遙感圖像信息提取方法綜述(共4頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上遙感圖像信息提取方法綜述 遙感圖像分析  遙感實際上是通過接收（包括主動接收和被動接收方式）探測目標物電磁輻射信息的強弱來表征的，它可以轉(zhuǎn)化為圖像的形式以相片或數(shù)字圖像表現(xiàn)。多波段影像是用多波段遙感器對同一目標（或地區(qū)）一次同步攝影或掃描獲得的若干幅波段不同的影像。  在遙感影像處理分析過程中，可供利用的影像特征包括：光譜特征、空間特征、極化特征和時間特性。在影像要素中，除色調(diào)/彩色與物體的波譜特征有直接的關(guān)系外，其余大多與物體的空間特征有關(guān)。像元的色調(diào)/彩色或波譜特征是最基本的影像要素，如果物體之間或物體與背景之間沒有色調(diào)/彩色上的差異

2、的話，他們的鑒別就無從說起。其次的影像要素有大小、形狀和紋理，它們是構(gòu)成某種物體或現(xiàn)象的元色調(diào)/彩色在空間（即影像）上分布的產(chǎn)物。物體的大小與影像比例尺密切相關(guān)；物體影像的形狀是物體固有的屬性；而紋理則是一組影像中的色調(diào)/彩色變化重復出現(xiàn)的產(chǎn)物，一般會給人以影像粗糙或平滑的視覺印象，在區(qū)分不同物體和現(xiàn)象時起重要作用。第三級影像要素包括圖形、高度和陰影三者，圖形往往是一些人工和自然現(xiàn)象所特有的影像特征。  1、遙感信息提取方法分類  常用的遙感信息提取的方法有兩大類：一是目視解譯，二是計算機信息提取。  1.1目視解譯  目視解譯是指利用圖像的影像特征（色

3、調(diào)或色彩，即波譜特征）和空間特征（形狀、大小、陰影、紋理、圖形、位置和布局），與多種非遙感信息資料（如地形圖、各種專題圖）組合，運用其相關(guān)規(guī)律，進行由此及彼、由表及里、去偽存真的綜合分析和邏輯推理的思維過程。早期的目視解譯多是純?nèi)斯ぴ谙嗥辖庾g，后來發(fā)展為人機交互方式，并應(yīng)用一系列圖像處理方法進行影像的增強，提高影像的視覺效果后在計算機屏幕上解譯。  1）遙感影像目視解譯原則  遙感影像目視解譯的原則是先“宏觀”后“微觀”；先“整體”后“局部”；先“已知”后“未知”；先“易”后“難”等。一般判讀順序為，在中小比例尺像片上通常首先判讀水系，確定水系的位置和流向，再根據(jù)水系確定

4、分水嶺的位置，區(qū)分流域范圍，然后再判讀大片農(nóng)田的位置、居民點的分布和交通道路。在此基礎(chǔ)上，再進行地質(zhì)、地貌等專門要素的判讀。   2）遙感影像目視解譯方法  （1）總體觀察  觀察圖像特征，分析圖像對判讀目的任務(wù)的可判讀性和各判讀目標間的內(nèi)在聯(lián)系。觀察各種直接判讀標志在圖像上的反映，從而可以把圖像分成大類別以及其他易于識別的地面特征。  （2）對比分析  對比分析包括多波段、多時域圖像、多類型圖像的對比分析和各判讀標志的對比分析。多波段圖像對比有利于識別在某一波段圖像上灰度相近但在其它波段圖像上灰度差別較大的物體；多時域圖像對比分析主

5、要用于物體的變化繁衍情況監(jiān)測；而多各個類型圖像對比分析則包括不同成像方式、不同光源成像、不同比例尺圖像等之間的對比。  各種直接判讀標志之間的對比分析，可以識別標志相同（如色調(diào)、形狀），而另一些標識不同（紋理、結(jié)構(gòu)）的物體。對比分析可以增加不同物體在圖像上的差別，以達到識別目的。  （3）綜合分析  綜合分析主要應(yīng)用間接判讀標志、已有的判讀資料、統(tǒng)計資料，對圖像上表現(xiàn)得很不明顯，或毫無表現(xiàn)的物體、現(xiàn)象進行判讀。間接判讀標志之間相互制約、相互依存。根據(jù)這一特點，可作更加深入細致的判讀。如對已知判讀為農(nóng)作物的影像范圍，按農(nóng)作物與氣候、地貌、土質(zhì)的依賴關(guān)系，可以進一步區(qū)

