遥感成像原理与遥感图像特征范文

遥感成像原理与遥感图像特征篇1

关键词：高精度卫星地质遥感技术 技术分析 应用例析

中图分类号：P618 文献标识码：A 文章编号：1674-098X（2013）03（c）-0-01

高精度遥感技术可以简单的理解为收集地面特定目标的电磁辐射信息，判断地球环境和资源的技术。遥感技术的发展经历从实验室单一概念到实用的技术系统，从少技术到多科技领域的有机结合，从单学科的运用到多学科的综合，从静态资源调查到动态环境的监测，从区域性的微观分析到全球性的宏观研究，从发达国家手中的核心秘密到全球性的普遍掌握的过程。20世纪90年代以来，遥感技术己被广泛地应用于地质矿产、冶金、石油、测绘、地理等领域。它具有时效性好、监测范围广、信息量丰富、宏观性强、获取手段丰富等特点。因此，利用高精度遥感技术开展地质工作已经成为时下非常重要的高科技手段。

1 基于高空间分辨光学的地质卫星遥感关键技术分析

1.1 遥感图像数据获取

在遥感图像数据获取的过程中，一般会进行两个方面的选择。一是在空间分辨率方面的选择。遥感图像的选择不在是一味追求高精度的过程，它包含对成像的范围效应和经济适用性的判断。不同的地质现象需要不同的观测距离和尺度，才能合理、完整的运用遥感技术进行成像过程。现阶段，大多数地质工作者已经意识到定点的观测数据已经不能满足地质工作的需要，必须将其应用转换到不同范围和多尺度空间，即要求研究不同的对象需要选择不同尺度的遥感数据。二是在波段组合方面的选择。地面点的辐射值组成的遥感图像具有随机性和不确定性，主要因为遥感图像会受到各种变化因素的影响，同一地面点会因为成像时间不同、气候状况、植物变化等造成不同的成像结果，可能存在同一地面点不同色谱，同一色谱不同地面点的的现象。所以在实际应用中，考虑人眼的特殊性，主要采取RGB彩色合成图像作为解译的标准图像。对于具体地面点的成像而言，选取的波段要满足各波段之间辐射值方差最大、相关性最小、均值大小合理的条件，而且其应尽可能含有丰富的地面点特征。

1.2 图像校正与增强处理

在利用遥感技术成像的过程中，由于传感器和大气条件等因素变化的影响，最终获取的遥感图像会有小幅度的几何变形情况，影响了图像的成像质量，必须加以处理。换而言之，即使用几何纠正的方法对已获取的遥感图像进行处理。几何纠正包括消除倾斜误差和投影误差两方面。遥感图像几何纠正的目的是把几何失真的遥感图像恢复成没有失真的地面点实际图。为了使遥感获取的数据更好地应用于研究工作中，遥感数据必须经过几何纠正的过程，确定合适的比例尺，使遥感数据和已获取的非遥感数据相匹配，便于地质工作中的比较、分析、研究等过程。除了运用几何纠正的方法处理遥感图像之外，通常在实际中还会采用遥感图像增强处理的手段。遥感图像增强处理指通过数学方法和显示技术等手段，增强已获取遥感图像中的信息，使其易于辨别，使信息的分析更加便捷。遥感图像增强处理的核心是通过各种手段提高遥感图像的视觉性、解译性和信息转化性。遥感图像增强处理方法有：灰度增强、边缘增强、彩色增强等方法。遥感图像增强处理的方法根据处理空间的不同分为基于图像空间的空域方法和基于图像变换的频域方法两大类。

1.3 图像融合技术

遥感图像数据融合是从80年代形成和发展的一种自动化信息综合处理技术，是把来源不同的遥感数据在同一坐标系中，采用一定的算法生成一组新的信息或合成图像的过程，是解决多源遥感数据富集表示的有效途径之一。遥感图像融合方法主要有四种：即信号级融合法、像元级的融合法、特征级的融合法和决策级的融合法。信号级融合指将不同传感器的信号进行混合，产生高质量的融合信息。像素级融合指在各传感器对原始信息未作处理前的一种低水平的数据融合，其具有最高精度但同时具有信息量大、耗费性强的缺点。特征级融合指在各传感器对原始信息进行特征处理的一种中等水平的数据融合，它实现了信息压缩，但同时具有地域原始信息精度的缺点。决策级融合是在像素级和特征级融合的基础上对图像信息进行识别、分类、检测，再对图像进行融合处理的一种最高水平的数据融合。实际情况下，最常使用的融合方法是像素级融合。

2 卫星地质遥感于崩塌灾害中的应用例析

2.1 崩塌信息的特征

崩塌类地质灾害一般发生在陡峻山坡上，在ETM图像和SPOT图像上只能识别大规模的崩塌堆积体却不易分辨人工开挖的山体特征。

但在IKNOS的彩色卫星成像上却会清晰显示崩塌的特征。崩塌信息特征解译的主要标志有：一是位于陡峻的山坡上，在倾斜角大于55度的陡坡地段可出现巨大石块特征的遥感成像；二是崩塌轮廓线明显，崩塌堆积体上植被欠发育；三是崩塌体会形成节理的裂缝影像。

2.2 崩塌活动解释

崩塌的活动情况在遥感图像上易于辨认。具体活动解释如下：仍在发展的崩塌在岩块脱离山体的凹陷部分成色浅，没有植被生长，上部陡峻，有时呈突出的参差状，有时因崩塌壁岩石本身色调较深呈深色调；趋向稳定的崩塌，其成像呈深色调或在浅色调中夹杂斑点，生长少量植物，上部陡峻，崩塌体主要由粗颗粒碎石构成；稳定的崩塌，其崩塌成像的色调深，植被生长茂密，上部陡坡较缓，崩塌体主要由细颗粒土构成，植被生长茂密，一定条件下可以开辟为耕地。

3 结语

高精度卫星地质遥感技术应用于地质灾害监测、预警、评估、分析等方面已获得了巨大成功。

现阶段的工作仍然停留在对灾害的区域性评价等方面，利用高精度卫星遥感技术进行地质灾害的详尽解释与评估等研究方法还是相对欠缺，大部分地质灾害分析过度依靠航空摄像图片等。但是由于信息技术、空间技术、和计算机技术的高速发展，遥感技术在光谱分辨率、时间分辨率、空间分辨率等方面取得了巨大成就，因此利用高精度卫星地质遥感技术进行地质灾害监测、预警、评估是遥感技术体系在地质灾害应用中的必然发展趋势。

参考文献

[1] 李才兴.灾害遥感发展现状分析[J].国际太空，2002（3）.

[2] 乔彦肖.浅谈区域地质灾害调查的遥感技术方法及应用效果[J].中国地质灾害与防治学报，2001，12（4）.

