《卫星遥感图像处理技术》课件

卫星遥感图像处理技术本课件旨在系统介绍卫星遥感图像处理技术，从遥感技术的基本概念、数据类型，到图像的预处理、增强、几何校正，再到信息提取、分类以及应用，内容全面且深入通过本课程的学习，学员将掌握遥感图像处理的核心技术，并能够将其应用于实际问题的解决中我们将一同探索遥感技术的奥秘，开启图像处理的无限可能课程介绍遥感技术发展与应用遥感技术发展遥感技术应用遥感技术经历了从航空遥感到卫星遥感的发展历程，传感器技术遥感技术在资源调查、环境监测、灾害评估、城市规划、农业估不断革新，数据获取能力显著提升随着计算机技术的进步，图产等领域得到广泛应用通过遥感数据，可以快速获取大范围地像处理算法日趋完善，为遥感数据的深入应用提供了有力支撑表信息，为决策提供科学依据遥感技术的应用不断拓展，正在遥感技术已经成为获取地球信息的重要手段，并在各个领域发挥深刻改变着我们认识和管理地球的方式着越来越重要的作用遥感图像的特点与优势覆盖范围广1遥感图像能够覆盖大面积区域，快速获取地表信息，尤其适用于大范围的资源调查和环境监测获取信息快2遥感技术能够快速获取数据，缩短数据采集周期，及时反映地表变化情况，为快速响应提供数据支持多光谱信息丰富3遥感图像包含丰富的光谱信息，能够识别地物类型、分析地物特征，为精细化研究提供数据基础经济效益高4相比传统地面调查，遥感技术能够降低人力成本，提高工作效率，具有显著的经济效益遥感数据类型光学、雷达、热红外光学遥感雷达遥感热红外遥感利用可见光、近红外和利用微波波段获取地表利用热红外波段获取地短波红外波段获取地表信息，具有穿透能力表信息，能够反映地表信息，具有光谱分辨率强、不受天气条件影响温度分布，应用于地热高、易于解译等优点，等优点，能够获取地表资源勘探、环境监测等但易受天气条件影响粗糙度、湿度等信息领域遥感平台与传感器简介遥感平台传感器遥感平台包括卫星平台、航空平传感器是遥感系统的核心部件，台和地面平台卫星平台能够提负责接收和记录来自地表的电磁供全球范围的数据覆盖，航空平辐射根据工作波段和成像方台具有较高的空间分辨率，地面式，传感器可分为光学传感器、平台则用于地面验证和校正雷达传感器和热红外传感器等常用卫星常用的遥感卫星包括Landsat系列、Sentinel系列、MODIS、高分系列等这些卫星具有不同的空间分辨率、光谱分辨率和时间分辨率，能够满足不同应用的需求遥感图像的获取过程目标辐射地表目标反射或辐射电磁波大气传输电磁波穿过大气层，受到大气吸收、散射等影响传感器接收遥感传感器接收来自地表的电磁波信号数据处理对传感器接收到的数据进行处理，生成遥感图像数字图像基础像素、灰度、色彩灰度2像素的亮度值，通常用0-255表示，0为黑色，255为白色像素1图像的最小单元，包含位置和亮度信息色彩由红、绿、蓝三种颜色组合而成，每种颜色用0-255表示3图像文件格式、、GeoTIFF ENVIIMGGeoTIFF1带有地理信息的TIFF格式，通用性强ENVI2ENVI软件专用的图像格式，支持多光谱数据IMG3ERDAS IMAGINE软件专用的图像格式，支持多种数据类型图像显示与增强直方图调整图像显示直方图调整将数字图像转换为可视图像的过程，需要选择合适的色彩映射方通过调整图像的直方图，改变图像的亮度分布，从而增强图像的案，以便更好地展示图像信息不同的色彩映射方案会影响图像对比度，使图像更清晰常用的直方图调整方法包括直方图均衡的视觉效果，需要根据具体应用选择合适的方案化、直方图匹配等线性拉伸对比度增强线性拉伸1将图像的灰度值线性映射到新的范围，增强图像的对比度，使图像更清晰优点2简单易行，效果明显缺点3可能导致图像信息丢失非线性拉伸伽马校正伽马校正1通过调整图像的伽马值，改变图像的亮度分布，增强图像的对比度，使图像更符合人眼的视觉特性原理2伽马值小于1时，图像变亮；伽马值大于1时，图像变暗应用3广泛应用于图像显示和增强空间滤波平滑滤波常用方法2均值滤波、中值滤波、高斯滤波等平滑滤波1通过对图像