《遥感图像基本处理》课件.pptVIP

* * * * * * 遥感图像基本处理 遥感图像处理技术是现代遥感技术的重要组成部分。本课件介绍遥感基本概念和数据处理方法，为大家深入了解遥感图像处理技术提供指导。 一、遥感数据介绍 遥感数据的来源 遥感数据源自各种传感器，包括卫星、飞机、无人机等。 遥感数据的类型 遥感数据按波段分为单波段、多波段、高光谱。 遥感数据的分辨率 遥感数据的分辨率通常包括空间分辨率、光谱分辨率、时间分辨率。 二、遥感图像的分类 基于像元的分类方法 度量原始遥感图像的各种质量属性，如纹理、颜色、形状等和归类。 基于对象的分类方法 将图像分割为各个同质性的区域，然后提取这些区域的特征，并进行分类。 基于深度学习的分类方法 用深度神经网络进行遥感图像分类。 三、遥感图像的预处理 1 数据读入 读取原始遥感图像数据，对图像内存和格式进行处理。 2 大气校正 大气校正就是把被观测物体表面反射率从被观测位置的辐射值中分离出来。 3 影像配准 影像配准是指将已获取的遥感图像与其他图像的点、线和区域进行相互调整，使它们在空间分布上适\n当重合。 4 过滤与降噪 用空间滤波法，去除遥感图像中的器材噪声和部分地物辐射噪声。 四、图像增强技术 特征增强法 突出遥感图像中的特殊细节和特征。 灰度变换法 调整遥感图像的灰度等级和对比度，使图像的显示更加逼真。 图像复原法 改善遥感图像在拍照过程中因各种原因产生的模糊效果，还原真实的图像。 五、图像变换技术 1 图像傅里叶变换 将遥感图像进行傅里叶变换，分析离散频域上的图像变换。 2 小波变换 遥感图像小波变换常用于边缘检测和噪声抑制。 3 PC变换法 将遥感图像的观测数据转换到新的坐标系下，以达到最小化冗余和最大化数据区分度的效果。 六、地物提取方法 1 目视解译 通过地物的视觉特征进行解析。 2 自动识别 通过计算机自动寻找符号、颜色、纹理、形状等特征进行解析。 3 组合方法 将图像加工的多种解译方法相结合，得到更加精确的结果。 七、遥感图像的分类方法 支持向量机分类 基于监督学习的分类方法，采用间隔最大化的思想分类，准确性高。 随机森林分类法 由多个决策树组成，能快速有效进行分类，对噪声鲁棒性强。 神经网络分类法 采用训练样本进行训练，学习特征，进行分类。 八、遥感图像的几何校正 基于同名点的法 通过同名点进行图像配准。 多项式拟合法 通过拟合多项式函数进行图像配准。 旋转平移法 通过旋转平移操作将图像进行配准。 九、遥感图像的辐射校正 1 响应线性化方法 通过线性关系对辐射率进行校正，校正方式简单，适用范围较广。 2 大气校正方法 需要采集大气参数来进行校正，能够精确控制载荷接收的辐射能力，校正效果较好。 十、遥感图像的投影变换 1 投影变换的作用 将遥感图像从地理坐标系投影到投影坐标系。 2 常用的投影方式 依据遥感数据的性质选择合适的投影方法和参数。 3 投影变换后的分析 先进行各种数据处理操作，再根据研究内容找到合适的分析方法。 十一、遥感图像的分类方法 飞机遥感分类 适用于精度要求比较高、面积较广的区域。 卫星遥感分类 卫星遥感图像分类能够获得全覆盖信息，可以适用于全球性大范围区域的分类。 无人机遥感分类 获取的图像数据多是近景、高精度、高分辨率的图像数据，适用于城市区域、小范围区域细节处理。 十二、以对象为基础的分类方法 1 对象定位 将图像分为若干个对象，并对对象提取特征。 2 对象分类 通过机器学习等方法对不同类别的对象进行分类。 十三、基于像元的分类方法 最大似然分类 由于设计到统计方法，分类的效果比较突出。 支持向量机法 分类准确性更高，适合处理具有互相分离的数据 决策树法 根据不同特征，构造决策树分类器进行分类。 十四、数据融合技术 决策层面数据融合 将已有分类结果进行综合，得到一个更加精确的决策结果。 特征层面数据融合 将具有多种特性的相同地物信息融合在一起，得到地物信息的多面体描述。 像素层面数据融合 将多幅图像按像素融合在一起，增强遥感图像的信息。 十五、无人机遥感技术 1 优点 可以通过无人机遥感技术从非常高的高度获得非常精细的图像。 2 应用 土地利用监测、城市规划和设计等领域。 3 未来 通过人工智能和计算机视觉技术的应用，无人机技术将会变得更加先进。 十六、超分辨率技术 1 定义 把低分辨率的图像处理成高分辨率的图像。 2 方法 插值、重建等图像处理方式。 3 应用 遥感图像、医学成像、安防检测等。 十七、遥感图像的可视化技术 伪色彩处理 对遥感图像进行伪色彩处理，使得图像中的信息和特征更加明显。 真彩色合成 将卫星获取的多波段数据采用真彩色合成技术合成全彩图像。 等高线绘制 将数字高程模型进行等高线绘制处理，使得地理信息直观呈现。 十八、遥感图像的后处理方法 小窗分割法 利用灰度