【遥感专题系列】遥感影像信息提取之——人工目视解译

    ​遥感影像通过亮度值或像元值的高低差异(反映地物的光谱信息)及空间变化(反映地物的空间信息)来表示不同地物的差异,这是区分不同影像地物的物理基础。

    ​人工解译是目前国内使用最多的一种影像提取方法,如土地普查、地质普查、水利普查等。这类方法非常灵活,但需要一定的经验,特别是像地质解译等,对业务专业要求比较多。

本专题分以下内容:

  • 遥感图像解译基本概念

  • 遥感图像解译预处理

  • 解译标志的建立

  • 解译关键问题

遥感图像解译

    ​人们对地表物体的有关领域,如土地利用存在一种先验知识,在遥感图像寻找对应关系。然后,根据遥感图像的影像特征推论地表物体的属性。这一过程就称之为遥感图像的解译,也叫遥感图像的判读。

    ​解译的任务就是从图像上认识,辨别影像与地物的对应关系、判断、归类、地物目标,并用轮廓线圈定它们和赋予属性代码,或用符号、颜色表示属性。

    ​进行图像解译时,把图像中目标物的大小、形状、阴影、颜色、纹理、图案,位置及周围的系统称之为解译的八要素。

(1)大小:拿到图像时必须根据判读目的选定需要的比例尺。根据比例尺的大小,可以预先知道图像上多少毫米的物,在实际距离中为多少米。
(2)形状:由于目标物不同,在图像中会呈现出特殊的形状。用于图像判读的图像通常是垂直拍摄的,所以必须记住目标的成像方式。因为即使同样为树木,针叶林的树冠呈现为圆形,而阔叶树则形状不同,从而可以识别出二者。此外,飞机场,港口设施、工厂等都可以通过它们的形状判读出其功能。

(3)阴影:由于判读存在于山脉等阴影中的树木及建筑时,阴影的存在会给判读者造成麻烦,信往往会使目标丢失。但另一方面,在单像片判读时,利用阴影可以了解铁塔及桥、高层建筑物等的高度及结构。

(4)颜色:黑白像片从白到黑的密度比例叫色调(也叫灰度)。用全色胶片拍摄的像片中,目标物按照其反射率而呈现出白一灰一黑的密度变化。例如,同样为海滩的沙子,干的沙子拍出来发白,而湿沙则发黑。在红外图像上,水域拍出来是黑色的,而植被则发白。

(5)纹理:也叫结构,是指与色调配合看上去平滑或粗糙的纹理的粗细程度,即图像上目标物表面的质感。草场及牧场看上去平滑,造林后的幼树看上去像铺了天鹅绒,针叶树林看上去很粗糙。这种纹理也是判读的线索。

(6)图案:根据目标物的有规律的排列而形成的图案。例如,住宅区的建筑群,农田的垄、高尔春球场的路线和绿地,果树林的树冠等。以这种图案为线索可以容易判别出目标物。

(7)位置及与周围的关系:在(1)-(6)上加上各区域的地理特色及判读者的专业知识等,就可以确定解释的结果。

解译的操作步骤:

(1)影像预处理

(2)初步判读,建立判读标志

(3)野外调查或资料验证

(4)详细判读及其更新目标的定性、定位

(5)图形与属性文件生成

(6)接边

(7)检查通过

遥感图像解译预处理

    ​预处理主要包括:几何校正、融合、裁剪、镶嵌。除了这些传统的预处理外,为了方便目视解译,图像解译中比较重要的处理还包括了波段组合、图像增强、图像变换等。传统的预处理这里就不多说了,这里介绍一下其他几个预处理方法。

一、波段组合

其作用在于:

  • 扩展地物波段的差异性

  • 表现差异显示的动态范围,扩展肉眼观察的可视性

  • 综合选取各波段的特点

  • 不同类别、形态得到良好的表达

    ​多波段组合图像最终是为了提高地物的可判读性,使判读结果更为科学合理。高分辨率影像大多只有4个波段,波段组合常用就是真彩色和标准假彩色。有的时候在土壤分类或者植被分类时候,也可以把植被指数当做G分量。