像素的邻域进行加权平均，降低图像的噪声，使图像更平滑应用去除图像噪声，平滑图像细节3锐化滤波边缘增强锐化滤波常用方法应用通过增强图像像素的邻Sobel算子、Prewitt增强图像边缘，突出图域差异，突出图像的边算子、Laplacian算子像细节缘和细节，使图像更清等晰频率域滤波傅里叶变换123傅里叶变换频率域滤波逆傅里叶变换将图像从空间域转换到频率域，分析图像在频率域对图像进行滤波，去除图像的噪将滤波后的图像从频率域转换回空间域的频率成分声或增强图像的细节图像几何校正原理与流程几何校正原理几何校正流程由于遥感图像在获取过程中受到几何校正流程包括选择地面控传感器姿态、地球自转等因素的制点（GCP）、建立几何校正模影响，会产生几何变形，需要进型、进行图像重采样等步骤通行几何校正，消除这些变形，使过这些步骤，可以将遥感图像校图像具有正确的几何位置正到指定的坐标系下应用几何校正广泛应用于遥感图像的配准、镶嵌、分类等地学分析地面控制点（）的选择GCP分布均匀易于识别精度高123GCP应在图像上分布均匀，避免集GCP应是图像上易于识别的地物，GCP的坐标精度应尽可能高，以保中在某一区域如道路交叉口、建筑物角点等证几何校正的精度几何校正模型多项式模型模型公式特点一次多项式简单，适用于小范围区域x=a0+a1x+a2y;y=b0+b1x+b2y二次多项式精度较高，适用于较大范围区域x=a0+a1x+a2y+a3x2+a4xy+a5y2;y=b0+b1x+b2y+b3x2+b4xy+b5y2三次多项式公式略精度更高，但计算复杂正射校正地形校正正射校正消除由于地形起伏引起的几何变形，使图像具有正射投影特性地形数据需要数字高程模型（DEM）数据，反映地表地形起伏情况应用提高图像的几何精度，便于进行地理分析图像配准不同传感器数据的融合图像配准常用方法将不同时间、不同传感器获取的图像，对齐到同一坐标系下，以基于特征的配准、基于区域的配准等基于特征的配准通过提取便进行后续的分析和应用图像配准是多源数据融合的基础图像的特征点，然后进行匹配；基于区域的配准则直接比较图像的灰度值特征提取、SIFT SURFSIFTSURF尺度不变特征变换，具有尺度不变加速鲁棒特征，是SIFT算法的改进，性、旋转不变性等特点，能够提取图具有更高的计算效率，适用于实时图像的局部特征像处理图像镶嵌多景图像的拼接关键步骤2几何校正、色彩平衡、接缝线处理等图像镶嵌1将多景相邻的遥感图像拼接成一幅完整的图像，扩大图像的覆盖范围应用制作大范围的遥感图像地图3色彩平衡图像色彩一致性色彩平衡1调整图像的色彩，使图像的色彩更加自然、真实，消除由于光照、传感器等因素引起的色彩差异常用方法2直方图匹配、色彩传递等应用3提高图像的视觉效果，便于进行图像解译遥感图像分类概念与方法图像分类监督分类非监督分类123将遥感图像中的像素划分为不同的需要训练样本，根据训练样本的特不需要训练样本，根据图像自身的类别，如植被、水体、建筑物等，征，对图像进行分类特征，对图像进行分类从而提取地表信息监督分类训练样本的选择代表性训练样本应具有代表性，能够代表各类地物的特征均匀性训练样本应在图像上分布均匀，避免集中在某一区域数量训练样本的数量应足够多，以保证分类精度监督分类算法最大似然法算法原理特点最大似然法假设各类地物的像素简单易行，但对数据值服从正态分布，计分布有要求算像素属于各类地物的概率，将像素划归到概率最大的类别支持向量机（）分类SVM优点2精度高，泛化能力强，适用于高维数据SVM1一种强大的分类算法，通过寻找最优超平面，将不同类别的样本分开缺点3计算复杂，需要选择合适的核函数决策树分类决策树1通过构建决策树，将图像像素逐步划分到不同的类别优点2简单易懂，可解释性强，不需要假设数据分布缺点3容易过拟合，分类精度可能不高非监督分类聚类K-means优点缺点K-means将图像像素划分为K个类别，使得每个像简单易行，计算效率高需要预先指定类别数K，对初始中心点敏素与其所属类别的中心点的距离最小感聚类