第五章遥感信息提取与地学应用方法1

第二章遥感信息提取与

地学应用方法目录第一节

遥感图像的解译第二节

图像分类第三节遥感信息模型第一节遥感图像的解译一、地学解译的目的与要求二、地学解译标志三、遥感图像的目视解译方法与步骤一、地学解译的目的与要求(一)、解译的涵义解译（判读、判译）是指从图像获取信息的基本过程。即根据地学工作的要求，根据解译标志和实践经验，应用各种解译技术和方法，识别出地学目标，地学现象的物性和特点，测算出某种数量指标的过程。(二)、地学解译的目的与要求地学解译目的：获取各种地学遥感信息。1.判明各种地学目标和地学现象是否存在；2.判明各种地学目标和地学现象的形态、属性和空间分布特征；3.测量各种地学参数；4.推测和分析各种地学物体、地学现象在时间、空间上成因上的相互关系。5.编制各种解译图件。二、地学解译标志地学解译标志：遥感图像上，能识别地学物体、地学现象，或能说明共性质和相互关系的影像特征，称为地学解译标志。直接解译标志：遥感图像上能直接见到的解译目标的影像特征（包括形状、大小、色调、阴影、花纹等），称直接解译标志。间接解译标志：需通过分析、判别才能识别地学目标，现象的存在，才能推断其性质的影像特征称为间接标志。如通过水系分析来判断岩性。水系即间接标志。对其认识取决于专业知识。直接解译标志一、色调与色彩二、地物的几何形态三、地物的大小四、阴影五、影纹六、影纹结构七、影纹图案（组合图案）八、其它解译标志一、色调与色彩：色调：黑白航片上影像的黑白深浅程度。色彩：彩色图像上影像的颜色。色调、色彩是地物波谱信息构成的影像属性。是最重要也是最基本的解译标志。色调深浅和色彩种类及其亮度在不同类型遥感图像上其物理涵义不同，所以（首先）要有图像波谱效应的概念。灰阶或灰度：黑白航片的色调等级称灰阶或灰度，一般分为10级黑白航片的色调等级称灰阶或灰度，一般分为10级二、地物的几何形态：地物的几何形态指地物的形状、相对大小，如房屋长方形，河流条带状等。三、地物的大小：与比例尺有关，所以物体的形态、大小分析要有比例尺的概念。四、阴影：包括本影和落影本影：地物本身未被阳光直接照射到的阴暗部分的影像。落影：在地物背光方向上地物投到地面的阴影。本影有助于获得立体感，对地质、地貌解译很有用。落影的形状和长度可以帮助判别地物立体形状和高度。如水塔和烟囱的落影。但阴影过大会遮盖大片其它地物面影响判读五、影纹：地物影像（细）斑块上的的质地、细微结构。六、影纹结构：地物影像斑块的影纹的集合形式。七、影纹图案（组合图案）：重复出现的细小（相对于图像比例尺而言）地物群体影像所构成的特殊组合花纹图案。其是地物形状、大小、色调、阴影、小水系、植被、微地貌、环境因素的综合显示。影纹图案可以宏观地反映出大面积出露的某一种地物（如某一种岩类）。八、其它解译标志：与判读对象关系密切的地物和现象，利用相关的专业知识和经验进行判读。如人类活动标志。IR＿1PA＿1三、遥感图像的目视解译方法与步骤一、解译方法解译原则：

