武汉大学遥感原理与应用要点(最终重点版)

精简过后的重点

遥感原理与应用复习要点

武汉大学测绘学院 XX

第一章 电磁波及遥感物理基础

1、遥感之所以能够根据收集到的电磁波来判断地物目标和自然现象，是因为一切物体，由于其种类、特征和环境条件的不同，而具有完全不同的电磁波反射或发射辐射特征。

2、电磁波谱：将电磁波在真空中传播的波长或频率、递增或递减依次排列为一个序谱，将此序谱称为电磁波谱。次序为：γ射线—X射线—紫外线—可见光—红外线—微波—无线电波。

3、可见光（380nm—760nm）：蓝光：0.43 ～0.47μm、绿光：0.50 ～0.56μm、红光：0.62 ～0.76μm；近红外光：0.76um—3um；中红外光：3um—6um；远红外光：6um—15um；微波：毫米波（1—10mm）、厘米波（1—10cm）、分米波（10cm—1m），紫外线（1-380nm）

4、黑体：对任何波长的电磁辐射都全吸收的假想的辐射体。

5、黑体辐射三大特性：（1）与曲线下的面积成正比的总辐射通量密度W 是随温度T 的增加而迅速增加。W T。根据公式计算物体的总辐射能量或绝对温度，热红外遥感（2）分谱辐射能量密度的峰值波长随温度的增加向短波方向移动。 maxT 2897.8（维恩位移定律）。用于选择传感器个确定目标物进行热红外遥感的最佳波段（3）每根曲线彼此不相交，故温度T越高所有波长上的波谱辐射通量密度越大。在微波波段，黑体的微波辐射亮度与温度的一次方成正比。

6、在紫外、红外与微波区，电磁波衰减的主要原因是大气吸收，在可见光波段，引起电磁波衰减的主要原因是分子散射。

7、大气散射：电磁波辐射在传播过程中遇到小微粒（气体分子或悬浮微粒等）而使传播方向改变，并向各个方向散开，从而减弱了原方向的辐射强度、增加了其他方向的辐射强度的现象。

8、（1）a与λ同数量级时，发生米氏散射（2）a>>λ时，发生均匀散射（3）a远小于λ时，发生瑞利散射。瑞利认为散射的强度I反比与λ。

9、天空呈蓝色：a<<λ发生瑞利散射，蓝光波长比红光短，因此蓝光散射较强，而红光较弱。在晴朗的天空，可见光中蓝光受散射影响最大，所以天空呈蓝色。太阳呈红色：清晨太阳光通过较厚的大气层，直射光中红光成分大于蓝光成分，因而太阳呈红色。云呈白色：当天空44

精简过后的重点

有云层或雨层时，满足均匀反射的条件，各个波长的可见光散射强度相同，因而云呈现白色。微波穿透能力强：微波波长比粒子直径大属于瑞利散射，散射强度与波长的四次方成反比，波长越大散射越小，所以微波有最小散射最大透射，因而具有穿透云雾的能力。

10、大气窗口：不同电磁波段通过大气层后衰减的程度是不一样的，有些波段电磁波通过大气层时较少被反射、吸收和散射的，透过率较高的波段。

11、地物反射波谱：反射波谱是某物体的反射率（或反射辐射能）随波长变化的规律，以波长为横坐标，反射率为纵坐标所得的曲线即称为该物体的反射波谱特性曲线。

12、水体和植被的反射波谱特性：（1） 水体的反射主要在蓝绿光波段；（2） 近红外、中红外波段有很强的吸收带，反射率几乎为零；（3）但是当水中含有其他物质时，反射光谱曲线会发生变化，泥沙散射峰值在黄红区，水中有叶绿素时近红外波段明显抬升。植物对绿色发射作用强，在近红外有一个反射的陡坡，形成植被独有特征。

第二章 遥感平台及运行特点

1、6个轨道参数：升交点赤经Ω、近地点角距ω、轨道倾角i、卫星过近地点时刻T、卫星轨道的长半轴a、卫星轨道的偏心率e。其中Ω、ω、i、T决定卫星轨道平面和赤道平面的相对位置，a、e决定轨道形状。

2、卫星姿态角：定义卫星质心为坐标原点，沿轨道前进的切线方向为x轴，垂直轨道面的方向为y轴，垂直xy平面的为z轴：绕x轴旋转的姿态角，称之为滚动；绕y轴旋转的姿态角，称俯仰；绕z轴旋转的姿态角，称航偏。影像的几何变形与卫星姿态角有直接的关系，所以进行几何校正，必须提供卫星姿态角。

