遥感复习资料
1、遥感定义：遥感是应用探测仪器，不与探测目标相接触，从远处把目标的电磁波
特性记录下来，通过分析，揭示出物体的特征性质及其变化的科学及综合性探测技术。
2、遥感的分类：
根据遥感平台分类：
①地面遥感：将传感器设置在地面平台之上，常用的遥感平台有车载、船载、手提、固定和高架的活动平台，包括汽车、舰船、高塔、三角架等。地面遥感是遥感的基础阶段。
②航空遥感：将传感器设置在飞机、飞艇、气球上面，从空中对地面目标进行遥感。主要遥感平台包括飞机、气球等。航空遥感是航天遥感的进一步发展阶段。
③航天遥感：将传感器设置在人造地球卫星、宇宙飞船、航天飞机、空间站、火箭上面，从外层空间对地物目标进行遥感。航天遥感和航空遥感一起构成了目前遥感技术的主体。
④航宇遥感：将星际飞船作为传感器的运载工具，从外太空对地-月系统之外的目标进行遥感探测。主要传感平台包括星际飞船等。
根据工作方式分类：
①主动遥感：传感器主动发射一定电磁能量并接受目标地物的后向散射信号的遥感方
式，常用传感器包括侧视雷达、微波散射计、雷达高度计、激光雷达等。
②被动遥感：指传感器不向目标地物发射电磁波，仅被动接受目标地物自身辐射和对
自然辐射源的反射能量，因此被动遥感也被称为他动遥感、无源遥感。
3、光谱曲线
4、几个分辨率
①空间分辨率指像素所代表的地面范围的大小,即扫描仪的瞬时视场,或是地面物体能
分辨的最小单元.
②光谱分辨率是指传感器在接收目标辐射的光谱时能分辨的最小波长间隔.间隔越小,
分辨率越高.
③时间分辨率指对同一地点进行遥感采样的时间间隔,集采样的时间频率.也称重访周
期.
5、大气对太阳辐射的影响
A太阳辐射、B地面吸收、C大气反射、D地面反射E大气吸收、F大气散射、G大气逆辐射、H大气辐射、I地面辐射、J大气吸收、K地面辐射到宇宙中的部分
①大气的反射：主要发生在云层顶部，取决于云量和云雾，且波段不同大气影响
不同，削弱了电磁波强度。无选择性，云层越厚，反射作用越强，在夏季多云的白天，气温不是很高。
②大气的吸收：地球大气选择性地吸收电磁辐射，严重影响传感器对电磁辐射的
探测，导致电磁辐射强度衰减；吸收作用越强的波段，辐射强度衰减越大，甚至某些波段的电磁波完全不能通过大气。在太阳辐射到达地面时，形成了电磁波的某些吸收带。
③主要吸收带：
水：0.94 μm ，1.38 μm ，1.86 μm ，2.5-3.0 μm ，3.24 μm ，5-7 μm ，7.13 μm ，24 μm-1mm；
二氧化碳：2.8 μm ，4.3 μm
臭氧：0.2-0.32 μm ，0.6 μm ，9.6 μm
氧气：0.2 μm ，0.6 μm ，0.76 μm
具有选择性，水汽和二氧化碳吸收红外线，臭氧吸收紫外线，对可见光部分吸收较少。
④大气的散射：散射类型与以下因素有关：入射电磁波的波长，气体分
子、颗粒和水滴的大小。粒子与波长：小于（瑞利）、等于（米氏）、大于（无选择性）
瑞利散射：也称分子散射，由大气中原子、分子，如氮、二氧化碳、臭氧和氧
分子等引起，粒子直径比波长小很多，散射强度与波长的四次方成反比，即I ∝λ-4，波长越长，散射越弱；在紫外和蓝色波长区最强。
米氏散射(Mie scattering)：大气中的微粒如烟、尘埃、小水滴及气溶胶等（大
颗粒）引起的散射，粒子直径与辐射的波长相当。这种散射的强度受气候影响大。(直径在0.001～100μm之间)
在低层大气更常见
米氏散射的散射强度与波长的二次方成反比，即I∝λ-2
云雾对红外线（0.76-15 μm ）的散射主要是米氏散射
微波与地表雪的作用
无选择性散射(Non-selective scattering)：发生在大气粒子的直径比波长
大得多时。散射的特点时散射强度与波长无关，任何波长的散射强度相同尘埃、云和雾
云和雾：白色，（对所有可见光波长同等散射）
⑤大气窗口
地球的大气层对太阳辐射的反射、吸收与散射作用共同造成了太阳辐射的衰减、剩余部分即为太阳辐射能够透过的部分。
通常把电磁波通过大气层时，较少被反射、吸收或散射，透过率较高的电磁辐射波
段成为大气窗口。
6、遥感平台分类与高度：地面遥感平台：100m以下、航空平台：30km以内、
航天平台：150km以上。
航空平台的优缺点：优点：飞行高度较低、获取影像分辨率高、机动灵活、不受地面条件限制、调查周期短，资料回收方便。
不足：扫描范围小，只适合小范围作业、成本较高（无人机平台逐渐改变现状）、资料处理困难。
航天平台的优缺点：优点：（1）成本低、实时更新快、（2）扫描范围大
缺点：（1）受云等影响大、（2）空间分辨率达不到航空遥感的获取能力。
7、遥感平台的姿态——三轴倾斜
三轴倾斜是指遥感平台在飞行过程中发生的滚动（Rolling）、俯仰（Pitching）和偏航（Yawing）现象。
(a) 侧滚(x) (b) 俯仰(y) (c)偏移(z)
8、遥感卫星轨道及其类型
9、主要遥感传感器的优缺点：
光机扫描仪的优缺点
优点：
能取得较宽的观测幅度，
采光部分视角小，波长见位置偏差小，分辨率高
信噪比方面较推帚式扫描仪好。
缺点：
装置庞杂，高速运动使其可靠性差
在成像机理上，存在着目标辐射能量利用率低的致命弱点。
推帚式扫描仪的优缺点
优点：
结构上可靠性高，因为没有光机扫描仪的机械部分。具有自扫描、感受波谱范围宽、畸变小、体积小、重量轻等优点，并可制成集成度很高的组合件。 缺点：
由于使用了多个原件把光同时转换成电信号，因此感光元件间存在灵敏度差，会产生带状噪声。
幅宽收到元器件多少限制。
微波传感器特殊的性能
（1）全天候、全天时工作
（2）微波对地物有一定穿透能力 （3）对地物具有特殊的波谱特征 在微波波段中，水的比辐射率为0.4，而冰的比辐射率为0.99，其亮度温差相差100K ，很容易进行区分；而在红外波段，水的比辐射率为0.96，冰的比辐射率为0.92，两者相差甚微，难以甑别。
（4）雷达遥感图像中包含相位信息和极化信息
（5）微波能提供不同于可见光和红外遥感所能提供的某些信息
10、彩色图像分类
真彩色(true color)：（三波段组合）与真实物体相同的颜色
假彩色(false color)：（三波段组合）图像上物体所具有的颜色，并非它本身的颜色。 伪彩色 (pseudo color) ：灰度图象的彩色表示或显示
11、航空摄影的类型：
按摄影倾斜角分类：
垂直摄影：像片倾斜角小于3o的摄影称为垂直摄影，获得的像片称为水平像片或垂
直像片，航空摄影测量和制图大都是这类像片。
倾斜摄影 ：像片倾斜角大于3o的摄影称为倾斜摄影，获得的像片称为倾斜像片。倾斜摄影时，像片倾斜角越大，影像畸变越大，图像纠正困难，不利于制图。但有时为了获取较好的立体效果且对制图精度要求不高时，也采用倾斜摄影。
A
O
B
b o a A
O
B
b o a
12、投影类型：
①正射投影：当一束通过空间点的平行光线垂直相交于一平面时，其交点称为空间点的
正射投影，或者垂直投影。
②中心投影：若空间任意点与某一固定点连成的直线或者延长线被一平面所截，则直线
与平面的交点称为空间点的中心投影。
按摄影实施方式分类：
单片摄影：为特定目标或小区域进行的摄影，一般获得一张或数张不连续的像片。
单航线摄影：沿一条航线，对地面狭长地区或沿线状地物（如铁路、公路、河流等）进行的连续摄影。
多航线摄影（面积摄影、区域摄影）沿数条航线对较大区域进行连续摄影。
△点线面中心投影成像的特点：
点——点直线——直线、点曲线——空间曲线、直线面——面、直线13、陆地卫星及其影像特征
（1）TM1：0.45～0.52μm，蓝光波段。对水体穿透力强，对叶绿素与叶色素浓度反映敏感，有助于判别水深、水中叶绿素的分布、沿岸水和进行近海水域制图等。
TM2：0.52～0.60μm，绿光波段。位于健康植物的绿色反射峰值区域，对健康茂盛植物绿反射敏感，按“绿峰”反射评价植物生活力。
TM3：0.63～0.69μm，红光波段。为叶绿素的主要吸收波段，反映不同植物的叶绿素吸收、植物健康状况，用于区分植物种类与植物覆盖度。
TM4：0.76～0.90μm，近红外光波段。对绿色植物类别差异最敏感，为植物遥感识别通用波段，常用于生物量调查、作物长势测定、农作物估产等。