    ​组合比较丰富的是Landsat数据源,其他数据也可以参考其组合效果。总结如下:

组合(R、G、B)

主要应用

4、3、2

类似于彩色红外图像,是一种标准假彩色图像,用于植被分类、水体识别。

3、2、1

类似于仿制真假彩色图像,用于各种地类识别。影像平淡、色调灰暗、彩色不饱和、信息量相对减少。

7、4、3

类似于仿真彩色图像,用于居民地、水体识别。

7、5、4

是一种非标准假彩色图像,画面偏蓝色,用于特殊的地质构造调查。

5、4、1

是一种非标准假彩色图像,植物类型较丰富,用于研究植物分类。

4、5、3

特点:1)利用了一个红波段、两个红外波段,因此凡是与水有关的地物在图像中都会比较清楚;2)强调显示水体,特别是水体边界很清晰,益于区分河渠与道路;3)由于采用的都是红波段或红外波段,对其它地物的清晰显示不够,但对海岸及其滩涂的调查比较适合;4)具备标准假彩色图像的某些点,但色彩不会很饱和,图像看上去不够明亮;5)水浇地与旱地的区分容易。居民地的外围边界虽不十分清晰,但内部的街区结构特征清楚;6)植物会有较好的显示,但是植物类型的细分会有困难。

3、4、5

它是一种非标准的接近于真色的合成方案。对水系、居民点及其市容街道和公园水体、林地的影像判读是比较有利的。

    ​其中最常用方案:使用4 ,3, 2 , (近红外、红、绿、)配红、绿、蓝,形成标准假彩色图像,是一种在大量总结实际经验基础上的最常用方案。它的地物影像丰富,鲜明、层次好。植被以红色显示,主要用于资源环境和土地利用调查或更新等。

    ​次常用方案:使用3、 4、 5(或7)配蓝、绿、红的合成方案。它是一种非标准的接近于真色的合成方案。(仿真彩色合成方案)它利用了TM图像较丰富的多光谱(红、近红外、短波近红外)对水系、居民点及其市容街道和公园水体、林地的图像判读是比较有利的。

二、植被抑制

植被应该说是地球上分布最广的地物类型,当对于非植被解译来说,就会照成很大的不便,特别是在地质解译中。

图1 tm影像(543组合)

图2 植被抑制之后(543组合)

解译标志的建立

遥感图像判读包括识别、区分、辨别、分类、评定、评价及对某些特殊重要现象的探测与鉴别。其轮廓的勾绘及其属性的赋予是要有依据。依据就是判读标志。也就是说,在遥感图像上研究地表地物的种种特征的总和,就叫判读遥感图像标志。

在数据预处理准备之后,要根据数据源情况、解译目标等信息确立解译标志,编写成表格文档形式,如表1所示:

表1 解译标志的建立

地物名称

特征

实例

林地

1、指生长乔木,树木郁闭度≥20%的各种天然、人工等树木的土地;

2、有林地通常依地形地貌呈面状分布,通常树冠连片,周边规则,色差明显,可见树冠阴影。但有林地不包括居民点绿地,以及铁路、公路、河流、沟渠的护路、护岸林;

3、图像纹理结构粗糙;

4、图像色调阔叶林为鲜红为主,针叶林为暗红为主;

5、在坝上高原农牧交错带,有林地通常分布在地形起伏的山地中,阴坡比阳坡生长较好。

A为人工种植的有林地;B为天然草地

水浇地中的林网

解译关键问题

一、数据源的选择

数据源的选择需要考虑的因素非常多,包括价格、空间分辨率、成像时间、波谱分辨率等因素,如下图所示。

图3 数据源的选择因素

二、解译平台

一个好的解译平台对于工程完成的效率影响非常大,涉及到操作的便捷、数据格式的互操作、结果的储存和管理等。对于高分辨率影像的解译,很多软件都具有半自动跟踪功能。

三、经验的积累

图像解译以相关的专业知识和经验为主导,图像处理为辅助,经验是在实践中逐步总结,如下为一些经验性的总结:

