遥感复习资料
遥感数字图像处理复习
理论习题
一、名词解释：
1. 遥感数字图像；
遥感数字图像（digital image）是以数字形式表述的遥感图像。不同的地物能够反射或辐射不同波长的电磁波，利用这种特性，遥感系统可以产生不同的遥感数字图像。
2. 像素；
数字图像最基本的单位是像素，像素是A/D 转换中的取样点，是计算机图像处理的最小单元；每个像素具有特定的空间位置和属性特征。
3. 遥感数字图像处理；遥感数字图像处理是通过计算机图像处理系统对遥感图像中的像素进行的系列操作过程。
4. 电磁波谱；将各种电磁波按其波长（或频率）的大小依次排列所构成的图谱。
5. 辐射分辨率；辐射分辨率是传感器区分反射或发射的电磁波辐射强度差异的能力
6. 空间分辨率；是指遥感图像上能够详细区分的最小单元的尺寸或大小，即传感器能把两个目标物作为清晰的实体记录下来的两个目标物之间最小的距离。
7. 直方图；对于数字图像来说，直方图实际就是图像灰度值的概率密度函数的离散化图形。
8. 累积直方图；
以横轴表示灰度级，以纵轴表示每一级灰度级及其以下灰度级所具有的像素数或此像素所占总像素数的比值，做出的直方图即为累积直方图。
9. 窗口；
对于图像中的任一像素（x,y）,以此为中心，按上下左右对称所设定的像素范围，称为窗口。
10. 邻域处理（运算）；
对于中心像素（x,y），其值用？（x,y）表示，可按照相邻性规则通过计算产生。
11. 伪彩色合成；是把单波段灰度图像中的不同灰度级按特定的函数关系变换成彩色，然后进行彩色图像显示
的方法。
12. 真彩色合成；如果彩色合成中选择的波段的波长与红绿蓝的波长相同或近似，那么得到的图像的颜色与真
彩色近似，这种合成方式称为真彩色合成。
13. 密度分割法；是对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变为一幅彩色图像。
14. 辐射误差；传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差。
15. 几何精纠正；又称为几何配准（registration ），是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。
16. 主成分变换；
是基于变量之间的相关关系， 在尽量不丢失信息前提下的一种线性变换的方法， 主要用于数 据压缩和信息增强。在遥感软件中，主成分变换常被称为
K － L 变换。
17. 缨帽变换；
旋转坐标空间， 但旋转后的坐标轴不是指到主成分的方向， 而是指到另外的方向， 这些方向 与地物有密切的关系，特别是与植物生长过程和土壤有关。
18. 植被指数； 根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、 提取植被类别或估算绿 色生物量，
能够提取植被的算法称为植被指数。
19. 空间滤波；
采用空间域中邻域处理的方法， 在被处理像元周围的像元的参与下进行运算处理， 也称为“空 间域增强”。
20. 图像分割；
图像分割是指将图像中具有特殊涵义的不同区域区分开来， 这些区域是互相不交叉的， 每一 个区域都满足特定区域的一致性。
21. 图像分类； 根据不同类地物之间的差异将图像中的所有像素按其性质分为若干个类别的过程。
22. 非监督分类； 非监督分类是指人们事先对分类过程不加入任何的先验知识， 特征，即自然聚类的特性进行的分类。 23. 监督分类 选取具有代表性区域作为训练区， 由训练区得到各个类别的
统计数据， 然后根据这些统计数 据对整个图像进行分类。
二、简答：
1. 传感器分辨率的主要指标有哪些，各有什么意义 传感器分辨率指标主要有四个：辐射分辨率、光谱分辨率、空间分辨
率、时间分辨率。
辐射分辨率是传感器区分反射或发射的电磁波辐射强度差异的能力。 分信号强度中的微小差异。
光谱分辨率是传感器记录的电磁波谱中特定的波长范围和数量。 辨率越高。波段数越多，光谱分辨率越高。
空间分辨率是指遥感图像上能够详细区分的最小单元的尺寸或大小， 目标物作为清晰的实体记录下来的两个目标物之间最小的距离。
细节能力的指标。环境变化的空间尺度不同，需要采用空间分辨率不同的遥感图像。
对同一目标进行重复探测时， 相邻两次探测的时间间隔称为时间分辨率。 不同时间的遥 感图像能提供地物动态变化的信息， 可用来对地物变化进行监测， 也可以为某些专题要素的 精确分类提供附加信息。
2. 什么是图像的采样和量化？量化级别有什么意义 将空间上连续的图像变换成离散点（即像素） 的操作称为采样。采样
时，连续的图像空间被 划分为网格， 并对各个网格内的辐射值进行测量。 通过采样， 才能将连续的图像转换为离散 的图像，供计算机进行数字图像处理。
采样后图像被分割成空间上离散的像素， 但其灰度值没有改变。 量化是将像素灰度值转 换成整数灰度级的过程。 采样影响着图像细节的再现程度， 间隔越大， 细节损失越多， 图像的棋盘化效果越明显。 量化影响着图像细节的可分辨程度， 量化位数越高， 细节的可分辨程度越高； 保持图像大小 不变，降低量化位数减少了灰度级会导致假的轮廓。
3. 遥感数字图像产品有哪些数据级别
根据中国科学院遥感卫星地面站的资料，遥感图像数据级别划分如下：
（1） 0级产品：未经过任何校正的原始图像数据； （2） 1级产品：经过了初步辐射校正的图像数据；
（3） 2级产品：经过了系统级的几何校正，即利用卫星的轨道和姿态等参数、以及地面 系统中的有关参数对原始数据进行几何校正。产品的几何精度由这些参数和处理模型决定；
（4） 3级产品：经过了几何精校正，即利用地面控制点对图像进行了校正，使之具有了
而仅凭遥感图像中地物的光谱
高的辐射分辨率可以区 波长范围越窄， 光谱分
即传感器能把两个
它是表征图像分辨地面目标
更精确的地理坐标信息。产品的几何精度要求在亚像素量级上。
4?什么是遥感图像的元数据，包括哪些主要的参数
元数据是关于图像数据特征的表述，是关于数据的数据。元数据描述了与图像获取有关的参数和获取后所进行的后处理。例如，LANDSAT,SPOT等图像的元数据中包括了图像获取的
日期和时间、投影参数、几何纠正精度、图像分辨率、辐射校正参数等。
5?当前常用的传感器有哪些
当前常用的传感器有：资源卫星的专题制图仪TM、增强型专题制图仪ETM+、高分辨率几
何成像仪HGR、高分辨率立体成像系统HRS、植被传感器VEGETATION、高级空间热辐射热反射探测器、中等高分辨率成像光谱辐射仪MODIS、甚高分辨率辐射仪AVHRR、艾克
诺斯IKONOS2、快鸟QuickBird、海岸带影色扫描仪CZCS、海洋宽视场观测传感器SeaWIFS。
6. 图像直方图有怎样的性质？
直方图反映了图像中的灰度分布规律；任何一幅特定的图像都有唯一的直方图与之对应，但
不同的图像可以有相同的直方图；如果一幅图像仅包括两个不相连的区域，并且每个区域的
直方图已知，则整幅图像的直方图是这两个区域的直方图之和；由于遥感图像数据的随机性，
一般情况下，遥感图像数据与自然界的其它现象一样，服从或接近于正态分布。
7. 窗口和邻域有什么区别？
对于图像中的任一像素（x,y），以此为中心，按上下左右对称所设定的像素范围，称为窗口。
窗口多为矩形，行列数为奇数，并按照行数x列数的方式来命名。例如，3x3窗口，5x5窗
口等。3x3表示由3行和3列像素构成的矩形范围。中心像素周围的行列称为该像素的邻域。邻域按照与中心像素相邻的行列总数来命名。例如，对于3x3窗口而言，如果考虑中心像素