TM5：1.55～1.75μm，短波红外波段。处于水的吸收带（1.4～1.9μｍ）内，对地物含水量很敏感，常用于土壤湿度、植物含水量调查、水分状况研究、作物长势分析等，具有
区分不同作物类型的能力。此外，该波段也易于区分云和雪。
TM6：10.40～12.50μm，热红外波段。主要记录来自地物表面发射的热辐射能力，可以根据辐射影响的差别，进行热测量与制图。
TM7：2.08～2.35μm，短波红外波段。为地质学研究追加的波段，它处于水的强吸收带，水体呈黑色，主要用于城市土地利用与制图，区分主要岩石类型、岩石的热蚀变，地质探矿与地质制图等。
（2）美国的陆地卫星7（Landsat-7）Enhanced Thematic Mapper Plus (ETM+) 与Landsat-5的最主要差别有：增加了分辨率为15米的全色波段（PAN波段）；波段6的数据分低增益和高增益数据，分辨率从120米提高到60米。辐射定标误差率小于5%，比Landsat-5提高了1倍。
（3）Landsat-8除了具有Landsat-7所有光谱波段外，新增一些特点：
第一，在原蓝光波段外新增了1个深蓝（Deep Blue，band 1）波段，用于监测近岸水体和大气中的气溶胶，因此，也称为海岸/气溶胶（Coastal/Aerosol）波段；
第二，新增了1个卷云（Cirrus ，band 9 ）波段，用于卷云检测；
第三，将原热红外波段的光谱范围一分为二，设置了两个热红外波段；
第四，收窄了原近红外波段的范围，以便去除0.825 μm处水汽吸收影响；
第五，收窄了原全色波段范围，新的全色波段的光谱范围不再覆盖近红外波段。
（4）LandSat 产品分级：
Level 0：原始产品数据
Level 1：辐射校正产品，计算卫星的衰减程度进行校正 Level 2：系统几何校正产品，几何粗校正 Level 3：几何精校正产品
Level 4：高程校正产品，地形纠正
（5）环境减灾卫星(HJ -1A/1B )
Spo t2
1990年1月22日 HRV 10 20 Spo t3
1993年9月26日 HRV 10 20 Spo t4
1998年3月24日
HRVIR 、VEG
10
20
Spo t5
2002年5月4日 HRG ，VEG 、HRS 2.5、5 10
Spo t6
2012年9月9日 HRG 、HRS 1.5 6 Spo t7
2014年6月30日
HRG 、HRS
1.5
6
A 星
轨道种类：太阳同步 高 度：649km 倾 角：98.00
降交点地方时 10:30 周 期：97.6min
B 星
轨道种类：太阳同步 高 度：649km 倾 角：98.00
降交点地方时：10:30
重访周期：4天重访周期：4天
CCD相机：CCD相机：
探测谱段范围：兰、绿、红、近红外探测谱段：4个，兰、绿、红、近红外分辨率：30m分辨率：30m
幅宽：711km幅宽：711km
高光谱成像仪：红外探成像仪：
谱段数量：115个测谱段范围：近/短波/中波/长波红外
分辨率：100m谱段数量：4个
幅宽：51km分辨率：近/短波/中波红外150m
侧视能力：30°长波红外：300m
探测谱段范围：可见光、近红外幅宽：740km
平均谱段宽度：5nm卫星设计寿命：3年
卫星设计寿命：3年
14、数字图像
基本特点和优点：指能够被计算机存储、处理和使用的图像；“离散化”；二维矩阵
（1）便于计算机处理与分析；（2）图像信息损失低；（3）抽象性强
15、灰度直方图
定义：表示数字图像中每一灰度出现频率的统计关系。
16、遥感数字图像校正
（一）几何校正：遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自
转和曲率等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。
图像-图的纠正（image-to-map rectification）：图像对地图的对准，使
图像象地图一样平面化，这也称为地理参考过程。
图像配准（image-to-image registration）：同一区域内两幅图像之间的相互对准，一般以一幅标准图像去校正另一幅图像，以使两幅图像中的同名像元几何位置匹配。
包括两个方面（两个环节）：①像元坐标变换；②像元灰度值重新计算（重采样）。
地面控制点选择要求：
①地面控制点应具有高对比度，即有明显的、清晰的定位识别标志；
②特征尺度较小；
③控制点上的地物不随时间变化，以使不同时段的两幅图像或地图上的同一控制点在几何校正时可以同时识别出来；
④有的控制点处在同一高程，除非已考虑过地形起伏的影响。
地面控制点选择数量和布局：
GCP的位置精度越高，则几何纠正的精度越高；GCP的个数不少于多项式的系数个数；适当增加GCP的个数，可以提高几何纠正的精度。
20-30个GCP，一般可以满足需求
GCP分布应尽可能在整幅图像内均匀分布，否则在GCP密集区精度较高，在GCP 分布稀疏区出现较大误差。
主要的重采样三种方法：（1）最邻近法（2）双线性法（3）三次卷积法
最邻近法优点：
1 保留大量原始灰度值，没有经过平滑处理，对于区分植被类型、识别线性特征等有重要意义；
2 简易、省时；
3 分类前使用；
4 适合于专题文件
最邻近法缺点：
1 锯齿状、不平滑；
2 某些值重复、某些值丢失；
3 对线性地物，可能出现不连续
双线性法优点：
1 较平滑，没有锯齿状；
2 与最邻近法相比，空间信息更准确些；
3 常用于改变像元大小时，如数据融合
双线性法缺点：
像元值被平均化，某些地物边缘更平滑，某些极值可能丢失
RMS误差（均方根）
是GCP的输入（原位置）和逆转换的位置之间的距离或者说，是在用转换矩阵对一个GCP作转换时，所期望输出的坐标与实际输出的坐标之间的偏差。
一般用像元数来表示。
Landsat TM 一般控制在1个像元，30m以内。
AVHRR一般控制在1.5个像元，1.5Km以内。
（二）辐射校正：辐射校正就是消除图像数据中依附在辐射亮度中各种失真的过程，以使遥感图像尽可能真实地反映地表地物的分布，为遥感图像的分割、分类、解译等后续工作做好准备。
辐射校正通常包括传感器校正、大气校正以及太阳高度和地形校正
大气校正的定义：消除遥感图像中由大气散射引起的辐射误差的处理过程。
三种方法：野外波谱测试回归分析法；辐射传递方程计算法；波段对比法
什么情况下需要大气校正：
①大气透明度差而且不均一
②大气中的水汽含量高
③低海拔地区应该进行校正，3000米以上的地区可不考虑
④相对高差变化大的地形区域
⑤不同时段图像的联合处理
17、数字图像增强
（1）点计算/对比度增强
线性增强（拉伸）
线性变换
非线性变化
对数拉伸：扩张低的灰度区 指数拉伸：扩展高灰度区 压缩高的灰度区 压缩低灰度区
（2）邻域运算（邻域操作） 2
3
10
平滑（均值平滑、中值滤波） 5 8 11 64 9 12
高通滤波：效果：突出物体的边缘，锐化图像 低通滤波：效果：突出背景，平滑图像
斜率大的部分被拉伸增强
斜率小的部分被压缩
对数变换
Y X 指数变换
Y
X 图像亮度为阶梯状变化时，均值平滑效果比中值滤波要明显得多；而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留看取中值要优于均值平滑。
带阻滤波：效果：滤除遥感图像中特定频谱范围内的信息。允许高、低频通过。
带通滤波：效果：突出遥感图像中特定频谱范围内的目标。允许中间频率通过。
归一化差值植被指数：NDVI=（NIR-R）/(NIR+R)
18、遥感图像目视解译
遥感图像上那些能够作为分析、判断景观地物的图像特征为判读标志或解译标志。
①直接解译标志：是判读目标自身特点在图像上的直接表现形式，包括色调、形状、阴影、大小、纹理、位置、布局、图案。
遥感图像中目标地物特征是地物电磁辐射差异在遥感影像上的典型反映。按其表现形式的不同，目标地物特征可以概括分为：
色：指目标地物在遥感影像上的颜色，这里包括目标地物的色调、颜色和阴影等；
形：指目标地物在遥感影像上的形状，这里包括目标地物的形状、纹理、大小、图形等；
