（计算机应用技术专业论文）基于模糊主成分分析的多光谱遥感图像增强方法研究.pdf

摘要 遥感技术的发展，揭开了人类从外层空间观测地球、探测宇宙空间的序幕，为我们 认识国土、开发资源、研究环境、分析全球变化找到了新的途径。遥感数字图像处理是 计算机数字图像处理技术与遥感图像分析技术结合而形成的- - f 新兴学科。遥感数字图 像处理技术的出现，从根本上改变了传统遥感图像的处理方式与识别方式，为遥感技术 系统的完善，实现对地高效、快速识别以及多源信息的数字化融合处理创造了良好的条 件。 由于应用分波段量测地物的辐射波谱能量，使影像的可分辨性大大增加。但因入跟 对亮度缺乏绝对值的概念，不能很好地根据每个波段的亮度值特征识别地物。同时，遥 感影像的不同波段之间往往存在着很高的相关性，从直观上看，就是不同波段的影像很 相似。因而从提取有用信息的角度考虑，有相当大部分数据是多余和重复的。k - l ( k a r h u n e n - l o e v e ) 变换也称主成分分析或主分量分析，是在统计特征基础上的多维( 如 多波段) 正交线性变换；它也是遥感图像增强和信息提取中用得最多的线性变换旧。 然而，经典主成分分析与其它的多元统计分析方法一样，它对极端值及缺失值非常 的敏感，而极端值与缺失数据会带来残缺或错误的分析结果。同时，遥感影像的像元所 包含的光谱信息往往是多种地物目标的综合反映，从而具有模糊性。而模糊理论( f u z z y t h e o r y ) 是处理模糊性( 暖昧性) 的理论的总称，它为解决这类问题提供了其他理论所 不能胜任的数学工具肛1 0 1 。所以，针对经典主成分分析( k - l 变换) 的缺点和遥感数据 的不确定性等特点，本课题提出了模糊均值、模糊离差、模糊方差、模糊协方差及模糊 相关系数的概念，并将其引入经典主成分分析中，从而提出了基于模糊统计学的模糊主 成分分析。 本课题是以中国科学院东北地理研究所长春市活动断层高分辨率遥感图像处理和 解译项目为依托。凭借此项且提供的多光谱遥感图像进行分析。把模糊统计学的知识应 用到主成分变换中，使模糊集参与决策分析，有效的抑制了噪声，突出了主要信息，提 高了分析结果的准确性和可信度。最后，针对地物波谱特性，进行了假彩色合成，充分 的扩大地物间的差异，提高了地物的判议效果。 关键词：模糊统计学；模糊主成分分析；多光谱图像增强 a b s t r a c t t h ed e v e l o p m e n to f r e m o t es e n s i n gt e c h n i q u eh a v er e v e a l e dh u m a nb e i n go b s e r v i n gt h e e a r t ha n dt h ep r e l u d es o u n d i n ga na e r o s p a c ef r o md e e ps p a c ew h i c hf o u n dn e wa p p r o a c hf o r w ek n o wt e r r i t o r y , t a p p i n gn a t u r a lr e s o u r c e s ，s t u d y i n ga ne n v i r o n m e n ta n da n a l y z i n gt h e w h o l ew o r l d r e m o t es e n s i n gd i 垂t a ii m a g ep r o c e s s i n gi san e wb r a n c ho fs c i e n c et h a tc o m e i n t ob e i n gw i t hc o m p u t e rd i g l 诅li m a g ep r o c e s s i n gt e c h n i q u e sa n dt h er e m o t es e n s i n gi m a g e a n a l y s e st e c h n o l o g y m e a n w h i l e ，r e m o t es e n s i n gd i g i t a li m a g ep r o c e s s i n gt e c h n o l o g yw h i c h h a v ec h a n g e dt h et r a d i t i o n a li m a g ep r o c e s s i n ga n dr e c o g n i t i o nm o d ef u n d a m e n t a l l ya n dh a s c r e a t e df a v o r a b l ec o n d i t i o nf o ri m p r o v i n gt e c h n o l o g y , h i 曲- e f f e c ta n df a s tr e c o g n i t i o na n dt h e p r o c e s s i n go f m u l t i s o u r c ei n f o r m a t i o nd i g i t a la n a t o m i