智能信息感知技術 課件 第九章 智能遙感傳感技術

智能傳感技術——第九章

智能遙感傳感技術目 錄29.1

智能遙感傳感技術基礎常見智能遙感技術智能遙感數據處理技術智能遙感技術典型應用9.1

智能遙感傳感技術基礎39.1.1

智能遙感技術的概念廣義遙感是泛指一切無接觸的遠距離探測，包括對電磁場、力場、機械波（聲波、地震波）等的探測。狹義遙感是指從不同高度的平臺上，使用各種傳感器(Sensor)，接收來自地球表層的各種電磁波信息，并對這些信息進行加工處理，從而對不同的地物及其特性進行遠距離探測和識別的綜合技術。9.1

智能遙感傳感技術基礎49.1

智能遙感傳感技術基礎59.1

智能遙感傳感技術基礎9.1.2

遙感技術的特性空間特性(幾何特性)遙感圖像的空間特性，是從形態(tài)學的角度識別地物、建立解譯標志、進行遙感數字圖像處理等項工作的重要基礎依據。遙感圖像的空間特性主要涉及：空間分辨率比例尺投影性質幾何畸變69.1

智能遙感傳感技術基礎79.1.2

遙感技術的特性空間分辨率空間分辨率定義為在遙感圖像上所能分辨的最小目標的大小(地面分辨率)。地面分辨率取決于成像遙感器的技術參數、地物的空間特性和地物與背景環(huán)境的反差。9.1

智能遙感傳感技術基礎89.1.2

遙感技術的特性影像比例尺影像比例尺定義為影像上某一線段的長度與地面上相應水平距離的比值。不同類型的遙感影像因其投影性質的不同，會引起一定的影像幾何畸變，從而造成一幅遙感圖像上的比例尺是多變的。9.1

智能遙感傳感技術基礎99.1.2

遙感技術的特性投影性質與影像幾何畸變不同類型的成像遙感器具有各自的成像方式和成像規(guī)律，從而不同的遙感影像具有不同的投影性質，同時產生不同性質的影像幾何畸變。實際應用中，須掌握不同遙感影像的投影性質及影像幾何畸變特性，并有效利用遙感影像的成像規(guī)律和特點，從而正確地進行圖像處理及解譯分析應用。9.1

智能遙感傳感技術基礎109.1.2

遙感技術的特性波譜特性遙感圖像的波譜特性，在相同的成像條件下，相同地物具有相同或相似的波譜特性，不同地物具有不同的地物波譜特性。目前遙感能探測的電磁波段有紫外線、可見光、紅外線、微波。遙感圖像記錄了其相應的探測波段范圍內不同地物的電磁波譜特性信息，主要表現在影像密度(灰度、色調)差異和色彩的差異，反映出電磁輻射能量(強度)的大小。9.1

智能遙感傳感技術基礎119.1.2

遙感技術的特性時間特性遙感圖像的時間特性，是從不同的時間尺度以及多時相的角度出發(fā)來進行地物或現象識別的基礎依據。不同地物其波譜特性具有不同時間尺度意義上的時相變化特點(多時相效應)：?自然變化過程節(jié)律9.1

智能遙感傳感技術基礎129.1.3

遙感技術分類按遙感探測的對象宇宙遙感：是對宇宙中的天體和其他物質進行探測的遙感。地球遙感：是對地球和地球上的事物進行探測的遙感。按遙感獲取數據形式成像方式遙感：能獲取遙感對象的圖像的遙感。非成像方式遙感：不能獲取遙感對象的圖像的遙感。9.1

智能遙感傳感技術基礎139.1.3

遙感技術分類按遙感平臺航天遙感：在航天平臺上進行的遙感。航天平臺有探測火箭、衛(wèi)星、宇宙飛船和航天飛機。航空遙感：在航空平臺上進行的遙感。航空平臺一般處于海拔高度低于12km的空中。地面遙感：傳感器設置在地面平臺上，地面平臺有三腳架、遙感車、遙感塔和船等。9.1

智能遙感傳感技術基礎9.1.3

遙感技術分類按傳感器工作方式被動遙感：傳感器只能被動地接收地物反射的太陽輻射電磁波信息進行遙感。主動遙感：傳感器本身發(fā)射人工輻射。接收目標地物反射回來的輻射，這種探測地物信息的遙感即主動遙感。149.1.3

遙感技術分類9.1

智能遙感傳感技術基礎15169.1

智能遙感傳感技術基礎9.1.3

遙感技術分類按傳感器探測波段紫外遙感：探測波段在0.05-0.38μm之間；可見光遙感：探測波段在0.38-0.76μm之間；紅外遙感：探測波段在0.76-1000μm之間；微波遙感：探測波段在1mm-1m之間；多波段遙感：指探測波段在可見光波段和紅外波段范圍內，再分成若干窄波段來探測目標。紫外紅外9.1

智能遙感傳感技術基礎179.1.3

遙感技術分類按遙感應用從大的研究領域可分為外層空間遙感、大氣層遙感、陸地遙感、海洋遙感等；從具體應用領域可分為資源遙感、環(huán)境遙感、農業(yè)遙感、林業(yè)遙感、漁業(yè)遙感、地質遙感、氣象遙感、水文遙感、城市遙感、工程遙感及災害遙感、軍事遙感等，還可以劃分為更細的研究對象進行各種專題應用。9.1

