遥感提取范文（精选11篇）
遥感提取 第1篇
关键词：遥感影像,信息提取,技术研究
卫星遥感技术是指利用安装在太空卫星上的各种接收器与传感器收集由地面设施发出和反射的电磁信号, 再通过对接收到的电磁信号进行定量的分析处理, 获得所需要的目标物的信息的一门技术。卫星遥感技术是一门综合性的科学, 涵盖了许多现代科技的最新技术成就, 包括空间、电子仪器与系统、计算机通信和地理信息等。随着遥感影像技术的快速发展, 特别是高分辨率的民用遥感卫星的陆续发射和投入使用, 遥感技术逐渐开始在地面建筑物识别、地震灾害灾情调查和快速评估地震灾区灾情等方面发挥重大作用。由于地震灾区道路损毁, 人员车辆难以进入, 所以遥感影像技术就对灾区灾情的快速调查与评估有着重要意义。
1 中国地震灾害概述
中国人口有十几亿, 而大多数建筑物的抗震级别很低, 抗震性差, 因而地震发生后的成灾率也非常高。每一次破坏性的大地震往往在十几秒内就能造成非常严重的人员与财产损失, 为了在最短时间内最大限度的减轻地震带来的损失, 在地震后迅速准确的获取灾区的灾情和及时进行地震应急救援是极其重要的。
破坏性的大地震突发性强, 破坏范围广, 难以预报和防御, 而人工现场收集与地震相关的信息需要占用大量的人力物力与财力, 而且收集速度慢、收集时间长, 无法满足地震应急救援的强烈需求。与此同时, 地震会造成灾区大量的建筑损毁, 而且还会引起山体滑坡、者泥石流或堰塞湖之类的次生灾害, 中断地面交通运输和通讯联络线路, 导致在地震发生后短时间内救灾人员无法进入灾区进行勘察获得及时准确的资料。在这种情况下, 遥感影像技术逐渐取代了人工勘察而成为了最有效的获取灾情信息的手段。随着科技的不断发展, 遥感技术以其方便、快速、准确等特点, 在地震应急救援中具有了越来越重要的地位。
2 遥感影像震害信息提取技术研究现状
遥感影像震害信息提取技术是指通过进行比对某一地区的卫星图像或者航空照片, 比较同一地区不同时期的建筑物的遥感影像, 以此来判断该地区的地表变化。目前, 国际上大多采用遥感技术与计算机图像处理的技术, 并以此提出了许多种方法。
2.1 基于像素的遥感影像震害信息提取方法
像素, 也称像元或者像元点, 即影像单元, 是组成数字化影像的最小单元。传统的遥感影像检测和图像分类大多基于像素, 主要是根据图像上的地面建筑物的光谱与空间纹理特征变化进行地震灾害识别。
2.1.1 基于地面建筑物的光谱特征
在地震发生后, 由于地表建筑物的倒塌、损毁, 遥感影像上地面建筑物的光谱会发生变化, 利用地震前后光谱特征的变化进行检测, 从而可以获取到所需要的震害信息。如果只有单幅地震后的遥感影像, 那么可以利用不同的地震灾害会有不同的光谱值这一特点, 采用图像分类的方法来提取有用的地震灾害信息。以光谱特征为原理的地震灾害信息提取方法可以划分为以下3类:概率统计法、最大似然分类法和图像代数运算法。
2.1.2 基于地面建筑物的空间纹理特征变化
地面建筑物的空间纹理分析方法有两类理论依据, 一是基于统计的纹理分析方法;一是基于空间结构的分析方法。地震发生后, 在遥感影像照片上, 地表建筑物的纹理规则性被破坏, 纹理的密度、方向等参数与地震之前相比有很大的变化, 科研人员吧地表建筑物的纹理空间分布的各个物理参量作为辨识特征参数, 对地震后灾区图像进行空间纹理分析, 已提取与震害相关的有用信息。
2.2 基于对象的遥感影像震害信息提取方法
随着遥感影像分辨率的越来越高和影响分析技术日新月异的发展, 近些年来, 国内外的一些专家学者开始采用基于对象的遥感影像震害信息的提取方法。
遥感影像震害信息提取技术的发展研究趋势与目前存在的问题:
随着一些新兴技术的崛起与发展, 遥感影像震害信息提取的技术也随之逐渐向新理论、新方法、新技术的方向综合发展。
遥感影像震害信息的提取技术的发展趋势是, 影响分析所需要的数据从中低分辨率遥感影像向高分辨率遥感影像发展;遥感影像分析的方法从基于像素的方法向基于对象的方法发展;遥感影像的特征选择从单纯以光谱特征分析为主转向了综合分析地表建筑物的光谱、形状、纹理等;遥感影像震害信息提取技术由单一手段方法向综合方法发展;震害信息需求从原先的定性分析提高到了定量分析的水平。
虽然科技的发展进步促进了遥感影像震害信息提取技术的发展, 但是这项技术仍然存在一些尚未解决影响使用效果的问题。
1) 对于遥感影像上需要进行判读的各种数据, 大多数情况下还是采用以人为主、目视判读的方法, 判读的水平也仅仅停留在地震灾区地表建筑物的几何外形描述和光谱分析的地步, 对各项参数的分析也比较简单粗糙, 这种判读方式完全依赖于判读人员的经验, 毫无判读原则和选择依据。为了获取最佳的判读效果, 往往需要影响判读人员反复判读, 致使影响了判读效率, 判读自动化程度低;
2) 遥感影像震害信息提取的方法, 大多数是基于像素的遥感影像的变化检测和影像分类, 这些方法仅适用于中低分辨率的遥感影像, 而且能够得到比较好的信息提取结果, 但是一旦需要对高分辨率的遥感影像进行定量判读, 则无法真正实现定量计算、适应判读要求, 造成信息提取结果不符要求或者定量分析精度较低。
随着安装有高分辨率遥感器的人造卫星的陆续发射投入使用、雷达遥感以及无人飞机遥感技术的快速发展, 遥感影像震害信息提取技术所能提取的信息精度也将得到很大提升, 提取的信息结果将更加精确, 为地震应急救援提供更多有价值的重要信息。
参考文献
[1]薄数奎, 韩新超, 丁琳.面向对象影响分类中分割参数的选择[J].武汉大学学报 (信息科学版) , 2009, 34 (5) :514-517.
[2]季顺平, 袁修孝.一种基于阴影检测的建筑物变化检测方法[J].遥感学报, 2007, 11 (3) :323-329.
[3]刘丽, 匡纲要.图像纹理特征提取方法综述[J].中国图像图形学报, 2009, 14 (4) :622-635.
遥感提取 第2篇
针对遥感成像过程中普遍存在的退化现象,通过遥感成像模拟,揭示了不同退化程度对遥感数据质量的影响,反映了考虑成像退化因素对提高卫星遥感数据信息提取能力的.作用.基于成像退化采用的支持向量机方法对遥感图像地物分类的实验研究表明,这种方法使遥感图像地物分类精度得到明显提高,特别是支持向量机方法与图像恢复技术的结合,效果更为明显.
