智能信息感知技术 课件 第九章 智能遥感传感技术

智能传感技术——第九章

智能遥感传感技术目 录29.1

智能遥感传感技术基础常见智能遥感技术智能遥感数据处理技术智能遥感技术典型应用9.1

智能遥感传感技术基础39.1.1

智能遥感技术的概念广义遥感是泛指一切无接触的远距离探测，包括对电磁场、力场、机械波（声波、地震波）等的探测。狭义遥感是指从不同高度的平台上，使用各种传感器(Sensor)，接收来自地球表层的各种电磁波信息，并对这些信息进行加工处理，从而对不同的地物及其特性进行远距离探测和识别的综合技术。9.1

智能遥感传感技术基础49.1

智能遥感传感技术基础59.1

智能遥感传感技术基础9.1.2

遥感技术的特性空间特性(几何特性)遥感图像的空间特性，是从形态学的角度识别地物、建立解译标志、进行遥感数字图像处理等项工作的重要基础依据。遥感图像的空间特性主要涉及：空间分辨率比例尺投影性质几何畸变69.1

智能遥感传感技术基础79.1.2

遥感技术的特性空间分辨率空间分辨率定义为在遥感图像上所能分辨的最小目标的大小(地面分辨率)。地面分辨率取决于成像遥感器的技术参数、地物的空间特性和地物与背景环境的反差。9.1

智能遥感传感技术基础89.1.2

遥感技术的特性影像比例尺影像比例尺定义为影像上某一线段的长度与地面上相应水平距离的比值。不同类型的遥感影像因其投影性质的不同，会引起一定的影像几何畸变，从而造成一幅遥感图像上的比例尺是多变的。9.1

智能遥感传感技术基础99.1.2

遥感技术的特性投影性质与影像几何畸变不同类型的成像遥感器具有各自的成像方式和成像规律，从而不同的遥感影像具有不同的投影性质，同时产生不同性质的影像几何畸变。实际应用中，须掌握不同遥感影像的投影性质及影像几何畸变特性，并有效利用遥感影像的成像规律和特点，从而正确地进行图像处理及解译分析应用。9.1

智能遥感传感技术基础109.1.2

遥感技术的特性波谱特性遥感图像的波谱特性，在相同的成像条件下，相同地物具有相同或相似的波谱特性，不同地物具有不同的地物波谱特性。目前遥感能探测的电磁波段有紫外线、可见光、红外线、微波。遥感图像记录了其相应的探测波段范围内不同地物的电磁波谱特性信息，主要表现在影像密度(灰度、色调)差异和色彩的差异，反映出电磁辐射能量(强度)的大小。9.1

智能遥感传感技术基础119.1.2

遥感技术的特性时间特性遥感图像的时间特性，是从不同的时间尺度以及多时相的角度出发来进行地物或现象识别的基础依据。不同地物其波谱特性具有不同时间尺度意义上的时相变化特点(多时相效应)：�自然变化过程节律9.1

智能遥感传感技术基础129.1.3

遥感技术分类按遥感探测的对象宇宙遥感：是对宇宙中的天体和其他物质进行探测的遥感。地球遥感：是对地球和地球上的事物进行探测的遥感。按遥感获取数据形式成像方式遥感：能获取遥感对象的图像的遥感。非成像方式遥感：不能获取遥感对象的图像的遥感。9.1

智能遥感传感技术基础139.1.3

遥感技术分类按遥感平台航天遥感：在航天平台上进行的遥感。航天平台有探测火箭、卫星、宇宙飞船和航天飞机。航空遥感：在航空平台上进行的遥感。航空平台一般处于海拔高度低于12km的空中。地面遥感：传感器设置在地面平台上，地面平台有三脚架、遥感车、遥感塔和船等。9.1

智能遥感传感技术基础9.1.3

遥感技术分类按传感器工作方式被动遥感：传感器只能被动地接收地物反射的太阳辐射电磁波信息进行遥感。主动遥感：传感器本身发射人工辐射。接收目标地物反射回来的辐射，这种探测地物信息的遥感即主动遥感。149.1.3

遥感技术分类9.1

智能遥感传感技术基础15169.1

智能遥感传感技术基础9.1.3

遥感技术分类按传感器探测波段紫外遥感：探测波段在0.05-0.38μm之间；可见光遥感：探测波段在0.38-0.76μm之间；红外遥感：探测波段在0.76-1000μm之间；微波遥感：探测波段在1mm-1m之间；多波段遥感：指探测波段在可见光波段和红外波段范围内，再分成若干窄波段来探测目标。紫外红外9.1