智能遙感傳感技術基礎189.1.4

遙感技術系統遙感技術系統由遙感平臺、傳感器、信息傳輸裝置、數字或圖像處理設備以及相關技術組成。遙感平臺：是裝載傳感器的工具，按高度，大體可分為地面平臺、航空平臺和航天平臺三大類。傳感器：是遠距離感測地物環(huán)境輻射或反射電磁波的一起，如照相機、掃描儀等。9.1.4

遙感技術系統199.1

智能遙感傳感技術基礎分析判斷9.1

智能遙感傳感技術基礎209.1.5

遙感發(fā)展歷程發(fā)展歷史無記錄的地面遙感階段(1608-1838年)有記錄的地面遙感階段(1839-1857年)航空攝影遙感階段(1858-1956年)航天遙感階段(1957-至今)9.1.5

遙感發(fā)展歷程9.1

智能遙感傳感技術基礎219.1.5

遙感發(fā)展歷程229.1

智能遙感傳感技術基礎4、3、2波段合成的TM圖像（重慶市豐都）9.1.5

遙感發(fā)展歷程239.1

智能遙感傳感技術基礎IKNOS圖像（2006年西南大學）249.1

智能遙感傳感技術基礎9.1.5

遙感發(fā)展歷程中國遙感事業(yè)的發(fā)展20世紀30年代，在個別城市進行過航空攝影。20世紀50年代，開始系統的航空攝影。20世紀70年代以來，遙感事業(yè)有了長足進步。259.1

智能遙感傳感技術基礎9.1.5

遙感發(fā)展歷程中國遙感事業(yè)的發(fā)展自1970年4月24日發(fā)射“東方紅1號”人造衛(wèi)星以后，相繼發(fā)射了數十顆不同類型的人造地球衛(wèi)星。太陽同步的“風云l號”(FY-lA，lE)

和地球同步軌道的“

風云2

號”(FY-2A,2B)

的發(fā)射，

返回式遙感衛(wèi)星的發(fā)射與回收，使我國開展宇宙探測、通訊、科學實驗、氣象觀測等研究有了自己的信息源。1999年10月14日中國-巴西地球資源遙感衛(wèi)星CBERS-1的成功發(fā)射，使我國擁有了自己的資源衛(wèi)星。“北斗1,2”定位導航衛(wèi)星及"清華1號"小衛(wèi)星的成功發(fā)射，豐富了我國衛(wèi)星的類型。9.1.5

遙感發(fā)展歷程269.1

智能遙感傳感技術基礎279.1

智能遙感傳感技術基礎9.1.5

遙感發(fā)展歷程中國遙感事業(yè)的發(fā)展2002

年9

月18

日，

于5

月15

日一箭雙星發(fā)射的海洋一號衛(wèi)星和風云一號D星同時正式交付使用

。2002年10月27日，第2顆中國資源二號衛(wèi)星升空并正常運行。至此，中國已有12顆應用衛(wèi)星在太空中成功運行，這些衛(wèi)星有：資源一號、資源二號衛(wèi)星(2顆)，風云一號(2顆)、風云二號(2顆)氣象衛(wèi)星，東方紅三號、中星二十二號通信衛(wèi)星，北斗一號定位衛(wèi)星(2顆)和海洋一號海洋衛(wèi)星，幾乎涵蓋了世界上在太空中運行的所有應用衛(wèi)星品種，應用范圍涉及國民經濟諸多領域。289.1

智能遙感傳感技術基礎9.1.5

遙感發(fā)展歷程中國遙感系列衛(wèi)星中國遙感系列衛(wèi)星是指利用遙感技術和遙感設備，對地表覆蓋和自然現象進行觀測的人造衛(wèi)星，主要應用于國土資源勘查、環(huán)境監(jiān)測與保護、城市規(guī)劃、農作物估產、防災減災和空間科學試驗等領域。2006年4月27日，“遙感一號”在太原衛(wèi)星發(fā)射中心發(fā)射成功。2018年1月25日，“遙感三十號”在西昌衛(wèi)星發(fā)射中心發(fā)射成功。299.1

智能遙感傳感技術基礎9.1.5

遙感發(fā)展歷程高分專項工程高分專項工程是中國國家中長期科學和技術發(fā)展規(guī)劃綱要(2006－2020年)

的16個重大科技專項之一。高分一號、二號、四號衛(wèi)星發(fā)射升空，實現了亞米級高空間分辨率與高時間分辨率的有機結合?！案叻謱ｍ棥痹诰W絡上被親切的稱為“中國人自己的全球觀測系統”。2019年11月28日7時52分，我國在太原衛(wèi)星發(fā)射中心用長征四號丙運載火箭，成功將高分十二號衛(wèi)星發(fā)射升空，衛(wèi)星順利進入預定軌道，任務獲得圓滿成功。9.1

智能遙感傳感技術基礎9.1.5

遙感發(fā)展歷程高分專項工程309.1

智能遙感傳感技術基礎319.1.5

遙感發(fā)展歷程當前遙感發(fā)展趨勢從傳感器技術性能出發(fā)深化遙感技術成果的實際應用利用當前遙感技術不斷對地理信息系統進行開發(fā)完善研究更加精確、高效、魯棒性好的智能遙感數據處理技術9.2

