卫星遥感TM图像在川东地区地貌解译研究中的应用
第27卷 第3期 成都理工学院学报 V ol.27N o.3 2000年7月JOU RNAL OF CHENGDU U NIV ERSIT Y OF T ECHN OLOGY Jul.2000 [文章编号]1005-9539(2000)03-0318-06
卫星遥感TM图像在川东地区
地貌解译研究中的应用a
陈庆涛 杨武年 易显志 濮国梁
(成都理工学院遥感与GI S研究所,成都610059)
[摘要]以四川盆地大巴山前缘万源-巫山地区为研究区,通过对该区T M图像进行波段优
选、信息提取和处理,完成研究区1∶200000地貌综合解译图,为该区野外地质找矿工作提供
了重要的图件资料。
[关键词]遥感图像,图像处理,构造地貌,地貌解译,四川东部地区
[分类号]P627 [文献标识码]A
地貌区划,在地矿勘查研究中是一项不可缺少的工作,正确的区划对准确的地矿勘查目标选位、工程部署起着极其重要的作用,可节省大量资金。本次研究表明,利用遥感图像进行地貌解译和构造地貌单元划分,为地质勘探工作部署提供决策的依据,具有重要科学意义和实用价值。
在原中国石油天然气总公司科研项目“四川盆地大巴山前缘万源-巫山地区遥感图像地质解译研究及油气远景预测”中,我们通过卫星遥感图像对测区进行了较为详细的地貌解译,取得了显著成果,并认为卫星遥感图像在大面积的地貌解译研究中,特别是在地貌区划研究中有着无可比拟的优越性。
1 研究区概况
研究区位于四川盆地东北部大巴山前缘万源-巫山一带,行政区包括现四川省达川地区的宣汉县和万源市的部分地区以及重庆市的城口、开县、巫溪、巫山、奉节、云阳等县市的部分地区(包括现万州开发区的大部分地区),大体包括东经107°40′～110°00′,北纬31°00′～32°20′范围内的区域(总面积约19000km2)。总体地势北高南低,地形跌宕起伏,山盆相间,其间蕴藏着极为丰富的矿产资源。主体山脉走向大体呈向南西突出的弧形展布。海拔大多为200～2000m,相对高差在300～1500m之间。部分地区喀斯特地貌、山间河谷盆地、河流阶地发育。该区地跨北亚热带、南亚热带季风气候带,终年气候温和、雨量充沛、四季分明。
该区采矿业已有一定基础,但至今尚无完整、全面地反映该区地貌类型的地貌区划图,给矿产勘查与开采的正确选位带来了影响;因此通过综合技术手段,形成综合、全面、信息量丰富的地貌解译图,为野外地质找矿工作提供重要的图件资料实为必要。2 技术手段的选取
地貌区划,是根据地貌综合标志的差异,把一个较大的地区划分成若干地貌区;每一个地貌区有地貌综合特征的一致性或相似性。这些地貌综合标志一般包括:地层与构造,新构造,松散堆积物的成分、成因与时代,地貌形态特征、成因与组合,地貌发育历史和现代地貌过程等,其中以地貌成因和形态特征为主。根据生产科研的要求,也可进行专门的地貌区划,如矿产勘查地貌区划等。
根据地貌区划的本质和区划原则,为了对研究区地貌进行科学的分类,我们利用了七幅1∶200000地形图、七幅1∶200000地质图、以及其他比例尺(1∶100000,1∶50000等)地形图、地质图及相关历史资料,特别是利用了TM卫星遥感数据,经校正、增强等一系列处理,形成1∶200000假彩色卫星遥感图像,再经各种信息的叠加复合分析,达到了在短时间内大面积地貌区划的目标,实现了高效(仅用不到一个月时间)、低耗(节省大量人力、物力、财力),在利用现代科学技术手段应用于川东
a[收稿日期]1999-08-30
[作者简介]陈庆涛(1964-),男,讲师,从事遥感、全球卫星定位系统、地理信息系统等科研与教学工作.
地区矿产勘查中进行了一次有益的尝试;并经野外实地调查验证、抽样核实,结果认为划分较为准确合理,达到了该项目的研究要求。
3 遥感图像的波段优选及处理
遥感技术由于有着其他技术手段所不可比拟的优越性,因此在地学研究领域中得以广泛应用,并在地球探测与信息技术中成为发展最为迅猛的技术手段之一。
为了能更好地、客观地反映地貌的成因和形态特征,在研究中我们使用了T M遥感数据。该资料系美国陆地卫星CCT磁带,涉及三景T M数据图像,其轨道号及成像时间分别为:126-38,1987.02. 03;127-38,1988.06.04;126-39,1989.07.16,其中以前两景图像为主。图像质量,除126-39中部和南部有部分云盖外,主要研究区图像质量较好。每景图像覆盖范围为185km×185km;TM图像分七个波段(T M1～TM7),各图像波段范围(光谱分辨率)、几何分辨率及其光谱识别标志见表1。
为了能最大限度地从遥感数据中提取地质地貌等信息,将遥感多波段图像信息特征进行统计分析,从而正确地选择出最佳图像处理方案及控制参数。
3.1 遥感图像数据的相关性分析
为了选择出最佳图像,对图像进行了相关分析,从而得出多波段图像间信息的重复和类同程度的统计定量参数。研究区七个波段的TM图像数据相关分析结果表明,TM4的相关系数相对较小,其他波段相对较大,反映出其信息重叠和冗余的较少。3.2 遥感图像数据的方差分析
方差分析用以确定多波段图像包含信息量的丰度。因为对具体景物图像来说,其辐射量的方差大小体现所含信息量的多寡,因而选用图像原则上也应考虑其方差尽可能地大。研究区七个波段原始图像数据方差分析结果表明,单波段图像包含信息量的大小顺序为:T M6(2624.43),T M5(2127.35),T M4 (2084.72),TM7(1808.41),T M1(1429.54),T M3 (1309.31),TM2(919.18)。
3.3 TM卫星图像三波段RGB假彩色合成最优组
合方案
RGB(红绿蓝)三通道最佳波段组合优选,是采用特定方法在众多的单波段中优选出三个波段,作为红绿蓝彩色合成图像的最佳组合,制作出的标准片能最大程度地包含该区有用信息量,作为地貌解译的主要依据。
理论上,在T M的7个波段中优选出3个波段图像,既要求各波段包含信息量最多(方差最大),又要求各波段之间信息重叠最小(相关性最小,相互独立)。我们探索出了一种行之有效的选择RGB合成三波段组合的方法,即先求出T M图像的七个波段的方差——协方差矩阵(7×7对称方阵),然后计算其35个3阶子行列式,并按其值大小顺序依次排列,便能满足方差数大、相关性最小的条件,作为选择RGB三波段最优组合的依据。
根据各波段信息统计分析结果及RGB组合优选指标计算结果,并考滤到TM6地面分辨率较低(120m),T M1属蓝光谱段受大气散射影响大图像
表1 陆地卫星T M图像信息特征一览表
I nfo rm atio n char acters o f Landsat T M imag es
波段K/L m分辨率/m光谱信息识别特征
10.45～0.5228.5属可见光蓝光波段。能反映岩石中铁离子叠加吸收谱带,为褐铁矿、铁帽特征识别谱带。但因受大气影响,图像分辨率较差
20.52～0.6028.5属可见光绿光波段。对水体具一定穿透能力。可用于水下地形、环境污染、植被识别,但受大气影响,图像质量相对较差
30.63～0.6928.5属可见光红光波段。对岩石地层、构造、植被等有较好显示
40.76～0.9028.5属反射近红外波段。为植被叶绿素强反射谱带。反映植被种类,第四系含水量差异。适用于岩性区分、构造及隐伏地质体识别,地貌细节也显示较清楚
5 1.55～1.7528.5属反射近红外波段。为水分子强吸收带。适用于调查地物含水量、植被类型区分;地质构造、隐伏断裂识别以及冰川、雪识别等
610.45～12.50120属远红外波段,也为地物热辐射波段。图像特征取决于地物表面温度及热红外发射率。可用于地热制图、热惯量制图、隐伏地质体及隐伏构造识别,但总体分辨率较差
7 2.08～2.3528.5属反射近红外谱段。为烃类物质、蚀变岩类和含羟基蚀变矿物吸收谱带,用于区分热液蚀变岩类、含油气信息识别、岩性和地质构造解译
?