s t s ， t h ei m a g er e s o l v i n gp o w e ri n c r e a s e sg r e a t l yw h i c hd u et ot h em e a s u r a t i o ns u r f a c e f e a t u r er a d i a t i o ns p e c t r u me n e r g yw i t hm a r kb a n d b u tt h ee y ei ss h o r to ft h ea b s o l u t ev a l u e c o n c e p tt ob r i g h t n e s s ，n o ta b l et oa c c o r d i n ge v e r yw a v eb a n dd i s t i n g u i s h e ss u l f a c ef e a t u r e 。 m e a n w h i l e ，c o r r e l a t i v i t yt h a te x i s t si sv e r yh i g h l yb e t w e e nr e m o t es e n s i n gi m a g e s j u d g i n g f r o m p e r c e p t i o n , d i f f e r e n t b a n d i s v e r y m u c hs i m i l a r a sa r e s u l t ，t h e r e a r e a l o t o f i n f o r m a t i o n i su n n e c e s s a r ya n dr e p e a t e dc o n s i d e rf r o mt h ea n g l ee x t r a c t i n gu s e f u li n f o r m a t i o n k - l ( k a r h u n e n - l o e v e ) i sa l s oc a l l e dp r i n c i p a lc o m p o n e n ta n a l y s i s ，i saf a v o r i t em u l t i v a r i a t e s t a t i s t i c a lm e t h o df o rd a t ac o m p r e s s i o na n di n f o r m a t i o ne x t r a c t i o na n di sa l s ot h em o s tu s e f u l a l g o f i t h i ni nr e m o t es e n s i n gi m a g ep r o c e s s i n g h o w e v e r , i ti sw e l l - k n o w nt h a tp c a , i ss e n s i t i v et oo u t l i e r s ，m i s s i n gd a t a ，i tm a y b eg e t d e f o r m i t ya n de l t o rr e s u l t a tt h es a m et i m e ，r e m o t es e n s i n gi m a g ec o n t a i n e db yv a r i o u s s u r f a c ef e a t u r et a r g e t s ，s oh a v ef u z z i n e s s f u z z yt h e o r yi sat h e o r yt h a tp r o c e s sf u z z i n e s s ，a n d o t h e rm a t h e m a t i c si m p l e m e n tb e e nn o te q u a lt oi ti nr e s o l v i n gt h i sk i n do fp r o b l e m a c c o r d i n gt ot h i sp r o b l e m t b i sp a p e rt h e np u t sf o r w a r dt h ec o n c e p t so ff u z z ye x p e c t a t i o n , f u z z yd e v i a t i o n , f u z z yv a r i a n c e ，f u z z yc o v a r i a n c e ，f u z z yc o r r e l a t i o n , a c c o r d i n g l yi n 订o d u c e sa p o w e r f u la p p r o a c hw h i c hb a s e do nf u z z ys t a t i s t i c st oi m p r o v ep c a ：f u z z yp c a t h i st h e s i sr e t i e s0 1 1c h i n e s ea c a d e