常見智能遙感技術329.2.1

智能光學遙感可見光遙感是指傳感器工作波段限于可見光波段范圍（0.38~0.76????????）之間的遙感技術。電磁波譜的可見光區(qū)波長范圍約在0.38~0.76????????之間，是傳統航空攝影偵察和航空攝影測繪中最常用的工作波段。9.2

常見智能遙感技術9.2.1

智能光學遙感光學遙感器對地觀測星載遙感器有Landsat系列、中巴資源衛(wèi)星、法國SPOT-5和QuickBird等。SPOT圖像(2000年北碚)Quick

Bird

圖像339.2

常見智能遙感技術9.2.1

智能光學遙感遙感成像模型可見光遙感技術屬于光學被動成像的一種，成像過程主要包括探測、光電輻射轉換、圖像形成三個環(huán)節(jié)。分光器件光學部件探測器電子器件A/D采樣輻射能量形成圖像349.2

常見智能遙感技術359.2.1

智能光學遙感遙感成像模型輻射傳輸過程遙感器接收能量：光學被動遙感接收的電磁波包括太陽輻射和地球表面輻射電磁波兩個部分。λsu地表直接反射部分L ，這是遙感器成像的主要能量大氣向下散射后經地面二次反射再進入遙感器觀測角內的輻射能量Lsdλ太陽輻射向上散射被遙感器接收的部分Lsp，主要包括大氣分子、λ瑞利散射、氣溶膠或者空氣中的懸浮物粒子造成的米氏散射等。9.2

常見智能遙感技術369.2.1

智能光學遙感遙感成像模型輻射傳輸過程遙感器所接受到的總輻射為λLsλ λλ=Lsu+Lsd+

Lsp9.2

常見智能遙感技術379.2.1

智能光學遙感遙感成像模型遙感器模型傳輸型光電遙感器由三個子系統組成，分別是光學系統、探測器系統和信號處理電子學系統。光學部件收集地物透過大氣層傳輸到遙感器的輻射能量信號，在焦平面上聚焦形成圖像；CCD探測器陣列負責光電轉化；經信號處理器對測量電信號進行增強；A/D轉換將空域和幅度連續(xù)的模擬信號離散量化為數字信號。9.2

常見智能遙感技術9.2.1

智能光學遙感遙感成像模型遙感器模型分光器件光學部件探測器電子器件A/D采樣輻射能量形成圖像遙感器成像系統結構圖389.2

常見智能遙感技術399.2.1

智能光學遙感遙感傳感器成像方式遙感傳感器類型多種多樣，按照遙感器掃描方式，分為三種模式：擺掃成像、推掃成像和凝視成像。不同工作方式對空間分辨率有一定影響。9.2

常見智能遙感技術9.2.1

智能光學遙感遙感傳感器成像方式擺掃成像40工作原理旋轉掃描鏡沿垂直于飛行方向來回擺動，配合沿軌道的飛行共同完成空間掃描擺掃成像系統采用行掃描，每條掃描線均有一個投影中心，所得的影像是多中心投影影像。9.2

常見智能遙感技術419.2.1

智能光學遙感遙感傳感器成像方式推掃成像工作原理推掃式成像系統利用遙感器平臺向前飛行和與飛行方向垂直的掃描線記錄，獲取二維圖像。推掃式把探測器掃描方向排列陣列接受地面輻射信號。若探測器為線狀分布則為線陣掃描系統，若為面陣分布則為面陣掃描系統。9.2

常見智能遙感技術凝視成像9.2.1

智能光學遙感遙感傳感器成像方式工作原理凝視成像采用二維陣列探測器。凝視成像有兩種模式：理想凝視部分凝視429.2

常見智能遙感技術439.2.1

智能光學遙感遙感傳感器成像方式各成像方式優(yōu)缺點擺掃成像可以得到很大的總視場且像元配準好，一臺儀器波段范圍可以很寬；但也可能會導致像點的位移、失真和運動模糊等問題。推掃成像光譜儀凝視時間相對較長，系統的靈敏度和信噪比高，從而提高空間分辨率和光譜分辨率，而且體積相對較??；但總視場角不能很大，一般只能達到30°左右。9.2

常見智能遙感技術449.2.2

智能高光譜遙感高光譜遙感是指利用很多很窄的電磁波波段（通常小于10nm），從感興趣的物體獲取有關數據，利用“圖譜合一”的特點，研究地表物質的成分、含量、存在狀態(tài)和動態(tài)變化與光譜反射率之間的對應關系的科學。高光譜遙感是高光譜分辨率遙感的簡稱，其光譜分辨率為納米級。9.2

常見智能遙感技術9.2.2

智能高光譜遙感459.2

常見智能遙感技術9.2.2

智能高光譜遙感相關基本概念光譜分辨率空間分辨率儀器的視場角(FOV)調制傳遞函數(MTF)信噪比(SNR)探測器凝視時間(dwell time)469.2

常見智能遙感技術9.2.2

智能高光譜遙感光譜分辨率光譜分辨率是指探測器在波長方向上的記錄寬度，

又稱波段寬度

（bandwidth），如圖所示。圖中的縱坐標（y軸）表示探測器的光譜響應，是橫坐標（x軸）所代表的波長的函數。光譜分辨率被嚴格定義為儀器達到光譜響應最大值的50%時的波長寬度。探測器光譜響應47/%波長/μm