6、別出作物的種屬；河口泥沙沉積的速度、數(shù)量與河流匯水區(qū)域的土質(zhì)、地貌、植被等因素有關(guān)，長江、黃河河口泥沙沉積情況不同，正是因為流域內(nèi)的自然環(huán)境不同所至。   地圖資料和統(tǒng)計資料是前人勞動的可靠結(jié)果，在判讀中起著重要的參考作用，但必須結(jié)合現(xiàn)有圖像進行綜合分析，才能取得滿意的結(jié)果。實地調(diào)查資料，限于某些地區(qū)或某些類別的抽樣，不一定完全代表整個判讀范圍的全部特征。只有在綜合分析的基礎(chǔ)上，才能恰當應(yīng)用、正確判讀。   （4）參數(shù)分析  參數(shù)分析是在空間遙感的同時，測定遙感區(qū)域內(nèi)一些典型物體（樣本）的輻射特性數(shù)據(jù)、大氣透過率和遙感器響應(yīng)率等數(shù)據(jù)，然后對這些

7、數(shù)據(jù)進行分析，達到區(qū)分物體的目的。  大氣透過率的測定可同時在空間和地面測定太陽輻射照度，按簡單比值確定。儀器響應(yīng)率由實驗室或飛行定標獲取。  利用這些數(shù)據(jù)判定未知物體屬性可從兩個方面進行。其一，用樣本在圖像上的灰度與其他影像塊比較，凡灰度與某樣本灰度值相同者，則與該樣本同屬性；其二，由地面大量測定各種物體的反射特性或發(fā)射特性，然后把它們轉(zhuǎn)化成灰度。然后根據(jù)遙感區(qū)域內(nèi)各種物體的灰度，比較圖像上的灰度，即可確定各類物體的分布范圍。  1.2計算機信息提取  利用計算機進行遙感信息的自動提取則必須使用數(shù)字圖像，由于地物在同一波段、同一地物在不同波段都具有不同

8、的波譜特征，通過對某種地物在各波段的波譜曲線進行分析，根據(jù)其特點進行相應(yīng)的增強處理后，可以在遙感影像上識別并提取同類目標物。早期的自動分類和圖像分割主要是基于光譜特征，后來發(fā)展為結(jié)合光譜特征、紋理特征、形狀特征、空間關(guān)系特征等綜合因素的計算機信息提取。  1.2.1自動分類  常用的信息提取方法是遙感影像計算機自動分類。首先，對遙感影像室內(nèi)預判讀，然后進行野外調(diào)查，旨在建立各種類型的地物與影像特征之間的對應(yīng)關(guān)系并對室內(nèi)預判結(jié)果進行驗證。工作轉(zhuǎn)入室內(nèi)后，選擇訓練樣本并對其進行統(tǒng)計分析，用適當?shù)姆诸惼鲗b感數(shù)據(jù)分類，對分類結(jié)果進行后處理，最后進行精度評價。遙感影像的分類一般是基

9、于地物光譜特征、地物形狀特征、空間關(guān)系特征等方面特征，目前大多數(shù)研究還是基于地物光譜特征。  在計算機分類之前，往往要做些預處理，如校正、增強、濾波等，以突出目標物特征或消除同一類型目標的不同部位因照射條件不同、地形變化、掃描觀測角的不同而造成的亮度差異等。  利用遙感圖像進行分類，就是對單個像元或比較勻質(zhì)的像元組給出對應(yīng)其特征的名稱，其原理是利用圖像識別技術(shù)實現(xiàn)對遙感圖像的自動分類。計算機用以識別和分類的主要標志是物體的光譜特性，圖像上的其它信息如大小、形狀、紋理等標志尚未充分利用。   計算機圖像分類方法，常見的有兩種，即監(jiān)督分類和非監(jiān)督分類。監(jiān)督分