  • 总体观察→到局部详细分析
  • 综合分析→前人调查资料、地面实况
  • 对比分析→地面调绘图、土地利用图
  • 已知→未知
  • 易→难
  • 山区→平原
  • 整体→局部(大类→二级分类)
  • 宏观特征→细部结构
  • 先线状地物→后图形

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/657369.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

力扣hot100 单词搜索 深度优先搜索 特殊字符判重

Problem: 79. 单词搜索 Code class Solution{int n, m;char[][] b;String word;int[] dx { 1, 0, -1, 0 };int[] dy { 0, 1, 0, -1 };public boolean exist(char[][] board, String word){b board;this.word word;n b.length;m b[0].length; // 以所有点作为起点来进行…

生词本----Python实例练习

题目描述 背单词是英语学习中最基础的一环,不少学生在背诵单词的过程中会整理自己的生词本,以不断拓展自己的词汇量。本实例要求编写生词本程序,该程序需具备以下功能。 (1)查看生词列表功能:输出生词本中…

系统分析师-22年-下午题目

系统分析师-22年-下午题目 更多软考知识请访问 https://ruankao.blog.csdn.net/ 试题一必答,二、三、四、五题中任选其中两题作答 试题一 (25分) 说明 某软件公司拟开发一套博客系统,要求能够向用户提供一个便捷发布自已心得,及时有效的…

腾讯云SDK并发调用优化方案

目录 一、概述 二、 网关的使用 2.1 核心代码 三、腾讯云SDK依赖包的改造 一、概述 此网关主要用于协调腾讯云SDK调用的QPS消耗,使得多个腾讯云用户资源能得到最大限度的利用。避免直接使用腾讯云SDK 时,在较大并发情况下导致接口调用异常。网关的工…

Yolo v8 入门学习之采用 coco128 数据集进行图片检测测试

示例入门代码 from ultralytics import YOLO import cv2 import matplotlib.pyplot as plt import matplotlib.image as mpimgdef test():# Create a new YOLO model from scratchmodel YOLO(yolov8n.yaml)# Load a pretrained YOLO model (recommended for training)model …

Redis -- 开篇热身,常用的全局命令

目录 Redis重要文件 启动停止脚本 配置文件 持久化文件存储目录 核心命令 set get 全局命令 keys exists del expire ttl 过期策略是如何实现的 定时器 type 小结 Redis重要文件 启动停止脚本 /usr/bin/redis-benchmark : 用于对Redis做性能基准…

SpringCloud_学习笔记_1

SpringCloud01 1.认识微服务 随着互联网行业的发展,对服务的要求也越来越高,服务架构也从单体架构逐渐演变为现在流行的微服务架构。这些架构之间有怎样的差别呢? 1.0.学习目标 了解微服务架构的优缺点 1.1.单体架构 单体架构&#xff…

opencv学习 特征提取

内容来源于《opencv4应用开发入门、进阶与工程化实践》 图像金字塔 略 拉普拉斯金字塔 对输入图像进行reduce操作会生成不同分辨率的图像,对这些图像进行expand操作,然后使用reduce减去expand之后的结果,就会得到拉普拉斯金字塔图像。 …

【开源操作系统】上海道宁为您带来稳定、安全、开源和易用的操作系统——Ubuntu,为您的数字化生活保驾护航

Ubuntu是 源于非洲的一种传统价值观 意为“人性、关爱和共享” 这种价值观在 开源、稳定、安全、易用的 Ubuntu操作系统中 得到了完美的体现 除此之外,Ubuntu还具有 强大的安全性 它自带了诸多安全功能 如防火墙、加密文件系统等 可以有效地保护用户的隐私…

