Download presentation
Presentation is loading. Please wait.
1
专题讲座 遥感数据获取与处理（上） 遥感数据是地理信息系统的重要信息源 地理信息系统则可以支持处理遥感数据
2
遥感应用 土地利用监测 城市用地监测 国土资源监测 生态环境监测 海岸带、海洋监测
3
土地利用动态遥感监测 98年TM纠正影像 99年SPOT纠正影像 变异融合影像 内业判读变化图 99年融合影像 监测结 果报表
监测结 果报表 动态遥感监测图 98年TM原始影像 土地利用动态遥感监测
4
城市用地监测 The Landuse of Beijing
5
上海土地利用监测
6
生态环境监测 太 湖 水 质 监 测 根据近5年对太湖的连续监测，发现水质在不断恶化，平均每十年下降一个等级，现在太湖地面水普遍达到3-4类，局部地区已达5类。 如1998年8月太湖的TM卫星图象所示，太湖西北部的白色条带即为湖泊富营养化所产生的藻类水华。
7
海洋监测—渔海况速预报
8
授课目录 遥感数据源及其发展 图象处理系统 一般遥感图象处理流程 高光谱遥感图象处理 高分辨率遥感图象处理 地理信息系统与遥感的结合
9
一、遥感数据源 常用遥感数据 航天遥感中应用最广、最深入的就是陆地卫星，其应用几乎涉及地学和国民经济的各个领域。主要的陆地卫星包括：
美国的陆地卫星系列（Landsat） 法国的SPOT卫星 中国的资源一号卫星(CBERS) 遥感数据源的发展
10
Landsat TM TM（Thematic Mapper）即专题制图仪，是一种改进型的多光谱扫描仪,有7个较窄的、更适宜的光谱段 ；
重复周期16天
11
SPOT系列卫星 1986年,法国先后发射了 SPOT系列对地观测卫星。 SPOT具有10-20米的空间分辨率 重复周期26天。 具有立体观测能力
12
CBERS 资源一号卫星重复时间26天； 卫星的重访周期是26天； 所携带的传感器的最高空间分辨率是 19.5m。
13
技术与数据源的发展 高空间分辨率数据的发展 台北 北京
14
技术与数据源的发展 高光谱数据的发展
15
技术与数据源的发展 多分辨率综合数据源的发展
16
二、图像处理系统 PCI 加拿大PCI公司的产品，可进行遥感图像的处理工作。 ERDAS
ERDAS是美国亚特兰大 ERDAS（Earth Resource Data Analysis System）公司集遥感和GIS于一身的软件包。 ENVI ENVI是处理分析并显示多光谱数据，高光谱数据和雷达数据的高级工具。
17
三、一般遥感图像处理 图像读取与显示 图象校正与配准 图像增强 图像分类
18
图像读取与显示 图象读取与显示是处理图象的第一步。 多波段图象具有位置和光谱信息。
19
图象格式 BSQ 波段顺序存储 File 1: 土壤类型: A, B, … File 2: 植被类型:Ⅰ,Ⅱ, …
120 140 B Ⅰ Ⅱ A 土壤类型 植被类型 高 程 BIP 波段间像元交叉存储 Line: Pixel 1: A, I, 120 Pixel 2: B, II, 140 BIL 波段扫描线逐行交替纪录 Line 1: A, B, … I, II, … 120, 140, … Line 2: B, B, …
20
图像校正 从具有畸变的图像中消除畸变的处理过程叫图像校正，包括：
辐射校正: 由遥感器引起的误差或由太阳高度引起的误差；大气影响引起的辐射畸变。 几何校正:遥感影像的总体变形。
21
图象纠正 纠正原因 地图变形(均匀变形、非均匀变形） 遥感影像本身存在几何变形 实质 建立纠正图象与标准地图的一一对应关系 纠正步骤
纠正点—数据采集—函数建立—逐点或网格纠正
22
图象增强 通常,图像增强包括增加图像的地物特征在视觉上的差异,其目的是为了创建一幅”新的”图像,以增大用于可视化解译的信息量。 彩色图像增强
反差增强（对比度增强） 空域过滤器 图象运算
23
彩色图像增强 根据加色法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，就可以合成彩色影像。 合成方案 真彩色合成
假彩色合成(标准假彩色合成,其他彩色合成)
24
彩色变换 TM标准假彩色合成图像 TM7(R)、4(G)、2(B)
25
对比度变换 是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。
因为亮度值是辐射强度的反映，所以也称之为辐射增强。
26
从直方图形态判断图像质量
27
空域过滤器 数学形态分类 处理效果分类 空域过滤器 线性过滤器 非线性过滤器 高通 低通 带通 最大值 最小值 中值 钝化过滤器 锐化过滤器
29
图像运算 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。 差值运算
比值运算 植被指数，常用算法： 近红外波段／红波段 或 （近红外-红）/(近红外+红）
30
图像分类（Classification）
图像分类：将图象中所有的像元自动地进行土地覆盖类型或土地覆盖专题的分类。 分类方法 执行方式：非监督分类、监督分类。 分类器：统计分类、模糊分类、神经网络分类等。 识别模式:光谱识别模式、空间模式识别、时间模式识别
31
非监督分类 非监督分类（Unsupervised Classification）仅依靠影像上不同类地物光谱信息（或纹理信息）进行特征提取，在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。 非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即“物以类聚”。
32
监督分类（Supervised Classification）
监督分类：比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。 训练区的选取 基于几何空间的训练区的选取 基于光谱特征空间的训练区的选取 常用方法 最小距离法 平行管道（六面体）方法 特征曲线窗口分类法 最大似然比分类法
33
最小距离分类法
34
监督分类/非监督分类的根本区别 监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识。
严格来说，分类效果的好坏需要经过实际调查来检验。
39
非监督分类结果
46
监督分类结果
47
遥感图像分类基本过程 选取特定区域的遥感数字图像。 收集与分析地面参考信息与有关数据。
选择合适的图像分类方法和算法。制定分类系统，确定分类类别。 找出代表这些类别的统计特征 对遥感图像中各像素进行分类。 分类精度检查。 对判别分析的结果进行统计检验。
48
总结 对于地理信息系统而言，遥感是重要的信息源。在保持地理信息系统的动态性和现势性上，遥感数据所获得的数据可以及时更新系统中的数据。
由于遥感图像中“同物异谱”、“同谱异物”的情况时常发生，影响了土地覆盖/分类的精度。在地理信息系统的支持下，可以补充一些非遥感信息参与遥感分类。
Similar presentations