m yo fs c i e n c e r ( c a s ) n o r t h e a s tg e o g r a p h yg r a d u a t e s c h o o l - c h a n g c h u na c t i v ef a u l th j 【曲r e m o t es e n s i n gi m a g ep r o c e s s i n g a n di n t e r p r e t a t i o n p r o j e c t , a n db ym e 冶3 1 so f t h em u l t i - s p e c t r a lr e m o t es e n s i n gi m a g et oa n a l y s i st h a tt h i sp r o j e c t p r o v i d e s i tc a nb ee x p l a i n e d ，t h a ti f f o z z ys t a t i s t i c si sa p p l i e di n t op c a b ym a k i n gf u z z ys e t s t o p a r t i c i p a t ei nd e c i s i o nm a k i n g ，i tc a nr e s t r a i n tn o i s ee f f e c t i v e l ya n de n h a n c em a i n i n f o r m a t i o na n dr a i s ea c c u r a c ya n dr e l i a b i l i t yo ft h ed e c i s i o nr e s u l t f i n a l l y , a i m e da t c h a r a c t e r i s t i cp r o p e r t yo ft h es u r f a c ef e a t u r es p e c t r u m ，t h ef a k ec o l o rh a v i n gb e e np r o c e s s e d t h ed i f f e r e n c eb e t w e e ns u r f a c ef e a t u r ei s e x p a n d e ds u f f i c i e n t l y , a n d s u r f a c e f e a t u r e i i k e yw o r d s ：f u z z ys t a t i s t i c s ；f u z z yp r i n c i p a l s e n s i n gi m a g ee n h a n c e m e n t u i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知。除了文中特别加以标注和致谢的地方外，论文中 不包含其他人已经发表或撰写过的研究成果，也不包含为获得东北师范大学 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研 究所做的任何贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名：兰鱼选 学位论文版权使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规 定，即：东北师范大学有权保留并向国家有关部门或机构送交学位论文的复 印件和磁盘，允许论文被查阅和借阅。本人授权东北师范大学可以将学位论 文的全部或部分内容编入有关数据库迸行检索，可以采用影印、缩印或其它 复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：j 医l 益 日 期：也1 2 匆 学位论文作者毕业后去向： 工作单位： 通讯地址： 指导教师签名：习殛翌 日期：。舭 电话： 邮编： 第一章绪论 1 1 课题背景 1 1 1 课题来源 本课题是以中国科学院东北地理研究所长春市活动断层高分辨率遥感图像处理和 解译项目为依托。凭借此项目提供的多光谱遥感图像( e n ) 进行分析。针对经典主 成分分析( k l 变换) 的不足与缺点，以及多光谱遥感图像数据不确性等特点，提出了 模糊主成分分析。 1 1 。2 问题提出 由于应用分波段量测地物的辐射波谱能量，使影像的可分辨性大大增加。但因人眼 对亮度缺乏绝对值的概念，不能很好地根据每个波段的亮度值特征识别地物，多波段影 像组合正是根据一定的规则将不同波段的影像组合在一张图上，这样既综合了多个波段 的特性，同时又扩展了肉跟观察的动态范围，使得在影像上不同类别、形态的地物获得 良好的视觉效果。影像的组合，属于增强处理，基于多个波段影像的组合对资源遥感有 着特殊的意义。 k - l ( k a r h t m e n - l o e v e ) 变换是遥感图像增强和信息提取中用得最多的线性变换嘲， 是对原波段图像进行波谱信息的线性投影变换，在尽可能不减少信息量的前提下，将原 图像的高维多光谱空间的像元亮度值投影到新的低维空间，减少特征空间维数，达到数 据压缩、提高信噪比、提取相关信息、降维处理和提取原图像特征信息的目的，并能有 效地提取影像信息。