位：指目标地物在遥感影像上的空间位置，这里包括目标地物分布的空间位置、相关布局等；
②间接解译标志：图像上能看出的和直接标志密切联系的地物，不同的专业判读不同。
影响地物特征及其解译的因素
1、地物本身的复杂性
2、传感器特性
（1）空间分辨率
（2）辐射分辨率(传感器的探测能力)
（3）光谱分辨率
（4）时间分辨率
3、人为因素
遥感影像主要解译原则
1. 遥感图像目视解译要基于影像特征：“解译线划、影像特征和地面实况三一致”的原则
2. 遥感解译分类体系要基于影像解译的可能性
3. （1）先图外后图内：先了解影像图框外提供的各种信息。
（2）先整体后局部：先整体观察，综合分析目标地物与周围环境的关系。
（3）勤对比，多分析：多个波段对比；不同时相对比；不同地物对比。
4. 充分利用影像的信息特征和处理技术。
5. 多信息、多方法综合分析。
6. 室内解译与室外判读相结合。
7. 严格遵循目视解译程序。
要重视建立解译标志，逐步完善解译标志，即标准色谱、波谱和图谱，要遵循由已知到未知，先易后难，由大到小的原则，按照解译程序逐步进行解译。
遥感图像目视解译步骤
①目视解译准备工作阶段
②初步解译与判读区的野外考察
③室内详细判读
④野外验证与补判
⑤成果整理
遥感影像主要解译方法
（1）直接判读法
（2）对比分析法
（3）信息复合法
（4）综合推理法
（5）地理相关分析法
19、遥感数字图像计算机解译
(1)图像分类：基于数字图像中反映的同类地物的光谱相似性和异类地物的光谱差异性
(2)基本原理：不同的地物具有不同的光谱特征，同类地物具有相同或相似的光谱特征
由不同探测波段组成的多波段数字图象是地物这一特征的量化
(3)问题一：光谱分类
同物异谱：同类地物具有不同的光谱特征（不同时期的玉米地）
同谱异物：不同的地物可能具有相似的光谱特征。（幼年期树林和成熟的玉米地）
(4)问题二：光谱类和信息类不对应
光谱类（spectral class）：基于光谱特征形成的类别（如房屋的阳面和阴面光谱特征
不同，不同的光谱类）
信息类(information class)：根据实际需要对待分的类别人为的划分（如城市类由道路、建筑物、水体、绿地等不同地物组成，不同地物光谱特征不同）
(6)模式（pattern）:是指某种具有空间或几何特征的某种事物的标准形式。在多波段图像
中，每个像元都具有一组对应取值，称为像元模式。
(7)特征（feature）：在多波段图像中，每个波段都可看作一个变量，称为特征变量
一个像元可以看成由n个特征组成的n维空间的一个点,同类地物的像元形成n维空间的一个点群,差异明显的不同地物会构成维空间的若干个点群.
图像分类就是要分析特征空间这些点群的特点,如点群位置、分布中心、分布规律，从而确定点群的界限，最终完成分类任务。
(8)特征空间的操作
遥感图像的
自动识别分类主要采用决
策理论（或统计）方法。按
照决策理论方法，需要从被
识别的模式（即对象）中，
提取一组反映模式属性的
量测值，称之为特征，并把
模式特征定义在一个特征
空间中，进而利用决策的原
理对特征空间进行划分，以
区分具有不同特征的模式，
达到分类的目的。
(9)图像分类过程
分类预处理：几何校正与配准、大气校正、相关信息的计算等
特征选择(提取)
分类（监督分类训练区的选择）
分类后处理，包括精度评价
专题图制作
(10)遥感图像的计算机分类方法包括监督分类和非监督分类
①非监督分类(unsupervised classification)：根据事先指定的某一准则，而进行计算机自
动判别归类，无须人为干预，分类后需确定地面类别
在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类
②监督分类（supervised classification）：通过选择代表各类别的已知样本（训练区）的
像元光谱特征，事先取得个类别的参数，确定判别函数，从而进行分类。
在监督分类中，先定义信息类，然后检验它们的光谱可分性
(11)非监督分类的优点
①非监督分类不需要预先对所要分类的区域进行广泛了解；
②人为误差的机率较小。在进行非监督分类时，只需要设定分类数量，而分析人员对分
类区域的理解程度对分类结果影响并不严重。
③面积很小的独立地物均能被识别。
④该分类法的主要优点是简单、速度快。
(12)非监督分类的局限性
由于非监督分类对“自然”分组的依赖性以及分类结果的光谱类别与信息类别的不一致
性，对分类结果体现出明显的局限性。
①非监督分类形成的光谱类别与信息类别并不完全一一对应，因此，需要通过目视判读建立两者之间的对应关系。
②分析人员很难控制分类产生的类别并进行识别，因此，分类效果并不很满意。
③由于信息类别的光谱特征随时间变化，信息类别与光谱类别间的关系并不固定，且不同幅影像中的光谱类别与信息类别之间的关系也不一样，因此，使得光谱类别的解译识别工作量大而复杂。
(12)非监督分类的方法包括：分级集群法、K-均值算法、迭代自组织数据分析算法
K-MEANS（K-均值算法）
K-均值算法也称C-均值算法，属于动态聚类方法，其特点是要求确定某个评价聚类结果质量的准则函数，并给定某个初始分类，然后用迭代算法找出使准则函数取极值的最好聚类结果。K-均值算法以距离平方和最小作为准则函数，故又称为“距离平方和极小化聚类法”。K-Means聚类算法的优点主要集中在:
①算法快速、简单;
②对大数据集有较高的效率并且是可伸缩性的;
③时间复杂度近于线性，而且适合挖掘大规模数据集。
K-means 算法缺点
①在K-means 算法中K 是事先给定的，这个K 值的选定是非常难以估计的。
②在K-means 算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初
始划分进行优化。这个初始聚类中心的选择对聚类结果有较大的影响，一旦初始值
选择的不好，可能无法得到有效的聚类结果。
③从K-means 算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计
算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的。
(13)ISODATA算法与K-均值算法具有相似性。主要不同在于，ISODATA算法在迭代过程中引入某种产生和消除某些类别的方法，可以将两类合并成一类，也可以将一类分成两类。在每一次迭代时，首先在不改变类别数目的前提下改变分类，然后将样本的平均矢量之差小于某一预定阈值的类别进行合并，或根据样本的协方差矩阵来决定其是否分裂，在迭代过程中，不断地进行合并和分裂，体现出人机交互和启发式的特点。
(14)监督分类的基本过程：
遥感数据→选择训练样区→样本统计分析→特征数据分析→判决准则→像元归类→输出结果
(15)分类训练区的选择
训练阶段的质量决定着分类阶段的成功与否，也决定着从分类中所获取的信息的价值用于图像分类的训练区的统计结果，一定要充分反映每种信息类型中光谱类别的所有组成。
代表性、完整性
分布：多个样区
检验区(样本)的选择,也应遵循类似的规则
训练区与检验区的选择：相互独立、不能重叠
(16)监督分类优点
①可以控制适用于研究需要以及区域地理特征的信息类别，即可以有选择性地决定分类类别，避免出现不必要的类别；
②可以控制训练样区和训练样本的选择；
③光谱类别与信息类别的匹配；
④通过检验训练样本数据可以确定分类的准确性，估算分类误差；
⑤避免了非监督分类对光谱集群类别的重新归类。
监督分类缺点
虽然监督分类有其优点，但也存在局限性，主要表现在以下几方面：
①分类体系和训练样区的选择有主观因素的影响。有时定义的类别也许并不是影像中存在的自然类别，在多维数据空间中这些类别的区分度并不大；
②训练样区的代表性有时不够典型。训练数据的选择通常是先参照信息类别，然后再参照光谱类别，因而其代表性有时不够典型。如选择的纯森林训练样区对于森林信息类别来说似乎非常精确，但由于区域内森林的密度、年龄、阴影等有许多差异，从而导致训练样区的代表性不高。
③只能识别训练样本所定义的类别，对于某些未被定义的类别则不能被识别，容易造成类别的遗漏。
