華北理工微波遙感課件第7章 微波圖像的目視解譯和計算機處理

第七章

微波圖像的目視解譯和計算機處理第一節(jié)雷達圖像的解譯標志特點第二節(jié)雷達圖像中各類地物的解譯第三節(jié)微波輻射計圖像解譯第四節(jié)圖像變換、彩色合成與目標解譯第五節(jié)計算機處理與識別1.在利用雷達圖像進行解譯時必須熟悉其成像機制和圖像信息特點。2.充分了解雷達圖像解譯標志的特點和各類地物的解譯規(guī)律.3.由于星載雷達圖像多是數(shù)字圖像，掌握數(shù)字圖像處理方法也非常重要。1.雷達圖像的解譯標志特點

雷達遙感圖像不同于可見光和紅外圖像。主要指側視雷達圖像，其特點：

1.主動遙感，以斜距成像，有多種極化方式。

2.多是以單一頻率的雷達波束進行工作。故其解譯標志有著許多與其它圖像不同的地方。

通常過圖像進行解譯時須首先針對不同地物目標建立起其解譯標志。

即分析它們在色調、形狀、大小、陰影、紋理、相對位置關系等方面的特點，借以區(qū)分不同的地物，但雷達的特點有別于其他圖像。圖像色調是雷達回波強弱的表現(xiàn)，它與許多因素有關，其中有波長、入射角、極化方式、地物目標的方位、復介電常數(shù)、表面粗糙度、是否構成角反射器等。形狀是指地物的周界或輪廓所構成的空間形式，在可見光和紅外圖像上比較清楚，但在雷達圖像上，大多數(shù)地物目標在雷達圖像上的形狀與其在人們的視覺中的形象相差很大，而且常常是實際目標的部分輪廓。大小與圖像的分辨率有關，低分辨率的情況下不可能反映地物大小，分辨率高的情況下，又取決于它的回波信號與鄰近地物的差異。另外，地物所處位置也是必須注意的，如果在坡面上，因為透視收縮，疊掩和陰影會造成很大變形。陰影是雷達波照射不到的地方，在解譯時，須將陰影部分靠近判讀人員，亮的部分則遠離判讀人員，否則會造成錯覺，將原本是凸起的地形看成是凹下的。陰影是地形起伏或高大地物的標志，它掩蓋了在這一部位的地物。紋理是色調變化的空間頻率，在雷達圖像上的紋理是其分辨率的函數(shù)，它一般可以分為三種，即細微紋理、中等紋理和宏觀紋理。地物的相對位置關系同樣在雷達圖像的判讀中起著十分重要的作用.因為某種固有的位置關系，在目標信號不明顯的情況下，往往可以通過與其位置關系緊密的地物，發(fā)現(xiàn)目標的存在。比如道路與路旁的樹，有時鄰近地物的回波可能掩蓋道路的信息，但其兩旁的目標如樹卻可以在圖像上表現(xiàn)為亮線條，從而把道路的信息“透視”出來。2.雷達圖像中各類地物的解譯

一、植被植被的解譯是圖像解譯中的重要內容，因為地面上大部分為植被覆蓋，植被的信息不僅關系到它本身，而且關系到與它有聯(lián)系的其它地物.

雷達圖像中不同的植被具有不同的回波強度，但同類植被也可能有不同的回波，不同類植被有時也可能有相同的回波信號，如何區(qū)分不同類型植被，需要對影響植被回波的因素進行分析。

影響植被回波的主要因素有含水量、粗糙度、密度、結構等，對于人工種植的植物來講，還有種植的幾何形狀等。一般說來，含水量大的植被回波信號要強。如果能很好區(qū)分不同農作物，則VV極化在同極化中較好，但農作物常是粗糙面，具有去極化作用，故而利用交叉極化能提高分類精度。

不同的季節(jié)對植物回波的影響也是明顯的，因為不同的季節(jié)含水量不同，植物枝葉密度不同，植被表面粗糙度也不同，利用多時相雷達系統(tǒng)，結合多極化方式，會有助于更好地區(qū)分不同農作物。二、土壤

土壤的回波主要與土壤的含水量、粗糙度和土壤顆粒結構類型有關。一般說來，土壤的含水量增加，其表面對電磁波的反射增加，回波增強，穿透減弱。實驗表明，X波段的雷達波束在干砂土中可穿透100cm左右，若含水量增加3%，則穿透深度減少一個數(shù)量級，土壤濕度再增加，就不再存在穿透。不同類型的土壤形成表面粗糙度的因素各不相同，另外由于其不同的土壤顆粒結構，接收和存儲水的情況不同，這些都是借以分析不同土壤類型的基礎。在沒有植被覆蓋的情況下，需要依照其含水量和粗糙度加以區(qū)分，在有植被覆蓋的情況下，由于不同類型的土壤的含水量不同，影響植被的長勢和類型，通過植被的回波可反映土壤的情況。

