遙感索伯爾梯度演算法

Ⅰ 數字圖像處理：原理與演算法的目錄

出版說明
前言
第1章 概論
1.1 基本概念
1.1.1 連續圖像
1.1.2 數字圖像
1.1.3 顏色模型
1.2 圖像的統計特性
1.2.1 基本統計分析量
1.2.2 直方圖
1.3 圖像文件格式
1.3.1 BMP圖像文件格式
1.3.2.IPG圖像文件格式
1.3.3 G11圖像文件格式
1.3.4 PNG圖像文件格式
1.4 圖像質量的評價標准
1.4.1 客觀評價標准
1.4.2 主觀評價標准
1.5 數字圖像處理的應用
1.6 習題
第2章 圖像數字化
2.1 圖像采樣
2.1.1 圖像采樣基本概念
2.1.2 采樣定理
2.1.3 圖像重建
2.2 圖像量化
2.2.1 標量量化
2.2.2 向量量化
2.2.3 采樣、量化參數與數字化圖像之間的關系
2.2.4.數字圖像的數值描述
2.3 圖像輸人/輸出設備
2.3.1 圖像輸入設備
2.3.2 圖像輸出設備
2.4 習題
第3章 圖像處理基礎
3.1 點運算
3.1.1 線性點運算
3.1.2 非線性點運算
3.1.3 點運算與直方圖
3.1.4 點運算的應用
3.2 代數運算
3.2.1 加法運算
3.2.2 減法運算
3.2.3 乘法運算
3.2.4 除法運算
3.3 點運算和代數運算應用演算法
3.3.1 彩色圖像轉變為灰度圖像
3.3.2 灰度閾值變換
3.3.3 灰度線性變換
3.3.4 偽彩色處理
3.3.5 圖像融合
3.4 習題
第4章 圖像幾何變換
4.1 圖像仿射變換
4.1.1 齊次坐標系
4.1 _2圖像仿射變換
4.1.3 仿射變換演算法設計
4.2 圖像插值放大
4.2.1 最鄰近插值演算法
4.2.2 雙線性插值演算法
4.2.3 三次卷積插值演算法
4.3 圖像縮小
4.3.1 基於等間隔采樣的圖像縮小演算法
4.3.2 基於局部均值的圖像縮小演算法
4.4 習題
第5章 圖像時頻變換
5.1 Fourier變換
5.1.1 Fourier變換的性質
5.1.2 離散Fourier變換
5.1.3 二維離散Fourier變換的性質
5.2 快速傅里葉變換
5.2.1 計算DFT的問題及其改進途徑
5.2.2 FFT演算法及其原理
5.3 離散餘弦變換
5.3.1 一維離散餘弦變換
5.3.2 利用FFT快速計算DCT
5.4 沃爾什-哈達瑪變換
5.4.1 沃爾什函數與哈達瑪矩陣
5.4.2 沃爾什-哈達瑪變換
5.5 K-L變換
5.5.1 圖像的向量表示和統計參數
5.5 ，2c，的特徵值和特徵向量
5.5.3 離散K-L變換及其性質
5.6 小波變換
5.6.1 從F0urier分析到小波分析
5.6.2 小波分析
5.6.3 小波變換演算法
5.7 習題
第6章 圖像增強
6.1 空域增強
6.1.1 灰度變換增強
6.1.2 直方圖變換增強
6.1.3 平滑濾波
6.1.4 中值濾波
6.1.5 空域模板濾波
6.2 頻域增強
6.2.1 巴特沃斯低通濾波
6.2.2 巴特沃斯高通濾波
6.3 圖像銳化
6.3.1 羅伯特運算元
6.3.2 拉普拉斯運算元
6.3.3 索伯爾運算元
6.3.4 普瑞維特運算元
6.3.5 凱西運算元
6.4 習題
第7章 圖像恢復
7.1 圖像退化模型
7.1.1 線性系統
7.1.2 圖像退化模型
7.1.3 圖像退化模型的離散形式
7.1.4 運動模糊的退化模型
7.2 圖像代數恢復方法
7.2.1 無約束代數恢復方法
7.2.2 有約束代數恢復方法
7.3 圖像頻域恢復方法
7.3.1 逆濾波
7.3.2 最小二乘方濾波
7.4 其他圖像恢復方法
7.4.1 人機互動式恢復方法
7.4.2 幾何畸變校正
7.5 習題
第8章 圖像分割
8.1 邊緣檢測
8.1.1 圖像邊緣與梯度
8.1.2 邊緣檢測演算法
8.2 圖像閾值法
8.2.1 閾值分割原理
8.2.2 最佳閾值分割演算法
8.2.3 0tsu閾值分割演算法
8.2.4 基於熵的二值化方法
8.3 基於區域的分割
8.3.1 區域生長法
8.3.2 區域分裂與合並
8.4 霍夫變換
8.4.1 直線的檢測
8.4.2 廣義Hough變換檢測曲線
8.5 習題
第9章 圖像特徵提取與分析
9.1 幾何特徵
9.1.1 位置和面積
9.1.2 距離
9.2 形狀特徵
9.2.1 區域外部空間域分析
9.2.2 區域內部空間域分析
9.2.3 區域內部變換分析
9.3 邊界特徵
9.3.1 鏈碼描述
9.3.2 傅里葉描述子
9.3.3 邊界提取與外輪廓跟蹤
9.4 圖形細化
9.4.1 細化演算法
……
第10章 圖像形態學
第11章 模式識別
第12章 圖像壓縮
第13章 分開圖像壓縮
第14章 圖像加密
第15章 圖像數字水印
附錄
參考文獻