319
?
第3期 陈庆涛等:卫星遥感T M图像在川东地区地貌解译研究中的应用
细节不足,127-38达县幅TM 7图像在426行左右缺11行数据等原因不参加组合,故选择RGB 组合指标参数较大的TM 4,TM 5和TM 3作为图像解译标准片的RGB 最佳组合,取得较好图像效果,实践表明可解性好(图1)。
3.4 遥感TM 图像数字处理及信息提取
研究区遥感图像标准片处理中,选择TM 4,TM 5和TM 3三个波段,通过几何校正、辐射增强等处理,扫描输出成8英寸负片,最后放大成1∶200000及其他比例尺标准片,作为地质地貌解译及其他研究的基本图像资料。遥感图像的专题处理中选择反差扩展、直方图正态化、纹理分析等功能,提取了大量有用信息,取得一批高质量图像,为准确圈定各地貌、构造单元提供了依据。
4 图像解译
如果单从地形图也可以通过图中绝对高差与相对高差,对该区地貌进行区划;但是那仅仅是简单的形态区划。而我们前面曾经提到,地貌区划是根据地貌综合标志的差异,把一个较大的地区划分成若干地貌区;每一个地貌区有地貌综合特征的一致性或相似性。这些地貌综合标志一般包括地层与构造,新构造,松散堆积物的成分、成因与时代,地貌形态特征、成因与组合,地貌发育历史和现代地貌过程等,其中以地貌成因和形态特征为主。因此,地貌成因也应成为重要的分析因子。影响地貌形成的因素很多,
必须使用多种(综合)手段进行分析解剖,才能得出客观、科学的地貌区划。
诚然,也可以利用地质图等图件进行该区域构造及喀斯特作用的分析,但毕竟直观性差,更重要的是还有许多综合信息不能得以客观反映;因此,利用T M 卫星遥感图像在该区域的地貌解译研究中进行了一系列的尝试,取得显著效果。
4.1 构造地貌的解译
前已述及,地貌区划以地貌成因和形态特征为主,而由于该项研究要求以矿产勘查地貌区划为主,该区域地质构造及流水作用强烈,是该研究区地貌形成的主要影响因素;因此在地貌解译过程中,构造地貌的解译理应成为主要的解译内容。据“四川盆地大巴山前缘万源—巫山地区卫星遥感图像T M453影像图”(图1),结合1∶200000地质图和1∶200000地形图,可以有效地解译出褶曲(皱)构造地貌、穹窿构造地貌等。以下为褶皱构造、穹窿构造以及线性构造的解译标志。4.1.1 褶皱构造解译标志
褶皱构造在遥感图像上,主要表现为组成褶皱的岩层之层理色调条带沿走向发生弯曲,形成弧形、马蹄形或尖棱形拐折状图形(褶皱转折端),或者形成各种形态的封闭层圈(整个褶皱)。当褶皱仅出露一段时,则表现为两翼岩层的对称重复出现,图像上显现出不同色彩层理条带、不同微地貌、水系形式或
影纹图案条带呈对称重复分布。而该区大部分褶皱
图1 四川盆地大巴山前缘万源—巫山地区遥感图像T M 453影像图
Fig.1 L andsat T M 453image o f the W any uan-Wushan reg ion,in the nor theastern Sichuan Basin
图像做过几何校正处理,上方为正北。中部白色条带为云彩,左下角三角形块区为原图像底部部分。图像清楚地显现出了本区八字形双弧联合构造系的影像特征及其空间格局以及环形构造分布
?320?成都理工学院学报 第27卷
均较紧闭,并在地貌上形成条状山脊,其两翼岩层有时形成相背或相向的单面山以及岩层三角面,这些均可帮助我们解译褶皱。根据以上诸标志,大多数褶皱都能被解译出来。
4.1.2 穹窿(环形)构造解译标志
“环形构造”是指遥感图像上由各种地质作用引起的环状影像特征。该区环形构造的解译标志主要有:(1)不同颜色或不同深浅色调的圆形、近圆形色斑;(2)圆形、近圆形、椭圆形异常纹形图案区,如多圈层环状图案;(3)出现与周围明显不同的圆形、近圆形、椭圆形异常地貌区,如环形山等;(4)环状水系。环形构造的上述标志一般都表现得比较隐晦,解译中必须仔细观察分析。4.1.3 线性构造解译标志
线性构造是指遥感图像上由各种断裂引起的由色调(色彩)、微地貌、水系等标志沿一定方向展布所显示的线性(或带状)影像特征,故线性构造的地质含义包括各种性质和规模的断层、大型节理(一般称为遥感大节理)或裂隙密集带,以及未出露地表的隐伏断裂等。该区线性构造的解译标志主要有:(1)直线状或微弯曲的弧线状色线或细窄色带,它们常是断层线或断裂带在图像上的显示;(2)直线状或微弯弧线状延伸较远的线性负地形,它们明显与周围地形组合和水系形式不协调而自成体系;(3)直线状发育的水系或微地貌(如陡崖);(4)地层、构造、地质体
等被错位而不连续。
实际解译中,需综合利用上述标志,互相印证,以便提高解译的可靠性。通过构造解译,进而有效地解译出构造地貌,为研究区的地貌区划奠定了基础。
4.2 喀斯特地貌区解译
该区气温相对较高,雨量充沛,喀斯特地貌较为发育。这可从卫星遥感图像上明显地看出呈丘状体群集分布的峰丛景观(图2)。在具体划分界线时,还必须结合地质图根据岩层岩性、是否含有可溶性岩石(如碳酸盐类岩石及硫酸盐类、卤盐类岩石)等进行精确划界(图3)。此方法经实地勘察验证,划分较为准确合理。4.3 流水地貌的解译
由于流水作用强烈,沟谷地貌及河流阶地发育。该区河流阶地相对平坦,大多成为当地重要的工农业区,农作物生长茂盛,在遥感图像上大多呈现较为均匀的色调,因此较易划分出来。特别是遥感图像上的阶地边界非常明析,弥补了在地形图上界线不易分清的缺陷。此方法也同样适用于锋顶面,其在图像解译过程中亦有较好的解译效果。4.4 遥感图像解译中综合手段的应用
在运用遥感图像进行具体的地貌解译过程中,需要运用多种手段对研究区进行地貌区划,如:利用地质图,可帮助解译构造地貌、喀斯特地貌等;利用地形图,
可确定各类型区地表形态的绝对高差与相
图2 奉节北西竹园坪-文峰一带卫星遥感T M 453彩色合成图像中的峰丛地貌景观
Fig .2 T he kar st peak cluster landscape o f the L andsat T M 453color composite imag e ,
in the Zhuyuanping -W enfeng r eg io n ,nor thw est Fengjie
?