它可使原来多波段图像经变换后提供出一组不相关的图像变量，最 前面的主分量具有较大的方差，包含了原始影像的主要信息，所以要集中表达信息，突 出图像的某些细部特征，可采用主分量变换来完成。 然而，经典主成分分析与其它的多元统计分析方法一样，它对极端值及缺失值非常 的敏感，而极端值与缺失数据会带来残缺或错误的分析结果。同时，遥感影像反映了地 球表面信息，由于地球表层系统的复杂性和开放性，遥感信息传递过程中的局限性以及 遥感信息之间的复杂相关性造成了遥感信息的多维多解和不确定性。因此，有必要提出 种有效的方法来减少极端值和不确定性的影响。因为，遥感影像的像元所包含的光谱 信息往往是多种地物目标的综合反映，从而具有模糊性。同时，模糊理论( f u z z yt h e o r y ) 是处理模糊性( 暖昧性) 的理论的总称，它为解决这类问题提供了其他理论所不能胜任 的数学工具。 所以，针对以上问题本课题把模糊统计学的知识应用到主成分变换中，使模糊集参 与决策分析，以提高分析结果的准确性和可信度，有效抑制噪声，突出主要信息，提高 分析结果的准确性和可信度，提高地物的判议效果。 1 2 研究内容与方法 1 2 1 研究内容 分析经典主成分分析的缺点与不足，以及多光谱遥感图像的特点：给出模糊均值、 模糊离差、模糊方差、模糊协方差及模糊相关系数的概念；将这些概念引入经典主成分 分析中，提出模糊主成分分析及其算法：建立多光谱遥感图像处理系统；利用中国科学 院东北地理研究所长春市活动断层高分辨率遥感图像处理和解译项目提供的l a n d s a t 7 e t m + i 作区( 长春地区及周边相关地区) 卫星影像，对e t m + 影像的六个波段：可见 光( 1 、2 、3 ) 波段、近红外短波( 4 ) 波段、近红外中波( 5 ) 波段、近红外长波( 7 ) 波段，先后进行主成分变换( k - l 变换) 和模糊主成分变换( f u z z yk - l 变换) ，比较与 讨论分析结果。 1 2 2 研究方法 本课题采用面向对象分析和设计方法，进行数据建模与系统总体设计，比较两种方 法的处理结果，最后得出结论。 数据来源：长春市活断层探测高分辨遥感信息处理与解译项目 实验平台：多光谱遥感图像处理系统 硬件平台：p c 机( 配置p 2 4 、5 1 2 m 内存、6 0 g 硬盘) 软件平台： 程序设计工具：v i s u a ls t u d i o n e t2 0 0 3 ( c + + 语言) 操作系统：m i c r o s o i tw i n d o w ss e r v e r2 0 0 3 企业版 多光谱遥感图像处理系统是本课题专门为进行模糊主成分分析( f u z z yk - l 变换) 而建立的图像处理平台。 1 3 研究目的和意义 1 3 1 研究目的 本课题把模糊统计学的知识应用到主成分分析中，使模糊集参与决策分析，以提高 分析结果的准确性和可信度，抑制噪声，突出主要信息，提高分析结果的准确性和可信 度。从而，提高地物的判议效果。 1 3 2 研究意义 多波段影像的组合作为农田、森林、土地利用、水体等地表物分类处理的基础、指 示训练区的选择以及作为参加分类的原始数据；对于地下资源的遥感信息来说，影像组 合是主要的处理手段，是各种遥感专题制图的基础之一。 本课题是以中国科学院东北地理研究所长春市活动断层高分辨率遥感图像处理和 解译项目为依托。凭借此项目提供的多光谱遥感图像进行分析。针对经典主成分分析 ( k - l 变换) 的缺点和遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性造 成了遥感信息的多维多解和不确定性。本课题提出了模糊均值、模糊离差、模糊方差、 模糊协方差及模糊相关系数的概念，并将其引入经典主成分分析中，来更有效的改进经 2 典主成分分析，从而提出了模糊主成分分析。把模糊统计学的知识应用到主成分变换中， 使模糊集参与决策分析，有效的抑制了噪声，突出了主要信息，提高了分析结果的准确 性和可信度。最后，针对地物波谱特性，进行了假彩色合成，充分扩大地物间的差异， 提高了地物的判议效果。 1 4 国内外相关领域的研究现状 国内对模糊主成分分析( f u z z y p r i n c i p a lc o m p o n e n t a n a l y s i s ，f p c a ) 进行研究尚 处于初步阶段，国外关于模糊主成分分析的研究文献有些报道；国内检索到一篇文献。 但他们的理论出发点都有所不同。 国内外应用主成分分析( p r i n c i p a lc o m p o n e n t a n a l y s i s ，p c a ) 方法对遥感数字影像 进行处理的研究文献有些报道；应用模糊主成分分析对遥感数字影像进行处理的研究文 献还未检索到。 1 4 1 国外相关领域的研究现状 1 国外对模糊主成分分析及经典主成分分析的研究现状 主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) 1 1 , 2 ，也称k a r h u n e n - l o e v e 交换 是多元统计的一部分重要内容。