遥感数字图像处理 TM图像的5/2突出水体 3.3.2 遥感数字图像处理 5、彩色图像增强 ①假彩色密度分割 将灰度按照指定的间隔分割为不同的级，对新的密度分级分别赋予不同的颜色 3.3.2 遥感数字图像处理 ②彩色增强 在一个输入像元的灰度级上分别进行三个独立的色变换在显示屏幕上产生一个彩色合成图像。从而达到明显的分辨和识别效果 ？ 3.3.2 遥感数字图像处理 ③假彩色合成 目的 综合不同波段的特征，突出研究对象的差异 原理 原则 信息量最大 相关性最小 差异最大 方法 信息量分析 相关分析 方差分析 其他 3.3.2 遥感数字图像处理 TM图像4-3-2合成实例 3.3.2 遥感数字图像处理 3. 遥感数据融合 实质 在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息 原理及过程 预处理 主要包括遥感影像的大气校正、辐射校正及空间配准 数据融合 根据融合目的和融合层次智能地选择合适的融合算法，将空间配准的遥感影像数据（或提取的图像特征或模式识别的属性说明）进行有机合成，得到目标的更准确表示或估计 3.3.2 遥感数字图像处理 数据融合分类 像元级融合 像元级融合是一种最低水平的融合 特征级融合 特征级融合是一种中等水平的融合 决策级融合 决策级融合是最高水平的融合 数据融合方法 IHS变换、代数法 、Brovey变换、图像回归法、主成分变换（PCT）、小波变换等 3.3.2 遥感数字图像处理 三级融合层次下的融合方法 像元级 特征级 决策级 代数法 熵法 专家系统 IHS变换 表决法 神经网络 小波变换 聚类分析 Bayes估计 Brovey变换 Bayes估计 模糊聚类法 主成分变换 神经网络法 可靠性理论 回归模型法 加权平均法 基于知识的融合法 Kalman滤波法 Dempater-shafer推理法 Dempater-shafer推理法 TM741 RadarSat TM和RadarSat复合 3.3.2 遥感数字图像处理 四、遥感数字图像分析 图像理解 从图像中提取有用信息的过程 包括 图像分类 图像分割 特征分析 输出 内容明确的数据或图形图像 特点 以具体的知识和目的为基础，结果更接近于解释的成果和实际的应用 3.3.2 遥感数字图像处理 图像信息获取 信息处理 特征提取 分类 图像分类（模式识别） 3.3.2 遥感数字图像处理 1、遥感图像分类技术 原理 同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异 同类地物的像元在数目较大时，其特征量的分布类型接近正态分布 方法 利用像素的灰度值之间的关系，综合考虑矢量数据，考虑属性数据。对像素的进行分类 以随机变量的统计分析为基础 3.3.2 遥感数字图像处理 特点 多变量的图像分类 分类在一定的比例尺上进行 原则 多变量综合考虑 在特征空间的位置可以用均值表示，离散程度可以用方差表示 分类的实质是将特征空间分为若干子区域，每个子区域为一类 3.3.2 遥感数字图像处理 指标（特征） 波段 其他属性 地形特征 调查数据 … 统计量 均值 方差 距离度量 离差平方和 3.3.2 遥感数字图像处理 2、具体分类方法 非监督分类 最大似然法 最小距离法 …… 3.3.2 遥感数字图像处理 非监督分类 特征空间识别法 系统聚类法 分裂法(isomix) 动态聚类法(k-means) 3.3.2 遥感数字图像处理 影响结果的主要因素 选择的距离 聚类方式 特点 需要较少的人工参与 结果不依赖于统计参数 对于非正态分布的数据可以得到较好的结果 不适合同谱异物的数据 结果的稳定性较低 结果可以作为监督分类的参考 3.3.2 遥感数字图像处理 非监督分类小结 需要较少的人工参与 不适合同谱异物的数据 计算速度慢 分类结果 不依赖于统计参数 对于非正态分布的数据可以得到较好的结果 稳定性较低 可以作为监督分类的参考 3.3.2 遥感数字图像处理 数字图像分类新技术 人工神经网络分类法 模糊分类法 亚像元分类法(subpixel classification) 其他分类法 3.4 遥感数字图像信息定量反演 遥感图像信息定量反演的原理 遥感图像信息定量反演方法 遥感地表参数反演 3.4.1 遥感图像信息定量反演的原理 遥感机理和各种前向模型 统计模型 物理模