9.2

常見智能遙感技術489.2.2

智能高光譜遙感空間分辨率空間分辨率是指遙感圖像上能夠詳細區(qū)分的最小單元的尺寸或大小，是用來表征影像分辨地面目標細節(jié)的指標。對于成像光譜儀，其空間分辨率是由儀器的瞬時視場角(IFOV)決定的。遙感器的瞬時視場角是指某一瞬間遙感系統的探測單元對應的瞬時視場。IFOV以毫弧度(mrad)計量，其對應的地面大小被稱為地面分辨單元(GR)，它們的關系為：GR=2×tan(IFOV/2)×H式中,

H——遙感平臺高度；

IFOV——瞬時視場角。9.2

常見智能遙感技術499.2.2

智能高光譜遙感儀器的視場角(FOV)儀器的視場角是指儀器掃描鏡在空中掃過的角度，它和遙感平臺高度共同決定了地面掃描寬度(GS)。GS=tan(FOV/2)×H×2調制傳遞函數(MTF)調制傳遞函數反映遙感器(或圖像)的光學對比度與空間頻率的關系，是成像系統對所觀察景物再現能力的度量。其表達式為：調制傳遞函數=圖像的調制度/目標的調制度9.2

常見智能遙感技術509.2.2

智能高光譜遙感信噪比(SNR)信噪比是遙感器采集到的信號和噪聲之比，是遙感器的一個極其重要的性能參數。信噪比和圖像的空間分辨率、光譜分辨率是相互制約的，空間分辨率和光譜分辨率的提高都會降低信噪比。探測器凝視時間(dwell

time)探測器的瞬時視場角掃過地面分辨單元的時間稱為凝視時間，其大小為行掃描時間與每行像元數的比值。凝視時間越長，進入探測器的能量越多，光譜響應越強，圖像的信噪比也就越高。9.2

常見智能遙感技術9.2.2

智能高光譜遙感高光譜遙感的特點波段多光譜分辨率高波段連續(xù)數據量大信息冗余增加519.2

常見智能遙感技術529.2.2

智能高光譜遙感高光譜數據表達方式圖像立方體高光譜遙感能夠同時獲取目標區(qū)域的二維幾何空間信息與一維光譜信息，因此高光譜數據具有“圖像立方體”的形式和結構，其圖像空間用于表述地物的空間分布，而光譜空間則用于表述每個像素的光譜屬性，體現出“圖譜合一”的特點和優(yōu)勢。9.2

常見智能遙感技術9.2.2

智能高光譜遙感高光譜數據表達方式光譜曲線

吸

到對于某一點的光譜特征最直觀的表達方式就是二維的光譜曲線。用直角坐標系表示光譜數據，橫軸表示波長，縱軸表示反射率，則光譜的收特征可以從曲線的極小值獲得。在顯示曲線時，必須將波段序號轉換光譜波長值，映射到水平軸上。539.2

常見智能遙感技術549.2.2

智能高光譜遙感高光譜數據表達方式光譜曲面為了同時表達出更多的光譜信息，選取一簇光譜曲線，構成三維空間的曲面，用投影方式顯示在二維平面上，形成三維光譜曲面圖。三維光譜曲面就是在二維光譜曲線坐標系中添加空間軸。在顯示光譜曲面時，用直線段連接相鄰的網格點就可以表達出光譜曲面的形狀。9.2

常見智能遙感技術559.2.2

智能高光譜遙感高光譜遙感成像機理成像光譜儀是集探測器技術、精密光學機械、微弱信號探測、計算機技術信息處理技術等為一體的綜合性技術，每個單項技術的發(fā)展都會推進成像光譜技術的提高，其中比較重要的關鍵技術有以下五項。探測器焦平面技術各種新型的光譜儀技術和精密光學技術高速數據采集、傳輸、記錄和實時無損數據壓縮技術成像光譜儀的光譜與輻射定標技術成像光譜信息處理技術9.2

常見智能遙感技術569.2.2

智能高光譜遙感高光譜遙感成像機理成像光譜技術的分類方法很多，從原理上可以分為棱鏡光柵色散型、干涉型、濾光片型、計算機層析成像、二元光學元件成像、三維成像光譜技術。9.2

常見智能遙感技術579.2.2

智能高光譜遙感高光譜遙感成像機理棱鏡光柵色散型成像光譜儀色散型成像光譜儀入射狹縫位于準直系統的前焦面上，入射的輻射經準直光學系統準直后，經棱鏡和光柵狹縫色散后，由成像系統將光能按波長順序成像在探測器的不同位置上。色散型成像光譜儀按探測器的構造,可分為線列與面陣兩大類,它們分別稱之為擺掃型成像光譜儀和推掃型成像光譜儀。9.2