Ⅱ 索伯爾梯度演算法的結果賦給中間值嗎

摘要 一般來說，用來表示微分的最常用的運算元是索貝爾(Sobel)運算元，它可以實現任意階導數和混合偏導數(例如: ∂2/∂x∂y)。

Ⅲ 遙感數據融合詳細步驟，急急急，做論文的！！！！

一、資料的收集與分析 遙感制圖所需的資料范圍較廣，一般需要收集如下資料
1、編制地區的普通地圖 、 （1）比例尺最好與成圖比例尺一致或稍大於成圖比例尺 （2）選用面積變形較小的地圖投影
2、遙感資料 後幾年的影像 在選擇遙感圖像時，要遵循以下幾個原則：
（1）空間解析度及制圖比例尺的選擇 空間解析度指像素 代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元。 空間解析度指像素所代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元的地面范圍的大小 由於遙感制圖是利用遙感圖像來提取專題制圖信息的，因此在選擇遙感圖像空間解析度時要考慮以 下兩點要素：一是判讀目標的最小尺寸，二是地圖成圖比例尺。遙感圖像的空間解析度與地圖比例尺有 密切關系：空間解析度越高圖像可放大的倍數越大，地圖的成圖比例尺也越大。 遙感圖像的比例尺應與成圖比例尺一致或象片比例尺稍大於成圖比例尺，這樣可以避免成圖比例尺 大尺度變換的繁瑣技術問題。但對於專題要素的判讀、分類、描繪來說，往往要選擇大於地圖比例尺的 象片為宜。
（2）波譜解析度與波段的選擇 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔 波譜解析度，是由感測器所使用的波段數目，也就是選擇的通道數，以及波段的波長和寬度所決定。各 遙感器波普解析度在設計時， 都是有針對性的， 多波段的感測器提供了空間環境不同的信息。 TM 為例： 以 TM1 藍波段：對葉綠素和夜色素濃度敏感，用於區分土壤與植被、落葉林與針葉林、近海水域制圖。 TM2 綠波段：對無病害植物葉綠素反射敏感 TM3 紅波段：對葉綠素吸收敏感，用於區分植物種類。 TM4 近紅外波段：對無病害植物近紅外反射敏感，用於生物量測定及水域判別。 TM5 中紅外波段：對植物含水量和雲的不同反射敏感，可判斷含水量和雪、雲。 TM6 遠紅外波段：作溫度圖，植物熱強度測量 TM 圖象的性質 波段 1 2 3 4 5 6 7 光譜范圍 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光譜性質 藍 綠 紅 近紅外 中（近）紅外 熱（中）紅外 中紅外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 應 用 地壤與植被分類 健康植物的綠色反射率 探測不同植物的葉綠素吸收 生物量測量，水體制圖 植物濕度測量，區分雲與雪 植物熱強度測量，其它熱制圖 水熱法制圖，地質采礦 包括航空象片、衛星象片及它們的底片和磁帶、航空象片鑲輯圖、若為動態監測還需要前
（3）時間解析度與時相的選擇 遙感圖像是某一瞬間地面實況的記錄，而地理現象是變化、發展的。因此，在一系列按時間序列成像的 遙感圖像 多時相遙感圖像中，必然存在著最能揭示地理現象本質的「最佳時相」圖像 把感測器對同一目標進行重復探測時， 相鄰兩次探測的時間間隔稱為遙感圖像的時間解析度。 Landsat 如 1、2、3 的圖像最高時間解析度為 18 天，Landsat4、5、7 為 16 天，SPOT-4 為 26 天，而靜止氣象衛星的 時間解析度僅為半小時。 遙感圖像的時間解析度對動態監測尤為重要。如：天氣預報、災害監測等需要短周期的時間解析度，因 此常以「小時」為單位。植物、作物的長勢監測、估產等需要用「旬」或「日」為單位。 顯然只有氣象衛星的圖像信息才能滿足這種要求；研究植被的季相節律、農作物的長勢，目前以選擇 landsat-TM 或 SPOT 遙感信息為宜。
3、其他資料 土地現狀圖、土地利用報告 、編圖地區的統計資料、政府文件、地方誌等
二、確立專題要素的分類系統
三、遙感圖像處理
1、遙感圖像處理方法的選擇 、
（1）光學處理法 常用的方法有：假彩色合成（加色法、減色法）、等密度分割、圖像相關掩膜。
（2）數字圖像校正 方法：輻射校正、幾何校正
（3）數字圖像增強的方法：
A. 對比度變換
B.空間濾波：是指在圖像空間或空間頻率對輸入圖像應用若干濾波函數而獲得改進的輸出圖像的技術。 空間濾波 常用的空間濾波的方法有：平滑和銳化。 ：平滑和銳化 平滑：圖像中出現某些亮度變化過大的區域，或出現不該有的亮點（「雜訊」）時，採用平滑的方法可以減小變化， 平滑 使亮度平緩或去掉不必要的「雜訊」點。具體方法有：均值平滑、中值濾波 均值平滑、 均值平滑 銳化：為了突出圖像的邊緣、線狀目標或某些亮度變化率大的部分，可採用銳化方法。常用的幾種方法：羅伯特 銳化 梯度、索伯爾梯度、拉普拉斯演算法、定向檢測
C.彩色變換 彩色變換就是將黑白圖像轉換成彩色圖像的方法。主用的方法有單波段彩色變換、多波段彩色變換、 彩色變換: 彩色變換 HLS 變換等。
D.圖像運算
E.多光譜變換 多光譜變換: 多光譜變換 兩幅或多幅單波段影像，完成空間配准後，通過一系列運算，可以實現圖像增強，達到提取某些信息 或去掉某些不必要信息的目的。方法：差值運算、比值運算 多光譜變換就是指用某種變換把信息集中於較少（一般為 3 個）波段內。常用的方法有：主成分分 主成分分 變換） 纓帽變換（ 、纓帽變換 變換） 、沃爾什—哈達瑪變換、傅立葉變換、植被指數變換、斜變 析（K-L 變換） 纓帽變換（K-T 變換） 、 換、餘弦變換等等。 主成分分析（ 變換） 主成分分析（K-L 變換）的主要特性有二： a．能夠把原來多個波段中的有用信息盡量集中到數目盡可能少的新的組分圖像中。 b．還能夠使新的組分圖像中的組分之間互不相關，也就是說各個組分包含的信息內容是不重疊的。 K-L 變換的缺點 的缺點是不能排除無用以至有礙的雜訊和干擾因素。 的缺點 纓帽變換（ 變換） ：它是 Kauth 和 Thomas（1976 年）通過分析 MSS 圖像反映農作物或植被生長過程的數據結 纓帽變換（K-T 變換） 構後，提出的正交線性變換。 K-T 變換的特點：a．能夠把原來多個波段中的有用信息壓縮到較少的新的波段內。 b．要求新波段正交或近似正交。 c．分離或削弱無用的干擾因素。 （4）多源信息復合 ）

四、遙感圖像的判讀
1、遙感圖像目視判讀 遙感圖像的判讀標志：
遙感圖像的判讀標志：是指圖像上反映出的地物和現象的圖像特徵，是以深淺不同的黑白色調（灰階） 或不同的色彩構成的各種各樣圖形現象出來的。 遙感圖像的判讀標志可概括為：顏色、形狀、空間位置 ：顏色、形狀、 顏色——色調、 顏色、 顏色——色調、 顏色、陰影 ——色調 形狀——形狀、紋理、 大小 、 形狀 、 位置——位置、圖型、相關布局 位置
2、目視解譯的方法
（1）直接判讀法（2）對比分析法 （3）信息復合法（4）綜合推理法（5）地理相關分析法 （1）直接判讀法：是根據遙感影像目視判讀直接標志，直接確定目標地物屬性與范圍的一種方法。 直接判讀法 例如，在可見光黑白像片上，水體對光線的吸收率強，反射率低，水體呈現灰黑到黑色，根據色調可以從影像 上直接判讀出水體，根據水體的形狀則可以直接分辨出水體是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被顏色為紅色，根據地物顏色色調，可以直接區別植物與背景。 （2）對比分析法 此方法包括同類地物對比分析法、空間對比分析法和時相動態對比法。 A.同類地物對比分析法 同類地物對比分析法是在同一景遙感影像上，由已知地物推出未知目標地物的方法。 同類地物對比分析法 B.空間對比分析法 空間對比分析法是根據待判讀區域的特點，選擇另一個熟悉的與遙感圖像區域特徵類似的影像，將兩個影像相互 空間對比分析法 對比分析，由已知影像為依據判讀未知影像的一種方法。 C.時相動態對比法，是利用同一地區不同時間成像的遙感影像加以對比分析，了解同一目標地物動態變化的一種解 .時相動態對比法 譯方法。 （3）信息復合法：利用透明專題圖或者透明地形圖與遙感圖像重合，根據專題圖或者地形圖提供的多種輔助信息， 信息復合法 識別遙感圖像上目標地物的方法。 （4）綜合推理法：綜合考慮遙感圖像多種解譯特徵，結合生活常識，分析、推斷某種目標地物的方法。 綜合推理法 （5）地理相關分析法：根據地理環境中各種地理要素之間的相互依存，相互制約的關系，藉助專業知識，分析推斷 地理相關分析法 某種地理要素性質、類型、狀況與分布的方法。

