实验1 可见光与近红外波谱测试 1.1实习概述 按照国家光谱数据库数据测试参考标准选择典型进行地物反射、发射光谱测试。根据所测的光谱曲线特征选择最佳遥感波段和最佳遥感时间。 1.2实习目的 ①掌握地物反射、发射光谱特性的基本概念，特点； ②掌握典型地物光谱的测试方法和实验数据分析处理的基本流程和方法； ③分析影响地物波谱特性测定的因素；了解地物表面不同几何状况、含水状况、 风化状况、粗糙程度对反射、发射光谱的影响；了解多种地物光谱随时间变化的特征与规律；了解入射和观测角度变化对地物光谱的影响。 ④培养学生理论联系实际及知识的综合运用能力，为后续专业课程学习创造条 件。 1.3实习任务 测量试验区的植被、水、土壤、道路的光谱特性。要求测定不同植被、水、土壤、道路的波谱特性曲线，即每类地物至少选择5个小类（或样本）。 ①清水、营养化水、污染水反射光谱、发射光谱测试与特征分析； ②不同覆盖度、不同长势植被覆盖反射光谱、发射光谱测试与特征分析； ③城乡非自然目标反射光谱、发射光谱测试与特征分析； ④土壤反射光谱、发射光谱测试与特征分析； ⑤岩石反射光谱、发射光谱测试与特征分析。 要求：上述5个实验根据具体情况必作2个，选作1个。
1.4设备（软件）及资料准备 1.4.1 实习设备及软件 测定地物反射光谱特性的仪器是可见光、近红外光谱仪。仪器由收集器、分光器、探测器和显示或记录器组成。测定地物发射光谱特性的仪器是热红外波谱仪、热红外辐射计。 1.4.2 实习前准备工作 1.4. 2.1 光谱测试仪器的标定 测量仪器在采集数据前必须通过指定的定标实验室的定标检测，检验仪器的工作性能。仪器的定标在室定标和实验场地现场定标，并在提交数据时附上相应测量仪器的定标报告。若对同一种典型地物（农作物、岩矿、水体等）的相同观测项目采用不同型号的测量仪器，则必须在观测实验前到指定的实验室或实验场进行统一校准和比对：即在相同的条件下，同时测量同一目标，进行归一化处理，分析各仪器的误差，以精度高的仪器为准，进行误差订正，并在提交数据时应附上相应测量仪器的比对报告。其中波谱仪与辐射计的性能要求为： ⑴可见光、近红外波段波谱仪 ①波谱仪读数时间漂移最大值，在0.38－1.1μm 围平均不得超过3％； ②波谱仪的读数的线性度误差不得超过1％； ③波谱仪在0.38－1.1μm 围波长绝对误差平均不得超过0.8nm。 ⑵短波红外波段波谱仪 ①在1.1－2.5μm 围波谱仪读数时间漂移最大值，平均不得超过5％； ②波谱仪读数的线性度误差不得超过3％；
上次课主要内容 4.4简单自然地物可识别性分析 4.5复杂地物识别概率(重点理解) ①要素t 的价值②要素总和（t 1，t 2，…，t m ）t 的价值 K -K E ∑ = ③复杂地物识别概率的计算理解p70~71例子
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 5.2 遥感图像特征与解译标志的关系 5.3 遥感图像的时空特性 5.4 遥感图像中的独立变量 5.5 地物统计特征的构造
第五章遥感图像特征和解译标志 地物特征 电磁波特性 影像特征 遥感图像记录过程 n 图像解译就是建立在研究地物性质、电磁波性质 及影像特征三者的关系之上 n 图像要素或特征，分“色”和“形”两大类：?色：色调、颜色、阴影、反差； ?形：形状、大小、空间分布、纹理等。“形”只有依靠“色”来解译才有意义。
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 n两个定义： ?解译标志定义：遥感图像光谱、辐射、空间和时间特征决定 图像的视觉效果、表现形式和计算特点，并导致物体在图像上 的差别。 l给出了区分遥感图像中物体或现象的可能性； l解译标志包括：色调与色彩、形状、尺寸、阴影、细部（图 案）、以及结构（纹理）等； l解译标志是以遥感图像的形式传递的揭示标志； ?揭示标志定义：在目视观察时借以将物体彼此分开的被感知 对象的典型特征。 l揭示标志包括：形状、尺寸、细部、光谱辐射特性、物体的阴 影、位置、相互关系和人类活动的痕迹； l揭示标志的等级决定于物体的性质、他们的相对位置及与周围 环境的相互作用等；
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 n解译标志和揭示标志的关系： ?解译标志是以遥感图像的形式传递的揭示标志； ?虽然我们是通过遥感图像识别地物目标的，但是大多数情况 下，基于遥感图像识别地物并作出决定时，似乎并不是利用解 译标志，而是利用揭示标志。 例如，很多解译人员刚看到图像就差不多在脑海中形成地物的形象， 然后仅仅分析这个形象就能作出一定的决定。实际上，有经验的解译人 员，在研究图像的解译标志并估计到传递信息的传感系统的影响以后， 思想中就建立起地物的揭示标志，并在这些标志的基础上识别被感知物 体。解译人员在实地或图像上都没见过的地物或现象是例外。 n解译标志和揭示标志可以按两种方式进行划分：?直接标志和间接标志； ?永久标志和临时标志；
遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义 波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强
3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念 方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点 ?计算图像经过下列操作后，其中心象元的值： –3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 –Sobel边缘检测 –Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用
第26卷,第4期 光谱学与光谱分析Vol 126,No 14,pp7722774 2006年4月 Spectroscopy and Spectral Analysis April ,2006 分形理论在光谱识别中的应用 熊宇虹,温志渝,张流强,温中泉,梁玉前 重庆大学光电工程学院,重庆 400044 摘 要 分形理论是研究一类不规则、混乱复杂,但其局部和整体具有相似性体系的科学。分形维数是分形 理论中用于描述对象的不规则度和自相似性的基本度量。文章以符合朗伯2比尔定律的光谱信号为研究对象,在概述分形几何基本原理的基础上,提出了以分形维数作为光谱识别特征的方法,运用相空间重构得出了光谱信号的分形维数,通过对光谱信号的分形维数进行比较,达到识别不同光谱的目的,最后举例对该方法进行了说明。 主题词 分形;分形维数;光谱分析;光谱识别中图分类号:TP39 文献标识码:A 文章编号:100020593(2006)0420772203 收稿日期:2005201228,修订日期:2005206228 基金项目:国家自然科学基金重点项目(69476023)和国家“863”项目(2004AA4040,2004AA404023),国家自然科学基金(60308007)和重庆 市“十五”攻关项目(7341;8149)资助 作者简介:熊宇虹,1971年生,重庆大学光电工程学院博士研究生 引 言 分形理论是数学家曼德布罗特创立的,主要研究一类不 规则、混乱复杂,但其局部和整体具有相似性体系的科学[1]。由于其在描述复杂现象方面的独特作用,从而在自然科学和社会科学的众多领域得到了广泛应用,为人们研究复杂问题提供了新方法,开辟了新视野[2]。 光谱识别技术是光谱定性分析的基础。随着光谱学和计算机技术的发展,光谱识别已成为光谱分析技术的重要组成部分。本文以符合朗伯2比尔定律的光谱信号为研究对象,探讨了分形理论在光谱识别中的应用。在概述分形几何基本原理的基础上,提出了以分形维数作为光谱识别特征的方法,运用相空间重构得出了光谱信号的分形维数,通过对光谱信号的分形维数进行比较,达到识别不同光谱的目的,最后以常见的中药材党参及其伪品夜关门为例对该方法进行了说明。 1 分形和分形维数[325] 分形理论经过了许多年的发展,在不同的时期人们对分形下过不同的定义,但迄今为止还没有一个确切、简明、令人满意的定义,一般而言,把分形看作具有如下典型性质的集合F , (1)F 具有精细结构,即有任意小比例的细节;(2)F 是如此不规则,以致它的局部和整体都不能用传 统的几何语言来描述; (3)F 通常有某种自相似的形式,可以是近似的或是统计的; (4)一般地,F 的“分形维数”大于它的“拓扑维数”; (5)在大多数情况下,F 可以用非常简单的方法定义,可以由迭代产生。 一般而言,如果所研究的对象满足上述性质中的全部或大部,即使有某个性质例外,也并不影响把其称为分形。 分形维数是分形理论中用于描述对象的不规则度和自相似性的基本度量,在一定区间内具有标度不变性。数学家以Hausdorrf 维数为基础,定义了多种维数,如盒维数、信息维数、关联维数、广义维数和自相似维数等。这些维数从不同的方面刻画了分形集的分形特征。其中关联维数计算简单,可以由一维时间序列利用相空间重构的方法直接计算得出,因而应用较普遍,其基本计算过程如下, 假设{x k }为观测得到的时间序列,其中k =1,2,…,h 。对该时间序列采用时间差法进行相空间重构,重构结果记为y n (m ,p )=(x n ,x n+p ,…,x n+(m-1)p ),其中n =1,2,…,h -m +1,p =a Δt 为时间延迟,Δt 为数据采样的时间间隔,a 为任意整数,m 为嵌入维数。 在y n 中,凡是距离小于给定正数r 的矢量称为关联矢量,计算一下有多少对关联矢量,它在一切可能的配对中所占的比例称为关联积分,
