融合形状和光谱的高空间分辨率遥感影像分类
黄昕;张良培;李平湘
【期刊名称】《遥感学报》
【年(卷),期】2007(011)002
【摘要】提出了一种像元形状指数及基于形状和光谱特征融合的高(空间)分辨率遥感影像分类方法.形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素.本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法.实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度.
【总页数】8页(193-200)
【关键词】像元形状指数;光谱;支持向量机;融合;高空间分辨率
【作者】黄昕;张良培;李平湘
【作者单位】武汉大学,测绘遥感信息工程国家重点实验室,湖北,武汉,430079;武汉大学,测绘遥感信息工程国家重点实验室,湖北,武汉,430079;武汉大学,测绘遥感信息工程国家重点实验室,湖北,武汉,430079
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于像元形状指数方法的高空间分辨率遥感影像分类 [J], 孔辉
2.基于支持向量机的高空间分辨率遥感影像分类 [J], 孔辉
3.高空间分辨率和高光谱分辨率遥感图像的融合 [J], 马艳华
高分辨率遥感影像数据一体化测图系统PixelGrid 北京四维空间数码科技有限公司 一、概况介绍 高分辨率遥感影像数据一体化测图系统PixelGrid（以下简称“PixelGrid”）是由中国测绘科学研究院自主研发的“十一五”重大科技成果，获得2009年度国家测绘科技进步一等奖。 为将这一重大科技成果实现产业化，2008年开始，由中国测绘科学研究院参股单位北京四维空间数码科技有限公司进行成果转化和产品化，并开展销售。 该软件是我国西部1:5万地形图空白区测图工程以及第二次全国土地调查工程的主力软件， 被誉为国产的“像素工厂”。 PixelGrid以其先进的摄影测量算法、集群分布式并行处理技术、强大的自动化业务化处理能力、高效可靠的作业调度管理方法、友好灵活的用户界面和操作方式，全面实现了对卫星影像数据、航空影像数据以及低空无人机影像数据的快速自动处理，可以完成遥感影像从空中三角测量到各种比例尺的DEM/DSM、DOM等测绘产品的生产任务。 PixelGrid软件主界面。 二、主要特点 PixelGrid系统以现代摄影测量与遥感科学技术理论为基础，融合计算机技术和网络通讯技术，采用基于RFM通用成像模型的大范围遥感影像稀少或无控制区域网平差、基于旋转/缩放不变性特征多影像匹配的高精度航空影像自动空三、基于多基线/多重特征的高精度DEM/DSM自动提取、等高线数据半自动采集及网络分布式编辑、基于地理信息数据库等多源控制信息的高效影像地图制作、基于松散耦合并行服务中间件的集群分布式并行计算等一系列核心关键技术，是中国测绘科学研究院研制的一款类似“像素工厂”（ISTAR PixelFactoryTM）的新一代多源航空航 天遥感数据一体化高效能处理系统。
实验一遥感影像分类精度与空间分辨率的关系验证 实验目的： 1、掌握相同传感器多光谱影像与全色影像融合方法； 2、掌握监督分类的基本流程； 3、验证遥感影像分类精度与空间分辨率的关系。 实验要求： 1、对多光谱影像和全色影像进行融合； 2、利用马氏距离法进行监督分类； 理论基础：高分辨率影像能反映更多细节信息，但是过高的的空间分辨率也会造成地物类别内部光谱可分性下降（同物异谱和异物同谱现象更严重），通过不同分辨率遥感分类精度的比较来验证这一理论。 原始实验数据：北京市朝阳区2002年奥运公园规划区IKONOS多光谱影像4个波段与IKONOS 全色波段（两者成像时间都是2002年8月26日，即是同一传感器同时成像，植被覆盖情况一致），全色波段影像大小4000*4000。class1.roi是1m空间分辨率的参考分类ROI模板。 实验步骤： 1、将IKONOS多光谱影像4个波段与IKONOS全色波段数据进行融合，操作如下： （1）打开图像bjikonospan.img和bjikonosmultispectral.img，在Available band list对话框中，选中bjikonospan.img，点击右键，选择Edit header，查看bjikonospan.img的头文件。记 录该文件的行列数，下图1~2。
图1 图2 查看头文件
（2）在ENVI主菜单，点击Basic Tools→Resize Data，在弹出的对话框中，选择bjikonosmultispectral.img，点击OK，在接下来弹出的Resize Data Parameters对话框中，Samples后输入4001，点击回车，Lines后输入4001，点击回车，设置存储路径，OK。将重置了大小后的图像bj_resize按432的RGB模式显示，与前两个图像对比，观察其变化。 图3
