遥感图像_遥感图像处理 - CSDN
  • 遥感图像分类

    万次阅读 2019-01-28 21:36:02
    遥感图像分类 一、背景简介 遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析,选择特征,将图像中各个像元按照某种规则或算法划分不同的类别,然后获得遥感图像中与实际地物的...

    遥感图像分类

    一、背景简介

    遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析,选择特征,将图像中各个像元按照某种规则或算法划分不同的类别,然后获得遥感图像中与实际地物的对应信息,从而实现图像的分类。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。常见的分类方法有:监督分类、非监督分类法。

    二、监督分类与非监督分类的区别及优缺点简要探讨:

    案例:数据源为ENVI自带的Landsat tm5数据Can-tmr.img,类别为:林地、草地/灌木、耕地、裸地、沙地、其它六类。 下面就分别用监督分类与非监督分类法次此案例进行简单分析。
    首先我们来了解一下什么是监督分类?
    监督分类是用于在数据集中根据用户定义的训练样本类别聚集像元。训练样本类别是像元的集合或单一波谱。在分类过程中,可以选择它们作为代表区域或分类素材。
    监督分类的大致步骤有:类别定义、样本选择、分类器选择、影像分类、分类后处理、结果验证。
    监督分类对本案例处理的简要流程:

    1、类别定义

    根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统;对影像进行特征判断,评价图像质量,决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程,为后面样本的选择打下基础。本例是以ENVI自带Landsat tm5数据Can-tmr.img为数据源,类别分为:林地、草地/灌木、耕地、裸地、沙地、其他六类。

    2、样本选择

    为了建立分类函数,需要对每一类别选取一定数目的样本,在ENVI,中是通过感兴趣区来确定,也可以将矢量文件转化为ROIs文件来获得,或者利用终端像元收集器来获得。本例中使用ROIs方法,打开分类图像,在Display->Overlay->Region of Interest,默认ROIs为多边形,按照默认设置在影像上定义训练样本。如图1-1示,设置好颜色和类别名称。
    在这里插入图片描述
    如图1-1 训练样本的选择

    3、分类器选择

    根据分类的复杂度,精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的,包括平行六面体、最小距离、马氏距离、最大似然,基于神经网络的,基于模式识别,包括支持向量机、模糊分类等,针对高光谱有光谱角,光谱信息散度,二进制编码。

    4、影像分类

    选择支持向量机分类方法。主菜单下选择Classification>Supervised>Support Vector Machine。按照默认设置参数输出分类结果。如图1-2:
    在这里插入图片描述
    图1-2支持向量机分类器参数设置
    在这里插入图片描述
    图1-3支持向量机分类结果

    5、分类后处理

    分类后处理包括的很多过程都是可选项,包括更改类别颜色、分类后统计,小斑块处理等。如更给类别颜色:在主图像窗口中的显示菜单里,选择Display > Color Mapping > Class Color Mapping,分别选取颜色。
    在这里插入图片描述
    图1-4类别颜色更改后的效果
    在这里插入图片描述
    图1-5自动颜色更改的效果

    6、结果验证

    结果验证主要是对分类结果进行评价,确定分类的精度和可靠性。有两种方法:一是混淆矩阵,二是ROC曲线。在此不作具体介绍。
    让我们来了解一下什么是非监督分类?
    非监督分类:也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自 然相似光谱集群的过程。它不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱(或纹理)信息进行特征提取,再统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。
    目前非监督分类器比较常用的是ISODATA、K-MEAN 等链状方法。
    非监督分类处理本案例的流程简要:

    1、影像分析

    大体上判断主要地物的类别数量。一般监督分类设置分类数目比最终分类数量要多2-3倍为宜,这样有助于提高分类精度。本案例的数据源为ENVI自带的 Landsat tm5 数据Can-tmr.img, 类别分为:林地、草地/灌木、耕地、裸地、沙 地、其它六类。

    2、分类器选择

    ISODATA重复自组织数据分析技术,计算数据空间中均匀分布的类均值,然后用最小距离技术将剩余像元进行迭代聚合,每次迭代都重新计算均值,且根据所得的新均值,对像元进行再分类。
    K-MEAN使用了聚类分析方法,随机地查找聚类簇的聚类相似度相近,即中心位置,是利用各聚类中心对象的均值所获得一个中心对象来进行计算的,然后迭代地重新配置它们,完成分类过程。

    3、影像分类

    打开ENVI,选择主菜单->Classificatio->Unsupervised->IsoData或者K-mean。如选择IsoData,在选择文件时,可以设置空间或光谱裁剪区。如选择Can-tmr.ing,按默认设置,之后跳出参数设置,如图1-6:ISODATA非监督分类结果。
    在这里插入图片描述
    1-6分类结果