三、巖石和地質構造

在雷達圖像上識別和分析巖石類型，主要利用巖石的表面粗糙度、風化特點和地貌形態(tài)。粗糙度是巖石的表面特征，它是決定巖石圖像色調的重要因素，不同巖性的巖石由于風化的作用會形成不同的地表形態(tài)，反映在雷達圖像上則是不同的紋理。

在解譯巖石的巖性的過程中，主要根據(jù)不同巖性形成的特殊的圖像特征和水系網(wǎng)、植被、耕地等有關信息?？λ固氐孛彩浅睗竦貐^(qū)石灰?guī)r和白云石巖的主要解譯依據(jù)，這種地貌的雷達圖像特征是干草堆形或丘形，丘形特征喀斯特地貌中，沒有水系圖形，只有因圓形的灰?guī)r孔中可能有的積水形成無回波的圓點。干燥地區(qū)的石灰?guī)r常常有塊狀破裂，形成許多角反射器，在雷達圖像上出現(xiàn)強回波。四、水

一般平靜的水面總是造成鏡面反射，無回波信號，在圖像上為黑色調，這樣有時與雷達陰影發(fā)生混淆，如面積很小的水面。起伏較大的地區(qū)由于陰影干擾，難于提取水的信息，不過，因為水面的周圍地物與水面形成不同的回波信號，利用這種關系，總可以解譯出水面來。當水面有波浪時，則由于這種形式的粗糙度，在雷達圖像上出現(xiàn)明暗相間的色調變化，這種情況下很容易發(fā)現(xiàn)水面。五、冰雪冰雪是一類重要的地物。由于冰雪的不同結構、含水量和介電常數(shù)等，對雷達波束的反射不一，圖像上色調也出現(xiàn)不同的情況。新鮮雪是空氣和冰的混合物，在溫度低于冰點時，一般密度比較低，干燥，多呈片狀，相對介電常數(shù)為1.6或更低，因此，雷達波束對它穿透作用較強，其表面的反射很小，它對雷達波束能量的衰減較小，在雷達圖像中可以觀測到雪下物質的回波。這時雪的粗糙度不起作用。

當雪存在的時間較長，密度增高時，介電常數(shù)隨之增加，直至達到冰的介電常數(shù)3.17，對雷達波束的反射增加。當雪的溫度接近冰點時，出現(xiàn)液態(tài)水，成為空氣、冰和水的混合物，介電常數(shù)進一步增加，隨著水的含量的增加，冰雪表面的反射能力增強，表面的粗糙度才起到越來越重要的作用。六、房屋與城市

房屋一般具有較強回波信號。單獨建筑物的四個側面和頂面總有兩面受到雷達波束照射，側面與地面等可能組成多個角反射器，故回波較強。

平頂建筑物屋頂大多形成鏡面反射，于是整個建筑物在圖像上呈現(xiàn)L形，如果是人字形屋頂，其圖像就不再是L形，而是出現(xiàn)很亮的點狀目標，因為屋頂?shù)耐呙鏄嫵闪寺瓷洹?/p>

村莊、集鎮(zhèn)在雷達圖像上表現(xiàn)為集聚成一片的亮點群，回波強度偏高。城市的建筑物密集，排列多很整齊，由于排列方向的不同，有時回波很強，有時卻可能消失，它不像單獨的建筑物可以構成角反射器，密集的排列使得在某些情況下不存在角反射器效應。在高低不一的建筑物之間才可能形成多個角反射器。七、公路、鐵路與橋梁公路路面對X波段和K波段來說，一般可認為是平滑表面，圖像上是無回波的暗線條，當分辨率很低時，這個暗線條也無法辨別，但道路兩旁的地物如建筑物、樹林等卻可能與道路構成角反射器，而在圖像上形成亮線條，暗示著道路的存在，高速公路在兩個單行道之間常有隔離物如水泥墻墩、欄桿，或一條植被覆蓋帶，隔離物在兩條暗線條間形成亮線條。暗線條有時不一定是公路，其它地物如灌溉渠道等，也會形成暗線條，這時需根據(jù)相關的目標進行分析，比如橋梁、水體、建筑物等。

鐵路在雷達圖像上的色調變化很大，有時很強，有時很弱。當鐵路的延伸方向與雷達圖像的距離向一致時，圖像上的信息為一暗線條，加上鐵路路面窄，在分辨率低時，鐵路的信息就會被掩蓋。在鐵路與航向平行時，鐵軌與路面，鐵路與兩旁的樹木，路基與兩側地面構成二面角，圖像上出現(xiàn)強線條。