10、類，首先要從欲分類的圖像區(qū)域中選定一些訓練樣區(qū)，在這樣訓練區(qū)中地物的類別是已知的，用它建立分類標準，然后計算機將按同樣的標準對整個圖像進行識別和分類。它是一種由已知樣本，外推未知區(qū)域類別的方法；非監(jiān)督分類是一種無先驗（已知）類別標準的分類方法。對于待研究的對象和區(qū)域，沒有已知類別或訓練樣本作標準，而是利用圖像數(shù)據(jù)本身能在特征測量空間中聚集成群的特點，先形成各個數(shù)據(jù)集，然后再核對這些數(shù)據(jù)集所代表的物體類別。   與監(jiān)督分類相比，非監(jiān)督分類具有下列優(yōu)點：不需要對被研究的地區(qū)有事先的了解，對分類的結(jié)果與精度要求相同的條件下，在時間和成本上較為節(jié)省，但實際上，非監(jiān)督分類不如監(jiān)督分類

11、的精度高，所以監(jiān)督分類使用的更為廣泛。  1.2.2紋理特征分析  細小地物在影像上有規(guī)律地重復出現(xiàn)，它反映了色調(diào)變化的頻率，紋理形式很多，包括點、斑、格、垅、柵。在這些形式的基礎(chǔ)上根據(jù)粗細、疏密、寬窄、長短、直斜和隱顯等條件還可再細分為更多的類型。每種類型的地物在影像上都有本身的紋理圖案，因此，可以從影像的這一特征識別地物。紋理反映的是亮度（灰度）的空間變化情況，有三個主要標志：某種局部的序列性在比該序列更大的區(qū)域內(nèi)不斷重復；序列由基本部分非隨機排列組成；各部分大致都是均勻的統(tǒng)一體，在紋理區(qū)域內(nèi)的任何地方都有大致相同的結(jié)構(gòu)尺寸。這個序列的基本部分通常稱為紋理基元。因此可以

12、認為紋理是由基元按某種確定性的規(guī)律或統(tǒng)計性的規(guī)律排列組成的，前者稱為確定性紋理（如人工紋理），后者呈隨機性紋理（或自然紋理）。對紋理的描述可通過紋理的粗細度、平滑性、顆粒性、隨機性、方向性、直線性、周期性、重復性等這些定性或定量的概念特征來表征。  相應(yīng)的眾多紋理特征提取算法也可歸納為兩大類，即結(jié)構(gòu)法和統(tǒng)計法。結(jié)構(gòu)法把紋理視為由基本紋理元按特定的排列規(guī)則構(gòu)成的周期性重復模式，因此常采用基于傳統(tǒng)的Fourier頻譜分析方法以確定紋理元及其排列規(guī)律。此外結(jié)構(gòu)元統(tǒng)計法和文法紋理分析也是常用的提取方法。結(jié)構(gòu)法在提取自然景觀中不規(guī)則紋理時就遇到困難，這些紋理很難通過紋理元的重復出現(xiàn)來表示，而且

13、紋理元的抽取和排列規(guī)則的表達本身就是一個極其困難的問題。在遙感影像中紋理絕大部分屬隨機性，服從統(tǒng)計分布，一般采用統(tǒng)計法紋理分析。目前用得比較多的方法包括：共生矩陣法、分形維方法、馬爾可夫隨機場方法等。共生矩陣是一比較傳統(tǒng)的紋理描述方法，它可從多個側(cè)面描述影像紋理特征。   1.2.3圖像分割  圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術(shù)和過程，此處特性可以是像素的灰度、顏色、紋理等預先定義的目標可以對應(yīng)單個區(qū)域，也可以對應(yīng)多個區(qū)域。  圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，在圖像工程中占據(jù)重要的位置。一方面，它是目標表達的基礎(chǔ)，對