先整体，后局部先已知，后未知先易，后难由宏观到微观解译方法：1直接判定法：对于像片上影像特征比较明显的地物，通过直接标志即可判定地物的性质、识别出地物。2对比分析法：将待判别影像与已知地物影像或标准图像上的影像进行比较，以判别该地物的性质。3逻辑推理法：利用各种现象之间的关系，依照逻辑推理进行判读。如泉眼线状分布可判定断层的存在。二、解译步骤（一）、准备工作1、资料准备1）根据研究对象和精度要求，选择相应比例尺，且最富含研究对象信息的图像种类和波段、波段组合作为解译的主要图像。另外还根据条件，尽量多地收集不同种类、波段、比例尺及不同时相的图像，以资综合分析之用。还应收集相应地区地形图，相关专题图和文献，作为判读的参考。地形图比例尺应与图像比例尺相近，以便对比和转绘。2、工具材料准备准备所需用的工具，材料如立体镜、放大镜、聚脂薄膜等。3、熟悉地理概况阅读研究区有关文献资料，了解基本情况（二）、室内判读初判：了解全区总貌，结合其它资料的对比，了解地区特征和各种判别要素的分布规律，特别是典型判别标志。建立影像标志(三)、野外调查实地研究各典型类型的影像物征验证、修改影像标志（四）室内详细判读详细判读：按一定次序进行的系统判读，勾绘出要素边界，对无法判定的要素标以疑问标记，选取野外验证路线。（五）、野外检查验证野外抽查对疑点、难点进行实地观察（四）成果整理修改、补充判读内容、成果，编写报告。第二节

图像分类一、概述二、监督分类三、非监督分类四、上下文分类五、空间信息的加入一、概述图像分类：将图像中每个像元根据其光谱信息、空间结构信息和（或）其它专题信息，按照一定的规则或算法划分为不同的类别可在由计算机自动完成最常用于分类的信息是光谱信息，即各波段的亮度值。另外还可以将空间结构信息，如图像纹理密度、方向等，及其它专题信息用于分类。这些信息的加入常可使分类的精度得到显著提高除考虑目标象元的特征外，还可以考虑周围象元的特征二、监督分类（supervised)原理方法下步骤监督分类的优缺点原理建立各类型已知样本区（训练区），根据训练区确定各类的统计特征，已此为基础，建立分类的判别函数，对每个象元进行类别划分。步骤训练区的选取类别统计特征的计算判别函数的确定对每个象元进行判别计算1训练区的选取对每一分类类型，在图像上圈定若干个已知区，作为训练区要点：训练区要典型，有代表性训练区最好能均匀分布于全区2类别统计特征的计算计算各类别训练区中各分类参数（波段）的统计特征值：均值、标准差、最大值、最小值、方差、协方差矩阵、相关矩阵或重心等。训练样本分类能力的考查地物亮度分布一般属于正态分布或对数正态分布某类单波段亮度直方图应为单峰，方差越小分类效果越好。如出现多峰说明有多个总体，视情况需修改训练区不同类在单波段直方图上匀值相距越大，方差越小，分类效果越好。两类直方图有重叠，则重叠区样本难以区分特征空间二维图中各类样本越集中，距离越远，分类效果越好错分误差(commissionerror)——像元被分到一个错误类别的比例漏分误差(omissionerror)——像元没被到相应类别的比例3判别函数的确定常用三种方法：平行算法最小距离法最大似然法平行算法又称盒式决策规则根据各类训练样本的亮度值范围(由亮度最大值和最小值确定）形成的多维数据空间区域来进行判别，将落入该区域内的像元划为该类。也可用均值和标准差来确定则如：或第i波段j类的最小亮度值；第i波段j类的最大亮度值；第i波段象元值；第i波段j类的标准差；人为规定阈值特点：快速边界附近的判别准不全理但当类别间亮度区域有重叠时无法判别最小距离法以均值向量或重心作为每类的中心位置，根据像元到各类别重心的距离来进行判断，将像元划到距离最小的类别无法考虑类别方差的来同，重叠区的划分误差较大或为均值向量最大似然法（Bayes)基于亮度值服从正态分布的假设；计算像元属于各类别的概率，将像元归入具最大概率的一类概率公式为：特点：可同时定量考虑多个波段和类别，且较好地考虑了各类方差（离散程度），因而较为合理，也具有较高的精度。监督分类的优缺点可根据应用和区域，有选择地决定分类类别可控制训练样本的选择通常具有较高的精度可根据训练样本分析分类精度参入了一定的人为因素所选类别可能不能履盖所有类型，造成一些象元找不到归属不能识别训练者不知道的类别花较多的人力和时间三、非监督分类也称集（点）群分析或聚类分析，是按光谱（亮度值）向量在特征空间聚集的情况来划分点群或类别一个点群或类别在N维的特征空间里在某个众数的周围，该区域数据点相对密集，亮度向量之间具有更大的相似性相似性量度的基本特征：1）亮度向量之的距离2）特征空间中不同区域的点密度非监督分类由程序来划分出符合实际的点群或类别，需通过叠代运算来完成。非监督分类步骤1选定起始集群中心根据直方图人为选取程序产生：分裂方法分别为全图的均值向量和标准差向量2计算距离与归类计算像元到各中心的距离，用最小距离的原则反像元归入不同的类别3检查和修改集群中心：根据规定的参数（阈值）来检查前一次循环中归类的结果，决定再分裂，合并或取消某些类别分裂：标准差超过参数“最大标准差”，已有类别数小于预期类别数，或某一类的像元数大于参数“最大像元数，则该类就要分裂为两个新的集群中心（类别）：及合并：把两个集群（类）合并在一起，重新计算其中心（均值）。两种情况下进行：两个集群之间的距离小于规定的阈值“最小群间距”集群数超过了规定的“最大分类数”类间距一般采用相似距离：为两个集群的中心；为两个集群的标准差取消：当某个集群的像元数少于参数“一类最小像元数”，则这一点群被取消，其像元分散到相邻的群中。4）输出分类结果：两个循环间各类均值向量平均移动距离小于规定的移动阈值，或循环达到规定次数，则计算停止，输出结果。开始输入用户参数选定初始集群中心将每个像元归入最近集群中心是否符合给定参数要求分裂、组合或取消输出分类图像及统计文件非监督分类流程图非监督分类的优缺点无面训练样本。人为误差机会少所有类别均可补识别难以对类别进行控制，所得群组不一定对应分析者想要的类别。难以进行不同图像之间的对比分类误差分析见书P202——P208第三节遥感信息模型与遥感定量方法一、遥感定量化问题

