(4.3.3)--遥感数字图像处理方法.pptVIP

下载本文档

0
0
约4.45千字
约 53页
2025-06-05 发布于北京
举报
版权申诉

(4.3.3)--遥感数字图像处理方法.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

*EqualizedContrastStretchThisstretchassignsmoredisplayvalues(range)tothefrequentlyoccurringportionsofthehistogram.Inthisway,thedetailintheseareaswillbebetterenhancedrelativetothoseareasoftheoriginalhistogramwherevaluesoccurlessfrequently*EqualizedContrastStretch*SpatialFiltering?Toimproveinterpretabilityofimagedata?Toaidinautomatedfeatureextraction?Toremoveand/orreducesensordegradation**Low-passFilterLinearStretchedImageLow-passFilterImage*High-passFilters:LinearContrastStretchHi-passFilter***DirectionalFilters??????????????????????????????????EdgeDetection

LakesStreamsEdgeDetection

FracturesShorelineenhancelinearfeatures**DensitySlicingGOESSatelliteinfrareddataissubdividedinto6colorlevelsfromcold(white,gray,purple)tocoldest(brown,red,darkbrown).*InformationExtractionFalseColorCompositesImageRatios,PrincipleComponentsAnalysis*FalseColorCompositesBand1Band2Band3*ImageRatios:SensorImageRatioEMSpectrumApplicationLandsatTMBands3/2red/greenSoilsLandsatTMBands4/3PhotoIR/redBiomassLandsatTMBands7/5SWIR/NIRClayMinerals/RockAlteration?NormalizedDifferenceVegetationIndex(NDVI):NDVI=100*SquareRoot[(IR-Red)/(IR+Red)]*PrincipleComponentsAnalysis:*PCAImageExample:Falsecolorimagewithcontraststretch(SPOTdata)PCAdecorrelationstretchofsameimage*UnsupervisedClassificationsSupervisedClassifications*UnsupervisedClassifications:*K-meansK均值算法的聚类准则是使每一聚类中，多模式点到该类别的中心的距离的平方和最小。其基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。**SupervisedClassification:*MinimumDistance方法:最小距离法:在利用训练数据获得了各个分类类别的特征参数(如均值向量)以后,对于一未知像元,首先计算它与各个类别特征向量或代表特征向量(如均值向量)的距离,然后比较距离的大小,未知像元归并到距离最小的类别中.**Electro-magneticradiationReflected,Emittedsensor(remotesensor)Cameras,scannersPlatformAircraft,satellitesDataProcessinganditsApplication*2.Use