作 者：王先华 易维宁 杜尚宇 WANG Xian-hua YI Wei-ning DU Shang-yu 作者单位：中国科学院安徽光学精密机械研究所,通用光学定标与表征技术重点实验室,安徽合肥,230031 刊 名：大气与环境光学学报 英文刊名：JOURNAL OF ATMOSPHERIC AND ENVIRONMENTAL OPTICS 年，卷(期)： 4(2) 分类号：P407 关键词：遥感 成像退化 信息 提取
遥感提取 第3篇
1.引言
随着经济、社会的发展，遥感技术已成为土地信息提取的重要手段之一。目前常用的目视解译方法主要借助判读者人为的经验结合遥感影像，通过影像上的地物特征经过综合分析和推理，解译出具体的地物类型，能够达到较高精度，但解译过程耗时较长，费时费力；而计算机分类则是利用影像上的地物光谱信息，根据像元间的相似性进行归类合并与统计，能实现较高的自动化，但一般情况下受“同谱异物”与“同物异谱”现象的影响，计算机分类的精度不是很高。因此，针对目视解译的高效率与计算机分类的局限性，通过影像上的辅助信息进行计算机判读，既能够解决目视解译的低效率问题，又能解决计算机分类地物信息利用不全的问题，因此，本文重点介绍了基于辅助信息的遥感影像的信息分类与提取[1]。
2.研究区概况
三原县位于我国陕西省咸阳市，地处陕西关中平原中部，渭河以北，为省会西安市的北大门，距西安约36公里，咸阳约40公里，距咸阳国际机场22公里，铁路、公路纵横交错，交通四通八达。地处鄂尔多斯地台南缘褶皱带上，第十西北高、东南低，海拔在362米～1，409米之间，南北以四十里坡为界，东西以清河相隔，自然分割成三个明显不同的地形地貌形态，即漫步平原、北部台原和西北山原。
3.数据获取与预处理
3.1 数据获取
本研究采用的数据为从专业部门获得的SPOT5影像，成像时间是2006年6月，最大空间分辨率为2.5米，具有近红外、红色、绿色、短波红外、全色等5个波段，能够较好地反映地表不同地物的分布。选取的研究区数据充分考虑成像时间、波段组合等方面，获得该区最佳遥感影像图，包含的信息量大，适合遥感解译分析。
3.2 遥感影像预处理
一方面，由于受到大气程辐射的影响，给影像带来了辐射干扰，以及传感器本身的误差使得遥感影像不能够准确反映地物的电磁辐射信息，因此需要对遥感影像进行辐射校正，可以通过采用回归分析法和直方图最小值去除法等去掉程辐射及干扰。另一方面，遥感成像受到传感器、遥感平台移动、地形起伏和地球表面曲率等因素的影响，使得影像产生一定的几何形变，因此需要对遥感影像进行几何校正，即建立遥感影像坐标与地理坐标之间的对应关系，利用现有的地形图进行几何校正。
此外，遥感影像获取过程中还会受到太阳光照、大气水汽等因素影响，使得整幅影像发暗或偏亮，有用信息不明显，需要采用专业图像处理软件进行调整，从而突出有用信息，或者采用空间增强方法对影像进行图像亮度增强、空间滤波等突出地物不同特征信息。由于本文研究区范围较小，需要从单幅遥感影像中进行剪裁，剪裁后的研究区——陕西省咸阳市三原县影像，如图1所示。
4.研究过程
遥感影像的计算机分类是计算机模式识别技术在遥感领域的具体应用，它的依据是影像的相似度。计算机自动分类处理时间短，定位准确，但易出现同物异谱，异物同谱，造成土地利用信息的错分现象，因此，需要依靠人为经验来识别地物类型进行目视解译[3]。本研究中，依托基于辅助信息的计算机分类方法进行研究。
4.1 光谱特征分析
遥感影像中，由于不同地物自身的反射率不同，在不同的波段也具有不同的反射率，再加上地物空间结构、成分组成等的不同，导致影像上不同地物会呈现不同的地物特征，因此，影像地物的光谱特征能够反映地物反射率的大小，是进行影像解译的基础[5]。为便于观察目标地物光谱特征及其变化的规律，根据第二次土地调查结果图，将土地利用类型分为林地、园地、耕地、居民地、交通用地、水域六大类，通过对各地物样本光谱特征的分析，在原始影像中采集了一定数目的训练样本，得出表1中各研究地物样本的灰度统计值。
图1 研究区影像区进行分类
表1 典型地物样本亮度统计
为便于观察各地物光谱特征差异，根据各地物光谱均值和方差值，分别生成了地物光谱均值与方差曲线图，如图2所示。
图2 地物光谱均值曲线
从图2可以看出，水域、林地、耕地、居民用地的均值曲线与其他地物的均值曲线距离较远，通过均值可以把它们与其他地物区分开，在第三波段，它们的均值曲线呈现分离趋势。由于水体的反射率低，因此水域、林地、园地、耕地、居民用地、交通用地可把灰度均值作为区别其他地物的光谱特征指标之一。
4.2 纹理特征分析
纹理是不同地物颜色密度的反映，不同地物由于长势状况、本身颜色等不同会产生不同的疏密相间的纹理，通过纹理特征能够很好地反映影像的不同信息[6]。例如，果园与林地二者相比，由于果园种植一般较密集，而且排列较为整齐，因此，在影像上呈现出较为平滑的纹理；而林地由于不同树木长势高低不等，排列不规律，一般呈现出较为粗糙的纹理特征。
纹理信息对像元亮度的变化十分敏感，而在地物的边缘必然出现明显的亮度变化，这就造成地物类型边缘处的纹理特征值不能真实反映地物之间纹理的差别[7]。因此，在利用纹理信息提取地物时，需要对提取结果的边缘作相关的处理，以减少不必要的误差。
4.3 植被覆盖特征分析
植被覆盖特征是判别林地与果园地、农田地区地物类型的一个重要指标。林地与果园地的植被盖度均比较大，与其他地物易于区分，但他两者则不好区分。归一化差异植被指数（NDVI）是遥感领域应用最为广泛的一种植被指数，同植被盖度有着较好的相关性，消除了地形和阴影的影响，真实地表现了地表的植被覆盖状况，通常被用于植被盖度不同的地物信息提取上[8]。因此，根据植被覆盖特征可以将果园和林地进行区分开。
4.4 形状特征分析
根据上文分析，利用光谱特征、纹理情况均不能有效地区分林地和果园。形状是遥感影像地物判读的另一重要标志，与纹理特征不同的是，图像的形状信息不随图像颜色的变化而变化[8]。地表分布的目标物体都具有一定的几何形状，根据像片上物体特有的形态特征可以判断和识别目标地物。由此可知，形状指数与周长成反比，与面积的平方根成正比，圆具有最大的形状指数，线性地物具有很小的形状指数，非规则地物的形状指数与形状的复杂程度成反比[9]。人造地物一般具有规则的几何外形和清晰的边界，自然地物往往具有不规则的几何外形和边界，依据此可知园地一般形状指数比较大，相反，林地不具有规则的外形和边缘。因此，根据形状将林地与园地这两种地物区分开。
4.5 颜色性质分析
人眼能够区分二百余种颜色，因此能够更加丰富的表达地物的信息。颜色主要由亮度、色度、饱和度来度量，因此，通过分析对遥感影像的亮度、色度、饱和度的差异，能够找到不同地物类型的不同特征。
5.结果分析
从分类结果看，分类模型基本能够准确区分遥感影像中的不同地物类型，为了对分类结果进行准确评价，这里采用简单随机采样的方法，从分类结果图像中随机选取255个样点，通过比较分类结果与参考数据的异同，评价分类精度如表2所示。
精度分析结果表明，基于辅助信息的土地信息提取精度较高，Kappa一致性较好，达到0.8114，总体分类精度较高，可达86.34%，基于辅助信息区分林地、果园、耕地、水体、道路精度较高。
表2 分类结果精度评价
6.结语
辅助信息能够给影像的解译提供更多的信息量，增加影像解译的准确率。本文利用地物光谱、纹理、形状等特征对影像的解译加以辅助，能够避免计算机分类只限于利用的影像光谱信息的不足，实验证明，利用辅助信息进行遥感信息的提取能偶取得较好的分类结果，明显提高分类精度。
本研究受研究资料的限制，在分类时未考虑人为因素及其他影响因素，这就使分类精度存在一定的不确定性。因此，基于辅助信息进行影像的分类虽然取得了较为合理的分类结果，但还有待于进一步完善，以使判别规则和分类结果更符合实际。
[1]李静,赵庚星,杨佩国.基于知识的垦利县土地利用/覆被遥感信息提取技术研究[J].科学通报,2006,51.
[2]刘瑶琳,何建华.土地信息学[M].北京:科学出版社,2007:61-62.
[3]王雪梅.BP神经网络算法在土地覆盖分类中的应用研究[J].新疆农业科学,2009,46(1):144-145.
[4]梅安新,彭望,秦其明,刘慧平.遥感导论[M].北京:高等教育出版社,2001:145-149.
[5]赵萍,傅云飞,郑刘根.基于分类回归树分析的遥感影像土地利用/覆被分类研究[J].遥感学报,2005,9(6):708-715.
[6]王大鹏.沙漠化遥感信息提取及定量评价—以额济纳地区为例[D].烟台:鲁东大学地理与规划学院,2007.
[7]高志海,李增元,魏怀东.干旱地区植被指数（VI）的适宜性研究[J].中国沙漠,2006,26（2）:243-248
[8]张文元,秦昆,张成才等.基于知识的遥感图像地物提取方法研究[J].地理空间信息,2007,5(1):51-55.