周围的所有像素，那么相邻的总的行列数为8，称为8—邻域。如果认为上下左右的像素是
相邻像素，那么总的行列数为4,则称为4 —邻域。
8?什么是卷积运算？
卷积是空间域上针对特定窗口进行的运算，是图像平滑、锐化中使用的基本的计算方法。
设窗口大小为m x n, （i,j）是中心像素，f（x,y）是图像像素值，g （i,j）是运算结果，是窗口模板（或称为卷积核，kernel）,那么，卷积计算的公式为：
呂? J）二瓦另（/（芯沙咻刃）
对于整个图像，从左上角开始，由左到右、由上到下按照窗口大小顺序进行遍历，即可完成
整个图像的卷积计算。对于图像边缘，由于无法满足窗口对中心像素的要求，其窗口外部的像素值可以用如下任意一种方法来处理：1）设为0值；2）按对称原则从图像中取值；3）
保留原值，不进行计算。
9. 图像增强的意义？
用来改善图像的对比度，突出感兴趣的地物信息，提高图像的目视解释效果。从一般意义上
看，图像增强是使得图像看起来更好的图像处理方法。
10. 为什么要进行彩色合成？有哪些主要的合成方法？
人眼对黑白密度的分辨能力有限，大致只有10 个灰度级，而对彩色图像的分辨能力则要高得多。如果以平均分辨率的计算，人眼可察觉出数百种颜色差别。这还仅仅是色调一个要素，如果加上颜色的其他两个要素：饱和度和亮度，人眼能够辨别彩色差异的级数要远远大于黑白差异的级数。为了充分利用色彩在遥感图像判读中的优势，常常首先对多波段图像进行彩色合成得到彩色图像，然后再进行其他的处理。彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成四种方法。
11. 假彩色合成与伪彩色合成的差异是什么？伪彩色合成是将单波段灰度图像转变为彩色图像的方法，假彩色合成与伪彩色不同之处在于，假彩色合成使用的数据是多个波段。
12. 图像拉伸有哪些方法，优点是什么？
包括灰度拉伸、图像均衡化、直方图规定化。拉伸是最基本的图像处理方法，主要用来改善图像显示的对比度。如果对比度比较低，那么就无法清楚的表现出图像中地物之间的差异，因此，往往需要在显示的时候进行拉伸处理。拉伸按照波段进行，它通过处理波段中单个像素值来实现增强的效果。
13. 辐射校正的目的是什么？
辐射校正的目的是：尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声引起的传感器的测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差异，尽可能恢复图像的本来面目，为遥感图像的分割、分类、解译等后续工作打下基础。
14. 遥感图像几何精纠正的目的和原理是什么？
几何精纠正又称为几何配准( registration )，是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。遥感图像的几何精纠正解决遥感图像与地图投影的匹配问题，其重要性主要体现在以下三个方面：第一，只有在进行
纠正后，才能对图像信息进行各种分析，制作满足量测和定位要求的各类遥感专题图；第二，在同一地域，应用不同传感器、不同光谱范围以及不同成像时间的各种图像数据进行计算机自动分类、地物特征的变化监测或其它应用处理时，必须进行图像间的空间配准，保证不同图像间的几何一致性；第三，利用遥感图像进行地形图测图或更新要求遥感图像具有较高的地理坐标精度。
几何精纠正的基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。
因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。
15. 什么是图像的重采样？常用的重采样方法有哪些？各有什么特点？待纠正的数字图像本身属于规则的离散采样，非采样点上的灰度值需要通过采样点(已知像
素)内插来获取，即重采样。
常用的重采样方法有最近邻方法、双线性内插方法和三次卷积内插方法。最近邻重采样算法简单，最大的优点是保持像素值不变。但是，纠正后的图像可能具有不连续性，会影响制图效果。当相邻像素的灰度值差异较大时，可能会产生较大的误差。
双线性内插方法简单且具有一定的精度，一般能得到满意的插值效果。缺点是方法具有低通滤波的性质，会损失图像中的一些边缘或线性信息，导致图像模糊。
三次卷积内插方法产生的图像比较平滑，缺点是计算量很大。
16. 傅立叶变换的基本工作流程是什么？
(1)正向FFT:指定图像的一个波段，按照计算公式进行FFT,产生频率域图像。
( 2)定义滤波器: 以频率域图像为参照，定义滤波器。常用的滤波器有低通、高通、带通、带阻、用户定义几种。波段不同，频率域图像不同，需要定义不同的滤波器。
(3)逆向FFT :将定义的滤波器应用到频率域图像，得到空间域的图像，进行显示。
17. 主成分变换算法的性质有哪些？工作流程是什么？怎么确定主成分的个数，怎么解释主成分？
主成分变换的基本性质有:
( 1)总方差的不变性。变换前后总方差保持不变，变换只是把原有的方差在新的主成分上重新进行分配。
( 2)正交性。变换后得到的主成分之间不相关。
(3)从主成分向量中删除后面的(n-p)个成分只保留前p (p<= n)个成分时所产生的误差满足平方误差最小的准则。换句话说，前面的p个主成分包含了总方差的大部分。
主成分变换的流程为:主成分正变换－主成分逆变换。
( 1)一般意义上的主成分变换指正变换。该过程通过对图像进行统计分析，在波段协方差矩阵或相关矩阵的基础上计算特征值，构造主成分。根据主成分－特征值的关系，可以选择少数的主成分作为输出结果。
( 2)如果在正变换中选择的主成分数目与波段/变量数目相同，那么逆变换的结果将完
全等同于原始的图像。如果选择的主成分数目少于波段数，逆变换的结果相当于压抑了图像中的噪音，但此时逆变换结果图像的各个“波段” 与原始图像的波段不再具有对应性，不再具有原始图像波段的物理意义。
18. 缨帽变换有什么优缺点？缨帽变换旋转坐标空间，但旋转后的坐标轴不是指到主成分的方向，而是指到另外的方向，这些方向与地物有密切的关系，特别是与植物生长过程和土壤有关。缨帽变换既可以实现信息压缩，又可以帮助解译分析农作物特征，因此有很大的实际应用意义。K-T 变换只能用于
MSS数据和LANDSAT4、5的TM图像、LANDSAT7的ETM图像，这是该方法的一个限制。
20. 代数运算的目的是什么？
对于多波段遥感图像和经过空间配准的两幅或多幅单波段遥感图像，可以通过代数运算来突
出特定的地物信息，从而达到某种增强的目的。代数运算是根据地物本身在不同波段的灰度差异，通过不同波段之间简单的代数运算产生新的“波段”，来达到突出感兴趣的地物信息、压抑不感兴趣的地物信息的图像增强方法。进行代数运算后，数值范围可能超过了显示设备的范围，因此，在显示的时候往往还需要进行灰度拉伸。
21. 加法运算、差值运算、乘法运算、比值运算在遥感图像处理中各有什么作用？
(1)加法运算:加法运算主要用于对同一区域的不同时段图像求平均，这样可以减少图像的加性随机噪声，或者获取特定时段的平均统计特征。进行加法运算的图像的成像日期不应相差太大。
(2)差值运算:差值图像提供了不同波段或不同时相图像间的差异信息，在动态监测、运动目标检测与跟踪、图像背景消除、不同图像处理效果的比较及目标识别等工作中应用较多。
(3)乘法运算:乘法运算可用来遮掉图像的某些部分。