北京揽宇方圆信息技术有限公司 高分辨率遥感卫星有哪些 高分辨率遥感可以以米级甚至亚米级空间分辨率精细观测地球，所获取的高空间分辨率遥感影像可以清楚地表达地物目标的空间结构与表层纹理特征，分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的地学解译分析提供了条件和基础。随着高分辨率遥感影像资源日益丰富，高分辨率遥感在测绘制图、城市规划、交通、水利、农业、林业、环境资源监测等领域得到了飞速发展。 北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。 一、卫星类型 (1)光学卫星：worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、北京二号、高景一号、资源三号、高分一号、高分二号、环境卫星。 (2)雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 (3)侦查卫星：美国锁眼卫星全系例(1960-1980) 二、卫星分辨率 (1)0.3米：worldview3、worldview4 (2)0.4米：worldview3、worldview2、geoeye、kompsat-3A (3)0.5米：worldview3、worldview2、geoeye、worldview1、pleiades
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
不同分辨率影像解译效果分析 根据地物的成像规律，在遥感影像上识别出它的性质和数量指标的过程，称为遥感影像的解译，也称为判读。遥感影像上不同地物有其不同的影像特征，这些特征是解译时识别各种地物的依据，这种依据叫做遥感影像的解译标志，也叫做识别特征。直接解译标志如色调、颜色、阴影、形状、大小、纹理、图形。间接解译标志如相关位置、相互关系等。 随着遥感技术的发展，人们得到的遥感影像的质量越来越好，空间分辨率越来越高。目前商用卫星可提供0.6米左右空间分辨率的卫星图像（如Quick bird，Worldview等），在这种具有高空间分辨率特性的图像上，大型建筑物、道路、飞机场和其它人造地物形状特征和纹理特征清晰可辨，这为从遥感影像中提取空间结构信息提供了物质基础。影像分辨率不同，在辨别地物上有很大的影响。主要地物有如下特征：
（一）低分辨率影像 低分辨率遥感适合进行一些宏观的地物监测，因为分辨率低，每个像元代表的面积很大，所以能覆盖地面较大的范围。另外，低分辨率遥感通常光谱分辨率会比较好，包含除可见光以外的近红外等波段，可以用来监测大面积的植被，区分植被和非植被。 低分辨率影像对于一些较小的图斑，很容易被遗漏，对于这些零星小地块的补测只有通过外业调查的方式对研究区展开全面覆盖调查，这不仅大大增加了外业调绘工作量，而且一定程度上否定了3S方法能够快速获取土地利用信息的这一特点。 低分辨率的一大优点是经济实惠，购置成本低。 （二）高分辨率影像 高分辨率卫星影像具有以下特点：具有丰富的空间信息、地物几何结构和纹理信息明显。例如本项目使用的Quickbird影像上人工地物、水体和植被之间的光谱差异明显，建筑物和道路形状结构特征突出，耕地和林地纹理信息丰富。 高分辨率卫星遥感影像，可以在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响。影像纹理清晰，能够很清楚的分辨出道路、沟渠等水利设施。具有广阔的应用前景。 高分辨率遥感比较适合研究小尺度的地物。由于分辨率高，能看清地面的道路和建筑，适合进行城市的测绘。
高空间分辨率遥感森林参数提取探讨 刘晓双,黄建文,鞠洪波 (中国林业科学研究院资源信息研究所,北京100091) 摘要:介绍了高空间分辨率遥感在森林参数提取方面的研究和应用情况,并结合国内外学者在此方面所做出的研究成果,对不同森林参数的提取分别做了阐述,包括单木树冠轮廓信息、胸径、森林生物量、树种识别和分类、叶面积指数、森林郁闭度、木材结构和性质。最后分析了高空间分辨率遥感在森林参数提取方面存在的问题,并对该领域的应用前景作了展望。 关键词:高空间分辨率;遥感;森林参数;树冠提取;生物量 中图分类号:TP79 文献标识码:A 文章编号:1002-6622(2009)02-0111-07 Study on Extraction of Forest Parameters by High Spatial R esolution R emote Sensing L IU Xiaoshuang ,HUAN G Jianwen ,J U Hongbo (Research Instit ute of Forest Resources and Inf ormation Technique ,CA F ,Beiji ng 100091,Chi na ) Abstract :Study and application of forest parameters extraction by high spatial resolution remote sens 2ing was introduced in this article ,combined with achievements in this field made by researchers all over the world 1Extraction of such different forest parameters was described respectively as single tree crown contour ,diameter at breast height ,biomass ,identification and classification of species ,LAI ,canopy den 2sity ,wood structure and