智能遥感传感技术基础179.1.3

遥感技术分类按遥感应用从大的研究领域可分为外层空间遥感、大气层遥感、陆地遥感、海洋遥感等；从具体应用领域可分为资源遥感、环境遥感、农业遥感、林业遥感、渔业遥感、地质遥感、气象遥感、水文遥感、城市遥感、工程遥感及灾害遥感、军事遥感等，还可以划分为更细的研究对象进行各种专题应用。9.1

智能遥感传感技术基础189.1.4

遥感技术系统遥感技术系统由遥感平台、传感器、信息传输装置、数字或图像处理设备以及相关技术组成。遥感平台：是装载传感器的工具，按高度，大体可分为地面平台、航空平台和航天平台三大类。传感器：是远距离感测地物环境辐射或反射电磁波的一起，如照相机、扫描仪等。9.1.4

遥感技术系统199.1

智能遥感传感技术基础分析判断9.1

智能遥感传感技术基础209.1.5

遥感发展历程发展历史无记录的地面遥感阶段(1608-1838年)有记录的地面遥感阶段(1839-1857年)航空摄影遥感阶段(1858-1956年)航天遥感阶段(1957-至今)9.1.5

遥感发展历程9.1

智能遥感传感技术基础219.1.5

遥感发展历程229.1

智能遥感传感技术基础4、3、2波段合成的TM图像（重庆市丰都）9.1.5

遥感发展历程239.1

智能遥感传感技术基础IKNOS图像（2006年西南大学）249.1

智能遥感传感技术基础9.1.5

遥感发展历程中国遥感事业的发展20世纪30年代，在个别城市进行过航空摄影。20世纪50年代，开始系统的航空摄影。20世纪70年代以来，遥感事业有了长足进步。259.1

智能遥感传感技术基础9.1.5

遥感发展历程中国遥感事业的发展自1970年4月24日发射“东方红1号”人造卫星以后，相继发射了数十颗不同类型的人造地球卫星。太阳同步的“风云l号”(FY-lA，lE)

和地球同步轨道的“

风云2

号”(FY-2A,2B)

的发射，

返回式遥感卫星的发射与回收，使我国开展宇宙探测、通讯、科学实验、气象观测等研究有了自己的信息源。1999年10月14日中国-巴西地球资源遥感卫星CBERS-1的成功发射，使我国拥有了自己的资源卫星。“北斗1,2”定位导航卫星及"清华1号"小卫星的成功发射，丰富了我国卫星的类型。9.1.5

遥感发展历程269.1

智能遥感传感技术基础279.1

智能遥感传感技术基础9.1.5

遥感发展历程中国遥感事业的发展2002

年9

月18

日，

于5

月15

日一箭双星发射的海洋一号卫星和风云一号D星同时正式交付使用

。2002年10月27日，第2颗中国资源二号卫星升空并正常运行。至此，中国已有12颗应用卫星在太空中成功运行，这些卫星有：资源一号、资源二号卫星(2颗)，风云一号(2颗)、风云二号(2颗)气象卫星，东方红三号、中星二十二号通信卫星，北斗一号定位卫星(2颗)和海洋一号海洋卫星，几乎涵盖了世界上在太空中运行的所有应用卫星品种，应用范围涉及国民经济诸多领域。289.1

智能遥感传感技术基础9.1.5

遥感发展历程中国遥感系列卫星中国遥感系列卫星是指利用遥感技术和遥感设备，对地表覆盖和自然现象进行观测的人造卫星，主要应用于国土资源勘查、环境监测与保护、城市规划、农作物估产、防灾减灾和空间科学试验等领域。2006年4月27日，“遥感一号”在太原卫星发射中心发射成功。2018年1月25日，“遥感三十号”在西昌卫星发射中心发射成功。299.1

智能遥感传感技术基础9.1.5

遥感发展历程高分专项工程高分专项工程是中国国家中长期科学和技术发展规划纲要(2006－2020年)

的16个重大科技专项之一。高分一号、二号、四号卫星发射升空，实现了亚米级高空间分辨率与高时间分辨率的有机结合。“高分专项”在网络上被亲切的称为“中国人自己的全球观测系统”。2019年11月28日7时52分，我国在太原卫星发射中心用长征四号丙运载火箭，成功将高分十二号卫星发射升空，卫星顺利进入预定轨道，任务获得圆满成功。9.1

智能遥感传感技术基础9.1.5

遥感发展历程高分专项工程309.1

智能遥感传感技术基础319.1.5

遥感发展历程当前遥感发展趋势从传感器技术性能出发深化遥感技术成果的实际应用利用当前遥感技术不断对地理信息系统进行开发完善研究更加精确、高效、鲁棒性好的智能遥感数据处理技术9.2

常见智能遥感技术329.2.1

智能光学遥感可见光遥感是指传感器工作波段限于可见光波段范围（0.38~0.76𝜇𝜇𝑚𝑚）之间的遥感技术。电磁波谱的可见光区波长范围约在0.38~0.76𝜇𝜇𝑚𝑚之间，是传统航空摄影侦察和航空摄影测绘中最常用的工作波段。9.2