(4)比值运算:比值运算是两个不同波段图像对应像素的灰度值相除(除数不能为0)，是遥感图像处理中常用的方法。比值运算可以降低传感器灵敏度随空间变化造成的影响，增强图像中特定的区域；降低地形导致的阴影影响，突出季节的差异。
22. 什么是植被指数？有哪些基本的表达方式？
根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或估算绿
色生物量，能够提取植被的算法称为植被指数( VI , Vegetation Index )。植被指数是代数运
算增强的典型应用。
常用的植被指数有以下几种：
j?rr= —
（1）比值植被指数（RVI）：盪
（2）归一化植被指数（NDVI）: /十云
（3）差值植被指数（DVI）: DVI = IR-R
（4）正交植被指数（PVI）：匸二=「二二二「—m或'.<■- ...... 丄
23?什么是中值滤波？并说明它的主要作用是什么。
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某领域窗口内所有
像素点灰度值的中值，中值滤波能够很好的处理脉冲状噪声，其优点主要在于去除图像噪声
的同时，还能保护图像的边缘信息。
24. 罗伯特梯度与Sobel梯度有什么区别？
（1）罗伯特（Roberts）梯度采用交叉差分的方法。
Roberts梯度相当于在图像上开一个2X 2的窗口,
计算后取绝对值。将计算值作为中心像素（x,
尹
W2
尸
这种算法的意义在于用交叉的方法检测出像素与其在上下之间或左右之间或斜方向之间的差异。采用Roberts梯度对图像中的每一个像素计算其梯度值，最终产生一个梯度图像，达到突出边缘的目的。
（2）Sobel梯度是在Prewitt算法的基础上，对4-邻域采用加权方法进行差分，因而对边缘的检测更加精确，常用的模板如下：
在上面的Prewitt和Sobel模板中，h1主要对水平方向的地物进行锐化，h2则主要对垂直方
向的地物进行锐化。在应用中要注意的是，模板对于含有大量噪声的图像是不适用的。
与Roberts梯度相比，Sobel算法较多地考虑了邻域点的关系，扩大了模板，从2X 2扩大到
3X 3来进行差分。
25. 定向检测的模板有哪些？
（1）检测垂直线
用模板表示为:
用模板hl计算后取绝对值再加上模板h2
y）的梯度值，如下所示。
h尸
26?阈值分割方法的基本思想是什么?
当使用阈值进行图像分割时，所有灰度大于或等于某阈值的像素都被判属于目标。 所有灰度 小于该阈值的像素都被排除在目标之内。 于是，边界就成为一些内部点的集合， 这些点至少 有一个邻点不属于该目标。从而使目标与背景之间存在强对比。
27. 区域生长方法的基本思想是什么？
区域生成的基本思想是将具有相似性质的像素集合起来构成区域。 首先对每个需要分割的目
标区域找一个种子像素作为生长的起点，
然后将种子像素周围邻域中与种子像素性质相同或
相似的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域中。 再将这些像素当作新的种子像素继续进行上述过程， 直到再没有能满足条件的像素可被包括
进来，这样一个区域就长成了。
28. 简述非监督分类的流程。
1. 分类；运用算法区分其存在的差异，算法常用
K-均值方法和迭代法
2. 确定分类类别；直接根据遥感图像来进行地物判断其属性
3. 分类结果评价；对分类的精度和可靠性进行评价
4. 分类后处理；如更改类别颜色，小斑点处理等。 29. 简述监督分类的流程。
1. 确定分类模块；根据已知的样本类型和类别的先验知识确定判别准。
2. 分类模块评价；选取的训练区的典型性和代表性。
3. 分类；以训练区为判别准则，
计算判别函数，然后将未知类别的样本值代入判别函数，依
据判别准则对该样本所属的类别进行判定。
4. 分类结果评价；对分类的精度和可靠性进行评价
5. 分类后处理；如更改类别颜色，小斑点处理等。
30. 选择训练区应该注意哪些问题？ 选择训练区时应注意以下问题：
(1)训练区必须具有典型性和代表性，
即所含类型应与研究地域所要区分的类别一致。 训练区的样本应在面
积较大的地物中心部分选择，而不应在地物混交地区和类别的边缘选 取，以保证特征具有典型性，从而能进行准确的分类。
(2)检测水平线
(3)检测对角线
3 Z3
Z Z 3
3
3
□ Z z
-] -]
7
-1 2 -1
2 -t -1
2 -] -] ■1
2 -1 ■]
-]
2
红外遥感
单片机系统课程设计报告书 题目：基于单片机的红外遥控器控制继电器的设计 院系名称：信息工程学院 专业名称：电子信息工程 班级： 学号： 姓名： 指导教师
目录 1 选题意义............................................................................................... 错误！未定义书签。 2 系统总体设计....................................................................................... 错误！未定义书签。 2.1总体设计思路............................................................................ 错误！未定义书签。 2.2 设计原理框图........................................................................... 错误！未定义书签。 3 硬件电路设计原理............................................................................... 错误！未定义书签。 3.1 单片机最小系统设计............................................................... 错误！未定义书签。 3.2 设计电路图............................................................................... 错误！未定义书签。 4 软件设计............................................................................................... 错误！未定义书签。 4.1 设计思路................................................................................... 错误！未定义书签。 4.2 程序代码................................................................................... 错误！未定义书签。 5 仿真调试结果....................................................................................... 错误！未定义书签。 5.1系统设计与仿真........................................................................ 错误！未定义书签。 6 收获体会............................................................................................... 错误！未定义书签。参考文献................................................................................................... 错误！未定义书签。