ISODATAISODATA迭代自组织数据分析技术，是一种改进的K-means聚类算法，能够自动调整类别1数优点2能够自动确定类别数，鲁棒性强缺点3计算复杂，需要设置多个参数分类精度评价混淆矩阵混淆矩阵精度指标用于评价分类精度的常用方法，通过统计分类结果与真实地物之总体精度、生产者精度、用户精度等总体精度是指被正确分类间的关系，计算分类精度的像素占总像素的比例；生产者精度是指某一类地物被正确分类的像素占该类地物总像素的比例；用户精度是指被分类为某一类地物的像素中，真正属于该类地物的像素所占的比例系数Kappa

10.8系数数值范围Kappa一种更稳健的分类精度评价指标，考虑了偶然一致性的影响Kappa系数的取值范围为-1到1，值越大，分类精度越高一般来说，Kappa系数大于

0.8表示分类精度较高遥感图像变化检测原理与方法变化检测常用方法通过比较不同时间获取的遥感图图像差值法、图像比值法、变化像，分析地表的变化情况，为资矢量分析等这些方法各有优缺源管理、环境监测等提供依据点，需要根据具体应用选择合适的方法应用土地利用/覆被变化监测、森林砍伐监测、城市扩张监测等图像差值法图像差值法优点缺点将不同时间获取的遥感图像的像素值相简单易行，计算效率高容易受到光照、大气等因素的影响减，得到差值图像，根据差值的大小判断地表的变化情况差值越大，变化越明显图像比值法图像比值法将不同时间获取的遥感图像的像素值相除，得到比值图像，根据比值的大小判断地表的变化情况比值越接近1，变化越小；比值偏离1越大，变化越明显优点能够一定程度上消除光照、地形等因素的影响缺点对噪声敏感变化矢量分析变化矢量分析通过计算不同时间获取的遥感图像的像素在特征空间中的变化矢量，分析地表的变化情况变化矢量的大小和方向反映了变化的强度和类型优点能够同时反映变化的强度和类型缺点计算复杂，需要进行特征提取遥感指数、、NDVI EVINDWINDVIEVI NDWI归一化植被指数，反映增强型植被指数，能够归一化水体指数，反映植被的生长状况，取值降低大气和土壤背景的水体的分布情况，值越范围为-1到1，值越影响，更准确地反映植大，水体覆盖度越高大，植被覆盖度越高被的生长状况植被指数应用植被覆盖度估算植被指数植被覆盖度估算NDVI通过NDVI值与植被覆盖度之间的关系，估算植被覆盖度EVI通过EVI值与植被覆盖度之间的关系，估算植被覆盖度，精度更高水体指数应用水体提取水体提取1通过NDWI值，提取水体信息，应用于水资源管理、洪涝灾害监测等领域阈值法2设定NDWI阈值，将NDWI值大于阈值的像素划分为水体应用3绘制水体分布图，监测水体变化情况建筑用地提取方法2基于光谱特征、纹理特征、面向对象分类等建筑用地提取1利用遥感图像，提取建筑用地信息，应用于城市规划、土地利用调查等领域应用3监测城市扩张，评估土地利用效率遥感图像解译目视解译要素色调纹理形状地物在图像上的颜色，地物在图像上的粗糙程地物在图像上的轮廓，是目视解译的重要依度，能够反映地物的组能够反映地物的类型和据成和结构功能遥感图像在农业中的应用作物估产1利用遥感数据，估算农作物的产量病虫害监测2利用遥感数据，监测农作物的病虫害情况灌溉管理3利用遥感数据，进行灌溉管理，提高水资源利用效率遥感图像在林业中的应用森林资源调查森林火灾监测森林砍伐监测利用遥感数据，调查森林的面积、蓄积利用遥感数据，监测森林火灾的发生和利用遥感数据，监测森林的砍伐情况，量、树种组成等信息蔓延情况保护森林资源遥感图像在水利中的应用水资源调查1利用遥感数据，调查水资源的分布和变化情况洪涝灾害监测2利用遥感数据，监测洪涝灾害的发生和蔓延情况水质监测3利用遥感数据，监测水质的变化情况，保护水资源遥感图像在城市规划中的应用城市规划利用遥感数据，进行城市用地分类、城市扩张监测、交通规划等城市热岛效应监测利用遥感数据，监测城市热岛效应的强度和范围，改善城市环境遥感图像在环境监测中的应用环境监测利用遥感数据，监测大气污染、水污染、土地退化等环境问题，为环境保护提