3、目視解譯的基本步驟 （1）准備工作 •選擇合適波段與恰當時相的遙感影像 •相關專題地圖的准備 •工具材料准備 •熟悉地理概況 •確定專題分類系統 （2）室內初步解譯與判讀區的野外考察 室內建立初步判讀標志 •初步解譯的主要任務是掌握解譯區域特點，確立典型解譯樣區，建立目視解譯標志，探索解譯方法，為全面解譯 奠定基礎。 •在室內初步解譯的工作重點是建立影像解譯標准，為了保證解譯標志的正確性和可靠性，必須進行解譯區的野外 調查。野外調查之前，需要制定野外調查方案與調查路線。 野外考察驗正判讀標志 在野外調查中，為了建立研究區的判讀標志，必須做大量認真細致的工作，填寫各種地物的判讀標志登記表， 以作為建立地區性的判讀標志的依據。在此基礎上，制訂出影像判讀的專題分類系統，根據目標地物與影像特徵之 間的關系，通過影像反復判讀和野外對比檢驗，建立遙感影像判讀標志。 （3）室內詳細判讀 在詳細判讀過程中，要及時將解譯中出現的疑難點、邊界不清楚的地方和有待驗證的問題詳細記錄下來，留待野 外驗證與補判階段解決。 （4）野外驗證與補判 野外驗證指再次到遙感影像判讀區去實地核實解譯的結果。主要內容包括兩方面： •檢驗專題解譯中圖斑的內容是否正確。 •驗證圖斑界線是否定位準確，並根據野外實際考察情況修正目標地物的分布界線。 （5）目視解譯成果的轉繪與制圖 遙感圖像目視判讀成果，一般以專題圖或遙感影像圖的形式表現出來。

五、遙感圖像計算機解譯
圖像分類方法 監督分類
1.(1) 最小距離法 最小距離法（minimum distance classifier） •以特徵空間中的距離作為像素分類的依據。 •在遙感圖象上對每一類別選取一個具有代表意義的統計特徵量；計算待分像元與已知類別之間的距離，將其歸 屬於距離最小的一類。 •最小距離分類法原理簡單，分類精度不很高，但計算速度快，它可以在快速瀏覽分類概況中使用。
(2) 分級切割分類法 分級切割分類法（multi-level slice classifier） 多級切割法（multi-level slice classifier）是根據設定在各軸上的值域分割多維特徵空間的分類方法。
(3) 特徵曲線窗口法 •特徵曲線窗口法分類的依據是：相同的地物在相同的地域環境及成像條件下，其特徵曲線是相同或相近的，而不 同地物的特徵曲線差別明顯。 •特徵曲線窗口法分類的效果取決於特徵參數的選擇和窗口大小。各特徵參數窗口大小的選擇可以不同，它要根據 地物在各特徵參數空間里的分布情況而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物圖象可以以其光譜特徵向量 X 作為亮度在光譜特徵空間中找到一個相應的特徵點，來自於同類地物的各種特 征點在特徵空間中將形成一種屬於某種概率分布的集群。 • 判別某一特徵點類屬的合理途徑是對其落進不同類別集群中的條件概率進行比較， 相應於條件概率大的那個類別， 應是該特徵點的歸屬。

2、監督分類步驟
（1）選擇有代表性的訓練場，確定各類地物的范圍界線。
（2）對各類地物光譜值統計，提取各地物的數值特徵。
（3）確定分類判別函數：最小距離法、馬氏距離法等。
（4）分類參數、閾值的確定；各類地物像元數值的分布都圍繞一個中心特徵值，散布在空間的一定范圍，因此需要 給出各類地物類型閾值，限定分布范圍，構成分類器。
（5）分類：利用分類器分類。
（6）檢驗：對初步分類結果精度進行檢驗（分類精度、面積精度、位置精度等） 對分類器進行調整。
（7）待分類影象分類。
（8）分類結果的矢量化。
非監督分類 前提：遙感影象上同類物體在同樣條件下具有相同的光譜信息特徵，依靠影象上不同類地物光譜信息（或紋理信息） 進行特徵提取，再統計特徵的差別來達到分類的目的，最後對已分出的個別類進行確認。 非監督分類方法是在沒有先驗類別（訓練區）作為樣本的條件下，即事先不知道類別特徵，主要根據像元間相似度 非監督分類方法 的大小進行歸類合並（將相似度大的像元歸為一類）的方法。主要有： （1）分級集群法（2）動態聚類法
第二節 從影像生成專題地圖
一、目視解釋的專題地圖
（1）影像預處理 包括遙感數據的圖像校正、圖像增強，有時還需要實驗室提供監督或非監督分類的圖像。
（2）目視解譯 經過建立影像判讀標志，野外判讀，室內解譯，得到繪有圖斑的專題解譯原圖。
（3）地圖概括 按比例尺及分類的要求，進行專題解譯原圖的概括。專題地圖需要正規的地理底圖，所以地圖概括的同時也進行圖斑向地理底圖的轉繪。
（4）地圖整飾 在轉繪完專題圖斑的地理底圖上進行專題地圖的整飾工作。
二、數字圖像處理的專題制圖
（1）影像預處理 同目視解譯類似，影響經過圖像校正、圖像增強，得到供計算機分類用的遙感影像數據。
（2）按專題要求進行影像分類。
（3）專題類別的地圖概括 包括在預處理中消除影像的孤立點，依成圖比例尺對圖斑尺寸的限制進行柵格影像的概括。
（4）圖斑的柵格/矢量變換。
（5）與地理底圖疊加，生成專題地圖。
三、遙感系列制圖
系列地圖，簡單說就是在內容上和時間上有關聯的一組地圖。我們所討論的系列地圖，是指根據共同的制圖目的，利用同一的制圖信息源，按照統一的設計原則，成套編制的遙感專題地圖。
地理底圖的編製程序：採用常規的方法編制地理底圖時，首先選擇制圖范圍內相應比例尺的地形圖，進行展點、鑲嵌、照像，製成地圖薄膜片，然後將膜片蒙在影像圖上，用以更新地形圖的地理要素。經過地圖概括，最後製成供轉繪專題影像圖的地理底圖，其比例尺與專題影響圖相同。
遙感系列制圖的基本要求
1.統一信息源
2.統一對制圖區域地理特徵的認識
3.制定統一的設計原則
4.按一定的規則順序成圖