红外遥感
单片机系统课程设计报告书 题目：基于单片机的红外遥控器控制继电器的设计 院系名称：信息工程学院 专业名称：电子信息工程 班级： 学号： 姓名： 指导教师
目录 1 选题意义............................................................................................... 错误！未定义书签。 2 系统总体设计....................................................................................... 错误！未定义书签。 2.1总体设计思路............................................................................ 错误！未定义书签。 2.2 设计原理框图........................................................................... 错误！未定义书签。 3 硬件电路设计原理............................................................................... 错误！未定义书签。 3.1 单片机最小系统设计............................................................... 错误！未定义书签。 3.2 设计电路图............................................................................... 错误！未定义书签。 4 软件设计............................................................................................... 错误！未定义书签。 4.1 设计思路................................................................................... 错误！未定义书签。 4.2 程序代码................................................................................... 错误！未定义书签。 5 仿真调试结果....................................................................................... 错误！未定义书签。 5.1系统设计与仿真........................................................................ 错误！未定义书签。 6 收获体会............................................................................................... 错误！未定义书签。参考文献................................................................................................... 错误！未定义书签。
遥感影像分类精度评价教学内容
遥感影像分类精度评 价
遥感影像分类精度评价 在ENVI中，选择主菜单->Classification->Post Classification->Confusion Matrix->Using Ground Truth ROIs。将分类结果和ROI输入，软件会根据区域自动匹配，如不正确可以手动更改。点击ok后选择报表的表示方法（像素和百分比），就可以得到精度报表。 对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。 对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和拥护精度。 1、混淆矩阵（Confusion Matrix）: 主要用于比较分类结果和地表真实信息，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个地表真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。混淆矩阵的每一列代表了一个地表真实分类，每一列中的数值等于地表真实像元在分类图象中对应于相应类别的数量，有像元数和百分比表示两种。
2、总体分类精度（Overall Accuracy）: 等于被正确分类的像元总和除以总像元数，地表真实图像或地表真实感兴趣区限定了像元的真实分类。被正确分类的像元沿着混淆矩阵的对角线分布，它显示出被分类到正确地表真实分类中的像元数。像元总数等于所有地表真实分类中的像元总和。 3、Kappa系数：是另外一种计算分类精度的方法。它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。 4、错分误差：指被分为用户感兴趣的类，而实际上属于另一类的像元，错分误差显示在混淆矩阵的行里面。 5、漏分误差：指本属于地表真实分类，但没有被分类器分到相应类别中的像元数。漏分误差显示在混淆矩阵的列里。 6、制图精度：指假定地表真实为A类，分类器能将一幅图像的像元归为A 的概率
浅析多源遥感数据融合原理及应用
浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比
目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)
遥感技术的应用以及发展趋势
遥感技术的应用以及发展趋势
一前言 二遥感信息技术基础 三遥感信息技术的应用 3.1遥感信息技术在环境监测方面的应用 3.1.1利用红外扫描仪监视石油污染 3.1.2利用遥感技术监测水体富营养化 3.1.3通过遥感技术调查废水污染和泥沙污染 3.1.4应用红外扫描仪监测水体热污染 3.1.5通过遥感技术分析水域的分
布变化和水体沼泽化 3.2.遥感技术在大气环境监测方面的应用 3.2.1臭氧层 3.2.2大气气溶胶 3.2.3有害气体 3.2.4气候变化 3.3遥感技术在城市环境监测与管理中的应用 3.4应用遥感技术监控生态环境 3.5 利用遥感技术监测自然灾害 四遥感信息技术的发展趋势 4.1遥感影像获取技术越来越先进 4.2遥感信息处理方法和模型越来越科学 4.3 3S一体化 4.4建立高速、高精度和大容量的
遥感数据处理系统 4.5建立国家环境资源信息系统 4.6建立国家环境遥感应用系统 五总结 六参考文 一前言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内得到广泛的应用。自20世纪80年代以来，随着遥感技术的发展，遥感技术在理论上、技术上和实际应用上发生了重大的变化。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理信息技术也更加成熟；在应用方面，结合了地理信息系统（GIS)和全球定位系统（GPS)，向着更系统化，更定量化的方向发展，是遥感技术的应用更加广
泛和深入。 二遥感信息技术基础 遥感技术是指从飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远的感知的意思。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 三遥感技术在环境科学中的应用 3.1.遥感技术在水污染监测方面的应用 3.1.1利用红外扫描仪监视石油污染
遥感影像分类envi
遥感课程教学实验之二： 遥感影像分类 实验二遥感影像的分类遥感影像的监督分类 ?实验目的