常见智能遥感技术9.2.1

智能光学遥感光学遥感器对地观测星载遥感器有Landsat系列、中巴资源卫星、法国SPOT-5和QuickBird等。SPOT图像(2000年北碚)Quick

Bird

图像339.2

常见智能遥感技术9.2.1

智能光学遥感遥感成像模型可见光遥感技术属于光学被动成像的一种，成像过程主要包括探测、光电辐射转换、图像形成三个环节。分光器件光学部件探测器电子器件A/D采样辐射能量形成图像349.2

常见智能遥感技术359.2.1

智能光学遥感遥感成像模型辐射传输过程遥感器接收能量：光学被动遥感接收的电磁波包括太阳辐射和地球表面辐射电磁波两个部分。λsu地表直接反射部分L ，这是遥感器成像的主要能量大气向下散射后经地面二次反射再进入遥感器观测角内的辐射能量Lsdλ太阳辐射向上散射被遥感器接收的部分Lsp，主要包括大气分子、λ瑞利散射、气溶胶或者空气中的悬浮物粒子造成的米氏散射等。9.2

常见智能遥感技术369.2.1

智能光学遥感遥感成像模型辐射传输过程遥感器所接受到的总辐射为λLsλ λλ=Lsu+Lsd+

Lsp9.2

常见智能遥感技术379.2.1

智能光学遥感遥感成像模型遥感器模型传输型光电遥感器由三个子系统组成，分别是光学系统、探测器系统和信号处理电子学系统。光学部件收集地物透过大气层传输到遥感器的辐射能量信号，在焦平面上聚焦形成图像；CCD探测器阵列负责光电转化；经信号处理器对测量电信号进行增强；A/D转换将空域和幅度连续的模拟信号离散量化为数字信号。9.2

常见智能遥感技术9.2.1

智能光学遥感遥感成像模型遥感器模型分光器件光学部件探测器电子器件A/D采样辐射能量形成图像遥感器成像系统结构图389.2

常见智能遥感技术399.2.1

智能光学遥感遥感传感器成像方式遥感传感器类型多种多样，按照遥感器扫描方式，分为三种模式：摆扫成像、推扫成像和凝视成像。不同工作方式对空间分辨率有一定影响。9.2

常见智能遥感技术9.2.1

智能光学遥感遥感传感器成像方式摆扫成像40工作原理旋转扫描镜沿垂直于飞行方向来回摆动，配合沿轨道的飞行共同完成空间扫描摆扫成像系统采用行扫描，每条扫描线均有一个投影中心，所得的影像是多中心投影影像。9.2

常见智能遥感技术419.2.1

智能光学遥感遥感传感器成像方式推扫成像工作原理推扫式成像系统利用遥感器平台向前飞行和与飞行方向垂直的扫描线记录，获取二维图像。推扫式把探测器扫描方向排列阵列接受地面辐射信号。若探测器为线状分布则为线阵扫描系统，若为面阵分布则为面阵扫描系统。9.2

常见智能遥感技术凝视成像9.2.1

智能光学遥感遥感传感器成像方式工作原理凝视成像采用二维阵列探测器。凝视成像有两种模式：理想凝视部分凝视429.2

常见智能遥感技术439.2.1

智能光学遥感遥感传感器成像方式各成像方式优缺点摆扫成像可以得到很大的总视场且像元配准好，一台仪器波段范围可以很宽；但也可能会导致像点的位移、失真和运动模糊等问题。推扫成像光谱仪凝视时间相对较长，系统的灵敏度和信噪比高，从而提高空间分辨率和光谱分辨率，而且体积相对较小；但总视场角不能很大，一般只能达到30°左右。9.2

常见智能遥感技术449.2.2

智能高光谱遥感高光谱遥感是指利用很多很窄的电磁波波段（通常小于10nm），从感兴趣的物体获取有关数据，利用“图谱合一”的特点，研究地表物质的成分、含量、存在状态和动态变化与光谱反射率之间的对应关系的科学。高光谱遥感是高光谱分辨率遥感的简称，其光谱分辨率为纳米级。9.2

常见智能遥感技术9.2.2

智能高光谱遥感459.2

常见智能遥感技术9.2.2

智能高光谱遥感相关基本概念光谱分辨率空间分辨率仪器的视场角(FOV)调制传递函数(MTF)信噪比(SNR)探测器凝视时间(dwell time)469.2

常见智能遥感技术9.2.2

智能高光谱遥感光谱分辨率光谱分辨率是指探测器在波长方向上的记录宽度，

又称波段宽度

（bandwidth），如图所示。图中的纵坐标（y轴）表示探测器的光谱响应，是横坐标（x轴）所代表的波长的函数。光谱分辨率被严格定义为仪器达到光谱响应最大值的50%时的波长宽度。探测器光谱响应47/%波长/μm