321?第3期 陈庆涛等:卫星遥感T M 图像在川东地区地貌解译研究中的应用
图3 开县温泉镇附近及其东北部地区遥感
T M 453影像图
Fig .3 L andsat T M 453image near W enqu -anzhen and nor theastern W enquanzhen reg io n,K aix ian
该图像系1∶250000开县幅正射遥感影像地图的部分图(成都理工学院遥感与GI S 研究所)。上方为正北,图上深红(在黑白图上为浅灰色)、黑色线条分别为计曲线和首曲线(等高距300m),紫红色(在黑白图上为浅灰色)线条为公路,白色数字为地表局部至高点之高程,白色线条为地层线及地貌区分界线。从图上可看到大面积分布的峰丛地貌景观,为典型的中切割喀斯特化中低山地貌类型区。如果结合地质图会发现,白色线条圈内区域,为以含砂质岩层为主的上三叠统须家河组下段地层(T 3x 1),与周围含有可溶性岩石的中、下三叠统雷口坡组和嘉陵江组岩层(T 2l ,T 1j )截然不同,因此应属另一新的地貌类型区——
中切割褶断中低山区
图4 四川盆地大巴山前缘万源—巫山地区遥感图像地貌解译图Fig.4 T he g eomo r phic inter preta tio n map o f remo te sensing imag es,
in t he Wanyuan -W ushan r egion ,nor theaster n Sichuan Basin (图中虚线为次级地貌类型分界线)
Ⅰ.丘陵平坝地貌:Ⅰ-1.浅丘区。Ⅱ.低山丘陵地貌:Ⅱ-1.浅切割褶断低山丘陵区;Ⅱ-2.中切割褶断低山丘
陵区;Ⅱ-3.浅切割喀斯特化低山丘陵区。Ⅲ.中低山地貌:Ⅲ-1.浅切割褶断中低山区;Ⅲ-2.中切割褶断中低
山区;Ⅲ-3.浅切割喀斯特化中低山区;Ⅲ-4.中切割喀斯特化中低山区。Ⅳ.中山地貌:Ⅳ-1.浅切割褶断中山
区;Ⅳ-2.中切割褶断中山区;Ⅳ-3.深切割褶断中山区;Ⅳ-4.浅切割喀斯特化中山区;Ⅳ-5.中切割喀斯特化
中山区;Ⅳ-6.深切割喀斯特化中山区
?322?成都理工学院学报 第27卷
对高差。利用遥感图像宏观性、客观性的特点,进行宏观地貌区划,可在一定程度上较好地反映出各种地貌类型的成生联系等。因此,根据遥感图像特征,结合本区地质、地貌和岩溶作用等特点,采用形态与成因组合分类法,最终将研究区地貌划分为四大类(丘陵平坝地貌、低山丘陵地貌、中低山地貌、中山地貌)14个成因类型(图4)。
5 结 语
遥感技术是20世纪60年代蓬勃发展起来的一门新兴的综合性探测技术,它提供了光谱信息和空间结构信息,并提供时间信息,如今在地球资源探测技术领域中充满了活力,充当了极其重要的角色,前景广阔。利用卫星遥感图像对大面积区域进行构造、流水地貌、喀斯特地貌等地貌类型分类解译及地貌区划,有着极好的可操作性,它的宏观性、客观性和准确性,以及对于地貌类型分界线的确定性,更有其他技术手段所难以替代的优势。
[
参
考
文
献
]
[1]范心圻,徐廷豹.遥感图像地学解译[M ].北京:北京大
学地理系,1989.
[2]Flot d F ,Sabins J R.Remo te Sensing Pr inciples and
Interpr etatio n (Seco nd Edition )[M ].N ew Y o rk:Remot e Sensing Ent erprises Inc,1987.[3]《地理学词典》编委会.地理学词典[M ].上海:上海辞书
出版社,1982.[4]《现代地理学辞典》编委会.现代地理学辞典[M ].北京:
商务印书馆,1990.
[5]潘树荣,伍光和,陈传康,等.自然地理学[M ].北京:高
等教育出版社,1985.
[6]北京大学,南京大学,上海师范大学,等.地貌学[M ].北
京:人民教育出版社,1978.
[7]杨武年,朱章森.遥感信息场分层解析与构造应力场定
量研究[J ].地质学报,1997,71(1):86-96.
[8]Yang W N .P hase -separ ation analy sis of r emote sensing
ima ges,a new met ho d fo r deter mining r eg ional t ect onic str ess filds [A ].P ro ceeding s o f t he 30th Inter na tio nal G eolog ical Congr ess [C ].V SP ,Internat ional Science P ublishers,T he Nt herlands.1997,25:43-52.[9]杨武年.川南区域构造变形场、应力场遥感图像定量解
析[A ].第10届全国遥感技术学术讨论会论文集[C].青岛:青岛大学,1997.264-266.
[10]吴贵捷.湘鄂川黔毗邻地区弧形构造带的演变历史和
形成机理的探讨[A ].中国科学院宜昌地质矿产研究所所刊(8)[C].北京:地质出版社,1984.79-81.
[11]张月华.川东地区构造叠加作用[M ].石油学报,1986,
7(4):25-30.
[12]杨武年,乐光禹,杜思清,等.恢复区域构造应力场的方
法[J].科学通报,1991,36(12):931-934.
[13]杨武年,乐光禹,杜思清,等.金佛山菱形构造格局区域
变形场和应力场遥感图像解析[J].成都理工学院学报,1994,21(1):102-109.
[14]四川省地质矿产局.四川省区域地质志[M ].北京:地
质出版社,1991.
[15]乐光禹.应力状态的叠加问题——联合构造应力场研
究(Ⅰ)[J ].成都地质学院学报,1990,17(4):61-73.[16]乐光禹.挤压(拉张)构造应力场的叠加分析——联合
构造应力场研究(Ⅱ)[J ].成都地质学院学报,1991,18(3):40-51.
[17]乐光禹.三应力状态的叠加和三角形构造应力场分析
——联合构造应力场研究(Ⅲ)[J ].成都地质学院学报,1992,19(2):65-76.
[18]乐光禹,杜思清,黄继钧,等.构造复合联合原理——川
黔构造组合叠加分析[M ].成都:成都科技大学出版社,1996.
[19]许志琴.东秦岭造山带的变形特征及构造演化[J ].地
质学报,1986,60(3):237-247.
[20]陕西省地质矿产局.陕西省区域地质志[M ].北京:地
质出版社,1989.
[21]陶洪祥,何恢亚,王全庆,等.扬子板块北缘构造演化史
[M ].西安:西北大学出版社,1993.
[22]四川省地质矿产局.中华人民共和国1∶20万区域地
质图及区调报告(城口幅、巫溪幅、紫阳幅、奉节幅、万县幅、通江幅、达县幅等)[M ].北京:地质出版社,1975.