理解计算机图像分类的基本原理以及监督分类的过程，学会利用遥感图像处理软ENVI 件对遥感图像进行分类的方法。 ?实验内容 1、遥感图像分类原理。 2、遥感图像监督分类。 3、最大似然法分类 ?实验条件 电脑、ENVI4.5软件。厦门市TM遥感影像。 ?实验步骤 1、启动ENVI软件，从文件菜单打开多波段影像文件，从可用波段列表中装载彩色或假色 影像，显示遥感影像。 2、从主图像窗口的工具Tools →Region of Interest →ROI Tools; 3、在自动打开的ROI Tools窗口中，设定ROI_Type 为“Polygon”（多边形），选定样本采 集的窗口类型，用Zoom（缩放窗口）进行采集。。
4、在选定的窗口如Zoom用鼠标左键画出样本区域，在结束处击鼠标右键二次，样本区域 被红色充填，同时ROI Tools窗口中显示采集样本的信息。采集新的样本点击“New Region”，重新上述步骤进行多个地物样本采集。。 5、从ENVI主菜单中，选 Classification > Supervised > Maximum Likelihood；或在端元 像元采集对话框 Endmember Collection中选择 Algorithm >MaximumLikelihood 进行最大似然法分类。
6、在出现Classification Input File 对话框中，选择输入影像文件，出现 Maximum Likelihood Parameters 对话框。 7、输入常规的分类参数。 设定一个基于似然度的阈值（Set Prpbability Threshold）：如不使用阈值，点击“None” 按钮。要对所有的类别使用同一个阈值，点击“Single Value”按钮，在“Probability Threshold”文本框中，输入一个0 到1 之间的值。似然度小于该值的像元不被分入该类。 要为每一类别设置不同的阈值： ●在类别列表中，点击想要设置不同阈值的类别。 ●点击“Multiple Values”来选择它。 ●点击“Assign Multiple Values”按钮。 ●在出现的对话框中，点击一个类别选中它，然后在对话框底部的文本框中输入阈值。为每 个类别重复该步骤。 最后给定输出结果的保存方式：文件或内存，当影像较大时建设保存到文件中，以免因内存不够而出错运算错误。 点击“OK”计算机开始自动分类运算。 8、在可用波段列表中显示分类图像。 ?实验总结
遥感技术所使用的电磁波段主要为紫外、可见光、红外和微波等波段
遥感技术所使用的电磁波段主要为紫外、可见光、红外和微波等波段。紫外波段(Ultraviolet)的波长为0.01-0.4μm，位于可见光波段紫端以外。由于波长小于0.3μm的电磁波被大气中的臭氧所吸收，可以通过大气传输的只有0.3-0.4μm的紫外信息。紫外摄影能监测气体污染和海面油膜污染。但由于该波段受大气中的散射影响十分严重，在实际应用很少采用。可见光波段(Visible Light) 的波长为0.4-0.7μm，是电磁波谱中人眼唯一能见到的波段，可见光可进一步分为红、橙、黄、绿、青、兰、紫等七种颜色的光，可见光波段是进行自然资源与环境调查的主要波段，地面反射的可见光信息可采用胶片和光电探测器收集和记录。红外波段（Infrared）的波长为0.7-100μm，位于可见光波段红端以外。按波长可细分为近红外（0.7-1.3μm）、中红外（1.3-3μm）、热红外（3-15μm）和远红外（15-100μm）。近红外光和中红外光来自地球反射的太阳辐射，所以该波段也被称为“反射红外”。其中波长为0.7-0.9μm的近红外辐射信息可以用摄影（胶片）方式获取，故该波段也被称为“摄影红外”，摄影红外传感器对探测植被和水体有特殊效果。热红外传感器可以探测物体的热辐射，地面的热红外辐射信息不能采用摄影方式探测；需要采用光学机械通过扫描方式获取。在热红外中目前主要应用3-5μm 和8-14μm两个谱段。热红外可以夜间成像，除用于军事侦察外，还可以用于调查海表面温度、浅层地下水、城市热岛、水污染、森林探火和区分岩石类型等，有广泛的应用价值。而波长大于15μm的远红外辐射，绝大部分被大气层吸收。微波（Microwave ）的波长为0.1-100cm，微波又可细分为毫米波、厘米波和分米波等。微波的特点是能穿透云雾、云盖和沙漠成像，具有全天候工作特点。遥感技术对于测绘制图、自然资源凋查和海洋环境监测有很好的应用效果。
红外遥感技术及其应用
热红外遥感技术及其应用 红外遥感是指传感器工作波段限于红外波段范围之内的遥感。探测波段一般在0.76——1000微米之间，是应用红外遥感器探测远距离外的植被等地物所反射或辐射红外特性差异的信息，以确定地面物体性质、状态和变化规律的遥感技术。因为红外遥感在电磁波谱红外谱段进行，主要感受地面物体反射或自身辐射的红外线，有时可不受黑夜限制。又由于红外线波长较长，大气中穿透力强，红外摄影时不受烟雾影响，透过很厚的大气层仍能拍摄到地面清晰的像片。用于红外遥感的传感器有黑白红外摄影、彩色红外摄影、红外扫描仪和红外辐射计。 红外遥感技术（thermal infrared remote sensing）利用电磁波谱中8～14μm热红外波段本身和在大气中传输的物理特性的遥感技术统称。所有的物质，只要其温度超过绝对零度，就会不断发射红外能量。常温的地表物体发射的红外能量主要在大于3μm的中远红外区，是热辐射。它不仅与物质的表面状态有关，而且是物质内部组成和温度的函数。在大气传输过程中，它能通过3-5μm和 8-14μm两个窗口。热红外遥感就是利用星载或机载传感器收集、记录地物的这种热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。 红外遥感探测的应用 随着科学技术的进步，光谱信息成像化，雷达成像多极化，光学探测多向化，地学分析智能化，环境研究动态化以及资源研究定量化，大大提高了遥感技术的实时性和运行性，使其向多尺度、多频率、全天候、高精度和高效快速的目标发展，例如在水质监测、裸土湿度、遥感考古、赤潮遥感监等等，这些技术的发展极大地促进了生产生活的进步，。下面将简略介绍这几项技术。 1 遥感技术在水质监测中的应用 1.1 水体遥感监测原理利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图像中体
遥感影像的分类处理
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 Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程
多源遥感影像配准流程
多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，特别是不同类型传感器在同一地区，不同时间，不同高度获取的影像间的配准。即运用一幅纠正过的带有地理信息的影像（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。因为主影像是正射影像，因而这些同名点是具有大地坐标的同名点。同时这些同名点可以作为参考数据（保存在配准后生成的<从影像名>.ctp 文件中）用于对其他影像进行纠正。 在ArcMap中配准影像栅格数据可以通过扫描地图、航片及卫片来获取。扫描的地图通常不包含表明影像对应于地表何处的信息。从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数据对齐显示。与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。 配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。 配准栅格数据使它能与其它地理数据一起被查看、查询和分析。 配准流程： 1、启动ARCGIS9，用键或者在图层处点右键添加数据，将所要的图象数据 添加近来。如图所示： 2、从“视图”→“工具条”→“影象配准”将影像配准的工具条调出来，如图， ， 调出工具条如下， 选择图的四个角的格网点进行配准处理，首先是左上角，如图：
