遥感基础知识及遥感图像处理方法

1.几何校正：几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，同时也是将图像投影到平面上，使其符合地图投影系统的过程。

2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。

3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。

常用方法是按照行政区划边界或自然区划边界进行图像裁剪。

在基础数据生产中，还经常要进行标准分幅裁剪。

按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。

4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。

5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。

6.面向对象图像分类技术：是集合邻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，以高精度的分类结果或者矢量输出。

7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。

8.立体像对：从两个不同位置对同一地区所摄取的一对相片。

9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。

10.高光谱分辨率遥感：是用很窄而连续的波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，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。

11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。

12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。

遥感专业必会知识点总结遥感技术的基本原理是通过感测器（如光电传感器、微波传感器等）对地球表面或大气进行监测，收集返回的电磁辐射信号，然后利用数字图像处理方法将其转化为数字图像，通过图像处理技术分析、解译和提取目标地物的信息。

由于遥感技术具有成本低、周期短、覆盖面广等特点，因此其在资源调查、环境监测等领域有着独特的优势。

以下将从遥感技术的基础原理、遥感图像的获取、遥感图像的处理和分析方法等方面，对遥感专业必会的知识点进行总结。

一、遥感技术的基础原理1. 电磁辐射与地球观测地球表面和大气等物体都会产生电磁辐射，包括可见光、红外线、微波等各种波段的辐射。

遥感技术利用的核心是通过感测器捕获和记录这些辐射信号，然后将其转化为数字图像。

2. 传感器的工作原理传感器是遥感技术的核心设备，其工作原理是通过接收地面或大气发射的电磁波，然后将其转化为电信号，并记录下来供后续处理分析。

3. 遥感平台的选择及参数设置选择合适的遥感平台和传感器对于获取高质量的遥感图像至关重要，需要考虑到分辨率、光谱范围、观测角度等参数，以保证获取到的图像能够满足实际需求。

4. 遥感图像的地理坐标系统遥感图像需要具有地理坐标系统以便进行地理信息系统（GIS）中的空间分析和地图制作，常用的地理坐标系统包括经纬度坐标系统、投影坐标系统等。

二、遥感图像的获取1. 遥感图像的获取方式遥感图像的获取方式主要包括航拍和卫星遥感两种，航拍是通过飞机或者无人机等载具进行空中摄影，而卫星遥感则是通过卫星搭载的传感器以及遥感平台对地面进行拍摄。

2. 遥感图像的光谱特性遥感图像的光谱范围可以通过调整传感器的波段来获取不同波段的图像，其中可见光、红外光、紫外光等不同波段的图像可以提供丰富的地物信息。

3. 遥感图像的分辨率遥感图像的分辨率是指图像中能够识别的最小物体大小，分辨率越高则图像的细节信息越丰富。

一般来说，遥感图像的分辨率可以分为空间分辨率、光谱分辨率、时间分辨率、辐射分辨率等。

遥感图像处理的基本原理与方法遥感技术是指利用航空、航天等手段获取地球表面信息的技术和方法。

遥感图像处理是对获取的遥感图像进行分析、解译和推断的过程，可以提取出有用的地貌、植被、土地利用等信息。

本文将介绍遥感图像处理的基本原理与方法，帮助读者更好地理解和应用遥感技术。

一、遥感图像的获取和特点遥感图像是通过感光器件（如传感器）对地面反射和辐射的能量进行记录和测量而获得的图像。

这些感光器件可以测量和记录不同波段（如红外、可见光和微波等）的电磁辐射，并产生相应的数字图像。

遥感图像具有以下几个特点：1. 遥感图像拥有广阔的视野，可以获取大范围的地表信息；2. 遥感图像可以获取地面特定时间的状态，可以进行长期观测和时序分析；3. 遥感图像具有数字化特征，可以进行数字图像处理和分析。