遥感影像分类精度评价教学内容
遥感影像分类精度评 价
遥感影像分类精度评价 在ENVI中，选择主菜单->Classification->Post Classification->Confusion Matrix->Using Ground Truth ROIs。将分类结果和ROI输入，软件会根据区域自动匹配，如不正确可以手动更改。点击ok后选择报表的表示方法（像素和百分比），就可以得到精度报表。 对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。 对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和拥护精度。 1、混淆矩阵（Confusion Matrix）: 主要用于比较分类结果和地表真实信息，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个地表真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。混淆矩阵的每一列代表了一个地表真实分类，每一列中的数值等于地表真实像元在分类图象中对应于相应类别的数量，有像元数和百分比表示两种。
2、总体分类精度（Overall Accuracy）: 等于被正确分类的像元总和除以总像元数，地表真实图像或地表真实感兴趣区限定了像元的真实分类。被正确分类的像元沿着混淆矩阵的对角线分布，它显示出被分类到正确地表真实分类中的像元数。像元总数等于所有地表真实分类中的像元总和。 3、Kappa系数：是另外一种计算分类精度的方法。它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。 4、错分误差：指被分为用户感兴趣的类，而实际上属于另一类的像元，错分误差显示在混淆矩阵的行里面。 5、漏分误差：指本属于地表真实分类，但没有被分类器分到相应类别中的像元数。漏分误差显示在混淆矩阵的列里。 6、制图精度：指假定地表真实为A类，分类器能将一幅图像的像元归为A 的概率
浅析多源遥感数据融合原理及应用
浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比
目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)
遥感技术的应用以及发展趋势
遥感技术的应用以及发展趋势
一前言 二遥感信息技术基础 三遥感信息技术的应用 3.1遥感信息技术在环境监测方面的应用 3.1.1利用红外扫描仪监视石油污染 3.1.2利用遥感技术监测水体富营养化 3.1.3通过遥感技术调查废水污染和泥沙污染 3.1.4应用红外扫描仪监测水体热污染 3.1.5通过遥感技术分析水域的分
布变化和水体沼泽化 3.2.遥感技术在大气环境监测方面的应用 3.2.1臭氧层 3.2.2大气气溶胶 3.2.3有害气体 3.2.4气候变化 3.3遥感技术在城市环境监测与管理中的应用 3.4应用遥感技术监控生态环境 3.5 利用遥感技术监测自然灾害 四遥感信息技术的发展趋势 4.1遥感影像获取技术越来越先进 4.2遥感信息处理方法和模型越来越科学 4.3 3S一体化 4.4建立高速、高精度和大容量的
遥感数据处理系统 4.5建立国家环境资源信息系统 4.6建立国家环境遥感应用系统 五总结 六参考文 一前言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内得到广泛的应用。自20世纪80年代以来，随着遥感技术的发展，遥感技术在理论上、技术上和实际应用上发生了重大的变化。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理信息技术也更加成熟；在应用方面，结合了地理信息系统（GIS)和全球定位系统（GPS)，向着更系统化，更定量化的方向发展，是遥感技术的应用更加广
泛和深入。 二遥感信息技术基础 遥感技术是指从飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远的感知的意思。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 三遥感技术在环境科学中的应用 3.1.遥感技术在水污染监测方面的应用 3.1.1利用红外扫描仪监视石油污染
遥感影像分类envi
遥感课程教学实验之二： 遥感影像分类 实验二遥感影像的分类遥感影像的监督分类 ?实验目的
理解计算机图像分类的基本原理以及监督分类的过程，学会利用遥感图像处理软ENVI 件对遥感图像进行分类的方法。 ?实验内容 1、遥感图像分类原理。 2、遥感图像监督分类。 3、最大似然法分类 ?实验条件 电脑、ENVI4.5软件。厦门市TM遥感影像。 ?实验步骤 1、启动ENVI软件，从文件菜单打开多波段影像文件，从可用波段列表中装载彩色或假色 影像，显示遥感影像。 2、从主图像窗口的工具Tools →Region of Interest →ROI Tools; 3、在自动打开的ROI Tools窗口中，设定ROI_Type 为“Polygon”（多边形），选定样本采 集的窗口类型，用Zoom（缩放窗口）进行采集。。
4、在选定的窗口如Zoom用鼠标左键画出样本区域，在结束处击鼠标右键二次，样本区域 被红色充填，同时ROI Tools窗口中显示采集样本的信息。采集新的样本点击“New Region”，重新上述步骤进行多个地物样本采集。。 5、从ENVI主菜单中，选 Classification > Supervised > Maximum Likelihood；或在端元 像元采集对话框 Endmember Collection中选择 Algorithm >MaximumLikelihood 进行最大似然法分类。
6、在出现Classification Input File 对话框中，选择输入影像文件，出现 Maximum Likelihood Parameters 对话框。 7、输入常规的分类参数。 设定一个基于似然度的阈值（Set Prpbability Threshold）：如不使用阈值，点击“None” 按钮。要对所有的类别使用同一个阈值，点击“Single Value”按钮，在“Probability Threshold”文本框中，输入一个0 到1 之间的值。似然度小于该值的像元不被分入该类。 要为每一类别设置不同的阈值： ●在类别列表中，点击想要设置不同阈值的类别。 ●点击“Multiple Values”来选择它。 ●点击“Assign Multiple Values”按钮。 ●在出现的对话框中，点击一个类别选中它，然后在对话框底部的文本框中输入阈值。为每 个类别重复该步骤。 最后给定输出结果的保存方式：文件或内存，当影像较大时建设保存到文件中，以免因内存不够而出错运算错误。 点击“OK”计算机开始自动分类运算。 8、在可用波段列表中显示分类图像。 ?实验总结