黄河河口湿地信息遥感提取研究 第4篇
1 研究数据
1.1 研究区域
黄河河口, 是指以山东省东营市垦利县宁海为顶点, 北起徒骇河口, 南至支脉沟河口之间的扇形地域以及划定的容沙区范围。在本研究中, 鉴于资料的完整性与可收集性, 同时考虑到行政区的完整性和研究成果便于应用性, 将占黄河河口面积主体地位的东营市作为研究范围, 即北纬36°55′~38°10′, 东经118°07′~119°10′, 南北最大长12 3 km, 东西最大长74 km, 总面积7923 km2。
1.2 卫星遥感资料
通过对比各种卫星遥感数据源的优缺点和资料的可得性, 选择Landsat/TM卫星遥感数据作为本项研究的数据源。Landsat/TM卫星遥感数据具有波谱分辨率较高, 对地面水体和植被有较好的反映, 另外经过分辨率融合的30 m空间分辨率也能够满足黄河河口景观特征参数提取的需要。为此本研究采用了黄河河口 (莱洲湾幅) 1992年的TM图像。
1.3 专题资料
专题资料包括图件资料和统计数据。其中图件资料包括东营市1∶5万地形图、东营市1∶10万土地利用图、东营市行政区划图以及东营市土壤图等;统计数据包括东营市土地详查变更资料以及相关自然及社会经济统计数据等。这些专题资料主要用以辅助进行遥感资料的纠正及分类处理。
2 遥感图像预处理
遥感图像的预处理是获取黄河河口湿地信息的第一步, 也是非常重要的一步。为此, 进行黄河河口湿地遥感信息的提取, 首先要对1992年的TM图像进行预处理, 预处理结果的好坏在一定程度上决定了信息提取的效果。
2.1 几何精校正
本研究中的几何精校正主要是借助于东营市1∶5万地形图, 采用控制点校正的方式进行。
几何校正是将影像数据投影到平面上, 使其符合地形图的投影系统。根据东营市1∶5万地形图的坐标系统和投影参数, 投影为高斯—克吕格投影, 东营市均处在20度带内, 故选择投影参数为GK Zone20。进行几何精校正首先要选取地面控制点, 这是几何精校正中重要的一步。为此, 在本研究中每景影像中分别选择40个控制点进行校正, 校正后误差均小于0.4个像元, 这远远满足了误差控制在一个像元内的要求。
在图像处理过程中, 进行全区坐标变换, 要进行图像数据的内插, 即数据的重采样。目前的重采样技术有三次卷积内插法、双线形内插法、最邻近法等。不同的方法各有特色, 要选用合适的重采样技术。考虑到双线性内插法具有较高的空间位置精确性与适当的计算量, 本研究中像元灰度值的重采样采用双线性内插法完成整幅图像的几何精校正。
2.2 研究区图像的选取
本项研究的研究区为黄河河口, 即整个东营市的行政范围, 是获得的是整景TM图像中的一部分, 为此要进行研究区图像数据的提取。具体的提取过程是利用东营市的行政边界进行研究区图像数据的提取, 也就是对东营市土壤图边界进行矢量化, 将得到的边界文件校正后做掩膜进行图像的提取。
2.3 增强处理
(1) 波段的选择。
TM图像各波段之间的信息存在相当程度的冗余, 使用过程中必然存在相互干扰, 为了减少这种问题, 在信息处理时应该在选择较大波段信息的前提下, 尽量选择相关性较小的波段进行分析, 本研究中所用的TM图像各波段之间的相关性如表1所示。
表1中, 从相关性看, TM4波段比较独立, TM5和TM7波段的相关性较高, TM1、TM2、TM3波段的相关系数都在0.90以上, 说明相关性很高。由此, 选择TM1、TM2、TM3中的一个波段, TM5、TM7中的一个波段和TM4波段。从方差分析看, 表1中TM1、TM3、TM5三个波段信息量较大, 其中TM3波段与其它的波段相比, 它受大气的阴霾影响较小, 影像的反差较好, 分辨率较高, 同时包含对叶绿素的吸收区, 易于识别植被。最后经合成后目视效果对比, TM3、TM4、TM5合成后湿地类型边界清晰, 易于识别。因此, TM4 (赋予R通道) 、TM5 (赋予G通道) 、TM3 (赋予B通道) 波段是本研究中最佳假彩色合成波段。
(2) 图像的增强。
为了突出特定的地物类型, 需要做特定方式的增强处理。目前, 图像的增强方法存在很多种, 每一种增强方法都存在一定的局限性, 不存在一种对所有问题效果都较好的增强方法 (李伯衡, 1991) 。在本研究中, 图像的增强采取对原始遥感图像进行2%的线性拉伸, 拉大不同地物之间的差异, 这样提高了图像的对比度, 增强了图像的层次感, 具体见图2。
通过对比图1和图2, 可以清晰地比较出图像增强前后遥感影像的差别。拉伸前, TM影像的色调比较灰暗, 各湿地类型之间的色调差别较小, 界限模糊, 无法辨认各湿地类型, 无法对其进行遥感解译。经过2%的自动线性拉伸后, 各种湿地类型的色调差别较大, 边界清楚, 具有很好的层次感, 利于进行遥感解译。可见, 经过2%自动线性拉伸的遥感影像效果要好于未经增强处理的图像。
3 黄河河口湿地信息提取
常规的信息提取采用监督分类和非监督分类的方法进行。其中非监督分类方法是在分类之前排除人的干预, 完全依据于地物的光谱反射数据, 操作简单, 易于实现, 国内外的研究者运用这种方法已经进行了较多的案例研究 (Jose A等, 2000;S Le Hegarat-Mascle等, 2000;Thomas H.C.Lo等, 1986) , 但在实际应用中, 由于存在“混合像元”、“同质异谱”、“同谱异质”等现象, 使得非监督分类方法的精度不是很准确。
本研究中, 根据黄河河口湿地地物的光谱特征以及黄河河口的特点, 放弃了单纯传统的监督分类与非监督分类方法, 对黄河河口湿地采用了分层提取的方法。
3.1 分类系统的确定
根据《全国湿地资源调查与监测技术规程》 (中华人民共和国林业部, 1997) 及甘甫平等人的研究成果, 该区的湿地类型和界定标准见表2。
3.2 黄河河口湿地信息的分层提取
目前的黄河河口湿地类型较为复杂, 且多种湿地类别之间的光谱特征存在近似或者混淆的问题。但整个湿地类型中, 都充满着水的三种类型是盐田、水库和虾蟹池, 它们分布面积较广, 面积比例较大, 光谱特征与其它湿地类别有较大差异。为此, 对黄河河口湿地信息的提取采用了分层提取的方法。首先, 根据地物的光谱特征对盐田、水库和虾蟹池运用模型法进行提取, 然后用对其它湿地类型运用非监督分类法进行提取。
(1) 盐田、水库和虾蟹池提取模型的构建。
黄河河口湿地类型中, 充满着水的三种类型是盐田、水库和虾蟹池, 它们分布面积较广, 面积比例较大, 其光谱特征与其它湿地类别有较大差异, 如图3所示。
由地物光谱曲线图分析可知, 盐田、水库和虾蟹池三种类型的光谱特征相似, 差别较小。但三种类型的光谱特征与其它湿地类型的光谱特征相比, 差异明显。盐田、水库和虾蟹池的TM3、TM4、TM5波段, 三者的光谱值骤减, TM3远大于TM5;其它湿地类型的光谱值则是先减小后增加, TM3小于TM5;当TM5与TM3相减后, 其它湿地类型的光谱值为正值, 而盐田、水库和虾蟹池的光谱值为负。由此, 可将盐田、水库和虾蟹池同其它湿地类别区分开来。
为此, 经过波段间的组合, 根据光谱特征分析, 建立了如下盐田、水库和虾蟹池的提取模型:
通过将两时相的影像经过上述模型变换后, 可获得模型指数图像 (图4) 。在图像中, 水体和其它地物的光谱特征差别较大, 水体的颜色几乎为白色, 其它的地物的颜色为黑色。对于本次湿地类别的提取中, 坑塘、河流以及渠道等水体由于面积较小或者水量分布不均, 利用上面建立的提取模型无法进行完整的提取, 因此, 本研究所建立的模型只应用于盐田、水库和虾蟹池。对于盐田、水库和虾蟹池三种湿地类型的具体划分可以根据各自的形态特征进行划分。如虾蟹池间的边界较密集, 呈条状;水库周围都有较清晰的水工建筑物如坝头等, 且形状较规则;盐田由多个田块组成呈方格状。
