第二章遙感信息提取與

地學應用方法目錄第一節

遙感圖像的解譯第二節

圖像分類第三節遙感信息模型第一節遙感圖像的解譯一、地學解譯的目的與要求二、地學解譯標志三、遙感圖像的目視解譯方法與步驟一、地學解譯的目的與要求(一)、解譯的涵義解譯（判讀、判譯）是指從圖像獲取信息的基本過程。即根據地學工作的要求，根據解譯標志和實踐經驗，應用各種解譯技術和方法，識別出地學目標，地學現象的物性和特點，測算出某種數量指標的過程。(二)、地學解譯的目的與要求地學解譯目的：獲取各種地學遙感信息。1.判明各種地學目標和地學現象是否存在；2.判明各種地學目標和地學現象的形態、屬性和空間分布特征；3.測量各種地學參數；4.推測和分析各種地學物體、地學現象在時間、空間上成因上的相互關系。5.編制各種解譯圖件。二、地學解譯標志地學解譯標志：遙感圖像上，能識別地學物體、地學現象，或能說明共性質和相互關系的影像特征，稱為地學解譯標志。直接解譯標志：遙感圖像上能直接見到的解譯目標的影像特征（包括形狀、大小、色調、陰影、花紋等），稱直接解譯標志。間接解譯標志：需通過分析、判別才能識別地學目標，現象的存在，才能推斷其性質的影像特征稱為間接標志。如通過水系分析來判斷巖性。水系即間接標志。對其認識取決于專業知識。直接解譯標志一、色調與色彩二、地物的幾何形態三、地物的大小四、陰影五、影紋六、影紋結構七、影紋圖案（組合圖案）八、其它解譯標志一、色調與色彩：色調：黑白航片上影像的黑白深淺程度。色彩：彩色圖像上影像的顏色。色調、色彩是地物波譜信息構成的影像屬性。是最重要也是最基本的解譯標志。色調深淺和色彩種類及其亮度在不同類型遙感圖像上其物理涵義不同，所以（首先）要有圖像波譜效應的概念。灰階或灰度：黑白航片的色調等級稱灰階或灰度，一般分為10級黑白航片的色調等級稱灰階或灰度，一般分為10級二、地物的幾何形態：地物的幾何形態指地物的形狀、相對大小，如房屋長方形，河流條帶狀等。三、地物的大小：與比例尺有關，所以物體的形態、大小分析要有比例尺的概念。四、陰影：包括本影和落影本影：地物本身未被陽光直接照射到的陰暗部分的影像。落影：在地物背光方向上地物投到地面的陰影。本影有助于獲得立體感，對地質、地貌解譯很有用。落影的形狀和長度可以幫助判別地物立體形狀和高度。如水塔和煙囪的落影。但陰影過大會遮蓋大片其它地物面影響判讀五、影紋：地物影像（細）斑塊上的的質地、細微結構。六、影紋結構：地物影像斑塊的影紋的集合形式。七、影紋圖案（組合圖案）：重復出現的細小（相對于圖像比例尺而言）地物群體影像所構成的特殊組合花紋圖案。其是地物形狀、大小、色調、陰影、小水系、植被、微地貌、環境因素的綜合顯示。影紋圖案可以宏觀地反映出大面積出露的某一種地物（如某一種巖類）。八、其它解譯標志：與判讀對象關系密切的地物和現象，利用相關的專業知識和經驗進行判讀。如人類活動標志。IR＿1PA＿1三、遙感圖像的目視解譯方法與步驟一、解譯方法解譯原則：