3、卫星姿态角的测定：姿态测量仪：红外姿态测量仪、星相机、陀螺仪（航偏）；恒星摄影机（至少摄取3-5颗五等以上的恒星）；GPS （使用3台接收机测定姿态）。

4、轨道特点：近圆形轨道（使在不同地区获取的图像比例尺一致、使卫星速度近于均匀、便于扫描仪用固定扫描频率对地面扫描）、近极地轨道（有利于增大卫星对地面总的观测范围）、与太阳同步轨道（有利于卫星在相近的光照条件下对地面进行观测，有利于卫星在固定的时间飞临地面接收站上空、有利于太阳电池得到稳定太阳照度）、可重复轨道（有利于对地面地物和自然现象的变化做动态监测）。

5、高空间分辨率陆地卫星：IKONOS 1，0.82/4（全色/多色，11KM） Quick Bird （16.5KM） 0.61/2.44 Orbview-3 1/4 GeoEye（15KM） 0.4,0.41/1.64,1.65。

6、高光谱类卫星：这类卫星的主要特点是采用高分辨率成像光谱仪，波段数为36—256个，光谱分辨率为5—10nm，地面分辨率为30—1000m。MODIS（美国）、ASTER（美日）。

精简过后的重点

7、雷达类卫星：Radarsat（加拿大）、ERS（欧盟）、ENVISAT、SRTM（美国）、LIDAR 合成孔径雷达是一种高分辨率、二维成像雷达，特别适合大面积的地表成像。

雷达成像的特点：能穿透云雾、雨雪，全天候工作能力；弥补可见光和红外遥感的不足； 电磁波振幅信号和相位信号；缺少纹理信息

第三章 遥感传感器及其成像原理

1、扫描成像类传感器：（1）对物面扫描的成像仪：对地面直接扫描成像（红外扫描仪、多光谱扫描仪、成像光谱仪、TM、ETM+）（2）对像面扫描的成像仪：瞬间在像面上先形成一条线图像或一幅二维影像，然后对影像进行扫描成像（线阵列CCD推扫式成像仪，电视摄影机）。

2、有扫描角θ时：H H0sec 则平行于航线方向的地面分辨率为a a0sec 垂直

a sec a0sec2 a 于航向方向的分辨率为：

3、全景畸变：由于地面分辨率随扫描角发生变化，使红外扫描影像产生畸变，这种畸变通常称之为全景畸变，形成原因是像距保持不变，总在焦面上，而物距随扫描角发生变化所致。

4、成像光谱仪：以多路、连续并具有高光谱分辨率方式获取图像信息的仪器。通过将传统的空间成像技术和地物光谱技术有机地结合在一起，可以实现对同一地区同时获取几十个到几百个波段的地物反射光谱图像。

14、距离分辨率：在脉冲发射的方向上，能分辨的最小距离。与脉冲宽度有关，所以可以采用脉冲压缩技术来提高距离分辨率。方位分辨率：在雷达的飞行方向上，能分辨两个目标的最小距离。采用合成孔径技术来提高分辨率。合成孔径雷达的方位分辨力与距离无关，只与实际使用的天线孔径有关。

15、侧视雷达图像的几何特点：(1)垂直于飞行方向的比例尺变形:垂直飞行方向（y）的比例尺由小变大(2)压缩与拉长：造成山体前倾，朝向传感器的山坡影像被压缩，而背向传感器的山坡被拉长(3)高差产生的投影差：与中心投影相反，位移量也不同(4)雷达立体图像的构像特点：从不同摄站对同一地区获取的雷达图像也能构成立体影像。

第四章 遥感图像数字处理的基础知识

1、几个重要概念：采样：连续的图像在坐标空间的离散化。量化：图像在性质空间（灰度）的离散化。空间分辨率：连续图像在水平和垂直方向的采样数。亮度分辨率（灰度等级）：图像亮度层次的多少；用灰度级L = 2k表示，k可取1，2，3，4，5，6，7，8，11。当一幅图像有L = 2k灰度级时，称该图像是k比特( bit ) 图像。灰度图像：R = G = B 彩色图像: R、G、B不一定相等。注意256色位图和24位真彩色图等描述方式的理解。

精简过后的重点

2、遥感图像的坐标系统：地理坐标系（BJ54，西安80，WGS84等）、投影坐标系。

3、遥感数据的存储介质：磁带、磁盘、光盘、闪存；存储格式：世界标准格式LTWG、BSQ：按照波段顺序依次记录各波段的图像、BIL：逐行按波段次序排列、GeoTIFF、其他常见图像数据格式：BMP, TIFF, GIF, PCX, PSD, MrSID, HDF BMP不采用压缩，不失真，JPEG支持多种压缩级别，GIF有最高的压缩比率。

4、软件系统：ERDAS、ENVI、PCI（加拿大，雷达分析）、Ecognition（面向对象的分类）。

第五章 遥感图像的几何处理

1、遥感图像的构像方程：是指地物点在图像上的图像坐标(x ，y) 和其在地面对应点的大地坐标(X，Y ，Z) 之间的数学关系。根据摄影测量原理，这两个对应点和传感器成像中心成共线关系，可以用共线方程来表示。作用：这个数学关系是对任何类型传感器成像进行几何纠正和对某些参量进行误差分析的基础。