Ⅳ 關於植被指數研究一般用什麼類型的遙感數據

一、資料的收集與分析 遙感制圖所需的資料范圍較廣，一般需要收集如下資料
1、編制地區的普通地圖 、 （1）比例尺最好與成圖比例尺一致或稍大於成圖比例尺 （2）選用面積變形較小的地圖投影
2、遙感資料 後幾年的影像 在選擇遙感圖像時，要遵循以下幾個原則：
（1）空間解析度及制圖比例尺的選擇 空間解析度指像素 代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元。 空間解析度指像素所代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元的地面范圍的大小 由於遙感制圖是利用遙感圖像來提取專題制圖信息的，因此在選擇遙感圖像空間解析度時要考慮以 下兩點要素：一是判讀目標的最小尺寸，二是地圖成圖比例尺。遙感圖像的空間解析度與地圖比例尺有 密切關系：空間解析度越高圖像可放大的倍數越大，地圖的成圖比例尺也越大。 遙感圖像的比例尺應與成圖比例尺一致或象片比例尺稍大於成圖比例尺，這樣可以避免成圖比例尺 大尺度變換的繁瑣技術問題。但對於專題要素的判讀、分類、描繪來說，往往要選擇大於地圖比例尺的 象片為宜。
（2）波譜解析度與波段的選擇 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔 波譜解析度，是由感測器所使用的波段數目，也就是選擇的通道數，以及波段的波長和寬度所決定。各 遙感器波普解析度在設計時， 都是有針對性的， 多波段的感測器提供了空間環境不同的信息。 TM 為例： 以 TM1 藍波段：對葉綠素和夜色素濃度敏感，用於區分土壤與植被、落葉林與針葉林、近海水域制圖。 TM2 綠波段：對無病害植物葉綠素反射敏感 TM3 紅波段：對葉綠素吸收敏感，用於區分植物種類。 TM4 近紅外波段：對無病害植物近紅外反射敏感，用於生物量測定及水域判別。 TM5 中紅外波段：對植物含水量和雲的不同反射敏感，可判斷含水量和雪、雲。 TM6 遠紅外波段：作溫度圖，植物熱強度測量 TM 圖象的性質 波段 1 2 3 4 5 6 7 光譜范圍 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光譜性質 藍 綠 紅 近紅外 中（近）紅外 熱（中）紅外 中紅外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 應 用 地壤與植被分類 健康植物的綠色反射率 探測不同植物的葉綠素吸收 生物量測量，水體制圖 植物濕度測量，區分雲與雪 植物熱強度測量，其它熱制圖 水熱法制圖，地質采礦 包括航空象片、衛星象片及它們的底片和磁帶、航空象片鑲輯圖、若為動態監測還需要前
（3）時間解析度與時相的選擇 遙感圖像是某一瞬間地面實況的記錄，而地理現象是變化、發展的。因此，在一系列按時間序列成像的 遙感圖像 多時相遙感圖像中，必然存在著最能揭示地理現象本質的「最佳時相」圖像 把感測器對同一目標進行重復探測時， 相鄰兩次探測的時間間隔稱為遙感圖像的時間解析度。 Landsat 如 1、2、3 的圖像最高時間解析度為 18 天，Landsat4、5、7 為 16 天，SPOT-4 為 26 天，而靜止氣象衛星的 時間解析度僅為半小時。 遙感圖像的時間解析度對動態監測尤為重要。如：天氣預報、災害監測等需要短周期的時間解析度，因 此常以「小時」為單位。植物、作物的長勢監測、估產等需要用「旬」或「日」為單位。 顯然只有氣象衛星的圖像信息才能滿足這種要求；研究植被的季相節律、農作物的長勢，目前以選擇 landsat-TM 或 SPOT 遙感信息為宜。
3、其他資料 土地現狀圖、土地利用報告 、編圖地區的統計資料、政府文件、地方誌等
二、確立專題要素的分類系統
三、遙感圖像處理
1、遙感圖像處理方法的選擇 、
（1）光學處理法 常用的方法有：假彩色合成（加色法、減色法）、等密度分割、圖像相關掩膜。
（2）數字圖像校正 方法：輻射校正、幾何校正
（3）數字圖像增強的方法：
A. 對比度變換
B.空間濾波：是指在圖像空間或空間頻率對輸入圖像應用若干濾波函數而獲得改進的輸出圖像的技術。 空間濾波 常用的空間濾波的方法有：平滑和銳化。 ：平滑和銳化 平滑：圖像中出現某些亮度變化過大的區域，或出現不該有的亮點（「雜訊」）時，採用平滑的方法可以減小變化， 平滑 使亮度平緩或去掉不必要的「雜訊」點。具體方法有：均值平滑、中值濾波 均值平滑、 均值平滑 銳化：為了突出圖像的邊緣、線狀目標或某些亮度變化率大的部分，可採用銳化方法。常用的幾種方法：羅伯特 銳化 梯度、索伯爾梯度、拉普拉斯演算法、定向檢測
C.彩色變換 彩色變換就是將黑白圖像轉換成彩色圖像的方法。主用的方法有單波段彩色變換、多波段彩色變換、 彩色變換: 彩色變換 HLS 變換等。
D.圖像運算
E.多光譜變換 多光譜變換: 多光譜變換 兩幅或多幅單波段影像，完成空間配准後，通過一系列運算，可以實現圖像增強，達到提取某些信息 或去掉某些不必要信息的目的。方法：差值運算、比值運算 多光譜變換就是指用某種變換把信息集中於較少（一般為 3 個）波段內。常用的方法有：主成分分 主成分分 變換） 纓帽變換（ 、纓帽變換 變換） 、沃爾什—哈達瑪變換、傅立葉變換、植被指數變換、斜變 析（K-L 變換） 纓帽變換（K-T 變換） 、 換、餘弦變換等等。 主成分分析（ 變換） 主成分分析（K-L 變換）的主要特性有二： a．能夠把原來多個波段中的有用信息盡量集中到數目盡可能少的新的組分圖像中。 b．還能夠使新的組分圖像中的組分之間互不相關，也就是說各個組分包含的信息內容是不重疊的。 K-L 變換的缺點 的缺點是不能排除無用以至有礙的雜訊和干擾因素。 的缺點 纓帽變換（ 變換） ：它是 Kauth 和 Thomas（1976 年）通過分析 MSS 圖像反映農作物或植被生長過程的數據結 纓帽變換（K-T 變換） 構後，提出的正交線性變換。 K-T 變換的特點：a．能夠把原來多個波段中的有用信息壓縮到較少的新的波段內。 b．要求新波段正交或近似正交。 c．分離或削弱無用的干擾因素。 （4）多源信息復合 ）

四、遙感圖像的判讀
1、遙感圖像目視判讀 遙感圖像的判讀標志：
遙感圖像的判讀標志：是指圖像上反映出的地物和現象的圖像特徵，是以深淺不同的黑白色調（灰階） 或不同的色彩構成的各種各樣圖形現象出來的。 遙感圖像的判讀標志可概括為：顏色、形狀、空間位置 ：顏色、形狀、 顏色——色調、 顏色、 顏色——色調、 顏色、陰影 ——色調 形狀——形狀、紋理、 大小 、 形狀 、 位置——位置、圖型、相關布局 位置
2、目視解譯的方法
（1）直接判讀法（2）對比分析法 （3）信息復合法（4）綜合推理法（5）地理相關分析法 （1）直接判讀法：是根據遙感影像目視判讀直接標志，直接確定目標地物屬性與范圍的一種方法。 直接判讀法 例如，在可見光黑白像片上，水體對光線的吸收率強，反射率低，水體呈現灰黑到黑色，根據色調可以從影像 上直接判讀出水體，根據水體的形狀則可以直接分辨出水體是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被顏色為紅色，根據地物顏色色調，可以直接區別植物與背景。 （2）對比分析法 此方法包括同類地物對比分析法、空間對比分析法和時相動態對比法。 A.同類地物對比分析法 同類地物對比分析法是在同一景遙感影像上，由已知地物推出未知目標地物的方法。 同類地物對比分析法 B.空間對比分析法 空間對比分析法是根據待判讀區域的特點，選擇另一個熟悉的與遙感圖像區域特徵類似的影像，將兩個影像相互 空間對比分析法 對比分析，由已知影像為依據判讀未知影像的一種方法。 C.時相動態對比法，是利用同一地區不同時間成像的遙感影像加以對比分析，了解同一目標地物動態變化的一種解 .時相動態對比法 譯方法。 （3）信息復合法：利用透明專題圖或者透明地形圖與遙感圖像重合，根據專題圖或者地形圖提供的多種輔助信息， 信息復合法 識別遙感圖像上目標地物的方法。 （4）綜合推理法：綜合考慮遙感圖像多種解譯特徵，結合生活常識，分析、推斷某種目標地物的方法。 綜合推理法 （5）地理相關分析法：根據地理環境中各種地理要素之間的相互依存，相互制約的關系，藉助專業知識，分析推斷 地理相關分析法 某種地理要素性質、類型、狀況與分布的方法。

