遥感图像解译与认知完整版

遥感智能计算与信息提取遥感图像解译与认知

目录第一节

遥感信息认知过程

第二节

遥感影像目视解译

第三节

计算机图像解译Modis

由美国航空航天

局

研制

。Modis

分辨率在0.25km～1km之间。Landsat

7号卫星获取的ETM+影像

包含可见光和近红外的6个波段

。空间

分辨率在15-30m。

1.

中低分辨率遥感影像地物分类地物覆盖制图一直以来都是遥感测绘领域的一项重要任务。自从中低分辨率遥感卫星发射以来，如何利用遥感影像进行自

动地物分类就成为了遥感信息提取领域经久不息的课题。Landsat

7号卫星Modis

（Terra卫星）有36个光谱波段，波长范围为0.4-14.4

µm，5基于像素的地物分类武汉地区2002年的ETM+影像

（30米分辨率）

1.

中低分辨率遥感影像地物分类

ETM+影像的地物分类8基于像素的地物分类云南地区2004年的Modis影像

（1000米分辨率）

1.

中低分辨率遥感影像地物分类

Modis影像的地物识别91.

中低分辨率遥感影像地物分类

中低分辨率的遥感影像地物分类特点：

影像没有地物目标的细节；采用基于像素的地物分类方法。由于受影像分辨率的限制，影像上地物，如房屋、树木等，并未表现明显的几何结构信息。因此基于像素的分类方法如最

大似然法、支撑向量机法就能完成较好的分类效果。随着影像空间分辨率的增加，高分辨率影像相对中低分

辨率遥感影像表现出了很多不同的特性。10IKONOS

卫

星

可

提

供

0.82-1

米

的

全

色红

和

近

红

外

波段）。IKONOS卫星的成功

2.

高分辨率影像的地物识别

高空间分辨率遥感卫星IKONOS卫星影

像

和

3.2-4m

的

多

光

谱

影

像

（

包

括

蓝

、

绿

、QuickBird卫星QuickBird

卫

星

可

提

供

0.61

米

的

全

色

影

像

和

2.4m

的

多

光

谱

影

像

（

包

括

蓝

、

绿、红和近红外波段。

QuickBird卫星运行标志着卫星遥感影像进入亚米级时代。是目前最成功的商用卫星之一。11

建筑物、道路、植被等地物类别具有明显的几何纹理特征；

地物类内方差变大，类间方差变小。高空间分辨率遥感影像2009年武汉地区IKONOS多光谱影像2010年海南三亚地区QB多光谱影像

成

像

光

谱

波

段

变

少

，

“

同

物

异

谱

”

“

异

谱

同

物

”

现

象

大

量

发

生

；12瓶颈表达地理时空数据获取信息提取数据分析知识挖掘决策支持真实地理时空信息流过程数据核心信息知识知识基本问题

遥感过程是对地理要素少量特征(如光谱属性)