使用“添加控制点”按钮添加第一个控制点，如图： 将左下角格网点放大以准确定位，如图。 点右键，输入XY坐标，根据地图格网坐标输入， 完成一个点，再按相同方法对其他三个角点配准。 4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。
点击地理参考下的矫正，双线性内插，保存矫正图象。 5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性 打开后如下： 将地图单位改为米，将坐标系统设为西安1980，
遥感技术应用
遥感技术的应用 一、基本概念： 定义：遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线，对目标进行探测和识别的技术。例如航空摄影就是一种遥感技术。人造地球卫星发射成功，大大推动了遥感技术的发展。现代遥感技术主要包括信息的获取、传输、存储和处理等环节。完成上述功能的全套系统称为遥感系统，其核心组成部分是获取信息的遥感器。遥感器的种类很多，主要有照相机、电视摄像机、多光谱扫描仪、成像光谱仪、微波辐射计、合成孔径雷达等。传输设备用于将遥感信息从远距离平台(如卫星)传回地面站。信息处理设备包括彩色合成仪、图像判读仪和数字图像处理机等。 基本原理:任何物体都具有光谱特性，具体地说，它们都具有不同的吸收、反射、辐射光谱的性能。在同一光谱区各种物体反映的情况不同，同一物体对不同光谱的反映也有明显差别。即使是同一物体，在不同的时间和地点，由于太阳光照射角度不同，它们反射和吸收的光谱也各不相同。遥感技术就是根据这些原理，对物体作出判断。遥感技术通常是使用绿光、红光和红外光三种光谱波段进行探测。绿光段一般用来探测地下水、岩石和土壤的特性；红光段探测植物生长、变化及水污染等；红外段探测土地、矿产及资源。此外，还有微波段，用来探测气象云层及海底鱼群的游弋。 二、遥感技术的应用： 1.在环境监测中的应用； （1）在海洋环境中的应用：海洋的陆地环境和大气的物理化学和生物学影响，是不可
忽视的，从全球范围来讲，海洋起到一个很好的缓冲作用，能够对大自然的自然温度变化，起到很好的缓和作用，进而缓解极端气候变化。从区域尺度方面来说，沿海区域海洋是洪水泛滥的潜在因素，对当地气候有着非常重要的影响，应当不断加强通过卫星遥感技术，来对航海环境风险进行检测。伴随着海洋卫星的问世，海洋监测进入新阶段。目前，太空对海洋的主要观测，主要针对的是表面温度、粗糙度、坡度以及海水颜色，通过对海洋表面温度的遥感监测数据，能够对全球海洋的变化进行观测，通过对海洋表面温度及高度的绘制工作，能够实现对海洋近况及海面风力程度的了解，将大气尺度和海洋尺度之间的关系予以建立。能够提供天气数据，有利于对海洋从数小时到连续数周重复探测功能的实现，能够对大面积时间同步观测，探测范围较广，对于普通探测较难达到的区域数据，通过遥感就能实现。但是海洋特殊性比较突出，加上遥感探测技术的局限性，遥感观测数据会存在一定误差，遥感数据的取得，应当以具体测量技术数据的校准和修正工作为基础。 （2）在大气环境中的应用：气溶胶属于比较稳定的悬浮体系，主要是有液体或固体微粒，平均分散在气体中而形成的。关于气溶胶粒子的来源方面，是一个比较复杂问题，其来源比较广泛并且纷繁复杂，可以是通过地球表面岩石和土壤风化作用，也可以通过风浪作用，使海水泡沫进行飞溅，进而在海洋表面形成海盐粒子、孢子、植物花粉，关于液态或固体粒子的产生方面，主要是通过人类燃烧活动和自然火灾，或者是通过工厂排放的气体或发生的化学反应而产生等等。20世纪七十年代中期，在国际上，开始通过卫星遥感资料，来研究反演大气气溶胶。通过激光雷达遥感技术的应用，为更高时间和空间分辨率，对地球大气参数变化和特性的研究工作，提供了更大的可能性，伴随着研究工作的深入开展，不同类型的地面基础雷达系统，能够实现对地球大气层的持续探入，将激光雷达和其他遥感技术结合起来，能够对臭氧和颗粒物质的特性进行测量，这些特性包括许多方面，比如日变化、光学深度、空间分布、空间分层等等。在对区域和全球尺度上地球大气层中气溶胶垂直可变性观测
遥感影像分类实验报告
面向对象分类实验报告 姓名： 学号： 指导老师： 地球科学与环境工程学院
一、实验目的 面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。 二、实验意义 1、使用eCognition进行面向对象的影像分类的流程； 2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言； 三、实验内容 3.1、影像的预处理 利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，达到既满足高空间分辨率，又保留光谱信息。Image interperter-> spatial enhancement-> resolution merge.输入融合前的两幅影像，完成影像的预处理过程。 图 1 图像融合步骤
图 2 融合后的图像 3.2、使用eCongition 创建工程 a、使用规则集模式创建工程 图 3 模式选择 b、file->new projection ，打开Create Project和Import Image Layers两个
对话框，将上面的实验数据导入。（注意，数据以及工程文件保存路径不要有中文） 图 4 导入数据 c、选择数据修改波段名称,并设置Nodata选项。
遥感技术的应用以及发展趋势
一前言 二遥感信息技术基础 三遥感信息技术的应用 3.1遥感信息技术在环境监测方面的应用 3.1.1利用红外扫描仪监视石油污染 3.1.2利用遥感技术监测水体富营养化 3.1.3通过遥感技术调查废水污染和泥沙污染 3.1.4应用红外扫描仪监测水体热污染 3.1.5通过遥感技术分析水域的分布变化和水体沼泽化 3.2.遥感技术在大气环境监测方面的应用 3.2.1臭氧层 3.2.2大气气溶胶 3.2.3有害气体 3.2.4气候变化 3.3遥感技术在城市环境监测与管理中的应用 3.4应用遥感技术监控生态环境 3.5 利用遥感技术监测自然灾害 四遥感信息技术的发展趋势 4.1遥感影像获取技术越来越先进 4.2遥感信息处理方法和模型越来越科学 4.3 3S一体化 4.4建立高速、高精度和大容量的遥感数据处理系统 4.5建立国家环境资源信息系统 4.6建立国家环境遥感应用系统 五总结 六参考文
一前言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界围得到广泛的应用。自20世纪80年代以来，随着遥感技术的发展，遥感技术在理论上、技术上和实际应用上发生了重大的变化。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理信息技术也更加成熟；在应用方面，结合了地理信息系统（GIS)和全球定位系统（GPS)，向着更系统化，更定量化的方向发展，是遥感技术的应用更加广泛和深入。 二遥感信息技术基础 遥感技术是指从飞机、飞船、卫星等飞行器上，利用各种波段的遥感器，通过摄影、扫描、信息感应，识别地面物质的性质和运动状态的技术，具有遥远的感知的意思。从上个世纪六十年代提出“遥感”这个词，到1972年美国陆地卫星计划发射了第一颗对地观测卫星,经过几十年的发展，遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面,它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。 三遥感技术在环境科学中的应用 3.1.遥感技术在水污染监测方面的应用 3.1.1利用红外扫描仪监视石油污染 全球每年排入海洋的石油及其制品高达1000万吨，利用多光谱航片可对海面石油污染进行半定量分析，将彩色航片同步拍照与近红外片做的彩色密度分割图相比较，更精密地判断和解译信息，参照图片画出不同油膜厚度的大致分级图。