第章：遥感数字图像计算机解译(范文).docxVIP

第章：遥感数字图像计算机解译(范文) 第 PAGE \* Arabic 1 页第 PAGE \* Arabic 1 页 1 模拟影像：普通像片那样的灰度级及颜色连续变化的影像 数字影像：把模拟影像分割成同样形状的小单元，以各个小单元的平均亮度值或中 心部分的亮度值作为该单元的亮度值进行数字化的影像。 把前一部分的空间离散化处理叫采样 而后一部分的亮度值的离散化处理叫量化 以上两种过程结合起来叫影像的数字化 2 遥感数字图像是以数字表示的遥感图像,其最基本的单元是像素.像素是成像过程的采样点,也是计算机处理图像的最小单元.像素具有空间特征和属性特征. 3 遥感数字图像的特点 便于计算机处理与分析 图像信息损失少 抽象性强 遥感数字图像是以二维数组来表示的. 遥感图像按照波段数量分为：单波段数字图像：SPOT 的全色波段；多波段数字图像：TM的7个波段数据. 多波段数字图像的三种数据格式 BSQ格式；BIP格式；BIL格式 7 航空像片的数字化：空间采样 、属性量化。为便于处理和分析，航空像片数字化一般采用均匀采样和等距量化处理。 8 遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。 采用距离衡量相似度时，距离越小相似度越大。 采用相关系数衡量相似度时，相关程度越大，相似度越大。 （统计模式识别技术） 9 监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。 最小距离分类法、多级切割分类法、特征曲线窗口分类法、最大似然比分类法 非监督分类：是在没有先验类别（训练场地）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（即相似度的像元归为一类）的方法。 分级集群法、动态聚类法 10 分类后处理 聚类统计 过滤分析 去除分析 分类重编码 11 图像分类中的有关问题 1、未充分利用遥感图像提供的多种信息 2、提高遥感图像分类精度的限制因素 12 遥感图像多种特征的抽取 一、地物边界跟踪法 二、形状特征描述与提取 地物形状特征的描述；地物形态特征的提取：地物单元周长、地物面积、线状地物的曲率、面状地物的形状系数： 三、地物空间关系特征描述与提取 不同地物之间的空间关系：方位关系、包含关系、相邻关系、相交关系、相贯关系 13 专家系统：把某一特定领域的专家知识与经验形式化后输入到计算机中，由计算机模仿专家思考问题与解决问题，是代替专家解决专业问题的技术系统。 遥感图像解译专家系统：它是模式识别与人工智能技术相结合的产物，用于模式识别方法获取地物多种特征，为专家系统解译遥感图像提供依据，同时应用人工智能技术，运用遥感图像解译专家的经验和方法，模拟遥感图像目视解译的具体思维过程，进行遥感图像解译。 图像处理与特征提取子系统 1、图像处理： 图像滤波可消除图像的噪声；减少噪声造成的计算机解译过程中的错判或误判。 图像增强可突出目标物体与背景的差异；便于对目标地物的检测。 大气纠正可消除大气散射、雾霁等影响；提高影像的解译精度。 几何精校正后的数字影像可与专题图精确复合；增加辅助解译的位置配准精度。 2、分类与特征提取子系统 从图像中抽取光谱特征、图像特征和空间特征，为专家系统进行推理、判断及分析提供依据。 针对面状地物进行图像区域分割，其目的在于将图像分割成区域，并从遥感图像中检测出地物的边界，以便形状特征抽取和描述。 分类与特征提取模块主要应用模式识别技术，获取地物单元的空间分布位置和主要特征，把空间数据和属性数据送入遥感图像数据库，为专家系统所调用。 遥感图像解译知识获取子系统 增加遥感解译新知识 发现原有错误知识,修改或补充新知识 根据解译结果,自动总结经验，修改错误知识,增加新知识. 14 计算机解译的主要技术发展趋势 1、抽取遥感图像多种特征 2、逐步完成GIS各种专题数据库的建设，利用GIS数据减少自动解译中的不确定性 3、建立适用于遥感图像自动解译的专家系统，提高自动解译的灵活性 4、模式识别与专家系统相结合 5、计算机解译新方法的应用 （1）人工神经网络在遥感图像识别中的应用。 （2）小波分析在遥感图像识别中的应用。 （3）分形技术在遥感图像识别中的应用。 （4）模糊分类方法在图像识别中的应用。