的获取，且基本空间单元为空间聚合单元，

基本时间单位为离散时间切片单元，同时大

气扰动等不确定因素影响——使得遥感数据

分析时，很难直接从影像中反演出地理要素。

数据预处理的问题

人工智能的问题

地表格局复杂认知问题

数据预处理的问题如成像清晰，几何精校正、辐射校正、大气校

正等。所以已经有了像素工场，国内也逐步推

出少控制点整轨影像的快速精校正。当然这个里面还是有很多的问题值得研究：

影像更清晰、条带噪声的去处、云的去除和修

复等，雾霾的影响去除等。

人工智能的问题最好质量的信息提取结果是什么？是目视

解译的结果。我们对比信息提取的精度问题时，

主要参照物就是目视解译的结果。这说明什么

问题呢？人脑认知图像的境界目前是最高水平，

需要教给计算机去学习。但怎么教，以前是选

取样本，用一些底层的特征去表达，依靠分类

器去分类，那么可以知道分类的效果一定不佳。

现在呢人工智能的方法增多了，但能否有效果，

也有很多问题需要研究。

地球表面复杂性认知遥感区别于其他网络上图片，日常摄影的

照片的大量图像，就是它是对地表成像。如果

我们抛开地表，那遥感的很多问题就和图像检

索、标注、识别等一致。很多方法完全可以借

鉴过来。但不能忽视的一大问题就是对地表的

认知（尺度问题）。对图像的解译，只有很好

的识别图像，才能进行信息提取与分类。

目录第一节

遥感信息认知过程

第二节

遥感影像目视解译

第三节

计算机图像解译一、

地学解译的目的与要求

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。考虑的关键问题-数据源选择解译的平台解译要素

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、其它解译标志二、

遥感图像的目视解译方法与步骤

解译方法解译原则：尺度变化的过程

先整体，后局部

先已知，后未知

先易，后难尺度变化至上而下

由宏观到微观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。

图像解译以相关的专业知识和经验为主导，图像处

理为辅助，经验是在实践中逐步总结，如下为一些

经验性的总结：总体观察→到局部详细分析综合分析→前人调查资料、地面实况对比分析→地面调绘图、土地利用图已知→未知易→难山区→平原整体→局部（大类→二级分类）宏观特征→细部结构先线状地物→后图形

