白话遥感图像分类技术

1、白话遥感图像分类技术白话遥感图像分类技术背景方法问题遥感能做什么遥感能做什么.地理要素国土二调、水利普查、地理国情普查.遥感图像分类遥感图像分类概念概念 遥感影像通过亮度值或像元值的高低差异（反映地物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）及空间变化的光谱信息）及空间变化（反映地反映地物物的空间的空间信信息息）来来 表示不同地物的差异，这表示不同地物的差异，这是是区分不区分不同同影像地影像地物物的的物物理理 基础。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地物的光谱信息和空间信息息进行分进行分

2、析析，选择选择特特征征，将将 图像中每个像元按照某种图像中每个像元按照某种规规则或算则或算法法划分为划分为不不同同的类的类 别，然后获得遥感影像中别，然后获得遥感影像中与与实际地实际地物物的对应的对应信信息息，从从 而实现遥感影像的分类，即遥感信息提取。而实现遥感影像的分类，即遥感信息提取。遥感图像分类遥感图像分类遥感信息分类遥感信息分类 定性（特征）信息定性（特征）信息 地物类型。 空间信息：分布、形状等。 属性信息：周长、面积等。遥感图像分类遥感图像分类遥感信息分类遥感信息分类 定量信息定量信息 地表物质的定量物理量和准确的空间位置，如叶面积指数、 气溶胶含量、水质参数等。遥感图像分类遥感

3、图像分类遥感信息分类遥感信息分类 其他信息其他信息 地形信息。 结论性信息（如图像中是否有这种物质等）。方法遥感数据的种类遥感数据的种类光学遥感数据合成孔径雷达 (SAR)激光雷达(LiDAR)非成像遥感数据遥感信息遥感信息火灾信息农作物长势海水温度幼林信息土地利用光学遥感图像处理与分析框架光学遥感图像处理与分析框架数据读取图像几何处理与地理编码 图像辐射定标与大气校正 图像增强、裁剪、镶嵌遥感信息提取成果整理与输出图像分类方法图像分类方法基于图像属性基于图像属性人工解译经验知识专家知识决策树分类经验总结CART算法C5.0算法面向对象图像分类监督分类规则决策树 分类目视解译光谱自动分类灰度分

4、割非监督分类监督分类统计学方法支持向量机神经网络基于像素的图像分类光谱自动分类光谱自动分类灰度分割灰度分割 通常又称密度分割或彩色分割，应用于单波段灰度图像通常又称密度分割或彩色分割，应用于单波段灰度图像 的分类方法。假设灰度的分类方法。假设灰度图图像上像上某某像元像元值值范围范围内内表示表示一一种种 物质，我们将这部分像物质，我们将这部分像元元从图从图像像上分上分离离出来出来形形成一成一类类。 可用于如植被指数、地表温度、地形等数据的分可用于如植被指数、地表温度、地形等数据的分类。类。例子一：灰度分割例子一：灰度分割 光谱分析光谱分析+自动分类自动分类图像准备计算增强型水指数灰度分割光谱自动

5、分类光谱自动分类非监督分类非监督分类 非监督分类：也称为聚类分析或点群分类。在多光非监督分类：也称为聚类分析或点群分类。在多光谱谱图像中搜寻、定义其自然相似光谱集群的过程。图像中搜寻、定义其自然相似光谱集群的过程。分类器选择影像分类ISODATAK-Mean其他类别定义/类别合并分类后处理结果验证影像分析小斑处理 结果编辑例子二：非监督分类例子二：非监督分类光谱自动分类光谱自动分类监督分类监督分类 监督分类：又称训练分类法，用被确认类别的样本监督分类：又称训练分类法，用被确认类别的样本像像元去识别其他未知类别像元的过程。元去识别其他未知类别像元的过程。分类器选择样本选择分类后处理影像分类结果验

6、证最大似然 最小距离 马氏距离 神经网络 支持向量机 其他类别定义/特征判别小斑处理 结果编辑例子三：监督分类例子三：监督分类+ +DEM+ + + +RMoadapZConingoverageLandcoverClassification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高ftft植被植被公园用地公园用地专家知识决策树分类专家知识决策树分类根据光谱特征、空间关系和其他上下文关系归类像元例子四：专家知识决策树分类例子四：专家知识决策树分类规则获取：经验总结和样本总规则获取：经验总结和样本总结结规则描述规则描述 Class1（缓坡植被）:NDVI0.3, slope0.3, sl