    4、 类别定义

    在display中显示原始影像,在display->overlay->classification,选择ISODATA分类结果,如图所示,在Interactive Class Tool面板中,可以选择 各个分类结果显示。如图1-7:
    在这里插入图片描述
    图1-7影像与分类结果的叠加
    Interactive Class Tool面板中,选择Option->Edit class colors/names。 通过目视或者其他方式识别分类结果,填写相应的类型名称和颜色。如图1-8所 示为最终结果。
    在这里插入图片描述
    图1-8类别定义结果

    5、分类后处理

    对颜色的分类,统计分析等参考监督分类。

    6、 结果验证

    参照监督分类

    三、小结

    由此案例可得监督分类与非监督分类:
    区别:非监督分类的关键部分是类别定义。此过程需要数据的支持,甚至需要组织野外实地调查。
    监督分类中的样本选择和分类器的选择较关键。在样本选择时,为了更加清楚的查看地物类型,可以适当的对图像做一些增强处理。
    两者的根本区别是在于是否利用训练场地来获取先验的类别知识。

    优缺点:

    优点:可充分利用分类地区的先验知识,预先确定分类的类别;可控制训练样本的选择;可避免非监督分类中对光谱集群组的重新归类等。
    缺点:人为主观因素较强;训练样本的选取和评估需花费较多的人力,时间等。

    非监督分类:

    优点:无需对分类区域有广泛的了解,仅需一定的知识来解释分类出集群组;人为误差小;独特的,覆盖量小的类别均能被识别;简单,速度快等。
    缺点:对其结果进行大量处理后,才能得到可靠分类结果;不能精确控制分类的类别数等。

    扫码关注公众号,了解更多文章

    三山半落,一水中分。地纵经纬,理入乾坤。
    ~兰州交通大学地理信息科学爱好者集散地,欢迎你的加入~

    在这里插入图片描述

    展开全文
  • 遥感图像处理流程

    千次阅读 2019-08-12 13:38:20
    本文介绍遥感图像的基本处理流程,包括预处理、几何纠正、图像增强、图像增强、图像镶嵌和匀色和遥感信息提取等。

       注:本文转载自https://blog.csdn.net/liminlu0314/article/details/8757262

    一.预处理 
    1.降噪处理 
    由于传感器的因素,一些获取的遥感图像中,会出现周期性的噪声,我们必须对其进行消除或减弱方可使用。 
    (1)除周期性噪声和尖锐性噪声 
    周期性噪声一般重叠在原图像上,成为周期性的干涉图形,具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑,代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 
    消除尖峰噪声,特别是与扫描方向不平行的,一般用傅立叶变换进行滤波处理的方法比较方便。


    图1 消除噪声前


    图2 消除噪声后

    (2)除坏线和条带 
    去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带,还有一些与辐射信号无关的条带噪声,一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。


    图3 去条纹前


    图4 去条纹后


    图5 去条带前

    图6 去条带后

    2.薄云处理 
    由于天气原因,对于有些遥感图形中出现的薄云可以进行减弱处理。 
    3.阴影处理 
    由于太阳高度角的原因,有些图像会出现山体阴影,可以采用比值法对其进行消除。

    二.几何纠正
    通常我们获取的遥感影像一般都是Level2级产品,为使其定位准确,我们在使用遥感图像前,必须对其进行几何精纠正,在地形起伏较大地区,还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正,此处不做阐述。 
    1.图像配准 
    为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算,必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 
    (1)影像对栅格图像的配准 
    将一幅遥感影像配准到相同地区另一幅影像或栅格地图中,使其在空间位置能重合叠加显示。


    图7 图像配准前


    图8 图像配准后

    (2)影像对矢量图形的配准 
    将一幅遥感影像配准到相同地区一幅矢量图形中,使其在空间位置上能进行重合叠加显示。 
    2.几何粗纠正 
    这种校正是针对引起几何畸变的原因进行的,地面接收站在提供给用户资料前,已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.
    3.几何精纠正 
    为准确对遥感数据进行地理定位,需要将遥感数据准确定位到特定的地理坐标系的,这个过程称为几何精纠正。 
    (1)图像对图像的纠正 
    利用已有准确地理坐标和投影信息的遥感影像,对原始遥感影像进行纠正,使其具有准确的地理坐标和投影信息。 
    (2)图像对地图(栅格或矢量) 
    利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图,对原始遥感影像进行纠正,使其具有准确的地理坐标和投影信息。


    图9 参考地形图


    图10 待纠正影像



    图11 纠正后影像和地形图套和效果

    (3)图像对已知坐标点(地面控制点) 
    利用已有准确地理坐标和投影信息的已知坐标点或地面控制点,对原始遥感影像进行纠正,使其具有准确的地理坐标和投影信息。 
    4.正射纠正 
    利用已有地理参考数据(影像、地形图和控制点等)和数字高程模型数据(DEM、GDEM),对原始遥感影像进行纠正,可消除或减弱地形起伏带来的影像变形,使得遥感影像具有准确的地面坐标和投影信息。 