(2) ISODATA-人工交互合并及修正法。
目前的黄河河口湿地共有16种类型除了利用上述模型进行提取后, 还剩有13种类型, 其中9种类型属于自然湿地。这些类型之间光谱混淆较为严重, 无法利用光谱特征进行提取, 为此采用非监督分类中的人工交互合并及修正法 (ISODATA法) 进行分类提取。先对整景影像进行分类再做mask, 分类参数的统计包括了黄河三角洲行政界线内外的所有像元, 这样得到的分类参数考虑了界线内外地物的整体性和界线外地物的光谱特征, 其分类结果当然也更全面, 更有代表性。 (表3)
在进行黄河河口湿地类型的提取研究中, 还有一项重要要素的提取就是海岸线的提取。本研究中采用卫星成像时的瞬时水边线作为海岸线。目前国内外学者在遥感影像上提取海岸线一般采用的方法是运用近红外波段阈值法来划分水陆边界。但是黄河河口存在着水体泥沙含量高, 水深浅等特征, 所以无法采用简单的阈值法来获取所需的海岸线。为此, 本研究中采用非监督分类后的影像结合目视解译的方法进行提取。在遥感影像中, 水域部分色彩单一, 呈深蓝至黑色, 而陆地部分颜色丰富有较为明显的人工建筑 (如虾蟹池、盐田等) , 同时, TM4、TM5、TM3波段组合也可加强水体与陆地的差异, 这样可以准确地确定水陆界线。
将上述分层提取的湿地信息利用ENVI中的Overlay功能进行链接, 便可得到黄河河口湿地类型分布图。
4 结语
本文主要对黄河河口湿地信息遥感进行了提取研究。通过几何校正、图像选取以及图像增强等方式进行了遥感影像的预处理, 为准确地提取湿地信息提供了数据基础。在舍弃单纯的传统监督分类和非监督分类的前提下提出了一种利用分层提取地物信息的新方法:即首先对盐田、水库和虾蟹池等湿地类型根据地物的光谱特征采用模型法进行提取, 然后其它湿地类型运用非监督分类法进行提取, 最终得到了黄河三角洲1992年湿地类型分布图及其相应类型的准确面积。本研究采用的方法具有典型性, 对其它滨海湿地的信息提取具有指导意义。
摘要：本文通过几何校正、图像选取以及图像增强等方式进行了遥感影像的预处理, 为准确地提取湿地信息提供了数据基础。在舍弃单纯的传统监督分类和非监督分类的前提下提出了一种利用分层提取地物信息的新方法:即, 首先根据地物的光谱特征采用模型法对有水的湿地进行提取, 然后用非监督分类对其它湿地类型进行提取, 最终得到了湿地类型分布图及其相应的面积。
关键词：黄河河口湿地信息提取,分层提取
参考文献
[1]方红亮.两种水稻种植面积遥感提取方案的分析[J].地理学报, 1998, 53 (1) :58-65.
[2]甘甫平, 王润生, 王永江, 等.基于遥感技术的土地利用与土地覆盖的分类方法[J].国土资源遥感, 1999, 42 (4) :40-45.
遥感提取 第5篇
选择朱拉扎嘎金矿为试验区,ASTER数据为数据源,利用光谱角技术进行蚀变异常提取实验.重点阐述光谱角技术(SAM)在多光谱遥感蚀变异常提取工作中的`两个关键技术:内部平均相对反射率法(IARR)大气校正和典型蚀变矿物波谱对应于AsTER波段重采样,最终通过光谱角计算提取了3种蚀变异常,分别为高岭土化蚀变异常、碳酸盐化蚀变组合异常和Fe-OH蚀变组合异常.
作 者：李国志 丛利民 王登科 王宝林 作者单位：李国志,丛利民(内蒙古地勘局115地质队,内蒙,古乌兰浩特,137400)王登科(内蒙古第十地质矿产勘查开发院,内蒙,古赤峰,024000)
遥感提取 第6篇
【摘要】采用遥感数据对地物进行识别是获取地物信息的一种重要手段。本文以西藏自治区拉萨市市区landsat ETM+遥感影像为数据源，通过局部直方图匹配算法对影像进行条带修复后，运用ENV14.8中监督分类的方法，提取拉萨市区湿地、居民地、植被、河流、裸地等地物信息，并计算kappa系数，进行精读评价。
【关键词】landsat ETM+条带修复监督分类ENVI
【中图分类号】TP391.41 【文献标识码】A 【文章编号】1672-5158（2013）04-0004-01
随着航空、航天技术的飞速发展，遥感技术成为研究全球变化、人口资源环境不可替代的先进手段。遥感影像提供了地面极为丰富和复杂的信息，因此，根据不同的专业信息需要，图像处理的流程会不同；基于不同的需求目的，选择的感兴趣的区会不同，处理的手段也就各不相同，但目的只有一个，那就是为提取出所需要的遥感影像信息服务。
图像处理工作一直是遥感处理软件的最基本的功能，是进行信息提取的基础和前提。图像处理目的是使图像变成便于理解和使用的形式，或提取某些图像特征信息供进一步分析使用。要想达到良好的影像信息提取效果，影像处理的过程非常重要。根据本次研究目的要求，在卫星影像初步判读的基础上，通过对多种资料进行分析对比，实现影像的预处理和影像数据的统计，这样就将感兴趣的某些特征强调出来，同时抑制了非重要的特征。
一、研究区概况
本文选择“一江两河”地区的拉萨市区作为研究对象，分析该区地质地貌特征，以便对图像进行合理分类。
拉萨市城关区地处雅鲁藏布江支流拉萨河中游河谷平原地区，地势南北高、中间低，区域东西跨距28公里，南北跨距31公里，面积为554平方公里，平均海拔3658米，气候属高原温带半干旱季风气候区。市域内江河年均径流量112亿立方米，湖泊储水200亿立方米，地下水丰厚，人均水量和每亩地占水量均高于中国平均水平。在人口压力下，当地居民为了维持生计而进行的薪材砍伐、过牧、开垦等土地利用行为导致了水土流失加剧，沙化面积扩大。
二、影像介绍及预处理
Landsat 7 ETM+影像共8个波段。其中多光谱波段7个，第六波段光谱分辨率为60m，123457波段光谱分辨率为30m，第8波段高分辨率全色波段，空间分辨率15m。本文采用的影像具体信息如下，可以从USGS有关网站下载。
Landsat陆地卫星系列是全球生态观测研究最系统、数据连续性最好的遥感卫星，所传回的影像在生态环境监测、自然资源调查等领域应用十分广泛。自2003年5月31日，由于增强专题制图仪的扫描线矫正器发生故障，从landsat-7发回的ETM+图像数据存在约占全景数据25%的不存在任何数据的黑色条带。但数据本身保留了良好的辐射和几何性质，修复后仍可用于一些特殊领域。
1.图像修复
本文采用局部直方图匹配算法对影像进行修复，即以一景SCL-ON的影像来修复SCL-OFF的影像。本算法较之插值法和全局直方图匹配精读较高，但算法复杂。ENVl4.8软件可运行相应的插件来进行计算，修复后再将影像重新保存进行组合。
2.图像剪切
从全国县级行政区矢量边界图中借助ArcGis软件提取出拉萨市城关区矢量边界，再据此矢量边界从一幅影像中裁剪出工程区遥感影像。因为拉萨市区湿地、城区、山坡植被很明显，选取5、4、3的波段组合进行目视区分。
3.影像融合
ETM+多光谱影像具有丰富的多光谱信息，全色波段B8具有较高的几何分辨率。将多光谱影像与全色波段进行融合，融合后即保留了多光谱的信息，又提高了影像的空间分辨率。本文采用GS方法做融合处理，结合影像来看，效果较好。
三、遥感信息提取及分类
从研究区概况可以看出，市区居民地、山坡植被、水系存在，结合研究区的特点和实地情况，将地物类型分为草地、湿地、河流、居民地、裸地及其他5种典型地物类型。为了对所分的地物在TM影像上的光谱特征差异进行比较深入的了解，对每种地物选取一定的样本，要求样本具有较好的代表性和独立性。这可以用样本可分离度来表示。
当类与类之间的可分离度大于1.9时，类的独立性很好，能够被有效的区分。从上表可以看出：植被与居民地可分离度低，地植被与湿地的可分离度较低。这是因为选用的影像为10月17日，树木开始枯黄，从光谱上不易区分湿地植被与树木。此外，市区的城市绿化的存在也导致了植被与居民地波谱响应的相似性。