遥感技术所使用的电磁波段主要为紫外、可见光、红外和微波等波段
遥感技术所使用的电磁波段主要为紫外、可见光、红外和微波等波段。紫外波段(Ultraviolet)的波长为0.01-0.4μm，位于可见光波段紫端以外。由于波长小于0.3μm的电磁波被大气中的臭氧所吸收，可以通过大气传输的只有0.3-0.4μm的紫外信息。紫外摄影能监测气体污染和海面油膜污染。但由于该波段受大气中的散射影响十分严重，在实际应用很少采用。可见光波段(Visible Light) 的波长为0.4-0.7μm，是电磁波谱中人眼唯一能见到的波段，可见光可进一步分为红、橙、黄、绿、青、兰、紫等七种颜色的光，可见光波段是进行自然资源与环境调查的主要波段，地面反射的可见光信息可采用胶片和光电探测器收集和记录。红外波段（Infrared）的波长为0.7-100μm，位于可见光波段红端以外。按波长可细分为近红外（0.7-1.3μm）、中红外（1.3-3μm）、热红外（3-15μm）和远红外（15-100μm）。近红外光和中红外光来自地球反射的太阳辐射，所以该波段也被称为“反射红外”。其中波长为0.7-0.9μm的近红外辐射信息可以用摄影（胶片）方式获取，故该波段也被称为“摄影红外”，摄影红外传感器对探测植被和水体有特殊效果。热红外传感器可以探测物体的热辐射，地面的热红外辐射信息不能采用摄影方式探测；需要采用光学机械通过扫描方式获取。在热红外中目前主要应用3-5μm 和8-14μm两个谱段。热红外可以夜间成像，除用于军事侦察外，还可以用于调查海表面温度、浅层地下水、城市热岛、水污染、森林探火和区分岩石类型等，有广泛的应用价值。而波长大于15μm的远红外辐射，绝大部分被大气层吸收。微波（Microwave ）的波长为0.1-100cm，微波又可细分为毫米波、厘米波和分米波等。微波的特点是能穿透云雾、云盖和沙漠成像，具有全天候工作特点。遥感技术对于测绘制图、自然资源凋查和海洋环境监测有很好的应用效果。
红外遥感技术及其应用
热红外遥感技术及其应用 红外遥感是指传感器工作波段限于红外波段范围之内的遥感。探测波段一般在0.76——1000微米之间，是应用红外遥感器探测远距离外的植被等地物所反射或辐射红外特性差异的信息，以确定地面物体性质、状态和变化规律的遥感技术。因为红外遥感在电磁波谱红外谱段进行，主要感受地面物体反射或自身辐射的红外线，有时可不受黑夜限制。又由于红外线波长较长，大气中穿透力强，红外摄影时不受烟雾影响，透过很厚的大气层仍能拍摄到地面清晰的像片。用于红外遥感的传感器有黑白红外摄影、彩色红外摄影、红外扫描仪和红外辐射计。 红外遥感技术（thermal infrared remote sensing）利用电磁波谱中8～14μm热红外波段本身和在大气中传输的物理特性的遥感技术统称。所有的物质，只要其温度超过绝对零度，就会不断发射红外能量。常温的地表物体发射的红外能量主要在大于3μm的中远红外区，是热辐射。它不仅与物质的表面状态有关，而且是物质内部组成和温度的函数。在大气传输过程中，它能通过3-5μm和 8-14μm两个窗口。热红外遥感就是利用星载或机载传感器收集、记录地物的这种热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。 红外遥感探测的应用 随着科学技术的进步，光谱信息成像化，雷达成像多极化，光学探测多向化，地学分析智能化，环境研究动态化以及资源研究定量化，大大提高了遥感技术的实时性和运行性，使其向多尺度、多频率、全天候、高精度和高效快速的目标发展，例如在水质监测、裸土湿度、遥感考古、赤潮遥感监等等，这些技术的发展极大地促进了生产生活的进步，。下面将简略介绍这几项技术。 1 遥感技术在水质监测中的应用 1.1 水体遥感监测原理利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图像中体
遥感影像的分类处理
摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程
多源遥感影像配准流程
多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，特别是不同类型传感器在同一地区，不同时间，不同高度获取的影像间的配准。即运用一幅纠正过的带有地理信息的影像（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。因为主影像是正射影像，因而这些同名点是具有大地坐标的同名点。同时这些同名点可以作为参考数据（保存在配准后生成的<从影像名>.ctp 文件中）用于对其他影像进行纠正。 在ArcMap中配准影像栅格数据可以通过扫描地图、航片及卫片来获取。扫描的地图通常不包含表明影像对应于地表何处的信息。从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数据对齐显示。与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。 配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。 配准栅格数据使它能与其它地理数据一起被查看、查询和分析。 配准流程： 1、启动ARCGIS9，用键或者在图层处点右键添加数据，将所要的图象数据 添加近来。如图所示： 2、从“视图”→“工具条”→“影象配准”将影像配准的工具条调出来，如图， ， 调出工具条如下， 选择图的四个角的格网点进行配准处理，首先是左上角，如图：
使用“添加控制点”按钮添加第一个控制点，如图： 将左下角格网点放大以准确定位，如图。 点右键，输入XY坐标，根据地图格网坐标输入， 完成一个点，再按相同方法对其他三个角点配准。 4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。
点击地理参考下的矫正，双线性内插，保存矫正图象。 5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性 打开后如下： 将地图单位改为米，将坐标系统设为西安1980，
遥感技术应用
遥感技术的应用 一、基本概念： 定义：遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线，对目标进行探测和识别的技术。例如航空摄影就是一种遥感技术。人造地球卫星发射成功，大大推动了遥感技术的发展。现代遥感技术主要包括信息的获取、传输、存储和处理等环节。完成上述功能的全套系统称为遥感系统，其核心组成部分是获取信息的遥感器。遥感器的种类很多，主要有照相机、电视摄像机、多光谱扫描仪、成像光谱仪、微波辐射计、合成孔径雷达等。传输设备用于将遥感信息从远距离平台(如卫星)传回地面站。信息处理设备包括彩色合成仪、图像判读仪和数字图像处理机等。 基本原理:任何物体都具有光谱特性，具体地说，它们都具有不同的吸收、反射、辐射光谱的性能。在同一光谱区各种物体反映的情况不同，同一物体对不同光谱的反映也有明显差别。即使是同一物体，在不同的时间和地点，由于太阳光照射角度不同，它们反射和吸收的光谱也各不相同。遥感技术就是根据这些原理，对物体作出判断。遥感技术通常是使用绿光、红光和红外光三种光谱波段进行探测。绿光段一般用来探测地下水、岩石和土壤的特性；红光段探测植物生长、变化及水污染等；红外段探测土地、矿产及资源。此外，还有微波段，用来探测气象云层及海底鱼群的游弋。 二、遥感技术的应用： 1.在环境监测中的应用； （1）在海洋环境中的应用：海洋的陆地环境和大气的物理化学和生物学影响，是不可