先整體，后局部先已知，后未知先易，后難由宏觀到微觀解譯方法：1直接判定法：對于像片上影像特征比較明顯的地物，通過直接標志即可判定地物的性質、識別出地物。2對比分析法：將待判別影像與已知地物影像或標準圖像上的影像進行比較，以判別該地物的性質。3邏輯推理法：利用各種現象之間的關系，依照邏輯推理進行判讀。如泉眼線狀分布可判定斷層的存在。二、解譯步驟（一）、準備工作1、資料準備1）根據研究對象和精度要求，選擇相應比例尺，且最富含研究對象信息的圖像種類和波段、波段組合作為解譯的主要圖像。另外還根據條件，盡量多地收集不同種類、波段、比例尺及不同時相的圖像，以資綜合分析之用。還應收集相應地區地形圖，相關專題圖和文獻，作為判讀的參考。地形圖比例尺應與圖像比例尺相近，以便對比和轉繪。2、工具材料準備準備所需用的工具，材料如立體鏡、放大鏡、聚脂薄膜等。3、熟悉地理概況閱讀研究區有關文獻資料，了解基本情況（二）、室內判讀初判：了解全區總貌，結合其它資料的對比，了解地區特征和各種判別要素的分布規律，特別是典型判別標志。建立影像標志(三)、野外調查實地研究各典型類型的影像物征驗證、修改影像標志（四）室內詳細判讀詳細判讀：按一定次序進行的系統判讀，勾繪出要素邊界，對無法判定的要素標以疑問標記，選取野外驗證路線。（五）、野外檢查驗證野外抽查對疑點、難點進行實地觀察（四）成果整理修改、補充判讀內容、成果，編寫報告。第二節

圖像分類一、概述二、監督分類三、非監督分類四、上下文分類五、空間信息的加入一、概述圖像分類：將圖像中每個像元根據其光譜信息、空間結構信息和（或）其它專題信息，按照一定的規則或算法劃分為不同的類別可在由計算機自動完成最常用于分類的信息是光譜信息，即各波段的亮度值。另外還可以將空間結構信息，如圖像紋理密度、方向等，及其它專題信息用于分類。這些信息的加入常可使分類的精度得到顯著提高除考慮目標象元的特征外，還可以考慮周圍象元的特征二、監督分類（supervised)原理方法下步驟監督分類的優缺點原理建立各類型已知樣本區（訓練區），根據訓練區確定各類的統計特征，已此為基礎，建立分類的判別函數，對每個象元進行類別劃分。步驟訓練區的選取類別統計特征的計算判別函數的確定對每個象元進行判別計算1訓練區的選取對每一分類類型，在圖像上圈定若干個已知區，作為訓練區要點：訓練區要典型，有代表性訓練區最好能均勻分布于全區2類別統計特征的計算計算各類別訓練區中各分類參數（波段）的統計特征值：均值、標準差、最大值、最小值、方差、協方差矩陣、相關矩陣或重心等。訓練樣本分類能力的考查地物亮度分布一般屬于正態分布或對數正態分布某類單波段亮度直方圖應為單峰，方差越小分類效果越好。如出現多峰說明有多個總體，視情況需修改訓練區不同類在單波段直方圖上勻值相距越大，方差越小，分類效果越好。兩類直方圖有重疊，則重疊區樣本難以區分特征空間二維圖中各類樣本越集中，距離越遠，分類效果越好錯分誤差(commissionerror)——像元被分到一個錯誤類別的比例漏分誤差(omissionerror)——像元沒被到相應類別的比例3判別函數的確定常用三種方法：平行算法最小距離法最大似然法平行算法又稱盒式決策規則根據各類訓練樣本的亮度值范圍(由亮度最大值和最小值確定）形成的多維數據空間區域來進行判別，將落入該區域內的像元劃為該類。也可用均值和標準差來確定則如：或第i波段j類的最小亮度值；第i波段j類的最大亮度值；第i波段象元值；第i波段j類的標準差；人為規定閾值特點：快速邊界附近的判別準不全理但當類別間亮度區域有重疊時無法判別最小距離法以均值向量或重心作為每類的中心位置，根據像元到各類別重心的距離來進行判斷，將像元劃到距離最小的類別無法考慮類別方差的來同，重疊區的劃分誤差較大或為均值向量最大似然法（Bayes)基于亮度值服從正態分布的假設；計算像元屬于各類別的概率，將像元歸入具最大概率的一類概率公式為：特點：可同時定量考慮多個波段和類別，且較好地考慮了各類方差（離散程度），因而較為合理，也具有較高的精度。監督分類的優缺點可根據應用和區域，有選擇地決定分類類別可控制訓練樣本的選擇通常具有較高的精度可根據訓練樣本分析分類精度參入了一定的人為因素所選類別可能不能履蓋所有類型，造成一些象元找不到歸屬不能識別訓練者不知道的類別花較多的人力和時間三、非監督分類也稱集（點）群分析或聚類分析，是按光譜（亮度值）向量在特征空間聚集的情況來劃分點群或類別一個點群或類別在N維的特征空間里在某個眾數的周圍，該區域數據點相對密集，亮度向量之間具有更大的相似性相似性量度的基本特征：1）亮度向量之的距離2）特征空間中不同區域的點密度非監督分類由程序來劃分出符合實際的點群或類別，需通過疊代運算來完成。非監督分類步驟1選定起始集群中心根據直方圖人為選取程序產生：分裂方法分別為全圖的均值向量和標準差向量2計算距離與歸類計算像元到各中心的距離，用最小距離的原則反像元歸入不同的類別3檢查和修改集群中心：根據規定的參數（閾值）來檢查前一次循環中歸類的結果，決定再分裂，合并或取消某些類別分裂：標準差超過參數“最大標準差”，已有類別數小于預期類別數，或某一類的像元數大于參數“最大像元數，則該類就要分裂為兩個新的集群中心（類別）：及合并：把兩個集群（類）合并在一起，重新計算其中心（均值）。兩種情況下進行：兩個集群之間的距離小于規定的閾值“最小群間距”集群數超過了規定的“最大分類數”類間距一般采用相似距離：為兩個集群的中心；為兩個集群的標準差取消：當某個集群的像元數少于參數“一類最小像元數”，則這一點群被取消，其像元分散到相鄰的群中。4）輸出分類結果：兩個循環間各類均值向量平均移動距離小于規定的移動閾值，或循環達到規定次數，則計算停止，輸出結果。開始輸入用戶參數選定初始集群中心將每個像元歸入最近集群中心是否符合給定參數要求分裂、組合或取消輸出分類圖像及統計文件非監督分類流程圖非監督分類的優缺點無面訓練樣本。人為誤差機會少所有類別均可補識別難以對類別進行控制，所得群組不一定對應分析者想要的類別。難以進行不同圖像之間的對比分類誤差分析見書P202——P208第三節遙感信息模型與遙感定量方法一、遙感定量化問題