常見智能遙感技術589.2.2

智能高光譜遙感高光譜遙感成像機理棱鏡光柵色散型成像光譜儀擺掃型成像光譜儀原理圖推掃型成像光譜儀原理圖9.2

常見智能遙感技術59光楔成像光譜儀9.2.2

智能高光譜遙感高光譜遙感成像機理濾光片型成像光譜儀濾光片型成像光譜儀是每次只測量目標上一個行的像元的光譜分布，它采用相機加濾光片的方案，原理簡單，并有很多種類，如可調諧濾光片型、光楔濾光片型等。9.2

常見智能遙感技術609.2.2

智能高光譜遙感高光譜遙感成像機理計算機層析成像光譜技術層析成像光譜儀將成像光譜圖像數據立方體視為三維目標，利用特殊的成像系統記錄數據立方體在不同方向上的投影圖像，然后利用層析算法重建出數據立方體。9.2

常見智能遙感技術619.2.3

智能微波遙感在電磁波譜段中，波長在

1～1000mm

的波段范圍稱微波，頻率為300MHz-300GHz。微波遙感是指通過微波傳感器獲取從目標地物發(fā)射或反射的微波輻射，經過判讀處理來識別地物的技術。主動式微波遙感由傳感器自身發(fā)射微波束，再接收地物反射回來的微波信號，很少受太陽輻射的影響，可以全天候工作，不受成像時間和大氣條件的限制，應用很廣泛。9.2

常見智能遙感技術629.2.3

智能微波遙感主動微波遙感雷達系統一般包括發(fā)射機、接收機、天線和存儲機。雷達工作原理是天線發(fā)出的一束電磁波（或微波）輻射射向目標，電磁輻射與目標發(fā)生相互作用，其中有一部分背向散射返回到天線，雷達接收機探測到回波信號，經一系列的信號處理后，送入存儲器，存儲器的信號經成像后形成雷達圖像。9.2

常見智能遙感技術639.2.3

智能微波遙感主動微波遙感真實孔徑側視雷達真實孔徑側視雷達(RAR)，雷達采用真實長度的天線接收地物后向散射并通過側視成像。雷達圖像的空間分辨率包括兩個方面：距離分辨率和方位分辨率。距離分辨率是指雷達所能識別的同一方位向上的兩個目標之間的最小距離，方位向分辨率為波束寬度與到達目標的距離之積。9.2

常見智能遙感技術9.2.3

智能微波遙感主動微波遙感真實孔徑側視雷達平行于雷達飛行方向的分辨率稱為方位分辨率；垂直于飛行方向的分辨率稱為距離分辨率。649.2

常見智能遙感技術659.2.3

智能微波遙感主動微波遙感合成孔徑側視雷達合成孔徑雷達(Synthetic

Aperture

Radar,

SAR)是一種先進的主動式微波對地觀測設備具有全天候、全天時工作的特點對地面植被有一定穿透能力，能獲得類似光學照片的目標圖像在國民經濟和軍事應用領域有著十分重要的作用9.2

常見智能遙感技術669.2.3

智能微波遙感主動微波遙感合成孔徑側視雷達Sandia實驗室提供的3米分辨率的SAR圖像9.2

常見智能遙感技術9.2.3

智能微波遙感主動微波遙感SAR67spherical

waveSAR:SyntheticAperture

Radar-ActiveRemoteSensing

SystemSAR成像原理SAR利用天線向目標發(fā)射能量和接收從目標返回的能量，并用數字設備記錄所成圖像。9.2

常見智能遙感技術9.2.3

智能微波遙感主動微波遙感ISAR、InSAR和PolSARISAR：雷達不動、目標運動InSAR：是以同一地區(qū)的兩張SAR圖像為基本處理數據，通過求取兩幅SAR圖像的相位差，獲取干涉圖像，從干涉條紋中獲取地形高程數據的空間對地觀測新技術。(雷達三維成像技術)PolSAR：極化合成孔徑雷達(PolSAR)通過變換收發(fā)電磁波的極化方式來獲得目標的極化散射矩陣。美國舊金山地區(qū)L波段的極化SAR數據689.2

常見智能遙感技術69，目標（散射體）距9.2.3

智能微波遙感主動微波遙感合成孔徑的形成若雷達天線孔徑尺寸為D,天線輻射電磁波的波長為雷達的距離為r，

則目標分辨率為：D顯然，天線孔徑D越大，對目標的分辨率越高。困難：不能無限制增大天線孔徑，因而普通雷達的目標分辨率是相當有限的，普通雷達對遠距離目標的分辨率是很差的。

0.88

r9.2

常見智能遙感技術709.2.3

智能微波遙感主動微波遙感提高方位分辨率要依靠減小波束寬度，即要采用大孔徑的天線。而在現實中過分增加天線的長度是很難做到的，特別是在飛行平臺上。為了提高方位分辨率，利用小天線，稱為陣元，排成很長的線性陣列，將這些線性陣列安裝于運動平臺上，通過運動形成一個等效的大孔徑天線，并不斷地記錄回波的相位和幅度。將它們按陣列回波作合成處理，可以得到與實際陣列相類似的結果，從而提高方位分辨率。這就是SAR的工作原理。9.2

常見智能遙感技術719.2.3

智能微波遙感主動微波遙感提高距離分別率真實孔徑雷達的距離分辨率受發(fā)射脈沖寬度的限制，當要求非常高的距離分辨率時，必須發(fā)射非常窄的脈沖，同時隨著距離的增大發(fā)射信號的能量也必須增大；SAR克服了這些困難，它利用脈沖壓縮技術獲得高的距離分辨率，解決距離分辨率與探測距離之間的矛盾。9.2