忽视的，从全球范围来讲，海洋起到一个很好的缓冲作用，能够对大自然的自然温度变化，起到很好的缓和作用，进而缓解极端气候变化。从区域尺度方面来说，沿海区域海洋是洪水泛滥的潜在因素，对当地气候有着非常重要的影响，应当不断加强通过卫星遥感技术，来对航海环境风险进行检测。伴随着海洋卫星的问世，海洋监测进入新阶段。目前，太空对海洋的主要观测，主要针对的是表面温度、粗糙度、坡度以及海水颜色，通过对海洋表面温度的遥感监测数据，能够对全球海洋的变化进行观测，通过对海洋表面温度及高度的绘制工作，能够实现对海洋近况及海面风力程度的了解，将大气尺度和海洋尺度之间的关系予以建立。能够提供天气数据，有利于对海洋从数小时到连续数周重复探测功能的实现，能够对大面积时间同步观测，探测范围较广，对于普通探测较难达到的区域数据，通过遥感就能实现。但是海洋特殊性比较突出，加上遥感探测技术的局限性，遥感观测数据会存在一定误差，遥感数据的取得，应当以具体测量技术数据的校准和修正工作为基础。 （2）在大气环境中的应用：气溶胶属于比较稳定的悬浮体系，主要是有液体或固体微粒，平均分散在气体中而形成的。关于气溶胶粒子的来源方面，是一个比较复杂问题，其来源比较广泛并且纷繁复杂，可以是通过地球表面岩石和土壤风化作用，也可以通过风浪作用，使海水泡沫进行飞溅，进而在海洋表面形成海盐粒子、孢子、植物花粉，关于液态或固体粒子的产生方面，主要是通过人类燃烧活动和自然火灾，或者是通过工厂排放的气体或发生的化学反应而产生等等。20世纪七十年代中期，在国际上，开始通过卫星遥感资料，来研究反演大气气溶胶。通过激光雷达遥感技术的应用，为更高时间和空间分辨率，对地球大气参数变化和特性的研究工作，提供了更大的可能性，伴随着研究工作的深入开展，不同类型的地面基础雷达系统，能够实现对地球大气层的持续探入，将激光雷达和其他遥感技术结合起来，能够对臭氧和颗粒物质的特性进行测量，这些特性包括许多方面，比如日变化、光学深度、空间分布、空间分层等等。在对区域和全球尺度上地球大气层中气溶胶垂直可变性观测
遥感影像分类实验报告
面向对象分类实验报告 姓名： 学号： 指导老师： 地球科学与环境工程学院
一、实验目的 面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。 二、实验意义 1、使用eCognition进行面向对象的影像分类的流程； 2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言； 三、实验内容 3.1、影像的预处理 利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，达到既满足高空间分辨率，又保留光谱信息。Image interperter-> spatial enhancement-> resolution merge.输入融合前的两幅影像，完成影像的预处理过程。 图 1 图像融合步骤
图 2 融合后的图像 3.2、使用eCongition 创建工程 a、使用规则集模式创建工程 图 3 模式选择 b、file->new projection ，打开Create Project和Import Image Layers两个
对话框，将上面的实验数据导入。（注意，数据以及工程文件保存路径不要有中文） 图 4 导入数据 c、选择数据修改波段名称,并设置Nodata选项。
遥感技术的应用以及发展趋势
一前言 二遥感信息技术基础 三遥感信息技术的应用 3.1遥感信息技术在环境监测方面的应用 3.1.1利用红外扫描仪监视石油污染 3.1.2利用遥感技术监测水体富营养化 3.1.3通过遥感技术调查废水污染和泥沙污染 3.1.4应用红外扫描仪监测水体热污染 3.1.5通过遥感技术分析水域的分布变化和水体沼泽化 3.2.遥感技术在大气环境监测方面的应用 3.2.1臭氧层 3.2.2大气气溶胶 3.2.3有害气体 3.2.4气候变化 3.3遥感技术在城市环境监测与管理中的应用 3.4应用遥感技术监控生态环境 3.5 利用遥感技术监测自然灾害 四遥感信息技术的发展趋势 4.1遥感影像获取技术越来越先进 4.2遥感信息处理方法和模型越来越科学 4.3 3S一体化 4.4建立高速、高精度和大容量的遥感数据处理系统 4.5建立国家环境资源信息系统 4.6建立国家环境遥感应用系统 五总结 六参考文
一前言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界围得到广泛的应用。自20世纪80年代以来，随着遥感技术的发展，遥感技术在理论上、技术上和实际应用上发生了重大的变化。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理信息技术也更加成熟；在应用方面，结合了地理信息系统（GIS)和全球定位系统（GPS)，向着更系统化，更定量化的方向发展，是遥感技术的应用更加广泛和深入。 二遥感信息技术基础 遥感技术是指从飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远的感知的意思。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 三遥感技术在环境科学中的应用 3.1.遥感技术在水污染监测方面的应用 3.1.1利用红外扫描仪监视石油污染 全球每年排入海洋的石油及其制品高达1000万吨，利用多光谱航片可对海面石油污染进行半定量分析，将彩色航片同步拍照与近红外片做的彩色密度分割图相比较，更精密地判断和解译信息，参照图片画出不同油膜厚度的大致分级图。通过彩色密度分割图像，特别是数字密度分割图，可以更准确地判断油量的分布情况。通过彩色密度分割可把相差零点零几厚度的海面油膜区分出层次来，这有利于用航空遥感对海面油的扩散分布和半定量研究。浓度大的地方是黄色，往外扩散的油膜变薄，呈黄紫混在一起的颜色，再往外扩散的油膜就更薄些呈紫色。通过对污染发生后各天的气象卫星图像的对比分析，确定油膜的漂移方向，计算出其扩散速度和扩散面积。 3.1.2利用遥感技术监测水体富营养化 浮游植物中的叶绿素对蓝紫光和红橙光有较强的吸收作用，当水体出现富营养化时，我们就可以利用遥感技术推算出水体中的叶绿素分布情况。赤潮区的海水光谱特征是藻类、泥沙和海水的复合光谱，另外有机或无机颗粒物也会吸收入射光，影响水体的透明度。 3.1.3通过遥感技术调查废水污染和泥沙污染 废水的颜色与悬浮物性状千差万别，特征曲线上的反射峰位置和强度也不大一样，可以用多光谱合成图像进行监测。水中悬浮泥沙的浓度和粒径增大，水体反射量也会相应增加，反射峰随之红移，定量判读悬浮泥沙浓度的最佳波段是0.65～0.85微米。 3.1.4应用红外扫描仪监测水体热污染 应用红外扫描仪记录水体的热辐射能量，真实反映其温度差异。在热红外图像上，热水温度高，辐射能量多，呈浅色调。冷水和冰辐射能量少，呈深色调。热排水口处通常呈白色羽流，利用光学技术和计算机对热图像作密度分割，根据少量的同步实测水温，画出水体等温线。