二、遙感信息模型的概念與特征

三、

定量遙感信息

四、遙感信息模型方法與步驟

一、遙感定量化問題目視解譯的缺陷

遙感定量化問題

定量化的途徑

目視解譯的缺陷1、效率低下2、受解譯者知識結構、經驗的限制3、受主觀因素的影響，如圖像處理過程中為滿足用戶需要或某種其它需要而加入了人為的非科學干擾，使遙感陷入非科學的漩渦之中。對任何科學、技術，定量化都是追求的目標。遙感定量化問題

定位、定性、定量是遙感技術的三大支柱。遙感定量化包括：1、位置定量化

2、性質定量化

3、一些尚只有概念、規律性機理的定量化

定量化的途徑

找出遙感信息與物理量之間的函數關系，在此基礎之上根據遙感信息，計算每一點的物理量——遙感信息模型方法。

二、遙感信息模型的概念與特征

模型與原型

遙感信息模型概念

遙感信息模型的特征

模型與原型模型是相對于原型而言，是對原型某種特征的模擬，或對某種實物、過程的本質聯系的抽象

實物模型——對原型的模擬：1

地形模型：具有幾何相似2物理模型：具有幾何相似外還具有時間、運動方式等物理特征相似信息模型——對原型本質關系的抽象，沒有實體1數學模型——具有數值定量特征

2物理模型——具有數值定量特征外還反映對象物理學方面的內在聯系，是根據物理學機制建立的信息模型。遙感信息模型概念

遙感信息模型是每一象元遙感信息與相應地物或現象本質關系的抽象。其為數學模型，但每一點皆有數據組成圖像，故又具有實物、物理模型的特點

遙感信息模型的特征

1、除具有幾何相似率、物理模擬率和定量化特征外，還具有可視化的特點，是新一代的地學模型。2、以點（象元）遙感信息為基礎，深入到點的微觀機理、過程的研究，即“見樹木”。3、對區域的每一點（象元）進行計算，定量反映宏觀特征、規律，故既見“樹木”，又見森林。4、由于在點（象元）信息的基礎上對全區進行計算，使多種隨機因素（反映在象元遙感信息內）在宏觀范圍內得以充分考慮，得出的結果更接近實際，是最接近實際的一種地學方法。5、