遥感成像原理与遥感图像特征篇2

摘要：遥感技术已经成为一项快速、准确地监测土地利用变化的重要手段，全国地理国情普查是一项重大的工程项目，在全国范围内，遥感影像在整个地理国情中占有很大的比重。

关键词：遥感影像；地理国情；目视解译；人工解译；时效性

引言

地理国情主要是指地表自然和人文地理要素的空间分布、特征及相互关系，是基本国情的重要组成部分。开展全国地理国情普查，系统掌握权威、客观、准确的地理信息，是制定和实施国家发展战略和规划、优化国土空间开发格局和各类资源配置的重要依据，是推进生态环境保护、建设资源节约型和环境友好型社会的重要支撑，是做好防灾减灾工作和急救保障服务的重要保障，也是相关行业开展调查统计工作的重要数据基础。为了全面把握当前中国的地理情况和满足经济社会发展需要和生态文明建设，国务院决定开展2013~2015年国情第一次国家地理的调查。遥感图像信息提取技术能够很好的利用遥感图像中丰富的光谱、纹理、形状等信息，提取的结果更适合于提取地理国情信息。这种技术在地理条件监测中的应用，不仅可以提高地理国情普查的地理条件的速度，而且还可以减少工作量，大大提高普查的效率。广州市需完成覆盖行政区域范围内约7434m2地理国情普查数据采集，开展广州市地理国情调查是了解广州市城市化进程和社会经济发展中的基本矛盾及发展趋势的基本手段，是制定发展政策的重要支撑。通过全面获取多尺度、多时相的历史数据资料、遥感影像、土地利用信息以及社会经济统计信息等普查成果资料，结合遥感、遥感影像等空间技术，对广州市发展过程中的地理国情特征进行动态监测与分析，包括：城市扩张动态监测分析和生态空间动态监测分析等两部分内容。

1遥感影像的分类与信息提取方法

1.1遥感影像的分类方法

遥感图像信息提取是基于各种样本的内在相似性。遥感图像同一物体在相同的外部条件（地形、照度、季节等）上具有相同或相近的光谱特征、纹理特征和空间特征，从而表现出相同的某种固有的相似性。同一类的像素特征在同一特征空间区域内具有不同的光谱特征或纹理特征，并在不同的特征空间区域进行聚类。传统的图像分类方法主要针对中低分辨率图像的设计，因为低空间分辨率的遥感图像本身就是混合像元的单像素。光谱分辨率和低空间分辨率遥感图像普遍较高，高分辨率遥感影像光谱特征相对不丰富，应采用自上而下的综合处理方法。高分辨率遥感影像通过建模可以从分割图像的光谱信息中获取空间特征、形状特征、纹理特征等信息。如图1简单的遥感影像图。

1.2遥感影像的信息提取方法

目视解译。视觉的解释是基于不同光谱特性的结构规律和发展规律的解释，各种类型的目标图像的纹理特征、几何成像原理和空间特征，通过分析图像中的物体的视觉识别土地类型的特征，从而提取特征信息。基于像素的分类方法是一种传统的计算机分类方法。它应用广泛，技术发展相对成熟。它主要包括监督分类和非监督分类：监督分类是自上而下的知识驱动的方法，即先进行分类训练，即学习和分类第一。包括最小距离分类法、分类法和多级开窗法特性曲线、最大分类法；非监督分类是一种自下而上的数据驱动的方法，假设遥感图像相似的对象在相同条件下具有相同的光谱信息特征。非监督分类主要采用聚类分析方法，聚类是一组按相似性划分为若干类的像素，即“物以类聚”。其目的是使尽可能小的同一类像素之间的距离，以及在不同的类的像素之间的距离尽可能大。非监督分类方法主要有层次聚类法和动态聚类法。面向对象分类方法。面向对象的遥感图像光谱特征的遥感分类技术，结合形态、特征尺寸、纹理、几何特征的位置和结构、目标对象和周围环境之间的关系和其他因素，根据适当的对象分类规则建立的特点，完成图像信息提取，所以你可以充分利用图像信息，提高测量精度，有效地避免了传统的基于像素的分类方法发生信息丢失的现象，也可以有效地避免噪声的影响，采用合适的分割尺度设置、噪声，以像素对象为特定对象，而不是分别提取分类，从而避免“椒盐现象”。

2面向对象分类方法的研究现状

自上世纪90年代以来，面向对象的信息提取技术得到了飞速的发展，为了提取图像，用面向对象分类法，充分利用光谱、纹理和形状特征的图像对象的信息，取得了较高的分类精度；通过各种数据源收集k，在高分辨率遥感遥感影像为数据源，多尺度影像分割和面向对象的图像分析方法为主要技术，城市绿化覆盖信息的自动提取，达到绿色城市的库存。

3几种遥感影像分类技术的应用

3.1人工目视判读分类

提取影像信息遥感图像的人工视觉分类是通过肉眼观察到的解译解决方案，图像特征和图像首先总结了对象，然后建立解译标志的对象，根据人工的经验解决矢量对象的边缘类型特点的解读和阐释。根据土地利用现状的分类，类型为耕地、园地、林地、草地、房屋建筑物、道路、构筑物、人工堆掘地和水域。通过人工视觉判别分类结果，对象的分类比较清晰，不同类别的土地之间有一个明确的分界，并且边缘的斑点是相对平滑的。因为它是通过人眼的分类，判断和分类的主要依据是纹理和颜色，从而容易造成泄漏和错误。一些细长或小尺寸类是容易错过的，一些小但显着差异的纹理不同的地面对象容易出错，手动收集了一个相对较长的时间，特别是大面积的图斑花费更多的时间和人力。

3.2基于面向对象的遥感影像信息提取

面向对象的分类方法首先对图像分割和对象提取是同质的，特征或特征的组合和建立分类系统，最终实现用相应的分类方法，不同类型的地形信息提取。采用面向对象的遥感影像信息提取技术，分类结果相吻合，特别是对于耕地信息，提取结果更准确。但通过目视判读，这种方法会把一些果园和山脊转化为耕地，将一些图像信息和相邻但不接近的相似像素的实际特征的位置分为一类，因为土地流转现象频繁，果园的纹理特性和农作物中的一部分非常接近，导致分类错误，需要探讨未来研究更好的方法，进一步提高分类精度。

4遥感影像在地理国情的作用

4.1内业采集数据

（1）以遥感正射影像为基础底图，利用收集的参考数据，采用人工解译的方式，参考地理信息、土地利用、水利普查等资料，进行地表覆盖分类。基于所采用的数字正射影像数据，参照地表覆盖外业调查成果，对地表覆盖图斑的范围、位置及类型进行编辑、修改，包括对相关图斑的拆分、合并和修改。例如：单栋房屋离连片房屋建筑区距离较小，但与周边其他房屋建筑在形状、结构及排列上明显不同的单独房屋应编辑为独立房屋建筑；对于乡村地区集聚程度较低、自然散乱分布、被其他类型分隔的房屋建筑，编辑为独立房屋建筑。地表覆盖分类数据编辑过程中，应注意道路、水体、构筑物等地理国情要素与地表覆盖分类数据同时表达时，二者之间的空间位置和属性逻辑关系的正确性。其中，道路中心线一般应穿过相应路面图斑范围内；堤坝要素中心线一般位于作为覆盖类型的堤坝图斑范围内。人工解译和编辑主要是在分割和分类的基础上，将分类结果套合正射影像，参考基础地理信息数据及收集到的专题资料，对影像进行识别和判读，对初步解译结果进行合并、拆分、重构等编辑。主要包括地物的删除和添加、地物的合并和拆分、地物边界线修正、地物空间位置处理、地物属性信息修改或添加等。

2）遥感影像解译的采集本着从已知到未知、先易后难、先地表后深部、先整体后局部、先宏观后微观与先图形后线形的原则，重点开展基于遥感影像的解译地表覆盖信息提取，并通过解译与编辑，以提高整体分类精度，满足地表覆盖信息地理国情普查对地表覆盖分类精度的要求。

4.2提供地理方面信息，提高政策分析的科学

在国土资源决策管理、农业资源信息、区域农业规划、农作物研究、区域农业可持续发展研究、农业生态环境监测、基于GPS和遥感影像的精细农业信息处理系统研究、森林资源的开发、利用和保护、土地利用与土地覆被现状分类与制图；以及土地利用与土地覆被动态监测等方面收集、存储了大量数据信息，建立相应地理数据库，实现空间数据的浏览、检索、分析等，并产生专题地图，建立各种模型，利用遥感影像的模型功能和空间动态分析以及预测能力，实现资源管理的信息化。我国资源短缺、环境污染严重、区域发展不协调等问题的存在使得建设资源节约型社会更加紧迫。这需要监测地理国情，通过获取地形、土地利用、粮食生长、交通状况、污染物分布、能源资源分布等地理国情信息，加强对资源环境的调查、监测、评估和预测，为政策分析提供更多定量化的重要资料和科学依据，使政策分析结果更加准确和切合实际。外业调查成果包括外业调查数据、元数据、原始轨迹数据、外业调查技术总结等。其中外业调查数据包括：数字调查成果或纸质调查成果扫描数据、补测数据。该成果是对普查底图数据的类型、边界、属性等信息进行编辑、修改的主要依据。在农村土地利用现状更新调查检查验收过程中，对农村土地利用现状更新调查工程项目的质量评定，为了对农村土地利用现状更新调查工程项目的质量进行公平准确评价，应采用外业成果质量检查验收方法探讨。

