遥感图像信息提取分析.ppt

遥感图像信息提取 主要内容 1 遥感信息提取技术概述2 监督分类3 基于专家知识的决策树分类4 面向对象分类5 地物识别和定量反演6 动态监测7 立体像对DEM提取 1 遥感信息提取方法概述 1 1影像信息提取技术基础 遥感影像通过亮度值或像元值的高低差异 反映地物的光谱信息 及空间变化 反映地物的空间信息 来表示不同地物的差异 这是区分不同影像地物的物理基础 遥感影像分类就是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行分析 选择特征 将图像中每个像元按照某种规则或算法划分为不同的类别 然后获得遥感影像中与实际地物的对应信息 从而实现遥感影像的分类 即信息提取 1 2遥感信息提取方法概述 人工解译 基于光谱计算机自动分类 基于专家知识的决策树分类 面向对象特征自动提取 地物识别与地表反演 变化检测 地形信息提取 1 3遥感信息提取方法 适用范围 2 监督分类 2 1监督分类定义 又称训练分类法 用被确认类别的样本像元去识别其他未知类别像元的过程 在分类之前通过目视判读和野外调查 对遥感图像上某些样区中影像地物的类别属性有了先验知识 对每一种类别选取一定数量的训练样本计算机计算每种训练样区的统计或其他信息 同时用这些种子类别对判决函数进行训练 使其符合于对各种子类别分类的要求用训练好的判决函数去对其他待分数据进行分类 使每个像元和训练样本作比较 按不同的规则将其划分到和其最相似的样本类 以此完成对整个图像的分类 2 2监督分类基本流程 类别定义 特征判别 影像分类 分类器选择 样本选择 分类后处理 结果验证 平行六面体最小距离马氏距离最大似然波谱角二进制编码光谱信息散度神经网络支持向量机分类模糊分类 2 3监督分类流程说明 类别定义 特征判断 根据分类目的 影像数据自身的特征和分类区收集的信息确定分类系统 对影像进行特征判断 评价图像质量 决定是否需要进行影像增强等预处理 这个过程主要是一个目视查看的过程 为后面样本的选择打下基础 2 3监督分类流程说明 样本选择 样本选择是非常重要的过程 直接影响分类精度在样本选择过程中 有很多辅助方法可以显示不同的假彩色合成窗口 也可以进行主成分分析后进行假彩色合成 由于去除了波段间的相关性 不同地物区分的更加明显 还可以借助GoogleEarth辅助解译各个样本类型之间的可分离性要好用Jeffries Matusita TransformedDivergence参数表示 这两个参数的值在0 2 0之间 大于1 9说明样本之间可分离性好 属于合格样本 小于1 8 需要重新选择样本 小于1 考虑将两类样本合成一类样本 2 3监督分类流程说明 分类器选择 据分类的复杂度 精度需求等确定哪一种分类器目前ENVI的监督分类可分为基于传统统计分析学的 包括平行六面体 最小距离 马氏距离 最大似然 基于神经网络的 基于模式识别 包括支持向量机 模糊分类等 针对高光谱有波谱角 SAM 光谱信息散度 二进制编码 2 3监督分类流程说明 分类后处理 分类后处理包括很多过程 都是些可选项 包括更改类别颜色 分类统计分析 小斑点处理 分类后处理 栅矢转换等操作 监督分类练习 一 数据源练习数据 1 监督分类 1 监督分类 Classic 分类类别定义样本选择分类器选择分类后处理小斑快处理栅矢转换精度验证 监督分类练习 二 数据源练习数据 1 监督分类 2 火烧迹地提 BurnALI subset dat 分类类别定义样本选择分类器选择分类后处理小斑快处理栅矢转换精度验证 3 基于专家知识的决策树分类 3 1专家知识的决策树分类基本原理 ZoningCoverage LandcoverClassification 根据光谱特征 空间关系和其他上下文关系归类像元 3 2专家知识的决策树分类基本步骤 3 3规则定义 规则获取 经验总结和样本总结规则描述类1 NDVI大于0 3 