property 1Finally ,the problems of forest parameters extraction by high spatial resolution remote sensing were discussed ,and the prospect of forest parameters extraction by high spa 2tial resolution remote sensing was expected. K ey w ords :high spatial resolution ,remote sensing ,forest parameters ,extraction of tree crown ,biomass 收稿日期:2009-01-04;修回日期:2009-04-03 基金项目:中央级公益性科研院所基本科研业务费专项基金(RIFRITZ J Z 2007006);国家自然科学基金“基于高分辨率 遥感的树冠信息提取技术研究”项目(40771141) 作者简介:刘晓双(1985-),女,甘肃兰州人,在读硕士生,主要从事遥感、GIS 技术应用研究。通讯作者:鞠洪波(1956-),男,黑龙江人,研究员,研究方向:林业信息技术。 现代林业的经营管理得以顺利进行主要依赖于对各种森林参数的调查,而森林限于其特殊的自然地理条件往往会给研究数据的采集造成很大的困 难。传统的森林调查方法一般是基于随机抽样和统计学,其样本的选择是否具有代表性对调查的精确性有很大的影响。这种传统的以个体来推断总体的 2009年4月第2期林业资源管理 FOREST RESOURCES MANA GEMEN T April 2009No 12
高光谱图像分辨率增强及在小目标检测中的应用研究 高光谱遥感是在测谱学基础上逐渐发展起来的新型遥感技术,除了空间图像信息外,其所具有的精细光谱信息,克服了宽波段遥感探测的局限,被广泛应用于多种领域,成为对地观测最重要的信息源之一。但由于成像原理与制造技术等因素的限制,高光谱图像的空间分辨率相对较低,给进一步应用,如特定目标的检测识别带来一系列的问题。 为此,论文分别从信息融合和混合像素分解角度研究了高光谱图像的分辨率增强方法,旨在提高基于图谱结合的高光谱图像目标检测的性能。论文首先对遥感成像中涉及到的电磁波理论进行简单的介绍,分析了遥感图像的空间分辨率与光谱分辨率间的关系,即随着光谱分辨率的增加,在CCD等性能参数不变下,遥感图像的空间分辨率下降的原理。 并在介绍了高光谱图像特性的基础上,对PCA、MNF及LDA变换的降维算法的原理进行了分析,研究其各种算法的特点及应用范围。降维算法是重要的高光谱图像预处理技术,这一部分的工作为后文的开展打下一个基础。 然后对常用的高光谱图像目标检测算法进行了介绍。通过对支持向量数据描述的研究,分析并验证了其单类分类的性能及其适用范围;针对传统纯像素目标检测算法大部分无法解决目标与背景样本数量不平衡的问题,论文提出了基于SVDD的高光谱图像目标检测算法,把目标检测问题转化为单类分类问题。 实验结果表明,与经典的光谱角度制图和有约束能量最小化算法相比,该算法仅需要较少的目标类训练样本就可以得到与前两者相近的检测结果,当增加背景样本时,本文方法可以将目标更容易的从背景中分离出来,为利用空间信息进一步检测提高了便利,使最终的检测结果优于上述两种算法。针对空间分辨率的
遥感影像分辨率的概念 1空间分辨率 遥感影像空间分辨率是用于记录数据的最小度量单位，一般用来描述在显示设备上所能够显示的点的数量(行、列)，或在影像中一个像元点所表示的面积。 空间分辨率指像素所代表的的地面范围的大小，即扫描仪的瞬间视场，或是地面物体能分辨的最小单元。当分辨率为1km时，一个像元代表地面1kmX1km的面积，即1km2；当分辨率为30m时，一个像元代表地面30m×30m的面积；当分辨率为1m时，也就是说，图像上的一个像元相当于地面1m x 1m的面积，即1m2。 因为遥感拍摄的像片是由位于不同高度，装在不同载体(如飞机、卫星等)上的不同清晰度(分辨率)照相设备，以不同的照相(采集)方式，获取的遥感像片(图像、数据、影像等)，这些遥感图像是具有不同清晰度、不同分辨率的照片。类似我们在生活中用135 照相机拍摄一棵树，从汽车上拍一张，然后再从飞机上拍一张，两张135底片在放大同一棵树时，其放大效果是不一样的。肯定是高度低的135照片放大后的效果最清晰，也就是说分辨率最高。 遥感卫星的飞行高度一般在4000km～600 km之间，图像分辨率一般从1 km～1m之间。图像分辨率是什么意思呢？可以这样理解，一个像元，代表地面的面积是多少。像元是什么意思呢？像元相当于电视屏幕上的一个点(电视是由若干个点组成的图像画面)，相当于计算机显示屏幕上的一个象素，相当于一群举着不同色板拼成画图的人中的一个。 光谱分辨率，指成像的波段范围，分得愈细，波段愈多，光谱分辨率就愈高，现在的技术可以达到5~6nm（纳米）量级，400多个波段。 2光谱分辨率 光谱分辨率是指传感器在接收目标辐射的光谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 光谱分辨率指成像的波段范围，分得愈细，波段愈多，光谱分辨率就愈高，现在的技术可以达到5~6nm（纳米）量级，400多个波段。