常見智能遙感技術729.2.3

智能微波遙感主動微波遙感機載側視雷達遙感系統雷達的遙感平臺有飛機和衛(wèi)星，以飛機為平臺的雷達叫機載側視雷達遙感(SLAR)。星載側視雷達遙感系統以衛(wèi)星為平臺的雷達叫星載雷達遙感，比較常用。應用較多的星載雷達系統有SIR系統、ERS系統和RADARSAT系統。9.2

常見智能遙感技術9.2.3

智能微波遙感SAR圖像的特性739.2

常見智能遙感技術9.2.3

智能微波遙感SAR圖像的特性SAR圖像的穿透性749.2

常見智能遙感技術759.2.3

智能微波遙感SAR圖像的特性SAR圖像極化特性單極化是指(HH)或者(VV)，就是水平發(fā)射水平接收或垂直發(fā)射垂直接收。氣象雷達領域那一般都是(HH)

。雙極化是指在一種極化模式的同時，加上了另一種極化模式，如(VH：垂直發(fā)射水平接收)和(HV：水平發(fā)射垂直接收)。全極化技術難度最高，要求同時發(fā)射H和V，也就是(HH)(HV)(VV)(VH)四種極化方式。9.2

常見智能遙感技術769.2.3

智能微波遙感SAR圖像的特性SAR圖像幾何特性斜距圖像的比例失真透視收縮頂底位移雷達視差與立體視差雷達陰影9.2

常見智能遙感技術9.2.3

智能微波遙感SAR圖像的特性SAR圖像輻射特征SAR圖像的斑點與噪聲類似，但它不是噪聲。雷達圖像上周期性出現的斑點噪聲是源于SAR系統本身就是一個相干系統，

由于相干波的加強和減弱疊加而引起。779.3

智能遙感數據處理技術78遙感圖像大范圍地獲取能力和重復觀測能力都是視覺系統難以實現的，于是我們希望能夠設計出具有自學習、自推理、自適應能力和提高計算效率的計算機目標識別算法、分類器和變化檢測器，彌補視覺系統的不足并輔助完成科研生產任務。遙感圖像的模式識別是要用計算機去提取各種傳感器獲取的光譜信息、空間和時間變化信息以及這些信息所表達的農業(yè)、林業(yè)、地質調查測繪、城市規(guī)劃、資源環(huán)境調查和災害等實體模式的要素集合。9.3

智能遙感數據處理技術799.3.1

遙感圖像地物分類方法智能遙感圖像分類是利用計算機技術來模擬人類的識別功能，對地球表面及其環(huán)境在遙感圖像上的信息，例如光譜特性、空間結構等，進行屬性的自動判別和分類，以達到提取所需地物信息的目的。從分類前是否需要獲得訓練樣區(qū)類別這一角度進行劃分，可以劃分為監(jiān)督分類和非監(jiān)督分類。9.3

智能遙感數據處理技術809.3.1

遙感圖像地物分類方法監(jiān)督分類根據已知訓練樣區(qū)提供的樣本，通過選擇特征參數，求出特征參數作為決策規(guī)則，建立判別函數以對各待分類影像進行的圖像分類，是模式識別的一種方法。常用算法有最大似然比分類，最小距離分類。9.3

智能遙感數據處理技術9.3.1

遙感圖像地物分類方法監(jiān)督分類最大似然比分類通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。819.3

智能遙感數據處理技術

分類速度快。829.3.1

遙感圖像地物分類方法監(jiān)督分類優(yōu)缺點優(yōu)點：根據應用目的和區(qū)域，有選擇的決定分類類別，避免出現一些不必要的類別；可以通過檢查訓練樣本來決定訓練樣本是否被精確分類；缺點：主觀性由于圖像中間類別的光譜差異，是訓練樣本沒有很好地代表性；訓練樣本的獲取和憑借花費較多的人力時間；只能識別訓練中定義的類別。9.3

智能遙感數據處理技術9.3.1

遙感圖像地物分類方法非監(jiān)督分類根據事先指定的某一準則，讓計算機自動進行判別歸類，無需人為干預，分類后需確定地面類別。在非監(jiān)督分類中，先確定光譜可分的類別(光譜類)然后定義他們的信息類。839.3

智能遙感數據處理技術849.3.1

遙感圖像地物分類方法非監(jiān)督分類常用非監(jiān)督分類算法K-均值分類算法(分級集群法)ISODATA分類算法(動態(tài)聚類法)9.3

智能遙感數據處理技術859.3.1

遙感圖像地物分類方法非監(jiān)督分類K-均值分類算法當同類物體聚集分布在一定的空間位置上，他們在同樣條件下應具有相同的光譜信息特征，這時其他類別的物體應聚集分布在不同的空間位置上。由于不同地物的輻射特征不同，反映在直方圖上會出現很多峰值及其對應的眾數灰度值，他們在圖像上對應的像元分別傾向于聚集在各自不同的眾數附近的灰度空間形成的很多點群，這些點群就叫集群。一個集群就是一種分類。9.3