地物光谱仪在野外光谱测量中的使用（一） 论文关键词地物光谱仪；野外测量；工作规范 论文摘要在遥感技术中，为了更精确地判读多光谱图像，掌握地面上各种地物的光谱辐射特性是十分重要的。介绍FieldSpec?悖HandHeld手持便携式 光谱分析仪的测量原理方法、工作规范及注意事项，概要地说明了影响光谱测量的因素。 在遥感领域中，为了研究各种不同地物或环境在野外自然条件下的可见和近红外波段反射光谱，需要适用于野外测量的光谱仪器。对野外地物光谱进行测量，我们使用的是美国 ASD公司FieldSpec?悖HandHeld手持便携式光谱分析仪。其主要技术指标为：波长范围为 300~1100nm光谱采样间隔为1.6nm, 灵敏度线性：土1% FieldSpec?悖HandHeld手持便携式光谱分析仪可用于户外目标可见一近红外波段的光谱辐射测量。该光谱仪在户外主要利用太阳辐射作为照明光源，利用响应度定标数据，可测量并获得地物目标的光谱辐亮度；利用漫反射参考板对比测量，可获得目标的反射率光谱信息；通过对经过标定的漫反射参考板的测量，可获得地面的总照度以及直射、漫射照度光谱信息；利用特定的辅助测量机械装置，可获得地面目标的BRDF（方向反射因子）光谱信 息参数。 为了使地物光谱数据可靠和高的质量，使数据便于对比和应用，有必要提出地物光谱测试规范和测量要求。 1仪器的标准和标定 1.1光谱分辨率 实用分辨宽度对0.04~1.10卩m小于5nm 1.1~2.5卩m小于15nm。对于FieldSpec?悖HandHeld手持便携式光谱分析仪，起始波长为325nm终止波长 为1075nm波长步长为1nm则光谱分辨率取3nm 1.2线性标定 线性动态范围有3个量级，最大信号对应为0.8~1.0，太阳常数照明的白板（V 90%）峰值响应输出。线性误差小于 3%（回归误差）。 1.3光谱响应度的标定 反射率小于、等于15%（大于1%）的目标，信噪比应大于10。反射率大于15%的目标，信噪比应大于20。 2野外测定方法与工作规范 2.1目标选取 选取测量目标要具有代表性，应能真实反映被测目标的平均自然性。对于植被冠层及用物的测量应考虑目标和背景的综合效应。 2.2能见度的要求
实习报告 实习题目：地物光谱测定 实习时间，地点：天山堂前面空地贺兰堂地信专业机房 实习目的：认识地物光谱反射率的规律，分析典型地物的光谱特征 使用仪器：地物光谱分析仪 测量目标的基本信息：草地，裸地，水泥路，红灌丛，绿灌丛 环境参数表：气温：18度 实习内容，实习步骤：1. 用ASD软件打开外业测量地物光谱数据，去除十条曲线中明显异常曲线 打开ASD软件→file→open→选中测得的十条曲线→打开→选择加载的十条数据→view→graph data→在空白处右击→customization dialog→axis→min/max(设置max为1)，根据图形删除其中一条或多条异常曲线（在目录中直接删除） 2.对符合条件的地物光谱曲线进行处理(导出每种地物的JPG、tab和平均值.mn数据) ①加载符合条件的曲线（方法与步骤1相同）→export→分别
选择jpg，设置输出路径和文件名，点击export即可 ②求每种地物的平均值曲线 Process→statistics→选择mean→设置输出路径和文件名即可 对于上述导出的平均值曲线，点击export→分别选择text格式，设置输出路径和文件名，点击export即可导出.dat文件 3.处理数据 ①对每种地物的jpg文件，只需要分析其曲线特征（联系地物实际特性来分析其在可见光（380-760nm）和近红外（760-1500nm）之间的光谱特征） ②将上述的dat文件（五个）分别用excel打开，并且计算红、绿、蓝波段的平均值，蓝光101-171，绿光171-251，红光281-341，将计算好的五组数据放入新的excel表中，并绘制折线图 ③将步骤2中的各种地物平均值数据在ASD中打开，方法如步骤1所示，并将其按照jpg格式导出，并对其进行分析。 反射率曲线及分析：
【ENVI入门系列】16.基本光谱分析 (2014-09-30 17:38:25) 转载▼ 分类：ENVI 标签： 杂谈 版权声明：本教程涉及到的数据仅供练习使用，禁止用于商业用途。 目录 基本光谱分析 1.概述 2.详细操作步骤 2.1标准波谱库与浏览 2.2波谱库创建 2.3高光谱地物识别 2.3.1从标准波谱库选择端元进行地物识别 2.3.2自定义端元进行地物识别 1. 概述 光学遥感技术的发展经历了：全色（黑白）—>彩色摄影—>多光谱扫描成像—>高光谱遥感四个历程。 高光谱分辨率遥感（HyperspectralRemote Sensing）用很窄（小于10nm）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米
