精华内容
下载资源
问答
  • 卫星遥感图像融合(SPOT类型图像与TM类型图像)研究图像融合的可以参考
  • 基于稀疏表达的多源图像数据融合,遥感图像融合
  • 遥感图像

    2016-04-10 16:29:21
    高光谱遥感高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据,它包含了丰富的空间、辐射和光谱三重信息。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不...

    高光谱遥感

    高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据,它包含了丰富的空间、辐射和光谱三重信息。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。

    国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral),这样的遥感器在可见光和近红外光谱区只有几个波段,如美国 LandsatMSS,TM,法国的SPOT等;

    光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral);

    随着遥感光谱分辨率的进一步提高,在达到λ/1000时,遥感即进入超高光谱(ultraspectral)阶段。

    展开全文
  • 遥感数字图像处理:遥感图像处理-图像滤波.ppt
  • 遥感数字图像处理:遥感图像的分类.ppt
  • 遥感图像分类

    万次阅读 多人点赞 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。

    2. 遥感图像场景分类

    遥感图像场景分类旨在对空间信息网络中的遥感图像进行场景级内容解译,对遥感图像中的感兴趣场景及非感兴趣场景进行自动化的识别和区分。现有遥感图像场景解译方法往往局限于有限的场景类别和单一数据源,难以满足实际应用需求。通过本项竞赛遴选高效的遥感图像场景解译算法模型,对空间信息网络中遥感图像复杂场景信息进行高效挖掘,提高空间信息网络建设中遥感图像快速信息提取能力。

    2.1 说明

    遥感图像场景分类是指从多幅遥感图像中区分出具有相似场景特征的图像,并对这些图像进行分类,为每一幅遥感图像赋予场景类别标签。本项竞赛针对包含典型的遥感图像场景对象,参赛队伍使用主办方提供的数据对指定的遥感图像进行场景分类,主办方依据评分标准对遥感图像场景分类结果进行综合评价。

    2.2 数据

    竞赛中将提供包含多个类别场景的遥感图像数据集,场景类型和标签包括:旱地 (1)、水田 (2)、梯田 (3)、草地 (4)、林地 (5)、商业区 (6)、油田 (7)、油罐区 (8)、工厂 (9)、矿区 (10)、太阳能发电厂 (11)、风力发电站 (12)、公园 (13)、游泳池 (14)、教堂 (15)、墓地 (16)、棒球场 (17)、篮球场 (18)、高尔夫球场 (19)、足球场 (20)、温室 (21)、网球场 (22)、居民区 (23)、岛屿 (24)、河流 (25)、停机坪 (26)、直升机场 (27)、机场跑道 (28)、桥梁 (29)、停车场 (30)、公路 (31)、路边停车区 (32)、转盘 (33)、立交桥 (34)、港口 (35)、铁路 (36)、火车站 (37)、裸地 (38)、沙漠 (39)、冰岛 (40)、山地 (41)、石质地 (42)、稀疏灌木地 (43)、海滩 (44)、湖泊 (45)。如图 1 所示,展示了本项竞赛数据集各类别场景样本。

    在这里插入图片描述

    图 1 遥感图像场景分类数据集样本示例

    2.3 处理/提交结果

    • 参赛者需对测试集每一幅图像进行分类并给出其预测类别的标签。

    • 结果输出:txt 格式,每一幅遥感图像均需给出其预测类别标签,文件每一行代表测试集图像名称以及该图像的预测类别标签;最终结果以 zip 压缩文件格式提交,预测结果 txt 文件存放于 zip 压缩包根目录下,提交文件名称为 classification.zip。

    图片名称与场景预测类别标签以空格隔开,格式示例 (提交范例:classification.zip) 如下:

    1034.jpg	3
    0298.jpg	12
    ...	...
    2301.jpg	4
    

    classification.zip
    在这里插入图片描述

    解压文件 - > 确定
    在这里插入图片描述

    classification.txt
    在这里插入图片描述

    • 提交方式:初赛和决赛阶段均需在竞赛官网在线提交竞赛对应测试数据集的场景分类输出结果;决赛阶段需同时提交遥感图像场景分类算法模型、算法模型介绍、源代码及运行测试说明等相关文档。