遥感影像分类方法实验报告
实验报告
目录 1 实验目的 (4) 2 实验数据 (4) 3 实验内容 (4) 4 实验步骤 (5) 4.1 对人口矢量数据（shapefile）进行投影转换 (5) 4.1.1 Census.shp文件投影坐标的检查 (5) 4.1.2 将投影坐标转换为WGS_1984_UTM_Zone_16N (6) 4.2 对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准） (6) 4.2.1 Census.shp在ENVI软件的加载 (6) 4.2.2 对遥感影像进行几何精校正（以矢量数据为基准） (7) 4.2.3 用矢量图层对遥感影像进行裁剪 (10) 4.3 将Pan波段和多光谱波段进行融合，并对融合效果进行定性和定量评价 (11) 4.3.1 两种融合方法的原理 (11) 4.3.2 进行 Gram-Schmidt Spectral Sharpening融合 (11) 4.3.4 融合效果进行定性评价 (14) 4.3.5 融合效果进行定量评价(软件提供的计算方法) (15) 4.3.6 融合效果进行定量评价(Matlab编程计算) (16) 4.3.7 遥感影像融合定量分析代码 (20) 4.4 生成住房密度栅格影像 (23) 4.4.1 两表的连接 (23) 4.4.2 计算房屋密度 (24) 4.4.3 直接栅格化 (25) 4.4.4 IDW插值 (25) 4.4.5 对房屋密度图进行重分类 (26) 4.5 将住房密度栅格影像作为额外的通道与ETM+多光谱波段进行叠加 (26) 4.6 监督分类（融合方法为HSV，波段为5，4，3） (27) 4.6.1 打开Google Earth影像作为监督分类的参照 (27) 4.6.2 建立兴趣区 (29) 4.6.3 训练样区的选择 (30) 4.6.4 训练样区的评价 (31) 4.6.5 执行监督分类 (33) 4.6.6 分类后处理 (35) 4.6.7 评价结果分析 (37) 4.6.8 分类结果面积统计 (38) 4.6.9 分类结果 (41) 4.7 分类结果评价与分析 (41) 4.7.1 未加入房屋密度图层的分类结果评价与分析 (41) 4.7.2 加入IDW插值房屋密度图层的分类结果评价与分析 (42) 4.7.3 加入直接栅格化房屋密度图层的分类结果评价与分析 (43) 4.7.4 加入重分类后IDW插值房屋密度图层的分类结果评价与分析 (44) 4.7.5 从总精度与Kappa系数对分类结果进行评价 (45)
遥感影像监督分类
遥感影像监督分类 一、实验目的 通过使用envi5.0学会对遥感图像的监督分类。 二、实验设备 Envi5.0软件，计算机 三、实验内容 遥感影像监督分类，对每一类物体添加选取，进行分类。 四、实验步骤 1、打开软件，打开文件，出现图像 单击图像右键→toggle→Display scroll Bars。 2、点击菜单栏basic tools →region of interest →ROI TOOL
出现对话框↓单击zoom 单击new region新建六个分类，并且修改名称，分别是沙地、林地、草地、裸地、耕地、其他。 对每一个分类进行选取，画区域右键选择，每一个选择十个左右。最后看一下分类结果，单击options→compute roi separability↓ select all items→ok 出现分类结果。
大图如下↓ 3、输出文件 菜单栏点击classification→supervised→maximum likelihood 出现下面对话框→点击none→choose→选择输出路径和文件名。
新建一个图，打开保存的新图。 4、单击rol tool 菜单栏里面的file→export rois to n-D visualizer→select all items →ok→1.2.3.4.5.6.→start完成。
5、单击rol tool 菜单栏里面的file→restore ROIs→打开验证文件→单击菜单栏里面classification→post classification→confusion matris→using ground truth ROIs →自己的图→ok
红外遥感技术在军事方面的运用
红外遥感技术在军事方面的运用 摘要： 目前国际军事形势总体上趋于缓和，但天下并不太平，展望21世纪，国际关系错综复杂，世界各种力量不断分化组合。交流与合作，斗争与竞赛交织在一起，将是21世纪国际安全环境和军事形势的基本形态。而随着高科技技术在军事领域的广泛应用，现代战争已进入了高技术阶段，由于战争中高级技术武器装备的大量使用和新的作战理论的先导作用，引起了战争形态的重大变革。从而导致了战争规模，样式和进程的变化。战争已由简单的身体对抗化为智慧的较量。正文： 遥感技术是指安装与平台上的传感器，以电磁波为信息传播媒介，从遥远的地方感知地球表面和一定空间范围内的对象，从而识别地面物体的全过程，他是与航空遥感，在20世纪60年代发展起来的移民新型的综合性的边缘学科，从70年代以来，随着新的航天遥感平台的不断升空，新型传感器的研制，航天遥感技术的发展。应用领域从军事应用发展到一地球环境和资源的监测和研究为目标的尖端技术。在现代化战争中，军事侦察，监视与制导已完全离不开遥感技术。 一、红外线的起源与发展 1800年，英国天文学家F.W.赫歇耳发现了红外线。红外技术在军事上的实际应用始于第二次世界大战期间。当时,德国研制和使用了一些红外技术装备,其中有红外通信设备和红外夜视仪，它们都属于主动式红外系统。战后，由于红外光子探测器和透红外光学材料的迅速发展，红外技术的应用引起军事部门的重视。此后，红外技术的发展方向集中在被动式系统上。50年代，红外点源制导
系统应用于战术导弹上。60年代，红外技术的军事应用已相当广泛，如已应用于制导、火控、瞄准、侦察和监视等。60年代中期，出现了光机扫描的红外成像技术。70年代，红外成像技术获得迅速发展，热成像系统和电荷耦合器件的应用是这一时期的重要成果。80年代,红外技术进入研制镶嵌焦面阵列（CCD阵列）系统的新时期。 二、红外线的基本概念 自然界中, 一切温度高于绝对零度摄氏-273.16 的物体都不断地辐射着红外线, 这种现象称为热辐射。红外线是一种人眼不可见的光波，它是由物质内部的分子、原子的运动所产生的电磁辐射，是电磁频谱的一部分,其波段介于可见光和微波波段之间(0.76～1000微米)。通常按波长把红外光谱分成4个波段:近红外（0.76～3微米）、中红外（3～6微米）、中远红外（6～20微米）和远红外（20～1000微米）。 一切物体都有其自身的红外辐射特性。为研究各种不同物体的红外辐射，人们用理想辐射体──绝对黑体（简称黑体）作基准。能吸收全部入射的辐射而没有反射的物体称为黑体。良好的吸收体必然也是良好的辐射体,因此黑体的辐射效率最高，其比辐射率定为1。任何实际物体的辐射发射量与同一温度下黑体的辐射发射量之比,称为该物体的比辐射率，其值总是小于1。物体的比辐射率，与物体的材料种类、表面特性、温度、波长等因素有关。黑体的辐射特性可用普朗克定律描述，该定律给出了黑体辐射作为温度函数的光谱分布。对某一温度，辐射量最大的波长与其温度的乘积为常数，这个关系称维恩定律（适用于在温度较低，波长较短的范围内）。对所有波长积分所得到的总辐射量与温度的四次方成正比，这个关系称为斯蒂芬－玻尔兹曼定律。