监督分类采用的是最大似然法。假设每一个波段的每一类统计都呈正太分布，计算给定象元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。在假彩色合成的影像上选取训练样本时，通过目视解译进行，并使样本尽量分布均匀。监督分类时，以拉萨市城关区矢量边界做掩膜，使背景不参与分类。分类结果见图2。
四、结论
为定量评价分类精读，进行了分类混淆矩阵和kappa系数的计算，结果如下：
河流、湿地、植被、居民地、裸地及其他指数分别为0.99、0.75、0.73、0.95、0.69，最低的判别精读为0.7。这说明在样本的选取中有些混合象元没处理好，总体上满足要求，有待改进。本文以landsat7 ETM+遥感影像为载体，对拉萨市市辖区典型地物进行了分类提取并得出了符合精读要求的影像，验证了该遥感信息提取方法在实验区的可行性。
参考文献：
[1]李旭文.Lsndsat 7 SLC OFF ETM遥感数据下载及在太湖蓝藻水华监测中的应用[J].环境监测管理与技术，2009，21（3）：54 57
[2]于炳飞，李增华，王辉.基于Lansat7ETM的从化市遥感影像信息提取研究[J].软件导刊，2006（11）：47 49
[3]除多，张镱锂，郑度.拉萨地区土地利用变化[J].地理学报，2006，61（10）：1075 1083
[4]何报寅，丁超，杨小琴等.Landsat7ETM SLC OFF数据的修复及其在武汉东湖水质反演中的应用[J].长江流域资源与环境，2011，20（1）：89-95
[5]陈劲松，韩玲.运用ENVI提取遥感影像中的植被信息[J].测绘标准化，2005，66（21）：20-22
[6]权维俊，郭文利，叶彩华等.基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法[J].南京气象学院学报，2007，30（5）：611-616
遥感图像变化信息提取方法研究 第7篇
关键词：遥感图像,变化信息,主成分分析法,比值法
引言
近年来, 遥感在全球土地覆盖和土地利用变化研究中的作用日益得到国际科学界的公认, 特别是遥感和数据信息系统相结合, 可以更有效地监测和研究人类对土地的利用方式及利用程度的变化, 这样就保证了可以在四维空间的水平上开展数据分析。如何利用遥感数字图像处理技术对多时相、多源遥感数据进行分析处理, 自动发现土地利用变化特征, 保证变化信息提取的客观性和正确性, 减少作业人员的工作量, 就变得尤为重要。
1. 变化信息提取方法
1.1 影像差值法和比值法
1.1.1 影像差值
影像差值是将一个时间图像的像元值与另一个时间图像的像元值相减。在新生成的图像中, 图像值为正或者为负则是辐射值变化的区域, 而没有变化的区域图像值为0。差值图像的亮度值常近似高斯分布, 没有变化的像元多集中在均值周围, 而变化的像元分布在直方图的两翼[1]。
1.1.2 图像比值
图像比值是将一个时间图像的像元值与另一个时间图像对应的像元值相除, 新生成的比值图像的值域范围为0～255, 没有变换的区域图像值为1[2]。在试验区对两时相CCD多光谱数据的4个波段分别做比值运算, 发现两时相波段4的比值图像对于发现变化信息的效果最好, 见图3。
1.2 主成分分析法
(1) 差异主成分法
先将两时相的多波段图像按对应波段相减并取绝对值, 得到多波段差值图像, 再进行主成分变换, 变换结果的第一主分量将集中大部分变化信息, 也即原两时相影像的主要差异信息。这个分量可以被认为是变化信息而被提取出来, 从而生成变化模板, 图1为实验区利用差异主成分法的图像。
(2) 多波段主成分法
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, 因此我们可以试着抽取后几个分量进行波段组合来提取变化信息[3]。通过比较发现, 在上述多波段主成分变换之后, 采用3、4、6分量进行波段组合能较好地反映出新旧时相影像的变化部分 (图1) , 变化信息在图上显示为明亮的红色, 与周围地物存在明显的差异。图2为采用4、5、6分量进行波段组合反映出的新旧时相影像的变化部分。
(3) 主成分差异法
在实际的实验中我们发现, 两时相影像作主成分变换后相差的第一分量已经涵盖了几乎所有的变化信息。因此我们就认为这一分量属于影像的变化信息。在主成分差异中, 先分别对两时相的4个波段做主成分变换, 相应波段再做差值运算, 取第一主成分的差值绝对值。通过对两图的比较发现, 差异主成分法提取的变化信息过于细碎, 其提取信息的效果不如主成分差异法。
1.3 分类结果比较法
分类后比较是将各自时相单独分类, 然后进行逻辑比较, 将变化区域提取出来 (图3) 。分类后比较法可以将变化类型即地类的转化类型提取出来, 不受成像时间的约束, 但分类精度决定了变化区域的精度。
2. 试验区精度评价
误差矩阵是评价分类精度常用的一种指标, 但变化图斑提取的属性精度不是单一的分类正确率, 而是看不同时相两个不同分类之间的变化的判对率, 现以三种地类 (分别以A, B, C表示, 各个因子用V表示) 为例加以说明, 有关的计算公式如下:
主对角线上的元素表示属性判对的情况, 非对角线上的元素表示误差。总体精度、制作精度、使用精度和Kappa系数从不同的侧面描述了变化信息提取的精度, 是简单易行并具有统计意义的指标。
(2) 属性精度评价
为了检验变化信息发现的准确性, 在2000年影像和2006年影像中, 以样本点的目视解译结果并结合实地考察作为实测数据, 对提取的结果进行了精度验证。
采用有针对性选取典型样本区的方法, 进行了变化/无变化像元的精度验证, 通过计算其制作精度、使用精度、总体精度以及Kappa系数来比较不同的方法变化提取的精度 (表1) 。
验证结果表明:比值法提取变化信息的精度最高, 其次是主成分差异法、差值法和差异主成分法、分类结果比较法, 多波段主成分法效果最差。比值法的总体精度比其它方法相应也高出一些, 该方法在图像上变化信息和不变信息差异明显, 并且实现步骤简单;主成分差异法效果次之, 从图像上也可以比较明确的判断出变化和没有变化的区域。差值法和差异主成分法略微差一些。差值法对于变化信息漏判的比例相对较高。差异主成分法错判的比例较高。多波段主成分法其变化信息和不变信息在色调上差异不明显, 小图斑的变化信息不容易被发现。采用两种或两种以上方法结合的方法进行变化信息的提取, 相对于单一方法而言, 可以更好的防止漏判及错判的发生, 能更有效的提高变化信息提取的精度。
3. 结论与建议
对以上几种变化信息提取的方法进行了分析, 从中不难看出, 不同的提取方法有着各自的优缺点。比值法和差值法操作简单, 易于实现, 反映的变化信息全面, 但受遥感数据时相影响明显, 同时还要注意同一地物反映在遥感图像上的灰度变化, 所以易造成信息的丢漏;主成分分析法操作复杂, 难于控制, 受计算程序限制, 变化信息载荷的反映不稳定, 需分析变换矩阵后方能确定变化信息所在的主分量;当两时相遥感数据时相差距明显时, 采用分类后比较法更能客观实际地显示地表覆盖的变化, 且可直接确定变化的类型。但其精度仅为两试验遥感数据分类精度之积, 难于达到我们的实际要求。因此, 在实际应用中, 应该针对不同的情况选用不同的方法进行, 必要时也可以几种方法同时使用, 以提高变化信息提取的准确性和可靠性。
参考文献
[1]陈述彭, 同庆禧, 郭华东.遥感信息机理研究[M].北京:科学出版社.1998.
[2]陈述彭, 赵英时.遥感地学分析[M].北京:测绘出版社.1990.