三、

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。资源信息专题类型提取标志水

田分布位置主要分布在河流冲积平原、盆地、河谷

川地。

主要作物以水稻、小麦、玉米、西瓜、蔬菜为主

。

影像特征形态以块状分布，地类边界清楚，地块

整齐。主基调为红、暗红、鲜红、黑灰和淡篮

色影像纹理细腻，颜色不均匀，作物间差

异较大。平

原

旱

地分布位置主要分布在盆地山前带、河流冲积、洪

积或湖积平

原（水源短缺灌溉条件较差）

。主要作物作物有小麦、玉米、谷子、糜子大豆、

土豆等。

影像特征影像的几何特征规则，地块大排

列整齐

。影像呈现出红、淡红、粉红、鲜红等颜

色。影像纹理较粗糙，但地类间色差很明显

。丘

陵

旱

地分布位置主要分布在丘陵的缓坡以及墚、

峁之上。

主要作物作物有小麦、玉米、谷子、糜子大豆、

土豆等。

影像特征几何特征不规则，连片，局部有条状形

态。影像呈现出红、淡红、粉红、鲜红等颜

色。影像纹理较粗糙，但地类间色差很明显

。山

区

旱

地分布位置主要分布在山坡、山腰、陡坡台地及山前带上。

主要作物主要农作物有小麦、玉米、青稞、油菜

、土豆等。

影像特征影像几何特征不规则

，局部呈条状形态。影像呈现出红、淡红、粉红和淡蓝等颜

色。

影像纹理较粗糙，纹理不均匀

。有

林

地（乔木林）

分布位置主要分布在中山坡地、谷地两坡、山顶

、平原等。

主要植被主要有松树、杨树、柳树、沙枣、梧桐

等。

影像特征几何形状不规则，与其它地类间边界滑

润清晰。影像呈现为鲜红，针叶或阔叶灌丛有明显区别。影像纹理色调较均匀，影像纹理都很细腻。灌木林分布位置分布在较高的山区，多数在山坡和山谷

及沙地。主要植被有高山杜鹃、高山柳、红柳、柠条、梭

梭等。

影像特征几何特征不规则，生长在低地中。影像呈现红、鲜红、粉红和暗红色

。影像纹理细腻，在同一色调中差异不大。疏

林

地分布位置主要分布在山区、丘陵、平原及沙地、

戈壁边缘。主要植被有高山杜鹃、高山柳、红柳、柠条、梭

梭等。

影像特征几何特征不规则，生长在低地中。影像呈红、鲜红、粉红色。以小块星点

状分布。影像纹理细腻，在同一色调中差异不大。其它林地（经济林等）

分布位置主要分布在绿洲田埂，河边、路边及居

民点周围。

主要植被主要有杨树、柳树、梧桐及各种果树等

。

影像特征大多数以线状、格状、点状和片状分布

。影像呈红、鲜红和粉红色的线格

状、点状分布。

影像纹理上看比较杂乱，不规则。高覆盖草地分布位置分布在山区、丘陵及河间滩地、戈壁、

沙地等。

主要植被嵩草、冰草、芦苇、针茅、红砂、骆驼

蓬等。

影像特征形态各异，连片分布地类边界明显

。影像呈以鲜红、红、淡红、粉红为主色

调

。影像质底较细腻、纹理清晰、颜色均一

。中覆盖草地分布位置主要分布在较干燥地方（戈壁洼地和沙

地内等）。

主要植被主要有苦豆子、骆驼刺、大针茅等

。影像特征形态不规则，基本生长在土层较厚易积

水地段。

影像颜色以红、淡红、粉红为主

色调。影象质底较细腻、颜色均一，不

同地类间色差较明显。低覆盖草地分布位置主要生长在较干燥地方(黄土丘陵上和沙地边缘

)。

主要植被骆驼刺、红砂、盐爪爪、骆驼刺、鸡爪

芦苇

。

影像特征形态不规则，基本生长在土层较厚易积

水地段。

影像颜色以粉红、淡红为主色调

。影象质底较细纹理清晰，地类间颜色差

别较大。河流与干支渠分布位置主要分布在平原、川间耕地以及山间沟

谷内。

主要名称黄河、渭河、黑河、美丽渠

。影像特征几何形状明显，河弯曲不定，支干渠相对较直。

影象呈现深蓝色、蓝色或淡蓝色

。影象质底较细腻、纹理清晰、颜色均匀

。湖泊分布位置主要分布在山间低地和沙地丘间低地内

。

主要名称黄河、渭河、黑河、美丽渠

。影像特征几何形状明显，河弯曲不定，支干渠相对较直。

影象呈现深蓝色、蓝色或淡蓝色

。影象质底较细腻、纹理清晰、颜色均匀

。水库坑塘分布位置主要分布在平原、川间谷内，周围有居

民地和耕地

。主要名称鸳鸯池水库、刘家峡水库等。影像特征几何形状较明显，人工建造痕迹明显（大坝）。影象深兰、兰、淡兰色，但颜色均匀。影象质底较细腻、纹理清晰、颜色均匀

。冰川及永久性积雪

分布位置主要分布在（4000M以上）高山顶部。

主要名称七一冰川及祁连山常年积雪。

影像特征它的几何特征沿等高线分布。影象呈现白色,但颜色均匀。影象质底较细腻，色调均一。河

滩

地分布位置基本分布在河流两侧及河心岛上。

主要名称黄河、渭河、榆林河、芦河、大同河、

湟水河等。影像特征呈现不规则的条带或片状。影象颜色呈现灰、灰白及白色。影象质底较细腻，色调均一。城镇用地分布位置主要分布在平原、山区盆地、黄

土塬、沟谷地台地。主要名称兰州市、西安市、西宁市、银川市、张

掖市等。

影像特征几何特征明显，形状多样，边界清晰。

影响为灰、灰白、白色。影象纹理较粗糙、但边界清晰农村居民用地分布位置主要分布在绿洲、耕地及路边、塬面、

坡上都有。主要名称芦草沟、山根村、水车湾村。

影像特征几何特征明显，较规则。影象颜色呈现灰、灰白及白色。影象纹理较粗糙，显得较乱。工矿和交通用地

分布位置一般分布在城镇和交通较发达的地区。

主要名称汝笈沟煤矿、兰化、兰州炼油厂等。

影像特征几何特征明显，较规则。影象呈现黑灰、灰和灰白色。影象纹理质地较粗糙，显得较乱。未利用土地沙

地分布位置大多分布在河流两侧、河拐湾及山前戈

壁外围。

主要名称滕格里沙漠、毛乌素沙地等。影像特征几何特征明显，边界清晰明显。影象呈现呈灰黄、灰和灰白色。影象质地较细腻。戈壁分布位置主要分布在风蚀较强有沙源物质输送的

山前带。

主要名称河西走廊二百里戈壁等。影像特征几何特征不明显，边界清晰。影象呈灰和灰白色。影象质地纹理较细腻。盐

碱

地分布位置主要分布在相对较低易积水及干湖泊及

湖泊边沿。

主要名称民勤碱碱湖及青海湖边等。影像特征几何特征不明显，边界清晰。影象呈灰、灰白、白色。影象质地纹理较细腻，颜色均匀。沼泽分布位置主要分布在相对较低易积水地段及湖盆