主成分分析于1 9 0 1 年由p e a r s o n 首先引入，以后被 h o t e l l i n g ( 1 9 3 3 ) 发展了。主成分分析的应用被r a o ( 1 9 6 4 ) ，c o o l e y 和l o h n e s ( 1 9 7 1 ) ， g n a n a d e s i k a n ( 1 9 7 7 ) 进行讨论。主成分的一些优良统计特性由k s h i r s a g a r ( 1 9 7 2 ) 和 m o r r i s o n ( 1 9 7 6 ) 和m a r d i a 、k e n t 及b i b b y ( 1 9 7 9 ) 发现了。p c a 主要是进打数据线牲 压缩、降维、过滤数据的噪声等，它具有坚实的理论基础和比较有效的算法，且其算法 具有的收敛性和稳定性。p c a 算法己经成功地开发成多类应用软件，如在m a t l a b 、 s a s 和s p s s 等软件中都可直接使用。 现在主成分分析方法已经广泛地被应用于多个学科，例如p c a 在图像识另o 中的应 用，将高维的数据图像降维【1 1 】；p c a 成功地应用于神经网络研究中【1 2 】；p c a 应用于生 物学中的基因研究1 1 3 , 1 4 】：p c a 与其它方法( 因子分析法f a c t o ra n a l y s i s 或数据包络分析 d a t ae n v e l o p m e n ta n a l y s i s ) 结合应用于评价和决策支持系统【1 5 1 q ，将多变量降维成为单 变量或低维变量进行评价或决策以及其它应用【i 捌。总之对高维变量进行降维处理，p c a 是一种较有效的办法。 但是，经典主成分分析与其它的多元统计分析方法一样，它对极端值及缺失值非常 的敏感【5 ，而且经典主成分分析方法适用于变量之间存在较强相关性的数据，如果原始 数据相关性较弱，运用主成分分析后不能起到很好的降维作用，即所得的各个主成分浓 缩原始变量信息的能力差别不大。可见，数据变换对主成分分析有很大的影响。 因此，在过去的十年里，提出了两种健壮的方法1 5 - 7 来有效的减少极端值的影响： 第一种方法是根据健壮协方差矩阵的特征向量提出的，例如，m c d e s t i m a t o r ( m i n i m u mc o v a r i e n c ed e t e r m i n a n t - e s t i m a t o r ) ，s e s t i m a t o r s ( 位置形状s 估计量) ，但是， 它们仅适用于低维数据。 3 第二种方法是基于投影寻踪( p r o j e c t i o n p u r s u i t ) 提出的，它可以用来处理高维数据。 随后，一种将投影寻踪的思想与健壮估计相结合的方法，健壮主成分分析被提出。 基于主成分分析的以上缺点，h o r i ae p o p 在2 0 0 1 年的论文中首先将模糊集的概 念引入主成分分析，提出了模糊主成分分析【5 q 。他主要是在借鉴模糊聚类的基础上，将 欧氏距离引入了隶属函数，有效的改进了经典主成分分析它对极端值及缺失值非常的敏 感的缺点。 2 国外对主成分分析应用于遥感数字影像处理的研究现状 已经证明，主成分分析( 通常称为p c a 或k - l 变换) 在多光谱和高光谱遥感数据 的分析中很有价值【m 。e a s t m a n 和f u 世1 8 】提出，在对多时相数据集做变换分析时，归一 化p c a ( 由相关矩阵计算的特征值) 要比非归一化p c a ( 协方差矩阵计算的特征值) 优越。a l m e i d a - f i l h o 和s h j m a b u k m - o 1 9 1 采用p c a 来识别亚马逊的生态退化地区。p c a 还 用来生产威斯康星州的地面覆盖，它是美国地质调查局补缺计划( g a p a n a l y s i s p r o g r a m ， g a p ) 的一部分 2 0 】。m i t t e r n i c h t 和z i n c k l 2 1 】发现，p c a 在利用遥感数据区分盐碱地与非 盐碱地方面很有价值。 主成分还有其他的一些用途。例如，g i l l e s p i e l 2 2 】采用p c a 实现多光谱热红外数据的 去相关对比度拉伸。d u t 2 3 1 等使用p c a 发现同一地区多时相影像的线性关系。然后，可 用这些信息对作用变化检测的数据进行辐射归一化。 1 4 , 2 国内相关领域的研究现状 1 国内对模糊主成分分析及经典主成分分析的研究现状 余祖德，周明友，陈俊芳【2 4 】将模糊主成分分析法应用于供应商评价与选择决策上。 主要思想：首先，找出主要因素及其贡献率( 初始权重) ，达到降维的目的，然后，对 主成分初始权重进行修正使得所得到的权重合理，赋予新的权重后使得评价值比较科学 和客观；即根据主成分各个变量对供应商评价得分的贡献率结合模糊权重修正之后对其 进行综合评价，得分高者即为所选择的方案。采用专家问卷调查与数据采集两种方式， 获取原始分析数据。 2 国内对主成分分析应用于遥感数字影像处理的研究现状 吴的昭、田庆久，陈骏等1 2 卸首先总结并分析7 岩矿常见光谱特征的波长位置及其产 生原因。