二、遥感信息模型的概念与特征

三、

定量遥感信息

四、遥感信息模型方法与步骤

一、遥感定量化问题目视解译的缺陷

遥感定量化问题

定量化的途径

目视解译的缺陷1、效率低下2、受解译者知识结构、经验的限制3、受主观因素的影响，如图像处理过程中为满足用户需要或某种其它需要而加入了人为的非科学干扰，使遥感陷入非科学的漩涡之中。对任何科学、技术，定量化都是追求的目标。遥感定量化问题

定位、定性、定量是遥感技术的三大支柱。遥感定量化包括：1、位置定量化

2、性质定量化

3、一些尚只有概念、规律性机理的定量化

定量化的途径

找出遥感信息与物理量之间的函数关系，在此基础之上根据遥感信息，计算每一点的物理量——遥感信息模型方法。

二、遥感信息模型的概念与特征

模型与原型

遥感信息模型概念

遥感信息模型的特征

模型与原型模型是相对于原型而言，是对原型某种特征的模拟，或对某种实物、过程的本质联系的抽象

实物模型——对原型的模拟：1

地形模型：具有几何相似2物理模型：具有几何相似外还具有时间、运动方式等物理特征相似信息模型——对原型本质关系的抽象，没有实体1数学模型——具有数值定量特征

2物理模型——具有数值定量特征外还反映对象物理学方面的内在联系，是根据物理学机制建立的信息模型。遥感信息模型概念

遥感信息模型是每一象元遥感信息与相应地物或现象本质关系的抽象。其为数学模型，但每一点皆有数据组成图像，故又具有实物、物理模型的特点

遥感信息模型的特征

1、除具有几何相似率、物理模拟率和定量化特征外，还具有可视化的特点，是新一代的地学模型。2、以点（象元）遥感信息为基础，深入到点的微观机理、过程的研究，即“见树木”。3、对区域的每一点（象元）进行计算，定量反映宏观特征、规律，故既见“树木”，又见森林。4、由于在点（象元）信息的基础上对全区进行计算，使多种随机因素（反映在象元遥感信息内）在宏观范围内得以充分考虑，得出的结果更接近实际，是最接近实际的一种地学方法。5、