边缘。

主要名称格尔木北及宁夏沙湖周围。影像特征几何特征不明显，也不规则。影象呈鲜红、淡红及黑灰色。影象质地较细但不均匀。裸

土

地分布位置主要分布在较干旱地区（陡坡、丘陵、

戈壁）。

主要名称河西走廊、定西等地墚、峁地均有分布

。

影像特征几何特征不明显，地类边界线不规则。

影象呈现白色。影象质地较细、均匀。裸岩分布位置主要分布在极度干旱的山区（风大、少

雨）。

主要名称格尔木东及河西走廊两山。影像特征地类边界线明显但不规则。影象呈现灰白色。影象质地较细但不均匀。其它（高寒苔原）分布位置主要分布在4000M以上，冻融形成的裸露岩石。主要名称昆仑山、唐古拉山、祁连山等。

影像特征地类边界线明显但不规则。

影象呈深灰和白色。影象质地纹理较细但不规则

。阴影晴天时，高出地面的物体，或者物体本身起伏不

平，总会出现阴影。解译时，借助地物的阴影，有利于建立立体感，

帮助观察到物体侧面形态，弥补垂直摄影不足。

阴影常覆盖物体的细节，给解译带来不便。

阴影分为：本影、落影。（一）本影：物体

未被阳光直接照射到的

阴影部分。在山区，山

体的阳坡色调亮，阴坡

色调暗，而且山越高、

山脊越尖，山体两坡的

色调差别越大、界线越

分明，这种色调的分界

线就是山脊线。利用山体的本影可

以识别山脊、山谷、冲

沟等地貌形态特征。NN太阳高度角过大，阴影小而淡，影像缺乏立体感；角度过低则阴

影长而浓，会掩盖很多其他地质内容，通常30-40°比较有利。（二）落影h=L*tgΨh为物体的高度，L为落影的

长度，Ψ为太阳高度角。金字塔快鸟图像

目录第一节

遥感信息认知过程

第二节

遥感影像目视解译

第三节

计算机图像解译1

遥感图象光谱特征描述地物光谱特征

植被

水体不同植物类型的区分水体的光谱特征黄河水（泥沙含量960mg/L)

长江水（92.5mg/L)湖水（47.9mg/L)2

遥感图象边缘特征描述边缘边缘是指周围像素灰度有阶跃变化

或屋顶变化的那些像素的集合。

Poggio指出:“边缘或许对应着图像

中物体（的边界）或许并没有对应

着图像中物体（的边界）,但是边缘

具有十分令人满意的性质,它能大大

地减少所要处理的信息但是又保留

了图像中物体的形状信息”常见的边缘类型(1)

阶跃不连

续，即图像强

度在不连续处

的两边的像素

灰度值有着显

著的差异；(2)

线条不连

续，即图像强

度突然从一个

值变化到另一

个值，保持一

较小行程后又

回到原来的

值．理论曲线实际曲线(a)阶跃函数

(b)线条函数

两种常见的边缘一阶导数和二阶导数示

意图

边缘检测方法传统边缘检测方法:Roberts算子、

Sobel算子、

高斯-拉普拉斯算子等Canny边缘检测小波多尺度边缘检测…Q[i,

j

]

(

S[i,

j

]

S[i

1,

j

]

S[i

,

j

1]

S[i

1,

j

1])

/

2M

i,

j

P[i,

j]2

Q[i,

j]2Canny

边缘检测器的实现

1）求图像与高斯平滑滤波器卷积:S[i,

j]

G[i,

j;

