遥感基本知识

1、遥感图像复合：概念：多种名称，常见的有：图像复合(Image Fusion)、影像融合(Image Merging)、数据 复合(Data Fusion)、数据综合(Data Integration)、影像综合(Image Integration) 信息复合 (Information Combination)等 还有学 者称结 合(Combined) (Lichtenegger，1991)、重合 (Coincident) (Crist，1984)、互补(Complementary) (Koopmans 和 Forero， 1993)、组合 (Composited)(Daily等，其实就是影像的融合。定义：不同的学者定义Keys(1990)，Franklin，Blodgett(1993)定义为输入某区域的空间、时间、光谱都不同的 影像数据，对像元第三个新值的计算；Mongolini(1994)数据复合定义为利用多源数据不同的特点，以提高数据信息质量的方 法，这一定义不仅包括遥感影像的复合，而且包括与其它实际数据如地形图、全球定位系统 (GPS)数据等的复合；Shufet和Mckeown(

2、1990)考虑到在图像处理中不同水平上的复合，定义为信息复合，此 处指在复合前已将信息解译到知识水平。共同配合数据分析(Co-registered) (Rebillard和Neguyen，1982)，它不仅指不同光谱影像 数字的运算，且包括多源数据以红、绿、蓝(RGP)简单的叠合。Hall(1992)定义数据复合是处理信息和数据以达到改善判决信息的过程。Genderten和Pohl(1994)的定义，即影像复合为利用某些算法对二个或更多的不同影像 的结合。(目前越来越多的学者接受)不扃平台的遥感贸料不同的数据源包括非遥感资料遥感影像是以什么方式在什么层次上 复合复合的目的和效果 2影像复合的作用2 .1提高分辨率(多光谱影像与高空间分辨率影像复合)多光谱波段(XS)和全色波段(PAN) TM资料与全色波段(PAN)多波段资料与高分辨率航空资料的复合或雷达数据；2.2改善几何配准精度和几何校正精度提高影像分辨率，使得图像几何配准精度极大地提高。2.3产生立体影像数据有利于目视对地物分辨与识别，从而有利遥感图像目视解译。-不同空间分辨率的VIR何见光与红外光谱)和VIR数据-多视角的SAR

3、和SAR数据-及VIR和SAR数据复合2.4提高分类精度多源影像复合，以实现不同信息的互补。缺失数据部分的补合提高分辨率等2.5特征增强增强了各项观察特性，如微波与可见光传感的资料复合。2.6变化监测图像差值法(Image Differencing)是将一个时相的某一谱段光谱密度值减去另一时 相对应象元光谱密度值，从而产生差值图像进行动态监测；DX k = DX k (t ) DX k (t )+ cijij 2ij 1DXij为两时相的图像，k为波段，i和j为象元的行列数，t1、t2分别代表第一、 第二时相，C是人为常数以消除减法运算中出现的负值。图像比值法(Image Ratioing)是将一时相的某一波段光谱值除以另一时相对应象元的光谱值，从而获得比值图像DX k ()DX k =十 ij DX k ()从而进行变化监测的方法。1DX k1 + C 或 DX k1 CT = 1ijij01 C DX k 1 + CIij复合的方法根据图像处理过程中影像复合发生的阶段不同，影像复合可分为：-基于判决水平的复合，基于特征的复合，基于像元的复合，但以基于像元的复合法 为主。3.1基于判

4、决水平的复合首先对图像进行处理提取信息(如划分成大类)，然后结合判决规则的应用加强解译，解决分歧及进一步更好地了解观察对象，这是一种高水平的复合， 它更有利于细分与制图。关键：在于对初分为大类后选择各大类的特征影像进行复合，以便细分。3 .2基于特征的复合特征是指从最原始图像提取的特点，主要指环境如范围、形态、相邻等。基于特征的复合首先分别从各数据源中提取物体特征，然后再复合。由于遥感图像结构特征的表达常不成熟，因而基于特征的复合研究有相当大的难度， 研究论文也较少。 Mangolini(1994)，-我国学者孙家柄、刘继林基于小波理论对航片及TM的特征进行融合3.3基于像元水平的复合 RGB合成(将相同或不同传感器遥感资料的不同波段赋予红(R)、绿(G)、兰(B) 进行叠加合成形成复合影像，即假彩色图像)加、减(差值)、乘、除法、加权复合法(不同时期，不同遥感平台，或相同平台 不同波段影像进行加、减、乘、除等运算，得到复合影像的方法。)-主成分变换-逆变换复合、（多光谱影像主成分变换，求出第一主成分，然后用高分 辨率数据取代第一主成分并进行主成分逆变换，得出复合影像。基本条件：高分辨

5、 率影像数据应包含第一主成分PC-1多光谱影像信息，或与之几乎相等。） RGB-IHS变换法-小波变换（影像频域分析，同一地区不同类型的影像，低频部分差别不大，高频成 分相差很大。小波变换后在变换域内具有分频特性，影像锐度明显提高。复合过程为：先在确定的邻区窗口内，在分辨率2j下，分别对复合的影像数据统计 均值和方差，然后确定子带和基带复合值。高通滤波、综合方法（如高通滤波与波段综合、嵌合与其它方法结合等）。 （ 8）遥感影像与DTM数据之间的复合利用DTM数据，消除影像上由于地形起伏而产生的几何变形，提高遥感影像的定 位精度； DTM数据也可作为辅助数据，用于遥感像分类识别，提高遥感影像分类精度； 如提取坡度坡向作为一个波段直接参与分类（如提取知识与规则后参与分类一应 属判决水平的复合）利用计算机图形学的算法，利用DTM数据，可生成具有真实感的三维立体图象。 9.4遥感与地理信息系统的结合地理信息系统（GIS）具有强大的管理、检索和综合分析各种地理空间信息的能力。 利用GIS，可充分利用非遥感信息，极大地减少解译中的不确定性，提高遥感影 像分类精度，是解决同物异谱、同谱异物的有效手段