红外遥感技术的发展及其应用
遥感导论 实习报告 班级：2011级测绘工程 姓名：韩宇鹏 学号：201111830127 指导教师：泮雪琴
红外遥感技术的发展及其应用 摘要：热红外遥感对研究全球能量变换和可持续发展具有重要的意义，尤其在生态学领域，借助地面实测数据和遥感数据，通过红外波段的解析、反演可以进行各种问题的定量化探讨。文章从军事、海洋，地热资源3个方面阐述了热红外遥感的应用。 一：红外遥感发展现状 地球科学正朝着更精确定量化的方向发展，地表能量交换是地球系统中水、热、碳各种循环和过程的主导因子，其中陆面温度又是地表能量交换的核心信息，而信息的获取是个高难度课题，精确定量反演陆面温度的成果将推动旱灾预报和作物缺水研究、农作物产量估算、数字天气预报、全球变化和全球碳平衡等领域研究的进展。人们要以遥感手段定量表达地球表面时空多变要素，特别是陆面温度的区域分布规律，首先遇到的问题是如何将遥感信息转化为地球科学迫切需要的应用信息。地学遥感的信息源是各种地物的反射和发射的电磁波强度记录，只有少量应用信息可以从这些电磁波信息里面直接提取，而绝大多数的应用，信息的获取需要非遥感参数和先验知识的支撑，并要在物理学、生物学、农学、水文学、气象学等多学科的交叉和渗透下，建立信息转换模型，才能使遥感信息和地学信息连接起来。成功的定量遥感研究都是从信息转换机理入手，研究如何以遥感获得电磁波信息定量反演出所需的应用信息。从唯物辩证法的角度分析，从遥感信息转换到地学应用信息的过程就是克服遥感信息局限性的过程。遥感的发展史就是不断地克服和改善遥感的局限性的历史，热红外遥感的发展也不例外。在克服遥感的局限性的道路上不乏成功之例：热红外波段的“劈窗技术”是在光谱信息上开拓的有效方法。热红外辐射的大气辐射传输是非常复杂的课题，大气参数的时空变化给陆面温度的反演带来了局限性，劈窗技术利用两个热红外波段的辐射信号的差值与大气参数之间的信息相关性，使得用热红外波段遥感信息本身就可以进行大气辐射初步纠正。热红外辐射的“肤面特征”也是一种局限性，它的信息只局限于地物表面，然而，热惯量方法是利用两个时相的热红外辐射温度差值，提取了地表面以下的土壤水分信息，使得遥感信息的应用向地表以下的深度开拓。多角度遥感也是开拓遥感信息，使其获取地物三维信息的好例子。热红外遥感基础研究的实质内涵仍然是以遥感信息为基础开拓和挖掘地学信息的过程。在地物光谱维上已开拓出多光谱遥感的研究领域，在时间维上也开拓出多时相遥感的研究范畴，而近年来发展起来的多角度遥感显然是在方向维上开拓的结果。
遥感数据及格式
liutaobinue
一、遥感数据概念 遥感数据：太阳辐射经过大气层到达地面，被地物反射后再次穿过大气层，被遥感传感器接收，并由传感器将这部分能量的特征传送回地面；被传送回地面的能量特征数据被称为遥感数据。
1.遥感数据 遥感数据是用遥感器探测来自地表的电磁波，通过采样及量化后获得的数字化数据。 对应于采样中采样周期的是瞬时视场角IFOV（instantaneous field of view），它是以遥感器探测元件受光的角度来表示。一个IFOV内的信息表示为一个像元。另外，整个遥感器能够受光的角度叫视场角FOV （field of view）相当于视场角的地面距离叫观测宽度或叫扫描宽度（swath width）。
2.地面分辨力 在观测地表的遥感图像中，可能识别的最小区域的能力所对应的地面的距离或目标物的大小为地面分辨率（ground resolution）地面分辨率也叫地面分辨力或地面解像力。也有把一个像元在地面上占的大小或把相当于IFOV在地面的投影面的大小叫做地面分辨率的，但严格来讲两者是不同的。
3.按遥感平台的高度分类 ◆航天遥感：又称太空遥感(space remote sensing)泛指利 用各种太空飞行器为平台的遥感技术系统，以地球人造卫星为主体，包括载人飞船、航天飞机和太空站，有时也把各种行星探测器包括在内。 ◆卫星遥感：(satellite remote sensing)为航天遥感的组 成部分，以人造地球卫星作为遥感平台，主要利用卫星对地球和低层大气进行光学和电子观测。航空遥感泛指从飞机、飞艇、气球等空中平台对地观测的遥感技术系统。 ◆地面遥感：主要指以高塔、车、船为平台的遥感技术系统， 地物波谱仪或传感器安装在这些地面平台上,可进行各种地物波谱测量。
遥感影像分类
八、图像分类 图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：非监督分类与监督分类，专家分类法是近年来发展起来的新兴遥感图像分类方法。实习时主要学习两种常规分类法，因为专家分类法还需要学习专家系统这门课程。 (其中英文的首字母我没有大写) （一）．非监督分类 完全按照象元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参与分类运算，分类结果往往是各类象元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。一般要经过以下几个步骤：初始分类→专题判别→分类合并→色彩确定→分类后处理→色彩重定义→栅格矢量转换→统计分析 1．初始分类获取 （1）启动非监督分类 点击Classifier → unsupervised classification →打开对话框 （2）进行非监督分类 在unsupervised classification 对话框中，进行设置： ⊕input raster file: germtm.img （被分类图像） ⊕output cluster layer filename: 如germtm_1.img (产生的分类图像，自己定义) ⊕output signature set: germtm_1.sig （生成分类模板文件，自己定义） ⊕number of classes: 10(初始分类数，即分出多少个类别) ⊕maximum iterations：24（最大循环次数） ⊕convergence threshold: 0.95 (循环收敛阈值) ⊕ok (开始执行非监督初始分类) 2．分类方案调整 （1）叠加显示原图像与分类图像 先打开germtm.img，注意打开之前要把这副图的raster options → layers to colors 设置为：red (4), green (5), blue (3). 然后打开germtm_1.img, 注意此时不要选择clear display。 看见的是灰度图。 （2）调整属性字段显示顺序 这一步是为了把我们所需要的字段放到前面来，便于观看，也可以不做这一步。 属性表中的11个记录分别对应产生的10个类和一个unclassified类，每个记录都有一系列的字段。 点击菜单栏的raster → attributes, 打开raster attributes editor 对话框，这就是germtm.img 图像的属性表。 在这个属性表对话框中，选择 edit → column properties → column properties 对话框，columns表示的是各个字段的名称，和属性表对应，选择其中一个字段名后，通过点击 up, down, top, bottom 可以调整字段名的位置，还可以在对话框的右面定义各个字段的属性。 比如：我们把 opacity(透明度), color, class_names 依次排列在前面，便于后面操作。