(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。相比多光谱传感器，如Landsat8 OLI包括9个波段，光谱分辨率为106nm。 如下图为从多光谱和高光谱数据上获取的波谱曲线，更高波谱分辨率的图像可以用于识别物质，而相比多光谱图像，如TM只能用于区分物质。 图：从多光谱和高光谱数据上获取的波谱曲线对比 本课程学习ENVI的高光谱基本分析功能，包括波谱库的浏览与创建、基本的高光谱物质识别流程。 2. 详细操作步骤 2.1 标准波谱库与浏览
ENVI自带多种标准波谱库，包括建立在JPL波谱库基础上的，从0.4~2.5μm三种不同粒径160种"纯"矿物的波谱。美国USGS从0.4~2.5μm包括近500种典型的矿物和一些植被波谱。来自Johns Hopkins University（JHU）的波谱包含0.4~14μm。IGCP246波谱库有5部分组成，通过对26个优质样品用5个不同的波谱仪测量获得。植被波谱库由Chris Elvidge 提供，范围是0.4~2.5μm。ENVI 5.1波谱库中新增了2443种Aster的波谱文件，同时对应的波谱工具也有了很大的该进，用户可直观地看到每一种波谱库中的文件个数，以及更为方便的查看每一种波谱文件的波谱曲线。 ENVI的波谱库文件存放在HOME\ Program Files\Exelis\ENVI51\classic\spec_lib。 启动ENVI 5.1，主菜单> Display > Spectral Library View，在对话框中显示的就是ENVI自带的波谱库文件； 图：ENVI自带波谱库文件 （1）选择打开Veg_lib（99）中的几个植被波谱文件； 在vegetation波谱库中选择6种不同植被的波谱曲线，在下图可以看到起对应的波谱曲线，以及波谱文件的属性信息，包括常规信息和曲线信息。
典型地物反射波谱测量与特征分析 一、实验目的与要求 1.实验意义： （1）对光谱测量仪器的认识：ASD野外光谱分析仪FieldSpecPro是一种测量可见光到近红外波段地物波谱的有效工具，它能够快速扫描地物，光线探头在毫秒内得到地物的单一光谱。FieldSpec分光仪主要由附属手提电脑，观测仪器，手枪式把手，光线光学探头以及连接数据线组成。通过连接电脑，可实时持续显示测量光谱，使得测量者可以即时获取需要的测量数据。 （2）对课堂内容的认识：地物反射光谱是指某种物体的反射率或反射辐射能随波长变化的规律，以波长为横坐标，反射率为纵坐标所得到的曲线即为反射波谱特性曲线。影响地物波谱变化的因素：太阳位置（太阳高度角和方位角）。不同的地理位置，海拔高度不同。时间、季节的变化。地物本身差异、土壤含水量、植被病虫害。 2.实验目的： （1）地物波谱数据获取需要使用地面光谱仪，通过该实验学会地面光谱仪的原理与使用方法。 （2）通过对地物光谱曲线分析，比较相异与相似地物反射光谱特征。认识并掌握典型地物反射光谱特征。
二、实验内容与方法 1.实验内容 （1）典型地物反射波谱测量 选择典型地物类型，使用地物光谱仪，开展地物光谱测量，获得典型地物可见光近红外 波段（0.4-2.5微米）的反射光谱曲线。 地物类型：植被（草地、灌丛），水体（不同水深，有无植被），土壤（裸土、有少量植 被覆盖土壤），不透水地面（水泥地面、沥青路面、大理石地面）。 （2）地物波谱特征分析 a)标准波谱库浏览 b)波谱库创建 c)高光谱地物识别 ●从标准波谱库选择端元进行地物识别 ●自定义端元进行地物识别 2.实验方法 （1）ASD光谱仪简介 FieldSpec Pro型光谱仪是美国分析光谱设备(ASD)公司主要的野外用高光谱测量设备。整台仪器重量7.2公斤，可以获取350~2500nm 波长范围内地物的光谱曲线，探测器包括一个用于350-1000nm的512像元NMOS硅光电二极管阵列, 以及两个用于1000-2500nm的单独的热电制冷的铟-镓-砷光电探测器。便携式光谱仪是“我国典型地物标准波谱数据库”获取光谱数据的主要设备。 基本技术参数： 线性度：+/-1%
