《遥感图像基本处理》课件.pptxVIP

《遥感图像基本处理》课程介绍本课程将全面系统地介绍遥感图像的基本处理技术,包括获取、特性分析、几何校正、辐射校正、大气校正、拼接、融合、增强、分割、分类、目标检测等内容,为学生掌握遥感图像处理的基本原理和方法奠定基础。saby

遥感图像获取过程1卫星成像卫星搭载的传感器从轨道上扫描地球表面,获取高分辨率的数字影像数据。这些数据经过质量控制和预处理后供应用使用。2航空拍摄专业航空相机安装在飞机或无人机上对地面进行拍摄。这种方式可获得细致入微的高质量遥感图像。3手持设备采集使用智能手机、数码相机等手持设备也可获取遥感图像。这种方式灵活便捷,适合小范围的快速数据采集。

遥感图像的基本特性空间分辨率高：卫星与航空遥感图像能提供高达亚米级的空间细节。时间分辨率快：遥感传感器能连续监测同一地区,实时获取动态变化信息。多光谱信息丰富：遥感图像涵盖可见光、红外、微波等多个波段,数据信息丰富。覆盖范围广：单幅遥感图像可以覆盖数百乃至数千平方公里的地理区域。获取成本低：现代遥感技术已广泛应用,相关图像数据获取成本大幅降低。

遥感图像的分类按成像方式分类主要包括光学遥感、雷达遥感和高光谱遥感。不同的成像方式可捕捉地物的不同特性。按遥感平台分类可分为卫星遥感、航空遥感和地面遥感。采用不同平台可获取不同分辨率和覆盖范围的遥感数据。按应用领域分类如农业、森林、城市规划、环境监测等。不同领域需要针对性地处理和分析遥感图像。按数据结构分类可分为光栅和矢量两种基本数据结构。处理方法因数据结构而异。

遥感图像的几何校正由于卫星和航空平台的移动,以及地形、大气等因素的影响,遥感图像会出现几何失真。几何校正是通过数学模型纠正这些失真,使图像与实地位置精确对应的关键步骤。常用的几何校正方法包括单点校正、多点校正、导航数据校正等。这些方法利用地面控制点或航线/姿态数据,计算出几何校正参数,消除图像的比例、倾斜、位移等失真。

遥感图像的辐射校正遥感图像在获取过程中会受到大气和传感器自身性能的影响,导致图像的辐射失真。辐射校正就是通过数学模型和现场校验数据,消除这些因素造成的辐射失真,使图像反射值更加接近地物本身的辐射特性。常用的辐射校正方法包括基于辐射传输模型的大气校正、基于参考标准的传感器自校正等。这些方法能够有效消除云、雾、气溶胶等大气效应,以及传感器漂移、曝光过度等因素导致的辐射失真。

遥感图像的大气校正遥感图像在获取过程中会受到大气中的气溶胶、水汽等因素影响,导致图像出现色彩偏差和反射值失真。大气校正是通过数学模型和实测数据,校正这些大气效应,恢复地物本身的光谱特性。主要的大气校正方法包括基于辐射传输模型的Chavez模型、FLAASH模型等,以及基于暗目标假设的DOS模型等。这些方法能有效去除水汽、灰尘等大气成分对遥感图像的影响,提高图像的定量分析精度。

遥感图像的拼接图像几何配准基于共享的地理参考信息,将多幅遥感图像的几何坐标系统统一,消除尺度、旋转和位移等差异。辐射统一化调整图像的亮度、对比度、直方图等辐射特性,使临近影像的像素值连续过渡。镶嵌拼接将几何和辐射校正后的影像进行切割、重叠、融合,生成覆盖更大区域的连续影像。

遥感图像的融合遥感影像融合是将不同传感器或不同波段的遥感图像结合起来,生成一幅信息更加丰富的新图像的过程。这包括光谱融合、空间融合和时间融合等多种方式。融合后的图像能够充分利用多传感器或多波段的优势,提高图像的分辨率和信息内容,为后续的图像分析和应用提供更加全面的数据支撑。

遥感图像的增强处理亮度增强利用直方图均衡化等方法提高图像整体亮度,增强地物的细节和对比度。对比度增强通过拉伸直方图或者使用非线性变换,提高图像的对比度,凸显地物特征。边缘锐化利用高通滤波器突出图像边缘细节,提高目标物的可识别性。空间滤波使用各种空间滤波器消除噪声、平滑过渡,提高图像的整体质量。

遥感图像的分割遥感图像分割是将一幅图像划分为多个有意义的区域或对象的过程。这是许多遥感应用的基础,如土地覆盖分类、目标检测等。常用的分割方法包括边缘检测、区域生长、聚类等。这些方法通过分析像素的光谱特征、空间关系等,将图像划分为若干个相对均一的区域。分割的结果直接影响后续的分类、识别等分析任务的精度和效率。

遥感图像的分类光学遥感雷达遥感高光谱遥感其他类型遥感图像可以按照成像方式、平台、应用领域和数据结构等不同维度进行分类。光学遥感、雷达遥感和高光谱遥感是主要的成像方式,各有其特点和优势。这种分类方式反映了遥感技术的丰富性和广泛应用。

遥感图像的目标检测遥感图像目标检测是指在遥感影像中自动识别和定位特定的目标物体的过程。这是许多遥感应用的关键步骤,如智慧城市规划、精准农业、军事情报分析等。常用的检测方法包括基于机器学习的目标分类、基于特征的目标识别、基于深度学习的端到端检测等。