    图12 数字正射影像图

    三.图像增强
    为使遥感图像所包含的地物信息可读性更强,感兴趣目标更突出,需要对遥感图像进行增强处理。 
    1.彩色合成 
    为了充分利用色彩在遥感图像判读和信息提取中的优势,常常利用彩色合成的方法对多光谱图像进行处理,以得到彩色图像。 
    彩色图像可以分为真彩色图像和假彩色图像。


    图13真彩色合成( TM321)


    图14 假彩色合成(TM432)

    2.直方图变换 
    统计每幅图像的各亮度的像元数而得到的随机分布图,即为该幅图像的直方图。 
    一般来说,包含大量像元的图像,像元的亮度随机分布应是正态分布。直方图为非正态分布,说明图像的亮度分布偏亮、偏暗或亮度过于集中,图像的对比度小,需要调整该直方图到正态分布,以改善图像的质量。


    图15 直方图拉伸前(原图偏暗)


    图16 直方图拉伸后


    图17 直方图拉伸前(原图对比度不强)


    图18 直方图拉伸后(线性拉伸)

    3.密度分割 
    将灰度图像按照像元的灰度值进行分级,再分级赋以不同的颜色,使原有灰度图像变成伪彩色图像,达到图像增强的目的。


    图19 原始图像


    图20 密度分割图像

    4.灰度颠倒 
    灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0~255)到饱和状态,然后再进行颠倒,使正像和负像互换。


    图21 灰度颠倒前


    图22 灰度颠倒后

    5.图像间运算 
    两幅或多幅单波段图像,空间配准后可进行算术运算,实现图像的增强。常见的有加法运算、减法运算、比值运算和综合运算。例如: 
    减法运算:可突现出两波段差值大的地物,如红外-红,可突现植被信息。 
    比值运算:常用于计算植被指数、消除地形阴影等。 
    植被指数:NDVI=(IR-R)/(IR+R)


    图23 原始图像


    图24 NDVI植被指数图像

    6.邻域增强 
    又叫滤波处理,是在被处理像元周围的像元参与下进行的运算处理,邻域的范围取决于滤波器的大小,如3×3或5×5等。 
    邻区法处理用于去噪声、图像平滑、锐化和相关运算 。


    图25 原始图像


    图26 拉普拉斯滤波图像(5×5)

    7.主成分分析 
    也叫PCA变换,可以用来消除特征向量中各特征之间的相关性,并进行特征选择。 
    主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。例如:对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析,然后把得到的第1,2,3主分量图像进行彩色合成,可以获得信息量非常丰富的彩色图像。


    图27 第一主成分


    图28 第二主成分


    图29 第三主成分


    图30 第四主成分


    图31第五主成分


    图32 第六主成分

    8.K-T变换 
    即Kauth-Thomas变换,又称为“缨帽变换”。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖,力争抓住地面景物在多光谱空间中的特征。 
    目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。


    图33 第一主分量(亮度)


    图34 第二主分量(绿度)


    图35第三主分量

    9.图像融合 
    遥感图像信息融合是将多源遥感数据在统一的地理坐标系中,采用一定的算法生成一组新的信息或合成图像的过程。 
    不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率,如果能将它们各自的优势综合起来,可以弥补单一图像上信息的不足,这样不仅扩大了各自信息的应用范围,而且大大提高了遥感影像分析的精度。


    图36 多光谱影像


    图 37高分辨率影像


    图38 融合影像(HSV融合)

    四.图像裁剪
    在日常遥感应用中,常常只对遥感影像中的一个特定的范围内的信息感兴趣,这就需要将遥感影像裁减成研究范围的大小。


    图39 原始影像

    1.按ROI裁剪 
    根据ROI(感兴趣区域)范围大小对被裁减影像进行裁剪。


    图40 按ROI(行政区)域裁剪

    2.按文件裁剪 
    按照指定影像文件的范围大小对被裁减影像进行裁剪。 
    3.按地图裁剪 
    根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。


    图41 按地图坐标范围裁剪

    五.图像镶嵌和匀色
    1.图像镶嵌 
    也叫图像拼接,是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起,构成一幅整体图像的技术过程。 
    通常是先对每幅图像进行几何校正,将它们规划到统一的坐标系中,然后对它们进行裁剪,去掉重叠的部分,再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。


    图42镶嵌左影像


    图43 镶嵌右影像


    图44 镶嵌结果影像

    2.影像匀色 
    在实际应用中,我们用来进行图像镶嵌的遥感影像,经常来源于不同传感器、不同时相的遥感数据,在做图象镶嵌时经常会出现色调不一致,这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。


    图45 匀色前影像


    图46 匀色后影像

    六.遥感信息提取 
    遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。依据遥感图像上的地物特征,识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。 
    目前信息提取的方法有:目视判读法和计算机分类法。其中目视判读是最常用的方法。 
    1.目视判读 
    也叫人工解译,即用人工的方法判读遥感影像,对遥感影像上目标地物的范围进行手工勾绘,达到信息提取的目的。