THE APPLICATION OF SATELLITE REMOTE SENSING TM IMAGING
TO THE STUDY OF GEOMORPHIC INTERPRETATION ,EASTERN SICHUAN
CHEN Qing -t ao ,YA NG Wu -nian ,YI Xian -zhi ,PU Guo -liang
(Cheng du U niv er sity of T echnology ,China )
Abstract :T he landfo rm of the earth's crust can be displayed v er y clearly and objectively on a remo te sensing image.In the study o f geomo rphic interpr etatio n (e.g.tectonic,fluvial and karst landfor m interpr etation ),as a result of the application of m any techno logical methods ,especially the application of remote sensing image interpretation,the autho rs have finished sy nthetically the geomor phic inter pretation map of the eastern Sichuan region w hich is v ery useful in loo king fo r the g eo logical ex plo ration of oil and miner als in this r eg io n,and ho lds that the application of Landsat remo te sensing im ag es is of particular advantage to the study of geomo rphic interpretation ,especially o f the geomo rphic regionalization on extensive areas.
Key words :r em ote sensing technique ;Landsat T M imag es ;tectonic landform ;geomo rphic interpretation ;
eastern Sichuan
?
323?第3期 陈庆涛等:卫星遥感T M 图像在川东地区地貌解译研究中的应用
遥感影像解译不确定性的评估与表达
遥感影像解译不确定性的评估与表达 摘自《遥感数据的不确定性问题》 承继成郭华东史文中等编著 遥感数据的精度评估研究是从1975 年开始的(1973 年发射第一个遥感卫星)。最早Hord 和Brooner(1976)，Van Genderen 和Lock(1977)及Ginevan(1979) 曾提出了建立测试评估地图的标准和技术的建议。Roslnfield(1982)，Congalton(1983)，Aronoff(1985)对遥感数据精度的评估标准和技术进行了较深入的研究，以后又有更多的人参与了该项研究工作。误差矩阵是主要的方法，它能很好地表达专题图的精度，已经成为普遍采用的方法。 一、遥感影像解译不确定性评估综述 遥感解译有人工目视判读和计算机自动分类处理。在本章中我们主要指计算机自动分类。造成遥感影像解译不确定性的原因有遥感数据固有的不确定性（包括地物波谱的固有的不确定性和遥感影像数据固有的不确定性等）和遥感数据获取、处理、传输、分类过程造成的误差。因此遥感数据解译过程中的不确定性是客观存在、不可避免的。任何解译的成果图件在不同程度上都存在着一定的不确定性，符合“任何人工模拟产品与客观真实世界之间总是存在一定差异”的原理。 遥感影像数据的不确定性是普遍存在的。一些遥感影像的分辨率很低，经过各种处理影像分类的可信度尽管有所提高但仍然存在不确定性( 表1)，一些地物的可信度仍很低。 表 1 遥感影像分类的可信度(%)( 据吴连喜,2002)
遥感数据分类的不确定性度量方法通常用误差矩阵来度量。从误差矩阵中可以计算出分类精度的指标，如“正确分类比”。另一种指标是由Cohen 提出来的Kappa 系数，后来经Foody(1992) 修正后称为Tau 系数。 遥感数据分类的专题不确定性是指专题值与其真值的接近程度,其度量随专题数据类型的不同而不同（Lanter and Veregin,1992）。专题数据的类型有两种：分类专题数据(categorical thematic data) 和连续专题数据(continuous thematic data), 也有将其分为定性数据(qualitative data) 和定量数据的(quantitative data)。连续数据的不确定性度量指标与位置不确定性的度量指标相类似，如方差等(Lanter and Veregin,1992；Heuvelink,1993；Goodchild et al,1992)。 遥感数据不确定性的度量一般采用基于像元的分类结果评估，其不确定性度量评估流程如图1（Lunetta et al，1991）。
遥感影像解译手册
遥感影像解译手册 河南省环境监测中心 2012.12
1 生态遥感监测与评价工作流程 (1) 1.1 生态遥感监测与评价的主要目标包括： (1) 1.2 工作流程 (1) 1.3 提交成果 (2) 2 遥感影像处理 (2) 2.1 遥感影像简介 (2) 2.2 遥感影像准备 (2) 2.3 原始影像导出 (4) 2.4 波段合成与分离 (6) 2.5 影像校色处理 (8) 2.6 地图投影 (10) 3 几何纠正 (20) 3.1 几何纠正简介 (20) 3.2 几何纠正基本步骤 (21) 3.3 质量检查 (25) 3.4图像拼接 (26) 4 遥感解译 (27) 4.1 土地利用/覆盖数据的解译 (27) 4.2 具体操作 (29) 5 检查 (31)
1 生态遥感监测与评价工作流程 1.1 生态遥感监测与评价的主要目标包括： （1）利用前年Landsat TM数据监测全国土地利用/覆盖分布； （2）对全国生态环境质量进行评价，并分析前年间全国生态环境质量空间分布及变化趋势； （3）结合近几年间我国社会、经济、环境、人类活动因子，分析生态环境重大变化区域的脆弱机制，为制定生态保护和恢复的对策提供依据。 1.2 工作流程 生态遥感监测与评价的具体流程如图1。 图1
1.3 提交成果 主要有四部分： （1）影像，以县和整景为单位，两类； （2）解译数据，以省为单元的当年现状图层及动态图层； （3）生态报告； （4）地面核查数据，照片、数据库、报告。 2 遥感影像处理 2.1 遥感影像简介 遥感是通过遥感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息（如电场、磁场、电磁波、地震波等信息），并进行提取、判定、加工处理、分析与应用的一门科学和技术。遥感，从字面上来看，可以简单理解为遥远的感知，泛指一切无接触的远距离的探测；从现代技术层面来看，“遥感”是一种应用探测仪器，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综合性探测技术。 遥感影像，凡是只纪录各种地物电磁波大小的胶片（或相片），都称为遥感影像，在遥感中主要是指航空像片和卫星像片。 本次生态遥感监测与评价利用前年Landsat TM影像进行解译获得数据。 2.2 遥感影像准备 首先建立几个文件夹： （1）原始影像：用于存储从总站分发的未经几何纠正的影像。 （2）待纠影像：用于存储由原始影像进行波段合成操作产生的未经几何纠正的影像。
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
遥感导论-习题及参考答案第五章 遥感图像目视解译与制图答案
