遥感成像原理

.

. 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

遥感技术及其应用

 地物的光谱（波谱）特征：自然界的地表物体具有的电磁辐射规律，不同的地物对不同电磁波具有不同的反射，发射，吸收的能力。

 遥感出现1962年，发展和广泛使用是在1972年美国第一颗陆地卫星（Landsat-1）成功发射。

 遥感的电磁辐射源主要是太阳的可见光和红外线，有时也利用微波雷达或地物自身的红外线。

 传感器：在遥感技术中，探测和记录电磁波的仪器。

 遥感平台：搭载遥感器的移动体，如飞机（航空遥感），人造卫星（航天遥感），地面观察车。航空遥感的特点：针对性强，灵活性大，信息几何分辨率高。

航天遥感的特点：通用性强，可以反复观察。

 遥感影像：通过摄影或扫描的方式经传感器获得的图像信息。

 遥感影像的主要技术指标：时相，几何分辨率和图像覆盖范围，光谱范围和光谱分辨率。

 光谱范围：是指接受，记录到的电磁波波长的最大范围。

 光谱分辨率：是指影像图上能区分开的最小波长范围。

 图像覆盖范围：是指图像覆盖的地表空间范围。

 图像的几何分辨率：是指影像图上能分辨出的最小地物尺寸。

 时相：是指遥感信息成像的具体时间。

 常用遥感图像

1) 彩红外航空像片：也称假彩色航空像片，滤去了可见光的蓝光，对近红外光增强，对植物，水体分辨能力高。

2) 微波雷达图像

3) MSS和TM图像

4) SPOR5卫星数据

5) 气象卫星图像

6) 高空间分辨率卫星影像

7) 高光谱遥感卫星影像

8) LiDAR数据

9) 中巴地球资源卫星和北京一号小卫星

 图像解译的主要依据是：波谱特征，物理特征，几何特征

 图像校正和信息提取的常用方法：1.几何校正；2.辐射校正；3.图像增强；4.对比分析；5.统计分析；6.图像分类。

 遥感信息在城市规划中的典型用途：

1) 地形图测绘；

2) 城市规划现状用地调查和更新；

3) 绿化，植被调查；

遥感图像处理介绍

[日期：2006-05-13] 来源：网络收集 作者：未知 [字体：大 中

小]

用计算机处理的遥感图像必须是数字图像。以摄影方式获取的模拟图像必须用图像扫描仪等进行模/数(A/D)转换；以扫描方式获取的数字数据必须转存到一般数字计算机都可以读出的CCT等通用载体上。计算机图像处理要在图像处理系统中进行。图像处理系统是由硬件(计算机、显示器、数字化仪、磁带机等等)和软件(具有数据输入，输出，校正，变换，分类等功能)构成。图像处理内容主要包括校正、变换和分类。

·校正处理 图像校正是指从具有畸变的图像中消除畸变的处理过程，消除几何畸变的叫几何校正；消除辐射量失真的叫辐射校正。

(1)几何校正：各类遥感图像都存在在几何校正的问题。由于人们已习惯使用正射投影的地形图，因此对各类遥感影像的畸变都必须以地形图为基准进行几何校正。几何校正步骤大致如下：

①选择控制点：在遥感图像和地形图上分别选择同名控制点，以建立图像与地图之间的投影关系，这些控制点应该选在能明显定位的地方，如河流交叉点等。

②建立整体映射函数：根据图像的几何畸变性质及地面控制点的多少来确定校正数学模型，建立起图像与地图之间的空间变换关系，如多项式方法、仿射变换方法等。

③重采样内插：为了使校正后的输出图像像元与输入的未校正图像相对应,根据确定的校正公式，对输入图像的数据重新排列。在重采样中，由于所计算的对应位置的坐标不是整数值，必须通过对周围的像元值进行内插来求出新的像元值。

(2)辐射较正：从遥感器所获得的图像的灰度与目标物的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为遥感器测量值中包含太阳位置及角度条件、薄雾及霭等大气条件所引起的失真。为了正确评价目标物的反射及辐射特性，必须消除这些失真。消除图像数据中依附在辐射亮度中的各种失真的过程就是辐射较正。辐射校正的结果，会改变图像的色调和色彩。

遥感图像分类技术综述

近年来，遥感图像相关的图像处理技术得到了飞速发展，在遥感图像的分析中，人们可以获取的信息越来越丰富，也越来越全面，进而关于遥感图像分类技术的专利申请量也随之大幅增加，文章通过对中文专利库的相关专利的统计分析和对重要申请人的相关专利的分析，从中了解遥感图像分类器及其分类方法的发展历程，并挖掘专利申请背后的信息，把握相关领域的技术发展。

标签：遥感图像；检索；分类器；训练集；监督

1 遥感图像分类技术概述

遥感技术应用的核心是根据地物辐射电磁辐射强弱在遥感图像上表现的特征来识别地物类属及其分布情况。其取决于遥感探测通道、地物光谱特征、大气传播特征及传感器响应特征等因素。只要了解这些因素对遥感图像特征的影响，即可据其判断识别地物属性及其分布范围，实现分类识别。对遥感图像进行分类，便于对某地域环境情况掌握和了解，便于进行相关研究。

2 遥感图像专利分析

图1显示遥感图像专利申请量随年份的变换情况。自2003年至2010年，遥感图像分类专利申请基本保持增长的态势。在2010年至2014年内更是迅猛发展。

图2则是对遥感图像分类专利主要申请人进行的分析。相关专利申请共涉及141个企业或院校、研究所。其中主要是分布在各大重点高校和知名研究所。中国科学院下的各个相关研究所占有最多的发明专利申请，其次是西安电子科技大学和武汉大学。

3 遥感图像分类方法

如图3所示，主要分析了遥感图像分类新方法中的主要几种情况。其中，6%的申请涉及决策树的分类方法，7%的申请涉及人工神经网络的分类方法，而支撑向量机的分类方法占据了70%的席位。以下主要列举了百分比较大的两类分类器——支撑向量机与面向对象分类器相关发明专利申请。

3.1 支撑向量机

支撑向量机算法的主要思想是建立一个超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化。同理，在多维空间假定训练数据可以被一个超平面分开，如果这个向量集合能被超平面没有错误地分开，并且离超平面最近的向量与超平面之间的距离最大，则称这个向量集合被这个最优超平面最大分开。