遥感应用的本质是通过遥感观测数据来“反演”地表有价值的信息 第一章 1.1 1. 遥感地学分析的含义是什么，对应的英文表述应该是什么样的？ 2. 遥感信息的物理属性可从哪些方面来描述？ 遥感信息的这种多源、多维的特性，可以通过不同的分辨率进行度量和描述： 空间分辨率 光谱分辨率 辐射分辨率 时间分辨率 3. 遥感图像的空间分辨率是指什么，有哪几种表达方式？ 空间分辨率：针对图像或传感器而言，指图像上能够区分的最小单元的大小，或指传感器区分两个目标物的最小角度或线性距离的度量 空间分辨率的3种表示法： 像元：指单个像元对应的地面面积大小，常以边长表示，单位为m。如NOAA/A VHRR：1100m，Landsat/TM：28.5m，QuickBird：0.61m 线对数（LP）：摄影系统的空间分辨率通常用单位宽度内可识别的线对数表示（Line pairs per millimetre），单位为LP/mm。所谓线对指一对同等大小的明暗条纹或规则间隔的明暗条对 瞬时视场（IFOV）：指传感器内单个探测元件的受光角度或观测视野，单位为毫弧度（mrad）。一个瞬时视场内的信息，表示一个像元。IFOV与传感器的高度有关，高度越高，分辨率越低；还与传感器的视角有关，视角越倾斜，观测面积越大，分辨率就越差。 4. 相同时期的遥感传感器，设计的空间分辨率越高， 则光谱分辨率越低，这是为什么？ 在遥感成像系统设计中，空间分辨率和光谱分辨率常常不可兼得，因为高光谱成像系统的光谱带宽很窄，必须用较大的IFOV才能收集足够多的光子以维持可接受的信噪比；同样，高空间分辨率系统的IFOV很小，因此必须以较宽的光谱通道才能捕捉足够的光能量。 计算：若IFOV为2mrad，传感器高度为10000m，则星下点像元对应的地面面积为多少？ 5. 遥感图像的空间分辨率越高，识别地物目标的能力越强吗？为什么？ 一般来说，遥感系统的空间分辨率越高，则识别地物目标的能力越强 但是，特定目标在图像上的可分辨程度，并不完全取决于空间分辨率的值，而是和它的形状、大小，以及它与周围物体的亮度、结构差异有关。例如，Landsat TM的空间分辨率为30m，但是10~20m宽的铁路甚至10m宽的公路通过沙漠、水域、草原、耕地等背景光谱较单调的地区时，往往清晰可辨。 可见，空间分辨率的大小仅表明图像细节的可见程度；而真正的识别效果，还要考虑环境背景复杂性等因素的影响。 扩展：经验证明，遥感系统空间分辨率的选择，一般应小于被探测目标最小直径的1/2（Jensen，1996）。例如，若要识别公园内的松树，则可以接受的最低空间分辨率应是最小松树的直径的一半。而且，若松树与环境背景之间的光谱响应差异很小，则需要更高的空间分辨率才能成功识别 6.遥感主要利用的电磁波范围是哪些？是如何划分的？
遥感分辨率与制图比例尺关系 张益新 （淮海工学院测绘工程学院，江苏连云港 222005） 摘要：分析遥感影像分辨率与制图比例尺相关的关系，从遥感分辨率与制图比例尺的数学定律来阐述两者的关系，最后指出如何选取适当空间分辨率的卫星影像，为制图提供帮助 关键词：遥感影像分辨率比例尺关系 1.引言 当今世界随着信息技术和传感器技术的飞速发展，各种测量技术日新月异，各种测量技术为社会的进步作出了巨大的贡献。其中遥感技术作为目前测量顶端技术，已经被广泛的应用到各个领域。在科学家的努力下，遥感影像的空间分辨率有了很大提高。原来只有航空影像能够达到的精度，如今遥感影像也能够满足需要。卫星遥感影像是平面几何精度与地物类别精度的统一，影像空间分辨率是决定影像精度的一个重要指标，影像精度要满足相应比例尺地图更新对于影像识别能力和成图精度要求，同时又要考虑地图更新成本。冗余的分辨率会增加影像购买成本和加重内业处理的负担；而若分辨率达不到一定要求，细小的地物就无法判读、影像控制点精度得不到保证，满足不了成图精度。现在我们就来讨论遥感影像分辨率与制图比例尺的关系。 2.遥感影像空间分辨率与成图比例尺的数学关系 资源卫星遥感影像空间分辨率R (单位为m ) 与可制作的合理成图比例尺m (m 为比例尺分母) 以及图件要求的误差范围e (单位为mm ) 存在以下关系: e ×m × 10-3= C ×R (1) 式中 C ——影像几何校正系数, 即: 经几何校正以后,最差的像元位置均方根差(Roo t M ean Squa re, 简称RM S) , 以像元为单位, 达到多少个像元; e——人眼的分辨率, 通常采用0.2mm。式(1) 的左边是一般图件允许的实地误差(以m 为单位) , 而右边是遥感影像校正后存在的实地误差, 这两个误差在遥感制图中应当相等, 也是(1) 式成立的基础。几何校正系数C 是一个待定变量。以RTK GPS(Real T ime Kinemat ic GPS) 测量值作为真值, 求出精校正遥感影像与真值的误差, 计算得到误差的均方根差, 就可以求出精纠正遥感影像均方根差的像元个数,即C 的值。C 值确定后, 利用(1) 式可以计算出此遥感影像可以制作的合理成图比例尺。通常, 遥感影像空间分辨率越低, 几何校正系数C 就应设置越大, 这是因为空间分辨率越低, 影像边缘几何变形就越大, 几何校正的效果就越差。
遥感技术与系统概论 结课作业 高光谱遥感技术及发展
