【文章內(nèi)容簡介】 元內(nèi)的實際地物輻射亮度值之間的定量關(guān)系 輻射誤差校正 定標的內(nèi)容包括： ：確定傳感器的響應值 6S 模型、 LOWTRAN 模型、 MORTARN ：測量傳感器隨入射波長變化的響應 模型、 ATCOR 模型 ：測量傳感器的調(diào)值傳遞函數(shù) 、日地距離校正和地形 影響引起的校正 2 00 dSINEE ?? 輻射定標分為絕對定標和相對定標 絕對定標要建立傳感器測量的數(shù)字信號 與對應的輻射能量之間的數(shù)量關(guān)系 絕對定標的方法有： 傳感器實驗室定標 遙感器星上內(nèi)定標 遙感器場地外定標 相對輻射定標 空間域處理：直接對圖像進行各種運算以得到需要的增強效果 輻射增強 頻率域處理：將 空間域圖像換為頻率域，在頻率域中對圖像的頻譜處理 反映了一幅圖像中灰度級與其出現(xiàn)概率之間的關(guān)系，可以看做是隨 圖像灰度直方圖 機分布的密度函數(shù)，其分布狀態(tài)可以用灰度均值和標準差兩個參數(shù) 來衡量 圖像反差調(diào)正 線性變換：先建立一個查找表，在變換的時候只需查找表 變換即可 直方圖均衡 將隨機分布的圖像直方圖修改成均勻分布的直方圖 其實質(zhì)是對圖像進行非線性拉伸，重新分配圖像象元 值，使一定灰度范圍內(nèi)的象元數(shù)量大致相等 效果是： ，因為某些灰度級 出現(xiàn)高的像素不可能被分割 ，則會產(chǎn)生一個初步分類 的視覺效果 直方圖正 態(tài)化 是將隨機分布的原圖像直方圖修改成高斯分布的直方圖 直方圖匹配 兩幅可以匹配的圖應該有相似的特性： ，圖像的空間分辨率應相同 ，尤其是不同地區(qū)的圖像匹配 密度分割 將原始圖像的灰度值分成等間隔的離散灰度級 灰度反轉(zhuǎn) 對圖像灰度范圍進行線性或非線性取反，產(chǎn)生一幅與輸入圖像灰度值相反的圖像，其結(jié)果是原來亮的地方變暗，原來暗的地方變亮 一是條件反轉(zhuǎn) 二是簡單反轉(zhuǎn) 圖像融合 ，并對多光譜圖像重采樣與全色圖像分辨率 相同 加權(quán)融合 基于 IHS 變換的圖像融合 ，并將多光譜圖像重采樣與全色分 辨率相同 IHS 空間 I’和 I 進行直方圖匹配 I’代替 IHS 空間的亮度分量 I’HS 逆變換到 RGB 空間，即得到融合圖像 基于主分量變換的圖像融合 比值變換融合 乘積變換融合 基于特征的圖像融合 ，然后加權(quán)融合 2,對其中一個圖像做邊緣提取，然后融合到另一個圖像上 ，對基帶圖像用加權(quán)融合的方法，而對子 代圖 像采用選擇子代中特征信息豐富的圖像進行融合 基于分類的圖像融合 圖像融合的評價指標 、相關(guān)系數(shù)、均值偏差、方差偏差 遙感圖像的判讀 景物特征 光譜特征 空間特征 時間特征 判讀標志：地物在多波段圖像上 判讀標志：形狀、大小 判讀標志：以光譜特征及 特有的這種波普反應 圖形、陰影、位置、紋理 空間特征的變化表現(xiàn)出來 影響景物特征及判讀的因素 ：幾何分辨率、輻射分辨率、光譜分辨率、時間分辨率 判讀的一般過程 ：判讀員的訓練、搜集充足的資料、了解圖像的信息、判讀儀器和設(shè)備 舉例 對于單波段的可見光、近紅外相片，從其色調(diào)特征和空間特征來分析判讀 譜相片的判讀 使用比較判讀的方法，將多光譜圖像與個個地物的光譜反射特性數(shù)據(jù)聯(lián)系起來 與溫度和發(fā)射率大小有直接關(guān)系 與入射角、地面粗糙程度、地物的電特性有關(guān) 利用動態(tài)變化進一步識別地面物體的性質(zhì)和作定量關(guān)系 遙感圖像自動識別分類 模式 某種具有空間或幾何特征的東西 模式識別 一個模式識別系統(tǒng)對被識別的模式做一系列測量，然后將測試 結(jié)果與模式字典中一組典型的測量值做比較 光譜特征空間 不同的地物在同一波段圖像上表現(xiàn)的亮度一般互不相同，不同的地物在多 個波段圖像上亮度的呈現(xiàn)規(guī)律也不同，這構(gòu)成了我們在圖像上賴以區(qū)分不 同地物的物理依據(jù)。 光譜特征向量：同名地物點在不同波段圖像中亮度的觀測值將 構(gòu)成一個多 維的隨機向量 X 特征變換： 為了設(shè)計出效果好的分類器 一般需要對原始圖像數(shù)據(jù)進 特征選擇：從原有的 m 個測量值集合中，按某一準則選擇出 n 個 行分析處理 特征 在特征影像中，選擇一組最佳的特征影像進行分類，這 就是特征選擇 特征變換 特征選擇 主分量變換 距離測度 哈達瑪變換 散布矩陣測度 穗帽變換 比值變換 生物量指標變換 監(jiān)督分類 事先知道樣本去類別的信息，這種信息可以 通過對分類地區(qū)的目視判讀，實地勘察或結(jié) 合 GIS 信息獲得。 根據(jù)已知的樣本類別和類別的先驗知識，確定 概率判別函數(shù)和貝葉斯判別： 最大似然分類法 判別函數(shù)和相應的判別準則 距離判別函數(shù)和判別規(guī)則： 最小距離法 最大似然總的錯分概率比最小距離法小 學習或者訓練 將觀測值代入判別函數(shù) 作出判定 非監(jiān)督分類 僅憑遙感影像地物的光譜特征的分布規(guī)律，即自然聚類的特性進行 “盲目”的分類。其分類的結(jié)果只是對不同類別打到了區(qū)分，但并不 確定類別的屬性。 — 均值聚類法 算法聚類分析 監(jiān)督分類和非監(jiān)督分類的結(jié)合 第一步：選擇一些有代表性的區(qū)域進行非監(jiān)督分類 第二步：獲得多個聚類類別的先驗知識 第三步：特征選擇 第四步：使用監(jiān)督法對整個影像進行分類 第五步：輸出標記圖像 分類后的處理 ： 對純化監(jiān)督訓練樣區(qū)比 較有用 采集樣