遥感图像信息提取

1、 1 1、遥感信息提取技术概述、遥感信息提取技术概述 2 2、监督分类、监督分类 3 3、基于专家知识的决策树分类、基于专家知识的决策树分类 4 4、面向对象分类、面向对象分类 5 5、地物识别和定量反演、地物识别和定量反演 6 6、动态监测、动态监测 7 7、立体像对、立体像对DEMDEM提取提取 遥感影像通过亮度值或像元值的高低差异（反映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。像地物的物理基础。 遥

2、感影像分类就是利用计算机通过对遥感影像中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，物的对应信息，从而实现遥感影像的分类，即信即信 息提取息提取。 人工解译人工解译 基于光谱计算基于光谱计算 机自动分类机自动分类 基于专家知识基于专家知识 的决策树分类的决策树分类 面向对象特征面向对象特征 自动提取自动

3、提取 地物识别与地物识别与 地表反演地表反演 变化检测变化检测 地形信息提取地形信息提取 方法方法说明说明 人工解译适用定性信息的提取，也就是在图像上通过肉 眼能分辨的信息 基于光谱的计算机分类对于中低分辨率的多光谱影像效果明显（小于 10米） 基于专家知识的决策树分类 需要多源数据支持 面向对象分类方法随着高分辨率影像的出现而发展起来的 地物识别与地表反演定量信息提取，需要模型的支持，数据源有一 定要求 变化监测多时相影像支持 地形信息提取需要立体像对的支持 又称训练分类法，用被确认类别的样本像元去识又称训练分类法，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。别其他未知类别像元的过

4、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 类别定义类别定义/ /特征判别特征判别 影像分类影像分类 分类器选择分类器选择 样本选择样本选择 分类后处理分类后处理 结果验证结果验证 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

5、 光谱信息散度 神经网络 支持向量机分类 模糊分类 根据分类目的、影像数据自身的特征和分类区收根据分类目的、影像数据自身的特征和分类区收 集的信息确定分类系统；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。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。本的选择打下基础。 样本选择是非常重要的过程，直接影响分类精度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，有很多辅助方法在样本选择过程中，有很多辅助方法

6、-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 Google Earth辅助解译 各个样本类型之间的可分离性各个样本类型之间的可分离性要好要好 -用Jeffries-Matusita, Transformed Divergence 参数表示，这两个参数的值在02.0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 据分类的复杂度、精度需求等确定哪一种分类器据分类的复杂度、精度需求等确定哪一种分类器 目前目前ENVIENVI的监督分类

7、可分为基于传统统计分析学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支持向量机、模糊分类等，针对高光谱有波谱角 （SAMSAM），光谱信息散度，二进制编码），光谱信息散度，二进制编码 分类后处理包括很多过程，都是些可选项，包括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（更改类别颜色、分类统计分析、小斑点处理（分分 类后处理）、栅矢转换等操作类后处理）、

8、栅矢转换等操作 数据源数据源 -“.“.练习数据练习数据9-9-监督分类监督分类sub-TM-Spot-GS.img”sub-TM-Spot-GS.img” 分类分类 -类别定义 -样本选择 -分类器选择 分类后处理分类后处理 -分类处理 -精度分析 精度验证精度验证 栅矢转换栅矢转换 + + + + + + + + Road Map Zoning Coverage Landcover Classification 陡坡上的植被陡坡上的植被 缓坡上的植被缓坡上的植被 高山植被高山植被 公园用地公园用地 根据光谱特征、空间关系和其他上下文关系归类像元 规则获取：经验总结和样本总结规则获取：经验总

9、结和样本总结 规则描述规则描述 -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 表达式表达式部分可用函数部分可用函数 基本运算符+、-、*、/ 三角函数Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh. 关系/逻辑LT、LE、EQ. and、or、not. 最大值、最小值 其他符号指数（）、exp 对数alog 平方根（sqrt）、 绝对值（a

10、db） 变量变量作用作用 slope计算坡度 aspect计算坡向 ndvi计算归一化植被 指数 Tascap穗帽变换 pc主成分分析 mnf最小噪声变换 lpc局部主成分分析 Stdev标准差 Mean平均值 Min、max最大、最小值 其他 如：ndvi LT 0.3 数据源数据源 -“.“.练习数据练习数据10-10-决策树分类决策树分类bouldr_tm.dat”bouldr_tm.dat” 规则获取（经验总结和样本总结）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

11、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 构建执行决策树构建执行决策树 同物异谱，同谱异物同物异谱，同谱异物”会对影像分类产生的影响，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技术可以一定程度减少上述影响 面向对象的技术面向对象的技术 -集合

12、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 类型类型基本原理基本原理影像的最小单元影像的最小单元适用数据源适用数据源缺缺 陷陷 传统基于传统基于 光谱的分光谱的分 类方法类方法 地物的光谱信息 特征 单个的影像像元中低分辨率多光 谱和高光谱影像 丰富的空间信息 利用率几乎为零 基于专家基于专家 知识决策知识决策 树树 根据光谱特征、 空间关系和其他 上下文关系归类 像元 单个的影像像元多源数据知识获取比较复 杂 面向对象面向对象 的分类方的分类方 法法 几何信息、结构 信息以及光

13、谱信 息 一个个影像对象 中高分辨率多光 谱和全色影像 速度比较慢 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 发现对象发现对象 特征提取特征提取 规则分类 特征提取 监督分类 导出要素 查看报告和统计 完成 计算属性 发现对象 是 定义要素 影像分割 合并分块 精炼分块 是 输出对象 为矢量文件？ 准备工作准备工作 -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 数据数据 -“.练习数据练习数据11-11-面向对象图像分类面向对象图像分类qb_colorado.datqb_colorado.dat” 空间分辨率的调整空间分辨率的调整 光谱分辨率的调整光谱分辨率