第五章遥感图像目视解译与制图 ·名词解释 色调：全色遥感图像中从白到黑的密度比 纹理特征：也叫内部结构，指遥感图像中目标地物内部色调有规则变化造成的影像结构。 光机扫描成像：依靠探测元件和扫描镜对目标地物以瞬间视场为单位进行的逐点、逐行取样，以得到目标地物电磁辐射特性信息，形成一定谱段的图像。 目视解译标志：直接标志和间接标志.直接标志是地物本身的有关属性在图像上的直接反映。间接标志是指与地物的属性有内在联系,通过相关分析能够推断其性质的影像特征。 目视解译过程：是解译者通过直接观察或借助一些简单工具(如放大镜等)识别所需地物信息的过程。遥感制图：通过对遥感图像目视判读或利用图像处理系统对各种遥感信息进行增强与几何纠正并加以识别、分类和制图的过程。 ·问答题 阐述遥感图像目视解译的方法和具体工作步骤 答：遥感图像目视解译步骤： 1.目视解译准备工作阶段 ①明确解译任务与要求；②收集与分析有关资料；③选择合适波段与恰当时相的遥感影像。 2.初步解译与判读区的野外考察 ①初步解译的主要任务是掌握解译区域特点，确立典型解译样区，建立目视解译标志，探索解译方法，为全面解译奠定基础。 ②野外考察：填写各种地物的判度标志登记表，以作为建立地区性的判度标志的依据。在此基础上，制定出影像判度的专题分类系统，建立遥感影像解译标志。 3.室内详细判读 ①统筹规划、分区判读②由表及里、循序渐进③去伪存真、静心解译。 4.野外验证与补判 ①野外验证包括：检验专题解译中图斑的内容是否正确;检验解译标志. ②疑难问题的补判：对室内判读中遗留的疑难问题的再次解译。 5.目视解译成果的转绘与制图 一种是手工转绘成图；一种是在精确几何基础的地理地图上采用转绘仪进行转绘成图 简述可见光、热红外和微波遥感成像机理 答：可见光成像是对目标的反射率的分布进行记录。热红外成像原理：红外热成像使人眼不能直接看到目标的表面温度分布，变成人眼可以看到的代表目标表面温度分布的热图像。微波成像原理发射机产生足够的电磁能量，经过收发转换开关传送给天线。天线将这些电磁能量辐射至大气中，集中在某一个很窄的方向上形成波束，电磁波遇到波束内的目标后，将沿着各个方向产生反射，其中的一部分电磁能量反射回接收机的方向，被天线获取。 遥感图像目视解译方法主要有哪些?列出其中5种方法并结合实例说明它们如何在遥感图像解译中的应用。 答：方法：直接解译法/对比法/综合解译法/逻辑推理法/地学分析法
遥感图像解译过程
一.遥感图像的预处理 在遥感图像的应用之前，常常需要对遥感图像进行一些必要的处理，如不同格式的遥感数据的输入输出处理、多波段彩色合成处理、遥感图像的辐射校正处理、几何校正处理、拼接处理、裁切处理等，这些都称为遥感图像的预处理。 1.遥感数据的输入输出和多波段合成 获得遥感数据之后，利用遥感数据之前，首先需要把各种格式的原始遥感数据输入到计算机中，转换为各种遥感图像处理软件能够识别的格式，才能够进行下一步的应用，这就需要对原始数据进行输入输出并转换为所需要的格式。单波段的原始遥感数据合成为多波段的彩色遥感数据，因为人眼对彩色物体的分辨能力大大高于对黑白物体的分辨能力，彩色遥感图像的信息量更大；而且利用多波段的彩色遥感图像，还可以进行三个不同波段的遥感图像的彩色合成，以提高对不同地物的识别能力。彩色遥感影像要求选择不少于3个波段的多光谱图像，各波段的配准误差不大于0.2m m。 2.遥感图像的辐射校正 由于传感器本身的特性和大气、地形因子以及其它各种生态环境因子的影响，使传感器所接收的地物光谱反射信息，不能全部真实地反映图同地物的特征，影响了图像的识别精度，因此必须进行辐射校正，改进图像质量。 辐射校正主要包括三个方面： ●传感器的灵敏度特征引起的辐射误差校正，如光学镜头的 非均匀性引起的边缘减光现象的校正、光电变换系统的灵 敏度特性引起的辐射误差校正等。 ●光照条件的差异引起的辐射误差校正，如太阳的高度角的 不同引起的辐射误差校正、地面的倾斜引起的辐射误差校 正等。 ●大气的散射和吸收引起的辐射误差校正等。 3.图像几何校正 几何校正是指从具有几何畸变的图像中消除畸变的过程，也就是定量地确定图像上像元坐标与地理坐标的对应关系，即把数据投影到平面上，使之符合投影系统的过程。为了将所获取的数据投影到理性的空间平面上产生精确的换算模型，需要借助一组地面控制点来进行几何校正。控制点选择应均匀分布而且在影像图与地形图上都容易确定的同名地物点上。所选点位图像清晰，在地形图及图像上均能正确识别和定位。如农田林网的交叉点，小沟系上道路桥的两端位置，小河流、渠的交叉点，道路交叉点，水库坝上的拐角
遥感地学解译
一、遥感地质学的主要研究内容是什么？ 答：遥感地质学主要是指研究地球上各种地质体和各种地质现象，根据和利用地质体的电磁波谱特征,借助先进的遥感科学技术。从各种载着地物电磁辐射特征的遥感资料中提取地质信息，以达到宏观，准确，快速的研究地质体和地质现象的目的，在地质与成矿理论指导下，研究如何应用遥感技术进行地质与矿产资源调查研究的学科.是遥感技术与地球科学结合的一门边缘学科。 它的主要研究内容大致包括如下： 1、各类地质体的电磁辐射特性及其测试、分析与应用; 2、遥感图像的地质解译与编图； 3、遥感数字资料的地学信息提取原理与方法； 4、遥感技术在地质各个领域的具体应用和实效评价。 二、遥感图像地学信息解译主要内容有哪些？ 答：地学解译是从遥感图像上获取目标地物信息的过程具体是指解读人员通过应用各种解译技术和方法在遥感图像上识别出地质体、地质现象的物性和运动特点测算出某种数量指标的过程。其原则应采用由已知到未知、从区域到局部、先易后难、由宏观到微观、从总体到个别、从定性到定量、循序渐进的方法。其解译的主要内容如下： 1、遥感地质岩性解译 通过已知相关资料中的波谱与空间信息特征判断地表的岩石产出特点和物性。主要包括三大岩类：岩浆岩、沉积岩、变质岩。解译标志有以下：色调、亮度、形态。 主要的解译方法： 1）利用增强变换处理提取岩性信息 2）采用增强处理方法提取色调信息，可以扩大不同岩性的灰度差别，突出目标信息和改善图像效果，提高解译标志的判别能力。常用的遥感图像增强方法有反差扩展、去相关拉伸、彩色融合、运算增强、变换增强等 3）利用纹理信息提取岩性信息 4）每个岩性单元的灰度值具有各自不同的空间变化特征是运用纹理进行岩性分类的基础。常用的纹理信息提取方法有灰度共生矩阵法、小波变换和傅立叶变换等。通常将纹理图像作为新的波段参与岩性分类，许多学者的研究表
遥感影像判读考试重点
第一章： 1.遥感影像判读： 既是一门学科，又是图像处理的一个过程 作为一门学科，遥感影像判读的目的是为了从遥感图像上得到地物信息所进行的基础理论和实践方法的研究 作为一个过程，它完成地物信息的传递并起到揭示遥感图像内容的作用，其目的是取得地物各组成部分和存在于其他地物的内涵的信息 2.遥感影像判读的任务与实施： 任务根据应用范围：巨型、大型、中型和小型地物与现象的判读 实施组织方法：野外判读、飞行器目视判读、室内判读、综合判读 3.遥感信息的利用方式： 瞬时信息的定性分析：确定相关目标是否存在 空间信息的定位：空间分布规律 瞬时信息的定量分析：定量反演目标参数 时间信息的趋势分析：地表物质能量迁移规律 多源信息的综合分析 4.遥感信息的技术支撑： 观察与测量仪器的改变、产品形式的改变、生产工艺的改变、新一代传感器的研制、 地理信息系统的支持、遥感应用模型的深化 5.遥感影像判读的质量要求： 判读结果的完整性（详细性）：与给定任务的符合程度，用质量指标评价 判读的可靠性：与实际的符合程度，用质量和数量指标评价 判读的及时性：资料及时；指定限期完成 判读结果的明显性：便于理解和应用 用户精度：正确分类/所有分为该类制图精度 制图精度：正确分类/参考数据中的该类 对角线：正确分类 总体精度： 第二章： 1.遥感常用电磁波波段： 紫外线：0.01-0.38μm，碳酸盐岩分布、水面油污染 可见光：0.38-0.76μm，鉴别物质特征的主要波段；遥感最常用的波段 红外线：0.76-1000μm，近红外0.76-3.0μm; 中红外 3.0-6.0μm; 远红外6.0-15.0μm; 超远红外15-1000μm （近红外又称光红外或反射红外；中红外和远红外又称热红外）微波：1mm-1m，全天候遥感；有主动与被动之分；具有穿透能力；发展潜力大 2.地物的电磁辐射特性概念： 3.从近紫外到中红外（0.3-6μm）波段区间能量最集中而且相对来说较稳定 4.被动遥感主要利用可见光、红外等稳定辐射 5.对流层：地表到平均高度12km处，航空遥感活动区，侧重研究电磁波在该层内的传输特性;电离层：在80~1000 km，卫星的运行空间