    图47 人工解译水系

    2.图像分类 
    是依据是地物的光谱特征,确定判别函数和相应的判别准则,将图像所有的像元按性质分为若干类别的过程。 
    (1)监督分类 
    在研究区域选有代表性的训练场地作为样本,通过选择特征参数(如亮度的均值、方差等),建立判别函数,对样本进行分类,依据样本的分类特征来识别样本像元的归属类别的方法。


    图48 原图像


    图49 监督分类图像

    (2)非监督分类 
    没有先验的样本类别,根据像元间的相似度大小进行归类,将相似度大的归为一类的方法。 
    (3)其他分类方
    包括神经网络分类、分形分类、模糊分类等分类方法,以及他数据挖掘方法如模式识别、人工智能等,在这里不做进一步阐述。

    展开全文
  • 提供了一套完整的方案,包括图像处理和图像识别,可以拿来尝试并fine tune一下
  • 遥感图像入门

    2020-09-11 23:26:26
    遥感图像入门一、 遥感基本概念地物光谱特性3S 技术瑞利散射大气窗口二、 遥感系统的组成三、 衡量传感器性能的四个指标:四、 遥感分类五、 遥感数字图像处理图像与数字图像数字图像获取时的基本参数数字图像类型 ...

    一、 遥感基本概念

    遥感(Remote Sensing)——遥远的感知,在未接触物体的情况下获取其特征信息,再经过提取、判定、加工及应用分析的一门综合性技术。

    1. 广义的遥感
      遥感泛指一切无接触的远距离探测,包含对电磁场、力场、机械波(声波、地震波)等的探测。

    2. 狭义的遥感
      狭义上理解,遥感是应用探测仪器,不与探测目标相接触,从远处把目标的电磁波特性记录下来,通过分析来揭示出物体的特征性质及其变化的综合性探测技术

    地物光谱特性

    一切物体,具有反射或辐射不同波长的电磁波,但是在不同种类和环境,其特性不同,因而就有两种现象,同物异谱和同谱异物。

    3S 技术

    3S 指的是 GIS、GPS 和 RS 英文合成。

    遥感给地理信息提供数据源,遥感得到的信息利用地理信息的方法分析;GPS 在遥感图像的几何校正或者图像解译时野外调查时候提供定位和导航,遥感给 GPS 的导航提供底图数据;地理信息给 GPS 提供数据显示以及路径分析,GPS 给地理信息系统提供位置信息以及导航路线信息等。也就是说,RS 和 GPS 给 GIS 提供数据源,GIS 给 RS 和 GPS 提供分析、共享途径。

    瑞利散射

    当大气中的原子、分子的直径比波长小很多,这个时候电磁波在大气中发生的散射叫做瑞利散射。这种散射的特点是散射强度与波长的四次方成反比,也就是说波长越长,这种散射越小。这种散射在可见光影响最为明显,尤其是蓝色波段,这个也是天空是蓝色的解释。对于遥感来说,这个散射是不利的,有些传感器为了提高影像的质量,就不设这个波段,如 SPOT 系列、ASTER 传感器等。

    大气窗口

    把电磁波通过大气层时候较少被反射、吸收或散射的透过率较高的波段叫做大气窗口。传感器的设计就是根据大气窗口来设计波段的。

    二、 遥感系统的组成

    在这里插入图片描述

    1. 目标物的电磁波特性
      任何目标物都具有发射、反射和吸收电磁波的性质,这是遥感的信息源。目标物与电磁波的相互作用,构成了目标物的电磁波特性,它是遥感探测的依据。
    2. 信息的获取
      (1)传感器或遥感器
      传感器或遥感器是接收、记录目标物电磁波特征的仪器。
      (2)遥感平台
      遥感平台是装载传感器的平台,主要有地面平台、空中平台、空间平台。
    3. 信息的接收
      (1)记录信息的介质
      传感器接收到目标地物的电磁波信息,记录在数字磁介质或胶片上。
      (2)接收方式
      • 胶片由人或回收舱送至地面回收。
      • 数字磁介质上记录的信息通过卫星上的微波天线传输给地面的卫星接收站。
    4. 信息的处理
      地面站接收到遥感卫星发送来的数字信息,需要进行信息恢复、辐射校正、卫星姿态校正、投影变换等一系列的处理,再转换为通用数据格式或模拟信号,才能被用户使用。地面站或用户还可根据需要进行几何精校正处理和专题信息处理、分类等。
    5. 信息的应用
      遥感获取信息的目的是应用,这项工作由各专业人员按不同的应用目的进行。遥感技术是一个综合性的系统,它涉及航空、航天、光电、物理、计算机和信息科学以及诸多的应用领域。

    三、 遥感分类

    1. 按遥感平台分类
      (1)地面遥感:传感器设置在地面平台上
      (2)航空遥感:传感器设置于航空器上。
      (3)航天遥感:传感器设置于环绕地球运行的航天器上。
      (4)航宇遥感:传感器设置于星际飞船上。