3、目視解譯的基本步驟 （1）准備工作 •選擇合適波段與恰當時相的遙感影像 •相關專題地圖的准備 •工具材料准備 •熟悉地理概況 •確定專題分類系統 （2）室內初步解譯與判讀區的野外考察 室內建立初步判讀標志 •初步解譯的主要任務是掌握解譯區域特點，確立典型解譯樣區，建立目視解譯標志，探索解譯方法，為全面解譯 奠定基礎。 •在室內初步解譯的工作重點是建立影像解譯標准，為了保證解譯標志的正確性和可靠性，必須進行解譯區的野外 調查。野外調查之前，需要制定野外調查方案與調查路線。 野外考察驗正判讀標志 在野外調查中，為了建立研究區的判讀標志，必須做大量認真細致的工作，填寫各種地物的判讀標志登記表， 以作為建立地區性的判讀標志的依據。在此基礎上，制訂出影像判讀的專題分類系統，根據目標地物與影像特徵之 間的關系，通過影像反復判讀和野外對比檢驗，建立遙感影像判讀標志。 （3）室內詳細判讀 在詳細判讀過程中，要及時將解譯中出現的疑難點、邊界不清楚的地方和有待驗證的問題詳細記錄下來，留待野 外驗證與補判階段解決。 （4）野外驗證與補判 野外驗證指再次到遙感影像判讀區去實地核實解譯的結果。主要內容包括兩方面： •檢驗專題解譯中圖斑的內容是否正確。 •驗證圖斑界線是否定位準確，並根據野外實際考察情況修正目標地物的分布界線。 （5）目視解譯成果的轉繪與制圖 遙感圖像目視判讀成果，一般以專題圖或遙感影像圖的形式表現出來。

五、遙感圖像計算機解譯
圖像分類方法 監督分類
1.(1) 最小距離法 最小距離法（minimum distance classifier） •以特徵空間中的距離作為像素分類的依據。 •在遙感圖象上對每一類別選取一個具有代表意義的統計特徵量；計算待分像元與已知類別之間的距離，將其歸 屬於距離最小的一類。 •最小距離分類法原理簡單，分類精度不很高，但計算速度快，它可以在快速瀏覽分類概況中使用。
(2) 分級切割分類法 分級切割分類法（multi-level slice classifier） 多級切割法（multi-level slice classifier）是根據設定在各軸上的值域分割多維特徵空間的分類方法。
(3) 特徵曲線窗口法 •特徵曲線窗口法分類的依據是：相同的地物在相同的地域環境及成像條件下，其特徵曲線是相同或相近的，而不 同地物的特徵曲線差別明顯。 •特徵曲線窗口法分類的效果取決於特徵參數的選擇和窗口大小。各特徵參數窗口大小的選擇可以不同，它要根據 地物在各特徵參數空間里的分布情況而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物圖象可以以其光譜特徵向量 X 作為亮度在光譜特徵空間中找到一個相應的特徵點，來自於同類地物的各種特 征點在特徵空間中將形成一種屬於某種概率分布的集群。 • 判別某一特徵點類屬的合理途徑是對其落進不同類別集群中的條件概率進行比較， 相應於條件概率大的那個類別， 應是該特徵點的歸屬。

2、監督分類步驟
（1）選擇有代表性的訓練場，確定各類地物的范圍界線。
（2）對各類地物光譜值統計，提取各地物的數值特徵。
（3）確定分類判別函數：最小距離法、馬氏距離法等。
（4）分類參數、閾值的確定；各類地物像元數值的分布都圍繞一個中心特徵值，散布在空間的一定范圍，因此需要 給出各類地物類型閾值，限定分布范圍，構成分類器。
（5）分類：利用分類器分類。
（6）檢驗：對初步分類結果精度進行檢驗（分類精度、面積精度、位置精度等） 對分類器進行調整。
（7）待分類影象分類。
（8）分類結果的矢量化。
非監督分類 前提：遙感影象上同類物體在同樣條件下具有相同的光譜信息特徵，依靠影象上不同類地物光譜信息（或紋理信息） 進行特徵提取，再統計特徵的差別來達到分類的目的，最後對已分出的個別類進行確認。 非監督分類方法是在沒有先驗類別（訓練區）作為樣本的條件下，即事先不知道類別特徵，主要根據像元間相似度 非監督分類方法 的大小進行歸類合並（將相似度大的像元歸為一類）的方法。主要有： （1）分級集群法（2）動態聚類法
第二節 從影像生成專題地圖
一、目視解釋的專題地圖
（1）影像預處理 包括遙感數據的圖像校正、圖像增強，有時還需要實驗室提供監督或非監督分類的圖像。
（2）目視解譯 經過建立影像判讀標志，野外判讀，室內解譯，得到繪有圖斑的專題解譯原圖。
（3）地圖概括 按比例尺及分類的要求，進行專題解譯原圖的概括。專題地圖需要正規的地理底圖，所以地圖概括的同時也進行圖斑向地理底圖的轉繪。
（4）地圖整飾 在轉繪完專題圖斑的地理底圖上進行專題地圖的整飾工作。
二、數字圖像處理的專題制圖
（1）影像預處理 同目視解譯類似，影響經過圖像校正、圖像增強，得到供計算機分類用的遙感影像數據。
（2）按專題要求進行影像分類。
（3）專題類別的地圖概括 包括在預處理中消除影像的孤立點，依成圖比例尺對圖斑尺寸的限制進行柵格影像的概括。
（4）圖斑的柵格/矢量變換。
（5）與地理底圖疊加，生成專題地圖。
三、遙感系列制圖
系列地圖，簡單說就是在內容上和時間上有關聯的一組地圖。我們所討論的系列地圖，是指根據共同的制圖目的，利用同一的制圖信息源，按照統一的設計原則，成套編制的遙感專題地圖。
地理底圖的編製程序：採用常規的方法編制地理底圖時，首先選擇制圖范圍內相應比例尺的地形圖，進行展點、鑲嵌、照像，製成地圖薄膜片，然後將膜片蒙在影像圖上，用以更新地形圖的地理要素。經過地圖概括，最後製成供轉繪專題影像圖的地理底圖，其比例尺與專題影響圖相同。
遙感系列制圖的基本要求
1.統一信息源
2.統一對制圖區域地理特徵的認識
3.制定統一的設計原則
4.按一定的規則順序成圖

Ⅳ 處理遙感圖像時，需要進行投影轉換，則投影轉換的目的是

投影轉換的目的就是把影像轉換到你想要的投影方式下，比如你有一副影像，是蘭伯特投影，但我國使用的是高斯克里格投影方式，這時你需要把影像轉換成高斯克里格投影。有時你有多幅影像，當每幅影像的投影都不一樣，這時你就無法對影像做疊加的相關處理，也無法接拼，就要以其中一副影像的投影作為標准，把其他所有影像都轉換到這一投影下。ENVI ERDAS ARCGIS中都有投影轉換功能，自己可以試一下。

Ⅵ 索伯爾梯度的計算方法

Sobel邊緣運算元

對數字圖像的每一個像素f(i,j),考察它的上、下、左、右鄰域灰度的加權值，把各方向上(0度、45度、90度、135度)的灰度值加權之和作為輸出，可以達到提取圖像邊緣的效果。

即 g(i,j) = fxr + fyr, 其中

fxr = f(i-1,j-1)+2*f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2*f(i+1,j)-f(i+1,j+1)

fyr = f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)