智能遙感數據處理技術869.3.1

遙感圖像地物分類方法非監(jiān)督分類ISODATA分類算法(動態(tài)聚類法)在初始狀態(tài)給出圖像粗糙的分類，然后基于一定原則在類別間重新組合樣本，直到分類比較合理為止。ISODATA方法不僅可以通過調整樣本所屬類別完成聚類，而且可以自動的進行類別的合并與分裂，杏兒得到類別比較合理的聚類結果。9.3

智能遙感數據處理技術9.3.1

遙感圖像地物分類方法非監(jiān)督分類879.3

智能遙感數據處理技術889.3.1

遙感圖像地物分類方法其他方法專家系統分類法支持向量機分類法神經元網絡分類法模糊聚類分類法決策樹分類法9.3

智能遙感數據處理技術899.3.1

遙感圖像地物分類方法常用分類思想分層分類思想針對各類地物不同的信息特點，按照一定的原則進行層層分解。當研究者運用這種分層分類思想時，需要擁有對不同子區(qū)特征進行識別的能力以及豐富的經驗知識，并且研究者還需要選擇不同的波段和波段組合來對分類活動進行輔助。9.3

智能遙感數據處理技術909.3.1

遙感圖像地物分類方法常用分類思想分區(qū)分解思想圖像分類中的分區(qū)分解思想要根據待處理中所包含的局部特征將一個整體圖像轉化為幾個局部圖像，再將局部圖像根據自身特點進行分類。這種思想可以使得每一區(qū)域中的種類數目對整體圖像相比較有大幅減少。9.3

智能遙感數據處理技術919.3.1

遙感圖像地物分類方法常用分類思想多分類器結合思想遙感圖像分類中，由于不同的分類方法精度是不同的。分類器結合的思想則是通過適當的方法將不同的分類器之間進行優(yōu)勢互補，從而彌補單一分類器存在的精度缺陷，來得到更好的分類結果。9.3

智能遙感數據處理技術929.3.1

遙感圖像地物分類方法常見分類后處理過濾處理可以很好的用于解決分類圖像結果中出現的孤島問題一種方法。過濾處理主要使用斑點分組的方法來消除這些被“隔離”的分類像元。聚類處理運用數學形態(tài)學算子，將臨近的類似分類區(qū)域聚類并進行合并。而且聚類處理解決了低通濾波平滑圖像時類別信息被臨近類別的編碼干擾這一問題。9.3

智能遙感數據處理技術939.3.2

遙感圖像目標檢測方法遙感圖像目標檢測是指利用特定的算法從圖像中搜索并標記出感興趣的目標，包括建筑物、道路、飛機、艦船和車輛等。目標檢測是光學遙感圖像分析的重要內容，是城市規(guī)劃、土地利用、機場和港口監(jiān)測等應用的重要基礎。9.3

智能遙感數據處理技術9.3.2

遙感圖像目標檢測方法目標檢測方法目標檢測主要包括候選區(qū)域提取、特征學習、分類和后處理4個環(huán)節(jié)以及訓練和測試2個階段。949.3

智能遙感數據處理技術959.3.2

遙感圖像目標檢測方法目標檢測方法候選區(qū)域提取為訓練和測試兩個階段所共用，其主要作用是從輸入圖像中提取可能的目標區(qū)域，降低后續(xù)的特征學習和分類的工作量。特征學習的主要目的是訓練特征學習器，提取目標和背景特征，用于準確區(qū)分目標和背景。9.3

智能遙感數據處理技術969.3.2

遙感圖像目標檢測方法目標檢測方法分類所做的工作是根據特征區(qū)分目標和背景，當目標和背景被區(qū)分開時，相當于檢測出了目標。在訓練階段，利用訓練數據調整分類器的參數；在測試階段，訓練好的分類器被用于區(qū)分目標和背景。后處理環(huán)節(jié)有時包含在分類環(huán)節(jié)中，其主要作用是根據分類結果，將檢測到的目標標記在輸入圖像上。9.3

智能遙感數據處理技術979.3.2

遙感圖像目標檢測方法目標檢測方法候選區(qū)域提取目前常用的候選區(qū)域提取方法可分為三類：基于視覺顯著性的方法、基于選擇性搜索的方法和基于閾值分割的方法。9.3

智能遙感數據處理技術989.3.2

遙感圖像目標檢測方法目標檢測方法特征學習特征學習是目標檢測的核心環(huán)節(jié)，特征的好壞直接決定了目標檢測性能的優(yōu)劣。好的特征應具有鑒別性，即能更好地區(qū)分目標和背景，且應具有平移不變、旋轉不變和尺度不變等魯棒特性。9.3

智能遙感數據處理技術999.3.2

遙感圖像目標檢測方法目標檢測方法分類和后處理分類的目的是將目標和背景區(qū)分開，從而實現目標檢測。分類之前需要利用特征和標簽數據訓練分類器，建立目標特征和目標類別之間的關系光學遙感圖像目標檢測中使用的分類方法主要有3種：支持向量機、回歸和自適應增強。9.3

智能遙感數據處理技術1009.3.3

遙感圖像目標識別方法遙感圖像目標識別的基本任務是精確定位遙感圖像中的感興趣目標，同時提取其狀態(tài)參數和屬性值。9.3

智能遙感數據處理技術101MSTAR

public

dataset (a)