二、遥感图像的处理流程遥感图像处理的主要流程包括数据获取、预处理、特征提取和解译等环节。

1. 数据获取数据获取是遥感图像处理的第一步，可以通过卫星、航空遥感以及无人机等手段获取图像数据。

卫星提供的数据通常具有较高的分辨率和全球覆盖能力，而航空遥感和无人机则可以获取更高分辨率的数据，但覆盖范围较小。

2. 预处理预处理是对原始遥感图像进行预处理，以剔除噪声、校正几何畸变和辐射定标等。

常见的预处理操作包括大气校正、辐射定标、几何校正等。

预处理能够提高图像质量，为后续处理奠定良好的基础。

3. 特征提取特征提取是遥感图像处理的核心环节，通过分析图像中的颜色、纹理、形状等特征，提取出所需的地物信息。

常用的特征提取方法包括直方图均衡化、滤波、边缘检测、分割等。

4. 解译解译是将所提取的特征与已知的地物信息进行匹配，进一步推断和识别图像中的地物。

解译可以通过人工解译和自动解译两种方式进行。

人工解译需要依靠专业知识和经验，而自动解译则可以借助计算机算法进行。

三、遥感图像处理的应用领域遥感图像处理在许多领域都有广泛的应用。

1. 农业领域遥感图像可以提供农业领域的土地利用、农作物生长状态等信息。

遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。

遥感图像处理可以应用于多个领域，包括地理信息系统（GIS）、环境监测、农业、城市规划等。

本文将介绍遥感图像处理的基本概念、常用方法和应用案例。

2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术，以下是一些常用的基本概念：2.1 遥感图像遥感图像是通过遥感设备获取的图像数据，可以是卫星图像、航空摄影图像或无人机图像等。