[3]阮秋琦.数字图像处理学[M].北京:电子工业出版社.2001.
基于遥感影像水体提取算法的研究 第8篇
1遥感识别水体的机理
遥感是通过传感器接收来自陆地表面的电磁辐射, 进而反演地表参数的过程。太阳辐射经大气吸收、散射和反射后到达地物表面时, 与地物之间有三种相互作用:一部分辐射被地物反射回大气, 一部分被地物及地物中的成分所吸收, 还有一部分辐射通过透射进入地物内部。而太阳辐射被反射、吸收和透射的比例会随着地物类型和条件的不同而变化, 从而导致不同地物形成不同的光谱反射率。在可见光和近红外波段, 水体与植被、城市和土壤等地物的光谱反射率存在差异, 是目前利用可见光遥感数据提取水体的基本原理[2]。与此同时, 不同地物不同光谱分辨率的属性会引起“同物异谱”或者“异物同谱”现象的出现, 给遥感解译带来诸多困难, 而这也是目前解译遥感影像需要解决的关键问题。
2基于遥感影像的水体提取方法
2.1单波段法
通过研究分析典型地物的光谱特征, 可以得知水体在可见光至近红外波段对入射的太阳辐射几乎全部吸收, 而其他地物不具备此种属性。因此可以利用水体的这一特性, 对于水陆界限反映较好的遥感影像, 选用对水体敏感的波段, 并赋予其合适的阈值来提取相关水域面积信息[3]。但是, 该方法所营造的模型简单, 阴影形成的噪声比较严重, 导致出现较多的漏提现象, 属于水体提取发展早期的应用方法。
2.2谱间关系法
谱间关系法是通过地物不同光谱之间的一系列组合运算, 来提取专题信息的算法, 其提取水体的原理与植被指数法相同。谱间关系法提取水体精度较高, 所提取的水体诸如水库和坑塘的轮廓基本上与目视解译一致。但此类方法使用起来较为复杂, 且同一条件不能为所有地域通用, 对于不同的地域需选用不同的判别条件[4]。
2.3比值法
比值法是较为常用的地物提取方法, 但是在水体提取方面, 目前常用基于比值法改善而来的水体指数来区分水体与其他地物。下面我们介绍几种常用的水体指数。
2.3.1 NDWI指数
该指数是Mcfeeters[5]在1996年提出的, 基于TM影像的绿光波段与近红外波段所构建形成的的归一化差异水体指数NDWI。与NDVI相比, 它能有效地提取植被冠层的水分含量;在植被冠层受水分胁迫时, NDWI指数能及时地响应, 这对于旱情监测具有重要意义。该指数在水体提取上有所改善, 但在城区的水体提取中仍夹杂大量的杂质信息, 且对于水陆交界区地势较为平缓以及水质较为浑浊的区域, 也无法正确区分水陆边界。其计算公式为:
2.3.2 MNDWI指数
徐涵秋[6]在对Mcfeeters提出的归一化差异水体指数分析的基础上, 对构成该指数的波长组合进行了修改, 提出了改进的归一化差异水体指数MNDWI, 并分别将该指数在含不同水体类型的遥感影像进行了实验, 大部分获得了比NDWI好的效果, 特别是提取城镇范围内的水体。实验还发现MNDWI比NDWI更能够揭示水体微细特征, 如悬浮沉积物的分布、水质的变化。另外, MNDWI可以很容易地区分阴影和水体, 解决了水体提取中难于消除阴影的难题。其公式为:
2.3.3 RNDWI指数
曹荣龙等[7]在水体、植被、建筑物等光谱信息的基础上, 构建了修订型归一化水体指数RNDWI。RNDWI指数能够削弱混合像元因素的影响, 更精确地提取水陆边界, 甚至可以提取出狭窄条状水体, 同时可消除山体阴影带来的影响。其公式为:
2.3.4 EWI指数
增强型水体指数 (EWI) 是由闫霈等 (2007) [8]利用ETM+影像的绿光波段 (TM2) 、近红外波段 (TM4) 和中红外波段 (TM5) 构建了增强型水体指数ETM (Enhence Water Index) , 提取了半干旱地区的水系信息, 但该指数的创建忽略了大气因素的影响。其公式为:
2.3.5 NWI指数
丁凤等人[9]通过仔细对比分析水体与其它地物的光谱特征, 发现水体提取方面, 尚有以下几个于以往研究中未被充分挖掘和利用的光谱特征:水体在蓝光波段的反射要高于绿光波段, 以EWI水体指数构建为例, 若采用蓝光波段代替绿光波段, 可以进一步扩大水体与其它地物的反差, 且使得大部分水体的亮度值为正;在众多地物类型中, 唯有水体具有如下特点, 即水体在TM/ETM+影像的第4、5、7波段同时具有强烈的吸收, 而植被、干土壤和建筑物等非水体地物在这几个波段范围内的反射则均高于水体。引入水体的上述两个典型特征她们提出了一种可用于提取水体信息的新型水体指数NWI, 其公式如下:
注:Band1代表蓝光波段;Band2代表绿光波段;Band3代表红色波段;Band4代表近红外波;Band5代表短波红外波段;Band7代表中红外波段。
3发展趋势
以上方法均属于利用不同地物的光谱特征、不同的波段进行运算, 进而提取水体的范畴。随着程序设计技术的发展, 一些好的算法思想逐渐被运用到水体的提取当中。如朱述龙等[10]运用GVF Snake算法提取水域的不规则边界, 该算法采用种子点区域生长法, 自动给出水域的初始边界, 采用人机交互法设置内部约束力权值, 然后运用GVF Snake算法搜索水域的实际边界。该试验表明对于形状不规则的水域, 交互式GVF Snake算法也能方便、快速、准确地获取其边界。除此之外边缘提取算法也开始在水体提取中得到越来越广泛的应用。
另外, 基于稀疏性的线性高光谱混合像元分解方法进行水体提取, 近年来也得到了广泛研究, 但就目前而言, 该技术仍不成熟, 存在着诸多缺点。相应的, 张绍泉[11]基于高光谱遥感影像稀疏解混的水域变化检测的研究, 是以提高混合像元分解精度为目的, 并应用于水域变化检测, 取得了很好的效果。
4结语
目前, 水体提取仍处于初步研究阶段, 还有很大的发展空间。无论是直接使用原始影像像元亮度值, 还是经过大气校正, 水体在Landsat数据的近红外和中红外波段均保持了其明显的、与众不同的特征, 即在近红外波段、短红外波段和中红外波段同时具有强烈的吸收, 而水体也由此得以与其它地物区分开来。需要指出的是, 由于受遥感影像本身光谱分辨率和空间分辨率的限制以及“同物异谱”和“异物同谱”现象的影响, 基于遥感数据的水体信息提取结果, 带有误差无可避免。对此, 可通过引入其它辅助数据、专家知识以及人工解译等手段, 将错分像元进行修正;或者引入具有更高分辨率的新型遥感数据、移植和改进现有水体信息指数、研究新的提取方法以及对现有的多种方法进行综合应用, 实现水体信息提取精度的进一步提高。
参考文献
[1]于欢, 张树清, 李晓峰, 那晓东, 孔博.基于TM影像的典型内陆淡水湿地水体提取研究[J].遥感技术与应用, 2008, 23 (3) :310-315.
[2]于瑞宏, 朱超, 刘廷玺.遥感技术在湖泊水体提取中的应用和展望[J].全国水资源合理配置与优化调度及水环境污染防治技术专刊.
[3]程磊, 徐宗学, 左德鹏, 李林涛.基于Landsat TM数据的黄土高原区水体识别方法研究[J].北京师范大学学报 (自然科学版) , 2010, 46 (3) :424-430.
[4]汪金花, 张永彬, 孔改红.谱间关系法在水体特征提取中的应用[J].矿山测量, 2004, (4) :30-32.
[5]Mc Feeters S k.The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J].International Journal of Remote Sensing, 1996, 17 (7) :1425-1432.
[6]徐涵秋.利用改进的归一化差异水体指数 (MNDWI) 提取水体信息的研究[J].遥感学报, 2005, 9 (5) :589-595.
[7]曹荣龙, 李存军, 刘良云, 等.基于水体指数的密云水库面积提取及变化检测[J].测绘科学, 2008, 33 (2) :158-160.