高空间分辨率遥感影像分割方法研究综述
高空间分辨率遥感影像分割方法研究综述 高空间分辨率遥感影像分割方法研究综述 刘建华毛政元 （福州大学,空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心，福州350002） 摘要:遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术,对于影像目标信息自动化提取与智能识别尤为重要，在面向对象的遥感影像处理工程中具有重要意义。本文对常见的高空间分辨率遥感影像分割方法与应用策略进行了分析，比较了各种分割方法的应用范围、优缺点及目前存在的改进措施。建立了面向对象的遥感影像分割方法的分类体系，最后指出了面向对象的遥感影像分割方法目前所存在的问题及应用前景。 关键词:高空间分辨率遥感影像影像分割方法应用策略进展 A Survey on High Spatial Resolution Remotely Sensed Imagery Segmentation Techniques and Application Strategy Liu Jian hua Mao zheng yuan (Fuzhou University, Spatial Information Research center, Fuzhou, 350002) Abstract: Remotely sensed imagery segmentation is a process of dividing an image into different regions such that each region is, but the union of any two adjacent regions is not, homogeneous. It is one of key techniques in the object-oriented remotely sensed imagery data mining and its application, also quite essential in remote sensing image processing engineering. In this paper, we have a rough survey on different methods of high spatial resolution remotely sensed imagery segmentation, categorizing them into four groups according to the gray or color information they are exploiting. The disadvantage of current methods and the proper progress which can be attained in the near future are pointed out at the end of this essay. Keywords: High Spatial Resolution Imagery, Segmentation methods, application strategy, advances and prospects 1 引言 高空间分辨率遥感影像(如GeoEye、WorldView、QuickBird、IKONOS等，本文简称高分影像)在诸多领域（地形图更新、地籍调查、城市规划、交通及道路设施、环境评价、精细农业、林业测量、军事目标识别和灾害评估等）得以广泛应用[1]。目前，影像信息提取自动化程度低是高分影像应用潜力得不到充分发挥的主要限制因素，是理论和应用研究中必须突破的瓶颈。 遥感影像分割是面向对象的遥感影像分析方法[2]的基础和关键，在遥感影像工程中处于影像处理与影像理解的中间环节，是面向对象的影像分析理论研究的突破口。按照一般的影像分割定义[3],分割出的影像对象区域需同时满足相似性和不连续性两个基本特性；其中相似性指该影像对象内的所有像元点都满足基于灰度、色彩、纹理等特征的某种相似性准则，不连续性是指影像对象的特征在区域边界处的不连续性。迄今为止,将计算机视觉领域的图像分割算法应用于图像分割过程中,已开展了较多的研究[4-7],并提出了大量的算法；但针对遥感影像尤其是高分影像的分割方法较少[8],仍不成熟。这是由于与其它类型图像的分割相比，高分影像分割难度更大,也更具挑战性。具体体现在高分影像其空间分辨率高、纹理信息丰富而光 基金项目: 国家重点基础研究发展计划项目（973）子课题“高空间分辨率遥感影像自适应数据挖掘方法研[2006CB708306]”，国家自然科学基金项目“基于场模型的自适应空间聚类方法研究[40871206]”。 作者简介: 刘建华，男，博士研究生,曾从事GIS与RS教学工作。目前主要研究方向为空间数据挖掘、遥感图像处理以及GIS与RS集成等。E-mail：sirc.liujh@https://www.wendangku.net/doc/2a4355600.html,。
遥感解译方法及应用
遥感解译方法及应用 一、遥感的概念 近年来,一方面,由于空间科学、信息科学、计算机科学、物理学等科学技术的进步与发展,为遥感技术奠定了必要的技术基础,另一方面,由于人类生产活动不断地向深度和广度进军,遥感技术得到较为广泛的应用,因而使得遥感技术获得了飞跃的发展,已经成为发达国家和一些发展中国家十分重视的一项科学技术. 随着我国工农业生产的高速发展,人类对自然资源,特别是对矿产资源的需求量与日俱增. 因而,调查与管理资源则成为迫切需要解决的问题.其次,人类的生活环境正在不断地遭受到人为和自然的污染.例如：工业排污对水体和大气的污染造成人为的环境污染.而诸如洪水、泥石流、滑坡、森林火灾、火山爆发等自然灾害,则形成灾害性环境,它们都对生命财产造成极大的威胁. 在这种情况下,只有实时监测人为环境污染和自然灾害环境的发生,才能更有效地采取防护和治理措施,以减少对人类的危害程度.欲解决上述问题,完全依赖现场观察已感不足, 于是,由于航空遥感和航天遥感的相继问世便能获得大范围的地面遥感图像和实时动态信息,所以,这两种遥感方式则成为自然资源的调查与管理,环境的监测与灾害预报的一种新的探测手段. （一）遥感的概念 遥感顾名思义就是遥远的感知.即借助于专门的探测仪器,把遥远的物
体所辐射（或反射）的电磁波信号接收纪录下来,再经过加工处理,变成人眼可以直接识别的图像,从而揭示出所探测物体的性质及其变化规律.属于空间科学的范畴.是物理、计算数学、电子、光学、航空（天）、地学等密切结合的新兴学科,对工农业、国防、自然科学研究具有重大的意义. 1各类地质体的电磁辐射（反射、吸收、发射等）特性及其测试、分析与应用； 2、遥感数据资料的地学信息提取原理与方法； 3、遥感图像的地质解译与编图； 4、遥感技术在地质各个领域的具体应用和实效评估. （二）遥感平台（分类） 指放置遥感器的运载工具.按高度可分为航空和航天平台.在不同高度进行多平台遥感,可获得不同比例尺、分辨率和地面覆盖面积的遥感图像. 1、航空平台：是指在大气层内飞行的飞行器,高度为100m—30km,主要有飞机、直升机、飞艇、气球等. 2、航天平台：是指在大气层之外飞行的飞行器,高度为几百—几万公里；如人造地球卫星、探控火箭、宇宙飞船、航天飞机、太空站等. （三）遥感的发展简况 1839年第一张黑白航片问世到20世纪30年代,主要应用于军事侦察,1941年出版了《航空照片应用与判读》为各方面应用提供了理论基础进入20世纪50年代,苏美广泛应用,黑白、彩色航片进行军事、
遥感影像解译标志的建立
