數(shù)字遙感影像處理導(dǎo)論0803

1、Introductory Introductory Digital Image ProcessingDigital Image ProcessingReporter：Guo PingDate：2015-8-3日期 地點2目 錄第 9 章 遙感專題信息提?。耗Ｊ阶R別第 12 章 數(shù)字變化檢測日期 地點3第 9 章 遙感專題信息提?。耗Ｊ阶R別日期 地點The ninth chapter introduces some of the common fundamental statistical pattern recognition techniques used to extract land c

2、over info from multispectral remote sensor data including supervised and unsupervised classification using parametric and nonparametric techniques.概述日期 地點Classifications are divided into parametric and nonparametric mothods.Supervised classification and unsupervised classification algorithms typical

3、ly use hard classification logic to produce a classification map.日期 地點 對美國早期的各個分類系統(tǒng)了解和認(rèn)識，coward濕地分類系統(tǒng)、美國國家植被分類系統(tǒng)（NVCS）、USGS的基于遙感數(shù)據(jù)的土地利用/地面覆蓋分類系統(tǒng)等。 分類方案應(yīng)該包含模糊定義，因為它們包含的專題信息本來就是模糊的（wang，1990a）期望分類系統(tǒng)的詳細(xì)程度決定了所使用遙感數(shù)據(jù)的空間分辨率，當(dāng)然，遙感系統(tǒng)中的光譜分辨率也是需要考慮的一個重要方面。自己小結(jié)日期 地點土地利用覆蓋分類分級與影像的空間分辨率是呈現(xiàn)對應(yīng)的函數(shù)關(guān)系式的日期 地點 訓(xùn)練樣本的選取，

4、如果獲取環(huán)境相對一致，這些訓(xùn)練樣本數(shù)據(jù)的選取才會是有價值的，也就是這樣選取樣本時，對環(huán)境的要求也很嚴(yán)格。 可以采用地理分層的處理方法。在地理分層的基礎(chǔ)上選取樣本，對每個分層進(jìn)行單獨(dú)分類，分類后再把各個分層結(jié)果進(jìn)行合并，合并結(jié)果并不影響分類結(jié)果，最后得到最終分類圖。關(guān)于訓(xùn)練樣本（這是一個很好的分類方法）日期 地點 訓(xùn)練樣本的選?。豪硐肭闆r下，在野外直接用GPS測量訓(xùn)練樣本的周界和中心點坐標(biāo)，把測量結(jié)果在影響上輸入，用來選取對應(yīng)的訓(xùn)練樣本。日期 地點 手工選取多邊形訓(xùn)練數(shù)據(jù)有時會使訓(xùn)練樣本類直方圖中出現(xiàn)多個峰值。這表明在所選的訓(xùn)練樣本區(qū)中至少有兩種地面覆蓋類型，這種情況不利于區(qū)分各個不同的地面覆蓋

5、類型。 因此實際操作中最好舍棄存在多峰的訓(xùn)練數(shù)據(jù)，而對特定感興趣區(qū)域重新選取訓(xùn)練數(shù)據(jù)，直到每類直方圖都是單峰為止。日期 地點11用選取的訓(xùn)練樣本試了試，在統(tǒng)計的直方圖中，出現(xiàn)的多個峰值的現(xiàn)象。日期 地點連續(xù)或鄰近像元之間存在正的空間自相關(guān)（gong和howarth，1992）。選樣本時在區(qū)域內(nèi)按照每第n個像元或其他采樣準(zhǔn)則采集訓(xùn)練樣本數(shù)據(jù)，目的是獲取沒有空間自相關(guān)的訓(xùn)練數(shù)據(jù)。日期 地點 選擇影像分類的最佳波段：特征選取（統(tǒng)計分析和圖形分析）。 選擇合適的分類算法特征選取日期 地點14第 12 章 數(shù)字變化檢測日期 地點 This chapter reviews how change infor

6、mation is extracted from digital remotely sensed data.It summarizes the remote sensor system and environmental parameters that must be condidered when change detection takes place.Several of the most widely used change detection algorithms are introduced and demonstrated.日期 地點必須仔細(xì)確定變化監(jiān)測的最佳時段。逐像元（逐個像

7、元比對）或面向?qū)ο螅▓D斑或圖塊進(jìn)行比對）的變化監(jiān)測。如果不理解各種參數(shù)對變化檢測處理的影響，就得不到準(zhǔn)確的結(jié)果。以下分辨率保持一致：時間（每年的同一時間、一天中的相同時刻）、空間（瞬時視場）（和觀測角）、光譜和輻射。變化檢測的環(huán)境因素：日期 地點1、大氣條件： 避免云層、濕度的影響，即便是一層很薄的陰霾也會改變衛(wèi)星影像中的光譜信號。云量的上限是20%，通常認(rèn)為大于該上限是不可接受的，要對有云或云陰影遮蓋地區(qū)及其替補(bǔ)數(shù)據(jù)進(jìn)行可用性評價，做出正確判斷。日期 地點 必須消除影像中大氣衰減的影響，可用基于輻射傳輸?shù)拇髿庑Ｕ惴?，對遙感影像進(jìn)行輻射校正（Kim和elman，1990；song等2001）

8、。 對于山區(qū)，應(yīng)消除地形影響（civco，1989）。 如不能完全進(jìn)行輻射校正，第六章中介紹的影像歸一化處理是一種可行的方法。日期 地點2、土壤濕度的影響： 可以分層處理，單獨(dú)進(jìn)行變化檢測分析，最后再將其添加回去合并，得到最后結(jié)果。日期 地點3、要考慮到物候周期特性： （1）城市郊區(qū)物候周期。 （2）植物物候周期圖 南卡羅來納州香蒲和睡蓮的物候周期日期 地點1、多時相合成影像變化檢測： 用兩幅多時相的不同傳感器數(shù)據(jù)合成一副，進(jìn)行主成分分析。（不太理解）。變化檢測的方法：日期 地點主成分分析之后的影像，原影像為landsat7的2002年和landsat8的2014年數(shù)據(jù)，左邊為第一主成分，右邊

9、為第一、二、三主成分波段疊加的彩色影像日期 地點2、影像代數(shù)變化檢測： 對影像進(jìn)行歸一化處理或大氣校正后，用不同時相的同一波段相減，得到灰度結(jié)果圖像，或不同時相的全色波段相減。下圖為L8B3-L7B3：日期 地點日期 地點3、差異化植被指數(shù)影像： 用于NDVI變化檢測的影像都必須進(jìn)行大氣校正。 基于減法的多時相K-T變換的變化檢測方法得到廣泛的應(yīng)用。4、分類后比較變化檢測:(依賴于分類結(jié)果的精確度) 變化檢測矩陣5、對時相2影像進(jìn)行二進(jìn)制變化掩膜處理(優(yōu):減少變化誤差，減少工作量。缺:步驟多，較復(fù)雜)日期 地點 （1） 閾值的確定靠經(jīng)驗，大多數(shù)通過試驗確定。（這是一個問題，往往根據(jù)經(jīng)驗，沒有一個完備的理論指導(dǎo)，經(jīng)驗值就會造成很多的不確定、不準(zhǔn)確因素） （2）二進(jìn)制變化掩膜？如下問題：日期 地點 研究的是生物物理特性隨時間的變化時，