]

I[i,

j

]2）使用一阶有限差分计算偏导数的两个阵列P与Q：P[i,

j

]

(

S[i,

j

1]

S[i

,

j

]

S[i

1,

j

1]

S[i

1,

j

])

/

23）幅值和方位角:

[i,

j

]

arctan

(Q[i,

j

]

/

P[i,

j

]

)4）非极大值抑制（NMS

）

：细化幅值图像中的屋脊带，即只保留幅值局部变化最大的

点。*将梯度角的变化范围减小到圆周的四个扇区之一，

*方向角：*幅值：N

i,

j

NMS(M

[i,

j

],

[i,

j

])

[i,

j

]

Sector(

[i,

j])在每一点上，邻域的中心象素M与沿着梯度线的两

个象素相比。如果M的梯度值不比沿梯度线的两个

相邻象素梯度值大，则令M=0(5)

滞后阈值化由于噪声的影响，对图像中单个边缘的错误响应，经

常会导致本应连续的边缘出现断裂的问题。这个问题

可以利用滞后阈值化加以解决。如果任何像素对边缘

算子的响应超过高阈值，将这些像素标记为边缘；响

应超过低阈值的像素，如果与已经标为边缘的像素4－

邻接或8－邻接，则将这些像素也标记为边缘，这个过

程反复迭代，剩下的孤立的响应超过低阈值的像素则

视为噪声，不再标记为边缘。这两个阈值根据信噪比

确定。Canny

边缘检测结果7X7高斯滤波模板

13X13高斯滤波模板Canny

边缘检测结果小波边缘检测算法

基于小波分析的边缘检测算法总结如下：（1）对原始图像进行多级小波分解，得到多尺度的模

图像。（2）计算并记录小波变换域中模为局部最大值的点。

（3）通过自适应阈值法进行阈值处理，得到多尺度的

边界图像。（4）进行逆小波变换，得到边界图像。飞机与其边缘图直线检测算法

Hough变换检测直线Hough变换利用图像空间和Hough参数空间的点－线对

偶性，把图像空间中的检测问题转换到参数空间。通

过在参数空间里进行简单的累加统计，然后在Hough

参数空间寻找累加器峰值的方法检测直线。变换前变换后(a)

原图

(b)

分割后图像

图4-4

Hough变换的对桥梁的分割结果利用Hough变换提取桥梁实验结果：图一：原始图像图三：最小二乘拟

合结果图二：白色表示线支持区域3

遥感图象纹理特征描述(b)纹理的概念(a)(a)

人工纹理；

（b）自然纹理目前的纹理提取技术的分类

统计方法

利用灰度值的空间分布这一特性，提出了一大批的

纹理统计方法与统计特征。

几何方法

纹理元构成纹理。

模型方法

通过模型参数来定义纹理，模型的参数决定着纹理

的质量。

信号处理方法（基于数学变换）

括空间域滤波、傅立叶滤波、Gabor和小波变换等。统计方法的分类

共生矩阵(GLCM)灰度共生矩阵是像素距离和角度的矩阵函数，它通过计

算图像中一定距离和一定方向的两点灰度之间的相关性，

来反映图像在方向、间隔、变化幅度及快慢上的综合信

息。

罗氏纹理能量

自相关

局部二元模式共生矩阵方法概述

在图像上任意取一点A(x,y),以及偏离它的另一

点(x+a,y+b),设A点对的灰度值为(f1,f2)。

然后再令A点(x,y)在整幅图像上移动，则会得

到各个(f1,f2)及偏离点(x+a,y+b)的(f1,f2)值。

设灰度值的级数为K，则f1和f2的组合有K的平

方种。

对于整幅图像，统计出每一种(f1,f2)值的出现

次数，然后排列成为一个方阵，再用(f1,f2)出

现的总次数将它们归一化为出现的概率P(f1,f2)，则称这样的方阵为灰度共生矩阵。共生矩阵的参数在计算得到共生矩阵之后，往往不是直接应

用计算的灰度共生矩阵，而是在此基础上计

算纹理特征量，经常用反差、能量、熵、

相关性等特征量来表示纹理特征

对比度参数

规律性参数

描述性统计量参数对比度(Contrast)