2、在地面坐标系与传感器坐标系之间建立的转换关系称为通用构像方程 X X U X X x Y Y A V Y Y A yP Z P Z S W 中心投影构像方程 Z P Z S

x f

3、共线方程简写： f P (X)(Y)y f(Z) (Z)几何意义：当地物点P 、对应像点p 和投影中心S 位于同一条直线上时，正算公式和反算公式成立。

4、全景摄影机影像是由一条曝光缝隙沿旁向扫描而成，对于每条缝隙图像的形成，其几何关系等效于中心投影沿旁向倾斜一个扫描角θ后，以中心线成像的情况，此时像点坐标为（x，0，－f）即y=0. yp/f（x）=x/cosθ,(y)=ftanθ

5、推扫式传感器的构像方程: 行扫描动态传感器。在垂直成像的情况下，每一条线的成像属于中心投影，在时刻t时像点p的坐标为（0、y、-f）.（x）=0,(y)=y

6、扫描式传感器获得的图像属于多中心投影，每个像元都有自己的投影中心，随着扫描镜的旋转和平台的前进来实现整幅图像的成像。由于扫描式传感器的光学聚焦系统有一个固定的焦距，因此地面上任意一条线的图像是一条圆弧，整幅图像是一个等效的圆柱面，所以该类传感器成像亦具有全景投影成象的特点。 任意一个像元的构像，等效于中心投影朝旁向旋转了扫描角θ后，以像幅中心（x＝0，y＝0 ,-f）成像的几何关系。(x)=0,(y)=ftanθ

7、基于多项式的传感器模型：思想：回避成像的空间几何过程，直接对图像变形的本身进行数学模拟。遥感图像的几何变形由多种因素引起，其变化规律十分复杂。为此，把遥感图

精简过后的重点

像的总体变形看作是平移、缩放、旋转、偏扭、弯曲以及更高次的基本变形的综合作用结果，难以用一个严格的数学表达式来描述，而是用一个适当的多项式来描述纠正前后图像相应点之间的坐标关系式。有二维形式和三维形式（增加高程）。

8、优缺点/特点：（1）不能真实地描述影像形成过程中的误差来源和地形起伏引起的变形

（2） 应用限于变形小的图像：垂直、小范围、地面平坦。（3）定向精度与地面控制点的精度、分布和数量及实际地形有关。（4）三维多项式是二维的扩展，增加了与地形起伏有关的Z坐标。（5）与具体的传感器无关，数学模型形式简单、计算速度快。

9、有理函数模型（RFM）：是大地坐标和图像坐标之间的多项式比值关系，是各种传感器成像几何模型的一种更广义的表达，同多项式模型比较起来有理函数模型是对不同传感器模型更为精确的表达形式。是与具体传感器无关的、形式简单的通用成像几何模型。为了增强参数求解的稳定性，将地面坐标和影像坐标正则化到-1.0和1.0之间。Y Nums(P,L,H)NumL(P,L,H)X DeLn(P,L,H) Dens(P,L,H)。

10、当DenL=DenS=1时，RFM退化成一般的三维多项式模型；当DenL=DenS！=1并且在一阶多项式的情况下，RFM退化成DLT模型，因此RFM模型是一种广义的成像模型，是共线方程的扩展。

11、RFC 的获得：首先解算出严格传感器模型参数，然后利用严格模型的定向结果反求有理函数的参数，最后将RFC 作为影像元数据的一部分提供给用户。用户可以在不知道精确传感器模型的情况下进行影像纠正以及后续处理。 RFM不要求了解传感器的具体信息，是用严格的传感器模型变换得到的，是一种更通用的传感器模型。

12、遥感图像的几何变形：指原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的形变。研究遥感图像几何变形的前提是必须确定一个图像投影的参照系统，即地图投影系统。

13、遥感图像的几何变形：（1）传感器成像方式引起的图像变形（2）传感器外方位元素变化的影响（3）地形起伏引起的像点位移（3）地球曲率引起的图像变形（4）大气折射引起的图像变形（5）地球自转的影响

14、地球曲率引起的图像变形：可以看做是系统的地形起伏引起的变形。当利用共线方程进行几何校正时，由于已知控制点的大地坐标是以平面作为水准面的，而地球是个椭球体，所以需按上述方法对像点坐标进行改正，以解决两者之间的差异，使改正后的像点位置，投影中心和地面控制点坐标之间满足共线关系。