橋梁的橋面一般因鏡面反射在圖像上無回波，但是由于橋梁各部分，如扶墻、欄桿、橫檔等之間能形成許多角反射器，因此在很窄的指向角范圍內都具有強回波。橋墩和水面所形成的二面角反射器也能產生強回波，在圖像分辨率很高的情況下，甚至可以分出橋墩的數(shù)目。橋墩和水面在一定條件可能在圖像上形成虛橋，即圖像上可以看到兩條靠得很近的橋，其中較亮的那條是實際存在的橋，較暗的那條為虛橋，這是在判讀時應該注意的。3.微波輻射計圖像解譯

微波輻射計接收的是地面各種地物的發(fā)射輻射，與地物的發(fā)射率ε有關，而地物的發(fā)射率與地物的反射率ρ、透射率的關系式是若透射率為零，則

水體反射特性對極化靈敏，發(fā)射特性也對極化靈敏，上圖可以看出水的發(fā)射率在不同極化情況下的差異。粗糙度也會影響輻射的極化特征，粗糙度小，極化特征明顯；粗糙度大，會產生漫反射，極化不明顯。右圖顯示在垂直和水平極化時枯草和雜草的極化特征不明顯。輻射計天線接收的能量轉換為亮溫形式：①地面輻射②大氣向上的輻射③地面對天空輻射的反射④地面對大氣向下輻射的反射⑤輻射計測得的地物能量用表觀亮度溫度TA表示瑞利—金斯定律4.圖像變換、彩色合成與目標解譯雷達圖像的種類：單波段、單極化圖像，機載多極化和星載多極化圖像。4.1多極化圖像處理與分析多極化圖像上同類地物反射回波不同，不同地物更不一樣。怎樣綜合利用這些數(shù)據(jù)以達到提取地物信息的目的呢？目前有兩種利用方式：①將每一種極化圖像進行逐一分析和對比分析，以求從對比中掌握某些具有規(guī)律性的信號特征，為某一專題信息提取總結解譯的方法。②利用多極化圖像作假彩色合成，突出地物差異細節(jié)。4.2圖像變換與合成

SAR圖像可以結合可見光、紅外的反射特性，數(shù)據(jù)復合處理提取地物信息。例：SAR與TM圖像在地質信息分析中的應用

SAR對地形變化敏感，在地質構造解譯中有很大的優(yōu)勢，對地表覆蓋類型和粗糙度的反應比較明顯。TM的5和7波段對巖性分析相對準確，將TM多波段圖像進行增強、比值變換、主分量變換處理后利于巖性分析。注意：利用兩類圖像需進行校正和配準（控制點建立圖像與地圖之間的坐標關系數(shù)學模型，對兩類圖像進行精校正，以分辨率高的圖像為基準圖像）4.3計算機處理與識別

SAR圖像大多為數(shù)字圖像，且多為單波段單極化圖像，其計算機處理有別與可見光和紅外圖像，常通過圖像預處理、紋理結構單元類型分析和圖像空間結構分析，衍生出特征圖像，然后按自動分類方法進行地類自動識別，提取所需要的各種信息。流程：一、圖像預處理消除航跡向條帶，去光斑等，使地物信息得到增強。二、紋理結構分析紋理是指灰度空間分布及其變化頻率。它是地物的空間位置關系和空間分布的反應。實際處理中常選取3X3的窗口，統(tǒng)計其最值、中間值、離散度、頻數(shù)等。得到圖像紋理結構的直方圖及其曲線。三、圖像結構指標分析從灰度共現(xiàn)矩陣所進行分析，通常選5X5像元窗口互為相鄰的像元出現(xiàn)的次數(shù)，統(tǒng)計指標有反差指標、角二階矩指標、熵指標和相關性指標等。四、計算機自動分類經過以上步驟處理的圖像是由單波段單極化圖像衍生出來的圖像，反映了地物的輻射特性、紋理特性和空間分布特性，以此作為特征分量對地物進行分析，相當于從多光譜數(shù)據(jù)中選取相關性小的幾個主分量對地物分類，將地物劃分出來。其他的分類方法：

①利用小波分析方法在得到不同尺度、不同方向的紋理信息的基礎上進行自動分類。由于在同一尺度下，可以提取垂直方向、水平方向和對角線方向的紋理特征影像，便于從不同角度進行紋理分析，而分解得到的不同尺度的紋理信息又可以用于模擬不同尺度的目視解譯，所以分類效果較好。

②引入分形維數(shù)來描述影像的紋理特征。由于不同紋理結構的影像具有不同的分形維數(shù)，灰度變化頻率大，紋理粗糙處分形維數(shù)數(shù)值較大，而灰度變化頻率小，紋理平滑處分形維數(shù)數(shù)值較小，在提取分形維數(shù)參量的基礎上進行自動分類，可以大大提高分類精度。

③將雷達影像與其它遙感影像結合起來，采用人工神經網(wǎng)絡方法，也