Ⅶ 關於植被指數研究一般用什麼類型的惺

一、資料的收集與分析 遙感制圖所需的資料范圍較廣，一般需要收集如下資料
1、編制地區的普通地圖 、 （1）比例尺最好與成圖比例尺一致或稍大於成圖比例尺 （2）選用面積變形較小的地圖投影
2、遙感資料 後幾年的影像 在選擇遙感圖像時，要遵循以下幾個原則：
（1）空間解析度及制圖比例尺的選擇 空間解析度指像素 代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元。 空間解析度指像素所代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元的地面范圍的大小 由於遙感制圖是利用遙感圖像來提取專題制圖信息的，因此在選擇遙感圖像空間解析度時要考慮以 下兩點要素：一是判讀目標的最小尺寸，二是地圖成圖比例尺。遙感圖像的空間解析度與地圖比例尺有 密切關系：空間解析度越高圖像可放大的倍數越大，地圖的成圖比例尺也越大。 遙感圖像的比例尺應與成圖比例尺一致或象片比例尺稍大於成圖比例尺，這樣可以避免成圖比例尺 大尺度變換的繁瑣技術問題。但對於專題要素的判讀、分類、描繪來說，往往要選擇大於地圖比例尺的 象片為宜。
（2）波譜解析度與波段的選擇 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔 波譜解析度，是由感測器所使用的波段數目，也就是選擇的通道數，以及波段的波長和寬度所決定。各 遙感器波普解析度在設計時， 都是有針對性的， 多波段的感測器提供了空間環境不同的信息。 TM 為例： 以 TM1 藍波段：對葉綠素和夜色素濃度敏感，用於區分土壤與植被、落葉林與針葉林、近海水域制圖。 TM2 綠波段：對無病害植物葉綠素反射敏感 TM3 紅波段：對葉綠素吸收敏感，用於區分植物種類。 TM4 近紅外波段：對無病害植物近紅外反射敏感，用於生物量測定及水域判別。 TM5 中紅外波段：對植物含水量和雲的不同反射敏感，可判斷含水量和雪、雲。 TM6 遠紅外波段：作溫度圖，植物熱強度測量 TM 圖象的性質 波段 1 2 3 4 5 6 7 光譜范圍 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光譜性質 藍 綠 紅 近紅外 中（近）紅外 熱（中）紅外 中紅外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 應 用 地壤與植被分類 健康植物的綠色反射率 探測不同植物的葉綠素吸收 生物量測量，水體制圖 植物濕度測量，區分雲與雪 植物熱強度測量，其它熱制圖 水熱法制圖，地質采礦 包括航空象片、衛星象片及它們的底片和磁帶、航空象片鑲輯圖、若為動態監測還需要前
（3）時間解析度與時相的選擇 遙感圖像是某一瞬間地面實況的記錄，而地理現象是變化、發展的。因此，在一系列按時間序列成像的 遙感圖像 多時相遙感圖像中，必然存在著最能揭示地理現象本質的「最佳時相」圖像 把感測器對同一目標進行重復探測時， 相鄰兩次探測的時間間隔稱為遙感圖像的時間解析度。 Landsat 如 1、2、3 的圖像最高時間解析度為 18 天，Landsat4、5、7 為 16 天，SPOT-4 為 26 天，而靜止氣象衛星的 時間解析度僅為半小時。 遙感圖像的時間解析度對動態監測尤為重要。如：天氣預報、災害監測等需要短周期的時間解析度，因 此常以「小時」為單位。植物、作物的長勢監測、估產等需要用「旬」或「日」為單位。 顯然只有氣象衛星的圖像信息才能滿足這種要求；研究植被的季相節律、農作物的長勢，目前以選擇 landsat-TM 或 SPOT 遙感信息為宜。
3、其他資料 土地現狀圖、土地利用報告 、編圖地區的統計資料、政府文件、地方誌等
二、確立專題要素的分類系統
三、遙感圖像處理
1、遙感圖像處理方法的選擇 、
（1）光學處理法 常用的方法有：假彩色合成（加色法、減色法）、等密度分割、圖像相關掩膜。
（2）數字圖像校正 方法：輻射校正、幾何校正
（3）數字圖像增強的方法：
A. 對比度變換
B.空間濾波：是指在圖像空間或空間頻率對輸入圖像應用若干濾波函數而獲得改進的輸出圖像的技術。 空間濾波 常用的空間濾波的方法有：平滑和銳化。 ：平滑和銳化 平滑：圖像中出現某些亮度變化過大的區域，或出現不該有的亮點（「雜訊」）時，採用平滑的方法可以減小變化， 平滑 使亮度平緩或去掉不必要的「雜訊」點。具體方法有：均值平滑、中值濾波 均值平滑、 均值平滑 銳化：為了突出圖像的邊緣、線狀目標或某些亮度變化率大的部分，可採用銳化方法。常用的幾種方法：羅伯特 銳化 梯度、索伯爾梯度、拉普拉斯演算法、定向檢測
C.彩色變換 彩色變換就是將黑白圖像轉換成彩色圖像的方法。主用的方法有單波段彩色變換、多波段彩色變換、 彩色變換: 彩色變換 HLS 變換等。
D.圖像運算
E.多光譜變換 多光譜變換: 多光譜變換 兩幅或多幅單波段影像，完成空間配准後，通過一系列運算，可以實現圖像增強，達到提取某些信息 或去掉某些不必要信息的目的。方法：差值運算、比值運算 多光譜變換就是指用某種變換把信息集中於較少（一般為 3 個）波段內。常用的方法有：主成分分 主成分分 變換） 纓帽變換（ 、纓帽變換 變換） 、沃爾什—哈達瑪變換、傅立葉變換、植被指數變換、斜變 析（K-L 變換） 纓帽變換（K-T 變換） 、 換、餘弦變換等等。 主成分分析（ 變換） 主成分分析（K-L 變換）的主要特性有二： a．能夠把原來多個波段中的有用信息盡量集中到數目盡可能少的新的組分圖像中。 b．還能夠使新的組分圖像中的組分之間互不相關，也就是說各個組分包含的信息內容是不重疊的。 K-L 變換的缺點 的缺點是不能排除無用以至有礙的雜訊和干擾因素。 的缺點 纓帽變換（ 變換） ：它是 Kauth 和 Thomas（1976 年）通過分析 MSS 圖像反映農作物或植被生長過程的數據結 纓帽變換（K-T 變換） 構後，提出的正交線性變換。 K-T 變換的特點：a．能夠把原來多個波段中的有用信息壓縮到較少的新的波段內。 b．要求新波段正交或近似正交。 c．分離或削弱無用的干擾因素。 （4）多源信息復合 ）

