遥感数字图像计算机解译

如何利用遥感图像解译技术进行土地利用类型分类

遥感图像解译技术是现代地学领域的一项重要技术，广泛应用于土地利用类型分类。随着遥感技术的不断发展和卫星影像数据的不断更新，土地利用类型分类的准确性和精度也得到了极大的提高。本文将探讨如何利用遥感图像解译技术进行土地利用类型分类，并介绍一些常用的分类方法和技巧。

1. 引言

土地利用类型分类是研究土地资源合理利用和保护的重要手段。而传统的土地利用调查方法往往需要耗费大量的时间和人力，因此利用遥感图像解译技术进行土地利用类型分类成为了一种更为高效和经济的选择。

2. 遥感图像解译技术概述

遥感图像解译技术是指通过对遥感获取的多光谱或高光谱图像进行分析和解译，从而得到地表覆盖物的信息和特征。常见的遥感图像解译技术包括目视解译、数字图像处理和计算机辅助分类等。

3. 土地利用类型分类方法

3.1 目视解译法

目视解译法是一种比较直观和常用的解译方法。通过人眼观察遥感影像，根据不同的颜色、纹理和形状特征判断土地利用类型，并手工绘制土地利用类型边界。尽管该方法需要依赖解译员的经验和专业知识，但在一些简单的土地利用类型分类任务中，仍然具有一定的优势。

3.2 数字图像处理法 数字图像处理法利用计算机对遥感图像进行数字图像处理和分析，通过提取不同波段或指数的特征信息来实现土地利用类型分类。例如，可以结合植被指数、水体指数和土壤指数等来划分森林、湖泊和耕地等不同的土地类型。该方法具有处理速度快、自动化程度高等优点，但对遥感图像预处理和特征选择等环节要求较高。

3.3 计算机辅助分类法

计算机辅助分类法是指利用计算机对遥感图像进行自动或半自动的分类。常见的方法包括最大似然法、支持向量机和人工神经网络等。通过对训练样本的学习和训练，可以实现对未知区域的分类。该方法具有分类准确性高、重复性好等特点，但对样本数据质量和分类算法的选择有一定的要求。

4. 土地利用类型分类技巧

遥感数字图像处理

遥感数字图像处理

1.图像(image)就是对客观对象的一种相似性的描述或写真。图像包含了这个

客观对象的信息。就是人们最主要的信息源。

2.数字图像指数字存储的、用计算机直接处理的图像,就是空间坐标与图像数

值不连续的、用离散数值表示的图像,在计算机内部,数字图像表现为二维阵列(网格),属于不可见图像。

3.什么就是遥感数字图像,模拟图像(图片)与遥感数字图像有什么区别？

遥感数字图像就是以数字形式存储与表达的遥感图像。

模拟图像:又称光学图像,以胶片、相纸等硬拷贝形式存储的图像。图像就是自然景物的反映,人眼感知的景物一般就是连续的,照相机(非数码式)拍摄形成的照片也就是连续的,两者均称之为模拟图像。广义的模拟图像还包括绘画。

区别:

模拟图像的显著特点就是连续性: ①空间位置的变化就是连续的②每一空间位置上的亮度、色彩变化就是连续的③符合数学上微积分连续性的定义

数字图像的特点:便于计算机处理与分析;图像信息损失低;抽象性强。

4.什么就是遥感数字图像处理？它包括那些内容？

答:利用计算机对遥感数字图像进行一系列的操作,以求达到预期结果的技术,称作遥感数字图像处理。

其内容有:

①图像转换。包括模数(A/D)转换与数模(D/A)转换。图像转换的另一种含

义就是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作,如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换与小波变换等。

②数字图像校正。主要包括辐射校正与几何校正两种。

③数字图像增强。采用一系列技术改善图像的视觉效果,提高图像的清晰

度、对比度,突出所需信息的工作称为图像增强。图像增强处理不就是以图像保真度为原则,而就是设法有选择地突出便于人或机器分析某些感兴趣的信息,抑制一些无用的信息,以提高图像的使用价值。

④多源信息复合(融合)。

⑤遥感数字图像计算机解译处理。

5.、什么就是图像增强？主要目的就是什么？主要有哪些方法？

龙源期刊网

关于遥感图像解译方法的分析

作者：张辉

来源：《城市建设理论研究》2013年第03期

摘要：本文作者介绍了在计算机解译方向出现的几种新方法，并分析了遥感图像计算机解译的发展趋势。

关键词：遥感；图像解译；方法；分析

Abstract: The author describes the direction of the computer interprets several new methods, and

analysis of remote sensing image computer interprets the trends.Keywords: remote sensing; Image

Interpretation; method; analysis

中图分类号：P25文献标识码：A文章编号：2095-2104（2012）

利用计算机对遥感图像进行解译是遥感图像解译的必然趋势。它可以实现智能化地快速获取地表的不同专题信息，具有重要的理论意义和应用前景。

1遥感图像计算机解译的新方法

1.1人工神经网络

人工神经网络（Artifical Neural Networks,ANN）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入-输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。

它由大量处理单元互联组成非线性、自适应的信息处理系统，通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。具有非线性、非局限性、非常定性、非凸性四个基本特征。其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。

遥感影像解译的基本原理与方法

遥感影像解译是指对通过遥感技术获取的影像进行分析和理解，以获取地物信息的过程。遥感影像解译广泛应用于许多领域，包括环境监测、土地利用规划、资源调查等。本文将探讨遥感影像解译的基本原理与方法，并详细介绍其中的一些关键步骤。

一、遥感影像解译的基本原理

遥感影像解译的基本原理是基于光的电磁波特性，利用地物对不同波段的光波有不同的反射、辐射或吸收能力来分析图像中的地物特征。遥感影像分为光学遥感和雷达遥感两种类型，本文将重点介绍光学遥感的基本原理。

在光学遥感中，利用不同波段的光谱信息可以反映地物的不同属性。不同类型的地物对光的反射率有着不同的特征，通过测量地物在不同波长下的反射率，可以进行地物分类和定量分析。例如，植被在近红外波段有着高的反射能力，而水体则在短波红外波段有着较高的吸收能力。基于这些特征，可以通过比较不同波段的反射率来判断影像中的地物类型。

二、遥感影像解译的方法

遥感影像解译的方法有许多种，常用的主要包括目视解译、数字图像处理和机器学习等。下面将详细介绍其中的几种方法。

1. 目视解译：目视解译是最早也是最简单的一种解译方法。通过肉眼观察并分析遥感影像中的地物特征，进行地物分类和定量分析。目视解译的有点是直观简单，但其局限性在于解译速度较慢且主观性较强。

2. 数字图像处理：数字图像处理是将遥感影像转换为数字数据，并利用计算机进行处理的方法。通过应用图像增强、滤波、边缘检测等算法，可以提高影像的质量，并提取出地物特征。数字图像处理的优势在于可以大大提高解译效率，但需要专业的计算机软硬件和图像处理技术支持。

3. 机器学习：机器学习是一种基于统计学方法的自动学习算法，可以通过训练一大批样本数据来识别遥感影像中的地物。常用的机器学习方法有支持向量机、随机森林等。机器学习的优势在于可以从大量遥感数据中自动提取地物特征，并进行快速准确的分类，但需要大量的样本数据和专业的机器学习算法。