《高分遥感影像信息处理与信息提取》由会员分享，可在线阅读，更多相关《高分遥感影像信息处理与信息提取（133页珍藏版）》请在金锄头文库上搜索。
1、高分遥感影像处理与信息提取 技术汪闽提纲 遥感处理与信息提取简介 遥感图像处理 遥感图像分类 遥感图像专题信息提取与目标识别 遥感图像变化检测遥感信息提取的概念遥感信息提取的概念遥感信息提取，是遥感成像过程的逆过程，是从遥感 对地面实况的模拟影像中提取有关信息、反演地面原 型的过程。需要根据专业的要求，运用物理模型、解 译特征标志和实践经验与知识，定性、定量地提取出 物理量、时空分布、功能结构等有关信息。 主要方法应用数据源空间 分辨率光谱 分辨率时间 分辨率定量 遥感反演模型大气、海 洋、生态 环境动态 监测MODIS、 AVHRR低高高遥感 分类监督与非 监督分类土地覆盖 与土地利 用、农
2、林TM、SPOT4 、 CBERS中中中目标 识别分割、模 式识别城市、军 事、设施SPOT5、 IKONOS、 QuickBird高低中以影像为主要类型的空间数据获取能力得到不断提高，而高分辨率遥感更是逐渐成为了面向社会发展、经济建设、国防安全和社 会大众需求等最重要的空间信息来源，我国中长期科学和技术发展 规划中明确提出要建设高分辨率对地观测系统，系统建成后将全面 应用服务于各行各业。影像数据处理、分析、理解和决策应用等构 成了遥感应用的技术链，而信息提取与目标识别更是遥感从数据转 换为信息进而开展应用服务的核心技术。由于高空间分辨率遥感影 像的特点，高精度、高效率目标自动识别问题一直是极
3、大的技术难 点，已经是大规模应用的瓶颈。 高分辨率遥感应用中的主要问题高分辨率遥感信息提取中的主要问题 应用瓶颈问题：数据量和空间计算复杂性骤增，影像噪声更 为明显，周围环境影响加大，同物异谱和同谱异物现象普遍 存在，这些因素给遥感影像数据处理与分析带来了新的难题 ，极大地影响了高空间分辨率影像信息提取和目标识别的精 度与效率； 如何解决：与传统的主要依赖于波谱信息的处理与分析方法 相比较，必须更多地考虑图像的结构、形态、分布等空间特 征信息，这也是伴随图像理解和高效能计算技术发展的新一 代遥感信息处理与分析技术。 遥感信息提取机理遥感信息提取机理地学现象与过程地学现象与过程地学认知地学认知地
4、面目标过程时序分解抽象空间位置空间信息属性特征波谱信息时间时相信息综合度综合与分解性遥感信息遥感信息地理空间地理空间影像空间影像空间高分辨率遥感影像处理 图像辐射校正 影像几何纠正、 配准、影像拼接 影像增强 影像融合 .2004-12-17辐射校正 辐射校正（radiometric correction） ：消除辐射量失 真。利用遥感器观测目标物辐射或反射的电磁能量 时，从遥感器得到的测量值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，这是因为测 量值中包含太阳位置及角度条件、薄雾等大气条件 所引起的失真。为了正确评价目标物的反射特性及 辐射特性，必须消除这些失真。引起辐射畸变的因
5、 素：遥感器的灵敏度特性、太阳高度及地形、大气 等。辐射校正由遥感器引起的误差或由太阳高度引起 的误差，一般在数据生产过程中由生产 单位根据遥感器参数进行校正，而不需 要用户进行自行处理。用户一般考虑大 气影响引起的辐射畸变。几何校正 图像的几何校正（图像的几何校正（geometric correctiongeometric correction） 是指从具有几何畸变的图像中消除畸变是指从具有几何畸变的图像中消除畸变 的过程，从而建立图像上的像元坐标与的过程，从而建立图像上的像元坐标与 目标物的地理坐标间的对应关系，并使目标物的地理坐标间的对应关系，并使 其符合地图投影系统的过程。其符合地图投