4.3遥感影像防灾减灾方面的信息

从国内外发展状况看，遥感影像在重大自然灾害和灾情评估中有广泛的应用领域。地理国情中就包括灾难环境和灾难分布，灾区状况和重建情况等。其空间信息需要通过遥感影像技术获得、整合、，最终用于防灾减灾的决策中。中国作为世界最大的发展中国家之一，既是自然灾害高发的国家，也是信息技术高度发达的国家。在利用现代信息技术加强灾害管理方面，已积累了丰富的经验。

4.4遥感影像技术保证了地理国情监测工作的准确性

地理国情监测，不仅需要掌握各时期的历史档案数据，更需要快速动态掌握最新地理信息。为此，要加强测绘基础建设，加快构建内容丰富、更新及时、服务高效的数字中国。充分利用先进卫星定位技术手段，提供高精度、高效率的导航定位服务；加快实施国家重大测绘工程，积极推动数字省区、数字城市建设。

5结语

遥感影像技术是测绘技术手段，也是地理国情监测必不可少的保证。快速发展的现代测绘技术和测绘部门长期积累的大量地理国情信息，为开展地理国情监测奠定了良好基础，提供了强有力的支持配合，共同推动地理国情监测这项利国利民的工作取得良好实效。

参考文献

[1]王波.基于面向对象的高分辨率遥感影像人工地物信息提取[D].江西：江西理工大学，2011.

[2]郭伟立.基于面向对象的高分辨率影像耕地信息提取方法研究[D].桂林：桂林理工大学，2010.

遥感成像原理与遥感图像特征篇3

Abstract： The land resources are important means of production， its change and development not only affects the change of global environment， but also is the foundation of people's survival and development. Timely and objective and accurate information of the land use situation is indirectly related to the change of the environment. Remote sensing technology with its characteristics of macroscopical quality， timeliness， periodicity and integrated， it can realize the scientific management of land resource， master the change information. Its success or failure is directly related to the national economic planning and policy making.

关键词： 动态遥感监测；解译；变化检测

Key words： dynamic remote sensing monitoring；interpretation；change detection

中图分类号：TP7 文献标识码：A 文章编号：1006-4311（2013）19-0216-02

0 引言

常规的土地资源调查方法，获取数据的周期长而且精度差，无法提供及时、准确、全方位的信息，主要原因是数据和图件的管理、传输、分析手段落后，往往耗资巨大的调查结果却难以反映当前土地资源现状，再加上每年土地利用和土地覆盖状况都在变化，应用遥感技术则可快速获得土地利用和土地覆盖的动态变化信息。

我国的遥感事业自上世纪70年代起步以来，经历了迅速的发展并取得了长足的进步，我国土地利用状况的调查研究、城市动态变化的监测、以及对各种自然灾害的监测等方面都需要利用遥感技术进行研究，而如何进行遥感图像的纠正、融合、分类、变化检测等是遥感技术研究的基础和关键问题，具有十分重要的意义。

1 土地利用动态遥感监测

土地利用动态遥感监测是以土地利用调查的数据及图件为基础，运用遥感图像处理与识别技术，从遥感图像上提取变化信息，从而达到对土地利用变化情况进行及时、直接、客观的定期监测，核查土地利用总体规划及年度用地计划的执行情况，并重点检查每年土地变更调查汇总数据，为国家宏观决策提供比较可靠、准确的土地利用变化情况，同时对违法或涉嫌违法用地的地区及其他特定目标等进行快速的日常监测，为违法用地的查处以及突发事件的处理提供依据。土地利用动态遥感监测的主要思路是：对多源数据进行纠正、配准、融合等预处理，通过图像处理和影像判读来确定变化属性及进行统计分析，结合人工判读目视解译，发现和提取土地利用的变化信息，实地核查并建立土地利用动态监测数据库。土地利用动态监测系统的技术流程如图1。

2 遥感图像数字处理及解译

随着计算机硬件价格的降低和软件水平的提高，计算机图像处理越来越深入遥感领域。

在进行遥感数据处理的过程中，有很多的软件可以选择，其中Erdas和ENVI软件在学习工作中最为常用，大家可根据具体情况选择适合的软件进行符合要求的操作。

遥感图像解译是从遥感图像上获取目标地物信息的过程。遥感图像解译分为两种：一种是目视解译，又称目视判读，它指专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。另一种是遥感图像计算机解译，又称遥感图像理解，它以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征，结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译，此种方法是遥感处理中最常用也是最快捷的方法。

遥感图像解译是一个复杂的认知过程，对一个目标的识别，往往需要经历几次反复判读才能得到正确的结果。概括来说，遥感图像的认知过程包括了自下向上的信息获取、特征提取与识别证据积累过程和自上向下的特征匹配、提出假设与目标辨识过程。

遥感图像分类的主要依据是地物的光谱特征，而就某种特定地物的分类而言，多波段影像的原始亮度值并不能很好地表达类别特征，因此需要对数字图像进行运算处理，以寻找能有效描述第五类别特征的模式变量，然后利用这些特征变量对数字图像进行分类。

3 基于遥感影像的变化检测

基于遥感影像的变化检测就是从不同时间获取的遥感影像中，定量地分析和确定地表变化的特征和过程的技术。总的来说，变化检测就是指应用多时相的数据集来定性的分析现象的时间效应。具体到遥感领域来说，多次观测即指多时相获取的同一地区的遥感影像。一个完整的遥感影像变化检测工作流程应依次包含以下步骤：工程定义和描述、数据获取、数据预处理、变化检测、精度评估、产品输出。其中，数据预处理即影像的几何配准和辐射校正，变化检测和检测结果精度评估是进行变化检测的关键步骤。而众多方法之中，分类后比较法应用最为广泛。此方法是对不同时相的影像分类后进行比较分类结果，找出变化信息。其优点是容易理解，且给出了变化类型，可以回避辐射归一化问题，而其缺点是存在分类误差的累计，分类工作量大。

4 结论与展望

地质灾害的频繁发生，严重制约我国经济的发展，面对各种自然灾害的发生，能否在短时间内获得灾区信息就显得尤为重要，此时遥感技术以其快速、精确、范围广的优点得到应用。

参考文献：

[1]徐亚平.从汶川地震看遥感技术在突发自然灾害中的应用[J].贵州地质，2008，25.

[2]李振宇.遥感技术在公路地震灾害监测中的应用[J].交通世界，2008（24）.

[3]梅安新.遥感导论[M].北京：高等教育出版社，2001，7.

[4]詹长根，唐祥云等.地籍测量学[M].武汉大学出版社，

2005，6.

[5]汤育红，何永建.3S技术集成在土地调查中的应用[J].测绘与空间地理信息，2008，10.

[6]马洪滨.3S技术在土地利用现状变更调查中的应用研究

[J].测绘科学，2008，5.

[7]毛可标，遥感图像在土地利用更新中的应用研究[J].测绘科学，2006，6.

[8]杨柳.新技术在中药提取中的应用[J].科技传播，2012（18）.