14、的调整 多源数据组合多源数据组合 空间滤波空间滤波 EXEX根据临近像素亮度、纹理、颜色等对影像进行分割，它根据临近像素亮度、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。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度影像分割将会分割出更多的图斑 影像分割时，由于阈值过低，一些特征会被错分，一个特影像分割时，由于阈值过低，一些特征会

15、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。些问题。 FXFX利用了利用了 Full Lambda-ScheduleFull Lambda-Schedule算法，该方法在结合光谱算法，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。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。这一步是可选项，如果不需要可以直接跳过。 FXFX提供了一种阈值法（提供了一种阈值法（ThresholdingThresholding）进一步精炼分块的）进一步精炼分块的 方法。它是基于亮度值的

16、栅格操作，根据分割后结果中的方法。它是基于亮度值的栅格操作，根据分割后结果中的 一个波段的亮度值聚合分块。对于具有高对比度背景的特一个波段的亮度值聚合分块。对于具有高对比度背景的特 征非常有效（例如，明亮的飞机对黑暗的停机坪）。征非常有效（例如，明亮的飞机对黑暗的停机坪）。 这一步是可选项，如果不需要可以直接跳过。这一步是可选项，如果不需要可以直接跳过。 计算计算4 4个类别的属性：光谱、空间、纹理、自定义个类别的属性：光谱、空间、纹理、自定义 （颜色空间和波段比）。其中（颜色空间和波段比）。其中“颜色空间颜色空间”选择选择 三个三个RGBRGB波段转换为波段转换为HSIHSI颜色空间，颜色空

17、间，“波段比波段比”选选 择两个波段用于计算波段比（常用红色和近红外择两个波段用于计算波段比（常用红色和近红外 波段）。波段）。 监督分类、规则分类和直接矢量输出监督分类、规则分类和直接矢量输出 直接输出矢量直接输出矢量 -输出Shapefile矢量文件 -属性 监督分类监督分类 -根据一定样本数量以及其对应的属性信息，利用K邻近法和支 持向量机监督分类法进行特征提取 规则分类规则分类 -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如下是对水的一个描述： -面积大于500像素 -延长线小

18、于0.5 -NDVI小于0.25 特征提取结果输出特征提取结果输出 -矢量 -图像（分类图像、规则图像) -结果统计报表 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，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 面实况的应用参数面实况的应用参数

19、 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 间的关系模型间的关系模型 ENVIENVI的的BandmathBandmath工具可将模型应用于影像，实现定量反演工具可将模型应用于影像，实现定量反演 ENVIENVI波段运算工具能够调用用户编写的程序进行波段运算工具能够调用用户编写的程序进行 定制的处理定制的处理 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用用户编写的函数，最后将结果输出到文件或是 内存中内存中 必须符合必须符合IDLIDL语言书写波段运

20、算表达式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表达式中的所有变量都必须用BnBn（或（或bnbn）命名）命名 结果波段必须与输入波段的空间大小相同结果波段必须与输入波段的空间大小相同 数据数据 -“ 练习数据练习数据12-12-定量反演定量反演TM-NDVI-60m.imgTM-NDVI-60m.img” 地表比辐射率计算地表比辐射率计算 -植被覆盖度 -(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*(b1-0.0)/(0.7-0.0) -地表比辐射率 -(

21、b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b22)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b22) 黑体辐射亮度值黑体辐射亮度值 -(b2-3.39-0.6(b2-3.39-0.6* *(1-b1)(1-b1)* *5.12)/(0.65.12)/(0.6* *b1)b1) LSTLST反演反演 -(1282.71)/alog(666.09/b1 +1)-273 结果浏览与输出结果浏览与输出 -密度分割 动态监测动态监测 -是一个广义的名词，泛指数据预处理、变

22、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 数据数据 -“练习数据练习数据12-12-遥感动态监测遥感动态监测july_00_quac.imgjuly_00_quac.img” -“练习数据练习数据12-12-遥感动态监测遥感动态监测july_06_q

23、uac.imgjuly_06_quac.img” 处理步骤处理步骤 -功能选择 -ENVI Zoom的Work Flows-Image Change -方法选择 -波段差值 -特征指数差 -变化信息提取 -结果输出 启动启动Image ChangeImage Change工具工具 数据变化信息浏览数据变化信息浏览 图像配准（可选）图像配准（可选） 掩膜文件（可选）掩膜文件（可选） Change Method Choice Change Method Choice 面板中提供两种方法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 可以从变化信息检测结果中提取三种变化信息

24、：可以从变化信息检测结果中提取三种变化信息： -Increase and Decrease：增加 (蓝色) 和减少(红色) 变化信息 -Increase Only：增加 (蓝色)变化信息 -Decrease Only：减少(红色)变化信息 提供两种阈值设置方法：提供两种阈值设置方法： -Auto-Thresholding -Manual（手动设置阈值） 输出四种结果或格式：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 可直接输出到可直接输出到ArcGIS GeodatabaseArcGIS Geodatabase 快速从快速从ALOS PRISM, ASTER, CARTOSAT-1, FORMOSAT-ALOS PRISM, ASTER, CARTOSAT-1, FORMOSAT- 2, GeoEye-1, IKONOS, KOMPSAT-2, OrbView-3, 2, GeoEye-1, IKONOS, KOMPSAT-2, OrbView-3, QuickBird, WorldView-1, SPOT 1-5QuickBird, WorldView-1, SPOT 1-5以及航空影像立以及航空影像立 体像对中提取体像对中提取DEMDEM。 全面支持全面支持RPCRPC模型参数，尽