动态监测技术

1、动态监测技术1动态监测遥感过程数据的输入输出动态监测信息后处理专题制图/三维可视化分析（集成GIS现有数据)成果报告（GIS分析/共享）图像预处理2图像预处理大气校正几何处理3为什么做大气纠正？太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器原始影像包含物体表面，大气，以及太阳的信息如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来。4大气散射直接反射邻接反射5大气校正方法基于辐射传输模型LOWTRAN模型MORTRAN模型ATCOR模型6S模型基于简化辐射传输模型的黑暗像元法基于统计的不变目标法基于植被指数的大气阻抗植被指数法6简化的黑暗像元

2、法 Dark Subtraction波段最小值Roi选择自定义值7ENVI FLAASH Fast Line-of-sight Atmospheric Analysis of Spectral HypercubesSpectral Sciences, Inc. (SSI)光谱研究的世界领先者 FLAASH的开发者与 AFRL一起进行 MODTRAN模型的研究Air Force Research Labs (AFRL)和SSI 以及Spectral Information Technology Application Center (SITAC) 共同研究开发 FLAASH与 SSI一起进行 M

3、ODTRAN模型的研究ITT VIS ENVI Integration and FLAASH GUI8FLAASH的特点FLAASH 通过多光谱/高光谱像素光谱上的特征来估计大气的属性采用目前精度最高的MODTRAN 4+模型用户可以选择MODTRAN模型的光谱分辩率可以有效地去除水蒸气, 气溶胶散射，漫反射的邻域效应。 调整由于人为抑止而导致的波谱平滑可以处理各种高（多）光谱、卫星和航空（860nm-1135nm）数据采用向导式操作流程9FLAASH 支持的数据能够对高光谱、多光谱影像进行校正高光谱：AVIRIS、HYDICE、HYMAP、HYPERION、CASI、AISA多光谱：ASTE

4、R、AVHRR、IKONOS、IRS、Landsat、 MODIS、 SeaWiFS、SPOT、 QuickBird多光谱与高光谱的模型基础一样：MODTRAN 4+10FLAASH高级设置光谱定义文件：内置AVIRIS、HYMAP、HYDICE、HYPERION、CASI、AISA气溶胶CO2混合比率：390ppm使用领域纠正使用以前的MODTRAN模型计算结果设置MODTRAN模型的光谱分辨率设置MODTRAN多散射模型11几何校正与正射校正仿射变换二次多项式局部三角网正射校正 Camera、ASTER、IKONOS、OrbView-3、QuickBird、SPOT1-5、CARTOSAT

5、-1、FORMOSAT-2、worldview-1自定义RPC/RSM文件正射校正12自动地理配准基于区域和基于特征两种算法寻找匹配点有地理参考不需手动选点手动选择三个点以上30米TM10米SPOT13丰富的镶嵌工具基于像素镶嵌和基于地理坐标镶嵌自动颜色平衡，边缘直方图匹配，无缝镶嵌接边线虚拟镶嵌中巴资源卫星八景影像镶嵌14影像的裁剪影像的裁减(空间、波谱)基于ROI的裁减基于矢量/栅格数据文件的裁剪自定义裁剪15遥感动态检测变化信息的发现变化信息的提取16遥感变化检测技术遥感变化检测就是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

6、、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17图像差值法图像差值法就是将两个时相的遥感图像相减。其原理是：图像中未发生变化的地类在两个时相的遥感图像上一般具有相等或相近的灰度值，而当地类发生变化时，对应位置的灰度值将有较大差别。因此在差值图像上发生地类变化区域的灰度值会与背景值有较大差别，从而使变化信息从背景影像中显现出来。 18光谱特征变异法同一地物反映在一时相影像上的信息与其反映在另外时相影像上的光谱信息是一一对应的。当将不同时相的影像进行融合时，如同一地物在两者上的信息表现不

7、一致时，那么融合后的影像中此地物的光谱就表现得与正常地物的光谱有所差别，此时称地物发生了光谱特征变异，我们就可以根据发生变异的光谱特征确定变化信息。前一时相TM影像后一时相SPOT影像特征变异影像19假彩色合成法由于地表的变化，相同传感器对同一地点所获取的不同时相的影像在灰度上有较大的区别。在进行变化信息的发现时，将前、后两时相的数据精确配准，再利用假彩色合成的方法，将后一时相的一个波段数据赋予红色通道，前一时相的同一波段赋予蓝色和绿色通道。利用三原色原理，形成假彩色影像。其中，地表未发生变化的区域，合成后影像灰度值接近，而土地利用发生变化的区域则呈现出红色，即判定为变化区域。前一时相影像后一

8、时相影像假彩色合成影像20多波段主成分分析法当地物属性发生变化时，必将导致其在影像某几个波段上的值发生变化，所以只要找出两时相影像中对应波段值的差别并确定这些差别的范围，便可发现变化信息。在具体工作中将两时相的影像各波段组合成一个两倍于原影像波段数的新影像，并对该影像作PC变换。由于变换结果前几个分量上集中了两个影像的主要信息，而后几个分量则反映出了两影像的差别信息，因此可以试着抽取后几个分量进行波段组合来发现变化信息。 21图像分类后比较法该方法的核心是基于分类基础上发现变化信息。即首先运用统一的分类体系对每一时相遥感影像进行单独分类，然后通过对分类结果进行比较来直接发现土地覆被等的变化信息