遥感成像原理与遥感图像特征篇4

关键词：遥感岩石矿物识别；矿化蚀变信息提取；地质构造信息提取；植被波谱特征；多光谱遥感技术；高光谱遥感技术；遥感生物地球化学技术；地质找矿

中图分类号：TP7文献标识码： A 文章编号：

一、遥感技术的地质应用

地质是指地球的性质和特征。主要指地球的物质组成、结构、构造、发育历史等，包括地球的圈层分异、物理性质、化学性质、岩石性质、矿物成分、岩层和岩体的产出状态、接触关系，地球的构造发育史、生物进化史、气候变迁史，以及矿产资源的赋存状况和分布规律等。遥感图像提供了大量的地质信息，包括矿产和环境地质信息，利用这些信息，可以使地质工作者预先熟悉工作区的地质情况，科学决策拟投入的工作量、工作方法和研究目的。所谓遥感地质制图就是利用遥感的方法完成地质图的绘制。分为航天遥感地质制图和航空遥感地质制图。

1、航天遥感地质制图

航天遥感是指以航天器为传感器承载平台的遥感技术。航天遥感实践中，针对具体应用需求，选择不同的传感器，如成像雷达、多光谱扫描仪等，通过卫星地面站获取合适的覆盖范围的最新图像数据，利用遥感图像专业处理软件对数据进行辐射校正、增强、融合、镶嵌等处理。同时，借助应用区域现有较大比例尺的地形数据，对影像数据进行投影变换和几何精确纠正，并从地形图上获得主要地名点、主干构造、底层、岩体，以及矿床矿点、物化探异常信息，进行相应的标注和整饰，制作地质数字正射影像图。

2、 航空遥感地质制图

所谓航空遥感是指以航空器如飞机、飞艇、热气球等为传感器承载平台的遥感技术。根据不同的应用目的，选用不同的传感器，如航空摄影机、多光谱扫描仪、热红外扫描仪、CCD 像机等，获取所需航摄像片和扫描数据进行地质制图。实践表明，遥感地质制图是一项新技术，不仅有它的优点而且也有它的缺点。遥感地质制图比常规的地质制图节省了大量的野外工作量，而且对客观现象的表示优于常规地质图，其主要的优势在于周期短、成本低。但是，因为野外工作量少，也带来一定的缺点。例如地质观测点的数量、样品种类和数量、地层和构造产状等不如常规地质图详细充实。

二、遥感技术的找矿应用

1、直接应用———遥感蚀变信息的提取岩浆热液或汽水热液使围岩的结构、构造和成分发生改变的地质作用称为围岩蚀变。围岩蚀变是成矿作用的产物，围岩蚀变的种类（组合）与围岩成分、矿床类型有一定的内在联系，围岩蚀变的范围往往大于矿化的范围，而且不同的蚀变类型与金属矿化在空间分布上常具规律可循，因此，围岩蚀变可作为有效的找矿标志。

1.1 蚀变遥感异常找矿标志围岩蚀变是热液与原岩相互作用的产物。常见的蚀变有硅化、绢云母化、绿泥石化、云英岩化、夕卡岩化等。

1.2 信息提取的实现与地物发生反射、透射等作用的电磁波是地物信息的载体，地物的光谱特性与其内在的物理化学特性紧密相关，物质成分和结构的差异造成物质内部对不同波长光子的选择性吸收和反射。具有稳定化学组分和物理结构的岩石矿物具有稳定的本征光谱吸收特征，光谱特征的产生主要是由组成物质的内部离子、基团的晶体场效应或基团的振动效果引起的。各种矿物都有自己独特的电磁辐射，利用波谱仪对野外采样进行光谱曲线测量，根据实测光谱与参考资料库中的参考光谱进行对比，可以确定出样品的吸收谷，识别出矿物组合。根据曲线的吸收特征，选择合适的图像波段进行信息提取。根据量子力学分子群理论，物质的光谱特征为各组成分子光谱特征的简单叠加。传感器在空中接收地表物质的光谱特性，因为探测范围内有干扰介质存在（白云、大气、水体、阴影、植被、土壤等），因此，在进行蚀变矿物信息提取时，根据干扰物质的光谱曲线出发，进行预处理消除干扰。目前遥感找矿蚀变异常信息的提取有多种方法，例如波段比值法、主成分分析法、光谱角识别法和MPH 技术（MaskPCAandHIS）、混合象元分解等。

2、遥感技术间接找矿的应用

2.1 地质构造信息的提取内生矿产在空间上常产于各类地质构造的边缘部位及变异部位，重要的矿产主要分布于板块构造不同块体的结合部或者近边界地带，在时间上一般与地质构造事件相伴而生，矿床多成带状分布，成矿带的规模和地质构造变异大致相当。遥感找矿的地质标志主要反映在空间信息上。从与区域成矿相关的线状影像中提取信息（主要包括断裂、节理、推覆体等类型），从中酸性岩体、火山盆地、火山机构及深部岩浆、热液活动相关的环状影像提取信息（包括与火山有关的盆地、构造），从矿源层、赋矿岩层相关的带状影像提取信息（主要表现为岩层信息），从与控矿断裂交切形成的块状影像及与成矿有关的色异常中提取信息（如与蚀变、接触带有关的色环、色带、色块等）。当断裂是主要控矿构造时，对断裂构造遥感信息进行重点提取会取得一定的成效。遥感系统在成像过程中可能产生“模糊作用”，常使用户感兴趣的线性形迹、纹理等信息显示得不清晰、不易识别。人们通过目视解译和人机交互式方法，对遥感影像进行处理，如边缘增强、灰度拉伸、方向滤波、比值分析、卷积运算等，可以将这些构造信息明显地突现出来。除此之外，遥感还可通过地表岩性、构造、地貌、水系分布、植被分布等特征来提取隐伏的构造信息，如褶皱、断裂等。提取线性信息的主要技术是边缘增强。

2.2 矿床改造信息标志矿床形成以后，由于所在环境、空间位置的变化会引起矿床某些性状的改变。利用不同时相遥感图像的宏观对比，可以研究矿床的剥蚀改造作用;结合矿床成矿深度的研究，可以对此类矿床的产出部位进行判断。通过研究区域夷平面与矿床位置的关系，可以找寻不同矿床在不同夷平面的产出关系及分布规律，建立夷平面的找矿标志。另外，遥感图像还可进行岩性类型的区分应用于地质填图，是区域地质填图的理想技术之一，有利于在区域范围内迅速圈定找矿靶区。

三、遥感找矿的发展前景

1、高光谱数据及微波遥感的应用

高光谱是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。它利用成像光谱仪以纳米级的光谱分辨率,成像的同时记录下成百条的光谱通道数据, 从每个像元上均可以提取一条连续的光谱曲线, 实现了地物空间信息、辐射信息、光谱信息的同步获取, 因而具有巨大的应用价值和广阔的发展前景。成像光谱仪获得的数据具有波段多, 光谱分辨率高、波段相关性高、数据冗余大、空间分辨率高等特点。高光谱图像的光谱信息层次丰富, 不同的波段具有不同的信息变化量, 通过建立岩石光谱的信息模型, 可反演某些指示矿物的丰度。充分利用高光谱的窄波段、高光谱分辨率的优势, 结合遥感专题图件以及利用丰富的纹理信息, 加强高光谱数据的处理应用能力。微波遥感的成像原理不同于光学遥感, 是利用红外光束投射到物体表面, 由天线接收端接收目标返回的微弱回波并产生可监测的电压信号, 由此可以判定物体表面的物理结构等特征。

2、3S 的结合。

3S 是遥感（RS）、地理信息系统（GIS）及全球定位系统（GPS）的简称。利用GPS 能迅速定位，确定点的位置坐标并科学地管理空间点坐标。海量的遥感数据需庞大的空间，因此要有强大的管理系统，随着当今人力资源价格的升高，在区域范围内找矿时，遥感表现出最小投入获得最大回报的优势，那么RS 与GIS 的结合也就势在必行，因为GIS 更有利于区域范围的影像管理及浏览。随着3S 技术的进展，遥感数据的可解译程度与解译速度得到进一步提高。目前，地质工作者尝试将3S 与VS（可视化系统）、CS（卫星通讯系统）等技术综合应用，取得了较好的效果.