    2. 按传感器的探测波段分类
      (1)紫外遥感:探测波段在 0.05~0.38um 之间
      (2)可见光遥感:探测波段在 0.38-0.76um 之间。
      (3)红外遥感:探测波段在 0.76~1000um 之间。
      (4)微波遥感:探测波段在 1mm~1m 之间。
      (5)多波段遥感:多波段遥感指探测波段在可见光波段和红外波段范围内,再分成若干窄波段来探测目标。

    3. 按工作方式分类
      (1)主动遥感和被动遥感
      主动遥感由探测器主动发射一定能量的电磁波并接收目标的后向散射信号。
      被动遥感的传感器不向目标发射电磁波,仅被动接收目标物的自身发射和反射自然辐射源的能量

      (2)成像遥感与非成像遥感
      成像遥感:传感器接收的目标电磁辐射信号可转换成数字或模拟图像。
      非成像遥感:传感器接收的目标电磁辐射信号不能形成图像。

    4. 按遥感的应用领域分类
      (1)从大的研究领域分类可分为外层空间遥感、大气层遥感、陆地遥感、海洋遥感等。
      (2)从具体应用领域分类可分为资源遥感、环境遥感、农业遥感、林业遥感、渔业遥感、地质遥感、气象遥感、水文遥感、城市遥感工程遥感及灾害遥感、军事遥感等,还可以划分为更细的研究对象进行各种专题应用。

    四、 遥感数字图像处理

    图像与数字图像

    “图”是物体透射或者反射的光信息,“像”是光信息被人的视觉系统接收后在人的大脑中所形成的印象或者认知。

    1. 模拟图像
      通过某种物理量(如光、电等)的强弱变化来记录场景亮度信息的图像,如纸质照片、显示器显示的图像等。特点:物理量的变化是连续的。

    2. 数字图像
      用一个数字阵列来表达客观物体的图像,是一个离散采样点的集合,每个点具有其各自的属性。
      特点:它是把连续的模拟图像离散化成规则网格,并用计算机以数字的方式来记录图像上各网格点的亮度信息。

    在这里插入图片描述

    数字图像获取时的基本参数

    在这里插入图片描述

    1. 空间分辨率:指数字图像像元所能分辨目标的尺寸大小,其单位为 PPI
    (Pixels Per Inch),是用来表征图像分辨地面目标细节能力的指标。

    作用:衡量数字图像对模拟图像空间坐标离散化的精度

    决定因素:采样密度(采样间隔越小,空间分辨率越高,图像
    越清晰)

    对卫星遥感来说,由于同一个数字摄影设备的采样能力、焦距和物距基本都是固定的,遥感影像的空间分辨率基本不变。另外,因为该图像有地理空间坐标,所以遥感图像的空间分辨率常用单个像元所代表的地面面积大小来表示。例如,TM图像是 30米,Spot5的分辨率是5米或者10米等。

    注意:遥感影像的空间分辨率是指原始影像采集时单个像元所代表的地面面积大小,它与图像加密重采样是两个完全不同的概念。

    2. 辐射分辨率 : 指传感器探测元件在接收光谱信号时所能分辨的最小辐射度差

    作用:反应了传感器对光谱信号强弱的敏感程度和区分能力

    决定因素:量化能力(量化级越多,图像层次越丰富,辐射分辨 率越高)

    由于数字图像是在计算机中存储和处理的,图像辐射量化级一般为 2 的整数次幂。取值为 8 bit 时,它的辐射量化等级就分为 28 级,也就是通常我们所看到的灰度值范围为 0~255。 如早期的 Landsat 1~3 MSS(Multi Spectral Scanner)影像的数据记录为 6 bit(灰度级为 0~63),Landsat 4~5 TM 影像的 1~5 波段和第 7 波段数据记录均为 8 bit,而最新的 Landsat 8 OLI 影像的数据记录为 12 bit,可见, OLI 影像的辐射分辨率明显高于TM 影像,而 TM 影像的辐射分辨率又明显高于 MSS 影像。

    3. 时间分辨率:指对同一区域进行重复观测的最小时间间隔。

    作用:遥感影像的一项性能指标,反映遥感探测器的重访周期

    决定因素:遥感平台的回归周期(采样时间间隔越小,时间分辨率越高)

    在利用遥感影像监测目标地物动态变化时,应根据遥感应用目的选择相应的影像时间分辨率。例如,气象卫星的时间分辨率多以短周期为主,单位为小时;植被动态监测主要以中周期时间分辨率为主,单位为天;对于城市扩展和土地利用变化的监测及模拟,其时间分辨率多以年为单位。

