第10章--遥感图像解译课件.ppt

1、10 10 遥感图像解译与应用遥感图像解译与应用l 遥感图像解译（判读）：遥感图像解译（判读）：对遥感图像上的各种特征进行综合分析、比较、推理、判断，最后提出你所感兴趣的信息。l 两种方法：两种方法：目视解译、计算机分类目视解译、计算机分类。l 本章内容：本章内容：遥感图像目视解译、计算机分类、遥感应用遥感图像目视解译、计算机分类、遥感应用 l 目视解译：目视解译：是一种人工提取信息的方法，使用眼睛目视眼睛目视观察，借助一些光学仪器或在计算机显示屏上，凭借丰富的判读经验、扎实的专业知识和手头的相关资料，通过人脑分析、推理和判断，提取有用的信息。第一节第一节 遥感图像目视解译遥感图像目视解译解译

2、特征：色调特征色调特征、空间特征空间特征、时间特征。时间特征。1 1、色调特征、色调特征l 色调：色调：地物辐射在遥感影像上所表现的黑、白及其之间的各种深浅不同的灰度。（亮度）（亮度）l 地物辐射包括发射辐射、反射反射，主要是对太阳反射主要是对太阳反射辐射。辐射。一、图像目视解译特征一、图像目视解译特征图1 光谱特性曲线亮亮度度B4B5B6B7波段波段 图2 波谱响应曲线植被土壤水植被反射率反射率波长（微米）波长（微米）0.70.91.1B4B5B7B6水0.5土壤204060该波段区间的地物辐射能量的积分值（或平均值）如图2：植被、土壤、水在LANDSAT5上7个波段中的4个波段上的灰度值，

3、反映了地物在遥感影像上色调的变化。和图1的曲线是一致的。反射率和亮度的关系反射率和亮度的关系遥感影像上色调特征：遥感影像上色调特征：l 不同地物在同一波段中具有不同的灰度值l 同一地物在不同波段具有不同灰度值l 两种地物在某一波段中一种比另一种的色调深，在另一波段可能相反。l 同一波段不同地物影像灰度值可能相同。l 形状形状：各种地物的外形、轮廓，可以有效识别部分外形特征鲜明的地物。地物形状与影像比例尺有关。2 2、空间特征空间特征：形状、大小、位置、阴影、纹理形状、大小、位置、阴影、纹理等。等。l 大小大小：地物在遥感影像上的长度、面积、体积等尺寸。与地物大小和比例尺都有关。l 位置位置：地

4、物所处的地形或地理方位。如：海边存在盐池与沙滩；湖泊边存在滩涂与芦苇；椰树橡胶树生长在南方等。l 阴影：阴影：由于地物高度的变化，阻挡太阳光照射而产生的阴影。既表示地物隆起的高度，又显示地物侧面形状。l 纹理：纹理：图像上细部结构以一定频率重复出现，是单一特征的集合。实地为同类地物聚集分布。3 3、时间特征、时间特征l 同一地区景物同一地区景物在不同期间地面覆盖类型不同，地面景观发生很大变化。如：主色彩随春夏秋冬四季发生变化。l 同一类型地物：同一类型地物：如：植物在不同生长期分别呈现不同颜色；不同植物在相同生长期，也会呈现不同颜色；洪水期和枯水期水中含沙量随时间而变。1、直接判定法：、直接判

5、定法：对色调图色调图形明确形明确的建筑物和自然要素直接进行解译。如：如：河流、湖泊、池塘、水系、主干道、铁路、建筑、树林、机场、运动、果园、码头、车站等。二、目视解译方法二、目视解译方法2 2、对比分析法：、对比分析法：多波段图像对比、多时域图像对比、各种 判读标志的对比3 3、逻辑推理法：、逻辑推理法：借助地物或自然现象之间的某种联系，利用逻辑推理的方法，间接判断解译地物与自然现象。如：河流与道路的交汇处的构筑物，一般应该是桥梁。三、目视判读的基本步骤三、目视判读的基本步骤l 准备阶段：准备阶段：明确任务要求、收集资料图件影像、选择最佳波段影像与处理方案。l 室内解译：室内解译：据形状大小位

