科学网 › 标签 › 遥感图像

标签: 遥感图像

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

遥感图像处理流程: 热度 1 YF2015 2016-4-16 21:12; 一．预处理 1 ．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。（ 1 ）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。图 1 消除噪声前图 2 消除噪声后（ 2 ）除坏线和条带去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。图 3 去条纹前图 4 去条纹后图 5 去条带前图 6 去条带后 2 ．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3 ．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正通常我们获取的遥感影像一般都是 Level2 级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1 ．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上 , 这个过程叫做配准。（ 1 ）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。图 7 图像配准前图 8 图像配准后（ 2 ）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。 2 ．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正 . 3 ．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。（ 1 ）图像对图像的纠正利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。（ 2 ）图像对地图（栅格或矢量）利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。图 9 参考地形图图 10 待纠正影像图 11 纠正后影像和地形图套和效果（ 3 ）图像对已知坐标点（地面控制点）利用已有准确地理坐标和投影信息的已知坐标点或地面控制点，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。 4 ．正射纠正利用已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（ DEM 、 GDEM ），对原始遥感影像进行纠正，可消除或减弱地形起伏带来的影像变形，使得遥感影像具有准确的地面坐标和投影信息。图 12 数字正射影像图三．图像增强为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进行增强处理。 1 ．彩色合成为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。彩色图像可以分为真彩色图像和假彩色图像。图 13 真彩色合成 ( TM321) 图 14 假彩色合成 (TM432) 2 ．直方图变换统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。图 15 直方图拉伸前（原图偏暗）图 16 直方图拉伸后图 17 直方图拉伸前（原图对比度不强）图 18 直方图拉伸后（线性拉伸） 3 ．密度分割将灰度图像按照像元的灰度值进行分级，再分级赋以不同的颜色，使原有灰度图像变成伪彩色图像，达到图像增强的目的。图 19 原始图像图 20 密度分割图像 4 ．灰度颠倒灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围 ( 如 0 ～ 255) 到饱和状态，然后再进行颠倒，使正像和负像互换。图 21 灰度颠倒前图 22 灰度颠倒后 5 ．图像间运算两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。常见的有加法运算、减法运算、比值运算和综合运算。例如：减法运算：可突现出两波段差值大的地物，如红外 - 红，可突现植被信息。比值运算：常用于计算植被指数、消除地形阴影等。植被指数： NDVI= （ IR-R ） / （ IR+R ）图 23 原始图像图 24 NDVI 植被指数图像 6 ．邻域增强又叫滤波处理，是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如 3×3 或 5×5 等。邻区法处理用于去噪声、图像平滑、锐化和相关运算。图 25 原始图像图 26 拉普拉斯滤波图像（ 5×5 ） 7 ．主成分分析也叫 PCA 变换，可以用来消除特征向量中各特征之间的相关性，并进行特征选择。主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。例如：对 LandsatTM 的 6 个波段的多光谱图像 ( 热红外波段除外 ) 进行主成分分析，然后把得到的第 1 ， 2 ， 3 主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。图 27 第一主成分图 28 第二主成分图 29 第三主成分图 30 第四主成分图 31 第五主成分图 32 第六主成分 8 ． K-T 变换即 Kauth-Thomas 变换，又称为 “ 缨帽变换 ” 。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。目前对这个变换的研究主要集中在 MSS 与 TM 两种遥感数据的应用分析方面。图 33 第一主分量（亮度）图 34 第二主分量（绿度）图 35 第三主分量 9 ．图像融合遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。图 36 多光谱影像图 37 高分辨率影像图 38 融合影像（ HSV 融合）四．图像裁剪在日常遥感应用中，常常只对遥感影像中的一个特定的范围内的信息感兴趣，这就需要将遥感影像裁减成研究范围的大小。图 39 原始影像 1 ．按 ROI 裁剪根据 ROI （感兴趣区域）范围大小对被裁减影像进行裁剪。图 40 按 ROI （行政区）域裁剪 2 ．按文件裁剪按照指定影像文件的范围大小对被裁减影像进行裁剪。 3 ．按地图裁剪根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。图 41 按地图坐标范围裁剪五．图像镶嵌和匀色 1 ．图像镶嵌也叫图像拼接，是将两幅或多幅数字影像 ( 它们有可能是在不同的摄影条件下获取的 ) 拼在一起，构成一幅整体图像的技术过程。通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。图 42 镶嵌左影像图 43 镶嵌右影像图 44 镶嵌结果影像 2 ．影像匀色在实际应用中，我们用来进行图像镶嵌的遥感影像，经常来源于不同传感器、不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。图 45 匀色前影像图 46 匀色后影像六．遥感信息提取遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。目前信息提取的方法有：目视判读法和计算机分类法。其中目视判读是最常用的方法。 1 ．目视判读也叫人工解译，即用人工的方法判读遥感影像，对遥感影像上目标地物的范围进行手工勾绘，达到信息提取的目的。图 47 人工解译水系 2 ．图像分类是依据是地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别的过程。（ 1 ）监督分类在研究区域选有代表性的训练场地作为样本，通过选择特征参数（如亮度的均值、方差等），建立判别函数，对样本进行分类，依据样本的分类特征来识别样本像元的归属类别的方法。图 48 原图像图 49 监督分类图像（ 2 ）非监督分类没有先验的样本类别，根据像元间的相似度大小进行归类，将相似度大的归为一类的方法。（ 3 ）其他分类方包括神经网络分类、分形分类、模糊分类等分类方法，以及他数据挖掘方法如模式识别、人工智能等，在这里不做进一步阐述。; 个人分类: 遥感|4628 次阅读|1 个评论