第二章电磁辐射与地物光谱特征 ·名词解释 辐射亮度：由辐射表面一点处的单位面积在给定方向上的辐射强度称为辐射亮度。 普朗克热辐射定律：在一定温度下，单位面积的黑体在单位时间、单位立体角内和单位波长间隔内辐射出的能量为B(λ，T)=2hc2 /λ5 ·1/exp(hc/λRT)-1 灰度波谱：用该类型在该波段上的灰度值反应的波谱曲线 黑体辐射：任何物体都具有不断辐射、吸收、发射电磁波的本领，为了研究不依赖于物质具体物性的热辐射规律，物理学家们定义了一种理想物体——黑体(black body)，以此作为热辐射研究的标准物体。 电磁波谱：将电磁波按大小排列制成图表。 太阳辐射：太阳射出的辐射射线 瑞利散射：大气中粒子的直径比波长小得多时发生的散射 米氏散射：当大气中粒子的直径与辐射的波长相当时发生的散射 地球辐射：地面吸收太阳辐射能后，向外辐射的射线。 地物波谱特性：各种地物因种类和环境条件不同,都有不同的电磁波辐射或反射特性 反射率：地物反射能量与入射总能量之比。 比辐射率：某一物体在一特定波长和温度下的发射辐射强度与理想黑体在相同波长和温度下所发射的辐射强度之比。 后向散射 ·问答题 地球辐射的分段特性是什么？ 当太阳辐射到达地表后，就短波而言，地表反射的太阳辐射成为地表的主要辐射来源，而来自地球本身的辐射，几乎可以忽略不计。地球自身的辐射主要集中在长波，即6um以上的热红外区段，该区段太阳辐射的影响几乎可以忽略不计，因此只考虑地表物体自身的热辐射。两峰交叉之处是两种辐射共同其作用的部分，在2.5~6um，即中红外波段，地球对太阳辐照的反射和地表物体自身的热辐射均不能忽略。 什么是大气窗口?试写出对地遥感的主要大气窗口 答：大气窗口的定义：通常把电磁波通过大气层时较少被反射、吸收或散射的，透过率较高 的波段成为大气窗口。 包括：部分紫外波段，0.30 m μ~0.40m μ，70%透过。 全部可见光波段，0.40 m μ~0.76m μ，95%透过。 部分近红外波段，0.76 m μ~1.3m μ，80%透过。 近红外窗口：1.5 m μ~2.4m μ，90%透过，可区分蚀变岩石。 包括两个小窗口：1.5 m μ~1.75m μ 2.1 m μ~2.4m μ。 中红外窗口：3.5 m μ~5.5m μ，反射和发射并存。 包括两个小窗口（反射和发射混合光谱）：3.5 m μ~4.2m μ 4.6 m μ~5m μ 远红外窗口：8 m μ~14m μ，发射电磁波，热辐射。 微波窗口：0.5cm~300cm
面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。
影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。
遥感图像处理方法 随着遥感技术的快速发展，人们已经从遥感集市中获得了大量的遥感影像数据，如何从这些影像中提取人们感兴趣的对象已成为人们越来越关注的问题。但是传统的方法不能满足人们已有获取手段的需要，另外GIS的快速发展为人们提供了强大的地理数据管理平台，GIS数据库包括了大量空间数据和属性数据，以及未被人们发现的存在于这些数据中的知识。将GIS技术引入遥感图像的分类过程，用来辅助进行遥感图像分类，可进一步提高了图像处理的精度和效率。如何从GIS数据库中挖掘这些数据并加以充分利用是人们最关心的问题。GIS支持下的遥感图像分析特别强调RS和GIS的集成，引进空间数据挖掘和知识发现（SDM&KDD）技术，支持遥感影像的分类，达到较好的结果，专家系统表明了该方法是高效的手段。 遥感图像的边缘特征提取观察一幅图像首先感受到的是图像的总体边缘特征，它是构成图像形状的基本要素，是图像性质的重要表现形式之一，是图像特征的重要组成部分。提取和检测边缘特征是图像特征提取的重要一环，也是解决图像处理中许多复杂问题的一条重要的途径。遥感图像的边缘特征提取是对遥感图像上的明显地物边缘特征进行提取与识别的处理过程。目前解决图像特征检测/定位问题的技术还不是很完善，从图像结构的观点来看，主要是要解决三个问题:①要找出重要的图像灰度特征；②要抑制不必要的细节和噪声；③要保证定位精度图。遥感图像的边缘特征提取的算子很多，最常用的算子如Sobel算子、Log算子、Canny算子等。 1）图像精校正 由于卫星成像时受采样角度、成像高度及卫星姿态等客观因素的影响，造成原始图像非线性变形，必须经过几何精校正，才能满足工作精度要求一般采用几何模型配合常规控制点法对进行几何校正。 在校正时利用地面控制点(GCP)，通过坐标转换函数，把各控制点从地理空间投影到图像空间上去。几何校正的精度直接取决于地面控制点选取的精度、分布和数量。因此，地面控制点的选择必须满足一定的条件，即：地面控制点应当均匀地分布在图像内；地面控制点应当在图像上有明显的、精确的定位识别标志，如公路、铁路交叉点、河流叉口、农田界线等，以保证空间配准的精度；地面控制点要有一定的数量保证。地面控制点选好后，再选择不同的校正算子和插值法进行计算，同时，还对地面控制点(GCPS)进行误差分析，使得其精度满足要求为止。最后将校正好的图像与地形图进行对比，考察校正效果。 2）波段组合及融合 对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。 3）图像镶嵌 如果工作区跨多景图像，还必须在计算机上进行图像镶嵌，才能获取整体图像。镶嵌时，除了对各景图像各自进行几何校正外，还需要在接边上进行局部的高精度几何配准处理，并且使用直方图匹配的方法对重叠区内的色调进行调整。