15、地球自转主要是对动态传感器的图像产生变形影响，特别是对卫星遥感图像。

精简过后的重点

16、遥感图像的几何处理：概念：遥感图像作为空间数据，具有空间地理位置的概念。在应用遥感图像前，必须将其投影到需要的地理坐标系。遥感图像的粗加工处理：也称为粗纠正，它仅做系统误差的改正。当已知图像的构像方式时，就可以把与传感器有关的测定的校正数据，如传感器的外方位元素等代入构像公式对原始图像进行几何校正。粗纠正处理对传感器内部畸变的改正很有效，但处理后图像仍有较大的残差。

17、遥感图像的精纠正处理：消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。两个环节：像素坐标的变换，即将图像坐标转变为地图或地面坐标；坐标变换后的像素亮度值进行重采样。

18、遥感图像纠正处理过程：（1）根据图像的成像方式确定影像坐标和地面坐标之间的数学模型。（2）根据所采用的数学模型确定纠正公式。（3）根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度（4）对原始影像进行几何变换计算，像素亮度值重采样。

19、基于多项式的遥感图像纠正：多项式纠正回避成像的空间几何过程，直接对图像变形的本身进行数字模拟。利用地面控制点的图像坐标和其同名点的地面坐标通过平差原理计算多项式中的系数，然后用该多项式对图像进行纠正。

x a0 (a1X a2Y) (a3X2 a4XY a5Y2) (a6X3 a7X2Y a8XY2 a9Y3) y b0 (b1X b2Y) (b3X2 b4XY b5Y2) (b6X3 b7X2Y b8XY2 b9Y3)

20、多项式系数由两种办法求得：用可预测的图像变形参数构成；利用已知控制点的坐标值按最小二乘法原理求解。 选用一次项纠正时，可以纠正图像因平移、旋转、比例尺变化和仿射变形等引起的线性变形。 选用二次项纠正时，则在改正一次项各种变形的基础上，改正二次非线性变形。 选用三次项纠正则改正更高次的非线性变形。

21、多项式纠正步骤：（1）用已知地面控制点求解多项式系数（2）遥感图像的纠正变换（3）遥感图像亮度（灰度）值的重采样（4）纠正结果评价

22、遥感图像的纠正变换：（1）把原始图像的四个角点a、b、c、d按纠正变换函数投影到地图坐标系统中去，得到8个坐标值（2）对这8 个坐标值按X 和Y两个坐标组分别求其最小值X1，Y1和最大值X2,Y2，并令X1，Y1 ，X2,Y2为纠正后图像范围四条边界的地图坐标值。

（3）划分格网：根据精度要求确定输出像素的地面尺寸 X, Y，再确定图像总的行列数M和Ｎ（４）由于图像纠正变换函数一般只表达原始图像坐标(x,y)和地面坐标( X,Y)之间的关系，为了进一步表达原始图像与输出图像坐标间的关系，则需要把地面坐标转换为输出图

精简过后的重点

像坐标 （x p,y p） 在输出图像边界及其坐标系统确立后，就可以按照选定的纠正变换函数把原始数字图像逐个像素变换到图像贮存空间中去。这里有两种可供选择的纠正方案：直接纠正方案和间接纠正方案。

23、直接纠正方案：从原始图像阵列出发，按行列的顺序依次对每个原始像素点位求其在地面坐标系(也是输出图像坐标系) 中的正确位置：同时，把该像素的亮度值移置到由上式算得的输出图像中的相应点位上去；间接纠正方案：从空白的输出图像阵列出发，亦按行列的顺序依次对每个输出像素点位反求原始图像坐标中的位置：然后把由上式所算得的原始图像点位上的亮度值取出填回到空白图像点阵中相应的像素点位上去。

24、数字图像亮度值的重采样：若输出图像阵列中的任意像素在原始图像中的投影点坐标不为整数时，原始图像阵列中该非整数点位上并无现成的亮度值存在，于是就必须采用适当的方法把该点位周围临近整数点上的亮度值对该点的亮度贡献累积起来，构成该点位的新亮度值，这个过程称为重采样。三种方法的。优缺点：最邻近像元采样法最简单，辐射保真度较好，但它将造成像点在一个像素范围内的位移，其几何精度较其他两种方法差；双线性内插法的计算较为简单，并且具有一定的亮度采样精度，所以它是实践中常用的方法，但图像略变模糊；双三次卷积的内插精度较高，但计算量大。

25、基于有理函数的遥感图像纠正：与地形无关的最小二乘法求解RFC：当严格成像模型参数已知，用严格成像模型建立地面点的立体空间格网和影像面之间的对应关系作为控制点来解求RFC，该方法求解RFC而不需要详细的地面控制信息，仅仅需要该影像地区的最大高程和最小高程，因此称之为与地形无关的方法。过程：（1）建立空间格网：在高程方向上以一定的间隔分层，在平面上，以一定的格网大小建立地面规则格网。（2）RFC解算：利用控制点来估计RFC(3)精度检查：用求解的RFC来计算检查点对应的影像坐标，通过严格成像模型计算的检查点影像坐标的差值来评定解算RFC参数的精度。