3、地物化遥的有机融合

矿床的形成是多种地质作用综合的结果，矿床形成后又会经历后期的破坏或者叠加成矿作用，因此，任何一种单一的找矿手段都不可避免地遭遇地质多解性的困扰，实现地物化遥多种找矿方法与手段的有机融合，能有效地提高找矿效果，并从总体上降低找矿成本。目前，以遥感信息为主体，结合地质、地球物理、地球化学等多源地学数据的综合信息找矿法已经形成。

4、遥感植物地球化学

在高植被覆盖区实现遥感波谱数据与矿致植物地球化学异常的有机融合，将会较好地推进遥感找矿技术在植被覆盖区的应用。

四、结束语

遥感技术应用于地质找矿必须以现代成矿理论为指导, 以图像处理手段和综合解译分析为主要工作方法, 密切结合野外地质调查, 建立遥感地质找矿模式, 预测找矿远景区, 缩小找矿靶区, 实现遥感找矿的日的。遥感技术应用于地质找矿, 在地质工作程度较低、地形条件较差、交通不便的高寒地区具有常规地质方法不可替代的优越性, 应综合运用多种手段, 进行综合分析研究, 才能充分发抨遥感技术的优势, 取得更好的找矿效果。

参考文献

[1]耿新霞.杨建民.张玉君等．遥感技术在地质找矿中的应用及发展前景［J］.地质找矿论丛.2012，23（2）：89－93．

[2]杜培军．遥感原理与应用.M.北京: 中国矿业大学出版社.2010．

遥感成像原理与遥感图像特征篇5

关键词　CDIO　遥感原理与方法　实验设计

中图分类号：G642

文献标识码：A

CDIO工程教育模式是近年来国际工程教育改革的最新成果，是由麻省理工学院和瑞典皇家工学院等四所大学共同创立的工程教育改革模式。该项目已扩展到全世界，包括了各种工程类专业的教育。该项目的愿景是为学生提供一种强调工程基础的、建立在真实世界的产品和系统的构思（Conceive）、设计（Design）、实现（Implement）和运作（Operate）过程的环境基础上的工程教育。CDIO培养大纲将工程毕业生的能力分为工程基础知识、个人能力、人际团队能力和工程系统能力四个层面，大纲要求以综合的培养方式使学生在这四个层面达到预定目标。在遥感原理与方法教学中引入CDIO理念，使学生能在课程学习过程中不仅掌握遥感基本的理论知识和基础技能，同时对学生分析与解决问题、创新精神的培养也是一种行之有效的途径。

1 遥感原理与方法课程概况

遥感原理与方法是我国高等院校地理科学类专业（包括地理、地质、地球物理、气象气候和海洋）的一门重要基础课程，也是地理信息系统专业和遥感科学与技术专业的必修的核心课程之一。特别对遥感科学与技术专业工科学生而言，解决遥感图像处理、信息提取等实际问题，CDIO能力尤其重要。遥感原理与方法课程在成都信息工程学院的教学中以本科生为主要对象，主要介绍遥感基本理论、基本方法和遥感应用的基本技能。同时根据本课程内容体系、特点以及CDIO理念，在课程中注重培养学生的以下能力：（1）掌握遥感科学与技术的基础知识，包括遥感物理基础、地物与电磁波相互作用和遥感成像机理；不同遥感器特性与遥感构像特征；遥感图像处理的方法与技术；遥感图像目视解译及计算机解译的原理、方法和步骤，航空照片、多光谱图像、热红外图像、雷达图像和高光谱图像信息提取，以及遥感专题信息的分析和在不同领域应用等；（2）获取遥感技术基础知识的能力和具备遥感基本技能；（3）学会系统分析遥感实践中的问题；（4）有在遥感项目实践中进行团队合作的能力；（5）学会非遥感专业技术知识，进行个人职业技能的锻炼；（6）具备设计和实施遥感项目的能力。

2 基于CDIO理念的遥感原理与方法课程的实施

2.1 遥感项目实施调查学习

根据本专业各教师的项目情况制定若干与之相关的有关遥感技术和组织、管理的题目，将学生分组并自选1组题目，利用课余时间参与到教师项目中自己获得题目的答案或解答方式。该环节的设计思路是让学生从实际问题（项目实际问题，非虚拟实验问题）出发，带着问题进行学习以实现对学生能力的培养。此环节的关键是教师要在项目中给出学习方向和题目，起到对学生的引导作用。具体如下：

（1）将课程根据内容在项目中找到合适的内容并细化为题目，让学生在项目的实际参与中体会需学习的内容，培养学生搜集信息并解决问题的能力。如遥感图像目视解译中的题目“根据研究区状况进行相关资料搜集，并完成对图像的几何校正”，在以往的课堂教学中资料搜集往往是一句话带过，学生仍不清楚具体该搜集哪些资料，通过其自己在项目中的各种资料需求体会，进行探讨，得出最后的结论。

（2）将项目学习内容与相关专业课程相结合，使学生对专业学习从广度和深度上进行了解。如“根据植被的分布规律，结合遥感图像的实际情况，对所给遥感图像进行植被信息提取”。一方面让学生不再空洞表面地看待遥感影像的颜色、形状等图像特征去进行信息的提取，而是结合自然地理课程中所学的植被分布规律这部分知识，懂得灵活运用所学知识解决实际工程中的问题，由被动变主动。另一方面，又认识到遥感技术应用实践中无所不在的地学、生态学等知识，明确地学、生态学、气象气候学在专业知识体系中的重要性。

（3）除了让学生学习专业技术问题外，还培养学生学习对问题的解决思路，同时也注重培养学生的职业道德。如“根据所给研究区和研究目的，选用适宜的遥感影像”，学生通过项目中对图像数据进行经费预算，有针对性地选择对项目而言性价比最高的图像，而不是一味追求高分辨率图像。

（4）了解遥感技术应用项目中工作分工，各工作之间如何协调，让学生直接认识自己的专业以及整个遥感学科系统。

2.2 课堂教学和专题讲座

（1）对课程的基本概念和理论进行课堂讲授，通过具体项目的对全课程内容的贯穿，使学生建立课程的体系结构的概念，同时要求学生参与到学校的项目或实习单位的项目中学习专业知识，在学习中自行查找相关资料以丰富专业知识。

（2）选择课程内容中的重点、难点进行重点讲授，并结合实际操作或实际案例进行剖析。如遥感图像计算机解译中重点建立学生对特征空间等抽象概念的理解。

（3）利用多媒体技术手段，如图片、视频、动画等向学生展现国内外的先进技术和理念，而这是学生在日常学习中难以直接接触的。如星载扫描仪的工作原理、遥感卫星辐射校正场等知识。

除课堂教学外，还聘请经验丰富的从事遥感技术理论及应用研究的专家做专题讲座，这些讲座极大地激发了学生学习专业知识的兴趣，同时使学生了解了专业的新知识，对专业的发展更加关注。

2.3 遥感原理与方法课程实践

在遥感项目实施调查学习过程中侧重于“问”，要求学生在参与或者观察的过程中多向项目人员请教，而在课程相关配套实验中则强调“做”，要求学生自己动手完成相关题目。具体为两方面的内容：

（1）针对课程内容设计实验题目，是学生在实验操作中能够与理论知识结合起来，理论联系实际，进一步增加对课堂知识的理解。同时注重实验题目之间的连贯性，使之能够与学生所见或所参与的项目尽量相关，不涉及纸上谈兵的项目。

（2）要求学生主动参与到教师的相关项目中去，不仅参与项目的实施，还参与项目的组织和管理工作，使学生获取更多的锻炼。如进行遥感图像的处理、解译、分析等方面的工作，检查遥感图像处理的质量、遥感信息提取的质量等。要求学生参与项目讨论，并鼓励学生提出问题，使其更认真地投入项目工作中。