6、（1）GIS在遥感影像解译中的作用对遥感影像进行辐射较正，消除或降低地形差异的影响。几何校正过程中，协助地面控制点的确定。监督分类过程中，协助训练样本的选取。与遥感影像叠合，协助目视解译。作为解译结果的检验数据。作为解译的直接或间接数据，增加遥感影像信息量，提高遥感影像解译精度。几何校正原理与方法：几何畸变:遥感图像在获取过程中由于多种原因导致景物中目标物相对位置的坐标关系图像 中发生变化。畸变来源：传感器成像几何形态影响传感器一般的成像几何形态有中心投影、全影投影、斜距投影以及平行投影等几种不同类型。1、全景投变形全景投影变形图形2、斜距投影变形侧视雷达属斜距投影，其成像变形规律如图（二）传感器外方位元素变化畸变医 8外方位元素引起的畸变（三）地球自转的影响地球自转对于瞬时光学成像遥感方式没有影响，对于扫描成像则造成图像平行错动。（四）地球曲率影响L在星下点视场 角较小，曲率影 响可忽略.2.产生的误差原 理与航空像片像 点位移相同D二、遥感图像几何校正原理遥感图像几何校正包括光学校正和数字纠正两种方法。数字纠正是通过计算机对图像每个像元逐个地解析纠正处理完成的，其包括两方面： 一是

7、像元坐标变换；二是像元灰度值重新计算（重采样）。（一）坐标变换的两种方案首先要确定原始图像和纠正后图像之间的坐标变换关系。对其包括：直接法：从原始图像阵列出发，依次对其中每一个像元分别计算其在输出（纠正后）图像的坐标，即：直接法：从原始图像阵列出发，依次对其中每一个像 元分别计算其在输出（纠正后）图像的坐标，艮配占.O%。- 口O式中，x,y为P点原始图像的行数和列数；X，Y为P在新图像中的坐标（即地面坐标系）， 并把P（x,y）的灰度值重新计算后送到P（X，Y）位置上去。2L G(X.Y)间接法丑授法图 11 直接与间接法坐标变换），二 Gy（KF）间接法：从空白图像阵列出发，依次计算每个像元P（X, Y）在原始图像中的位置P （x?v），然后把该点的灰度值计算后返送给其纠正公式为：（二）输出图像的边界大小|;|输出图像边界的地面坐标值是由包括纠正后图像在内的 最小长方形范围来确定的。 图12纠正后图像边界与像元尺寸1、把原始图像的4个角点按公式:毋W修投影到输出坐标 玲3,系中来。（三）数字图像灰度值的重采样校正前后图像的分辨率变化、像元点位置相对变化弓I起输出图像阵列中的同名点灰

8、度 值变化。重采样：p的灰度值取决于周围列阵点上像元的灰度值对其所作的贡献，这就是灰度值重采 样、最近邻法2：获嗥爸目的慝太超,最小值七新和圣安耍七3、令地面上坐标（&、X。）和（X、&）的点（图像左上 角点）为输出图像的第一行第一列像元，以姒和dy划分网 格，每个网格代表输出图像的一个像元，在它输出图像阵I列中的位置为：广（YbY） /=（&）+dx式中，X, Y为地面某网格中 心的坐标值；L J为该网格 于输出图像阵列中的行列序 号；sUdy为输出图像阵列像 元的地面尺寸；.-用距离投影点最近像元灰度值代替输出像元灰度值。2、双线性内插法投影点周围4个相邻像元灰度值，并根据各自权重计算输出像元灰度值，公式简述为：3、双三次卷积法获取与投影点邻近的16个像元灰度值计算输出像元灰度值，公式为：三、数字图像几何校正方法数字图像几何校正方法有多项式纠正法和共线方程纠正法。前者常用。多项式纠正法的基本思想：回避成像的空间几何过程，而真接对图像变形的本身进行 数学模拟。常用的二元齐次多项式纠正变换方程为：实际工作中，多项式系数求出后，根据上述公式可以求解原始图像任一像元的坐 标，并对图像灰度进行内插，获取某种投影的纠正图像。一般选择最小控制点的数量为:（n+1）（n+2）/2,为多项式次数。五、多图像几何配准在实际应用过程经常需要将同一地区的不同类型传感器获得的各种遥感数据“匹 配”起来，以期利用各自优点，这种作法称为多图像几何配准。图像配准（或图像匹配）是评价两幅或多幅图像的相似性以确定同名点的过程。图像配准算法就是设法建立两幅图像之间的对应关系，确定相应几何变换参数，对两 幅图像中的一幅进行几何变换的方法。图像配准是图像分析和处理的基本问题。它在航空影像自动制图、图像三维重构、 计算机视觉、遥感融合、模式识别、医学图像处理、影像分析等领域都有重要应用。按照配准算法所利用的图像信息，可以分为基于区域的方法和基于特征的方法。基 于区域的匹配主要是模板匹配和基于相位（频率）的匹配方法；基于特征的匹配包 括基于特征点集的匹配和基于线特征（图像中边缘信息）的匹配算法。按自动化程度可以分为人工、半

《遥感基本知识》由会员公****分享，可在线阅读，更多相关《遥感基本知识》请在金锄头文库上搜索。