第二讲地物光谱特征与遥感数字图像信息提取.ppt

2.3.2 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 2.3.2 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 2.3.2 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 2.3.2 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） 2.3.2 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 2.3.2 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 2.3.2 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 2.3.2 遥感数字图像处理 2、具体分类方法 监督分类 最大似然法 最小距离法 …… 2.3.2 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) 2.3.2 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 2.3.2 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 2.3.2 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 2.4 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 2.4.1 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 物理模型 半经验模型 反演模型和反演策略的研究 2.4.2遥感图像信息定量反演方法 辐射传输模型（RT模型) 几何光学模型（GO模型) 几何光学—辐射传翰混合模型(GORT混合模型) 计算机模拟模型 2.4.3 遥感地表参数反演 方向反射BBDF的反演 植被结构参数反演 叶面积指数LAI 叶倾角分布LAD 遥感图像的几何纠正方法 校正成像过程中所造成的各种几何畸变，就是将图像数据投影到平面上，使其符合地图投影系统的过程，称为几何校正。 遥感图象的几何粗处理和精处理 遥感图像的几何纠正按照处理方式分为光学纠正和数字纠正 光学纠正主要用于早期的遥感图像的处理中，现在的应用已经不多。除了对框幅式的航空照片（中心投影）可以进行比较严密的纠正以外，对于大多数动态获得的遥感影像只能进行近似的纠正 （二）几何校正 2.3.2 遥感数字图像处理 数字图象几何纠正：通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法。 几何精校正是指利用地面控制点使遥感图像的几何位置符合某种地理系统，与地图配准，并调整亮度值。也就是在遥感图像的像元与地面实际位置之间建立数学关系，将畸变图像空间中的全部像元转换到校正图像空间去。 内容一般包括两个方面：一个是图像像元空间位置的变换，另一个是像元灰度值的重采样。 2.3.2 遥感数字图像处理 几何精校正具体步骤 ： 选取地面控制点（GCP）：分布均匀，书目合理，容易辨认。 选择空间变换函数 重采样和内插