26、图像间的自动配准：目的：多源数据进行比较和分析，如图像融合、变化检测、统计模式识别、三维重构和地图修正等，都要求多源图像间必须保证在几何上是相互配准的。实质：遥感图像的几何纠正，根据图像的几何畸变特点，采用一种几何变换将图像归一化到统一的坐标系中。方式：图像间的匹配：即以多源图像中的一幅图像为参考图像，其他图像与之配准，其坐标系是任意的。；绝对配准：即选择某个地图坐标系，将多源图像变换到这个地图坐标系以后来实现坐标系的统一。

27、图像配准的过程：（1）在多源图像上确定分布均匀，足够数量的图像同名点：特征点的

精简过后的重点

提取、特征点的匹配（2） 通过所选择的图像同名点解算几何变换的多项式系数，通过纠正变换完成一幅图像对另一幅图像的几何纠正。多源图像间同名点的确定是图像配准的关键，图像同名点的获取可以用目视判读方式和图像自动配准方式。

数字图像的镶嵌：当感兴趣的研究区域在不同的图像文件时，需要将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像。要求图像之间要有一定的重复度。

28、数字图像镶嵌的关键：（1）几何连接：实质是几何纠正，将所有参加镶嵌的图像纠正到统一的坐标系中，去掉重叠部分将多幅图像拼接起来形成一幅更大幅面图像。（2）接缝消除：保证拼接后的图像反差一致，色调相近，没有明显的接缝。

14、图像镶嵌的过程：（1）图像的几何纠正（2）搜索镶嵌边：先以重叠区的1/2为镶嵌边，然后搜索最佳镶嵌边，即该边为左右图像上亮度值最接近的连线（3）亮度和反差调整，可以采用直方图匹配（4）平滑边界线

第六章 遥感图像辐射处理

1、辐射定标：指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。辐射校正：指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。

2、绝对定标：绝对定标要建立传感器测量的数字信号与对应的辐射能量之间的数量关系，即定标系数，在卫星发射前后都要进行。绝对定标方法有：传感器实验室定标、遥感器星上内定标、遥感器场地外定标

3、相对定标：又称为传感器探测元件归一化，是为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。大气校正：消除大气影响的校正过程称为大气校正。

4、地面辐射校正场：当遥感数据进行辐射定标和辐射校正后，如何评价其精度，需要通过地面辐射校正场来对计算结果进行验证和修正。意义：（1）建立地面辐射校正场符合遥感数据定量化的需要；（2）建立地面辐射校正场可以弥补星上定标的不足；（3）满足多种传感器和多时相遥感资料的应用需要，能够实现卫星传感器之间数据的相互匹配。我国根据需要选择了敦煌西戈壁作为可见光和红外波段的辐射校正场，青海湖作为热红外波段和红外低发射率的辐射校正场。

5、遥感图像增强：为特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。实质是增强感兴趣目标和周围背景图像间的反差。它不能增加原始图像的信息，有时反而会损失一些信息。它也是计算机自动分类的一种预处理方法。

精简过后的重点

6、图像灰度直方图反映了一幅图像中灰度级与其出现概率之间的关系。灰度直方图可以看成是一个随机分布密度函数，其分布状态用灰度均值和标准差两个参数来衡量。用灰度均值来反应整体的反射率，标准差反应图像景物反差。

7、图像反差调整：线性变换、直方图均衡、直方图正态化、直方图匹配、密度分割、其他非线性变换、灰度反转。

8、线性变换：简单线性变换：按比例拉伸原始图像灰度等级范围。目的：为了充分利用显示设备的显示范围，使输出直方图的两端达到饱和，增加感兴趣目标与其他目标之间的反差。特点：一对一关系，像元总数不变。实际应用中更多采用分段线性变换，可以拉伸感兴趣目标与其他目标之间的反差。其数学表达式为：di j Adij B。实际计算时常建立查找表。

9、直方图均衡：将随机分布的图像直方图修改成均匀分布的直方图，其实质是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。

10、直方图均衡化效果：（1）各灰度级所占图像的面积近似相等，因为某些灰度级出现高的像素不可能被分割；（2）原图像上频率小的灰度级被合并，频率高的灰度级被保留，因此可以增强图像上大面积地物与周围地物的反差。（3）如果输出数据分段级较少，则会产生一个初步分类的视觉效果。

11、直方图正态化：将随机分布的原图像直方图修改成高斯分布的直方图。累加方法正态化。

12、直方图匹配：通过非线性变换使得一个图像的直方图与另一个图像直方图类似。要求：

1．图像直方图总体形状应类似；2．图像中黑与亮特征应相同；3．图像的空间分辨率应相同；4．图像上地物分布应相同，尤其是不同地区的图像匹配。如果一幅图像里有云，而另一幅没有云，那么在直方图匹配前，应将其中一幅里的云去掉。