通过彩色密度分割图像，特别是数字密度分割图，可以更准确地判断油量的分布情况。通过彩色密度分割可把相差零点零几厚度的海面油膜区分出层次来，这有利于用航空遥感对海面油的扩散分布和半定量研究。浓度大的地方是黄色，往外扩散的油膜变薄，呈黄紫混在一起的颜色，再往外扩散的油膜就更薄些呈紫色。通过对污染发生后各天的气象卫星图像的对比分析，确定油膜的漂移方向，计算出其扩散速度和扩散面积。 3.1.2利用遥感技术监测水体富营养化 浮游植物中的叶绿素对蓝紫光和红橙光有较强的吸收作用，当水体出现富营养化时，我们就可以利用遥感技术推算出水体中的叶绿素分布情况。赤潮区的海水光谱特征是藻类、泥沙和海水的复合光谱，另外有机或无机颗粒物也会吸收入射光，影响水体的透明度。 3.1.3通过遥感技术调查废水污染和泥沙污染 废水的颜色与悬浮物性状千差万别，特征曲线上的反射峰位置和强度也不大一样，可以用多光谱合成图像进行监测。水中悬浮泥沙的浓度和粒径增大，水体反射量也会相应增加，反射峰随之红移，定量判读悬浮泥沙浓度的最佳波段是0.65～0.85微米。 3.1.4应用红外扫描仪监测水体热污染 应用红外扫描仪记录水体的热辐射能量，真实反映其温度差异。在热红外图像上，热水温度高，辐射能量多，呈浅色调。冷水和冰辐射能量少，呈深色调。热排水口处通常呈白色羽流，利用光学技术和计算机对热图像作密度分割，根据少量的同步实测水温，画出水体等温线。
遥感影像分类方法实验报告
实验报告
目录 1 实验目的 (4) 2 实验数据 (4) 3 实验内容 (4) 4 实验步骤 (5) 4.1 对人口矢量数据（shapefile）进行投影转换 (5) 4.1.1 Census.shp文件投影坐标的检查 (5) 4.1.2 将投影坐标转换为WGS_1984_UTM_Zone_16N (6) 4.2 对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准） (6) 4.2.1 Census.shp在ENVI软件的加载 (6) 4.2.2 对遥感影像进行几何精校正（以矢量数据为基准） (7) 4.2.3 用矢量图层对遥感影像进行裁剪 (10) 4.3 将Pan波段和多光谱波段进行融合，并对融合效果进行定性和定量评价 (11) 4.3.1 两种融合方法的原理 (11) 4.3.2 进行 Gram-Schmidt Spectral Sharpening融合 (11) 4.3.4 融合效果进行定性评价 (14) 4.3.5 融合效果进行定量评价(软件提供的计算方法) (15) 4.3.6 融合效果进行定量评价(Matlab编程计算) (16) 4.3.7 遥感影像融合定量分析代码 (20) 4.4 生成住房密度栅格影像 (23) 4.4.1 两表的连接 (23) 4.4.2 计算房屋密度 (24) 4.4.3 直接栅格化 (25) 4.4.4 IDW插值 (25) 4.4.5 对房屋密度图进行重分类 (26) 4.5 将住房密度栅格影像作为额外的通道与ETM+多光谱波段进行叠加 (26) 4.6 监督分类（融合方法为HSV，波段为5，4，3） (27) 4.6.1 打开Google Earth影像作为监督分类的参照 (27) 4.6.2 建立兴趣区 (29) 4.6.3 训练样区的选择 (30) 4.6.4 训练样区的评价 (31) 4.6.5 执行监督分类 (33) 4.6.6 分类后处理 (35) 4.6.7 评价结果分析 (37) 4.6.8 分类结果面积统计 (38) 4.6.9 分类结果 (41) 4.7 分类结果评价与分析 (41) 4.7.1 未加入房屋密度图层的分类结果评价与分析 (41) 4.7.2 加入IDW插值房屋密度图层的分类结果评价与分析 (42) 4.7.3 加入直接栅格化房屋密度图层的分类结果评价与分析 (43) 4.7.4 加入重分类后IDW插值房屋密度图层的分类结果评价与分析 (44) 4.7.5 从总精度与Kappa系数对分类结果进行评价 (45)
遥感影像监督分类
遥感影像监督分类 一、实验目的 通过使用envi5.0学会对遥感图像的监督分类。 二、实验设备 Envi5.0软件，计算机 三、实验内容 遥感影像监督分类，对每一类物体添加选取，进行分类。 四、实验步骤 1、打开软件，打开文件，出现图像 单击图像右键→toggle→Display scroll Bars。 2、点击菜单栏basic tools →region of interest →ROI TOOL
出现对话框↓单击zoom 单击new region新建六个分类，并且修改名称，分别是沙地、林地、草地、裸地、耕地、其他。 对每一个分类进行选取，画区域右键选择，每一个选择十个左右。最后看一下分类结果，单击options→compute roi separability↓ select all items→ok 出现分类结果。
大图如下↓ 3、输出文件 菜单栏点击classification→supervised→maximum likelihood 出现下面对话框→点击none→choose→选择输出路径和文件名。
新建一个图，打开保存的新图。 4、单击rol tool 菜单栏里面的file→export rois to n-D visualizer→select all items →ok→1.2.3.4.5.6.→start完成。
5、单击rol tool 菜单栏里面的file→restore ROIs→打开验证文件→单击菜单栏里面classification→post classification→confusion matris→using ground truth ROIs →自己的图→ok
红外遥感技术在军事方面的运用
红外遥感技术在军事方面的运用 摘要： 目前国际军事形势总体上趋于缓和，但天下并不太平，展望21世纪，国际关系错综复杂，世界各种力量不断分化组合。交流与合作，斗争与竞赛交织在一起，将是21世纪国际安全环境和军事形势的基本形态。而随着高科技技术在军事领域的广泛应用，现代战争已进入了高技术阶段，由于战争中高级技术武器装备的大量使用和新的作战理论的先导作用，引起了战争形态的重大变革。从而导致了战争规模，样式和进程的变化。战争已由简单的身体对抗化为智慧的较量。正文： 遥感技术是指安装与平台上的传感器，以电磁波为信息传播媒介，从遥远的地方感知地球表面和一定空间范围内的对象，从而识别地面物体的全过程，他是与航空遥感，在20世纪60年代发展起来的移民新型的综合性的边缘学科，从70年代以来，随着新的航天遥感平台的不断升空，新型传感器的研制，航天遥感技术的发展。应用领域从军事应用发展到一地球环境和资源的监测和研究为目标的尖端技术。在现代化战争中，军事侦察，监视与制导已完全离不开遥感技术。 一、红外线的起源与发展 1800年，英国天文学家F.W.赫歇耳发现了红外线。红外技术在军事上的实际应用始于第二次世界大战期间。当时,德国研制和使用了一些红外技术装备,其中有红外通信设备和红外夜视仪，它们都属于主动式红外系统。战后，由于红外光子探测器和透红外光学材料的迅速发展，红外技术的应用引起军事部门的重视。此后，红外技术的发展方向集中在被动式系统上。50年代，红外点源制导
系统应用于战术导弹上。60年代，红外技术的军事应用已相当广泛，如已应用于制导、火控、瞄准、侦察和监视等。60年代中期，出现了光机扫描的红外成像技术。70年代，红外成像技术获得迅速发展，热成像系统和电荷耦合器件的应用是这一时期的重要成果。80年代,红外技术进入研制镶嵌焦面阵列（CCD阵列）系统的新时期。 二、红外线的基本概念 自然界中, 一切温度高于绝对零度摄氏-273.16 的物体都不断地辐射着红外线, 这种现象称为热辐射。红外线是一种人眼不可见的光波，它是由物质内部的分子、原子的运动所产生的电磁辐射，是电磁频谱的一部分,其波段介于可见光和微波波段之间(0.76～1000微米)。通常按波长把红外光谱分成4个波段:近红外（0.76～3微米）、中红外（3～6微米）、中远红外（6～20微米）和远红外（20～1000微米）。 一切物体都有其自身的红外辐射特性。为研究各种不同物体的红外辐射，人们用理想辐射体──绝对黑体（简称黑体）作基准。能吸收全部入射的辐射而没有反射的物体称为黑体。良好的吸收体必然也是良好的辐射体,因此黑体的辐射效率最高，其比辐射率定为1。任何实际物体的辐射发射量与同一温度下黑体的辐射发射量之比,称为该物体的比辐射率，其值总是小于1。物体的比辐射率，与物体的材料种类、表面特性、温度、波长等因素有关。黑体的辐射特性可用普朗克定律描述，该定律给出了黑体辐射作为温度函数的光谱分布。对某一温度，辐射量最大的波长与其温度的乘积为常数，这个关系称维恩定律（适用于在温度较低，波长较短的范围内）。对所有波长积分所得到的总辐射量与温度的四次方成正比，这个关系称为斯蒂芬－玻尔兹曼定律。