坡度大于或者等于20度类2 NDVI大于0 3 坡度小于20度 阴坡类3 NDVI大于0 3 坡度小于20度 阳坡类4 NDVI小于或等于0 3 波段4值大于或等于20类5 NDVI小于或等于0 3 波段4值小于20 3 4规则描述 表达式与变量 如 ndvi LT0 3 决策树分类 练习 数据源 练习数据 2 决策树分类 bouldr tm dat 规则获取 经验总结和样本总结 类1 NDVI大于0 3 坡度大于或者等于20度类2 NDVI大于0 3 坡度小于20度 阴坡类3 NDVI大于0 3 坡度小于20度 阳坡类4 NDVI小于或等于0 3 波段4值大于或等于20类5 NDVI小于或等于0 3 波段4值小于20 决策树分类 练习 构建执行决策树 4 面向对象分类 4 1面向对象的图像分析 同物异谱 同谱异物 会对影像分类产生的影响 加上高分辨率影像的光谱信息不是很丰富 还有经常伴有光谱相互影响的现象 这对基于像素的分类方法提出了一种挑战 面向对象的影像分类技术可以一定程度减少上述影响面向对象的技术集合临近像元为对象用来识别感兴趣的光谱要素充分利用高分辨率的全色和多光谱数据 利用空间 纹理 和光谱信息来分割和分类的特点以高精度的分类结果或者矢量输出 4 2与基于像元分类的区别 注 一种方法不能完全取代另一种 每种方法都有其适用范围 3面向对象分类操作流程 发现对象特征提取 面向对象分类练习 基于规则的面向对象分类数据 练习数据 3 面向对象图像分类 1 基于规则 基于样本的面向对象分类数据 练习数据 3 面向对象图像分类 2 基于样本 单波段影像的面向对象分类数据 练习数据 3 面向对象图像分类 3 面向对象提取河流 面向对象分类练习 准备工作 空间分辨率的调整光谱分辨率的调整多源数据组合空间滤波 面向对象分类练习 准备工作 空间分辨率的调整光谱分辨率的调整多源数据组合空间滤波 面向对象分类练习 分割影像 FX根据临近像素亮度 纹理 颜色等对影像进行分割 它使用了一种基于边缘的分割算法 这种算法计算很快 并且只需一个输入参数 就能产生多尺度分割结果 选择高尺度影像分割将会分出很少的图斑 选择一个低尺度影像分割将会分割出更多的图斑 面向对象分类练习 合并分块 影像分割时 由于阈值过低 一些特征会被错分 一个特征也有可能被分成很多部分 我们可以通过合并来解决这些问题 FX利用了FullLambda Schedule算法 该方法在结合光谱和空间信息的基础上迭代合并邻近的小斑块 这一步是可选项 如果不需要可以直接跳过 面向对象分类练习1 特征提取 规则分类每一个分类有若干个规则 Rule 组成 每一个规则有若干个属性表达式来描述 规则与规则直接是与的关系 属性表达式之间是并的关系如下是对水的一个描述 面积大于500像素延长线小于0 5NDVI小于0 25 面向对象分类练习 输出结果 特征提取结果输出矢量图像 分类图像 规则图像 结果统计报表 面向对象分类练习2 基于样本 监督分类根据一定样本数量以及其对应的属性信息 提供K邻近法 支持向量机主成分分析法进行特征提取 面向对象分类练习3 单波段影像提取河流 采用单波段影像 使用ENVIFX面向对象信息提取工具中的 Rulebasedfeatureextractionworkflow 进行河流信息提取 5 地物识别与定量反演 5 1地物识别与定量反演基础 从高光谱图像的每个像元均可以获取一条连续的波谱曲线 可以考虑用已知的波谱曲线和图上每个像元获取的波谱曲线进行对比 理想情况下两条波谱曲线一样 就能说明这个像元是哪种物质遥感定量反演就是根据观测信息和模型求解或推算描述地面实况的应用参数遥感反演的基础是描述遥感信号或遥感数据与地表应用之间的关系模型ENVI的Bandmath工具可将模型应用于影像 实现定量反演 5 2Bandmath基础 ENVI波段运算工具能够调用用户编写的程序进行定制的处理波段运算工具用来定义输入的波段或文件 并调用用户编写的函数 