13、密度分割：密度分割与直方图均衡类似，将原始图像的灰度值分成等间隔的离散的灰度级，每一级有其灰度值。分段线性

14、灰度反转：对图像灰度范围进行线性或非线性取反，产生一幅与输入图像灰度相反的图像。结果：原来亮的地方变暗，原来暗的地方变亮。简单反转和条件反转。

15、多光谱图像四则运算：针对多源遥感图像的特点，可以利用多源图像之间的四则运算来达到增加某些信息或消除某些影响 的目的。

16、减法运算：B=Bx-By，Bx、By 为两个不同波段的图像或者不同时相同一波段图像。（1）当为两个不同波段的图像时，通过减法运算可以增加不同地物间光谱反射率以及在两个波段上变化趋势相反时的反差。（2）而当为两个不同时相同一波段图像相减时，可以提取地

精简过后的重点

面目标的变化信息/提取波段间的变化信息。当用红外波段与红波段图像相减时，即为植被指数：VI=BIR-BR

17、除法运算：（1）通过比值运算能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响；（2）也可以增强某些地物之间的反差，如植物、土壤、水（3）比值处理还能用于消除山影、云影及显示隐伏构造。因此，比值运算是自动分类的预处理方法之一。

18、混合运算：归一化差分植被指数（NDVI）也称为生物量指标变化，可使植被从水和土中分离出来。差分比值能消除部分大气影响。

19、图像融合：图像融合：将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。融合的目的/作用：提高多光谱遥感图像空间分辨率 改善配准精度 增强特征 改善分类 对多时相图像用于变化检测、替代或修补图像的缺陷。

20、图像融合的层次：像素级融合：对原始图像及预处理各阶段上所产生的信息分别进行融合处理，以增加图像中有用信息成分，改善图像处理效果。特征级融合：先提取特征再进行融合，能以高的置信度来提取有用的图像特征。决策级融合：允许来自多源数据在最高抽象层次上被有效利用。

21、遥感图像融合的条件：（1）融合图像应包括不同空间和光谱分辨率（2）融合的图像应是同一区域（3）图像应尽可能精确配准（4）对于在不同时间获取的图像中，其内容没有大的变化。

22、基于像素级的图像融合具体方法： 要求多源图像精确配准 重采样使多源图像分辨率一致 将图像按某种变换方式分解成不同级的子图像，同时，这种分解变换必须可逆，即由多幅子图像合成一幅图像，即为融合图像。这时多幅子图像中包含了来自其它需要融合的经图像变换的子图像。

23、加权融合过程：1.对两幅图像进行几何配准，并对多光谱图像重采样使其与全色图像分辨率相同；2.分别计算全色波段与多光谱波段图像的相关系数；3.用全色波段图像和多光谱波段图像按下式组合得到全色图像与多光谱图像的其中一个波段融合以后的图像。

24、基于IHS 变换的融合过程：（1）待融合的全色图像和多光谱图像进行几何配准，并将多光谱图像重采样与全色图像分辨率相同；（2）将多光谱图像变换转换到IHS空间；（3）对全色图像I’ 和IHS空间中的亮度分量I进行直方图匹配；（4）用全色图像I’ 代替IHS空间的亮度分量，即IHS→I’HS；（5）将I’HS逆变换到RGB空间，即得到融合图像。

25、基于主分量变换的图像融合思想：（1）对多光谱图像的多个波段进行主分量变换（K-L变换）。变换后第一主分量含有变换前各波段的大部分信息，而各波段中其余对应的部分，

精简过后的重点

被分配到变换后的其它波段。（2）将高分辨率图像和第一主分量进行直方图匹配，使高分辨率图像与第一主分量图像有相近的均值和方差。（3）用直方图匹配后的高分辨率图像代替主分量中的第一主分量和其余分量一起进行主分量逆变换，得到融合图像。比值变换融合：可以增加图像两端的对比度。当要保持原始图像的辐射度时，本方法不宜采用。比如计算式子： B1/(B1 B2 B3) D DB1

26、乘积变换融合：乘积变换融合算法按下式进行：D Bi DBi 通过乘积变换融合得到的融合图像其亮度成分得到增加。基于IHS 变换融合和比值变换融合只能用三个波段的多光谱图像和全色图像融合。

27、图像融合的效果评价：定性评价：主要以目视判读为主，目视判读是一种简单、直接的评价方法，可以根据图像融合前后的对比作出定性评价。缺点是因人而异，具有主观性。定量评价：从融合图像包含的信息量和分类精度这两方面进行评价，可以弥补定性评价的不足。

28、定量评价的一些指标：（1）基于清晰度：平均梯度G，反应图像中微笑细节反差和纹理变化的特征，表达图像的清晰度。G越大则图像层次月多，图像越清晰（2）基于信息量的熵和联合熵，熵越大则包含的信息量越丰富（3）基于分类精度的：混淆矩阵，比较融合前后图像分类的结果。（4）基于逼真度：偏差指数D。还有相关系数、均值偏差、方差偏差等。