高光谱遥感技术及发展 摘要：经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的 发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技 术为主的时代。本文系统地阐述了高光谱遥感技术在分析技 术及应用方面的发展概况，并简要介绍了高光谱遥感技术主 要航空/卫星数据的参数及特点。 关键词：高光谱，遥感，现状，进展，应用 一、高光谱遥感的概念及特点 遥感是20 世纪60 年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通 常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可
探测的物质，在高光谱中能被探测。 同其它传统遥感相比，高光谱遥感具有以下特点： ⑴波段多。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。 ⑵光谱分辨率高。成像谱仪采样的间隔小，一般为10nm 左右。精细的光谱分辨率反映了地物光谱的细微特征。 ⑶数据量大。随着波段数的增加，数据量呈指数增加[2]。 ⑷信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。 ⑸可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。近二十年来，高光谱遥感技术迅速发展，它集探测器技术、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，已成为当前遥感领域的前沿技术。 二、发展过程 自80 年代以来，美国已经研制了三代高光谱成像光谱仪。1983 年，第一幅由航空成像光谱仪
谷歌卫星影像地图各级比例尺及空间分辨率列表 级别实际距离像素图上距离图像分辨率比例尺空间分辨率第2级5000公里70 2.47厘米72dpi2亿：171公里第3级2000公里55 1.94厘米72dpi1亿：136公里第4级2000公里115 4.06厘米72dpi5千万：117公里
第5级1000公里115 4.06厘米72dpi 2.5千万：19公里第6级500公里115 4.06厘米72dpi 1.2千万：14公里第7级200公里91 3.21厘米72dpi6百万：12公里第8级100公里176 6.21厘米72dpi160万：1568米第9级50公里91 3.21厘米72dpi155万：1549米第10级20公里72 2.54厘米72dpi80万：1278米第11级10公里72 2.54厘米72dpi40万：1139米
第12级5公里72 2.54厘米72dpi20万：169米第13级2公里57 2.01厘米72dpi10万：135米第14级2公里118 4.16厘米72dpi5万：117米第15级1公里118 4.16厘米72dpi 2.5万：18米 第16级500米118 4.16厘米72dpi 1.2万：14米 第17级200米93 3.28厘米72dpi2300：1 2.15米第18级100米93 3.28厘米72dpi3000:1 1.07米
第19级50米93 3.28厘米72dpi1500:10.54米第20级20米74 2.61厘米72dpi800：10.27米 第21级10米72 2.54厘米72dip393.70(1000/2.54)0.138(10/72)米/像素第22级5米72 2.54厘米72dip196.85(500/2.54)0.0694(5/72)米/像素
高空间分辨率图像 卫星影像空间分辨率能够被传感器辨识的单一地物或2个相邻地物间的最小尺寸。空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。广西善图科技有限公司 高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。 目前，已经商业化运行的光学遥感卫星的空间分辨率已经达到“亚米级”，如2016年发射的美国WorldView-4卫星能够提供0.3 m分辨率的高清晰地面图像。 近年来，随着我国空间技术的快速发展，特别是高分辨率对地观测系统重大专项的实施，我国的卫星遥感技术也迈入了亚米级时代，高分2号卫星（GF-2）全色谱段星下点空间分辨率达到0.8 m。
上海陆家嘴高分辨率图像 GF-2号卫星0.8 m全色与3.2 m多光谱融合结果 商业化高分图像的多领域应用 农业 法国SPOT-5 2.5 m融合图像已经被应用于农作物种植面积的小区域精细抽样调查，基于空间排列结构特征分析，可以实现人工种植园中冬小麦、水稻和棉花等种植区域的提取。 城市规划管理 GF-2图像可准确地识别城市街道、行道绿地、公园、建筑物、甚至车辆数量信息。 海岸带调查 应用美国WorldView-2高分数据，大幅提高了海岸线提取的精度，实现了围填海状况监测。 灾情评估 高分图像可以实现滑坡和洪水淹没区快速提取、建筑物毁坏等监测，还可利用如美国IKONOS高分影像生成立体像对地震灾害前后房屋做精准的损毁状况评估。 军事国防 高分图像可以精确识别敌方的人员与装备，包括装备的型号、数量、调动等重要信息。