6、影系统的过程。由遥感器引起的图像几何畸变几何畸变校正 几何校正的方法 系统性校正：当知道了消除图像几何畸变的 理论校正公式时，可把该式中所含的与遥感 器构造有关的校准数据（焦距等）及遥感器 的位置、姿态等的测量值代入到理论校正式 中进行几何校正。该方法对遥感器的内部畸 变大多是有效的。可是在很多情况下，遥感 器的位置及姿态的测量值精度不高，所以外 部畸变的校正精度也不高。 几何畸变校正 几何校正的方法 非系统性校正：利用控制点的图像坐标和地 图坐标的对应关系，近似地确定所给的图像 坐标系和应输出的地图坐标系之间的坐标变 换式。坐标变换式经常采用1次、2次等角变 换式，2次、3次投影变换式或高次
7、多项式。 坐标变换式的系数可从控制点的图像坐标值 和地图坐标值中根据最小2乘法求出。 几何畸变校正 几何校正的方法 复合校正：把理论校正式与利用控制点确定 的校正式组合起来进行校正。 分阶段校 正的方法，即首先根据理论校正式消除几何 畸变（如内部畸变等），然后利用少数控制 点，根据所确定的低次校正式消除残余的畸 变（外部畸变等）； 提高几何校正精度 的方法，即利用控制点以较高的精度推算理 论校正式中所含的遥感器参数、遥感器的位 置及姿态参数。 几何畸变校正常用的是一种通用的精校正方法，适合于在地面平 坦，不需考虑高程信息，或地面起伏较大而无高程 信息，以及传感器的位置和姿态参数无法获取的情 况
8、时应用。有时根据遥感平台的各种参数已做过一 次校正，但仍不能满足要求，就可以用该方法作遥 感影像相对于地面坐标的配准校正，遥感影像相对 于地图投影坐标系统的配准校正，以及不同类型或 不同时相的遥感影像之间的几何配准和复合分析， 以得到比较精确的结果。几何精纠正的一般过程1.收集资料； 2.导入影像数据； 3.选取地面控制点（GCP），确定其空间坐标； 4.确定纠正所需的几何校正模型； 5.确定输出影像范围； 6.插值和像元几何位置变换方法；7.像元的灰度重采样8.产生纠正后的数字影像控制点的选取 几何校正的第一步便是位置计算，首先是对所选 取的二元多项式求系数。这时必须已知一组控制 点坐标。
9、控制点数目的确定 其最低限是按未知系数的多少来确定的。一次多项式有6 个系数，就需要有6个方程来求解，需3个控制点的3对坐 标值，即6个坐标数。 2次多项式有 12个系数，需要 12 个方程（6个控制点）。依次类推，n次多项式，控制点的 最少数目为(n+1)(n+2)/2。 实际工作表明，选取最少数目的控制点来校正图像，效果 往往不好。在图像边缘处，在地面特征变化大的地区，如 河流拐弯处等，由于没有控制点，而靠计算推出对应点， 会使图像变形。因此，在条件允许的情况下，控制点数的 选取都要大于最低数很多。控制点的选取 控制点选取的原则 一般来说，控制点应选取图像上易分辨且较精细 的特征点，这很容
10、易通过目视方法辨别，如道路 交叉点、河流分叉处、海岸线弯曲处、飞机场、 城廓边缘等。 特征变化大的地区应多选些。 图像边缘部分一定要选取控制点，以避免外推。 此外，尽可能满幅均匀选取，特征实在不明显的 大面积区域（如沙漠），可用求延长线交点的办 法来弥补，但应尽可能避免这样做，以避免造成 人为的误差。 二次多项式校正数学模型 基本数学模型形式 用最小二乘法通过 GCP数据进行曲面拟 合求系数： 待求系数的个数： M=(n+1)(N+2)/2重采样方法一对输入图像的各个像元在变换后的输出图 像坐标系上的相应位置进行计算，把各 个像元的数据投影到该位置上重采样方法二 对输出图像的各个像元在输入图像
11、坐标系的相 应位置进行逆运算，求出该位置上的像元数据 ，保持图像行列数不变。此系目前多数软件中 通常采用的方法。图像内插法一：最近邻法（NN ，Nearest Neighborhood） 最近邻法：以距 内插点最近的观测 点的像元值为所求 的像元值。该方法 最大可产生1/2像 元的位置误差，但 优点是不破坏原来 的像元值，处理速 度快。图像内插法二：双线性内插法 （BL，Bi-Linear） 使用内插点周围的4个观测点的像元值， 对所求的像元值进行线性内插。该方法 的缺点是破坏了原来的数据，但具有平 均化的滤波效果。图像内插法三： 3次卷积内插法（ CC，cubic convolution）
