遥感基础入门知识.doc

遥感基础遥感是20世纪60年代发展起来的对地观测综合性技术，其发展经历了如下四个阶段：无记录的地面遥感阶段(16081838)；有记录的地面遥感阶段(18391857)；空中摄影遥感阶段(18581956);航天遥感阶段(1957年至今)。遥感技术具有以下几个特点：大面积的同步观测；时效性；数据的综合性和可比性强；经济效益和社会效益高。随着科技的发展，遥感技术也在不断进步，遥感探测的波段不断延伸，波段的分割越来越精细，从单一谱段向多谱段发展；成像雷达所获取的信息也向多频率、多角度、多极化、多分辨率的方向发展；激光测距和遥感成像的结合使得三维实时成像成为可能，各种传感器的空间分辨率不断提高；数字成像技术的发展，打破了传统摄影与扫描成像的界限。此外，多种探测技术的集成日趋成熟，如雷达、多光谱成像与激光测高、GPS的集成可同时取得经纬度坐标和地面高程数据。遥感信息融合包括数据层融合、特征层融合和决策层融合。决策层融合有望在高光谱遥感信息智能处理中发挥重要作用，一方面高光谱遥感信息本身可以分成若干组，每一组分别进行分类后，按照证据理论将各组分类结果进行融合，得到最后的分类结果；另一方面高光谱遥感信息可以和其他信息进行融合，对于高空间分辨率或其它遥感信息分类精度不够、同物异谱或同谱异物现象可以通过高光谱遥感信息辅助解决，最后将分类结果惊醒融合即可。其中一个关键的技术问题是如何根据不同情况设计有效的融合算法。高光谱遥感技术的特点：高光谱遥感是高光谱分辨率遥感(Hyper spectral Remote Sensing)的简称，它是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的技术。高光谱遥感技术的特点：1）高光谱遥感的成像光谱仪可以分离成几十甚至数百个很窄的波段来接受信息，光谱分辨率高(510nm)，波段连续性强(在0.4um2.5um范围内有几百个波段)；2）所有波段排列在一起能形成一条连续的完整的光谱曲线；3）光谱的覆盖范围从可见光到热红外的全部电磁辐射波谱范围；4）高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱维信息的有机融合。高光谱遥感信息智能处理的优势和意义主要在于：促进当前高光谱遥感信息处理中一些技术难题的解决；提高高光谱遥感信息处理的精度、速度和自动化程度；建立面向领域应用的智能处理模型，促进高光谱应用的发展；为高光谱遥感信息和其他遥感信息源的融合和集成处理提供支持。高光谱遥感信息智能处理的基本思想是：针对高光谱遥感数据的特点，在人工智能、知识工程、计算智能等多学科理论支持下。在信息处理中引入结构化和非结构化得领域知识、辅助信息和背景数据等作为处理过程中直接和间接的判据，通过知识和数据的综合推理分析提供结论，实现高光谱影像信息的快速处理。多谱段遥感信息的处理过程是：数据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增强、密度分割等。信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编辑，并绘制成各种专题图。词条图册更多图册从遥感影像中去除大气的影像，即进行大气校正。是高光谱遥感数据处理中极为重要的环节。通过应用大气校正模型FLAASH，研究选择了合适的大气模式、水汽含量、气溶胶模型、波谱分辨率和多散射模型等参数。国内外已经提出了不少的大气校正模型，主要有：辐射传输模型法、黑暗像元法、不变目标法和直方图匹配法等。校正精度较高的方法是辐射传输模型法。该方法是利用电磁波大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正法方法。其算法在原理上基本相同，差异在于不同的假设条件和使用范围，因此产生了很多可选择的大气校正模型，其中应用最为广泛的模型有6S、MORTRAN、LOWTRAN和ATCOR模型。大气对电磁辐射的影像主要是吸收和散射，它提高了大气层的平均亮度值，并叠加在地物的辐射信号上，使图像清晰度及对比度均下降，同时反射率与辐射亮度等相关物理量都会出现偏差，在反演图像像元的反射率光谱时，就无法准确识别植被、矿物和岩石等地面物质组成。大气以两种方式影响着传感器所记录的地面目标的“亮度”或“辐射亮度”：1）大气的吸收及散射作用使达到目标的太阳辐射能量和从目标反射的能量均衰减；2）大气本身作为一个反射体（散射体）的程辐射使得能量增加，但它与所探测的地面信息无关。