第四章遥感图像的特征 一空间分辨率 二光谱分辨率 三时间分辨率 四辐射分辨率 五遥感系统的信息容量 一空间分辨率 空间分辨率(s p a t i a l r e s o l u t i o n)，又称地面分辨率 ●前者是针对传感器或图像而言的，指图像上能够详细区分的最小单元的尺寸 或大小； ●后者是针对地面而言，指可以识别的最小地面距离或最小目标物的大小。 空间分辨率的三种表示法： (1)象元(p i x e l) (2)线对数 (3)瞬时视场 空间分辨率的三种表示法： (1)象元(p i x e l)，指瞬时视域内所对应的地面面积，即与一个象元大小相当的地面尺寸，单位为米(m)。 如L a n d s a t T M一个象元相当地面28.5×28.5m的范围，简称空间分辨率30m……。 象元是扫描影像的基本单元，是成像过程中或用计算机处理时的基本采样点。 (2)线对数(L i n e P a i r s)，对于摄影系统而言，影像最小单元的确定往往通过l毫米间隔内包含的线对数，单位为线对／毫米(1／m m)。 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 (3)瞬时视场(I F O V)，指遥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(m r a d)。
I F O V越小，最小可分辨单元(可分像素)越小，空间分辨率越高。 一个瞬时视场内的信息，表示一个象元 遥感数据的概括能力 地面目标是个多维的真实模型，是个无限、连续的信息源(时空尺度上)；遥感数据是对地面信息源有限化、离散化的二维平面记录。 像元的大小反映了离散化程度。 从地面原型到遥感信息，即把地面信息有限化、离散化过程必然要损失部分信息，这本身就是一种概括能力。其概括程度是随着空间分辨率的增大而增加的。这种概括能力对于宏观概念的建立是有意义的 几何特性 每张遥感图像与所表示的地表景观特征之间有特定的几何关系。这种几何关系是由遥感仪器的设计、特定的观测条件、地形起伏和其它因素决定的。 地面目标均有其一定的空间分布特征(位置、形状、大小、相互关系)。 从地面原型经遥感过程转为遥感信息后，受大气传输效应和传感器成像特征的影响，这些地面目标的空间特征被部分歪曲，发生变形 全景摄影图像的几何畸变 常规象片（A）与扫描图象（B）几何畸变比较 二光谱分辨率 光谱分辨率——指传感器在接收目标辐射的波谱时能分辨的最小波长间隔。 ●决定了传感器所选用的波段数量的多少、各波段的波长位置、及波 长间隔的大小 光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。 但是，多波段信息直接地综合解译是较困难的，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度
红外官能团必备歌 红外可分远中近，中红特征指纹区，1300来分界，注意横轴划分异。 看图要知红外仪，弄清物态液固气。 样品来源制样法，物化性能多联系。 识图先学饱和烃，三千以下看峰形。2960、2870是甲基，2930、2850亚甲峰。 1470碳氢弯，1380甲基显。 二个甲基同一碳，1380分二半。 面内摇摆720，长链亚甲亦可辨。 烯氢伸展过三千，排除倍频和卤烷。 末端烯烃此峰强，只有一氢不明显。 化合物，又键偏，～1650会出现。 烯氢面外易变形，1000以下有强峰。 910端基氢，再有一氢990。 顺式二氢690，反式移至970； 单氢出峰820，干扰顺式难确定。 炔氢伸展三千三，峰强很大峰形尖。 三键伸展二千二，炔氢摇摆六百八。 芳烃呼吸很特征，1600～1430。 1650～2000，取代方式区分明。
900～650，面外弯曲定芳氢。 五氢吸收有两峰，700和750； 四氢只有750，二氢相邻830； 间二取代出三峰，700、780，880处孤立氢醇酚羟基易缔合，三千三处有强峰。 C－O伸展吸收大，伯仲叔醇位不同。 1050伯醇显，1100乃是仲， 1150叔醇在，1230才是酚。 1110醚链伸，注意排除酯酸醇。 若与π键紧相连，二个吸收要看准，1050对称峰，1250反对称。 苯环若有甲氧基，碳氢伸展2820。 次甲基二氧连苯环，930处有强峰， 环氧乙烷有三峰，1260环振动， 九百上下反对称，八百左右最特征。 缩醛酮，特殊醚，1110非缩酮。 酸酐也有C－O键，开链环酐有区别， 开链强宽一千一，环酐移至1250。 羰基伸展一千七，2720定醛基。 吸电效应波数高，共轭则向低频移。 张力促使振动快，环外双键可类比。 二千五到三千三，羧酸氢键峰形宽，