3 结语

遥感成像原理与遥感图像特征篇6

关键词：高分二号 尼泊尔地震 震害建筑物 地震应急 面向对象

中图分类号：P237 文献标识码：A 文章编号：1672-3791（2017）07（a）-0008-03

地震是给人类带来重大损失的突发式自然灾害，自2008年汶川地震以来，我国大陆境内6级以上中强地震就有30余次，其中2010年青海玉树地震、2013年四川芦山地震、甘肃岷县漳县地震、2014年云南鲁甸地震都导致大量的人员伤亡和财产损失。近几年的地震灾害表明，在地震发生后的快速应急反应能有效减轻灾害带来的损失。而地震灾害信息的快速准确获取是做出正确应急反应的基础，震后对灾情进行评估，不仅可以辅助现场救援工作，还能对生命财产损失进行估计，是救灾减灾的重要手段。

空间对地观测方法的出现和发展为地震调查提供了一种经济、快速、安全的评估方式，遥感具有综合、宏观、快速、动态的特点，是震害灾情信息快速获取的重要数据源。在震前应急准备（预案）阶段，遥感图像为风险评估提供参考；在灾后应急阶段，遥感图像用于灾害监测和震害快速评估；在损失评估和重建阶段，遥感图像辅助震害调查、烈度评估等工作。多年以来，国内遥感工作者做出了大量努力，取得的研究成果也很可观。2008年汶川地震之后，遥感工作加快步伐，提高实用性，在2010年玉树地震和2013年芦山地震中都有良好表现。震后24 h内，就利用高分辨率遥感数据对地震损毁程度进行了初步评估，并向民众大致灾情。高分辨率遥感影像进行地震应急与评估时，其影像所具有的高空间分辨率的特点，能够详细准确的表现出震^震害地物目标的分布状况，具有中低分辨率影像难以达到的优势。

随着遥感技术在地震应急领域的应用，我国继资源三号卫星升空之后，展开了一系列卫星的研制与发射。2010年5月12日，高分专项全面启动实施，2013年“高分一号”卫星成功发射，高分一号是我国高分辨对地观测系统的第一颗卫星，卫星配置了2台分辨率为2 m全色/8 m多光谱的高分辨率相机。于2014年8月发射了空间分辨率为1 m的高分二号卫星，空间分辨率较之前的高分一号提升一倍，标志我国遥感卫星进入亚米级“高分时代”。

2015年4月25日14时，尼泊尔发生8.1级地震，地震造成了加德满都地区多处建筑物倒塌。尼泊尔地震之后，高分一号、二号卫星紧急编制应急观测计划，对重点区域进行观测，高分一号卫星获取了樟木县区域的遥感影像，高分二号获取了尼泊尔加德满都地区的遥感影像。在对卫星数据进行校正、融合、镶嵌等简单预处理之后，基于人机交互的方式快速地实现了震害信息的识别与评估。

该文以国产高分二号卫星数据为例，在分析不同震害目标影像特征的基础上，利用监督分类、面向对象信息提取等方法提取了尼泊尔地震加德满都地区震害建筑物分布、次生灾害等信息，及时地提交给地震相关指挥决策部门，为地震应急与震后评估提供信息支撑。

2 建筑物震害遥感分类分级

根据国家质量技术监督局震后技术规范及震后宏观调查标准，建筑物震害等级划分为基本完好、轻微破坏、中等破坏、严重破坏、毁坏5个等级。

受遥感成像方式的制约，遥感影像中的建筑物信息与实地调查存在差异，倒塌房屋在影像中表现最明显的为建筑物的几何特征和色调信息的变化，根据前人经验，综合考虑多种因素，在高分辨率影像震害建筑物目视解译过程中，影像中的震害建筑物等级分为毁坏、破坏和基本完好三个级别。

图1为震害建筑物影像，（a）为基本完好建筑物影像，可以发现建筑物形状规整，排列有序，纹理清晰；（b）为中等破坏建筑物影像，可以发现房屋几何形态局部变形，屋顶破落塌陷，地面可见到少量的瓦片或堆积物；（c）为损毁建筑影像，可发现绝大多数房屋完全倒塌，几何形状完全消失，地面上全是房屋倒塌形成的堆积物，纹理错乱，损毁房屋影像中的色调与完好建筑物色调存在差异。

3 面向对象分类技术

高分二号影像分辨率较高，因此可采用面向对象的方法提取震害地物信息。面向对象的图像分析是在基于像素的图像分析不能很好解译高分辨率遥感图像之后出现的，它的处理单元不是像素，而是图像对象，从而能够实现更高级的图像理解和分析。

面向对象遥感图像分类处理的最小单元是含有更多语义信息的多个相邻像素组成的影像对象，其基本原理是分类时不仅依靠地物的光谱特性，更多的是综合考虑了光谱统计特征及形状特征、大小特征、纹理特征、上下文语义信息等一系列相关特征，通过人机交互构建知识库，自动提取出符合实际目标的地物。其基本思路是将不同的像素按照某种原则和阈值组合成不同的对象，不同的对象也可以按照某种原则和阈值组合成新的对象，然后采用监督分类和非监督分类等方法对不同的对象进行分类。

面向对象影像分析方法分析过程主要包括：遥感影像的选择，影像分割（主要依据光谱特征、纹理特征等进行分割尺度的选择）、构建分割分类规则集、面向对象的分类、分类后精度评定等步骤，其具体流程图见图2。

3.1 影像分割

遥感成像原理与遥感图像特征篇7

遥感图像分类一直是遥感研究领域的重要内容，如何提取感兴趣的专题信息并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。

本文应用最大似然法及ISODATA算法对西安城区长安区典型地物的SPOT5遥感图像进行分类，提取地物覆盖/土地利用的专题信息，重点阐述对研究区域样本的确定和特征选择，并对分类结果进行精度评价。

关键词 ：遥感，图像分类，专题信息提取，最大似然法分类，分类精度

中图分类号：P407文献标识码： A

1引言

在遥感技术的研究中，通过遥感影像判读识别各种目标是遥感技术发展的一个重要环节，无论是专业信息提取，动态变化预测，还是专题地图制作和遥感数据库的建立，都离不开分类[1]。常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。

通常将计算机自动分类分为非监督(Unsupervised)和监督(Supervised)两种。非监督分类按照特征矢量在特征空间中类别集群的特点进行分类，分类结果只是对不同类别达到了区分，而类别属性则是通过事后对各类的光谱响应曲线进行分析，或通过实地调查后确定的，常见的非监督分类法有K-均值、迭代自组织数据分析等。监督分类是在有先验知识的条件下进行的，先选择训练样区，根据已知像元数据求出参数，确定各类判别函数的形式，然后利用判别函数对未知像元进行分类，经典的监督分类法有最大似然、最小距离法、光谱角分类法等。

2研究内容

本文使用西安市2005年SPOT5多光谱遥感图像作为主要数据源，裁剪长安区作为研究区域影像进行处理计算。应用监督及非监督分类法对有研究区域典型地物的遥感图像分类，提取地物覆盖/土地利用的专题信息。主要讨论了最大似然法和ISODATA算法在遥感图像分类中的具体应用，并对分类结果进行了详细的精度评价，重点阐述对研究区域样本的确定和特征选择及其在遥感图像处理软件ERDAS中分类实现的操作流程。

3遥感图像分类实验流程

本文采用SPOT5数据进行分类实验，提取土地覆盖/土地利用专题信息，主要过程是在ERDAS imagine8.7中完成的，具体流程图如下：

图1 遥感图像分类实现流程图

本文旨在研究图像分类，因此下面将对图像分类过程中的样本确定和分类实现流程做具体阐述。

3.1 研究区典型地物类型样本的确定

3.1.1样本确定的原则和方法

根据已掌握的典型地类的地面情况，在图像上选择训练样本。现有研究表明，训练样本选择不正确便无法得到正确的分类结果，训练样本的选择要注意准确性、代表性和统计性三个问题[2]。因此本文确定样本的方法是结合目视解译标志与实地调查，并与现有地图比对，直接在遥感图像上选取样本。