红外遥感技术的发展及其应用
遥感导论 实习报告 班级：2011级测绘工程 姓名：韩宇鹏 学号：201111830127 指导教师：泮雪琴
红外遥感技术的发展及其应用 摘要：热红外遥感对研究全球能量变换和可持续发展具有重要的意义，尤其在生态学领域，借助地面实测数据和遥感数据，通过红外波段的解析、反演可以进行各种问题的定量化探讨。文章从军事、海洋，地热资源3个方面阐述了热红外遥感的应用。 一：红外遥感发展现状 地球科学正朝着更精确定量化的方向发展，地表能量交换是地球系统中水、热、碳各种循环和过程的主导因子，其中陆面温度又是地表能量交换的核心信息，而信息的获取是个高难度课题，精确定量反演陆面温度的成果将推动旱灾预报和作物缺水研究、农作物产量估算、数字天气预报、全球变化和全球碳平衡等领域研究的进展。人们要以遥感手段定量表达地球表面时空多变要素，特别是陆面温度的区域分布规律，首先遇到的问题是如何将遥感信息转化为地球科学迫切需要的应用信息。地学遥感的信息源是各种地物的反射和发射的电磁波强度记录，只有少量应用信息可以从这些电磁波信息里面直接提取，而绝大多数的应用，信息的获取需要非遥感参数和先验知识的支撑，并要在物理学、生物学、农学、水文学、气象学等多学科的交叉和渗透下，建立信息转换模型，才能使遥感信息和地学信息连接起来。成功的定量遥感研究都是从信息转换机理入手，研究如何以遥感获得电磁波信息定量反演出所需的应用信息。从唯物辩证法的角度分析，从遥感信息转换到地学应用信息的过程就是克服遥感信息局限性的过程。遥感的发展史就是不断地克服和改善遥感的局限性的历史，热红外遥感的发展也不例外。在克服遥感的局限性的道路上不乏成功之例：热红外波段的“劈窗技术”是在光谱信息上开拓的有效方法。热红外辐射的大气辐射传输是非常复杂的课题，大气参数的时空变化给陆面温度的反演带来了局限性，劈窗技术利用两个热红外波段的辐射信号的差值与大气参数之间的信息相关性，使得用热红外波段遥感信息本身就可以进行大气辐射初步纠正。热红外辐射的“肤面特征”也是一种局限性，它的信息只局限于地物表面，然而，热惯量方法是利用两个时相的热红外辐射温度差值，提取了地表面以下的土壤水分信息，使得遥感信息的应用向地表以下的深度开拓。多角度遥感也是开拓遥感信息，使其获取地物三维信息的好例子。热红外遥感基础研究的实质内涵仍然是以遥感信息为基础开拓和挖掘地学信息的过程。在地物光谱维上已开拓出多光谱遥感的研究领域，在时间维上也开拓出多时相遥感的研究范畴，而近年来发展起来的多角度遥感显然是在方向维上开拓的结果。
遥感数据及格式
liutaobinue
一、遥感数据概念 遥感数据：太阳辐射经过大气层到达地面，被地物反射后再次穿过大气层，被遥感传感器接收，并由传感器将这部分能量的特征传送回地面；被传送回地面的能量特征数据被称为遥感数据。
1.遥感数据 遥感数据是用遥感器探测来自地表的电磁波，通过采样及量化后获得的数字化数据。 对应于采样中采样周期的是瞬时视场角IFOV（instantaneous field of view），它是以遥感器探测元件受光的角度来表示。一个IFOV内的信息表示为一个像元。另外，整个遥感器能够受光的角度叫视场角FOV （field of view）相当于视场角的地面距离叫观测宽度或叫扫描宽度（swath width）。
2.地面分辨力 在观测地表的遥感图像中，可能识别的最小区域的能力所对应的地面的距离或目标物的大小为地面分辨率（ground resolution）地面分辨率也叫地面分辨力或地面解像力。也有把一个像元在地面上占的大小或把相当于IFOV在地面的投影面的大小叫做地面分辨率的，但严格来讲两者是不同的。
3.按遥感平台的高度分类 ◆航天遥感：又称太空遥感(space remote sensing)泛指利 用各种太空飞行器为平台的遥感技术系统，以地球人造卫星为主体，包括载人飞船、航天飞机和太空站，有时也把各种行星探测器包括在内。 ◆卫星遥感：(satellite remote sensing)为航天遥感的组 成部分，以人造地球卫星作为遥感平台，主要利用卫星对地球和低层大气进行光学和电子观测。航空遥感泛指从飞机、飞艇、气球等空中平台对地观测的遥感技术系统。 ◆地面遥感：主要指以高塔、车、船为平台的遥感技术系统， 地物波谱仪或传感器安装在这些地面平台上,可进行各种地物波谱测量。
遥感影像分类
八、图像分类 图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：非监督分类与监督分类，专家分类法是近年来发展起来的新兴遥感图像分类方法。实习时主要学习两种常规分类法，因为专家分类法还需要学习专家系统这门课程。 (其中英文的首字母我没有大写) （一）．非监督分类 完全按照象元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参与分类运算，分类结果往往是各类象元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。一般要经过以下几个步骤：初始分类→专题判别→分类合并→色彩确定→分类后处理→色彩重定义→栅格矢量转换→统计分析 1．初始分类获取 （1）启动非监督分类 点击Classifier → unsupervised classification →打开对话框 （2）进行非监督分类 在unsupervised classification 对话框中，进行设置： ⊕input raster file: germtm.img （被分类图像） ⊕output cluster layer filename: 如germtm_1.img (产生的分类图像，自己定义) ⊕output signature set: germtm_1.sig （生成分类模板文件，自己定义） ⊕number of classes: 10(初始分类数，即分出多少个类别) ⊕maximum iterations：24（最大循环次数） ⊕convergence threshold: 0.95 (循环收敛阈值) ⊕ok (开始执行非监督初始分类) 2．分类方案调整 （1）叠加显示原图像与分类图像 先打开germtm.img，注意打开之前要把这副图的raster options → layers to colors 设置为：red (4), green (5), blue (3). 然后打开germtm_1.img, 注意此时不要选择clear display。 看见的是灰度图。 （2）调整属性字段显示顺序 这一步是为了把我们所需要的字段放到前面来，便于观看，也可以不做这一步。 属性表中的11个记录分别对应产生的10个类和一个unclassified类，每个记录都有一系列的字段。 点击菜单栏的raster → attributes, 打开raster attributes editor 对话框，这就是germtm.img 图像的属性表。 在这个属性表对话框中，选择 edit → column properties → column properties 对话框，columns表示的是各个字段的名称，和属性表对应，选择其中一个字段名后，通过点击 up, down, top, bottom 可以调整字段名的位置，还可以在对话框的右面定义各个字段的属性。 比如：我们把 opacity(透明度), color, class_names 依次排列在前面，便于后面操作。