9.2

常见智能遥感技术489.2.2

智能高光谱遥感空间分辨率空间分辨率是指遥感图像上能够详细区分的最小单元的尺寸或大小，是用来表征影像分辨地面目标细节的指标。对于成像光谱仪，其空间分辨率是由仪器的瞬时视场角(IFOV)决定的。遥感器的瞬时视场角是指某一瞬间遥感系统的探测单元对应的瞬时视场。IFOV以毫弧度(mrad)计量，其对应的地面大小被称为地面分辨单元(GR)，它们的关系为：GR=2×tan(IFOV/2)×H式中,

H——遥感平台高度；

IFOV——瞬时视场角。9.2

常见智能遥感技术499.2.2

智能高光谱遥感仪器的视场角(FOV)仪器的视场角是指仪器扫描镜在空中扫过的角度，它和遥感平台高度共同决定了地面扫描宽度(GS)。GS=tan(FOV/2)×H×2调制传递函数(MTF)调制传递函数反映遥感器(或图像)的光学对比度与空间频率的关系，是成像系统对所观察景物再现能力的度量。其表达式为：调制传递函数=图像的调制度/目标的调制度9.2

常见智能遥感技术509.2.2

智能高光谱遥感信噪比(SNR)信噪比是遥感器采集到的信号和噪声之比，是遥感器的一个极其重要的性能参数。信噪比和图像的空间分辨率、光谱分辨率是相互制约的，空间分辨率和光谱分辨率的提高都会降低信噪比。探测器凝视时间(dwell

time)探测器的瞬时视场角扫过地面分辨单元的时间称为凝视时间，其大小为行扫描时间与每行像元数的比值。凝视时间越长，进入探测器的能量越多，光谱响应越强，图像的信噪比也就越高。9.2

常见智能遥感技术9.2.2

智能高光谱遥感高光谱遥感的特点波段多光谱分辨率高波段连续数据量大信息冗余增加519.2

常见智能遥感技术529.2.2

智能高光谱遥感高光谱数据表达方式图像立方体高光谱遥感能够同时获取目标区域的二维几何空间信息与一维光谱信息，因此高光谱数据具有“图像立方体”的形式和结构，其图像空间用于表述地物的空间分布，而光谱空间则用于表述每个像素的光谱属性，体现出“图谱合一”的特点和优势。9.2

常见智能遥感技术9.2.2

智能高光谱遥感高光谱数据表达方式光谱曲线

吸

到对于某一点的光谱特征最直观的表达方式就是二维的光谱曲线。用直角坐标系表示光谱数据，横轴表示波长，纵轴表示反射率，则光谱的收特征可以从曲线的极小值获得。在显示曲线时，必须将波段序号转换光谱波长值，映射到水平轴上。539.2

常见智能遥感技术549.2.2

智能高光谱遥感高光谱数据表达方式光谱曲面为了同时表达出更多的光谱信息，选取一簇光谱曲线，构成三维空间的曲面，用投影方式显示在二维平面上，形成三维光谱曲面图。三维光谱曲面就是在二维光谱曲线坐标系中添加空间轴。在显示光谱曲面时，用直线段连接相邻的网格点就可以表达出光谱曲面的形状。9.2

常见智能遥感技术559.2.2

智能高光谱遥感高光谱遥感成像机理成像光谱仪是集探测器技术、精密光学机械、微弱信号探测、计算机技术信息处理技术等为一体的综合性技术，每个单项技术的发展都会推进成像光谱技术的提高，其中比较重要的关键技术有以下五项。探测器焦平面技术各种新型的光谱仪技术和精密光学技术高速数据采集、传输、记录和实时无损数据压缩技术成像光谱仪的光谱与辐射定标技术成像光谱信息处理技术9.2

常见智能遥感技术569.2.2

智能高光谱遥感高光谱遥感成像机理成像光谱技术的分类方法很多，从原理上可以分为棱镜光栅色散型、干涉型、滤光片型、计算机层析成像、二元光学元件成像、三维成像光谱技术。9.2

常见智能遥感技术579.2.2

智能高光谱遥感高光谱遥感成像机理棱镜光栅色散型成像光谱仪色散型成像光谱仪入射狭缝位于准直系统的前焦面上，入射的辐射经准直光学系统准直后，经棱镜和光栅狭缝色散后，由成像系统将光能按波长顺序成像在探测器的不同位置上。色散型成像光谱仪按探测器的构造,可分为线列与面阵两大类,它们分别称之为摆扫型成像光谱仪和推扫型成像光谱仪。9.2