空间分辨率——数字射线照相的关键参数 分类：X-Ray2010-03-17 13:28 341人阅读评论(0) 收藏举报概念：空间分辨率是指图像中可辨认的临界物体空间几何长度的最小极限，即对细微结构的分辨率。 以下： 强天鹏撰 模拟图像是指由连续信号构成的图像，射线照相得到的底片图像就是模拟图像；而数字图像是指由大量的点（像素）构成，可用二进制数字描述的图像。数字图像早已进入我们的生活:数码相机已把胶卷相机逼入绝境；数字电视也已开始与模拟电视分庭抗礼；在医院里，CR、DR和CT装置用得越来越多，已逐步取得人体透视和拍片——这些技术得到的都是数字图像。但在工业上的应用，即工业CR、工业DR的应用则相对迟缓，目前仍然是胶片照相占据绝对优势。究其原因，主要是分辨率问题：工业应用数字图像比医用的数字图像的分辨率要求要高得多，人体检查一般要求的分辨率水平是厘米级或毫米级，而承压设备焊缝检测的分辨率水平要求达到0.1毫米级，甚至更小。 分辨率是描述数字图像质量的重要参数。分辨率包括空间分辨率和灰度分辨率两项指标。数字图像的空间分辨率取决于像素尺寸的大小。像素（Pixel）是构成数字图像的基本单元。如果把数字图像放大许多倍，会发现这些连续图像其实是由小点组成。把一幅图像按行与列分割成m×n个网格，就可用一个m×n的矩阵来表达该图像。每一格即为一个像素，m与n数值越大，像素量就越大，单个像素的尺寸就越小，图像就越细腻，空间分辨率就越高。灰度分辨率取决于灰度的模数转换位数。每个像素的亮度称为灰度（对彩色图像则是颜色），可用一个有限长度的二进制数值表示。位数越长，灰度级别就越多，层次就越丰富（或颜色就越逼真），灰度分辨率就越高。如果是8位模/数转换，则灰度可分为28=256个级别；如果是16位模/数转换，则灰度可分为216=65536个级别。 提高数字图像的灰度分辨率相对比较容易，只要增加模/数转换位数就行，而提高数字图像的空间分辨率则困难的多。 应用于工业射线检测的数字技术有： 1、底片数字化扫描技术； 2、图像增强器实时成像技术； 3、计算机X射线照相技术（CR）； 4、线阵列扫描成像技术（LDA）； 5、非晶硅和非晶硒数字平板成像技术； 6、CMOS数字平板成像技术； 以上六种技术的空间分辨率各不相同，比较其分辨率高低大致如下：图象增强器的空间分辨率约为100-300微米，二极管阵列（LDA）的空间分辨率约为100?200微米，非晶硅/硒
1、地面光谱测量的作用： ①地面光谱辐射计在成像光谱仪过顶时，常用于地面野外或实验室同步观测，获取下 行太阳辐射，以用于遥感器定标。 ②在一些反射率转换模型中，需要引入地面光谱辐射计测取得地面点光谱来完成 DN 值图像到反射率图像的转换。 ③地面光谱辐射计可以为图像识别获取目标光谱和建立特征项。但是，这时地面光谱 测量要在空间尺度上与图像像元尺度相对应，且要具有代表性；另外，地面光谱测 量要与高光谱图像获取条件相一致。 ④通过地面光谱辐射计测量数据和地面模拟，可以帮助人们了解某一地物被高光谱遥 感探测的可能性，理解其辐射特性，确定需要采用的探测波长、光谱分辨率、探测 空间分辨率、信噪比、最佳遥感探测时间等重要参数。 ⑤地面光谱辐射计还可以勇于地面地质填图。它可以用于矿物的光谱吸收特征，识别 地面矿物或矿物的集合，从而直接完成野外矿物填图。 ⑥可以用来建立地物的表面方向性光谱反射特性。 ⑦建立目标地面光谱数据与目标特性间的定量关系。 2、高光谱成像特点： ①高光谱分辨率。高光谱成像光谱仪能获得整个可见光、近红外、短波红外、热红外 波段的多而窄的连续光谱，波段多至几十甚至数百个，其分辨率可以达到纳米级， 由于分辨率高，数十、数百个光谱图像可以获得影像中每个像元的精细光谱。 ②图谱合一。高光谱遥感获取的地表图像包含了地物丰富的空间、辐射和光谱三重信 息，这些信息表现了地物空间分布的影像特征，同时也可能以其中某一像元或像元 组为目标获得他们的辐射强度以及光谱特征。 ③光谱波段多，在某一光谱段范围内连续成像。成像光谱仪连续测量相邻地物的光谱 信号，可以转化城光谱反射曲线，真实地记录了入射光被物体所反射回来的能量百 分比随波长的变化规律。不同物质间这种千差万别的光谱特征和形态也正是利用高 光谱遥感技术实现地物精细探测的应用基础。 3、高光谱遥感图像数据表达： ①图像立方体——成像光谱信息集。 ②二维光谱信息表达——光谱曲线。 ③三维光谱信息表达——光谱曲线图。（书本44页） 4、成像光谱仪的空间成像方式： （1）摆扫型成像光谱仪。摆扫型成像光谱仪由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。扫描镜对地左右平行扫描成像，即扫描的运动方向与遥感平台运动方向垂直。其优点：可以得到很大的总视场，像元配准好，不同波段任何时候都凝视同一像元；在每个光谱波段只有一个探测元件需要定标，增强了数据的稳定性；由于是进入物镜后再分光，一台仪器的光谱波段范围可以做的很宽，比如可见光一直到热红外波段。其不足之处是：由于采用光机扫描，每个像元的凝视时间相对就很短，要进一步提高光谱和空间分辨率以及信噪比比较困难。 （2）推扫型成像光谱仪。是采用一个垂直于运动方向的面阵探测器，在飞行平台向前运动中完成二维空间扫描，它的空间扫描方向是遥感平台运动方向。其优点是：像元的凝视
作业2 高空间分辨率遥感影像分割方法实验 学号： 课程代码： 姓名： 截止日期：2016.11.29 上交时间：2016.11.28 摘要：遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。本文使用棋盘分割算法、四叉树分割算法、多尺度分割算法三种分割算法与Canny边缘检测算法对图像进行分割和提取边缘。并简单的对ecognition软件中设置的不同参数进行探索。