然后基于主成分分析技术对哈密4 2 条岩石实验室光谱进行了定量分析。前两 个主成分共包含了9 6 7 的信息量，代表了原始信息。第一主成分反映了岩石总体反射 率大小，称为反照率因子；第二主成分反映了光语曲线抖率变化，称为形状因子。使用 这两个主成分可以区分该区主要岩类，达到了数据压缩和分类的目的。第三和第四主成 分尽管所占信息很少，但反映了岩石蚀变信息。为了突出蚀变岩石光谱吸收特征，进而 又对经过连续统去除后的光语进行主成分分析，结果发现，在新生成的第三和第四主成 分图上，4 种矿石被清晰区分开来。 王晓鹏，谢志清，伍跃中【2 6 】将e t m 图像数据为信息源，在酉昆仑塔子卜库尔干地 区进行了遥感找矿异常的提取。针对区内发育的不同蚀变类型，先用特征波段比值、主 成分分析、彩色空间变换等方法进行增强处理，然后利用阀值分割，并将不同蚀变类型 4 的分割图像进行中值滤波，对经过中值滤波后的图像进行赋色、叠加，得到综合遥感矿 化蚀变异常，并对圈定的异常效果进行了分析评价。 丁建丽针对塔里木盆地南部特有的极端干旱地区，选择策勒绿洲为重点研究靶 区，采用主成分分析方法，提取1 9 9 0 和1 9 9 8 年两幅卫星图像中水体专题信息。与以往 方法相比，该方法不仅可有效避免常规分类法中存在的误差累积，结果出现较多伪变化 信息的缺陷；亦可减小辐射差异对光谱比较法的极大限制，从而直接获得水体变化信息， 实现过程简单、清楚，可操作性强。 杨翠芬、田村正稃2 町提出了差分主成分分析法，它是应用遥感数据检测景观变化的 一种新方法。为了提高检测精度，利用t m 卫星遥感数据，改进了主成分分析法和图像 差值法。提出了差分主成分分析法。并以辽河三角洲地区为例，对该方法进行了验证 研究结果表明：( 1 ) 与传统的检测法分类后比较法相比，差分主成分分析法具有较高 的检测精度，总检测精度为0 8 9 ，k a p p a 指数为0 2 8 。( 2 ) 在1 9 8 4 2 0 0 0 年的1 6 年问，辽 河三角洲地区有近2 2 的景观发生了变化，主要包括芦苇湿地的减少、水稻田的增加以 及城镇用地的增加。 5 2 1 遥感数字图像 第二章多光谱遥感图像 2 1 1 遥感 1 9 5 7 年，前苏联发射了人类历史上的第一颗人造卫星，标志着人类进入了太空时代， 从此人类开始以全新的视角来审视自己赖以生存的地球。1 9 6 0 年4 月1 日，装备了电视 摄像系统的泰罗斯卫星( t i r o s ，电视和红外观测卫星) 上天并发回有价值的可见光云图， 开创了卫星探测地球的新纪元。卫星在离地面几百到上万公里的绕地轨道上面运行，卫 星上面的观测仪器( 传感器) 记录下地球系统的能量场信息，据此进一步获得地球资源 与环境信息，这种探测方法属于遥感方法。最近3 0 年来，随着卫星技术的不断完善以 及在电子技术、材料科学、传感器技术方面取得的巨大进步，卫星遥感逐渐成为探索地 球的一种重要手段，在地球环境监测、资源普查、农作物估产、灾害监测、全球变化研 究等一系列研究中发挥了越来越重要的作用。 遥感( r e m o t es e n s i n g ，r s ) ，从字面上解释就是从遥远的地方不与目标物直接接触 进行感知。我们可以通过遥感装置在远离目标的有利位置采集目标或地理区域的某些特 定信息。美国摄影测量与遥感协会( a m e r i c a ns o c i e t yf o rp h o t o g r a m m e t r ya n dr e m o t e s e n s i n g ，a s p r s ) 把遥感定义为【2 9 1 ：在不直接接触研究目标或现象的情况下，利用记 录装置观测或获取目标或现象的某些特征信息。1 9 8 8 年，a s p r s 采用了一个将摄影测 量与遥感相结合的正式定义1 3 0 1 ：对使用非接触传感器系统获得的影像及数字图像进行记 录、量测和解译，从而获得自然物体和环境的可靠信息的一门艺术、科学和技术。然而， 试图给遥感下一个确切的定义是相当困难的，难点在于，首先遥感属于非直接测量，人 类的大多数测量活动其实都是非直接测量，多远距离才能算上“远”? 其次遥感系统中 虽然观测系统与目标物之间可能没有看得见的直接的接触，他们之间还是由诸如电磁 场、重量场等能量场联系着的。 遥感方法有它独特的优势。首先，遥感方法摆脱了与测量目标之间的直接接触，这 在当今大部分观测场合有着现实的意义。比如，地面的温度可以用温度计直接测量，但 是在人迹罕至的荒漠，或者一望无际的海面上这类温度直接测量要困难得多。这时候， 为了获得这些区域的温度信息，人们可以使用遥感的方法来实现上述目的。其次，遥感 方法主要基于“反演”的方法来获得信息，他的结采是非直接的。我们可以举出生活中 大家较熟悉的使用遥感原理的例子来加深对遥感的理解。一个例子是x 光透视设备，火 车站或者飞机场的x 光检验机，医院使用的x 光透视机( 或者b 超) ，利用不同目标对 x 光( 或者超声波) 的透射和反射特性来“探测”物体。人的眼睛就是一架相当精确的 遥感系统，大脑根据眼睛接收目标散射来的光波辐射进而判断物体的属性，显然照相机 也是一个遥感系统。 6 2 1 2 遥感数字图像 目前。