供依据大气污染监测利用遥感数据，监测大气中的污染物浓度和分布情况水污染监测利用遥感数据，监测水体中的污染物浓度和分布情况大气污染监测臭氧监测气溶胶监测二氧化氮监测利用遥感数据，监测大利用遥感数据，监测大利用遥感数据，监测大气中的臭氧浓度，保护气中的气溶胶浓度，评气中的二氧化氮浓度，臭氧层估空气质量评估交通污染水污染监测叶绿素监测2利用遥感数据，监测水体中的叶绿素浓度，评估水体富营养化程度水污染监测1利用遥感数据，监测水体中的污染物浓度，评估水质状况悬浮物监测利用遥感数据，监测水体中的悬浮物浓3度，评估水体透明度土地利用覆被变化监测/土地利用覆被变化监测城市扩张监测耕地变化监测/利用遥感数据，监测土地利用和覆被的利用遥感数据，监测城市扩张的速度和利用遥感数据，监测耕地的面积和分布变化情况，评估人类活动对环境的影方向，为城市规划提供依据情况，保障粮食安全响遥感数据与其他数据的集成12数据集成数据融合将遥感数据与其他数据（如GIS数据、气象数据、社会经济数据通过数据融合，可以获取更全面、更深入的信息，为决策提供更等）集成，进行综合分析，提高信息的利用价值科学的依据集成GISGIS集成将遥感数据与GIS数据集成，进行空间分析和可视化，应用于资源管理、环境监测、城市规划等领域应用空间分析、制图、决策支持等遥感大数据分析遥感大数据1随着遥感技术的快速发展，遥感数据的获取量呈爆炸式增长，进入了大数据时代大数据分析2需要利用大数据分析技术，从海量遥感数据中提取有价值的信息，为决策提供支持技术3云计算、机器学习、深度学习等云平台遥感图像处理优势2降低了硬件成本，提高了处理效率，促进了数据共享云平台1利用云计算平台，进行遥感图像处理，具有计算能力强、存储容量大、易于共享等优点常用平台Google EarthEngine、Amazon Web3Services、阿里云等介绍Google EarthEngine共享Google EarthAPIEngine支持JavaScript和易于共享代码和数据，一个基于云计算的遥感Python API，方便用促进了遥感研究的合图像处理平台，提供了户进行编程作海量的遥感数据和强大的计算能力，方便用户进行遥感分析和应用开发软件介绍ENVIENVI一款专业的遥感图像处理软件，提供了丰富的图像处理工具和算法，支持多种遥感数1据格式功能2图像显示、图像增强、几何校正、图像分类、变化检测等应用3广泛应用于遥感研究和应用领域软件介绍ERDAS IMAGINE优势应用ERDAS IMAGINE一款功能强大的遥感图像处理软件，提面向对象分类、三维建模、雷达数据处广泛应用于遥感研究和应用领域供了完整的遥感图像处理流程，支持多理等种遥感数据格式软件在遥感中的应用ArcGISArcGIS一款专业的GIS软件，提供了强大的空间分析和制图功能，可以与遥感数据集成，进行综合分析遥感应用图像配准、图像分类、变化检测、空间分析等遥感图像处理库Python GDALGDAL1一个开源的遥感图像处理库，提供了丰富的图像读写和处理功能，支持多种遥感数据格式Python2可以通过Python调用GDAL库，进行遥感图像处理，方便灵活应用3遥感数据预处理、图像分析、制图等图像处理OpenCV功能2图像滤波、边缘检测、特征提取、图像匹配等OpenCV1一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法，可以应用于遥感图像处理优势3高效、稳定、易用未来发展趋势高光谱遥感高光谱遥感优势挑战能够获取地物在数百个更高的识别精度，更深数据量大，处理复杂，波段的光谱信息，具有入的应用潜力需要更先进的算法和技更高的光谱分辨率，能术够更精细地识别地物类型，应用于精细农业、环境监测等领域无人机遥感无人机遥感利用无人机搭载遥感传感器，获取高分辨率的遥感数据，具有灵活、快速、低成本等1优点，应用于精细农业、灾害评估、城市规划等领域优势2高分辨率、低成本、灵活机动应用3精细农业、灾害评估、城市规划等。