《高分辨率遥感图像分割与信息提取》: 热度 1 maoranxia 2015-4-2 10:30; 《高分辨率遥感图像分割与信息提取》作者：肖鹏峰、冯学智《高分辨率遥感图像分割与信息提取》总结作者近年来在遥感图像分割方面的研究成果，突出频域分析的鲜明特色，以遥感图像频谱特征为基础，从频谱分析、滤波器设计、全要素地物分割、特定地物目标提取等方面系统地论述高分辨率遥感图像分割的学术思路、关键技术及其实现过程。全书以“频谱分析－滤波器设计－图像分割－信息提取”为线索进行组织，内容上力求做到深入浅出、通俗易懂，不仅具有一定的深度和广度，而且反映学科的新动向、新问题，介绍学科前沿的新成果和新内容。读者在阅读《高分辨率遥感图像分割与信息提取》前应具备数字图像处理相关理论基础和专业知识。前言第1章遥感图像分割理论与方法概述 1.1 研究背景 1.2 图像分割的原理 1.3 国内外研究进展第2章遥感图像特征频域识别机理 2.1 频谱能量识别的理论基础 2.2 傅里叶变换与频谱能量分析 2.3 低阶频谱能量与主体色调特征识别 2.4 高阶频谱能量与局部细节特征识别第3章基于频域滤波的遥感图像分割 3.1 幅度和相位的信息载荷 3.2 典型地物的频谱特征 3.3 频域滤波器设计 3.4 基于幅度信息的纹理特征提取 3.5 基于相位信息的边缘特征提取 3.6 结合边缘和纹理的分水岭分割 3.7 基于向量场模型的多光谱分割 3.8 图像分割的精度评价第4章基于层次合并的遥感图像分割 4.1 区域邻接图 4.2 合并准则 4.3 层次合并 4.4 结果分析与评价第5章城市建筑物频域识别与提取 5.1 建筑物纹理的图像表征 5.2 建筑物纹理的频域识别 5.3 建筑物信息提取与评价第6章城市道路频域识别与提取 6.1 道路频谱特征分析 6.2 增强线状特征的频域滤波 6.3 道路信息提取与评价第7章城市河道频域识别与提取 7.1 河道频谱特征分析 7.2 河道边缘特征频域识别 7.3 河道低频信息频域识别 7.4 Butterworth滤波器设计 7.5 河道边缘特征与低频信息提取 7.6 河道信息提取与精度分析肖鹏峰老师： 2002 年获湖南师范大学土地资源管理学士学位 2007 年获南京大学地图学与地理信息系统博士学位 2011-2012 年在德国吉森大学进行合作研究 2014-2015 年在美国加州大学伯克利分校访问学者现任教于南京大学地理与海洋科学学院地理信息科学系副教授冯学智老师： 1979年南京大学地理系地图计算机制图专业 1981-1996年中国科学院兰州冰川冻土研究所 1994年12月中国科学院兰州冰川冻土研究所遥感与地理信息系统研究室主任甘肃省遥感中心副主任兰州大学遥感与地理信息系统实验室主任 1997年10月调南京大学城市与资源学系（现地理与海洋科学学院）工作现任教于南京大学地理与海洋科学学院地理信息科学系教授; 个人分类: 高分辨率|6320 次阅读|1 个评论