遥感平台、传感器、遥感信息的处理、遥感应用都得到了长足的发展，特别 是在遥感信息处理的全球数字化、可视化、智能化和网络化方面有了很大的变化和创新。 但是，仍不能满足广大用户的要求。日益丰富的遥感信息( 光谱的、空间结构的) 还没 有被充分挖掘和处理。遥感信息的处理，特别是遥感图像的处理，已成为遥感技术研究 的核心问题之一。 遥感数字图像是指以数字形式表述的遥感影像。遥感数字图像最基本的单位是像 素。每个像素具有其空间位置特征和属性特征。像素的空间位置用离散的x 值和y 值表 示。一幅遥感图像可以表示为个矩阵，若x 方向有个像素，l r 方向有m 个像素， 则成为m n 个像素的矩阵函数，可表示为i ”】： ，( x ，d = f ( 0 ，o ) ，( 0 1 ) ，f ( 0 ，2 ) ， ，f ( o ，n 一1 ) f ( 1 ，o ) ，f ( 1 ，1 ) ，f ( 1 ，2 ) ， ，f ( 1 ，n 一1 ) 厂( 2 o ) ，八2 ，1 ) ， f ( 2 ，2 7 ， ，f ( z , n 1 ) ； f ( m - 1 ，o ) f ( m l ，1 ) ，f ( m - 1 ，2 ) ， ，f ( m l ，n 1 ) 式中：肘表示行数：n 表示列数。 m 、为正整数，矩阵中的每一个元素代表遥感数字图像的像素，其大小相当于 模拟图像分割取样的最小单元a x 、a y 。 遥感数字图像像素的属性特征常用亮度值来表示，在不同图像上( 不同波段、不同 时期、不同种类的图像) ，相同地点的亮度值可能不同，这是因为地物反射或发射电磁 波的不同和受大气电磁辐射影响而造成的。 2 1 3 遥感数字图像处理 对遥感图像进行一系列的操作，以求达到预期目的的技术称为遥感图像处理。遥感 图像处理分为两类：是利用光学、照相和电子学的方法对遥感模拟图像( 照片、底片) 进行处理，简称为光学处理；二是利用计算机对遥感数字图像进行一系列操作，从而获 得某种预期结果的技术，称为遥感数字图像处理。 遥感数据分析运用了各种影像处理技术，主要包括【3 2 】： 1 模拟( 光学) 影像处理 2 数字影像处理 模拟和数字遥感影像分析旨在探测和识别场景中的重要现象。这些现象一旦被识别 出来，通常会予以测度，然后用来解决所研究的问剐”, 3 4 1 。因此，人工分析和数字分析 具有相同的目的，只是它们的途径可能大相径庭。 人们习惯于对遥感影像进行目视解译，而这些影像由特定的遥感设备( 特别是相机) 生成。人们可能会问：“为什么要尝试模仿或提高这方面的技能呢? ”首先，由于人眼 功能的限制，当影像中存在超过特定域值的“恰好能分辨的差别”时，便不能对这些细 节进行解译。众所周知，在解译连续色调的黑白航空影像时，分析人员只能区分9 个灰 度级。如果数据用2 5 6 个灰度等级来记录，那么影像中很多隐藏的信怠可能无法被目视 解译出来。更有甚者由于解译者的疲劳和压力，解译工作会变得主观不可重复。相反， 计算机的工作是可以重复的。计算机非常适宜处理大量而详细的定量信息，如区分作物 在不同生长季节的光谱特征，这需要存储和分析大量单调而冗长的信息。通过分析，计 算机还可能准确地判断出作物的类型。当然，这不是说数字影像处理就比目视解译更高 明。更恰当的说法是，面临的问题有时候更适合用数字影像处理来完成。最佳的解译结 果往往是由目视解译与数字影像处理共同完成的【3 5 】。 在计算机出现之前，遥感模拟图像处理( 借助光学、摄影、印刷技术) 占主导地位。 随着计算机技术的迅速发展，到目前为止，根据遥感图像处理的目的不同，遥感数字图 像处理大致可分以下几种。 遥感数字图像处理的内剥2 l 】： 1 图像转换 在遥感图像使用过程中，有时既需要把光学图像变成数字图像传送到计算机进行处 理，有时又需要把计算机处理后的数字图像转变成光学图像，并输出为硬拷贝。我们把 这种工作称为图像转换。 2 数字图像校正 理想的遥感影像也就是能如实反映地物的辐射能量分布和几何特征的影像，这种情 况其实是不存在的。在实际工作中，我们所得到的影像都不同程度上与地物的辐射能量 或亮度分布有差异，即存在着畸变和降质，如成像、感测、传输及显示等过程都会造成 影像的降质。 数字图像校正是处理由于一个或多个质量降级原因而记录下来的影像，使处理后的 影像能最好地接近原始景物。在遥感数字图像处理中，为了取得良好的处理效果，所处 理的影像必须经过几何校正( 几何粗校正和几何精校正) 、辐射校正以及噪声压抑等处 理后，才能根据实际待研究问题的需要进行其他的处理( 如影像增强处理和影像的分类 处理等) 。当然，有些校正工作是在卫星地面接收站的影像处理中心进行的，如我国卫 星地面站提供给用户的数据产品都是经过了几何粗校正的。 3 数字图像增强 有些遥感图像的目视效果较差，例如对比度不够、图像模糊；有些图像总体目视效 果较好，但对所需要的信息，如边缘部分或线状地物不够突出：有些图像波段多数据量 大，例如t m 图像，但各波段的信息量存在一定的相关性，为进一步的处理造成困难。 针对上述问题，需要对图像进行增强处理。通过图像增强技术，改善图像质量、提高图 像目视效果、突出所需要的信息、压缩图像数据量，为进一步的图像分析判读做好预处 理工作。图像增强的主要内容有：空间域增强、频率域增强、彩色增强、多图像代数运 算、多光谱图像增强等。