常见智能遥感技术589.2.2

智能高光谱遥感高光谱遥感成像机理棱镜光栅色散型成像光谱仪摆扫型成像光谱仪原理图推扫型成像光谱仪原理图9.2

常见智能遥感技术59光楔成像光谱仪9.2.2

智能高光谱遥感高光谱遥感成像机理滤光片型成像光谱仪滤光片型成像光谱仪是每次只测量目标上一个行的像元的光谱分布，它采用相机加滤光片的方案，原理简单，并有很多种类，如可调谐滤光片型、光楔滤光片型等。9.2

常见智能遥感技术609.2.2

智能高光谱遥感高光谱遥感成像机理计算机层析成像光谱技术层析成像光谱仪将成像光谱图像数据立方体视为三维目标，利用特殊的成像系统记录数据立方体在不同方向上的投影图像，然后利用层析算法重建出数据立方体。9.2

常见智能遥感技术619.2.3

智能微波遥感在电磁波谱段中，波长在

1～1000mm

的波段范围称微波，频率为300MHz-300GHz。微波遥感是指通过微波传感器获取从目标地物发射或反射的微波辐射，经过判读处理来识别地物的技术。主动式微波遥感由传感器自身发射微波束，再接收地物反射回来的微波信号，很少受太阳辐射的影响，可以全天候工作，不受成像时间和大气条件的限制，应用很广泛。9.2

常见智能遥感技术629.2.3

智能微波遥感主动微波遥感雷达系统一般包括发射机、接收机、天线和存储机。雷达工作原理是天线发出的一束电磁波（或微波）辐射射向目标，电磁辐射与目标发生相互作用，其中有一部分背向散射返回到天线，雷达接收机探测到回波信号，经一系列的信号处理后，送入存储器，存储器的信号经成像后形成雷达图像。9.2

常见智能遥感技术639.2.3

智能微波遥感主动微波遥感真实孔径侧视雷达真实孔径侧视雷达(RAR)，雷达采用真实长度的天线接收地物后向散射并通过侧视成像。雷达图像的空间分辨率包括两个方面：距离分辨率和方位分辨率。距离分辨率是指雷达所能识别的同一方位向上的两个目标之间的最小距离，方位向分辨率为波束宽度与到达目标的距离之积。9.2

常见智能遥感技术9.2.3

智能微波遥感主动微波遥感真实孔径侧视雷达平行于雷达飞行方向的分辨率称为方位分辨率；垂直于飞行方向的分辨率称为距离分辨率。649.2

常见智能遥感技术659.2.3

智能微波遥感主动微波遥感合成孔径侧视雷达合成孔径雷达(Synthetic

Aperture

Radar,

SAR)是一种先进的主动式微波对地观测设备具有全天候、全天时工作的特点对地面植被有一定穿透能力，能获得类似光学照片的目标图像在国民经济和军事应用领域有着十分重要的作用9.2

常见智能遥感技术669.2.3

智能微波遥感主动微波遥感合成孔径侧视雷达Sandia实验室提供的3米分辨率的SAR图像9.2

常见智能遥感技术9.2.3

智能微波遥感主动微波遥感SAR67spherical

waveSAR:SyntheticAperture

Radar-ActiveRemoteSensing

SystemSAR成像原理SAR利用天线向目标发射能量和接收从目标返回的能量，并用数字设备记录所成图像。9.2

常见智能遥感技术9.2.3

智能微波遥感主动微波遥感ISAR、InSAR和PolSARISAR：雷达不动、目标运动InSAR：是以同一地区的两张SAR图像为基本处理数据，通过求取两幅SAR图像的相位差，获取干涉图像，从干涉条纹中获取地形高程数据的空间对地观测新技术。(雷达三维成像技术)PolSAR：极化合成孔径雷达(PolSAR)通过变换收发电磁波的极化方式来获得目标的极化散射矩阵。美国旧金山地区L波段的极化SAR数据689.2

常见智能遥感技术69，目标（散射体）距9.2.3

智能微波遥感主动微波遥感合成孔径的形成若雷达天线孔径尺寸为D,天线辐射电磁波的波长为雷达的距离为r，

则目标分辨率为：D显然，天线孔径D越大，对目标的分辨率越高。困难：不能无限制增大天线孔径，因而普通雷达的目标分辨率是相当有限的，普通雷达对远距离目标的分辨率是很差的。

0.88

r9.2

常见智能遥感技术709.2.3

智能微波遥感主动微波遥感提高方位分辨率要依靠减小波束宽度，即要采用大孔径的天线。而在现实中过分增加天线的长度是很难做到的，特别是在飞行平台上。为了提高方位分辨率，利用小天线，称为阵元，排成很长的线性阵列，将这些线性阵列安装于运动平台上，通过运动形成一个等效的大孔径天线，并不断地记录回波的相位和幅度。将它们按阵列回波作合成处理，可以得到与实际阵列相类似的结果，从而提高方位分辨率。这就是SAR的工作原理。9.2