9、。前时相影像分类结果后时相影像分类结果分类比较法结果22波段替换法在RGB假彩色合成中，G和B分量用前时相的两个波段，用后一时相的一个波段影像组成R分量，在合成的RGB假彩色图像上能够很容易地发现红色区域即为变化区域 。 前时相影像后时相全色影像波段替换影像23图像直接比较法 Difference Map单波段间的差异运算减法除法数据预处理相对大气校正像元归一化处理像元单位标准化处理变化等级的量化阈值划分直接分割结果24分类后比较 Change Detection Statistics变化类型的差异分析变化统计像素百分比面积统计生成掩膜图像25流程化图像处理工具SPEAR主成分法变化检测两时相

10、影像主成分分析差值变化检测NDVI比值指数自定义指数单一波段26流程化图像处理工具SPEAR流程化操作方式集成两时相影像的配准自动选点手动选点27监测信息后处理智能数字化影像分类28信息提取技术手工数字化法屏幕数字化区域生长法图像自动分类监督分类非监督分类面向对象的特征提取法图像分割手工阈值分割自动阈值分割组合法多时相主成分分析法检测面向对象特征提取变化信息29Intelligent Digitizer工具半自动跟踪面状要素边界平滑要素拐弯处区域生长计算面状要素属性信息30影像计算机分类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

11、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。 31基于光谱分类方法非监督分类ISODATAK-Means监督分类基于传统统计分析分类器平行六面体最小距离马氏距离最大似然基于人工智能分类器神经网络基于模式识别分类器支持向量机模糊分类32支持向量机分类SVM业界领先的分类方法集成了最新的统计学习理论 的研究成果对噪音不敏感，提高了分类精度适合进行非线性分类分类结果整洁，适合用于GIS非常适合于4波段的高

12、分辨率数据33支持向量机和最大似然最大似然支持向量机34基于专家知识的分类系统基于遥感影像数据及其他空间数据，通过专家经验总结、简单的数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程。最大的特点是充分利用多源数据。35Decision Tree二叉树表示方法，便于理解动态的计算特定变量用户可根据待分类影像的特征自定义规则输入影像可以是单幅影像也可以是多幅影像，还可以是其他非影像数据查看分类器运行时的步骤与结果36表达式与变量表达式部分可用函数基本运算符+、-、*、/三角函数Sin、cos、tanasin、acos、atanSinh、cosh、tan

13、h.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（adb）变量作用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 0.337决策树分类器实例充分利用多源数据用于分类38专家分类器的应用领域利用以滤波核为基础进行的城市土地利用分类。利用多时相的图像进行变化监测和分析。利用历史事件数据、岩性、气象以及DEM数据产生的地质灾害决策支持系统。利用图像、以前

14、的调查数据、DEM以及模型产生的湿地调查结果。军事 ：“某地区可通过性”决策图, 由土壤、气象、坡度、坡向交通工具的类型等决策推理。更多其它应用39分类后处理类别统计分类图与原始影像叠加随机样点生成精度分析混淆矩阵分析ROC曲线分类结果整理: Clump, Sieve, Combine classes, Minority Analysis缓冲区分析分类结果矢量化40面向对象的图像分析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41 空间特征智能提取模块提供易于使用的向导操作

15、流程从高分辨率全色和多光谱数据中提取地物信息。包括：交通工具飞机, 坦克, 汽车, 船只建筑物建筑物轮廓, 屋顶基础设施道路, 桥梁, 机场, 海港码头自然要素河流, 湖泊,森林, 田地云和雾 空间特征智能提取Feature Extraction（FX）42三个步骤就能得到你想要的:分割合并分类很少的操作步骤和较少的点击次数使得各个水平的人都能快速获得满意的结果该模块特点是：容易使用 快速 & 交互式 高精度 可重复使用容易使用 快速 & 交互式 高精度 可重复使用43该模块特点是：随时预览提取结果以节约处理整个图像的时间随时可以调节参数容易使用 快速 & 交互式 高精度 可重复使用44该模块

16、特点是：先进的分割算法和分类算法保证了高精度的结果面向对象的方法花更少时间在分类矢量处理上容易使用 快速 & 交互式 高精度 可重复使用45该模块特点是：每次重复结果，得到同样的答案可以与同事共享参数设置加载相同的参数继续处理类似的数据容易使用 快速 & 交互式 高精度 可重复使用46应用于从影像中尤其是大幅影像中查找和提取特征。 添加新的矢量层到地理数据库 输出用于分析的分类影像 替代手工数字化过程 47集成定制ENVI定制与ArcGIS集成48ENVI定制开发介绍ENVI是使用IDL语言编写，用户可以很方便的通过IDL语言以及ENVI提供的二次开发工具对ENVI的功能进行增强，添加新的功能函数ENVI是非常开放的系统，用户可以定制、修改ENVI的菜单，为ENVI添加新的颜色、坐标系、投影类型以及各种类型的分析工具。 ENVI提供了一系列的程序和函数供程序员使用，能够极大地简化用户定制程序的开发，并保持和ENVI一样的外观用户函数可以用IDL、C、Fortran或者其它的高级语言编写，并集成到ENVI软件中，通过ENVI的菜单来执行。49ENVI系统定制界面汉化坐标系统、颜色系统等定制系统定制功能的增减界面的