高光谱成像检测技术 一、高光谱成像技术的简介 高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术, 其最突出的应用是遥感探测领域, 并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术,是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。高光谱成像技术的定义是在多光谱成像的基础上,在从紫外到近红外 (200-2500nm 的光谱范围内,利用成像光谱仪,在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时, 也获得了被测物体的光谱信息。 高光谱成像技术具有超多波段 (上百个波段、高的光谱分辨率 (几个 nm 、波段窄(≤ 10-2λ、光谱范围广(200-2500nm 和图谱合一等特点。优势在于采集到的图像信息量丰富, 识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹” 效应, 不同物不同谱, 同物一定同谱的原理来分辨不同的物质信息。二、高光谱成像系统的组成和成像原理 高光谱成像技术的硬件组成主要包括光源、光谱相机 (成像光谱仪 +CCD 、装备有图像采集卡的计算机。光谱范围覆盖了 200-400nm 、 400-1000nm 、 900-1700 nm 、 1000-2500 nm。
光谱相机的主要组成部分有:准直镜、光栅光谱仪、聚焦透镜、面阵 CCD 。
高光谱成像仪的扫描过程:面阵 CCD 探测器在光学焦面的垂直方向上做横向排列完成横向扫描(X 方向 ,横向排列的平行光垂直入射到透射光栅上时,形成光栅光谱。这是一列像元经过高光谱成像仪在 CCD 上得到的数据。它的横向是 X 方向上的像素点,即扫描的一列像元;它的纵向是各像元所对应的光谱信息。 同时, 在检测系统输送带前进的过程中, 排列的探测器扫出一条带状轨迹从而完成纵向扫描(Y 方向。 综合横纵扫描信息就可以得到样品的三维高光谱图像数据。
空间滤波（spatial filters） 空间滤波（又称local operation） 空间滤波是一种通用的光栅图像处理操作。是根据某像素周围像素的数值，修改图像中的该像素值。它能增强或抑制图像的空间细节信号，提高图像的可视化解释。如应用滤波增强图像的边界信息，去除或减少图像中的噪音图案。突出结构特征等。 空间频率（Spatial frequency） 空间频率是所有类型的光栅数据共有的特性，它的定义是指图像中的任何一特定部分，每单位距离内数据值的变化数量。对图像上数据变化小、或渐进变化的区域称为低频区域（如平滑的湖面），对图像上数据变化大、或迅速变化的区域称为高频区域（如布满密集公路网的城区）。 空间滤波分为三大类： 低通滤波（Low pass filters）：强调的是低频信息，平滑了图像的噪音、减少了数据的菱角。因为它不在重视图像的细节部分，所以低通滤波有时又称为平滑或均值滤波。 高通滤波（High pass filters）：强调的是高频信息，增强或锐化线性特征，象公路、断层、水陆边界。因为它没有图像的低频部分，增强了图像的细节信息，所以高通滤波有时又称为锐化滤波。 边界检测滤波（Edge detection filters）：强调的是图像中目标或特征的边界，以便更容易分析。边界检测滤波通常建立一个灰色背景图和围绕图像目标或特征边界的黑白色线。 卷积核（convolution kernels） 卷积核是指二维矩形滤波距阵（或窗口），包含着与图像像素值有关的权值。滤波距阵（或窗口）在图像上从左向右，自上而下，进行平移滑动，窗口中心的像素值是根据其周围像素值与窗口中对应的每个像素的权值乘积就和而计算出来的。 ER Mapper滤波对话框如图1-1。包含着滤波文件名、滤波距阵和滤波编辑等项。 图1-1 ER Mapper滤波对话框 实习目的： 建立和删除滤波，应用不同的滤波距阵，查看结果。 实习步骤： （一）增加滤波 1．打开和显示一个已存在的算法文件