遥感影像解译标志也称判读要素，它能直接反映判别地物信息的影像特征，解译者利用这些标志在图像上识别地物或现象的性质、类型或状况，因此它对于遥感影像数据的人机交互式解译意义重大。建立遥感影像解译标志可以提高我国遥感影像数据用于基础地理信息数据采集的精度、准确性和客观性。 由于我国幅员辽阔，地貌和气候差异很大，可根据地貌、气候条件，把全国划分为不同类型地貌样区，在简型地貌样区建立各基础地理信息要素的解译标志，有利于用正确的方法确定采集范围。对于某些特殊地理信息要素，可建立专门解译标志。在建立遥感信息模型时，可把这些属性添加到逻辑运算内。对于建立解译标志所采用影像的季节应避免植被覆盖度高的夏季，避免使用积雪较多、云层遮盖或烟雾影响较大的数据。要根据满足基础地理信息数据提取的要求选择遥感影像波段组合顺序及与全色波段进行融合。在对数据进行增强处理时，要避免引起信息损失。 在影像上选择典型的标志建立区的要求是：范围适中以便反映该类地貌的典型特征，尽可能多的包含该类地貌中的各种基础地理信息要素类且影像质量好。标志区的选取完成后，寻找标志区内包含的所有基础地理信息要素类，然后选择各类典型图斑作采集标志，然后去实地进行野外校验，对不合理的部分进行修改，直到与实地相符为止。同时拍摄该图斑地面实地照片，以便于影像和实际地面要素建立关联，表达遥感影像解译标志的真实性和直观性，加深使用者对解译标志的理解。
遥感影像解译标志的建立有利于解译者对遥感信息作出正确判断和采集，这对于用人机交互方式从遥感影像上采集基础地理信息数据是十分必要的，尤其是在作业区范围很大、作业人员知识背景差异也很大且外业踏勘不足的情况下，可以使作业人员迅速适应解译区的自然地理环境和解译采集要求。但是人机交互式解译毕竟无法对大量卫星遥感数据进行快速处理，这就需要建立较为完善的遥感信息解译模型，以便于用计算机对遥感信息进行解译和采集。遥感影像解译标志是遥感信息模型建立的前提和基础，有了较为准确的遥感信息解译标志，才能建立较为实用的遥感信息模型。
一种改进的高分辨率遥感影像分割方法
第35卷第3期 地球科学———中国地质大学学报 Vol.35 No.32010年5月 Earth Science —Journal of China University of G eosciences May 2010 doi :10.3799/dqkx.2010.050 基金项目:教育部新世纪优秀人才计划资助项目(No.NCET 20720772);国家重点“863”项目(No.2007AA120503). 作者简介:高伟(1980-),男,博士生,主要从事遥感数据处理与信息提取的科研和教学工作.E 2mail :cuggaowei @hot https://www.wendangku.net/doc/2a4355600.html, 一种改进的高分辨率遥感影像分割方法 高 伟1,2,刘修国1,2,彭 攀1,2,陈启浩1,2 1.中国地质大学信息工程学院,湖北武汉430074 2.地理信息系统软件及其应用教育部工程中心,湖北武汉430074 摘要:分形网络演化算法是面向对象的遥感影像分类中比较成熟的一种构建对象的算法,但在分割效率上有待进一步提高, 而四叉树分割是一种高效的图像分割方法.提出了一种基于四叉树预分割的分形网络演化构建对象的方法.实验证明,该方法基本不影响影像分割的效果,而且提高了形成初始对象的效率,较大程度上提高了整体的分割效率.关键词:影像分割;分形网络演化;高空间分辨率;四叉树;地理信息系统.中图分类号:TP311 文章编号:1000-2383(2010)03-0421-05 收稿日期:2010-01-15 An Improved Method of High 2R esolution R emote Sense Image Segmentation GAO Wei 1,2,L IU Xiu 2guo 1,2,PEN G Pan 1,2,CH EN Qi 2hao 1,2 1.Facult y of I nf ormation Engineering ,China Uni versit y of Geosciences ,W uhan 430074,China 2.Engineering Research Center f or GIS S of t w are and A p plications ,Minist ry of Education ,W uhan 430074,China Abstract :Fractal net evolution approach (FN EA )is a relatively mature one among the object 2oriented image segmentation algo 2rithms ,but its efficiency is to be improved.Quad 2Tree segmentation is a kind of effective image segmentation method.In this paper ,an improved object oriented multi 2scale image segmentation method based on the quad 2tree pre 2segmentation and FN EA is introduced.The experiment shows that the effect of its segmentation result is almost the same as that of traditional FN EA method.Moreover ,It saves time. K ey w ords :image segmentation ;f ractal net evolution approach ;high 2nesolution remote sense ;quad 2tree ;geographic informa 2tion system (GIS ). 0 引言 近年来,以I KONOS 和Quick 2Bird 为代表的高空间分辨率遥感影像得到广泛应用(高伟,2006).高分辨率遥感影像具有丰富的空间信息,地物几何结构和纹理信息,便于认识地物目标的属性特征,如地物的图层值、形状、纹理、层次和专题属性,有助于提高地物定位和判读精度,使得在较小的空间尺度上观察地表细节变化,进行大比例尺遥感制图,以及监测人为活动对环境的影响成为可能.为土地利用、城市规划、环境监测等民用方面提供了更便利、更详细的数据源.高分辨率影像的广泛应用迫切要求人们对高分辨率遥感信息提取进行研究,以满足高分辨 率影像信息不断增长的应用和研究需要(Chen et al .,2009). 面向对象的高分辨率遥感影像的分类方法不仅利用地物的光谱信息,而且更多地利用几何信息和结构信息,可以结合其他空间知识和上下文信息来进行更为深入的分类,使得对高分辨率影像的分类更为合理和有效,这成为高分辨率影像信息提取的重要方法之一(Blaschke and Hay ,2001;陆关祥等,2002).在面向对象高分辨率影像的信息提取中,对遥感图像进行分割,形成具有一定特征相似性的影像区域,是实现从影像上进行地物目标计算机自动提取的第一步. 目前分形网络演化算法(Baatz and Schape ,
一种多尺度无监督遥感图像分割方法