3.1.2研究区地物类型的确定

从已有的城市地物分类研究中参考，研究地物分类的文献中提出了一些建议的分类方案。徐丽华对上海2002年6月地面分辨率为5米的SPOT5遥感图像进行的模糊神经网络分类，认为城市地物类型可以分为：植被、水体、其他城市地表三个大类，其下则可以分为30个亚类[3]。研究认为三个大类（植被、水体、其他城市地表）可以包括全部的城市地物类型。

因此，根据国家土地利用分类的标准和已有的城市地类研究的结果，结合专家得出的遥感图像上地物类别的解译原理，本研究确定其主要的地物类型有4类：植被、水体、建筑、道路。

3.1.3各个地物类型的样本的选取方法

采取室内判读和野外实地调查及参阅地图、高分辨率卫星图片结合的方法建立相对准确的目视解译标志。

1)初步判读。根据SPOT遥感图像波段组合分析，SPOT5数据缺少蓝色波段，因此对于该研究区域，采用B321波段的组合方式，并分别赋予红色、绿色、蓝色，生成假彩色合成图像近似真彩色图像，有利于地物类型的目视识别。

2)地面实地调查采集。驱车沿太白南路至西沣路，沿路采集调查，并携带西安市地图进行地面实地考察调查判读，记录调查结果。

3）利用高分辨率遥感图像作为参考选择样本点 。为了更清晰的识别各类地物，确定样本选择的准确性，选择Google earth 中的高分辨率卫星图像作为参考，选择本研究区域对应的样本点。

综上得到研究区域典型地物类型的目视解译标志，如表1示。

表1 西安市城区典型地物类型的SPOT5遥感影像目视解译标志

3.1.4利用ERDAS遥感图像处理软件选取样本点

计算机自动分类必须有一定熟练的地物样本，实地调查只获得少量的样本量，因此结合实地调查与目视解译方法，借助ERDAS软件在遥感图像上随机选取所需的样本。

3.2ISODATA法分类

初始分类，一般设置为最终分类的两倍以上，本次试验经过分析确定的地物类别为水系、植被、道路、建筑四类，故此处设置为10类，迭代次数为6次。.2打开上步结果图与原图对比，编辑类别颜色和名称；分类重编码和色彩重定义，输出ISODATA分类结果图。

3.3最大似然法分类

3.3.1分类模板的建立与评价

ERDAS imagine 8.7在监督分类过程中，首先选择可以识别或者借助于其它信息可以断定其类型的像元建立模板，然后基于模板使计算机系统自动识别具有相同特征的像元。多次反复后建立一个比较准确的模板，并在此基础上最终进行分类[4]。应用AOI绘图工具获取分类模板信息，利用Raster工具面板多边形工具在原图像上绘制多边形，在signature editor对话框中将其加载到signature editor分类模板中。根据多次试验，每次变换不同的位置和大小来选择训练样本，添加到分类模板中进行评价。在ERDAS中选择分类模块下的supervised分类方法，依据上步所建立的分类模板执行分类，输出最大似然法分类分类结果图。

4分类结果及分类精度评价

由于“同物异谱”或“异物同谱”现象在遥感图像中的普遍存在，以及样本选择过程中的人为误差等因素的影响，每一种分类器的分类结果都会存在不同程度的偶然性，即分类的结果不可能达到与地物的真实分布完全对应。因此对分类的结果进行分析与评价是整个分类过程中的一个重要的、必不可少的环节[5]。本论文中进行分类精度评价的目的包括两方面的内容：一是比较相同特征下不同分类器的分类能力；二是比较相同分类器不同特征的分类能力。本文也采用误差矩阵和Kappa分析来进行[2][6][7]。

4.1误差矩阵

进行精度评估，首先建立精度评估误差矩阵，该误差矩阵采用像元抽样产生，本实验中抽取256个随机点。误差矩阵值如下表所示：

表3 最大似然监督分类误差矩阵 表4 ISODATA非监督分类误差矩阵

4.2 Kappa 系数

Kappa 系数能全面衡量分类误差，克服其它评价指标的缺点，因此，kappa 系数可作为分类精度评估的综合指标。

表5 最大似然监督分类Kappa分析

总体精度 = 92.58% ，Kappa 系数 = 0.8644

表6ISODATA非监督分类Kappa系数分析

总体精度= 83.20% ，Kappa系数= 0.7254

由此可看出ISODATA分类方法处理的结果，水体和道路的分类精度较差，但植被的分类精度较高，生产精度达到90.72%，总体分类精度达到要求。 但采用最大似然监督分类法Kappa系数在0.8以上，达到最低允许判别精度0.7的要求。这些表明采用最大似然法进行影像分类的结果较理想，分类精度也较高。本次试验中，采用监督分类最大似然法的分类精度明显比采用非监督分类的ISODATA法分类精度高。

5结语

由于遥感图像分类的研究涉及到众多的科学研究领域，内容繁多，同时也由于时间和研究水平的限制，使得论文存在一些不完善之处，还有许多问题有待进一步研究：

1）在样本的确定上，由于缺乏足够的参考信息和足够多的实地调查信息，参考的高分辨率影像与所研究区的影像不是一个时间段的，加上目视解译的判断，因而对研究区地物类型判断上出现偏差，进而影响分类样本。

2）分类中使用分类特征只是基于光谱特征，过于单一，有待进一步研究。

3）不同地物波谱相似性，使得结果还是具有一定的误差，尤其是误分现象较为明显，植被中不同类型的划分，尚没有有效的方法。道路和居民地建筑的划分也不明显，出现较多的错分现象。

鉴于以上几个方面不足，今后可以继续进行以下几个方面的研究工作：

1）对于分类特征的选择除了考虑光谱特征外，还可进一步研究其他特征如地物的几何形状、纹理特征，以及非光谱特征等，并对所有特征综合选择。

2）如何研究更好的算法，突出不同地物的光谱特征差异，从而选择有效的阈值进行区分，则是进一步努力的方向。

遥感专题信息提取的精度很大程度上取决于信息源和提取方法的选择，随着遥感技术不断发展，遥感图像分类应用要求不断提高，遥感图像分类方法也在不断发展，各种分类新方法新工具不断引入分类系统中。但是各种方法各有其优缺点和使用条件，因此需要对这些方法不断的深入研究。

参考文献：

[1]吴学军．城市TM遥感影像分类方法研究[D]，广西：广西师范大学．2007．

[2]冉有华，李文君，陈贤章．TM 图像土地利用分类精度验证与评估― 以定西县为例[J]．遥感技术与应用．2003．18(2)：8l- 86．

[3]M ．Lillesand ， Ralph W ．Kiefer ．遥感与图像解译（彭望碌，余先川，译者）[M]，第4 版．北京：电子工业出版社，2003．

[4]张京红，刘安麟，李登科等。ERDAS IMAGINE监督分类模板评价的研究[J]．山西气象，2004(3)：37-39．

[5]吴健平，杨星卫．遥感数据分类结果的精度分析[J]．遥感技术与应用．1995，10(1)：17-24．

[6]Rasim Latifovic, Ian Olthof. Accuracy assessment using sub-pixel error matrices of global land cover products derived from satellite data[J]. Remote sensing of Environment, 2004， 90：l53-165．

遥感成像原理与遥感图像特征篇8

【关键词】多光谱；混合像元；端元

0 引言

遥感影像的像元很少是由单一均质的地表覆盖类型组成，一般都是几种地物的混合。因此影像中像元的光谱特征并不是单一地物的光谱特征，而是几种地物光谱特征的混合反映，这给遥感解译造成困扰。混合像元问题不仅是遥感技术向定量化深入发展的重要障碍，而且也严重影响计算机处理的效果或计算机技术在遥感领域中的应用[1]。

