遥感的概念、特点、类型

1、遥感的概念、特点、类型 象的有用信息。

基本特征：利用地物对电磁波的辐射和反射特性，通过接收电磁波的辐射或反射信息获取地物的特性。

地物特性：分为几何特征和物理特征两种。

几何特征：如土壤的粗糙度，房屋的轮廓、各种植被的形状和长势等；

物理特征：如地物的介电常数、土壤湿度等，是物质本身的性质所决定的。 2、遥感系统的组成

3、遥感系统的分类 气、陆地遥感；行业分类环境、农业、林业、水文、地址遥感。

4、电磁波谱与电磁辐射 3×108 m/s，不需要媒质也能传播，与物质发生作用时会有反射、吸收、透射、散射等，并遵循同一规律。

线、紫外线、可见光、红外线、无线电波。常用的：紫外线的一部分(0.3-0.4μm),可见光线(0.4-0.7μm),红外线的一部分(0.7-14μm),以及微波（约lmm-1m）。

紫外线：波长范围为0.01～0.38μm，太阳光谱中，只有0.3～0.38μm波长的光到达地面，对油污染敏感，但探

测高度在2000 m以下。

可见光：波长范围：0.38～0.76μm，人眼对可见光有敏锐的感觉，是遥感技术应用中的重要波段。

红外线：波长范围为0.76～1000μm，根据性质分为近红外、中红外、远红外和超远红外。

微波：波长范围为1 mm～1 m，穿透性好，不受云雾的影响。 5、太阳辐射及大气对辐射的影响

6、地球辐射与地物波谱。典型地物水、土、植被。可见光、近红外、热红外、微波

6000 K的黑体辐射；太阳辐射的能量主要集中在可见光，其中0.38～0.76 µm的可见光能量占太阳辐射总能量的46%，最大辐射强度位于波长0.47 µm左右；

到达地面的太阳辐射主要集中在0.3～3.0 µm波段，包括近紫外、可见光、近红外和中红外；经过大气层的太阳辐射有很大的衰减；各波段的衰减是不均衡的。 300k黑体辐射，

7、遥感平台，摄影成像、扫描成像原理及图像特征

米）、tm（30米）、Aster（10米）、Quick Bird（0.62米）

8、遥感图像的特征（空间、时间、光谱、辐射分辨率）

分辨率较高分辨率影像而言相对较高。

9、遥感图像（光学图像和数字图像）数字图像 以各个小单元的平均亮度值或中心部分的亮度值作为该单元的亮度值的图像叫数字图像。 遥感图像与常规图像区别：遥感图像的波段具有空间坐标，逐行逐列逐波段存储。

方式，各波段的二维图像数据按波段顺序排列，（（（像元号顺序），行号顺序）

，波段顺序）2、BIL方式，对每一行中代表一个波段的光谱值进行排列，然后按波段顺序排列该行，最后对各行进行重复，（（（像元号顺序），波段顺序），行号顺序）3、BIP方式，在一行中，每个像元按光谱波段次序进行排列。然后对该行的全部像元进行过波段次序排列，最后对各行进行重复，（（（波段顺序），像元顺序），行号顺序）

10、数字图像的几何纠正与辐射纠正

a和b系数，进而获得各象元在新的地理坐标系统下的位置。

2、根据所采用的数学模型确定纠正公式3、根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度。4、对原始影像进行几何变换计算，像素亮度值重采样。

有关的测定的校正数据，如传感器的外方位元素等代入构像公式对原始图像进行几何校正。粗加工处理对传感器内部畸变的改正很有效。但处理后图像仍有较大的残差（偶然误差和系统误差）。因此必须对遥感图像做进一步的处理即精加工处理。 11、数字图像的变换与增强。 读。图像增强的实质是增强感兴趣目标和周围背景图像间的反差。它不能增加原始图像的信息，有时反而会损失一些信息。它是计算机自动分类的一种预处理方法。 重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。