对比度使用了所要计算的像素点和GLCM中的对角线的

距离的平方作为权值来表示。为了描述一个区域中的对比度，必须创造一个权值，

当像素灰度值相差越大时，权值越大，相差越小时，

权值越小，相同时，权值为0。而GLCM的对角线表示

了没有对比度的值，越远离对角线，对比度越大。

解释：当i和j相等时，权值为0，表示没有像素之间没

有对比度，所以给0值；当i和j相差为1时，就有了小的

对比度，给权值为1；当i和j相差为2时，对比度增加为

4；权值随i和j的相差值增加而增加。均一度(Homogeneity)

解释：均一性是与对比度相反的。当i和j

相等时，权值为1，此时相关系数是最大

值——1；当i和j相差为1时，就有了稍小

的相关性，给权值为0.5；当i和j相差为2

时相关性减少到0.2；权值随i和j的相差

值增加而减少。

规律性参数Angular

Second

Moment

(ASM)能量平均信息量（很多文献里称为熵）

（Entropy）GLCM描述性统计量

GLCM均值（GLCM

Mean)

GLCM方差（GLCM

Variance）

GLCM相关性（GLCM

Correlation）*GLCM实验GLCM实验局部二元模式

Local

Binary

Pattern最基本的LBP

算子是一个固定大小为3

×3

的矩形块,此矩形中有

一个中心子块和8

个邻近子块对应于9

个灰度值。LBP

算子的作

用步骤(见图3)将四周的8

个灰度值与中心灰度值相比较,大于中心灰度值的子块

由1

表示,反之,则由0

表示。然后根据顺时针方向读出8

个二进制

值,作为该3

×3矩形块的特征值。由此作为对此区域纹理的描述。

扩展的LBP随后,出现了扩展LBP

算子,即使用不同数量的邻近子块以

及不同尺寸的矩形块,利用环形的邻近子块和灰度值线性

内插可以构造任意邻近子块和半径大小的LBP

算子。如图

4

为两个扩展LBP

算子,其尺度表示为(

P

,R)

,即在半径为R

的圆周上存在P

个插值点。LBP

实验结果信号处理方法

Gabor方法小波变换

22

2

2

GABOR

滤波提取图象纹理

定义方式h[

u

,

v

]

m,

n

k

2u2exp

k

u2

2

m

n

cos

k

u

m

cos

v

n

sin

v

exp

2

其中，

k

u

22u2,

u

0,1,

2

v

v

8,

v

0,1,2,...,7u是尺度参数，v为方向参数，

为方差，取为2

滤波器形状它是一个滤波器组，在0，45，90，135

度时不同尺度下的滤波器形状如下图：u=0,v=0

u=1,v=0

u=2,v=0

u=0,v=2

u=1,v=2

u=2,v=2u=0,v=4

u=1,v=4u=2,v=4u=0,v=6

u=1,v=6u=2,v=6Gabor

Filter

Gabor滤波器分割图像的主要原理：通过

构造一个滤波器组来提取图像不同方向

和尺度下的特征，达到分割图像的目的。

该算法中主要的操作步骤包括滤波器的

构造、特征的提取和特征的聚类。Gabor

Filter的一般步骤

滤波器的构造

特征提取特征平滑特征聚类Gabor

Filter试验结果Gabor

Filter试验结果应用实例一平原区农村居民点提取An

edge-suppressed

points

voting

method

for

extracting

rural

residential

areas

from

high

spatial

resolution

images，Remote

Sensing

Letter,

2017,

8(4),

380-388村庄提取2

2

22

exp

i

2

g

x,

y;

,

,

,

,

x

'

y

'

exp

2

x'

x

'

x

cos

y

sin

y

'

x

sin

y

cos

(5)-(8)(1)-(4)(1)-(3)(4)-(6)应用实例二养殖海岸线的提取Extrac