7、ope=20 90=aspect0.3, slope=20, ,aspect270 Class4（水体）：NDVI=0.3, 0b420 Class5（裸地）：NDVI=20 Class6（无数据区，背景）: NDVI=0.3, b4=0面向对象图像分类技术面向对象图像分类技术 面向对象的技术面向对象的技术 集合临近像元为对象用来识别感兴趣的光谱要素。 在“对象”的基础上，采用监督分类、规则分类、目视解译等方法得到分类结果。例子五：面向对象图像分类例子五：面向对象图像分类大蒜种植面积量测大蒜种植面积量测 下载与准备数下载与准备数据据 图像融合图像融合 大气校正（可选）大气校正（可选） 图像裁剪

8、图像裁剪山东济宁金乡县山东济宁金乡县大蒜种植面积量测大蒜种植面积量测 建立解译标建立解译标志志 图像分割图像分割小麦大蒜 获取规则获取规则 自动分类自动分类 自动分类自动分类大蒜种植面积量测大蒜种植面积量测2016年大蒜种植分布75.77万亩2015年大蒜种植分布69.28万亩2014年大蒜种植分布75.2万亩1天处理完成基于像元和基于对象分类的区别基于像元和基于对象分类的区别类型类型基本原理基本原理影像的最小影像的最小单元单元适用数据源适用数据源缺缺 陷陷传统基于光谱的分类传统基于光谱的分类方法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

9、为零基于专家知识决策树基于专家知识决策树 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的分类方法面向对象的分类方法 光谱信息、几何信息、结构信息一 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图像分类方法图像分类方法基于光谱分析基于光谱分析地物识别波谱曲线对比混合像元分解线性模型非线性模型定量反演水质参数 植被Th物量大气参数 地表温度高光谱遥感高光谱遥感 高光谱分辨率遥感（高光谱分辨率遥感（HyperspectralRemoteSensing） 空间成像的同时，记录下成

10、百个连续光谱通道数据 光谱通道窄（小于10nm）而连续，从每个像元均可提取一条连续的光谱曲线例子六：地物识别例子六：地物识别firtree grass遥感定量反演遥感定量反演 遥感反演：根据观测信息和模型遥感反演：根据观测信息和模型，求解或推算描述地面实况的，求解或推算描述地面实况的应应用参数。用参数。 遥感反演的基础是描述遥感信号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或遥感数据与地表应用之间的关关 系模型。这种关系模型可以系模型。这种关系模型可以是遥是遥 感模型和应用模型，包括感模型和应用模型，包括统计型统计型 和物理型。和物理型。图像预处理反演模型选择模型参数计算地表参数

11、反演反演结果验证例子七：水质参数反演例子七：水质参数反演多 光 谱 数 据 模 型比值植被指 数 X=Red/NIRChla= a*X+bChla = a*ln(X) bChla = a*eb*X归一化植被 指数 X=NDVIChla=a*X2+ b*X+cChla = a*X+bChla = a*ln(X) b水体叶绿素水体叶绿素综合例子：遥感技术辅助城市建设生态规划综合例子：遥感技术辅助城市建设生态规划 需求：从影像数据中提取水深、土壤肥力等信需求：从影像数据中提取水深、土壤肥力等信息息 水深：用于水Th态评价和植被的种植规划 土壤肥力：对湿地类型的分类和植被的种植规划处理流程处理流程数据

12、读取大气校正正射校正信息提取 水面区域提取 水深反演 土壤肥力反演数据：数据：2米WV-2多光谱数据数据读取：数据读取：多个TIFF格式图像文件 大气校正：大气校正：由于卫星传感器获取的观测 辐射亮度值是由大气、水体、陆地等综 合因素影响下获取的，为了去除大气、 水汽等因素的影响进行大气校正正射校正：正射校正：LV2A级别的Worldview2数 据，提供RPC文件，直接使用RPC文件 进行正射校正信息提取信息提取- 面向对象图像分类提取水面区域- 水深反演模型和土壤肥力SOC反演模型遥感图像预处理遥感图像预处理 打开打开.TIL文件，自动将多个文件，自动将多个TIF文件虚拟镶嵌为一个文件虚拟