1.方法 1.1.分割 遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术，对于影像目标信息自动化提取与智能识别尤为重要，在面向对象的遥感影像处理工程中具有重要意义[1]。 1.1.1. 棋盘分割算法 棋盘分割（Chessboard Segmentation）是易康软件中一种简单的分割算法，它将一幅影像或一个父级对象分割成许多正方形的小对象。在分割过程中，棋盘分割算法主要用到的是分割尺度参数。 1.1. 2.四叉树分割算法 四叉树分割法（Quadtree-Based Segmentation）：当超过预定阀值时,将原始图像等分为4个子块,分别对应于四叉树树根的4个子节点[2]。依次考虑4个子块中的每一块,当匹配误差超过预定阀值时,这个阀值可称为剪枝判同的判决标准,可以是灰度相似性,也可以是目标均方差或其他可表示目标特征的有效信息,再将此块等分成4个子块,该过程也称之为剪枝.重复这一过程直至图像中的任意一块都能找到合适的匹配块为止[3]。下图表示一个四叉树的分割过程[4]。 图1-1 四叉树分割过程示意 1.1.3.多尺度分割算法 多尺度分割（Multiresolution Segmentation）：在指定的与感兴趣的地物目标或空间结构特征相对应的尺度下，将影像分割成高同质的、互相连结的不同影像区域，与感兴趣的地物目标或空间结构特征相对应[5]。它是一种自下而上（bottom-up）的方法，通过合并相邻的像素或小的分割对象，在保证对象与对象之间平均异质性最小、对象内部像元之间同质性最大的前提下，基于区域合并技术实现影像分割。 1.2.Canny边缘检测 Canny[6]1986年提出了一个优良的边缘检测算子应满足以下准则：1.信噪比准则，即不漏检真实边缘，也不把非边缘点作为边缘点检出，使输出的信噪比最大；2.定位精度准则，即检测出的边缘点，尽可能在实际边缘的中心；3.单边缘响应准则，即单个边缘产生的多个响应的概率要低，虚假边缘响应得到最大抑制。算法方框图如图[7]
空间分辨率检测 详细的列举过了各个医学影像设备质量控制的影响因素，我们发现，在常用的医学影像设备的质量控制中，空间分辨率是一个具有代表性、参考性、一个必不可少的典型影响因素。经过一系列的调查与研究，由于不同的设备它们的检测方法与检测器材各不相同，所以我以空间分辨率为例，来论述一下不同的医学影像设备的空间分辨率的质量检测的具体实施方法。 4.1 X线空间分辨率检测 4.1.1 检测器材 瑞典PTW NORMI 13型性能体模，主要进行空间分辨力、密度分辨力和可见灰度级等性能参数的检测、线对卡（见图4.1）、胶带、纸、笔等。 图4.1 线对卡 4.1.2 检测方法 对于普通的荧光屏透视的X射线诊断检查设备，检测时将体模放在探测器的准屏板上，并且将体模中心摆在准屏板中央，把光照视野调到一个恰当的大小，确保准屏板的中心对准体模的中心。然后，按照常用的摄影参数数据去进行曝光。检测空间分辨率的模块由不同的线对数构成的线对卡组成，常用的摄影参数具体数值我们设置为管电压70kV，管电流3mA，完成曝光，将得到的图像在高分辨率诊断的显示器下调整放大倍数，观察图像上的线对卡，并记录下能分辨的最大线对数的数值是多少。 4.1.3结果与注意事项 普通荧光屏透视系统的空间分辨力应该不小于1lp/mm。选择合适的透视条件对产生的检测结果来看十分重要，机房应该避光性要好，应该在充分暗的适应
条件下进行。在实施上述所有质量检测时，必须注意周围所有技术人员的X射线辐射安全;检测结果不达到国家或地方标准应该马上与负责该被检医学影像设备的有关部门或人员进行沟通，分析原因，共同提出解决的方案，并建议停止使用设备，等待处理后重新检测达标后方可再投入使用。在使用检测仪之前应该仔细阅读将所使用检测仪的说明书，比如测量方法与步骤和注意事项等，必须做到心中有数;检测仪或探测器与X射线束的中心重合、水平非常重要;熟悉被检测的X射线诊断设备的性能参数，特别是需要保证最大的管电压kV值和最大管电流mA值是否在允许检测的最大值范围内，与实际操作方法，如果对被检设备不是十分熟悉，应该在非常熟悉的技术人员(技师以上)的帮助下完成检测，最好有熟悉的工程师协助，是更理想的情况;在质量检测的过程中，任何情况下都不应该超过被检测的X射线管管电压的最大额定值。 4.2 X-CT空间分辨率检测 4.2.1 检测器材 美国Victoreen公司76-410中的空间分辨率插件，和76-411体部空间分辨率环。空间分辨率插件是由丙烯树脂的材料组成的直径为190mm，厚度为64mm 的圆柱体，在它的中心位置包含有8组孔径分别为1.75 mm、1.5 mm、1.25 mm、1.0 mm、0.75mm、0.6mm、0.5mm、0.4mm的孔，每组5个孔都平行排列，孔间距等于孔径，孔的中间充满着空气。体部环用有机玻璃的材料制作成外径为310mm、内径为216mm、厚度为63mm的圆柱环。圆环上面安装两块一样的空间分辨率插件，两块之间的距离为90mm。每块插件中含有7组孔径分别为2.0 mm、1.75 mm、1. 5 mm、1.25 mm、1. 0mm、0.75 mm、0.6 mm孔，孔的间距等于孔的直径，每组5个孔平行排列，孔中充斥着空气。 4.2.2 检测方法 首先，我们把模体放在CT机的床上，让CT机里面安装的激光线把床调节到一个合适的位置，让模体的中心与扫描的中心保持一致，从而获得一幅正确的质量检测影像。如果中心发生了偏移，哪怕是一点点，我们也需要再次确定中心点的位置。其次，我们需要将扫描的部位进行确定，作为模体的一幅定位像，确定空间分辨率检测的部分所在的位置，并且移动诊视床到所需要的位置。我们分别选取两个比较常用的扫描条件。(1)头部扫描: 用头部本来设定的扫描条件或者较小视野的扫描条件，选取10mm的层厚。如果用常规的扫描条件，肺部高分辨率扫描，比如视野设置为15cm、层厚为2mm、高分辨率重建滤过函数分别去进行扫描，每个条件都需要进行5次扫描。(2)体部扫描: 在进行体部扫描时，将体部套环套在模体外面，位于空间分辨率插件的位置，用体部扫描条件重复上述的