获取的同一地区或邻接地区的图像，或者由于大阳高度角或大气影响引起差异的图像很有用，特别是对图像镶嵌或变化检测。

密度分割层数，建立阶梯状查找表，使得输出的每一个层有相同的输入灰度级。对每一层斌以新的灰度值或颜色，就可以得到一幅密度分割图像。密度分割可以看成是线性变换的一种。 果是原来亮的地变暗，原来暗的地方变亮。灰度反转有两种算法：条件反转、简单反转。 K-Lx1、x2之间存在相关性，通过投影，各数据可以表示为y1轴上的一维点数据，从二维空间中的数据变成一维空间中的数据会产生信息丢失，为了使信息损失最小，必须按照使一维数据的信息量（方差）最大的原则确定y1轴的取向。新轴y1称作第一主成分。为了进一步汇集剩余的信息，可求出与第一轴y1正交、且尽可能多地汇集剩余信息第二轴y2，新轴y2称作第二主成分。

因此，主成分分析满足如下准则：①主成分分析算法是一正交变换；②主成分分析后所得到的向量Y中各元素互不相关；③从主成分分析后所得到的向量Y中删除后面的(n-d)个元素而只保留前d(d<n)个元素时所产生的误差满足平方误差最小的准则。

在遥感图象分类中，常常利用主成分分析算法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被用来进行高光谱图象数据的压缩和信息融合。例如，对TM的6个波段的多光谱图像进行主成分分析，然后把得到的第1，2，3主分量图象进行彩色合成，可以获得信息量非常丰富的彩色图象。 K-T图像经K-T变换后，有三个分量与地面景观有明确的关系，分别是u1—亮度，u2—绿度，u3—湿度。这一变换是线性变换，变换后新的坐标轴将代表明确的景观意义，可以与地物直接联系。变换公式为：U=R1*X+r X为象元的光谱矢量，U为变换后新空间的象元矢量。各分量表示变换后每一个通道（波段）的象元亮度值，r为避免出现负数而加的一个加常数；R1为一个变换矩阵，行与行之间相互正交。

变换后U=(u1,u2,u3,u4)T中的4个分量多数有明确的物理意义。u1叫亮度分量，主要反映了土壤信息，是土壤反射率变化的方向；u2叫绿色物质分量；u3叫黄色物质分量，它们分别反映了植物的绿度和黄度，黄度说明了植物的枯萎程度；只有最后1个分量u4没有什么意义，, K-T变换后的几个坐标轴都相互垂直。K-T变换在实际应用时舍掉第4个分量，只取前3个分量。

在新的空间里数据结构更加清楚，分布面加大，而且数据量受到压缩，还可以从中研究大气散射等物理影响，因

此K-T变换有很大实际意义。 低频成分。图形平滑通常采用的方法是领域平均法。

图象处理的结果与平滑正好相反。高通滤波：（－1 －1 －1,－1 8 －1,－1－1－1）垂直方向算子：（－1 2－1,－1 2－1,－1 2－1）水平方向算子：（－1－1－1,222,－1－1－1）拉普拉斯：（0－10,－14－1,0－10） 红光波段作为R分量、绿光波段作为G分量、蓝光波段作为B分量。假彩色：任意选择的波段组合，即为假彩色合成。最常用的假彩色合成是把近红外波段作为R分量、红色波段作为G分量、绿色波段作为B分量进行By为两个不同波段或不同时相的同一波段图像。① 不同波段：可以增加不同地物间光谱反射率，以及在两个波段上变化趋势相反时的反差；② 同一波段：可以反映不同时相地面目标的变化信息。当红外与红光波段相减时，即为植被指数。IVI = BIR - BR