遥感图像通常包含多个波段，每个波段代表不同的光谱信息。

2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。

预处理的目的是提高图像质量、减少噪声和伪影，并使得图像更适合进行后续处理和分析。

2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。

常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。

2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较，以检测地物、景观或环境发生的变化。

遥感图像变化检测可以用于监测自然灾害、环境变化等。

2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析，提取图像中的有用信息和特征。

遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。

3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。

3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理，以增强图像的可视化效果和信息提取能力。

常用的图像增强方法包括直方图均衡化、滤波（如中值滤波、高斯滤波）和锐化等。

3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。

常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。

3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。

遥感图像处理的基本步骤与技巧遥感技术是指利用航天器、飞机、卫星等高空平台获得的遥感图像进行信息提取和数据分析的过程。

随着科技的不断进步和应用范围的扩大，遥感图像处理已经成为许多领域中的重要工具。

本文将介绍遥感图像处理的基本步骤与技巧，以帮助读者更好地理解和应用这一技术。

一、图像预处理遥感图像预处理是遥感图像处理的第一步，旨在通过去除噪声、辐射校正和几何校正等处理，使图像质量更高，方便后续处理。

其中，去除噪声主要是采用滤波算法，如中值滤波、均值滤波等。

辐射校正主要用于将图像的辐射能量转换为表观反射率，以消除云、阴影等因素的影响。

几何校正是通过对图像进行几何变换，将其与地理坐标系统对齐，以便于后续的地理信息提取。

二、特征提取特征提取是遥感图像处理的核心环节，目的是从遥感图像中提取出具有代表性和区分度的特征信息。

常用的特征包括光谱特征、纹理特征、形状特征等。

光谱特征是指根据图像像素的光谱反射率或辐射能量，提取出不同波段的特征。

纹理特征是指从图像中提取出地物的纹理信息，包括纹理方向、纹理密度等。

形状特征是指从图像中提取出地物的形状信息，包括面积、周长等。

三、分类与识别分类与识别是遥感图像处理中的重要任务，目的是将地物按照其属性进行分类和识别。

常见的分类方法包括监督分类和无监督分类。

监督分类是指根据已知的样本类别信息，通过训练分类器将图像中的地物分到不同的类别中。

无监督分类是指根据图像像素之间的相似性将其分为一定数量的类别。

分类结果可以用于制作地图、监测资源变化等。

四、变化检测变化检测是遥感图像处理中的一项重要任务，主要应用于监测和分析地表物体的变化。

遥感图像在不同时间获取的变化信息可以帮助我们了解自然和人类活动对地表的影响。

常见的变化检测方法包括像素级变化检测和对象级变化检测。

像素级变化检测是指比较两幅图像对应像素之间的差异，以确定变化的位置和类型。

对象级变化检测是指先将图像分割成不同的对象，然后比较不同时间获取的对象之间的差异。

遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。

遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。

本文将介绍遥感图像处理的基本步骤和技巧。

一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。

常见的图像预处理技术包括辐射校正、大气校正和几何纠正。

辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。

大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。

几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。

二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。

常见的图像增强技术包括直方图均衡化、滤波和波段变换。

直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。

滤波是通过应用各种滤波器来去除图像中的噪声和模糊。

波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。

三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。

常见的特征提取技术包括阈值分割、边缘检测和纹理分析。

阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。

边缘检测是寻找图像中的边界线，以辅助划分地物边界。

纹理分析是通过提取图像的纹理特征来描述地物的空间结构。

四、分类与识别分类与识别是将特定地物进行分类和识别的过程。

常见的分类与识别技术包括监督分类、无监督分类和目标检测。

监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。