13、镶嵌为一个文文件，方便处理件，方便处理面向对象工具面向对象工具FX提取城市水体信息提取提取城市水体信息提取反演水深反演水深城市土壤肥力反演城市土壤肥力反演应用：颜值很重要应用：颜值很重要以上资源来源NASA、Esri制图大赛作品、网络等应用：颜值很重要应用：颜值很重要以上资源来源NASA、Esri制图大赛作品、网络等问题遥感影像分类的困惑遥感影像分类的困惑预处理步骤的 选择数据大、信息 丰富样本区域性光谱信息很重 要，识别难度 较大遥感模型很重 要，甚至是核 心需要频繁的人机交互精度让人纠结专家系统什么情况需要做大气校正什么情况需要做大气校正 一般图像分类、多光谱物质识别不需要大气校正一般图像

14、分类、多光谱物质识别不需要大气校正 变化监测根据检测方法有选择的大气校正变化监测根据检测方法有选择的大气校正 光谱指数计算、高光谱物质识别、遥感定量反演一光谱指数计算、高光谱物质识别、遥感定量反演一般般需要大气校正需要大气校正左：表观反射率数据，右：地表反射率数据同一个像素的波谱差异图像增强图像增强 图像融合图像融合 全色与多光谱融合处理 真彩色合成真彩色合成/增强增强 缺少蓝色波段 传感器性能与拍摄区域 其他其他 去雾、去薄云 图像变换（PCA，MNF、） 图像增强的选择图像增强的选择 图像增强可以辅助目视解译、样本选择。图像增强可以辅助目视解译、样本选择。 基于光谱的自动分类是基于光谱的自

15、动分类是综综合总合总体体像元像元值值，图，图像像增强对增强对 其影响不会很大。其影响不会很大。 光谱指数计算、高光谱光谱指数计算、高光谱物物质识质识别别、遥、遥感感定量定量等等不选择不选择 图像增强处理。图像增强处理。 进行PCA、MNF等变换，主要是为了去相关方便选择端元波谱 由于全色图像没有好的方法进行精确大气校正，因此在此领域一般不使用全色图像。几个小问题几个小问题 当图像为不规则时候，背景会参与分类当图像为不规则时候，背景会参与分类 分类结果输出别的格式分类结果输出别的格式，如如TIFF，图图像属像属性性信息信息会会变变 化，如分类名称、颜色等信息。化，如分类名称、颜色等信息。ENVI

16、新的分类框架新的分类框架 可训练一个分类器，并将其运用于不同区域或时间可训练一个分类器，并将其运用于不同区域或时间段段 Support Vector Machine Softmax 在桌面软件或者企业级在线系统上都可以使用在桌面软件或者企业级在线系统上都可以使用 属于初级机器学习属于初级机器学习例子：新分类框架应用例子：新分类框架应用123032影像123033影像遥感图像分析遥感图像分析新方法新方法Orbital Insight公司公司 计算机深度学习方法（人工智能） 基于海量遥感图像进行零售业景气评估、世界石油储 备指数、全球水资源储备、中国经济指数、农业等信 息 Terrapattern

17、公司、公司、Connectivity Lab、DescartesLabs遥感系统的发展遥感系统的发展企业级遥感平台系统企业级遥感平台系统遥感定制系统遥感定制系统遥感桌面系统遥感桌面系统新一代企业级服务器遥感平台新一代企业级服务器遥感平台提供： 在线影像数据桌面桌面网页网页移动移动提供： 在线影像数据 在线影像处理数据服务器数据服务器桌面桌面网页网页移动移动服务器服务器影像处理影像处理以Services方式提供影像处理工具新一代企业级服务器遥感平台新一代企业级服务器遥感平台 基于基于SOA架构架构 灵活开发 系统集成 支持集群、云计算环支持集群、云计算环境境 并行计算、多线程计算 分布式计算 弹

18、性伸缩 多客户端多客户端 Web、移动、桌面 创新的创新的ENVI企业级服务器产品：企业级服务器产品：ENVI服务器Web应用应用移动移动其他其他Services Engine组织、创建及发布先进的组织、创建及发布先进的ENVI/IDL图像分析能力图像分析能力 标准Rest服务，易于其他Web系统集成可部署在任何现有可部署在任何现有集群环境、企业级服务器或云平台集群环境、企业级服务器或云平台中中 充分利用服务器端硬件资源快速处理和分析影像。在在Web浏览器或移动设备在线、按需、自助式请求遥感服务浏览器或移动设备在线、按需、自助式请求遥感服务桌面端桌面端影像影像模型模型ENVI Services Engine应用：在线分析应用：在线分析演示系统软件框架演示系统软件框架高性能处理环境移动端浏览器应用端 JavaScript界面应用应用服务服务开开发发应用应用程序程序ENVI Services Engine处理器处理器集群计算处理器