四、遙感圖像的判讀
1、遙感圖像目視判讀 遙感圖像的判讀標志：
遙感圖像的判讀標志：是指圖像上反映出的地物和現象的圖像特徵，是以深淺不同的黑白色調（灰階） 或不同的色彩構成的各種各樣圖形現象出來的。 遙感圖像的判讀標志可概括為：顏色、形狀、空間位置 ：顏色、形狀、 顏色——色調、 顏色、 顏色——色調、 顏色、陰影 ——色調 形狀——形狀、紋理、 大小 、 形狀 、 位置——位置、圖型、相關布局 位置
2、目視解譯的方法
（1）直接判讀法（2）對比分析法 （3）信息復合法（4）綜合推理法（5）地理相關分析法 （1）直接判讀法：是根據遙感影像目視判讀直接標志，直接確定目標地物屬性與范圍的一種方法。 直接判讀法 例如，在可見光黑白像片上，水體對光線的吸收率強，反射率低，水體呈現灰黑到黑色，根據色調可以從影像 上直接判讀出水體，根據水體的形狀則可以直接分辨出水體是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被顏色為紅色，根據地物顏色色調，可以直接區別植物與背景。 （2）對比分析法 此方法包括同類地物對比分析法、空間對比分析法和時相動態對比法。 A.同類地物對比分析法 同類地物對比分析法是在同一景遙感影像上，由已知地物推出未知目標地物的方法。 同類地物對比分析法 B.空間對比分析法 空間對比分析法是根據待判讀區域的特點，選擇另一個熟悉的與遙感圖像區域特徵類似的影像，將兩個影像相互 空間對比分析法 對比分析，由已知影像為依據判讀未知影像的一種方法。 C.時相動態對比法，是利用同一地區不同時間成像的遙感影像加以對比分析，了解同一目標地物動態變化的一種解 .時相動態對比法 譯方法。 （3）信息復合法：利用透明專題圖或者透明地形圖與遙感圖像重合，根據專題圖或者地形圖提供的多種輔助信息， 信息復合法 識別遙感圖像上目標地物的方法。 （4）綜合推理法：綜合考慮遙感圖像多種解譯特徵，結合生活常識，分析、推斷某種目標地物的方法。 綜合推理法 （5）地理相關分析法：根據地理環境中各種地理要素之間的相互依存，相互制約的關系，藉助專業知識，分析推斷 地理相關分析法 某種地理要素性質、類型、狀況與分布的方法。

3、目視解譯的基本步驟 （1）准備工作 •選擇合適波段與恰當時相的遙感影像 •相關專題地圖的准備 •工具材料准備 •熟悉地理概況 •確定專題分類系統 （2）室內初步解譯與判讀區的野外考察 室內建立初步判讀標志 •初步解譯的主要任務是掌握解譯區域特點，確立典型解譯樣區，建立目視解譯標志，探索解譯方法，為全面解譯 奠定基礎。 •在室內初步解譯的工作重點是建立影像解譯標准，為了保證解譯標志的正確性和可靠性，必須進行解譯區的野外 調查。野外調查之前，需要制定野外調查方案與調查路線。 野外考察驗正判讀標志 在野外調查中，為了建立研究區的判讀標志，必須做大量認真細致的工作，填寫各種地物的判讀標志登記表， 以作為建立地區性的判讀標志的依據。在此基礎上，制訂出影像判讀的專題分類系統，根據目標地物與影像特徵之 間的關系，通過影像反復判讀和野外對比檢驗，建立遙感影像判讀標志。 （3）室內詳細判讀 在詳細判讀過程中，要及時將解譯中出現的疑難點、邊界不清楚的地方和有待驗證的問題詳細記錄下來，留待野 外驗證與補判階段解決。 （4）野外驗證與補判 野外驗證指再次到遙感影像判讀區去實地核實解譯的結果。主要內容包括兩方面： •檢驗專題解譯中圖斑的內容是否正確。 •驗證圖斑界線是否定位準確，並根據野外實際考察情況修正目標地物的分布界線。 （5）目視解譯成果的轉繪與制圖 遙感圖像目視判讀成果，一般以專題圖或遙感影像圖的形式表現出來。

五、遙感圖像計算機解譯
圖像分類方法 監督分類
1.(1) 最小距離法 最小距離法（minimum distance classifier） •以特徵空間中的距離作為像素分類的依據。 •在遙感圖象上對每一類別選取一個具有代表意義的統計特徵量；計算待分像元與已知類別之間的距離，將其歸 屬於距離最小的一類。 •最小距離分類法原理簡單，分類精度不很高，但計算速度快，它可以在快速瀏覽分類概況中使用。
(2) 分級切割分類法 分級切割分類法（multi-level slice classifier） 多級切割法（multi-level slice classifier）是根據設定在各軸上的值域分割多維特徵空間的分類方法。
(3) 特徵曲線窗口法 •特徵曲線窗口法分類的依據是：相同的地物在相同的地域環境及成像條件下，其特徵曲線是相同或相近的，而不 同地物的特徵曲線差別明顯。 •特徵曲線窗口法分類的效果取決於特徵參數的選擇和窗口大小。各特徵參數窗口大小的選擇可以不同，它要根據 地物在各特徵參數空間里的分布情況而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物圖象可以以其光譜特徵向量 X 作為亮度在光譜特徵空間中找到一個相應的特徵點，來自於同類地物的各種特 征點在特徵空間中將形成一種屬於某種概率分布的集群。 • 判別某一特徵點類屬的合理途徑是對其落進不同類別集群中的條件概率進行比較， 相應於條件概率大的那個類別， 應是該特徵點的歸屬。

2、監督分類步驟
（1）選擇有代表性的訓練場，確定各類地物的范圍界線。
（2）對各類地物光譜值統計，提取各地物的數值特徵。
（3）確定分類判別函數：最小距離法、馬氏距離法等。
（4）分類參數、閾值的確定；各類地物像元數值的分布都圍繞一個中心特徵值，散布在空間的一定范圍，因此需要 給出各類地物類型閾值，限定分布范圍，構成分類器。
（5）分類：利用分類器分類。
（6）檢驗：對初步分類結果精度進行檢驗（分類精度、面積精度、位置精度等） 對分類器進行調整。
（7）待分類影象分類。
（8）分類結果的矢量化。
非監督分類 前提：遙感影象上同類物體在同樣條件下具有相同的光譜信息特徵，依靠影象上不同類地物光譜信息（或紋理信息） 進行特徵提取，再統計特徵的差別來達到分類的目的，最後對已分出的個別類進行確認。 非監督分類方法是在沒有先驗類別（訓練區）作為樣本的條件下，即事先不知道類別特徵，主要根據像元間相似度 非監督分類方法 的大小進行歸類合並（將相似度大的像元歸為一類）的方法。主要有： （1）分級集群法（2）動態聚類法
第二節 從影像生成專題地圖
一、目視解釋的專題地圖
（1）影像預處理 包括遙感數據的圖像校正、圖像增強，有時還需要實驗室提供監督或非監督分類的圖像。
（2）目視解譯 經過建立影像判讀標志，野外判讀，室內解譯，得到繪有圖斑的專題解譯原圖。
（3）地圖概括 按比例尺及分類的要求，進行專題解譯原圖的概括。專題地圖需要正規的地理底圖，所以地圖概括的同時也進行圖斑向地理底圖的轉繪。
（4）地圖整飾 在轉繪完專題圖斑的地理底圖上進行專題地圖的整飾工作。
二、數字圖像處理的專題制圖
（1）影像預處理 同目視解譯類似，影響經過圖像校正、圖像增強，得到供計算機分類用的遙感影像數據。
（2）按專題要求進行影像分類。
（3）專題類別的地圖概括 包括在預處理中消除影像的孤立點，依成圖比例尺對圖斑尺寸的限制進行柵格影像的概括。
（4）圖斑的柵格/矢量變換。
（5）與地理底圖疊加，生成專題地圖。
三、遙感系列制圖
系列地圖，簡單說就是在內容上和時間上有關聯的一組地圖。我們所討論的系列地圖，是指根據共同的制圖目的，利用同一的制圖信息源，按照統一的設計原則，成套編制的遙感專題地圖。
地理底圖的編製程序：採用常規的方法編制地理底圖時，首先選擇制圖范圍內相應比例尺的地形圖，進行展點、鑲嵌、照像，製成地圖薄膜片，然後將膜片蒙在影像圖上，用以更新地形圖的地理要素。經過地圖概括，最後製成供轉繪專題影像圖的地理底圖，其比例尺與專題影響圖相同。
遙感系列制圖的基本要求
1.統一信息源
2.統一對制圖區域地理特徵的認識
3.制定統一的設計原則
4.按一定的規則順序成圖