常见智能遥感技术719.2.3

智能微波遥感主动微波遥感提高距离分别率真实孔径雷达的距离分辨率受发射脉冲宽度的限制，当要求非常高的距离分辨率时，必须发射非常窄的脉冲，同时随着距离的增大发射信号的能量也必须增大；SAR克服了这些困难，它利用脉冲压缩技术获得高的距离分辨率，解决距离分辨率与探测距离之间的矛盾。9.2

常见智能遥感技术729.2.3

智能微波遥感主动微波遥感机载侧视雷达遥感系统雷达的遥感平台有飞机和卫星，以飞机为平台的雷达叫机载侧视雷达遥感(SLAR)。星载侧视雷达遥感系统以卫星为平台的雷达叫星载雷达遥感，比较常用。应用较多的星载雷达系统有SIR系统、ERS系统和RADARSAT系统。9.2

常见智能遥感技术9.2.3

智能微波遥感SAR图像的特性739.2

常见智能遥感技术9.2.3

智能微波遥感SAR图像的特性SAR图像的穿透性749.2

常见智能遥感技术759.2.3

智能微波遥感SAR图像的特性SAR图像极化特性单极化是指(HH)或者(VV)，就是水平发射水平接收或垂直发射垂直接收。气象雷达领域那一般都是(HH)

。双极化是指在一种极化模式的同时，加上了另一种极化模式，如(VH：垂直发射水平接收)和(HV：水平发射垂直接收)。全极化技术难度最高，要求同时发射H和V，也就是(HH)(HV)(VV)(VH)四种极化方式。9.2

常见智能遥感技术769.2.3

智能微波遥感SAR图像的特性SAR图像几何特性斜距图像的比例失真透视收缩顶底位移雷达视差与立体视差雷达阴影9.2

常见智能遥感技术9.2.3

智能微波遥感SAR图像的特性SAR图像辐射特征SAR图像的斑点与噪声类似，但它不是噪声。雷达图像上周期性出现的斑点噪声是源于SAR系统本身就是一个相干系统，

由于相干波的加强和减弱叠加而引起。779.3

智能遥感数据处理技术78遥感图像大范围地获取能力和重复观测能力都是视觉系统难以实现的，于是我们希望能够设计出具有自学习、自推理、自适应能力和提高计算效率的计算机目标识别算法、分类器和变化检测器，弥补视觉系统的不足并辅助完成科研生产任务。遥感图像的模式识别是要用计算机去提取各种传感器获取的光谱信息、空间和时间变化信息以及这些信息所表达的农业、林业、地质调查测绘、城市规划、资源环境调查和灾害等实体模式的要素集合。9.3

智能遥感数据处理技术799.3.1

遥感图像地物分类方法智能遥感图像分类是利用计算机技术来模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息，例如光谱特性、空间结构等，进行属性的自动判别和分类，以达到提取所需地物信息的目的。从分类前是否需要获得训练样区类别这一角度进行划分，可以划分为监督分类和非监督分类。9.3

智能遥感数据处理技术809.3.1

遥感图像地物分类方法监督分类根据已知训练样区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。常用算法有最大似然比分类，最小距离分类。9.3

智能遥感数据处理技术9.3.1

遥感图像地物分类方法监督分类最大似然比分类通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。819.3

智能遥感数据处理技术

分类速度快。829.3.1

遥感图像地物分类方法监督分类优缺点优点：根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别；可以通过检查训练样本来决定训练样本是否被精确分类；缺点：主观性由于图像中间类别的光谱差异，是训练样本没有很好地代表性；训练样本的获取和凭借花费较多的人力时间；只能识别训练中定义的类别。9.3

智能遥感数据处理技术9.3.1

遥感图像地物分类方法非监督分类根据事先指定的某一准则，让计算机自动进行判别归类，无需人为干预，分类后需确定地面类别。在非监督分类中，先确定光谱可分的类别(光谱类)然后定义他们的信息类。839.3

智能遥感数据处理技术849.3.1

遥感图像地物分类方法非监督分类常用非监督分类算法K-均值分类算法(分级集群法)ISODATA分类算法(动态聚类法)9.3

智能遥感数据处理技术859.3.1

遥感图像地物分类方法非监督分类K-均值分类算法当同类物体聚集分布在一定的空间位置上，他们在同样条件下应具有相同的光谱信息特征，这时其他类别的物体应聚集分布在不同的空间位置上。由于不同地物的辐射特征不同，反映在直方图上会出现很多峰值及其对应的众数灰度值，他们在图像上对应的像元分别倾向于聚集在各自不同的众数附近的灰度空间形成的很多点群，这些点群就叫集群。一个集群就是一种分类。9.3