第七章 遥感图像判读

1、“ 判读”：是对遥感图像上的各种特征进行综合分析、比较、推理和判断，最后提取出你所感兴趣的信息。

2、各种地物的各种特征都以各自的形式（或称样子、模式）表现在图像上。各种地物在图像上的各种特有的表现形式称为判读标志。

3、光谱特征及判读标志：地物的波谱响应曲线与其光谱特性曲线的变化趋势是一致的。地物在多波段图像上特有的这种波谱响应就是地物的光谱特征的判读标志。

4、影响景物特征及判读的因素： 地物本身的复杂性 传感器特性的影响 目视能力的影响

5、空间分辨率：传感器瞬时视场内所观察到地面场元的宽度。几何分辨力：能分辨出的最小地物的大小。几何分辨力＝3倍空间分辨力。地面分辨率：影像能够详细区分的最小单元（像元）所代表的地面尺寸的大小。影像分辨率：地面分辨率在不同比例尺的具体影像上的反映。辐射分辨率：传感器区分两种辐射强度最小差别的能力。 辐射分辨率用等效噪声功率（辐射灵敏度）衡量，其大于或等于2-6倍等效噪声功率。光谱分辨率：光谱探测能力，包括：传感器总的探测波段的宽度、波段数、各波段的波长范围和间隔。最佳探测波段，

精简过后的重点

是指这些波段中探测各种目标之间和目标与背景之间，有最好的反差或波谱响应特性的差别。时间分辨率：传感器对同一目标进行重复探测时，相邻两次探测的时间间隔称为遥感图像的时间分辨率。

第八章 遥感图像自动识别分类

1、特征点集群在特征空间中的分布：（1）理想情况：至少在一个特征子空间中时可以相互区别的（2）典型情况：在任一子空间都有重叠，但在总的特征空间中时可以完全区分开的，可以使用特征变换使之变成理想情况进行分类（3）一般情况：无论在总的特征空间还是子空间都有重叠，重叠部分出现分类误差。地物在特征空间的聚类通常是用特征点（或其相应的随机矢量）分布的概率密度函数来表示。

2、特征变换：将原始图像通过一定的数字变换生成一组新的特征图像，这一组新图像信息集中在少数几个特征图像上。目的：数据量有所减少，去相关，有助于分类。作用体现在：

（1）减少特征之间的相关性，使得用尽可能少的特征来最大限度地包含所有原始数据的信息（2）使得待分类别之间的差异在变换后的特征中更加明显，从而改善分类效果。常用的特征变换：主分量变换、哈达玛变换、穗帽变换、比值变换、生物量指标变换。

3、主分量变换:也称为KL变换，是一种线性变换，是就均方误差最小来说的最佳正交变换作用：（1）KL变换能够把原来多个波段中的有用信息集中到数目尽可能少的特征图像组中去，达到数据压缩的目的。（2）KL变换还能够使新的特征图像间互不相关，使新的特征图像包含的信息内容不重叠，增加类别的可分性。

4、主分量变换计算步骤：（1）计算均值向量M和协方差矩阵C；（2）计算矩阵C的特征值和特征向量；（3）将特征值按由大到小的次序排序；（4）选择前几个特征值对应的几个特征向量构造变换矩阵φn；（5）根据Ｙ＝φnX进行变换，得到的新特征影像就是变换的结果，X为多光谱图像的一个光谱特征矢量。

5、主分量变换的优良性质：（1）变换后的矢量Y的协方差矩阵是对角阵，表明新特征矢量之间彼此不相关（2）经过主分量变换得到的几个变量具有的均方差在所有的正交变换中是最小的，由于n<m所以实现了数据压缩。对于多波段影像分类时，常选用第一第二主分量进行联合处理，尽可能减少总的数据处理量。

6、哈达玛变换：是利用哈达玛矩阵作为变换矩阵实施的遥感多光谱域变换。由哈达玛变换核可知，哈达玛变换实际是将坐标轴旋转的了45°的正交变换。

7、比值变换：可以增强土壤、植被、水体之间的辐射差别，抑制地形坡度和方向引起的辐射量变化，差分比值还能近似地改正大气影响，同时消除地形影响。生物量指标变换是一

精简过后的重点

种特殊的比值变换，他能把植被从土壤和水体中分离出来。

8、特征选择：选择一组最佳的特征影像进行分类。希望能用最少的影像数据最好的进行分类。从原有的m个测量值集合中，按某一准则选择出n 个最佳的特征。

9、特征选择的方法：（1）根据经验定性的选择（2）定量的方法：距离测度：距离是最基本的类别可区分性测度，选择一组特征能使感兴趣类别的类内距离最小，而与其他类别的类间距离最大，那么根据距离测度，用这组特征设计的分类器的分类效果最好。特征变换和特征选择都是计算机自动分类的数据预处理阶段。

