查看完整版本: 遥感图像处理介绍

遥感图像处理介绍

[size=2]用计算机处理的遥感图像必须是数字图像。以摄影方式获取的模拟图像必须用图像扫描仪等进行模/数(A/D)转换；以扫描方式获取的数字数据必须转存到一般数字计算机都可以读出的CCT等通用载体上。计算机图像处理要在图像处理系统中进行。图像处理系统是由硬件(计算机、显示器、数字化仪、磁带机等等)和软件(具有数据输入，输出，校正，变换，分类等功能)构成。图像处理内容主要包括校正、变换和分类。7~(J{
Gjm*q\B
·校正处理 图像校正是指从具有畸变的图像中消除畸变的处理过程，消除几何畸变的叫几何校正；消除辐射量失真的叫辐射校正。 [/size]rgKf"R3E4p+Kc.m
[size=2]1?1c6MAY(v)rA b(q
[color=red](1)几何校正[/color]：各类遥感图像都存在在几何校正的问题。由于人们已习惯使用正射投影的地形图，因此对各类遥感影像的畸变都必须以地形图为基准进行几何校正。几何校正步骤大致如下：
G(Yu&g8f&_A   ①选择控制点：在遥感图像和地形图上分别选择同名控制点，以建立图像与地图之间的投影关系，这些控制点应该选在能明显定位的地方，如河流交叉点等。 &BQy&HY8YL5W!zU
  ②建立整体映射函数：根据图像的几何畸变性质及地面控制点的多少来确定校正数学模型，建立起图像与地图之间的空间变换关系，如多项式方法、仿射变换方法等。
:];T.X I~ g#cs:z?@   ③重采样内插：为了使校正后的输出图像像元与输入的未校正图像相对应,根据确定的校正公式，对输入图像的数据重新排列。在重采样中，由于所计算的对应位置的坐标不是整数值，必须通过对周围的像元值进行内插来求出新的像元值。
cDh*Sv8n!sy_ [size=2][/size]
dBn#jgzX(C [color=red](2)辐射较正[/color]：从遥感器所获得的图像的灰度与目标物的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为遥感器测量值中包含太阳位置及角度条件、薄雾及霭等大气条件所引起的失真。为了正确评价目标物的反射及辐射特性，必须消除这些失真。消除图像数据中依附在辐射亮度中的各种失真的过程就是辐射较正。辐射校正的结果，会改变图像的色调和色彩。
R I'Z~aq5{z;HO ·图像变换 图像交换泛指按一定规则从一帧图形加工产生另一帧图像的处理过程，这里所指的图像变换主要包括图像增强和特征提取两方面内容。:E
z:_5B*e4W
K @&t#ni|)Zg
[color=red](1)图像增强：[/color]图像增强是改善图像视觉效果的处理。当分析遥感图像时，为了使分析者能容易确切地识别图像内容，必须按照分析目的对图像数据进行加工，目的是提高图像的可判读性。图像校正是消除伴随观测而产生的误差与畸变，使遥感观测数据更接近于真实值为主要目的的处理；而图像增强则把重点放在使分析者能从视觉上便于识别图像内容之上，典型的图像增强有灰度交换、彩色合成等。
-EL!d8lm A7L(le-GK
[color=red](2)特征提取[/color]：为了利用仪器进行图像判读及分析处理，需要从原始图像数据中求出有益于分析的判读标志及统计量等各种参数。对图像进行变换，突出其具有代表性的特征的方法，叫特征提取。特征提取可以定量地抽出以下三种特征：
2S.FtkB   ①光谱特征：可提取颜色或灰度或波段间的亮度比等目标物的光谱特征，例如Landsat的MSS有四个波段，根据某类地物的光谱特征，采用特定的比值可将其突出出来。
Z|d;sM2F%l   ②空间（几何）特征：把目标物的形状、大小、或者边缘，线性构造等几何性特征提取出来，例如把区域断层明显突出出来。EjA2eX-z:G Z
  ③纹理特征：是指周期性图案及区域的均匀性等有关纹理的特征。根据构成图案的要素形状、分布密度、方向性等纹理进行图像特征提取的处理叫做纹理分析。
X$h/C1l+sMW%[\ #cfiF*d]8p)N(F
[color=red]·图像分类[/color] 利用遥感图像进行分类，就是对单个像元或比较匀质的像元组给出对应其特征的名称，其原理是利用图像识别技术实现对遥感图像的自动分类。计算机用以识别和分类的主要标志是物体的光谱特性，图像上的其它信息如大小、形状、纹理等标志尚未充分利用。
6cM _n_;K c']b      在计算机分类之前，往往要做些预处理，如校正、增强、滤波等，以突出目标物特征或消除同一类型目标的不同部位因照射条件不同、地形变化、扫描观测角的不同而造成的亮度差异等。
-oDK Bp;dV      计算机图像分类方法，常见的有两种，即监督分类和非监督分类。监督分类，首先要从欲分类的图像区域中选定一些训练样区，在这样训练区中地物的类别是已知的，用它建立分类标准，然后计算机将按同样的标准对整个图像进行识别和分类。它是一种由已知样本，外推未知区域类别的方法；非监督分类是一种无先验（已知）类别标准的分类方法。对于待研究的对象和区域，没有已知类别或训练样本作标准，而是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后再核对这些数据集所代表的物体类别。 `F ePj{7m
     与监督分类相比，非监督分类具有下列优点：不需要对被研究的地区有事先的了解，对分类的结果与精度要求相同的条件下，在时间和成本上较为节省,但实际上,非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。[/size]