2.加法运算：通过加法运算可以加宽波段，如绿色波段+红色波段近似等于全色图像，而绿色波段+红色波段+红外波段可以得到全色红外图像。

3.乘法运算：通过乘法运算可以达到加法运算相同的效果。

4.除法运算：通过比值运算能减弱因地形坡度和坡向引起的辐射量变化，消除地形起伏的影响；也可以增强某些地物之间的反差，如植物、土壤、水在红色波段与红外波段图像上反射率是不同的，通过比值运算可以加以区分。

12、数据融合 的缺陷。 种分解变换必须可逆，即由多幅子图像合成一幅图像，即为融合图像。这时多幅子图像中包含了来自其它需要融合的经图像变换的子图像。

基于小波变换的融合 基于IHS同2．将多光谱图像变换转换到IHS空间3．对全色图像I1和IHS空间中的亮度分量I进行直方图匹配4．用全色图像I1代替IHS空间的亮度分量，即 HIS->I1HS。5．将I1HS逆变换到RGB空间，即得到融合图像。 K-L变换：对多光谱图像进行主分量变换，变换后的第一主分量含有变换前各波段图像的相同信息，而各波段中其余对应的部分，被分配到变换后的其它波段。将高分辨率图像和第一主分量进行直方图匹配，使高分辨率图像与第一分量图像有相近的均值和方差。用直方图匹配后的高分辨率图像代替主分量中的第一主分量和其余分量一起进行主分量逆变换，得到融合影像。 图像的相关系数来融合。 ri,j为两幅图像的相关系数、SPOT全色图像与其多光谱图像的融合时，由于多光谱中的绿、红波段与全色波段相关性较强，而与红外波段相关性较小，可以采用全色波段图像与多光谱波段

像的辐射度时，本方法不宜采用。

受波段数限制。 其中：Bi(i=1,2,3)为多光谱图像；D为高分辨率图像；DBi(i=1,2,3)为比值度变换融合图像。比值变换融合可以增加图像两端的对比度。当要保持原始图通过乘积变换融合得到的融合图像其亮度成分得到增加。 在上述融合方法中，基于IHS变换融合和比值变换融合只能用三个波段的多光谱图像和全色图像融合，而其它方法不

准备工作2建立解译标志3室内预解译4野外实地调查5内外业综合解译6解译成果的类型转绘与制图。

13、遥感图像计算机分类

首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本,通过选择特征参数(如像素亮度均值、差等),建立判别函数,据此对样本像元进行分类,依据样本类别的特征来识别非样本像元的归属类别。 数；3. 确定每一类的判别函数和相应的判别准则；4. 计算未知类别的样本观测值的在每一类函数值；5. 判别：按一定准则对该样本作出判定。

法、k均值聚类法、平行管道法聚类分析

督分类方法不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱信息 (或纹理信息)进行特征提取,再统计特征的差别来达到分类的目的,最后对巳分出的各个类别的实际属性进行确认

监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识 , 监督分类根据训练场提供的样本选择特征参数, 建立判别函数,对待分类点进行分类。因此,训练场地选择是监督分类的关键。由于训练场地要求有代表性,训练样本的选择要考虑到地物光谱特征,样本数目要能满足分类的要求,有时这些还不易做到,这是监督分类不足之处。2相比之下, 非监督分类不需要更多的先验知识,它根据地物的光谱统计特性进行分类。因此,非监督分类方法简单,且分类具有一定的精度。

14、测绘应用现时的遥感图像补测和修编地形图和地图，以及在一些特殊条件下，如云覆盖、森林覆盖、水下、雪原上测绘地形图等。所测绘的地形图或地图已是数字形式，通过格式变换直接存入GIS的数据库，修测的内容可以更新GIS数据库。 农业：研究作物冠层反射光谱特征与冠层状态参数之间的关系，是用MSS、TM和NOAA等卫星遥感信息进行作物估产的基础。已有研究表明，可见光和近红外波段反射率组成的植被指数随作物冠层状态参数变化呈有规律变化。 土地动态变化、灾害监测、3S应用