智能遥感数据处理技术869.3.1

遥感图像地物分类方法非监督分类ISODATA分类算法(动态聚类法)在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。ISODATA方法不仅可以通过调整样本所属类别完成聚类，而且可以自动的进行类别的合并与分裂，杏儿得到类别比较合理的聚类结果。9.3

智能遥感数据处理技术9.3.1

遥感图像地物分类方法非监督分类879.3

智能遥感数据处理技术889.3.1

遥感图像地物分类方法其他方法专家系统分类法支持向量机分类法神经元网络分类法模糊聚类分类法决策树分类法9.3

智能遥感数据处理技术899.3.1

遥感图像地物分类方法常用分类思想分层分类思想针对各类地物不同的信息特点，按照一定的原则进行层层分解。当研究者运用这种分层分类思想时，需要拥有对不同子区特征进行识别的能力以及丰富的经验知识，并且研究者还需要选择不同的波段和波段组合来对分类活动进行辅助。9.3

智能遥感数据处理技术909.3.1

遥感图像地物分类方法常用分类思想分区分解思想图像分类中的分区分解思想要根据待处理中所包含的局部特征将一个整体图像转化为几个局部图像，再将局部图像根据自身特点进行分类。这种思想可以使得每一区域中的种类数目对整体图像相比较有大幅减少。9.3

智能遥感数据处理技术919.3.1

遥感图像地物分类方法常用分类思想多分类器结合思想遥感图像分类中，由于不同的分类方法精度是不同的。分类器结合的思想则是通过适当的方法将不同的分类器之间进行优势互补，从而弥补单一分类器存在的精度缺陷，来得到更好的分类结果。9.3

智能遥感数据处理技术929.3.1

遥感图像地物分类方法常见分类后处理过滤处理可以很好的用于解决分类图像结果中出现的孤岛问题一种方法。过滤处理主要使用斑点分组的方法来消除这些被“隔离”的分类像元。聚类处理运用数学形态学算子，将临近的类似分类区域聚类并进行合并。而且聚类处理解决了低通滤波平滑图像时类别信息被临近类别的编码干扰这一问题。9.3

智能遥感数据处理技术939.3.2

遥感图像目标检测方法遥感图像目标检测是指利用特定的算法从图像中搜索并标记出感兴趣的目标，包括建筑物、道路、飞机、舰船和车辆等。目标检测是光学遥感图像分析的重要内容，是城市规划、土地利用、机场和港口监测等应用的重要基础。9.3

智能遥感数据处理技术9.3.2

遥感图像目标检测方法目标检测方法目标检测主要包括候选区域提取、特征学习、分类和后处理4个环节以及训练和测试2个阶段。949.3

智能遥感数据处理技术959.3.2

遥感图像目标检测方法目标检测方法候选区域提取为训练和测试两个阶段所共用，其主要作用是从输入图像中提取可能的目标区域，降低后续的特征学习和分类的工作量。特征学习的主要目的是训练特征学习器，提取目标和背景特征，用于准确区分目标和背景。9.3

智能遥感数据处理技术969.3.2

遥感图像目标检测方法目标检测方法分类所做的工作是根据特征区分目标和背景，当目标和背景被区分开时，相当于检测出了目标。在训练阶段，利用训练数据调整分类器的参数；在测试阶段，训练好的分类器被用于区分目标和背景。后处理环节有时包含在分类环节中，其主要作用是根据分类结果，将检测到的目标标记在输入图像上。9.3

智能遥感数据处理技术979.3.2

遥感图像目标检测方法目标检测方法候选区域提取目前常用的候选区域提取方法可分为三类：基于视觉显著性的方法、基于选择性搜索的方法和基于阈值分割的方法。9.3

智能遥感数据处理技术989.3.2

遥感图像目标检测方法目标检测方法特征学习特征学习是目标检测的核心环节，特征的好坏直接决定了目标检测性能的优劣。好的特征应具有鉴别性，即能更好地区分目标和背景，且应具有平移不变、旋转不变和尺度不变等鲁棒特性。9.3

智能遥感数据处理技术999.3.2

遥感图像目标检测方法目标检测方法分类和后处理分类的目的是将目标和背景区分开，从而实现目标检测。分类之前需要利用特征和标签数据训练分类器，建立目标特征和目标类别之间的关系光学遥感图像目标检测中使用的分类方法主要有3种：支持向量机、回归和自适应增强。9.3

智能遥感数据处理技术1009.3.3

遥感图像目标识别方法遥感图像目标识别的基本任务是精确定位遥感图像中的感兴趣目标，同时提取其状态参数和属性值。9.3

智能遥感数据处理技术101MSTAR

public

dataset (a)

BMP2 (b)