    2.4 评分规则

    本竞赛单元算法评价主要采用整体分类精度 (Overall Accuracy,OA),选手模型预测的标签与真实标签一致即为场景分类正确。设总测试图像数为 N,分类正确的图像数为 M,则整体分类精度为:OA = M/N。

    比赛初赛成绩由大赛评委会专家根据整体分类精度作为得分进行排名,整体分类精度越高,遥感图像场景分类结果越准确,排名越靠前。比赛决赛成绩将基于算法模型精度、效率、规模等指标加权,对算法模型性能进行综合评估与排名。

    展开全文
  • 遥感图像预处理

    2018-03-15 21:37:26
    遥感影像处理基础讲义——第三章遥感图像处理,主要讲述遥感影像预处理流程。
  • 遥感图像检测

    2017-12-09 21:43:12
    遥感图像处理AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
  • 遥感数字图像处理:第三章 遥感图像校正.ppt
  • 遥感图像道路提取

    2020-05-21 10:00:48
    文章介绍了一种引入角点特征的遥感图像道路提取方法 文章介绍了一种引入角点特征的遥感图像道路提取方法 文章介绍了一种引入角点特征的遥感图像道路提取方法 文章介绍了一种引入角点特征的遥感图像道路提取方法
  • 卫星遥感图像道路提取
  • 遥感图像非监督计算机分类方法的研究-遥感图像非监督计算机分类方法的研究.pdf 遥感图像非监督计算机分类方法的研究
  • 遥感图像手册

    2012-10-29 09:13:07
    遥感图像处理知道手册,指导使用遥感图像处理
  • 本程序主要对遥感图像实现三种处理:几何校正、图像增强和图像配准。这三种处理都可以独立实现,然而对于原始的遥感图像将这三种处理依次进行效果更佳。
  • Matlab在遥感图像杂散光处理中的应用-Matlab在遥感图像杂散光处理中的应用.pdf Matlab在遥感图像杂散光处理中的应用
  • 遥感图像处理课程设计 厦门市四期影像动态监测 遥感图像处理课程设计
  • 遥感图像图像库

    2011-12-11 12:55:12
    主要是遥感图像,很多哦,都可以用于遥感方向。这些图我主要用于c++的程序设计... 看你的需求了
  • 遥感图像入门

    千次阅读 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
  • ENVI遥感图像处理方法

    2017-11-04 21:02:26
    《ENVI遥感图像处理方法》系统、全面地介绍了ENVI 4.7软件功能及遥感图像处理流程和方法。全书共分17章,涵盖了ENVI软件概述、ENVI遥感图像处理基础、数据显示操作、遥感图像预处理、图像增强、图像分类、矢量处理、...
  •     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...
  • 遥感图像字幕-源码

    2021-02-15 18:30:03
    遥感图像字幕
  • 卷积神经网络用于两幅遥感图像或者红外和可见光图像的融合
  • 遥感图像配准系统

    2019-04-19 15:53:11
    本程序主要对遥感图像实现三种处理:几何校正、图像增强和图像配准。这三种处理都可以独立实现,然而对于原始的遥感图像将这三种处理依次进行效果更佳。 具体操作步骤如下: 1.在主窗口打开图像1 2.选择【几何校正】...
  • 遥感图像处理

    2014-09-03 21:28:09
    本人精心整理的关于遥感图像薄云薄雾处理的文献集合
  • vc实现计算遥感图像NDVI植被指数,vc实现计算遥感图像NDVI植被指数,vc实现计算遥感图像NDVI植被指数
  • 遥感图像 融合.zip

    2020-05-11 20:20:05
    这是基于blind的遥感图像融合代码。下载解压后直接运行。
  • 遥感图像处理.zip

    2020-05-30 17:38:37
    利用 GDAL 处理遥感图像,实现波段组合显示、图像增强、漫游、几何处理、影像融合、光谱特征提取等功能。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 17,520
精华内容 7,008
关键字:

遥感图像