易于实现，通常是以RS数据为基础，GIS支持，通过计算机程序完成。且象元众多，便于用统计方法实现一些未知参数的求取。6、输出结果是区域性的情况，既有点面积的状态，又有区域性、综合、宏观、规律性的情况，非常适合于地学研究、决策应用。

三、

定量遥感信息

光谱信息

几何信息

光谱信息

（一）直接象元灰度值：是一切信息的基础，是传感器到象元对应地物的光谱辐射强度，随地物种类，波段而异

（二）间接光谱信息

：经变换或经过信息提取后的图像元值。

（一）直接象元灰度值是一切信息的基础，是传感器到象元对应地物的光谱辐射强度，随地物种类，波段而异。DN值辐亮度反射率象元灰度波谱：在遥感平台上，传感器测得的象元地物综合电磁辐射强度随波长面变化的曲线。（二）间接光谱信息

经过变换或经过信息提取后的图像元值。

比值图像、差值、KL变换，典型分析，樱子帽变换经信息提取后的图像元值

几何信息纹理形态纹理纹理——通过象元在灰度变化而显示出提取方法：1、付氏变换

原图

频谱2、求导计算1）、纹理强度T1=△G/△S=（△G/△X）+（△G/△Y）T1—纹理强度；△G/△S—灰度随平面空间的灰度；△G/△X、△G/△Y—分别为灰度在行、列上梯度。2）纹理密度：TD=（gradG）/△S=△2G/△X2+△2G/△Y2T1——纹理密度、△2G/△X2、△2G/△Y2————分别为行和列上灰度梯度的梯度，上式实际上为拉普拉斯算式。3）纹理方位4）纹理长度5）纹理宽度

形态

1）二维：形状、图案信息提取

a局域象元数理统计：在窗口内求象元均值、方差、偏斜度等，以之作为几何信息标定值。b局域付氏变换，根据频谱图与光轴距离、方位能量分布根定几何特征值。2）三维：空间形态。多角遥感方法获取。3）常规方法所获得的信息：经插值、图像化后用于计算。

三、遥感信息模型方法与步骤

地学过程非常复杂，即有必然规律又有偶然因素的影响，各种因素之间的关系即有线性的，又有线性的，故需采取成因分析与统计相结合的方法，具体有以下四种方式：1概念分析与数理统计结合的方法2量纲分析与数理统计结合的方程3数理方程与数理统计结合的方程

4物理量的数理方程（物理方程）

概念分析与数理统计结合的方法即根据经验提出定量概念，然后对量化的概念进行统计分析——经验模型、统计模型几乎可以解决所有的地理问题，但须以大量的实验之上，将定性问题量化，物理学概念、机理不清，模型适应性差研究程度也最低。

量纲分析与数理统计结合的方程即把主要地理因子之间的关系通过量纲分析的方法求得无量纲因子团，再对因子团进行统计分析。在数学上一般已无困难，许多地理问题用这种方法都可得到解决。

有一定的物理学概念，但机理不清，模型适应性不高物理量的数理方程即将物理量的必然规律用数理方程表达出来，并能够求解有清析的物理学概念和物理学机理，模型适应性高其建立通常难度较大研究程度最高、最难，是数学研究室的前沿问题之一。

数理方程与数理统计结合的方程对数理方程中某些无法解决的参数或步骤用统计方法来解决，即把数理方程转化为统计方程来处理有清析的物理学概念和物理学机理，模型适应性高具有较高的可行性研究程度