无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。

目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。

五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。

通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。

遥感图像处理的基本流程与技巧近年来，随着遥感技术的快速发展，遥感图像处理在各个领域的应用越来越广泛。

遥感图像处理的基本流程和技巧对于正确解读和使用遥感图像至关重要。

本文将探讨遥感图像处理的基本流程与技巧，帮助读者更好地理解和应用这一工具。

一、遥感图像处理的基本流程1. 图像获取与预处理遥感图像处理的第一步是获取图像数据。

常见的获取方式包括卫星、飞机、无人机等。

在获取到图像数据后，还需要进行预处理，包括辐射校正、大气校正、几何校正等，以保证图像的质量和精度。

2. 影像增强影像增强是提高图像质量，使图像更能被人眼感知和解读的过程。

常见的影像增强技术包括直方图均衡化、滤波、图像融合等。

通过适当的增强技术，可以突出图像中的特定目标或信息，提高图像的可读性和解读性。

3. 特征提取与分类特征提取是从图像中提取有意义的信息或特征的过程。

常见的特征包括颜色、纹理、形状等。

在特征提取的基础上，可以进行图像分类，将图像中的不同对象或地物进行分类和识别。

常用的分类方法包括支持向量机、人工神经网络等。

4. 图像分割与目标提取图像分割是将图像划分成若干个具有独立特征的区域的过程。

图像分割既可以基于像素级的颜色和灰度信息，也可以基于纹理和形状等更高级的特征。

通过图像分割，可以提取出感兴趣的目标或地物。

5. 变化检测与监测变化检测是利用多期遥感图像对地物、景观进行比较和分析，以检测和监测地表非凡的变化信息。

变化检测可以应用于城市规划、环境监测等方面。

常见的变化检测方法包括面向对象的变化检测、像素级变化检测等。

二、遥感图像处理的技巧1. 选择合适的图像处理软件选择一款功能强大且适合自己需要的图像处理软件至关重要。

常见的遥感图像处理软件有ENVI、ERDAS、ArcGIS等。

不同的软件具有不同的工具和功能，选择合适的软件可以提高工作效率和图像处理效果。

2. 多源数据融合多源数据融合是将多个遥感图像融合成一幅图像的过程。

通过融合不同传感器或不同时间的图像，可以提高图像质量和信息量。

遥感图像处理的基本方法与算法解读一、引言遥感技术是通过人工卫星、航空器或其他遥感平台获得地球表面信息的一种手段。

遥感图像处理则是遥感技术的重要应用领域之一。

本文将介绍遥感图像处理的基本方法与算法，探讨其原理和应用。

二、遥感图像预处理遥感图像预处理是遥感图像处理的第一步，主要目的是去除图像中的噪声和干扰，提高图像的可用性。

常用的图像预处理方法包括边缘增强、直方图均衡化和空间滤波。

1. 边缘增强边缘增强是通过提升图像边缘信息的方法来提高图像质量。

其中常用的边缘增强算法有Sobel算子、Prewitt算子和Laplacian算子。

这些算子能够检测出图像中的边缘特征，从而使图像更加清晰。

2. 直方图均衡化直方图均衡化是一种通过调整图像亮度分布来增加对比度的方法。

通过对图像的灰度直方图进行变换，使得图像中的像素分布更加均匀，从而使得图像更加清晰和易于分析。

3. 空间滤波空间滤波是一种常用的图像平滑方法，通过对图像进行滤波操作，可以去除图像中的噪声和干扰。

常用的空间滤波算法有均值滤波、中值滤波和高斯滤波。

三、遥感图像分类遥感图像分类是根据图像中的像素值进行分类的过程。

常用的图像分类方法包括基于像素的分类和基于对象的分类。

1. 基于像素的分类基于像素的分类是一种将图像中的每个像素都分配到一个类别中的方法。

常用的基于像素的分类算法有最大似然分类算法、支持向量机和人工神经网络。

这些算法能够根据像素的特征进行分类，从而对图像进行分割和分析。

2. 基于对象的分类基于对象的分类是将图像中的相邻像素聚合成一组对象，然后根据对象的特征进行分类的方法。

常用的基于对象的分类算法有基于区域的分类和基于形态的分类。

这些算法能够更好地保留图像中的空间信息，从而提高分类的准确性。

四、遥感图像变化检测遥感图像变化检测是通过比较多幅遥感图像之间的差异，来检测地表发生的变化情况。

主要应用于城市规划、环境监测和资源管理等领域。

1. 基于像素的变化检测基于像素的变化检测是一种将多幅遥感图像像素级别进行比较的方法。

地理信息技术专业学习教程遥感像处理与解译基础知识详解地理信息技术专业学习教程：遥感影像处理与解译基础知识详解一、遥感影像处理的概述在地理信息技术领域，遥感影像处理是一项重要的技术手段，通过对航空或卫星获取的影像数据进行处理和解译，可以获取丰富的地理信息。

本节将详细介绍遥感影像处理的基础知识。

1.1 遥感影像处理的定义和意义遥感影像处理是指利用遥感技术获取的影像数据，通过一系列的数字图像处理和分析方法，提取有用的地理信息。

遥感影像处理的意义在于可以提供大范围、高分辨率的地表信息，为地理信息的获取和分析提供有力支持。

1.2 遥感影像处理的数据来源遥感影像数据主要来源于航空影像和卫星影像。

航空影像是通过飞机携带相机或雷达设备进行拍摄得到的影像，具有较高的分辨率和灵活性；卫星影像则是由卫星携带的遥感传感器获取的，具有覆盖范围广和周期性观测等特点。

二、遥感影像处理的基础流程遥感影像处理的基础流程包括预处理、影像增强、信息提取和解译等环节。

本节将对每个环节进行详细阐述。

2.1 遥感影像的预处理遥感影像的预处理主要包括辐射校正、大气校正和几何校正等步骤。

辐射校正是为了消除影像中的光照差异，使其能够准确反映地物表面的辐射能力；大气校正则是为了消除大气介质对影像的干扰，提高影像的质量；几何校正主要是为了纠正影像的几何失真，使其在地理空间上具有精确的位置信息。