大气校正有两类方法：1）基于经验或统计的方法：这类方法与模式大多建立在某种特定或理想条件下，实用性收到一定限制；2）基于大气辐射传输模型的方法：利用基于复杂的辐射传输原理建立起来的精度较高大气校正模型，基本原理是利用电磁波在大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正。大气辐射传输模型能比较合理地描述大气散射、大气吸收和反射等过程，而且可以产生连续光谱，避免光谱反演的较大定量误差，因而得到了最广泛的应用。但是它需要对以系列的大气环境参数（如大气光学厚度、温度、气压、湿度和大气分布状况等）进行测量，而且校正模式的准确性取决于输入的大气参数的准确性。应用大气辐射传输模型进行遥感影像的大气校正需要解决两个关键性的问题：1）有关大气介质特征参数的获取；2）具体使用的大气辐射传输模型的研究。高光谱遥感与常规遥感的区别在于常规遥感又称宽波段遥感，波段宽一般为100nm,且波段在波谱上不连续，并不完全覆盖整个可见光至红外光（0.424um）光谱范围。高光谱遥感使本来在宽波段遥感中不可探测的物质在高光谱遥感中能被探测到。叶面积指数通常是指单位面积土地上所有叶片表面积的综合，或单位面积上植物叶片的垂直投影面积综合。它是生态系统的一个重要结构参数，可以用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效用，为植被冠层表面物质和能量交换的描述提供结构化的定量信息。叶面积指数是与生物量和叶绿素是衡量作物生长状况的重要指标。高光谱遥感信息智能处理的基本思想是：针对高光谱遥感数据的特点，在人工智能、知识工程、计算智能等多学科理论支持下，在信息处理中引入结构化和非结构化的领域知识、辅助信息和背景数据等作为处理过程中直接和间接的判据，通过知识和数据的综合推理分类提供结论，实现高光谱影像信息的快速处理。为了保证这一过程的顺利实现，合理的技术流程是前提，优化的处理策略是基础，可靠的领域知识是关键，有效的推理机制是保证。GIS在高光谱遥感信息处理中可以发挥的作用主要包括：1）提供训练区或参考区，作为高光谱遥感信息处理的背景信息；2）提供图像处理中可以发挥的作用主要包括:3）GIS中的部分信息或数据恶意直接参与分类和信息处理或作为辅助的解译依据；4）GIS对处理结果进行欧安端或缝隙等后处理。信息融合是当前遥感信息处理的一项重要技术，高光谱遥感信息中包含的信息更丰富，将其与其他遥感信息员进行融合，进行用于智能处理，往往能获得更好的效果，决策层融合有望在高光谱遥感信息智能处理中发挥重要作用。高光谱遥感信息具有数据量大、波段多、波段相关性强、信息荣誉多、图谱一体化等特点，御寒信息丰富，处理过程复杂，如何对其进行高效处理时遥感领域近年来研究的特点。智能处理有助于解决当前高光谱遥感信息处理中存在的诸如数据量大、处理过程复杂、速度慢、效率低、过多依赖于专家经验和人工参与等问题。智能信息处理的核心和关键是知识和推理机制的引入，以高光谱遥感信息中典型地物识别为例，首先必须获取关于该地物在遥感影像中具有的特征和知识，然后通过特定算法进行高光谱遥感影像热证提取，再按照一定的知识推理机制提取符合要求的像元或分割后的区域。在智能信息处理中，知识获取是后续工作的基础和关键。根据高光谱遥感信息的特点，可以采取的方法包括专家调查、统计归纳和数据挖掘等。专辑咨询是人工智能领域经典的知识获取方法之一，其根据特定的 任务要求，充分英语领域专家具有的专业技能和知识，形成对特定对象的规则化描述作为后续信息处理的指导。早期高光谱遥感信息处理中往往要通过转接获取一些特定的规则与特定，如通过对某类地物光谱无限的分析和不同地物光谱曲线的比较，可以确定某些波长对于地物识别的有效性；或者通过对地物物理组成与性质的分析，得出某类地物应该具有的光谱维特征，进行确定对特定地物分类或提取有效的波段和特征。统计归纳是一种简单易行的知识获取方法。通过对原操作数据集或某一子集的同级、分析，以发现其中一些有用的规则。如通过对某类地物若干训练样本的反射、吸收特征的提取，分别组成若干集合，通过集合求交等运算，发现该类地物识别中有效特征的波段位置。又如要发现区别某两类地物的有效波段，课对这两类的光谱特征集合进行分析，可以发现区分两类地物有用的波段和相应的特征。根据高光谱遥感信息的特点，知识可以采用产生式规则、决策树等方法进行描述，产生式规则多用于分类处理，而决策树组织的知识则可以应用于典型信息提取和地物识别。高光谱遥感信息处理中一些有待结局的问题包括波段选择与数据压缩、混合像元分解、高光谱分类、地物细分识别、定量反演等。