第1期,总第71期国 土 资 源 遥 感No.1,2007 2007年3月15日R E M O TE SEN S I N G FO R LAND&R ESOU RC ES Mar.,2007 成像光谱矿物识别方法与识别模型评述 王润生,杨苏明,阎柏琨 (中国国土资源航空物探遥感中心,北京 100083) 摘要:矿物识别和矿物填图是成像光谱应用最成功的领域之一。本文将国内外发展的矿物识别模型归纳为光谱匹配和以知识为基础的智能识别两大类型进行讨论。对光谱匹配方法分别从其方法的分类、光谱相似性测度、整体光谱匹配算法、局部光谱识别、亚像元光谱识别、混合像元分解和矿物端元选择、光谱减维和噪声弱化等方面作了评述。最后,讨论了矿物识别和填图研究中存在的主要问题,指出研究建立全谱段矿物识别方法和技术体系将是今后光谱矿物识别和矿物填图的重要发展方向。 关键词:成像光谱;矿物识别;矿物填图;光谱匹配;光谱相似性测度;全谱段 中图分类号:TP75 文献标识码:A 文章编号:1001-070X(2007)01-0001-09 0 引言 成像光谱技术的兴起与发展,极大地增强了遥感对地的观测能力和对地物的鉴别能力,使遥感从鉴别(D iscri m inati on)发展到对地物的直接识别(I2 dentificati on),使遥感工作方法由图像分析转变为以谱分析为主的图谱结合模式,也使遥感应用逐渐摆脱“看图识字”的阶段,而越来越依赖于对地物波谱特征定量分析和理解。 矿物填图是成像光谱技术最成功的,也是最能发挥其优势的应用领域。应用成像光谱数据,不仅可以直接识别与成矿作用密切相关的蚀变矿物,分析蚀变矿物组合,定量或半定量估计相对蚀变强度和蚀变矿物含量,评价地面化探异常,追索矿化热液蚀变中心,圈定找矿靶区,而且还可探测一些蚀变矿物和一些造岩矿物的成分及结构变异特征,用以分析蚀变带的空间分带、成矿成岩作用的温压条件、热动力过程和热液运移的时空演化。矿物识别技术不仅在矿产资源(金、铜等金属矿床,油气、钾盐等)勘查和评价中发挥重要作用,而且对土质调查、土地退化(沙漠化和盐碱化)监测、矿山环境监测及月球和行星地质学研究都具有重要意义。 成像光谱数据的特点是图谱合一,其数据处理、地物识别方法和识别模型分为图像分析、图像识别和光谱分析、光谱识别两大类,本文仅讨论矿物的光谱识别方法(当然,它们之间并没有截然的界限)。 成像光谱矿物识别的基本原理是成像光谱数据的重建光谱与矿物标准光谱或实测光谱的定量比对分析。国内外发展的光谱识别模型从本质上可分为两大类型:即以重建光谱与标准光谱相似性度量为基础的光谱匹配方法和以矿物学和矿物光谱知识为基础的智能识别方法。 1 光谱匹配方法分类 光谱匹配是将重建光谱与参考光谱相比较,以某种测度函数度量它们之间的相似性或相关性程度,从而对矿物进行识别的方法。相似性测度函数可以是距离函数(欧氏距离、马氏距离)、相似系数、相关系数、光谱信息散度和光谱矢量夹角等;参考光谱既可以是光谱数据库中的标准光谱(典型光谱),也可以是野外或实验室实测的工作区岩矿光谱,还可以是从图像中提取的已知区的图像光谱。对光谱匹配方法的分类有如下几种: (1)按匹配时所利用的数据,光谱匹配可分为直接匹配和间接匹配两大类型。直接匹配是直接用重建光谱与参考光谱数据进行匹配;间接匹配方法不直接使用原始光谱数据作匹配,而是对光谱数据作编码或变换,利用编码和变换后的数据作匹配,如光谱编码匹配[1]、光谱傅立叶频谱的振幅和相位[2]、小波和分维数[3,4〗等匹配方法。 (2)按所利用的光谱特征,光谱匹配可分为整体光谱匹配和局部光谱匹配。整体光谱匹配指以全部 收稿日期:2006-12-05;修订日期:2007-01-06 基金项目:国家高技术研究发展计划(863计划)课题“成像光谱矿物填图技术及其应用示范”(2001AA36020-4)、中国地质调查局科研项目“成像光谱技术在资源勘查中的应用研究”(200220140003)。
遥感图像信息提取方法综述 遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 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。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。（2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。 各种直接判读标志之间的对比分析，可以识别标志相同（如色调、形状），而另一些标识不同（纹理、结构）的物体。对比分析可以增加不同物体在图像上的差别，以达到识别目的。（3）综合分析 综合分析主要应用间接判读标志、已有的判读资料、统计资料，对图像上表现得很不明显，或毫无表现的物体、现象进行判读。间接判读标志之间相互制约、相互依存。根据这一特点，可作更加深入细致的判读。如对已知判读为农作物的影像范围，按农作物与气候、地貌、土质的依赖关系，可以进一步区别出作物的种属；河口泥沙沉积的速度、数量与河流汇水区域