2.2 遥感影像的增强遥感影像增强是为了增加影像的对比度和细节，使地物特征更加清晰可见。

常用的影像增强方法包括直方图均衡化、滤波、拉伸等。

直方图均衡化可以通过调整影像的像素值分布，增强影像的对比度；滤波可以平滑影像并去除噪声；拉伸可以调整影像的亮度范围，使地物特征更加明显。

2.3 遥感影像的信息提取遥感影像的信息提取是指利用影像的特征，提取目标地物的空间位置、形状、光谱等属性信息。

信息提取主要包括目标检测、目标分类、目标识别等过程。

常用的信息提取方法有阈值分割、分类算法、特征提取等。

遥感图像处理知识点总结一、遥感概述遥感是利用飞机、卫星等远距传感器获取地球表面信息的科学技术。

遥感图像处理就是处理遥感数据，进行信息提取的过程.二、遥感图像处理流程遥感图像处理的基本流程包括：数据获取、预处理、图像增强、特征提取和分类等环节。

1. 数据获取数据获取是遥感图像处理的第一步，可以通过卫星、飞机等遥感平台获得各种类型的遥感数据。

2. 预处理预处理是遥感图像处理的重要步骤，主要包括大气校正、几何校正、辐射定标等过程，目的是消除数据中的噪声和误差，保证数据质量。

3. 图像增强图像增强是指通过一系列的处理方法，提高遥感图像的视觉效果，突出图像中的信息，以便进行后续的分析和应用。

常见的图像增强方法包括直方图均衡化、滤波、拉普拉斯变换等。

4. 特征提取特征提取是指从原始遥感图像中提取各种地物和地物信息，常见的特征包括形状、纹理、光谱等。

5. 分类分类是将遥感图像中的像素划分到不同的类别中，如水体、植被、建筑等。

常用的分类方法包括最大似然分类、支持向量机（SVM）、人工神经网络等。

6. 应用遥感图像处理的最终目的是为了实现一定的应用目标，如土地利用/覆盖分类、资源调查、环境监测等。

三、遥感图像处理相关算法1. 监督分类监督分类是指在给定训练样本的情况下，采用某种分类算法识别遥感影像中的地物类型。

常用的监督分类算法有最大似然分类、支持向量机（SVM）、随机森林等。

2. 无监督分类无监督分类是指在不需要人工干预的情况下，利用图像自身的统计特性将像元分成若干类别。

常用的无监督分类算法有K均值聚类、ISODATA聚类等。

3. 特征提取特征提取是为了描述地物的形态、光谱、纹理等特性，从而区分不同地物。

常用的特征提取方法有主成分分析（PCA）、线性判别分析（LDA）、小波变换等。

4. 联合处理联合处理是指将多幅遥感影像进行融合，或者将遥感影像与其他数据进行联合处理，从而获取更多的地物信息。

常用的联合处理方法包括影像融合、多源数据融合等。

遥感图像处理技术的基础入门教程遥感图像处理技术已经成为当今科学和技术领域中重要的一项技术。

它运用航天器获取的遥感图像数据，通过一系列图像处理手段，提取和分析地球表面的信息。

这些信息广泛应用于地球科学、农业、城市规划、环境保护和资源调查等领域。

本篇文章将为您介绍遥感图像处理技术的基础知识和常用方法。

一、遥感图像基础知识1. 遥感图像的概念：遥感图像是通过航天器或飞机等遥感平台获取的地球表面的图像，能够提供地表物体的空间、光谱和时间信息。

2. 遥感图像的分类：按照波段数量，可以将遥感图像分为单波段图像和多波段图像。

单波段图像只有一个波段的信息，如黑白相片；多波段图像包含多个波段的信息，如红、绿、蓝三个波段的彩色图像。

3. 遥感图像的分辨率：分辨率是指遥感图像中最小可分辨的地表物体的大小，分辨率越高，能够分辨的物体越小。

分辨率可以分为空间分辨率、光谱分辨率和时间分辨率。

二、遥感图像处理方法1. 图像预处理：图像预处理是指在进行后续处理前对原始遥感图像进行一系列处理，以去除噪声、增强图像质量和减少信息损失。

常用的预处理方法包括图像几何校正、辐射定标、大气校正等。

2. 图像增强：图像增强是通过改变图像的亮度、对比度和色彩来改善图像的视觉效果，使地物特征更明显。

常用的图像增强方法包括直方图均衡化、线性增强和非线性增强等。

3. 图像分类：图像分类是将遥感图像中的像元分成不同的类别或地物类型。

常用的分类方法包括基于像素的分类、基于对象的分类和基于深度学习的分类。

分类结果可以用来制作土地利用/覆盖图、植被类型图等。

4. 特征提取：特征提取是通过数学、统计或机器学习等方法，从遥感图像中提取与目标物体或地理现象相关的量化特征。

常用的特征提取方法包括纹理特征提取、形状特征提取和光谱特征提取。

5. 变化检测：变化检测是通过比较不同时刻的遥感图像，发现地表发生的变化，如城市扩张、森林覆盖变化等。

常用的变化检测方法包括基于像元的变化检测、基于对象的变化检测和基于时间序列的变化检测。

测绘技术中的遥感影像处理方法详解遥感技术是当今测绘领域中不可或缺的一项重要技术，通过利用卫星、飞机等遥感平台获取的地球表面影像，可以为地质勘探、环境监测、城市规划等领域提供丰富、准确的地理信息数据。