6、置阴影纹理等特征和影像扫描时刻季节比例尺和解译员的精度进行解译。l 野外核查补译：野外核查补译：疑点难点逐一核实。l 成果制作：成果制作：制作专题图、地形图、遥感影像图。遥感影像图遥感影像图专题图专题图l 计算机分类计算机分类是模式识别技术在遥感领域中的应用，是对地球表面及其环境在遥感图像上的信息进行属性的识别进行属性的识别和分类和分类，从而达到识别图像信息所对应的实际地物，提取所需地物信息的目的。l 计算机分类方法：计算机分类方法：监督分类、非监督分类监督分类、非监督分类第二节第二节 遥感数字图像计算机分类遥感数字图像计算机分类l 监督分类法又称训练分类法、先学习后分类法训练分类法、先学习后

7、分类法。l 基本原理：基本原理：先在影像中对感兴趣的类别，有代表性地分别选取若干训练样本训练样本，计算机分别对每类训练样本计算计算统计信息统计信息，并建立识别模式建立识别模式然后根据判别函数判别函数，将每个像元分别与所确定的各类识别模式进行比较，按响应规则将其划分到最相似的类别。一、监督分类一、监督分类监督分类流程图（监督分类流程图（Erdas环境）环境）l 基本了解影像区域的地物类别；选择的样本区域的种类数量应与待分区域的类别数量一致。l 训练样本应在各类目标面积较大的中心选取，不要选在两类地物的交汇处或某类地物的边缘等。1 1、选择训练样本、选择训练样本l 计算内容主要包括：计算内容主要包

8、括：训练样本的光谱信息和各种统计信息光谱信息和各种统计信息。如：如：训练样本的最大值、最小值、均值、标准方差、方差、协方差矩阵、相关矩阵等。l 根据计算的信息及其函数的一部分，建立概率判决函数或距离判决函数，据此进行分类处理。2 2、计算分类评价体系、计算分类评价体系3 3、混淆矩阵、混淆矩阵l 在对遥感影像分类之前，先用训练样本的数据进行分类，并以该分类结果产生的混淆矩阵来检查分类精度和判决函数的有效性。nnnnnnijPPPPPPPPPP.212222111211i：来自第i类训练区的样本数据；j：来自第j类训练区的样本数据；Pij:来自第i类训练区，但被分割到第j类的样本数据占原训练区数

9、据的百分比。每行相加等于100%4 4、分类处理、分类处理l 按照所选择的分类方法，将影像中的每一个像元，与各类训练样本确定的监督分类判别体系参数进行比较后，将其归类到最相似或最合适的地物类别中。l 监督分类方法主要有：平行分割法平行分割法 最小距离法最小距离法 最大似然法最大似然法平行分割法：平行分割法：根据各训练样本灰度值范围，确定各类地物多维数据空间。检测影像中的每个像元，看其灰度值落入哪一地物数据空间，就将该像元划归到该类地物。平行分割法平行分割法 最小距离法：最小距离法：计算各类地物在特征空间中的平均灰度值（样本平均位置）平均灰度值（样本平均位置），计算待分类像元灰度值与各训练样本平

10、均灰度值之间的特征空间距离，并将待分类像元划归到最小距离最小距离对应的地物类中。最小距离法最小距离法最大似然法：最大似然法：计算各训练样本的平均位置及其协方差。以各平均值为中心，以对应协方差为依据确定等概率椭圆环线（等概率线）。计算待划分像元对应空间特征点到各类地物相同等概率线或容许出现的等概率线的距离，将待分类像元划归到至等概率线最短者对应的地物类别中。最大似然法最大似然法监督分类法的优点监督分类法的优点l 根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别；l 可以控制训练样本的选择；l 分类完成后，可以通过检查样本区域来决定训练样本是否被精确分类，从而避免分类中的严重错误

11、；l 避免了非监督分类中对光谱集群的重新归类。二、非监督分类二、非监督分类l 在没有训练样本数据的情况下，以同类地物影像具有相似地物影像具有相似光谱特征和自然聚类特性光谱特征和自然聚类特性为基础，由计算机程序自动总结分类参数，再逐一对每个像元进行分类的方法l 监督分类是先学习后分类，而非监督分类是边学习边分类，通过学习找到相同的类别，然后将该类与其它类分开。l 方法：方法：平行管道法、聚类分析法等。平行管道法、聚类分析法等。第三节第三节 遥感调查和应用遥感调查和应用遥感调查：遥感调查：l土地资源、陆地水资源、植被、城市遥感调查等。遥感动态监测：遥感动态监测：l从不同时间或在不同条件下获取的同一地区的遥感图像中，提取和量化地物变化信息的过程。l例如：2011年3月11日日本发生9级特大地震及海啸，遥感动态监测技术快速提取受灾区域、统计受灾面积、分析海啸沿岸的受灾程度。灾中堰塞湖动态监测灾中堰塞湖动态监测