12、使用内插点周围的16个观测点的像元值，用3次卷积函 数对所求像元值进行内插。该方法的缺点是破坏了原 来的数据，但具有图像的均衡化和清晰化的效果，可 得到较高的图像质量。遥感图像配准 图像配准（或图像匹配）是评价两幅或多幅 图像的相似性以确定同名点的过程。图像配 准算法就是设法建立两幅图像之间的对应关 系,确定相应几何变换参数,对两幅图像中的 一幅进行几何变换的方法。 图像配准参考图像（主图像） 待配准图像（辅图像） 配准图像用词说明 各种图像配准的文献都会出现“配准、匹配、 几何校正”三个词，它们的含义比较相似。 一般两幅图像之间用“配准（register, registration）”；寻找
13、同名特征(点) 的过 程叫“匹配（match, matching）”; 根据主 辅图像之间的几何变换关系，对辅图像进行逐 像素处理变为配准图像的过程叫做“几何校正 （geometric correction）”。配准方法分类 按照配准算法所利用的图像信息，可以分 为基于区域的方法和基于特征的方法 。基 于区域的匹配主要是模板匹配和基于相位 （频率）的匹配方法；基于特征的匹配包 括基于特征点集的匹配和基于线特征（图 像中边缘信息）的匹配算法。 按自动化程度可以分为人工、半自动和全 自动三种类型 。模板匹配 模板匹配法是在一幅影像中选取一个的影像 窗口作模板，大小通常为55或77，然后通 过相关函
14、数的计算来找到它在搜索图中的坐 标位置。 相似性测度 用以下测度来衡量T和Si,j的相似程度： 根据施瓦兹不等式， ，并且在 比值为常数时取极大值为1。但实际上两幅不同图像的P值介于0和1之间，很难达到理想值。根据经验取某个阈值P0，如果P P0，则匹配成功； P河滩地河流居民地（城市县城乡镇集村）菜 地水田，居民地与河流、菜地易混。 TM2：同TM1。 TM3：道路河滩地城市河流乡镇县城集村菜地水田，城 市与河滩地、河流，乡镇与河流,集村与菜地易混。 TM4：菜地水田集村道路乡镇河滩地县城河流城市 TM5：道路菜地集村河滩地乡镇城市县城水田河流 TM6：城市县城乡镇集村河流水田河滩地菜地道路
15、 TM7：道路城市乡镇河滩地县城集村菜地水田河流TM图像上的居民地识别提取 基于光谱知识的居民地提取模型 城镇：TM5TM4 TM4-TM7K2 乡村TM4-TM5K1TM3-TM7K2数据源：DMC+4 “北京一号”小卫星系统基于GABOR滤波的居民地提取方法南京师范大学 地理科 学学院居民地的纹理特征表现(a)(b)(c)(d)(e)(f)Extraction of several residential areas (from left to right, up to down): (a) source (b)segmentation with Gabor filtering (c)re
16、sult with opening (d) 1st scale (e) 8th scale (f)13th scale(a)(b)(c)(d)南京师范大学 地理科学学院n基于水陆关联信息的桥梁提取南京师范大学 地理科 学学院桥梁识别整体框架1234*90船舶提取方法船舶提取方法高分辨率遥感影像水体与陆地分割基于灰度的自动 、半自动分割基于SVM的区域 分类水体与陆地二值分割图像分割后处理水体多边形矢量化与特征表达船舶基元水体边界的凸向检测疑似船舶区域形体约束：长度、 宽度、长宽比、形 状规整度、面积对 称度*91 大型船舶提取方法大型船舶提取方法五 高分遥感目标识别算法实现基元归并和目标分类基元归并和目标分类92线要素