遥感影像处理是遥感技术中的一种核心技术，本文将对其中的几种常用的处理方法进行详解。

1. 影像预处理遥感影像预处理是指在进行后续处理之前，对原始影像进行一系列的校正、增强等操作，以提高影像的质量和可用性。

其中包括几何纠正、辐射校正和大气校正等步骤。

几何纠正主要是针对影像中的几何畸变问题进行校正，通常包括影像配准、去除地形效应以及去除大地畸变等处理。

影像配准是指将不同卫星或不同时间拍摄的影像进行精确对准，使得它们能够在同一坐标系下进行比较和分析。

去除地形效应是为了消除由于地表起伏引起的影像变形，以确保影像中对地物的位置和形状描述准确。

去除大地畸变是为了消除地球曲面引起的影像形变，通常采用像点的投影转换和校正等方法。

辐射校正是为了将影像中的数字计数值转换为大气无影响的地表辐射亮度值，从而能够实现不同时间、不同地域之间的比较研究。

常用的辐射校正方法有分级灰度线性变换法、大气校正法和无标定性辐射校正法等。

大气校正是为了消除大气介质对遥感影像的影响，以准确获取地表反射率信息。

常用的大气校正方法有大气能见度法、基于粒子传输函数的大气校正法以及辐射传输模型法等。

2. 影像分类遥感影像分类是将影像中的像素分为不同的类别，以实现对地物类型的识别和区分。

常用的影像分类方法包括无监督分类和监督分类两种。

无监督分类是指在不需要先验知识的情况下，根据像素的相似性进行聚类分组，从而得到影像中各个类别的统计信息。

常用的无监督分类方法有K均值聚类法、高斯混合模型法以及自组织映射法等。

监督分类是在事先提供类别标记的训练样本的基础上，通过对样本进行特征提取和模式识别，从而对整个影像进行分类。

常用的监督分类方法有最大似然法、支持向量机法、人工神经网络法以及决策树法等。

遥感数字图像处理基础知识点-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN第一章数字图像处理基础1数字图像处理：将图像转换成一个数字矩阵存放在图像存储器中，然后利用计算机对图像信息进行数字运算和处理，以提高图像质量或者提取所需要的信息2数字图像获取：把客观场景发射或者发射的电磁波信息首先利用光学成像系统生成一副模拟图像，然后通过模数转换将模拟图像转换为计算机可以存储的离散化数字图像。

3采样：即图像空间坐标或位置的离散化，也就是把模拟图像划分为若干图像元素，兵赋予它们唯一的地址。

；离散化的小区域就是数字图像的基本单元，称为像元也称像素。

量化：即电磁辐射能量的离散化，也就是把像元内的连续辐射亮度中离散的数字值来表示，这些离散的数字值也称灰度值，，因为它们代表了图像上不同的亮暗水平。

4遥感数字图像获取特征参数质量特征：⑴空间分辨率：数字图像上能被详细区分的最小单元的尺寸或大小⑵辐射分辨率传感器探测原件在接受光谱信号时，所能分辨的最小辐射度差信息量特征：⑴光谱分辨率：传感器探测元件在接收目标地物辐射能量时所用的波段数目⑵时间分辨率：对同一区域进行重复观测的最小时间间隔。

5模拟图像：在图像处理中通过某种物理量的强弱变化来记录图像亮度信息的图像6数字图像：把连续的模拟图像离散化成规则网格并用计算机以数字的模式记录图像上各网格点亮度信息的图像7数字图像特性：①空间分布特性：1空间位置：数字图像以二维矩阵的结构的数据来描述物体，矩阵按照行列的顺序定位数据，所以物体的位置也是用行列号表示。

2形状：点状线状和面状3大小：线状物体的长度或面状物体的面积，表现为像元的集聚数量4空间关系：包含，相邻，相离三种拓扑关系②数值统计特性：对图像的灰度分布进行统计分析。

图像的灰度直方图：用来描述一幅数字图像的灰度分布，横坐标为灰度级，纵坐标为灰度级在图中出现8直方图的用途：1图像获取质量评价2边界阙值的选择3噪声类型的判断9遥感数字图像的输出特征参数：1输出分辨率：屏幕分辨率和打印的分辨率2灰度分辨率：指输出设备能区分的最小灰度差 3颜色空间模型：RGB模型CMYK模型 HSI颜色模型10数字图像种类：1.黑白图像：二值数字图像，0表示黑色 1表示白色；2.灰度图像：单波段图像每个像元的灰度值的取值范围由灰度量决定;3.伪彩色图像：把单波段图像的各灰度值按照一定规则映射到颜色空间中某一对应颜色;4.彩色图像：由红绿蓝3个颜色通道的数字层组成的图像第二章数字图像存储1比特序：一个字节中8个比特的存储顺序称为比特序。