遥感影像端元提取是理解遥感影像空间与特征空间的纽带，它是进行遥感影像混合像元分解的首要步骤，直接影响混合像元分解的精度，是进行定量遥感反演的基础，因而混合像元分解理论在遥感影像的理解与运用上占据重要的地位[2]。现行的端元来源有两种，一是使用光谱仪在地面或实验室测量到的“参考端元”[3]；二是在遥感图像上得到的“图像端元”[4]。但是由于各种因素，诸如不同传感器光谱响应、大气影响、辐射条件等，地面实测光谱很难与影响建立起关系，并且实测有较大的主观性。而从影像本身获取端元简单、方便，且获取的端元具有与影像数据相同的度量尺度[5]，因此从影像本身获取端元是目前获取有效端元的主要途径和研究的热点。

目前，国内外针对端元提取的算法大都集中于高光谱影像，高光谱影像以其图谱合一技术为端元的提取提供了广阔的空间[6]，而对于高空间分辨率低光谱分辨率的多光谱影像端元提取算法很少。如何从多光谱影像仅有的几个波段中有效的提取端元信息，是多光谱遥感影像混合像元分解的关键。现行的端元提取算法集中于凸面体分析，通过求取影像的本征维数来确定端元的数目，端元数目即为本征维数加一[7]。以TM多光谱影像为例，分辨率为30米的多光谱影像有6个波段，即便这6个波段互不相关，其本征维数不会超过6维，最多能够提取7个端元。对于实际应用来说，端元提取的理论在TM等多光谱影像上是难以应用的。为此，本文提出了一种基于分类结果的多光谱遥感影像端元提取方法。该方法结合监督分类、纯净像元指数提取和凸面体理论来提取端元，解决了多光谱遥感影像端元提取数量限制和精度问题，为多光谱遥感影像端元提取提供了新的思路。

1 端元提取方法思路与实现

本文设计的多光谱遥感影像分类和端元提取方法用到了监督分类算法（最大似然法）、像元纯净指数算法和凸面体分析理论。

该方法的基本思想如下：首先通过监督分类将原始数据划分为不同的区块，分块后的影像块间差异较大，有效抑制了背景信息的影响；然后通过对每个区块的光谱特征分析，确定分块端元的数目；最后对图像进行MNF变换，利用纯净像元提取方法提取端元光谱。具体流程图如图1。该方法的实现步骤如下：

（1）对原图像进行监督分类，根据图像所显示区域实际土地覆盖情况将原图像分为若干类别，所有类别依次对原图像进行掩膜处理，将原图像裁剪成若干区块。

（2）对每个区块进行光谱特征分析。根据分块的结果，将影像投影到二维散点图空间，分析光谱特征散点图空间分布特点和复杂程度，确定区块端元数目。

（3）通过凸面体分析技术，采用沙漏流程，首先对影像进行MNF变换，根据光谱特征分析确定的端元数目，设置MNF变换输出的维数。降维之后借助纯净像元指数和n维可视化工具收集端元波谱。

2 实验与分析

2.1 实验数据

实验所用数据为经过预处理的云南省大理市TM多光谱遥感影像数据。TM数据在可见光/近红外/短波红外/热红外0.45～12.5μm的大气窗口上设置了7个波段，而出TM6波段空间分辨率为120m外，其他波段空间分辨率均为30m。本文采用TM1～TM5、TM7这六个波段进行处理，波长范围为0.45～2.35μm，如图2所示（5，4，3波段彩色合成），图像大小为400行×400列。

2.2 实验过程

根据实验数据所示区域实际土地覆盖情况以及数据图像的可分性，将实验区土地覆盖划分为建筑用地、农地、水域、林地和裸地等5类。在影像区域内均匀地选取各类型的样本数据，使用样本数据对影像进行最大似然法监督分类。分类结果如图3所示，其中红色代表建筑用地、黄色代表农地、蓝色代表水域、绿色代表林地、青色代表裸地。

根据分类结果，对实验数据进行裁剪，得到5块类别不一的影像，在此选取农地和林地影像进行研究。分块影像如图4所示（5，4，3波段彩色合成），其中a为农地影像，b为林地影像。

根据分块的结果，将影像投影到二维散点图空间，如图5所示，其中a为农地影像二维散点图，b为林地影像二维散点图。分析光谱特征散点图空间分布特点和复杂程度，确定分块影像的端元数目。农地影像二维散点图呈直线型分布，分布结构比较简单，从该区域影像空间能够提取2个有效端元。林地影像二维散点图明显有3个犄角，说明从该影像空间能够提取3个有效端元。

对分块影像进行MNF变换，MNF变换实现降维与噪声白化作用，目的是寻找影像的本征维数。根据光谱特征分析确定的端元数目，设置MNF变换的波段输出维数。农地和林地影像MNF变换的波段输出维数分别设置为2和3。降维之后进行像元纯净指数计算（PPI），PPI算法的实质是把端元往给定的投影线上投影，查看端元的投影次数，端元一般位于投影次数最多的地方。根据纯净像元落在相应影像中的位置，判断农地影像中的两个端元为水田（主要作物为水稻）和旱地（主要作物为玉米、土豆等），林地影像中的三个端元为阔叶林、针叶林和灌木林。最终提取的端元波谱曲线如图6所示，其中a为农地影像端元提取结果，实线所示为水田光谱曲线，虚线所示为旱地光谱曲线；b为林地影像端元提取结果，实线所示为阔叶林光谱曲线，点虚线为针叶林光谱曲线，长虚线为灌木林光谱曲线。

2.3 实验结果分析

在混合像元分解过程中，端元的选择尤为重要，因为它直接影响混合像元分解的精度。为了检验本文提出的端元提取方法的有效性，在此从遥感影像中手动选取相应地物，绘制平均光谱曲线，与提取到的端元光谱曲线作对比。由于TM影像空间分辨率较低，很难从影像中判别相应的地物，借助森林资源二类调查数据，从相应地物的小班中勾画感兴趣区，绘制成平均光谱曲线。如图7所示，a中实线所示为水田平均光谱曲线，虚线所示为旱地平均光谱曲线；b中实线所示为阔叶林平均光谱曲线，点虚线为针叶林平均光谱曲线，长虚线为灌木林平均光谱曲线。对比图6可以看到，各地类的平均光谱曲线差异性明显小于端元光谱曲线，这是由于混合像元大量存在造成的；而从曲线特征来看，平均光谱曲线与端元光谱曲线的折点位置相似，这表明提取到的端元有效，能够表征相应的地物。

3 结束语

本文针对多光谱遥感影像光谱分辨率较低，波段较少，并且波段间的相关性较大，影像噪声严重的现象，提出了一种基于分类结果的端元提取方法，该方法能够克服凸面体分析理论应用到多光谱影像端元提取的数量限制，提高了端元提取的精度。这种通过光谱先聚再分的思想，充分利用了遥感影像的空间和光谱信息，为多光谱遥感影像的端元提取提供了一种新的思路。

本文提出的端元提取方法基于最大似然法监督分类结果，分类的误差会传递给后续的端元提取过程。本文还可以尝试采用其他的分类方法代替，以降低分类结果的误差，如支持向量机、随机森林、面向对象的分类方法等。但是如何减少分类误差向下传导将会是今后一个重要的研究方向。

【参考文献】

[1]吕长春，王忠武，钱少猛.混合像元分解模型综述[J].遥感信息，2003（3）：55-58.

[2]耿修瑞，高光谱影像目标探测与分类[D].北京：中国科学院研究生院（遥感应用研究所），2005.

[3]Roberts D A， Gardner M， Church R， et al. Remote Sensing of Environment[J].1998，65：267

[4]Rashed T， Weeks J R， Gadalla M S， et al. Geocarto International[J].2001，16（4）：5.

[5]李素，李文正，周建军.遥感影像混合像元分解中的端元选择方法综述[J].地理与地理信息科学，2007，23（5）：35-36

[6]童庆禧，张兵，张兰芬.高光谱遥感[M].北京：高等教育出版社，2006.