10、监督分类：是基于我们对遥感图像上样本区内地物的类属已知，于是可以利用这些样本类别的特征作为依据来识别非样本数据的类别。监督分类的思想：首先根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别函数中求解待定参数的过程称之为学习或训练，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别作出判定。

11、判别函数：各个类别的判别区域确定后，某个特征矢量属于哪个类别可以用一些函数来表示和鉴别，这些函数就称为判别函数。这些函数不是集群在特征空间形状的数学描述，而是描述某一位置矢量属于某个类别的情况，如属于某个类别的条件概率，一般不同的类别都有各自不同的判别函数。

12、判别规则：当计算完某个矢量在不同类别判决函数中的值后，我们要确定该矢量属于某类必须给出一个判断的依据。这种判断的依据，我们称之为判别规则。

13、概率判别函数和贝叶斯判别规则：可以把某特征矢量（X）落入某类集群的条件概率当成分类判别函数（概率判别函数），X落入某集群的条件概率最大的类为X的类别，这种判决规则就是贝叶斯判别规则。贝叶斯判别规则是以错分概率或风险最小为准则的判别规则。

14、错分概率：是类别判别分界两侧做出不正确判别的概率之和。贝叶斯判别边界使这个错误为最小，因为这个判别边界无论向左还是向右移都将包括不是1类便是2类的一个更大的面积，从而增加总的错分概率。由此可见，贝叶斯判别规则是错分概率最小的最优准则。

15、最大似然分类法：根据概率判别函数和贝叶斯判别规则来进行的分类通常称为最大似然分类法。

16、距离判别函数：是以地物光谱特征在特征空间中按集群方式分布为前提的，基本思想：计算未知矢量X到有关类别集群之间的距离，哪类距离它最近，该未知矢量就属于哪类。距离判别函数不像概率判别函数那样偏重于统计性质，而是偏重于几何位置。常用的距离有马氏距离、欧氏距离、计程距离。

精简过后的重点

17、距离判别规则：最小距离判别原则。

18、最小距离分类法：基于距离判别函数和判别规则，在实践中以此为原理的分类方法称为最小距离分类法。

19、分类过程：（1）确定感兴趣的类别数（2）特征变换和特征选择：变换之后的特征影像和原始影像共同进行特征选择，以选出既能满足分类需要，又尽可能少参与分类的特征影像，加快分类速度，提高分类精度。（3）选择训练样区：训练样区指的是图像上那些已知其类别属性，可以用来统计类别参数的区域。（4）确定判决函数和判决规则（5）根据判别函数和判别规则对非训练样区的图像区域进行分类

20、对训练样区的要求： 准确性、代表性和统计性。– 准确性：要确保选择的样区与实际地物一致；– 代表性：所选样区为某一地物的代表，还要考虑到地物本身的复杂性，反映同类地物光谱特性的波动情况；– 统计性：指选择的训练样区内必须有足够多的像元，以保证由此计算出的类别参数符合统计规律。

21、样本数据的训练： 计算每个类别的M 和Σ，建立类别的判别函数。

22、监督分类的缺点： 主观性 由于图像中间类别的光谱差异，使得训练样本没有很好的代表性 训练样本的获取和评估花费较多人力时间 只能识别训练中定义的类别。

23、非监督分类：也称聚类分析，是事先对分类过程不施加任何先验知识，仅凭遥感图像地物的光谱特征的分布规律，进行自动分类。其类别的属性是通过分类结束后目视判读或实地调查确定的。做法：先选择若干个模式点作为聚类中心，每一中心代表一个类别，按照某种相似性度量（如最小距离方法）将各模式归于各聚类中心所代表的类别，形成初始分类。然后根据初始分类是否合理进行修改，反复迭代直到合理为止。

24、非监督分类分类方法：K - 均值聚类法–ISODATA 算法聚类分析–平行管道法聚类分析

25、非监督分类特点：优点（1）不需要预先对所分类别的区域有广泛的了解，需要用一定的知识来解释得到的集群组（2） 人为误差的机会减少；（3）量小的类别能被区分。缺点（1）得到的集群组类别不一定对应分析者想要的类别；（2）难对产生的类别进行控制；（3）不同图像之间的对比困难。

26、分类后的精度评定：采用混淆矩阵来进行分类精度的评定。对检核分类精度的样区内所有的像元，统计其分类图中的类别与实际类别之间的混淆程度。 混淆矩阵中，对角线上元素为被正确分类的样本数目，非对角线上的元素为错分的样本数。Kappa系数是另一种计算分类精度的方法。

精简过后的重点

本文来源：https://www.bwwdw.com/article/iawe.html