    4. 光谱分辨率: 指传感器探测元件在接收目标地物辐射能量时所使用的波段数
    目(通道数)、波长位置和波段间隔。

    作用:衡量传感器的光谱分辨能力,波长范围值越宽,光谱分辨率越低。

    决定因素:传感器的设计。传感器波段的设计具有针对性,地表物体在不同光谱段上有不同的吸收、反射特征。多光谱成像技术就是根据这个原理,使不同地物的反射光谱特性能够明显的表现在不同波段的图像上。高光谱数据在可见光-近红外波段范围被分割成几百个窄波段,具有很高的光谱分辨率,从其近似连续的光谱曲线上可以分辨出不同物体的微小光谱差异。

    光谱分辨率的高低,产生了一个应用前景广阔的遥感分支——高光谱遥感。实际上光谱分辨率在高光谱遥感里面很常用,在多光谱里面常常使用“波谱范围”或者“谱段范围”,如WorldView-2卫星谱段范围设置:海岸波段:400-450;蓝色波段:450-510;绿色波段:510-580;黄色波段:585—625;红色波段:630-690;红色边缘波段:705.5-745;近红外线波段:770-895;近红外2 波段:860-1040。
    在这里插入图片描述

    数字图像类型

    1. 黑白图像
      图像中的每个像元的灰度值是由 0 或者 1 组成的,灰度量化级为 1 bit。0 值表示黑色,1 值表示白色。黑白图像的数值表达为 0 和 1,对于 RGB 颜色空间模型来说,灰度值为 0 时对应的 R、G、B 值为(0,0,0),对应的颜色为黑色;灰度值为 1 时对应的 R、G、B 值为(255,255,255),对应的颜色为白色。

    2. 灰度图像与伪彩色图像

      灰度图像: 在遥感中被称为单波段图像。对于灰度图像显示来说,每个像元的灰度值对应 颜色查找表中相同的 R、G、B 值。

      伪彩色图像: 也是单波段图像,只是每个灰度值对应于颜色空间模型中的某一种颜色。对于 RGB 颜色空间来说,它与灰度图像的差别就在于它的 R、G、B 值是三个不完全相同的数值,在 RGB 颜色空间模型中表现为彩色。

    3. 真彩色与假彩色
      彩色图像是由红、绿、蓝三个颜色通道的数字层组成的图像。彩色图像显示就是三个独立数字层的组合,每个像元位置上的三个灰度值分别对应了 RGB颜色空间模型中的 R、G、B 值

      区别: 只有当红光通道对应于红光波段的辐射亮度、绿光通道对应于绿光波段的辐射亮度、蓝光通道对应于蓝光波段的辐射亮度时,才叫真彩色图像,否则都是假彩色图像。

    展开全文
  • 遥感图像下载指南

    万次阅读 多人点赞 2020-02-26 23:32:58
    1、高分系列(收费) 下载方式(一):登录中国资源卫星应用中心 登录网址为:... ... ...(3)选择产品与服务菜单下的产品查询如下两幅图所示;...(4)根据上图我们可以选择性的下载...

    1、高分系列(收费)

    1.1 下载方式(1):登录中国资源卫星应用中心

    登录网址为http://218.247.138.119:7777/DSSPlatform/index.html
    (1)老用户可直接登录,新用户注册如下图所示;
    在这里插入图片描述
    (2)填写注册信息保存并登录;
    在这里插入图片描述
    (3)选择产品与服务菜单下的产品查询如下两幅图所示;
    在这里插入图片描述
    注:有些浏览器加载不出来下图,换个浏览器!(如果还是不行,考虑到浏览器缺少Flash Player插件请点击下载并安装)
    在这里插入图片描述
    (4)根据上图我们可以选择性的下载需要的图像,例如选择经纬度范围、分辨率、采集时间段、产品级别、云盖阈值、卫星选择等并绘制对应区域如下图所示;
    在这里插入图片描述
    (5)选择对应图像查看无误后,点击立即订购加入购物车;
    在这里插入图片描述
    (6)查看购物车导出shp文件,为后期下载提供数据依据;
    在这里插入图片描述

    1.2 下载方式(2):登录数据分发系统

    登录网址为http://dds.nsoas.org.cn/mainIndex.do
    (1)打开网址注册并登录,登陆后才可下载;
    在这里插入图片描述
    (2)审核期有点长建议使用第一种下载方式;
    在这里插入图片描述
    (3)点击产品订购选择“一次性订单”
    在这里插入图片描述
    (4)然后在下图所示界面内,选择需要的“卫星类别”、“传感器类别”、“生产时间(成产时间和采集时间选择一个就行)”等信息,然后在主图区(第四步开始)画出要下载的范围即可。

    在这里插入图片描述
    一般分为如下图六步(其它信息可以不用选择)
    在这里插入图片描述
    (5)查询后选择合适的产品加入购物车如下图所示:
    在这里插入图片描述
    (6)在购物车里选择需要的图像点击“生成一次性订单”如下图所示:
    在这里插入图片描述
    (7)最后在 订单管理的一次性订单里等待数据分发完成,出现可点击下载的图标如下图所示:
    在这里插入图片描述