[8]闫霈, 张友静, 张元.利用增强型水体指数 (EWI) 和GIS去噪音技术提取半干旱地区水体信息的研究[J].地理信息科学, 2008, 10 (6) :776-780.
[9]丁凤.基于新型水体指数 (NWI) 进行水体信息提取的实验研究[J].测绘科学, 2009, 34 (4) :155-157.
[10]朱述龙, 孟伟灿, 朱宝山.2013.运用GVF Snake算法提取水域的不规则边界.遥感学报, 17 (4) :742-758.
基于遥感影像线性体特征提取研究 第9篇
要想从遥感影像中提取线性体, 传统的方法是通过目视解译, 其缺点是需要从业人员经过专门训练并具有深厚的专业知识和丰富的经验, 非常耗费时间、金钱, 且解译结果受到诸多因素影响, 具有很强的主观性。因此, 随着遥感影像技术的发展, 迫切的需要利用计算机模拟人工目视解译的过程, 达到自动解译的目的[2]。
1遥感影像线性体提取相关理论与方法
(1) 线性体特征
线性体在遥感影像中表现出的特征主要有三类:线性体在空间频谱特征为高频组份;波谱特征与两侧块体具有差异;图像结构表现为边缘或线条。通过分析线性体特征, 很容易想到利用图像边缘增强和提取方法, 实现对线性体特征的自动识别与提取。一般过程如图1所示:首先将遥感影像进行图像预处理, 再利用图像融合、图像滤波、图像直方图等方法进行图像增强, 然后采用多尺度边缘检测、数学形态学边缘检测、人工神经网络边缘检测等算法进行图像边缘提取。最后得到目标线性体[3]。
(2) 线性体提取研究现状
近年来, 国内外学者对遥感影像上线性体特征的提取进行了大量的研究。如高明星等[4]利用Hough变换方法结合数学形态态检检算算法法, , 对对研研究究地地区区的的线线性性结结构构进进行行了了提提取取与与数数理理统统计计分分析, 与已有地质资料相比较, 该解译方法更快、更经济。谢飞等[5]利用主成分变换先对卫星影像进行预处理和图像增强, 然后用Canny算法和Hough变换对信息进行自动提取。Arnon等[6]对于利用Hough变换对遥感影像线性体特征进行了自动提取并做了质量评价, 结果显示, Hough变换自动提取方法的构造与人工解译的构造能够找到很好的对应关系。Argialas等[7]利用边缘检测技术和Hough变换对特定地形上的地质体进行了特征提取、检验以及效果评估比对。从以上研究可以发现, 主要是利用相关进行线性体提取, 对于如何得到高质量的线性体, 研究甚少。
(3) 线性体提取相关技术研究
要想获得高质量的线性体, 图像的增强和边缘检测算法起到极为重要的作用。在遥感影像中, 对于边缘的检测, 主要是检测影像灰度的变化, 特别是灰度急剧变化的区域, 线性边缘是重要的线性特征之一。
林玉池等[8]对于影像背景比较复杂的边缘提取方法进行了研究, 利用形态学算法抑制噪声和提取边缘信息之间的平衡, 达到既能去噪又能提取较好的细节边缘信息的目的。王光勇等[9]对传统的边缘检测算子进行了改进, 在图像运用纹理分析来检测边缘时自适应选择边缘提取模板, 该方法不仅抑制了噪声还很好的继承了图像的边缘信息。催素梅等[10]利用神经网络方法进行边缘提取, 其结果比传统算子算法效果好。上述方法分别从同的方面研究了边缘线性信息的提取, 但由于受到地理环境特征以及图像处理技术等因素的影响, 对于目前已有的研究算法无法确定最优。正因为如此, 为了使得自动获得的线性体精度更高, 有必要对增强和提取算法进行深入研究。
参考文献
[1]陈潇.遥感影像线性信息提取方法研究[D].吉林大学, 2015.
[2]张丽娟.基于热红外遥感的线性构造信息提取研究[D].昆明理工大学, 2015.
[3]易俐娜, 刘鹏飞, 乔小军, 等.结合遥感影像和DEM的线性体特征提取[J].测绘通报, 2014 (10) :19-22.
[4]高明星.东天山遥感影像线性构造提取及统计分析[D].新疆大学, 2005.
[5]谢飞, 杨树文, 李轶.基于ENVI+IDL的断裂构造遥感影像自动提取研究[J].兰州交通大学学报, 2012, 31 (1) :106-110.
[6]Karnieli Arnon, Amnon Meisels, Leonid Fisher, et al.Auto-matic extraction and evaluation of geological linear features fromdigital remote sensing data using a Hough transform[J].Photogram-metric Engineering and Remote Sensing, 1996.62 (5) :525-531.
[7]Argialas DP, OD Mavrantza.Comparison of edge detectionand bough transform techniques for the extraction of geologic fea-tures[J].International Archives of the Photogrammetry, RemoteSensing and Spatial Information Sciences, 2004.34.
[8]林玉池, 崔彦平.复杂背景下边缘提取与目标识别方法研究[J].光学精密工程, 2006, 6 (3) :509-514.
[9]王光勇, 汪林林, 王佐成.基于纹理分析的边缘检测方法[J].计算机科学, 2007, 9 (34) :227-229.
遥感提取 第10篇
关键词：遥感,分形,蚀变,成矿
在许多地质条件复杂, 难以获得详细的物探、化探、地质和钻孔资料等信息的地区, 遥感成为了寻找矿体、圈定成矿区的一种必要手段。围岩蚀变现象广泛分布于金属矿床的附近, 利用遥感数据可以较为简便的获取矿化蚀变的信息, 这种方法已经广泛的进入了应用生产阶段。目前, 遥感找矿的主要方法有主成分分析法 (K-L变换) , 比值变换法, 光谱角填图法, 对应分析法, Gram-schmidt投影方法, 混合像元分解法和MPH (Mask PCA and HSI) 技术等, 且有多种不同的理论正逐步的被应用于遥感找矿这一领域, 如分形几何学、人工神经网络、小波变换理论等。
原生岩石与热液相互作用产生了岩石的交代蚀变现象, 并产生相关产物, 产物中若某种有益元素进一步富集到一定的可开采程度, 则形成相应的矿床。硅化、绢云母化、绿泥石化、云英岩化、矽卡岩化、白云岩化、重晶石化及锰铁碳酸盐化是较为常见的蚀变。光谱异常是遥感图像异常信息提取的依据, 遥感技术收集蚀变岩石出露区与其周围的正常岩石的差异所反映出的光谱信息, 探测面积较为广阔的成矿蚀变带, 提取各种地质信息, 利用岩石反射光谱特征的差异和特定蚀变在某些特定的光谱波段形成的异常, 可推测矿体的位置与规模大小。世界上已有许多成功应用遥感技术找矿的成功先例, 尤其是金属矿藏, 更证明了将遥感技术应用于找矿的必要性。
1 遥感蚀变异常找矿的发展
本类技术由国外率先提出, 戈茨 (1976) 提出蚀变岩石和未蚀变岩石最大的分辨率分布在短红外波段的1.6Lm~2.2Lm两波谱带反射率的比值 (1.6Lm/2.2Lm) 之间;艾布拉姆斯 (1977) 等人注意到陆地卫星多波段扫描0.5Lm~1.1Lm光谱范围内含褐铁矿蚀变岩石由三价铁产生的独特反射波谱;Hunt (1978) 等利用羟基在可见光到近红外的波谱响应特征来确定特定的矿物来圈定蚀变岩石。20世纪80年代, 美国与智利利用该技术在生产实际中取得了成果, 验证了本技术的应用价值;1999年, 张远飞等利用/多元数据分析+比值+主成份变换+掩膜+分类方法成功应用, 刘庆生等利用对应分析法从MAIS数据中提取了含金矿化带蚀变信息。2000年, 刘素红等利用Gram-schmidt投影方法在高山区提取了TM数据中的含矿蚀变带信息。2001年, Tangestani, m.H.等在蚀变区对比分析中利用了三种主成分分析法。同年, 张玉君等利用ETM+蚀变遥感异常与多元综合信息, 选择可供查证的蚀变异常, 并进行实地查证。2002年, 张玉君等人基于统计学原理, 形成了“去干扰异常主分量门限”技术, 在全国矿产资源潜力评价项目中得到推广应用。2009年, 王倩, 陈建平应用了基于分形理论的遥感蚀变异常提取和分级方法, 利用求和法将遥感蚀变异常从背景中分离, 以进行蚀变异常的进一步分级。