波段选择的任务是从几十、上百个波段中选择若干最有效的组合方案用于信息提取、分类，波段选择也可以被看作是简单的特征挖掘，从海量信息中获取特定应用目标有效的若干波段进行分析，在保证精度的同时降低了数据量，提高了运算效率。混合像元分解是高光谱遥感信息处理中一个相仿重要的问题，目前所应用的一些模型包括线性分解模型、非线性分解模型（往往先线性化后再分解）、修正的高斯模型、光谱吸收指数模型等，主要是基于统计理论的。如果能够将数据挖掘发现的特征与知识应用于亚象元分解，则既可以充分参考数据，又能够应用原始数据中隐含的知识，从而克服传统同级方法的不足。GIS支持下的高光谱遥感信息处理：随着高光谱遥感应用的发展，将GIS中的空间信息和空间分析功能与高光谱遥感信息相结合，有望为高光谱遥感信息智能处理提供支持。名词解释辐射畸变是指遥感传感器在接收来自地物的电磁波辐射能时，电磁波在大气层中传输和传感器测量中受到遥感传感器本身特性、地物光照条件（地形影响和太阳高度角影响）以及大气作用等影响，而导致的遥感传感器测量值与地物实际的光谱辐射率的不一致。几何畸变是指图像中的几何图形与该物体在选定投影中几何图形的差异，或与地面实况的差异。几何畸变主要是由于遥感器姿态角的变化，物镜系统的光学畸变，扫描速度不稳定，地球自转，地面曲率、地形起伏等引起的。遥感信息处理遥感信息智能处理当前几个重要的方向包括遥感信息自动分类、基于知识的遥感影像分类、GIS支持下的遥感分类和信息提取、遥感影像理解专家系统、遥感数据挖掘、遥感影像人工神经网分类等。人工神经网络应用于高光谱遥感信息处理集中可行的方法包括：1）先进行降维操作，然后应用于人工神经网络处理；2）将多种神经网络相结合；3）多层并行神经网络。GIS在高光谱遥感信息处理中可以发挥的作用主要包括：提供训练区或参考区，作为高光谱遥感信息处理的背景信息；提供图像处理中需要的空间分析功能；GIS中的部分信息或数据可以直接参与分类和信息处理或作为辅助的解译依据；GIS对处理结构进行判断或分析等后处理。应用遥感对城市扩展进行研究主要通过以下三种信息处理策略：1）土地覆盖分类与变化分析（转移矩阵、景观格局参数等）；2）专题信息提取（NDBI不透水层、道路密度、建筑用地等）；3）城市生态物理参数遥感定量反演（地表温度、制备覆盖度等）； 遥感的4大组成部分：遥感信息在介质中的传播理论和时空规律；地物微波遥感信息处理及成像机理；高光谱分辨率遥感信息处理和地物识别原理；遥感信息地学特征与模型分析；遥感信息处理(remote-sensing information processing) 是对遥感器获得的信息进行加工处理的技术。遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。遥感图像信息处理的主要目的是：消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌；利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的区分和判释；进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类。模拟处理方法是首先把图像信息转换成电信号，然后进行图像化处理。用模拟方法能对图像信息作快速处理。数字处理是对遥感图像信息作数字离散化后，利用数字计算机进行处理。数字图像处理的功能好而且灵活，已成为遥感信息处理的主要方式，但要求有高速度大容量的计算机，不易达到实时处理的要求。遥感影像综合处理平台：航天量子拥有功能强大、系统配套的遥感信息工程系列软件，包括大型综合遥感平台PCI Geomatica、多功能的遥感数据处理软件TeraMatirx、高分辨率影像信息自动提取工具eCognition、专业级的SAR处理平台EarthView、大数据量遥感影像漫游和情报解译工具等，可以提供遥感信息工程应用领域技术先进、功能完善、包罗万象的解决方案。Geomatica 9将多种技术结合在一个集成环境中，形成了包括遥感图像处理、GIS空间分析、遥感制图、桌面摄影测量等在内一体化的空间信息应用解决方案，为空间信息综合应用提供了一个较为完善的平台。TeraMatirx是一个功能完善的遥感数据处理软件，具有通用遥感图像处理系统的各种主要功能。包括多种格式影像的输入输出、影像预处理、图像增强、图像滤波、影像配准、正射纠正、影像融合、影像镶嵌和匀光、以及制图和整饬等功能。