其中，多光谱图像增强包括：主成分变换( k - l 变换) 、缨帽 变换( k - t 变换) 。 4 多源信息复合 从广义的遥感数字图像处理角度来看，多源信息复合可列入图像处理范畴。多源信 息复合是指将多种遥感平台、多时相遥感数据之间以及遥感数据与非遥感数据之间的信 r 息组合匹配的技术。复合后的遥感图像数据将更有利于综合分析，提高了遥感数据的可 应用性，同时也为进一步应用地理信息系统技术打下基础。 5 ，遥感数字图像计算机解译处理 从广义的遥感数字图像处理角度来讲，计算机解译处理也属于图像处理范畴。因为 在实施图像计算机解译工作中，要综合运用地学分析、遥感图像处理、地理信息系统、 模式识别与人工智能技术，这些技术的运用都应在计算机系统支持下进行，采取了相应 的遥感数字图像的处理方法。显丽易见，遥感数字图像的计算机解译成果是图像处理具 体应用的结果。 2 。2 多光谱遥感图像 2 2 1 多光谱遥感数据的采集 多光谱遥感定义为在电磁波谱的多个波段( 区域) 上采集感兴趣目标或区域的反射、 发射或后向散射能量【3 2 1 。大多数多光谱遥感系统以数字格式采集数据。数字多光谱系统 种类繁多，这些遥感系统按照其所采用的遥感技术类型来组织，概括为： 1 传统的航空摄影测量； 2 使用扫描镜和离散探测器的多光谱成像； 3 线列多光谱成像( 通称为“推扫”技术) ； 4 扫描镜和线阵列成像( 通称为“弹扫”技术) ； 5 线阵列和面阵列成像光谱仪； 6 基于面阵列的框幅式相机数字航空摄影成像。 下面主要介绍使用扫描镜光谱仪进行多光谱成像的l a n d s a t 传感器系统： 遥感器是收集、探测、记录地物电磁辐射信息的工具。 搭载遥感器、从宇宙空间观测地球的人造卫星叫遥感卫星，或者叫地球观测卫星。 遥感卫星的主要功能有：记录准确的遥感器的位置，可靠的获取数据以及将获取的数据 传送到地面站。所以，利用卫星上的姿态控制系统测量位置，进行观测仪器的监视( 包 括地面跟踪、记录的管制系统) 和数据传送是非常重要的，它们在整体上构成一个大规 模的系统。 美国于1 9 6 1 年发射了第一颗试验型极轨气象卫星，7 0 年代，在气象卫星的基础上 研制发射了第一代试验型地球资源卫星( l a n d s a t - 1 、2 、3 ) 。这三颗卫星上装有返束光 导摄像机和多光谱扫描仪m s s ，分别有3 个和4 个谱段，分辨率为8 0 m 。各国从卫星上 接收了约4 5 万幅遥感图像。 8 0 年代，美国分别发射了第二代试验型地球资源卫星( l a n d s a t - 4 ，5 ) 。卫星在技术 上有了较大改进，平台采用新设计的多任务模块，增加了新型的专题绘图仪t m ，可通 过中继卫星传送数据。t m 的波谱范围比m s s 大，每个波段范围较窄，因而波谱分辨率 比m s s 图像高，其地面分辨率为3 0 m ( t m 6 的地面分辨率只有1 2 0 m ) 。i _ a a d s a t 5 卫星 是1 9 8 4 年发射的，现仍在运行。 9 9 0 年代，美国又分别发射了第三代资源卫星( l a n d s a t - 6 ，7 ) 。l a n d s a t 6 卫星是1 9 9 3 年发射的，因未能进入轨道而失败。由于克林顿政府的支持，1 9 9 9 年发射了l a n d s a t 7 卫星，以保持地球图像、全球变化的长期连续监测。该卫星装备了一台增强型专题绘图 仪e t m + ，该设备增加了一个1 5 m 分辨率的全色波段，热红外信道的空间分辨率也提高 了一倍，达到6 0 m 。美国资源卫星每景影像对应的实际地面面积均为1 8 5 k m x l 8 5 k m ， 1 6 天即可覆盖全球一次。 表2 1l a z z d s a t - 7e t m + 波段、类型、波谱范围及分辨率 波段类型 波谱范围( 岫)地面分辨率( m ) lb l u e g r e e n0 4 5 0 - 0 5 1 53 0 x 3 0 2g r e e n0 5 2 5 0 6 0 53 0 3 0 3r e do 6 3 0 - o 6 93 0 3 0 4 n c a r i r0 7 7 5 0 9 03 0 x 3 0 5s w 取 1 5 5 0 1 7 53 0 x 3 0 6 u 玎t1 0 4 0 - 1 2 56 0 x 6 0 7s w i r2 0 9 0 2 3 53 0 3 0 8 ( 全色) p a n0 5 2 0 0 9 01 5 x 1 5 2 2 2 多光谱遥感图像的波谱信息 影像处理也就是对影像信息的加工和提取过程。缺乏对遥感影像的信息内容、信息 量及其相互关系的知识，影像处理工作就会是盲目的。在影像处理、分析和解议过程中。 我们要了解影像中所包含的信息内容，定量地研究其信息量的多少，特别是比较不同类 型的影像的不同波段，以及不同处理方法所得出的输出影像中信息的种类、多少及强弱 等，以便选择最佳的影像产品，提取更多的有用信剧”。 遥感影像反映的信息内容主要有波谱信息、空间信息和时间信息等，它是遥感研究 的主要内容。 遥感影像中每个像元的亮度值代表的是该像元中地物的平均辐射值，它是随地物的 成分、纹理、状态、表面特征及所使用电磁波段的不同而变化的，这种随上述