BTR70 (c)T72BMP2装甲运输车、BTR70装甲运输车、T72主战坦克9.3.3

遥感图像目标识别方法(a)(b)(c)9.3

智能遥感数据处理技术1029.3.3

遥感图像目标识别方法遥感图像目标识别共有两种方法：数据驱动型，表现为由下而上，先对图像进行普通的分割、标记、特征提取等，之后对每个已标记区域的特征向量和目标模型进行匹配。知识驱动型，表现为由上而下，根据描述模型，对图像的可能特征提出合理假设，然后根据假设进行分割、标记等。前者通常是结合分类技术来进行，后者则是结合推理技术和先验知识来进行。9.3

智能遥感数据处理技术1039.3.3

遥感图像目标识别方法基于分类技术的识别方法基于分类技术的遥感图像识别，最常被用于识别点、提取区域以及识别结构目标中的结构基元。此类方法多采用纹理、光谱、形状等特征，通过提取出多种特征的临近窗口，用来获取在不同的尺度上的图像信息。9.3

智能遥感数据处理技术1049.3.3

遥感图像目标识别方法基于知识的识别方法在遥感图像目标识别中对某些同类地物，如水体中的河流、水库、湖泊和坑塘等，仅基于局部光谱、纹理等信息，很难对其做深度区分，因此此类地物“混合像元”的现象比较严重，很难对他们做出精确地识别。要实现上述识别，要综合利用到地物学、生物学、GIS信息等知识。根据遥感信息在识别过程中的应用形式，又可以将其分为基于知识表示、推理和参数模型的方法。9.3

智能遥感数据处理技术1059.3.4

遥感图像变化检测方法变化检测是从同一场景、不同时期的遥感数据中定量分析和确定地表变化的特征与过程。遥感图像的变化检测专指利用多时相获取的同一地表区域的遥感图像来确定和分析地表变化，能提供地物的空间展布及其变化的定性与定量信息。变化检测问题可以分为以下几种情况：有无变化、哪些地方有变化、感兴趣的是哪些地方的变化、感兴趣的变化区域是什么样子。9.3

智能遥感数据处理技术9.3.4

遥感图像变化检测方法106(a) (b)Fig.ImagesrelatingtotheestuaryareaoftheYellowRiveracquiredbytheCanadianRadarSat-2satelliteSARsensor

(7666×7692).

黄河大桥Image

acquired

in

June

18th

2008.

六月ImageacquiredinJune19th

2009.9.3

智能遥感数据处理技术9.3.4

遥感图像变化检测方法1079.3

智能遥感数据处理技术9.3.4

遥感图像变化检测方法108(a)

(b)(c)Fig.MultitemporalimagesrelatingtopartareasoftheYellow

River(1667×3601).theestuaryareaImageoftheYellowRiverinJune18th

2008.theestuaryareaImageoftheYellowRiverinJune19th

2009.Detection

result9.3

智能遥感数据处理技术1099.3.4

遥感图像变化检测方法变化检测的主要方法算法的角度可将目前变化检测的方法分为四类：基于简单代数运算的变化检测；基于图像变换的变化检测；基于图像分类的变化检测；基于特征描述的变化检测。9.3

智能遥感数据处理技术1199.3.4

遥感图像变化检测方法基于简单代数运算的变化检测图像差值法，其基本原理是将不同时间获取的两幅影像进行配准，然后将图像中对应像元的灰度值相减，从而获得一幅新的差异图像以表示在所选两个时间当中目标区所发生的变化。理论上，在得到的差值图像上，差值为0或接近0的认为是不变区域，不为0的认为是变化区域。9.3

智能遥感数据处理技术1119.3.4

遥感图像变化检测方法基于简单代数运算的变化检测图像比值法是将不同时相的遥感影像对应波段进行逐像元相除。通过对不同时相影像做相对辐射校正，得到的比值图像增强了变化信息，其中像元比值为1或者近似为1的认为是未发生变化的区域，像元比值明显高于或低于1的认为是发生变化的区域。9.3

智能遥感数据处理技术1129.3.4

遥感图像变化检测方法基于图像变换的变化检测基于图像变换的变化检测方法主要包括主成分分析（PCA）、K-T变换和典型相关分析等。9.3

智能遥感数据处理技术113的比较可以区分出类别变化与否。9.3.4

遥感图像变化检测方法基于图像分类的变化检测基于图像分类的变化检测主要有分类后比较和多时相图像同时分类两种方法。分类后比较法原理是对两个不同时相的影像进行单独分类，然后在己经分类的区域中逐像素比较以确定变化信息的位置和类型。多时相图像同时分类法是将两个或多时相的遥感图像数据放在一个数据库中同时进行分类。出现变化的类别，其数据的统计量如标准偏差等将很大，而未发生变