BMP2 (b)

BTR70 (c)T72BMP2裝甲運輸車、BTR70裝甲運輸車、T72主戰(zhàn)坦克9.3.3

遙感圖像目標識別方法(a)(b)(c)9.3

智能遙感數據處理技術1029.3.3

遙感圖像目標識別方法遙感圖像目標識別共有兩種方法：數據驅動型，表現為由下而上，先對圖像進行普通的分割、標記、特征提取等，之后對每個已標記區(qū)域的特征向量和目標模型進行匹配。知識驅動型，表現為由上而下，根據描述模型，對圖像的可能特征提出合理假設，然后根據假設進行分割、標記等。前者通常是結合分類技術來進行，后者則是結合推理技術和先驗知識來進行。9.3

智能遙感數據處理技術1039.3.3

遙感圖像目標識別方法基于分類技術的識別方法基于分類技術的遙感圖像識別，最常被用于識別點、提取區(qū)域以及識別結構目標中的結構基元。此類方法多采用紋理、光譜、形狀等特征，通過提取出多種特征的臨近窗口，用來獲取在不同的尺度上的圖像信息。9.3

智能遙感數據處理技術1049.3.3

遙感圖像目標識別方法基于知識的識別方法在遙感圖像目標識別中對某些同類地物，如水體中的河流、水庫、湖泊和坑塘等，僅基于局部光譜、紋理等信息，很難對其做深度區(qū)分，因此此類地物“混合像元”的現象比較嚴重，很難對他們做出精確地識別。要實現上述識別，要綜合利用到地物學、生物學、GIS信息等知識。根據遙感信息在識別過程中的應用形式，又可以將其分為基于知識表示、推理和參數模型的方法。9.3

智能遙感數據處理技術1059.3.4

遙感圖像變化檢測方法變化檢測是從同一場景、不同時期的遙感數據中定量分析和確定地表變化的特征與過程。遙感圖像的變化檢測專指利用多時相獲取的同一地表區(qū)域的遙感圖像來確定和分析地表變化，能提供地物的空間展布及其變化的定性與定量信息。變化檢測問題可以分為以下幾種情況：有無變化、哪些地方有變化、感興趣的是哪些地方的變化、感興趣的變化區(qū)域是什么樣子。9.3

智能遙感數據處理技術9.3.4

遙感圖像變化檢測方法106(a) (b)Fig.ImagesrelatingtotheestuaryareaoftheYellowRiveracquiredbytheCanadianRadarSat-2satelliteSARsensor

(7666×7692).

黃河大橋Image

acquired

in

June

18th

2008.

六月ImageacquiredinJune19th

2009.9.3

智能遙感數據處理技術9.3.4

遙感圖像變化檢測方法1079.3

智能遙感數據處理技術9.3.4

遙感圖像變化檢測方法108(a)

(b)(c)Fig.MultitemporalimagesrelatingtopartareasoftheYellow

River(1667×3601).theestuaryareaImageoftheYellowRiverinJune18th

2008.theestuaryareaImageoftheYellowRiverinJune19th

2009.Detection

result9.3

智能遙感數據處理技術1099.3.4

遙感圖像變化檢測方法變化檢測的主要方法算法的角度可將目前變化檢測的方法分為四類：基于簡單代數運算的變化檢測；基于圖像變換的變化檢測；基于圖像分類的變化檢測；基于特征描述的變化檢測。9.3

智能遙感數據處理技術1199.3.4

遙感圖像變化檢測方法基于簡單代數運算的變化檢測圖像差值法，其基本原理是將不同時間獲取的兩幅影像進行配準，然后將圖像中對應像元的灰度值相減，從而獲得一幅新的差異圖像以表示在所選兩個時間當中目標區(qū)所發(fā)生的變化。理論上，在得到的差值圖像上，差值為0或接近0的認為是不變區(qū)域，不為0的認為是變化區(qū)域。9.3

智能遙感數據處理技術1119.3.4

遙感圖像變化檢測方法基于簡單代數運算的變化檢測圖像比值法是將不同時相的遙感影像對應波段進行逐像元相除。通過對不同時相影像做相對輻射校正，得到的比值圖像增強了變化信息，其中像元比值為1或者近似為1的認為是未發(fā)生變化的區(qū)域，像元比值明顯高于或低于1的認為是發(fā)生變化的區(qū)域。9.3

智能遙感數據處理技術1129.3.4

遙感圖像變化檢測方法基于圖像變換的變化檢測基于圖像變換的變化檢測方法主要包括主成分分析（PCA）、K-T變換和典型相關分析等。9.3

智能遙感數據處理技術113的比較可以區(qū)分出類別變化與否。9.3.4

遙感圖像變化檢測方法基于圖像分類的變化檢測基于圖像分類的變化檢測主要有分類后比較和多時相圖像同時分類兩種方法。分類后比較法原理是對兩個不同時相的影像進行單獨分類，然后在己經分類的區(qū)域中逐像素比較以確定變化信息的位置和類型。多時相圖像同時分類法是將兩個或多時相的遙感圖像數據放在一個數據庫中同時進行分類。出現變化的類別，其數據的統計量如標準偏差等將很大，而未發(fā)生變