你ping一下,服务器累成狗--第二篇

你ping一下,服务器累成狗-目录篇文章浏览阅读1.7k次,点赞65次,收藏20次。我们的电脑怎么干活的https://blog.csdn.net/u010187815/article/details/135796967 你ping一下,服务器累成狗--第一篇文章浏览阅读62次,点赞6…

C#用正则表达式验证格式:电话号码、密码、邮编、手机号码、身份证、指定的小数点后位数、有效月

正则表达式在程序设计中有着重要的位置,经常被用于处理字符串信息。 用Regex类的IsMatch方法,使用正则表达式可以验证电话号码是否合法。 一、涉及到的知识点 Regex类的IsMatch方法用于指示正则表达式使用pattern参数中指定的正则表达式是否在输入字符串…

IntersectionObserver、MutationObserver应用,监听项目中指定属性数据,点击或模块显示时

当项目中,需要获取某个页面上、某个标签上、有指定自定义属性时,需要在点击该元素时进行公共逻辑处理,或该元素在显示的时候进行逻辑处理,这时可以定义一个公共的方法,在每个页面引用,并写入数据即可 &…

OSPF的优化

一:OSPF的优化:---lsa的优化 1、汇总 --- 减少骨干区域LSA更新量 2、特殊区域 --- 减少非骨干区域LSA更新量 二:汇总 1、区域汇总:OSPF的汇总被称为区域汇总 域间路由汇总---针对OSPF区域之间的路由进行汇总,针对…

【机器学习300问】21、什么是激活函数?常见激活函数都有哪些?

在我写的上一篇文章中介绍了感知机(单个神经元)的构成,其中就谈到了神经元会计算传送过来的信号的总和,只有当这个总和超过了某个界限值时,才会输出值。这也称为“神经元被激活”。如果想对神经网络是什么有更多了解的…

鸿蒙(HarmonyOS)项目方舟框架(ArkUI)之DataPanel组件

鸿蒙(HarmonyOS)项目方舟框架(ArkUI)之DataPanel组件 一、操作环境 操作系统: Windows 10 专业版、IDE:DevEco Studio 3.1、SDK:HarmonyOS 3.1 二、DataPanel组件 数据面板组件,用于将多个数据占比情况使用占比图进…

集成学习之Boosting方法系列_XGboost

文章目录 【文章系列】【前言】【算法简介】【正文】(一)XGBoost前身:梯度提升树(二)XGBoost的特点(三)XGBoost实际操作1. 前期准备(1)数据格式(2&#xff09…

小程序定制开发:解析定制化移动应用的未来

引言 在当今数字化时代,移动应用已经成为人们生活不可或缺的一部分。随着智能手机的普及,移动应用的需求呈现出爆发式增长,企业们也纷纷投身于这场数字化浪潮。然而,众多企业在竞争激烈的市场中,如何突显个性、提高用…

使用Eclipse搞Android项目报错

相信现在都没什么人还会用Eclipse来开发的了。 不过安装完后,打开Eclipse会提示我的Jdk版本不符合 --------------------------- Incompatible JVM --------------------------- Version 1.8.0_391 of the JVM is not suitable for this product. Version: 17 or g…

python之poetry模块,项目管理

一、简介 Poetry 是一个用于管理 Python 项目依赖关系和构建工具的工具。它提供了一个简单的命令行界面,可以帮助您创建、管理和发布 Python 项目,使用方法:command [options] [arguments] 官网:https://python-poetry.org/docs/…

详解SpringCloud微服务技术栈:深入ElasticSearch(1)——数据聚合

👨‍🎓作者简介:一位大四、研0学生,正在努力准备大四暑假的实习 🌌上期文章:详解SpringCloud微服务技术栈:ElasticSearch实战(旅游类项目) 📚订阅专栏&#x…