2 分形几何遥感蚀变异常提取技术方法
蚀变的空间展布具有多重分形的特征, 近来学者发现分形几何学在遥感蚀变异常提取中是可以应用的, 其像元亮度-面积模式符合一定的分形理论。利用分形理论中的求和法可以进行遥感蚀变异常的提取和分级, 利用ETM数据提取铁染蚀变信息, 进一步分析与区域成矿的相关性。
2.1 利用像元亮度-面积模式确定蚀变异常限
模型:
其中r表示特征尺度, C>0, 称为比例系数, D>0, 称为分维数, N (r) 表示尺度大于等于r的数目或和数。设像元亮度值{xi}, i=1, 2, …, N, 记作:
(2) 对于所有满足xi≥r的xi求和, min xi≤r≤maxxi。这样就得到了数据r对应的N (r) 。将 (1) 式左右两边同时取对数, 可得:
可得到lgr与lgN (r) 为线性关系, 斜率为-D。分形模型生成双对数图, 拟合直线, 求取分维值D和拟合度R2。遥感异常值和背景值对应不同的斜率值, 不同线段所对应的分界值可区分背景和异常的临界值。无标度区为直线段对应的r的区域。
2.2 基于ETM数据的矿化蚀变信息提取
首先对遥感图像中形成干扰的信息进行掩膜。根据铁染矿物的波谱曲线特征, 选取TM1、TM3、TM4、TM5四个波段作为组合波段做主成分分析增强遥感图像的铁染信息 (图1) 。
铁氧化物在TM3波段呈高反射, 在TM4和TM1波段相对吸收, 利用门限法、分形方法得PC4波段灰度分布, 生成双对数图像, 得到其拟合度与临界点的DN值, 并根据此临界值对图像进行密度分割, 最终得到分级, 确定各级蚀变区。
蚀变区与构造、矿点进行叠加, 即可得到该区域的蚀变与已知矿床对应关系, 为进一步的矿床预测提供依据。
3 结语
找矿区域正日益向复杂地区转移, 在这些地区, 矿化蚀变信息提取具有重要的意义。各种技术方法的应用促进了本领域的发展, 本文介绍了遥感提取矿化蚀变的发展和两种常用的遥感蚀变异常提取技术方法, 并介绍了新理论在本领域的应用——分形几何遥感蚀变异常提取技术方法。各种新方法的出现, 使技术的进一步发展有了可能。关于基于分形的遥感蚀变提取, 我们将针对具体地区实例另文专述, 并将结合对构造因素的分析与对成矿地带的预测。
参考文献
[1]刘玉洁, 杨忠东, 等.MODIS遥感信息处理原理与算法[M].北京:科学出版社, 2 0 0 1:1-4.
[2]梁玉琦, 王功文, 朱颜颜, 等.分形方法在遥感蚀变信息提取中的应用研究, 2011, 26 (4) :508-511.
[3]荆凤, 陈建平.矿化蚀变信息的遥感提取方法综述[J].遥感信息, 2005, 2:62-66.
[4]张玉君, 杨建民, 陈薇.ETM+ (TM) 蚀变遥感异常提取方法研究与应用——地质依据和波谱前提[J].国土资源遥感, 20 02, (4) :3 0-3 6.
[5]王倩, 陈建平.基于分形理论的遥感蚀变异常提取和分级[J].地质通报, 2009, 28 (2～3) :285-288.
遥感提取 第11篇
随着遥感技术的迅速发展,遥感已成为GIS重要的数据源和数据更新手段[1]。遥感影像正是地面实体及其空间位置的很好反映,遥感影像中自动提取目标信息方法,国内外在这方面已有一些研究进展。谭衢霖,等[2]提出了一种基于相邻影像区域合并异质性最小的面对对象多尺度分割算法;沈占峰,等[3]提出了基于不同尺度经行影像特征基元分割,并结合知识辅助实现基元分析的方法 ,有效地将影像中道路进行精准地提取。文贡坚,等[4]根据城市主要道路在图像中的特征进行了模型化处理,得到基于直线的、自动提取方法,该方法能够从实际航空遥感图像中提取出主要道路。有关这个方向的研究还有很多[5,6,7]。现基于面向对象的分类技术借用eCognition软件进行了影像分割与植被信息提取。
1 研究方法
1.1 影像的多尺度分割
在进行影像分割之前,要对影像进行辐射纠正,几何处理等预处理,以剔除大气、地形起伏对图像质量的影响。
遥感影像分割是遥感信息提取和目标识别的基础和关键[8]。在eCognition中所定义的分割是指按照特定标准创建的影像对象或者更改现有的影像对象的形态的任何操作,因此有两个基本的分割原则[9]: 1)将大的影像切割成小块,这是一种从上往下的策略;2)将小块合并成大的影像,这是一种从下往上的策略。而由于地表地物的复杂性以及不同地物在影像上光谱的不同,同性质的地物所表现的光谱特征属性接近,因此,基于以上分析,采用多尺度分割方法对遥感影像进行分割。
多尺度分割(Multiresolution Segmentation)算法连续地合并像元或现有的影像对象。实际上是通过标识一个像元大小的单影像对象,将其与相邻的且具有同质性标准的对象进行合并。影像区域的同质性可以通过异质性的计算来表达[10],表现为颜色同质性(基于光谱颜色的标准差)和形状同质性(基于一个紧凑的或平滑的形状偏差)。
1.2 特征参数选择
分割后得到的影像对象除具有光谱特征外,还具有纹理、形状、上下文关系等特征[11]。因此,可以采用不同算法来提取影像的各特征信息。要提取的感兴趣地物是植被信息,而归一化植被指数(NDVI)可以突出植被变化信息,是提取植被的最佳算法选择。其表达式为[12]:
式(1)中red表示红外波的值;mean nir表示近红外波段值;mean red 表示红外波段值。
1.3 分类
选择不同的分类器,得到的分类结果图是不一样的,有的甚至差别很大。常用的分类器有最邻近分类和模糊逻辑分类[13]。最邻近分类是根据影像对象与它的最邻近对象的特征空间距离,返回一个0到1之间的隶属度值。若一个影像对象与一个样本一致,隶属度值为1。模糊逻辑分类则需要预先定义分类规则。然后根据规则进行划分。现采用模糊逻辑分类方法。其整个技术过程见图1。
2 实例验证
本次试验所用的数据是由北京天目创新科技有限公司提供的数据,其原始图像见图2。研究过程中设置形状因子shape为0.1,紧密度因子为0.5,分别将尺度参数(scale parameter)设计为75,30和10。所得到的分割效果图分别见图3(a)、图3(b)及图3(c)。
添加归一化植被指数(NDVI)算法。对比之前三个不同尺度下分割的效果图,在选取尺度参数为30的条件下对分割效果图进行分类。经过多次调整NDVI的值,可知当0.47<NDVI<0.75时,所得到的分类效果最佳,见图4。图4中蓝色区域表示植被,黄色区域表示非植被。但此分类图并不理想,原因是植被区域(或非植被区域)中的相邻区域并没有合并,仍然显示出很多小块。为了使得到的分类图更加美观,在已分类图基础上分别对植被区域和非植被区域进行合并,旨在将相邻的同类合并成大块。在此过程中用到的算法是Merge region 算法。最终得到的分类图效果见图5。
3 结论与讨论
(1)面向对象的遥感影像信息提取方法较传统的基于像素光谱特征的影像分割方法,可以利用几何纹理、上下文等丰富的特征进行信息提取,克服了传统方法在多尺度下信息提取的缺陷。
(2)主要针对植被信息的提取,对于建筑物边缘、阴影的去除未曾考虑,这也是今后研究的一个方向。
(3)由于地物的复杂性及多种因素的综合影响,自动识别进行遥感影像的信息提取只能够在一定精度下进行,要想达到超精准的信息提取,是今后研究的重点方向。
摘要：介绍了基于面向对象的遥感影像分类方法,借用eCognition软件通过设置不同分割尺度参数及特征值,进行了一个分割分类实例试验。结果显示,与传统的基于像元的分类方法相比,面向对象的遥感影像分类方法具有很好的效果,提高了分类提取的精度。