一种多尺度无监督遥感图像分割方法 郭小卫,官小平 (北京东方泰坦科技有限公司,北京100083) 摘要:提出了一种多尺度无监督遥感图像分割方法。通过对多尺度图像数据在每个尺度上进行G auss 子集聚类,并将每个像素的邻域内的G auss 子集类别标记作为特征向量,利用Markov 四叉树模型进行二次聚类,从而实现无监督图像分割。与其他基于多尺度Markov 模型的无监督分割方法和传统动态聚类方法相比,该方法既无需假定每类的分布形式,又能较好地反映数据的概率结构。合成图像与SAR 图像的实验结果表明,该方法的分割精度接近于有监督的H 2MPM 和H 2SMAP 方法。 关键词:多尺度;四叉树;MPM (maximum posterior marginals );EM (expectation maximization )算法;无监督分割中图分类号:P237.3 文献标识码:A 文章编号:1000-3177(2006)88-0020-03 收稿日期:2006-04-06 作者简介:郭小卫,男(1971)～,博士,主要从事图像处理、模式识别和多尺度统计建模等方面的研究。 1 引 言 基于多尺度Markov 模型的图像分割方法[1～4],是近年来基于统计模型的图像分割方法的研究热点。多尺度 Markov 模型分割算法通常采用Bayes 估计。Bayes 估计的前 提条件是每类的概率密度已知。在无监督图像分割问题中,由于训练样本的类别未知,为估计每类的概率密度,需要假定每类的分布形式已知(通常假定每类服从G auss 分布或其他简单分布),从而,利用一些如EM (expectation 2maximiza 2 tion )、SEM (stochastic expectation 2maximization )或ICE (iter 2ative conditional estimation )等混合密度的估计方法,就可以 得到每类的分布参数。但在很多情况下,各类的分布可能无法用某种简单的分布形式来表示,甚至无法用参数化的方法来表示,因而也就不能应用这类方法来估计每类的概率密度。一种替代方法是将图像数据离散化,并应用EM 等算法来估计离散形式的混合分布。但直接对图像数据离散化一方面会造成分布参数过多,并带来计算量增加、EM 算法初始化困难等问题;另一方面,由于缺少足够的约束条件,导致离散形式混合密度的估计结果有很大的不确定性,典型的例子是在各类分布的交叠区,分布参数的估计严重甚至完全依赖于初值的选取。 针对此问题,本文提出一种基于Markov 四叉树模型的无监督图像分割方法。该方法通过对多尺度图像数据在每一尺度上进行G auss 子集聚类,并将聚类的结果(G auss 子集类标记)作为多尺度特征数据,进而应用Markov 四叉树模型和MPM (maximum posterior marginals )估计进行二次聚类,实现无监督图像分割。该方法无需假定每类的分布形式已知;与离散形式的多尺度Markov 模型方法相比,离散值的数目(G auss 子集数)通常很小,使得EM 算法的初值选择比较容易,并减小了参数估计的不确定性。 2 Markov 四叉树模型 本文采用的Markov 四叉树模型,其结构如图1所示。记树上的节点集为S ,根节点为r ,黑节点(隐节点)代表像素的未知类别,白节点(观测节点)代表像素值或像素的某种特征数据,在特定假设条件下[1,3],所有隐节点的集合与观测节点的集合构成一(隐)马尔可夫树。将该模型应用于图像分割,实际上就是根据观测值估计隐节点状态的问题。解决该问题的方法通常有两种,MAP 估计和MPM 估计,本文采用MPM 估计,其具体算法见文献[3] 。 图1 Markov 四叉树模型 要将上述模型应用于图像分割,需要首先估计模型参数。记πm =p (X r =m ),并对Πs ∈S (n ) ,记a m ,k ,n =p (X s =m |X s +=k ),f m ,n (l )=p (Y s =l |X s =m ),Markov 四叉 树模型参数可记为θ=(πm ,(a m ,k ,n )k =1…M ,n =0…N ,(f m ,n (l )) l ∈R ,n =0…N )m =1…M 。若假定转移概率和条件分布仅与尺 度有关,与具体节点无关,并进一步假定每类数据服从G auss 分布,此时,模型参数简化为θ=( πm ,(a m ,k ,n )k =1…M ,n =0…N ,(μm ,n ) n =0,…,N ,(∑m ,n )n =0,…,N )m =1…M 。利用EM 算法,可 得到θ的估计[7]。 3 基于Markov 四叉树模型的无监督分割 上述多尺度Markov 模型的无监督图像分割方法需要假定每类数据服从G auss 等简单分布形式,这种假定在很多情
遥感图像分析
0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特
GDPJ 06-2013遥感影像解译样本数据技术规定
第一次全国地理国情普查 编号:GDPJ 06—2013遥感影像解译样本数据技术规定 国务院第一次全国地理国情普查领导小组办公室 2013年8月
目录 1 范围 (1) 2 规范性引用文件 (1) 3 术语和定义 (1) 4 遥感影像解译样本数据内容与属性 (3) 4.1 遥感影像解译样本数据内容 (3) 4.2 地面照片的属性 (3) 4.3 遥感影像实例的属性 (4) 5 遥感影像解译样本数据采集要求 (4) 5.1 地面照片及其属性信息的采集要求 (4) 5.1.1 地面照片采集要求 (4) 5.1.2 地面照片属性及采集要求 (5) 5.1.3 地面照片属性采集方法 (7) 5.2 遥感影像实例及其属性信息采集 (7) 5.2.1 遥感影像实例采集要求 (7) 5.2.2 遥感影像实例属性信息采集 (9) 6 遥感影像解译样本数据存储要求 (10) 6.1 总则 (10) 6.2 遥感影像解译样本数据库结构 (10) 6.2.1 数据表PHOTO (10) 6.2.2 数据表SMPIMG (12) 6.2.3 关系表PHOTO_IMG (13) 6.3 数据表之间的关系 (14) 7 汇交要求 (14) 7.1 数据格式 (14) 7.2 目录组织 (14)
引言 遥感影像解译时，对地理环境的正确认知是保证解译结果正确的基本前提。利用具有对照关系的地面照片和遥感影像为主的解译样本数据，可以为遥感影像解译者建立对相关地域的正确认识提供支持，也可在解译结果的质量控制方面发挥重要作用,同时也为长期监测积累实地参考资料。 本文件针对第一次全国地理国情普查的需求，参考现有的国家技术标准和行业技术规范，依据《第一次全国地理国情普查总体方案》和《第一次全国地理国情普查实施方案》的要求，以满足地理国情普查中遥感影像解译样本数据获取与交换等实际生产作业需要为出发点，致力于规范解译样本数据的内容和形式，为充分发挥解译样本数据在地理国情普查和相关工作中的作用奠定基础。
遥感卫星影像地质灾害遥感解译方法和流程
Planet 遥感卫星影像地质灾害遥感解译方法和流程数据产品 1.地质灾害遥感解译方法 本次地质灾害遥感解译主要采取机助目视解译方法。该方法系指解译人员利用计算机鼠标，直接在计算机荧光屏上对遥感图像进行地质灾害遥感解译工作，并将解译成果集成在相应的图层上。由于遥感图像在计算机荧光屏上显示的信息和信息层次较遥感图片中相应信息和信息层次丰富，所以机助目视解译方法的解译效果较传统的目视解译好。另外，因为是在计算机上直接成图，从而减少了编成图程序，这是本次工作的主要解译方法。 2.遥感解译流程 2.1建立遥感解译标志 地质灾害遥感解译标志是指能帮助识别地质灾害及其性质和相互关系的影像特征，如地貌特征、地质灾害要素（如滑坡体、滑坡壁、滑坡台阶、封闭洼地、滑坡鼓丘等，泥石流堆积扇、泥石流物源，崩塌堆积体等）、形状、大小、色调、阴影、纹理等。在充分收集和熟悉工作区地质背景、地质灾害资料的基础上，通过野外实地踏勘统计，根据地质灾害波谱特征和空间特征，分别建立相应的地貌类型、地质构造、岩（土）体类型、水文地质现象和森林植被类型等区域环境地质条件以及各类地质灾害的遥感解译标志。 2.2室内解译工作 室内解译应以遥感影像为依据。室内解译主要采用以目视解译为主，人机交互式解译为辅，初步解译与详细解译相结合、室内解译与野外调查验证相结合的工作方法。解译时应采用从已知到未知、从区域到局部、从总体到个别、从定性到定量，按先易后难、循序渐进、不断反馈和逐步深化的方法进行工作。 2.3野外调查和验证
在室内解译的基础上，通过对初步解译资料进行野外调查和验证，再进行详细解译，来补充和修正初步解译成果，最终形成遥感解译成果图，以此确保遥感解译成果的质量和置信度。 2.4解译成果图件的编制 在室内解译的基础上，通过野外调查和验证，补充和修改后，将解译成果草图分图层进行数字化成图，提交最终的遥感解译成果系列图。