Ⅷ 濾波增強

濾波是指對頻率特徵的一種篩選技術。影像濾波處理是對影像中某些空間頻率特徵信息增強或抑制。例如增強高頻抑制低頻信息即是突出邊緣、線條、紋理、細節; 增強低頻抑制高頻信息是去掉細節，保留影像中的主幹、粗結構。影像的濾波增強實質就是增強影像的某些空間頻率特徵，來改善目標與其鄰域間像元的對比度關系。

地學工作者往往對遙感影像中的地物邊界、紋理、地面形跡等信息感興趣，因此需要增強遙感影像中的這些信息。影像中的這些信息在空間位置上具有一定的延伸方向、延伸距離、寬度以及反差等特點，這些特點可以用一定的物理模式來描述，例如具有長距離( 數十千米) 、寬線條的形跡呈低頻率特徵; 對於細小的邊界、紋理、斷裂等長度在數百米內的窄線條的形跡呈高頻特徵; 介於兩者之間的呈中頻特徵。因此，根據地學判讀的需要，可以分別增強高頻、中頻和低頻特徵 ( 圖 4-11) 。實現低頻增強的稱為低通濾波 ( 圖4-12，圖 4-13) ; 實現高頻增強的稱為高通濾波 ( 圖 4-14) ; 增強中間頻段的稱為帶通濾波; 此外還可增強影像的某些方向的形跡特徵，稱為定向濾波 ( 圖 4-15) 。例如，山脈之間的距離以數十千米計算，其形跡具有較低的空間頻率，應採用低通濾波，即將具有高頻率和中等頻率形跡的曲線濾去，只通過低頻率的形跡曲線構成圖像，突出表示山脈的形跡; 一般背斜、向斜有著中等的空間頻率，波長以千米計算，採用中通濾波; 而節理、裂隙以及小型地質構造具有較高的頻率，波長以幾十米、幾百米計算，採用高通濾波。

圖 4-11 ENVI 軟體濾波增強處理對話框及運算菜單

圖 4-12 某地 TM1 原始影像

圖 4-13 ENVI 軟體低通濾波處理的影像

圖 4-14 ENVI 軟體高通濾波處理的影像

圖 4-15 315°方向濾波處理的影像

濾波增強技術有空間域濾波和頻率域濾波兩種。空間域濾波是在影像的空間變數內進行局部運算，使用空間二維卷積方法。頻率域濾波使用傅氏分析等方法，通過修改原影像的傅氏變換式實現濾波。這里討論的濾波增強主要解決圖像的平滑和銳化處理問題。地物的邊界及各種線性形跡，通常都表現為一定的空間分布頻率，因此可以通過空間域或頻率域的濾波對它們進行增強。

( 一) 圖像平滑處理

圖像中出現某些亮度變化過大的區域，或出現不該有的亮點 ( 「雜訊」) 時，採用平滑方法可以減小變化，使亮度平緩或去掉不必要 「雜訊」點。它實際上是使圖像中高頻成分消退，即平滑圖像的細節，降低其反差，保存低頻成分，在頻域中稱為低通濾波。圖像平滑處理可通過鄰域平均法實現，即利用圖像點 ( x，y) 及其鄰域若干個像素的灰度平均值來代替點 ( x，y) 的灰度值，結果是對亮度突變的點產生了 「平滑」效果。空間域中的圖像平滑處理多採用模板窗口對原始圖像進行卷積運算，根據卷積運算的方式可分為滑動平均法、中值濾波等方法。

1. 滑動平均法

平滑濾波的輸出圖像中像元 ( x，y) 的 DN 值等於原始圖像中以目標像元 ( x，y) 為中心的模板窗口內像元的平均 DN 值。圖像平滑的效果取決於模板窗口的大小。平滑可抑制雜訊，但也會造成邊緣信息損失而使圖像模糊。

2. 中值濾波

平滑濾波的輸出圖像中像元 ( x，y) 的 DN 值等於原始圖像中以目標像元 ( x，y) 為中心的模板窗口內所有像元的中間 DN 值。中值濾波是一種非線性變換。其優勢在於可在平滑的基礎上較大程度地防止邊緣模糊。

圖像平滑的主要目的是消除圖像中的隨機雜訊、孤立雜訊等影響數據處理與分析的無用數據，以取得便於後續處理與專題信息提取的可靠數據。當然，雜訊的判斷與消除亦依賴於數據處理人員的地學知識與解譯經驗，同時亦取決於數據與認知模式，不能簡單地一概而論。

( 二) 圖像銳化處理

圖像銳化指增強圖像中的高頻信息，以削弱背景、突出光密度突變的高頻成分 ( 線條或邊緣) ，起到增強邊緣和細微構造的作用，有助於隱伏構造的顯示。空間域中的圖像銳化處理多利用原始圖像中目標像元與鄰近區域像元 DN 值之間的變化率來衡量，根據運算的方式可分為微分法、空間域定向濾波等方法。

1. 微分法

對於離散的數字圖像而言，其 DN 值在相鄰像元間的變化率包括 8 個方向 ( 水平、垂直、對角線方向) ，微分法即採用各方向上相鄰像元之間的 DN 值差值來作為方向導數的近似，可分為一次微分法和二次微分法。

一次微分法反映了相鄰像元的亮度變化率，即圖像中如果存在邊緣，如湖泊、河流的邊界，山脈和道路等，則邊緣處有較大的梯度值。對於亮度值較平滑的部分，亮度梯度值較小。因此，找到梯度較大的位置，也就找到邊緣，然後再用不同的梯度計算值代替邊緣處像元的值，也就突出了邊緣，實現了圖像的銳化。通常有羅伯特梯度和索伯爾梯度方法。

拉普拉斯演算法為二次微分法，與一次微分法的區別在於它不檢測均勻的圖像亮度變化，而是檢測變化率的變化率，相當於二階微分，計算出的圖像更加突出亮度值突變的位置。實際中，亦可由原圖像減去拉普拉斯模板運算結果 ( 或其某個倍數) 而得到新的圖像，從而使原圖像作為背景保留下來，同時可加大邊緣特徵的對比度。

2. 空間域定向濾波

空間域定向濾波又稱為圖像的卷積運算，亦即通過一定尺寸的方向模板對圖像進行卷積運算，並以卷積值代替各像元點的灰度值 ( DN 值) 。

方向模板 ( 卷積核) 是一個各元素大小按照一定的規律取值，並因而對於某一方向灰度變化最敏感的數字矩陣。方向模板增強的是元素代數和取值最大的方向 ( 最大響應方向) 上的空間特徵信息。方向模板與圖像的卷積運算是指模板的中心沿圖像像元依次移動，在每一位置上將模板中各個元素值與圖像上對應像元 DN 值相乘後的累加和作為模板中心點對應像元的卷積輸出值。

方向模板分為零模板與非零模板，零模板其所有元素的代數和為零，非零模板中所有元素的代數和不為零 ( 圖 4-16) 。

圖 4-16 方向模板

Ⅸ 羅伯特梯度和索伯爾梯度計算有什麼區別

羅伯特演算法更突出邊遠，索伯爾演算法更考慮領域點的關系。