易于實現，通常是以RS數據為基礎，GIS支持，通過計算機程序完成。且象元眾多，便于用統計方法實現一些未知參數的求取。6、輸出結果是區域性的情況，既有點面積的狀態，又有區域性、綜合、宏觀、規律性的情況，非常適合于地學研究、決策應用。

三、

定量遙感信息

光譜信息

幾何信息

光譜信息

（一）直接象元灰度值：是一切信息的基礎，是傳感器到象元對應地物的光譜輻射強度，隨地物種類，波段而異

（二）間接光譜信息

：經變換或經過信息提取后的圖像元值。

（一）直接象元灰度值是一切信息的基礎，是傳感器到象元對應地物的光譜輻射強度，隨地物種類，波段而異。DN值輻亮度反射率象元灰度波譜：在遙感平臺上，傳感器測得的象元地物綜合電磁輻射強度隨波長面變化的曲線。（二）間接光譜信息

經過變換或經過信息提取后的圖像元值。

比值圖像、差值、KL變換，典型分析，櫻子帽變換經信息提取后的圖像元值

幾何信息紋理形態紋理紋理——通過象元在灰度變化而顯示出提取方法：1、付氏變換

原圖

頻譜2、求導計算1）、紋理強度T1=△G/△S=（△G/△X）+（△G/△Y）T1—紋理強度；△G/△S—灰度隨平面空間的灰度；△G/△X、△G/△Y—分別為灰度在行、列上梯度。2）紋理密度：TD=（gradG）/△S=△2G/△X2+△2G/△Y2T1——紋理密度、△2G/△X2、△2G/△Y2————分別為行和列上灰度梯度的梯度，上式實際上為拉普拉斯算式。3）紋理方位4）紋理長度5）紋理寬度

形態

1）二維：形狀、圖案信息提取

a局域象元數理統計：在窗口內求象元均值、方差、偏斜度等，以之作為幾何信息標定值。b局域付氏變換，根據頻譜圖與光軸距離、方位能量分布根定幾何特征值。2）三維：空間形態。多角遙感方法獲取。3）常規方法所獲得的信息：經插值、圖像化后用于計算。

三、遙感信息模型方法與步驟

地學過程非常復雜，即有必然規律又有偶然因素的影響，各種因素之間的關系即有線性的，又有線性的，故需采取成因分析與統計相結合的方法，具體有以下四種方式：1概念分析與數理統計結合的方法2量綱分析與數理統計結合的方程3數理方程與數理統計結合的方程

4物理量的數理方程（物理方程）

概念分析與數理統計結合的方法即根據經驗提出定量概念，然后對量化的概念進行統計分析——經驗模型、統計模型幾乎可以解決所有的地理問題，但須以大量的實驗之上，將定性問題量化，物理學概念、機理不清，模型適應性差研究程度也最低。

量綱分析與數理統計結合的方程即把主要地理因子之間的關系通過量綱分析的方法求得無量綱因子團，再對因子團進行統計分析。在數學上一般已無困難，許多地理問題用這種方法都可得到解決。

有一定的物理學概念，但機理不清，模型適應性不高物理量的數理方程即將物理量的必然規律用數理方程表達出來，并能夠求解有清析的物理學概念和物理學機理，模型適應性高其建立通常難度較大研究程度最高、最難，是數學研究室的前沿問題之一。

數理方程與數理統計結合的方程對數理方程中某些無法解決的參數或步驟用統計方法來解決，即把數理方程轉化為統計方程來處理有清析的物理學概念和物理學機理，模型適應性高具有較高的可行性研究程度