《高分辨率遥感图像理解》: maoranxia 2015-4-1 10:12; 《高分辨率遥感图像理解》作者：孙显, 付琨, 王宏琦《高分辨率遥感图像理解》系统阐述了高分辨率遥感图像理解的基本概念、模型方法和应用技术。首先结合高分辨率遥感图像的特点及其应用背景，叙述高分辨率遥感图像理解的研究框架；其次分别介绍特征信息表达和统计学习模型，以此作为整个遥感图像理解任务的方法基础，并以高分辨率遥感图像理解的研究内容为导向，重点论述精细化目标检测与识别、复杂场景描述与分类、空间语义分析与计算三大任务中采用的技术流程和关键算法；最后结合实际需求，给出高分辨率遥感图像理解的若干应用实例。前言第1章绪论 1.1 遥感技术发展概况 1.2 高分辨率遥感图像的特点 1.3 高分辨率遥感应用的挑战 1.4 遥感图像理解的基本概念 1.5 遥感图像理解的研究内容 1.6 遥感图像理解的研究方法第2章特征信息表达 2.1 图像信息表达 2.2 图像特征提取 2.3 性能评判准则第3章统计学习模型 3.1 判别式模型 3.2 产生式模型 3.3 产生式和判别式混合模型第4章精细化目标检测与识别 4.1 遥感图像前背景分割 4.2 精细化遥感目标检测 4.3 精细化遥感目标识别第5章复杂场景描述与分类 5.1 复杂场景的分层描述 5.2 高分辨率遥感图像场景分类第6章空间语义分析与计算 6.1 目标空间关系 6.2 图像语义计算 6.3 高分辨率遥感图像的空间语义计算第7章高分辨率遥感图像理解的应用实例 7.1 城市建设应用 7.2 军事解译应用孙显, 付琨, 王宏琦中国科学院电子学研究所老师; 个人分类: 高分辨率|8375 次阅读|0 个评论

完全自适应遥感图像去霾清晰化技术（演示视频）: 热度 2 YongDuSci 2015-1-8 08:57; 演示视频： http://v.youku.com/v_show/id_XODY2OTM3MjI4.html; 个人分类: 科研试验|4101 次阅读|3 个评论

严重霾污染的高分辨率遥感图像的去霾处理结果: 热度 1 YongDuSci 2014-2-21 02:06; COOL去霾软件的最初是针对卫星图像中比较薄的霾污染去除设计的。最近我们的客户提供了这幅浓霾污染的遥感图像，我们对COOL的功能进行了改进，得到了很好的效果。这样，COOL的去霾功能也得到了增强和扩展，可以去除薄的霾层，也可以去除浓霾层。从而使更多的低质量，受霾污染严重的遥感图像可以得到被挽救机会，经处理后，生成清晰的图像。这对卫星图像地图的制作和信息提取都有着重要意义。原始霾污染的高分辨率遥感图像去霾之后的高分辨率遥感图像原始遥感图像的霾分布系数; 个人分类: 科研试验|4968 次阅读|2 个评论

高分遥感-看疯狂龙卷风11月7日袭击美国中西部伊利诺伊州破坏力度: shipo 2013-11-19 14:51; 11月7日，龙卷风袭击美国中西部伊利诺伊州的Peoria地区，至少7人死亡，500多栋House损坏或变成废墟。红色区域为受灾区进行时（from google image）废墟（from google image ）龙卷风前的部分居住区A（from google map）对应- 龙卷风后的部分居住区A（全色图像，绿色圈为房屋损坏标记，白色碎片为废墟）龙卷风前的部分居住区B（from google map ）对应- 龙卷风后的部分居住区B（全色图像，绿色圈为房屋损坏标记，白色碎片为废墟）龙卷风前的部分居住区C（from google map ）对应-龙卷风后的部分居住区C（全色图像，绿色圈为房屋损坏标记，白色碎片为废墟）龙卷风前的部分居住区D（from google map）对应-龙卷风后的部分居住区D（全色图像，绿色圈为房屋损坏标记，白色碎片为废墟）龙卷风破坏性太强了！参考： http://www.weather.com/news/tornado-central/midwest-tornado-outbreak-20131118 Tomnod Tech; 4975 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 遥感图像

相关帖子

相关日志

关闭安全验证