14、特征測量有重要的影響；另一方面，因為圖像分割及其基于分割的目標表達、特征抽取和參數(shù)測量的將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能。  圖像分割是圖像理解的基礎(chǔ)，而在理論上圖像分割又依賴圖像理解，彼此是緊密關(guān)聯(lián)的。圖像分割在一般意義下是十分困難的問題，目前的圖像分割一般作為圖像的前期處理階段，是針對分割對象的技術(shù)，是與問題相關(guān)的，如最常用到的利用閾值化處理進行的圖像分割。  圖像分割有三種不同的途徑，其一是將各象素劃歸到相應(yīng)物體或區(qū)域的象素聚類方法即區(qū)域法，其二是通過直接確定區(qū)域間的邊界來實現(xiàn)分割的邊界方法，其三是首先檢測邊緣象素再將邊緣象素連接

15、起來構(gòu)成邊界形成分割。  1）閾值與圖像分割  閾值是在分割時作為區(qū)分物體與背景象素的門限，大于或等于閾值的象素屬于物體，而其它屬于背景。這種方法對于在物體與背景之間存在明顯差別（對比）的景物分割十分有效。實際上，在任何實際應(yīng)用的圖像處理系統(tǒng)中，都要用到閾值化技術(shù)。為了有效地分割物體與背景，人們發(fā)展了各種各樣的閾值處理技術(shù)，包括全局閾值、自適應(yīng)閾值、最佳閾值等等。  2）梯度與圖像分割  當物體與背景有明顯對比度時，物體的邊界處于圖像梯度最高的點上，通過跟蹤圖像中具有最高梯度的點的方式獲得物體的邊界，可以實現(xiàn)圖像分割。這種方法容易受到噪聲的影響而偏離物體

16、邊界，通常需要在跟蹤前對梯度圖像進行平滑等處理，再采用邊界搜索跟蹤算法來實現(xiàn)。  3）邊界提取與輪廓跟蹤  為了獲得圖像的邊緣人們提出了多種邊緣檢測方法，如Sobel, Canny edge, LoG。在邊緣圖像的基礎(chǔ)上，需要通過平滑、形態(tài)學等處理去除噪聲點、毛刺、空洞等不需要的部分，再通過細化、邊緣連接和跟蹤等方法獲得物體的輪廓邊界。  4）Hough變換  對于圖像中某些符合參數(shù)模型的主導特征，如直線、圓、橢圓等，可以通過對其參數(shù)進行聚類的方法，抽取相應(yīng)的特征。   5）區(qū)域增長  區(qū)域增長

17、方法是根據(jù)同一物體區(qū)域內(nèi)象素的相似性質(zhì)來聚集象素點的方法，從初始區(qū)域（如小鄰域或甚至于每個象素）開始，將相鄰的具有同樣性質(zhì)的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長區(qū)域，直至沒有可以歸并的點或其它小區(qū)域為止。區(qū)域內(nèi)象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。  區(qū)域增長方法是一種比較普遍的方法，在沒有先驗知識可以利用時，可以取得最佳的性能，可以用來分割比較復雜的圖像，如自然景物。但是，區(qū)域增長方法是一種迭代的方法，空間和時間開銷都比較大。  1.2.4面向?qū)ο蟮倪b感信息提取  基于像素級別的信息提取以單個像素為單位,過于著眼于局部而忽略了附近整片圖斑

18、的幾何結(jié)構(gòu)情況，從而嚴重制約了信息提取的精度，而面向?qū)ο蟮倪b感信息提取，綜合考慮了光譜統(tǒng)計特征、形狀、大小、紋理、相鄰關(guān)系等一系列因素，因而具有更高精度的分類結(jié)果。面向?qū)ο蟮倪b感影像分析技術(shù)進行影像的分類和信息提取的方法如下：  首先對圖像數(shù)據(jù)進行影像分割，從二維化了的圖像信息陣列中恢復出圖像所反映的景觀場景中的目標地物的空間形狀及組合方式。影像的最小單元不再是單個的像素，而是一個個對象，后續(xù)的影像分析和處理也都基于對象進行。  然后采用決策支持的模糊分類算法，并不簡單地將每個對象簡單地分到某一類，而是給出每個對象隸屬于某一類的概率，便于用戶根據(jù)實際情況進行調(diào)整，同時，也可以按照最大概率產(chǎn)生確定分類結(jié)果。在建立專家決策支持系統(tǒng)時，建立不同尺度的分類層次，在每一層次上分別定義對象的光譜特征、形狀特征、紋理特征和相鄰關(guān)系