    2、GOCI图像下载说明(免费),登录韩国海洋卫星中心

    (1)登录网址为:http://kosc.kiost.ac.kr/eng/p10/kosc_p11.html
    点击Agree后再search ,如下图所示;
    在这里插入图片描述
    (2)选择对应日期search后下载即可;
    在这里插入图片描述

    3、MODIS图像下载

    (1)登录美国NASA官网 选择Find Data
    在这里插入图片描述
    (2)出现如下图数据查询界面(共分为4步)第五步不要点击,负责需要登录、注册;
    在这里插入图片描述
    (3)第一步 选择合适的传感器,例如我们这里选择“All Sensors”
    在这里插入图片描述
    然后选择下图MODIS Terra,Aqua [14],接着选择子产品如下图所示:例如我们需要的是L1B产品(MODO2QKM、MYDO2QKM、MODO21KM、MYDO21KM);
    在这里插入图片描述
    (4)第二步 选择合适时间,然后点击“Add Data”
    在这里插入图片描述
    (5)第三步 选择定位,如下图鼠标在主图处可以拖动,在右边的菜单栏选择“Draw Custom Box ”,在这里画出感兴趣区域;
    在这里插入图片描述
    (6)第四步 点击FILE,系统会列出你要查询的产品,选择下载即可
    在这里插入图片描述

    4 、附录:一些图像下载链接

    资源三号卫星数据 http://sjfw.sasmac.cn/

    (1)USGS Earth Explorer

    网址:https://earthexplorer.usgs.gov/
    数据:包括Landsat系列,ASTER DEM , Hyperion高光谱,MODIS , AVHRR

    (2)0ESA’s Sentinel Mission

    网址:https://scihub.copernicus.eu/dhus/#/home
    数据:哨兵Sentinel系列

    (3)NOAA CLASS

    网址:https://www.class.ncdc.noaa.gov/saa/products/welcome;jsessionid=26E2D6B090FA7F45DDDAF2F786337A9A
    数据:大气数据,包括美国国防部(DoD)的极地作战环境卫星(POES),NOAA的地球静止环境卫星(GOES)等以及衍生数据。

    (4)NASA Reverb

    网址:https://reverb.echo.nasa.gov/reverb/#utf8=✓&spatial_map=satellite&spatial_type=rectangle
    数据:包括 MODIS数据, TRMM, Calipso, NASA DC, JASON, ENVISAT, ALOS, METEOSAT, GOES, ICESAT, GMS, Landsat, NIMBUS, SMAP, RADARSAT, NOAA satellites, GPS satellites

    (5)Earth Observation Link (EOLi)

    网址:https://earth.esa.int/web/guest/eoli
    数据:包括Envisat, ERS, IKONOS, DMC, ALOS, SPOT, Kompsat, Proba, IRS, SCISAT.

    (6)National Institute for Space Research (INPE)

    网址:http://www.dgi.inpe.br/CDSR/
    数据:中巴资源卫星数据 CBERS-2, CBERS-2b

    (7)Bhuvan Indian Geo-Platform of ISRO

    网址:http://bhuvan.nrsc.gov.in/data/download/index.php
    数据:印度遥感卫星数据 IMS-1 (Hyperspectral), Cartosat, OceanSat and ResourceSat

    (8)JAXA’s Global ALOS 3D World

    网址:http://www.eorc.jaxa.jp/ALOS/en/aw3d30/
    数据:全球海拔DSM数据 ,分辨率为30m

    (9)NOAA Data Access Viewer

    网址:https://coast.noaa.gov/dataviewer/#
    数据:土地覆盖影像,高程数据

    (10)VITO Vision

    网址:http://www.vito-eodata.be/PDF/portal/Application.html#Home
    数据:低分辨率地表植被影像数据,包括 PROBA-V, SPOT-Vegetation and METOP 卫星数据

    (11)NOAA Digital Coast

    网址:https://coast.noaa.gov/digitalcoast/
    数据:NOAA数字海岸数据

    (12)Global Land Cover Facility

    网址:http://landcover.org/
    数据:土地覆盖数据,包括Landsat,MODIS,AVHRR卫星等数据

    (13)0DigitalGlobe Free Product Samples

    网址:http://www.digitalglobe.com/
    数据:WorldView-3卫星0.3m分辨率样品数据

    (14)BlackBridge/Geo-Airbus

    网址:http://www.geo-airbusds.com/en/23-sample-imagery
       http://www.intelligence-airbusds.com/satellite-image-gallery/
       http://www.geo-airbusds.com/satellite-image-gallery/
       http://www.geo-airbusds.com/worlddem-sampledata/
    数据: SPOT, Pleiades, RapidEye and TerraSAR 等卫星样品数据

    (15)UNAVCO Research Data

    网址:http://www.unavco.org/data/imaging/sar/data-access-methods/SarArchive/flexweb/SearchSarScene.html
    数据:SAR数据