高空间分辨率遥感影像分割方法研究综述 高空间分辨率遥感影像分割方法研究综述 刘建华毛政元 （福州大学,空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心，福州350002） 摘要:遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术,对于影像目标信息自动化提取与智能识别尤为重要，在面向对象的遥感影像处理工程中具有重要意义。本文对常见的高空间分辨率遥感影像分割方法与应用策略进行了分析，比较了各种分割方法的应用范围、优缺点及目前存在的改进措施。建立了面向对象的遥感影像分割方法的分类体系，最后指出了面向对象的遥感影像分割方法目前所存在的问题及应用前景。 关键词:高空间分辨率遥感影像影像分割方法应用策略进展 A Survey on High Spatial Resolution Remotely Sensed Imagery Segmentation Techniques and Application Strategy Liu Jian hua Mao zheng yuan (Fuzhou University, Spatial Information Research center, Fuzhou, 350002) Abstract: Remotely sensed imagery segmentation is a process of dividing an image into different regions such that each region is, but the union of any two adjacent regions is not, homogeneous. It is one of key techniques in the object-oriented remotely sensed imagery data mining and its application, also quite essential in remote sensing image processing engineering. In this paper, we have a rough survey on different methods of high spatial resolution remotely sensed imagery segmentation, categorizing them into four groups according to the gray or color information they are exploiting. The disadvantage of current methods and the proper progress which can be attained in the near future are pointed out at the end of this essay. Keywords: High Spatial Resolution Imagery, Segmentation methods, application strategy, advances and prospects 1 引言 高空间分辨率遥感影像(如GeoEye、WorldView、QuickBird、IKONOS等，本文简称高分影像)在诸多领域（地形图更新、地籍调查、城市规划、交通及道路设施、环境评价、精细农业、林业测量、军事目标识别和灾害评估等）得以广泛应用[1]。目前，影像信息提取自动化程度低是高分影像应用潜力得不到充分发挥的主要限制因素，是理论和应用研究中必须突破的瓶颈。 遥感影像分割是面向对象的遥感影像分析方法[2]的基础和关键，在遥感影像工程中处于影像处理与影像理解的中间环节，是面向对象的影像分析理论研究的突破口。按照一般的影像分割定义[3],分割出的影像对象区域需同时满足相似性和不连续性两个基本特性；其中相似性指该影像对象内的所有像元点都满足基于灰度、色彩、纹理等特征的某种相似性准则，不连续性是指影像对象的特征在区域边界处的不连续性。迄今为止,将计算机视觉领域的图像分割算法应用于图像分割过程中,已开展了较多的研究[4-7],并提出了大量的算法；但针对遥感影像尤其是高分影像的分割方法较少[8],仍不成熟。这是由于与其它类型图像的分割相比，高分影像分割难度更大,也更具挑战性。具体体现在高分影像其空间分辨率高、纹理信息丰富而光 基金项目: 国家重点基础研究发展计划项目（973）子课题“高空间分辨率遥感影像自适应数据挖掘方法研[2006CB708306]”，国家自然科学基金项目“基于场模型的自适应空间聚类方法研究[40871206]”。 作者简介: 刘建华，男，博士研究生,曾从事GIS与RS教学工作。目前主要研究方向为空间数据挖掘、遥感图像处理以及GIS与RS集成等。E-mail：sirc.liujh@https://www.doczj.com/doc/33153172.html,。