最后将结果输出到文件或是内存中 5 2Bandmath条件 必须符合IDL语言书写波段运算表达式所有输入波段必须具有相同的空间大小表达式中的所有变量都必须用Bn 或bn 命名结果波段必须与输入波段的空间大小相同 地表温度反演 练习 数据 练习数据 4 定量反演 TM NDVI 60m img 地表比辐射率计算植被覆盖度 b1gt0 7 1 b1lt0 0 b1ge0andb1le0 7 b1 0 0 0 7 0 0 地表比辐射率 b1le0 0 995 b1gt0andb1lt0 7 0 9589 0 086 b2 0 0671 b2 2 b1ge0 7 0 9625 0 0614 b2 0 0461 b2 2 地表温度反演基本流程图 地表温度反演 黑体辐射亮度值 b2 3 39 0 6 1 b1 5 12 0 6 b1 LST反演 1282 71 alog 666 09 b1 1 273 地表温度反演 结果输出 6 遥感动态监测 6基本概念 动态监测 动态检测 动态监测是一个广义的名词 泛指数据预处理 变化信息发现与提取 变化信息挖掘与应用等 以对整个流程的叙述 遥感动态检测从不同时期的遥感数据中 定量地分析和确定地表变化的特征与过程 检测方法图像直接比较法图像差值法 图像比值法 主成分分析法 光谱特征变异法 假彩色合成法 波段替换法 变化矢量分析法 波段交叉相关分析以及混合检测法等分类后结果比较法直接分类法多时相主成分分析后分类法 动态监测练习 数据 练习数据 5 遥感动态监测 july 00 quac img 练习数据 5 遥感动态监测 july 06 quac img 处理步骤功能选择ENVI5的ImageChangeWorkflow方法选择波段差值特征指数差变化信息提取结果输出 动态监测练习 数据准备 启动ImageChangeWorkflow工具数据变化信息浏览图像配准 可选 掩膜文件 可选 动态监测练习 变化信息检测 ChangeMethodChoice面板中提供两种方法图像差值法波段差值特征指数差图像变换法 动态监测练习 变化信息提取 可以从变化信息检测结果中提取三种变化信息 IncreaseandDecrease 增加 蓝色 和减少 红色 变化信息IncreaseOnly 增加 蓝色 变化信息DecreaseOnly 减少 红色 变化信息提供两种阈值设置方法 Auto ThresholdingManual 手动设置阈值 动态监测练习 输出变化信息 输出四种结果或格式 以图像格式输出变化结果以矢量格式输出变化结果变化统计文本文件输出差值图像可直接输出到ArcGISGeodatabase 7 立体像对DEM提取 7 1立体像对高程提取模块 快速从ALOSPRISM ASTER CARTOSAT 1 FORMOSAT 2 GeoEye 1 IKONOS KOMPSAT 2 OrbView 3 QuickBird WorldView 1 SPOT1 5以及航空影像立体像对中提取DEM 全面支持RPC模型参数 尽可能少的控制点以达到有效的精度使用DEM编辑工具对提取的DEM做局部编辑交互量测特征地物的高度和收集3D信息并导出为3DShapefile文件格式 输入立体像对 定义地面控制点 定义连接点 设定DEM提取参数 输出DEM并检查结果 编辑DEM 7 2DEM提取基本流程 DEM提取练习 数据 CARTOSAT 1数据 练习数据 6 DEM提取 Beijing P5 步骤 输入立体相对定义连接点设置DEM提取参数输出DEM检查结果 DEM编辑 从卫星影像中选择包含有RPC文件或者DIM等位置信息文件的立体影像数据 DEM提取 输入立体相对 支持RPC DIM等位置文件 可以定义或是加载已有的GCP点对 将DEM和地图坐标联系起来 也可以屏幕上选择GCP点 DEM提取 定义控制点 ENVI可以自动产生匹配点 或者您自己从两幅图像中选择匹配点 DEM提取 定义连接点 Tie 可以通过立体眼镜进行3D