    以上内容编辑:赵尊强

    展开全文
  • 遥感图像数据集

    2020-07-28 23:33:35
    遥感图像数据集为tif格式,用于图像融合、图像分割等领域,十分实用
  • 航空遥感图像(Aerial Images)目标检测数据集汇总

    万次阅读 多人点赞 2019-10-19 16:38:20
    常规目标检测数据集有很多,现在前沿的目标检测算法(如Faster R-CNN, Yolo, SSD, Mask R-CNN等)基本都是在这些常规数据集上实验的,但是,基于常规数据集训练的分类器,在航空遥感图像上的检测效果并不好,主要...
  • 本篇博客旨在将自己对遥感数字图像显示和拉伸的初步理解记录下来...... 照片和遥感数字图像 遥感数字图像的表示和统计描述 图像显示和拉伸 ———————————————————————————————— ...
  • 遥感图像处理-阴影提取

    千次阅读 2019-06-04 08:46:18
    最近在做一个遥感图像处理的任务,觉得比较有意思,就拿出来跟大家分享一下。 这次的任务是遥感图像的阴影提取,看上去好像有一点高大上的样子,让人有些摸不到头脑。我先到网上查找了一下,主要的方法都是用二值...
  • 遥感图像场景分类常用数据集

    万次阅读 2018-12-13 21:56:29
    图像像素大小为256*256,总包含21类场景图像,每一类有100张,共2100张。 下载地址:http://weegee.vision.ucmerced.edu/datasets/landuse.html 2. WHU-RS19 Data Set 图像像素大小为600*600,总包含19类场景...
  • 遥感图像稀疏表征与智能分析竞赛 - 遥感图像场景分类 http://rscup.bjxintong.com.cn/ 1. 背景 空间信息稀疏表征与融合处理解决空间信息稀疏表征、多维时空数据的融合处理、空间信息的快速提取与知识发现等技术问题...
  • 遥感图像预处理之图像拼接与裁剪

    万次阅读 多人点赞 2019-09-28 13:37:24
    遥感图像拼接与裁剪 一、试验目的:通过ENVI和ARCGIS软件对下载的大足地区的TM图像进行拼接和裁剪,将自己的家乡所在的区域裁剪出来。通过本次试验,初步熟悉ENVI和ARCGIS软件,为今后环境遥感学习奠定基础。 二、...
  • 遥感图像分割算法

    2020-07-30 23:32:33
    遥感图像分割是对遥感图像进行处理的最为关键的一步。马尔科夫随机场模型作为先验模型,在 图像分割领域已经得到了广泛的应用,实践证明该模型有助于提高图像分割的效果。但是由于环境和传感 器的影响,遥感图像具有...
  •     在遥感图像处理中,我们有时为了获取更大范围的地面图像,通常需要将多幅遥感图像拼成一幅图像,这就需要使用图像镶嵌对遥感影像进行拼接操作。     我们需要进行图像镶嵌的遥感卫星影像数据有两种情况...
  • 此次内容是遥感影像的几何校正,我们知道在遥感成像的过程其,传感器生成的图像像元相对于地面目标物的实际位置会发生挤压、拉伸、扭曲和偏移等几何畸变问题,而这些几何畸变问题会给基于遥感图像的定量分析、变化...
  • 遥感图像分类技术

    千次阅读 2019-06-05 21:06:10
    什么是遥感图像分类技术? 图像分类是将土地覆盖类别分配给像素的过程。例如,这9个全球土地覆盖数据集将图像分为森林、城市、农业和其他类别。 https://gisgeography.com/free-global-land-cover-land-use-data/ ...
  • 遥感图像分类综述

    万次阅读 2007-03-01 21:28:00
    1 引言随着卫星遥感图像和航空遥感图片分辨率的不断提高,人们可以从遥感图像中获得更多的有用的数据和信息。 伴随着“数字地球”概念的提出,越来越多的民用场合需要用到遥感图像,包括资源调查,自然灾害观测、大气...
  • 实验目的: 掌握遥感数字图像分析的机理与方法,理解遥感数字图像分析在遥感图像计算机自动解译中的重要作用。 二.实验平台:ERDAS9.1 三.实验要求:掌握遥感数字图像的邻域分析;查找分析;指标分析;叠加分析;...
  • 1.#小目标检测# EESRGAN:使用边缘增强GAN和目标检测器的遥感图像小目标检测 本文提出新的边缘增强超分辨率GAN(EESRGAN)来改善遥感图像的图像质量,并以端到端的方式将目标检测器的损失反向传播到EESRGAN中,以提...
  • 在进行海域遥感图像的识别与处理时,需要充分了解卫星遥感图像的特点,海上卫星遥感图像的特点主要包括图像光谱特性、时间特性和空间特性 3 种, 如下: 1)遥感图像的空间特性 空间特性是指海上卫星遥感图像的像素...
1 2 3 4 5 ... 20
收藏数 10,936
精华内容 4,374
关键字:

遥感图像