不同种类遥感图像汇总 !!

文章目录


前言

遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线,对目标进行探测和识别的技术。遥感卫星是搭载了相关遥感传感器,利用遥感器收集地球或大气目标辐射或反射 的电磁波信息,并记录下来,由信启、传输设备发送回地面,通过电磁波转换、识别得到可视图像,即我们常说的卫星图像。

遥感图像具有宏观、客观、综合、实时、动态、快速等特点,为地球资源调查与开发,国土整治,环境监测,以及全球性研究,提供了一种新的探测手段,广泛用于测绘、动态监测、地球资源调查、地质灾害调查与救治、军事侦查等领域。

遥感图像主要包括六个种类:

  1. 可见光遥感图像
  2. 全色遥感图像
  3. 多/高光谱遥感图像
  4. 红外遥感图像
  5. Lidar遥感图像
  6. 合成孔径雷达遥感图像

1、可见光遥感图像

从20世纪60年代采用的多像机型传感器多光谱摄影,到多镜头型传感器多光谱图像获取,多光谱摄影技术是航空遥感的重要发展。可见光遥感图像是多光谱图像中的特殊案例,此类图像是现实生活中最常应用的遥感图像。

可见光是指特指能够引起正常人类视觉的电磁波,自然属于电磁波的一种。其波长在波长为400~760nm的可见光。而自然中存在的光是不同波长的光叠加后的组合,每个波长的光有不同的光强,这些光波叠加起来能表示所有自然光,在人类视网膜转化下被人类认知为红、橙、黄、绿、蓝、靛、紫的不同颜色。而RGB遥感图像则是把红色光谱、蓝色光谱、绿色光谱三种通道的波进行了融合。目前人类把可见光图像特征用到了地形、地物判别上。

所谓光谱(Spectrum)是复色光经过色散系统(如棱镜、光栅)分光后,被色散分离成的单色光,通过成像系统,投射在探测器上成为按波长(或频率)大小依次排列的图案,即成为光学频谱。

多光谱技术(Multispectral)是指能同时获取多个光学频谱波段(通常大于等于3个),并在可见光的基础上向红外光和紫外光两个方向扩展的光谱探测技术。常见实现方法是通过各种滤光片与多种感光胶片的组合,使其在同一时刻分别接收同一目标在不同窄光谱波段范围内辐射或反射的光信号,得到目标在几张不同光谱带的照片。

2、全色遥感图像

与RGB遥感图像不同,全色图像是遥感器获取整个可见光波区的黑白影像称全色影像。因此,全色图像是单通道的,其中全色是指全部可见光波段0.38~0.76um。因为是单波段,所以在图上显示为灰度图片。全色遥感图像一般空间分辨率高,但无法显示地物色彩,也就是图像的光谱信息少。

实际操作中,我们经常将全色图像与多波段图像融合处理,得到既有全色图像的高分辨率,又有多波段图像的彩色信息的图像。

3、多光谱遥感图像

可见光遥感图像是多光谱图像中的特殊案例,而在我们的普遍认知中多光谱不仅包含3个光谱,应该由数十到数百的个光谱组成。多个光谱的信息不仅带来了更多的颜色信息,多样的光谱组合也对地球表面物质的性质判断做出了辅助。

举例来说,蓝色波段(band1; 0.433–0.453 μm)主要应用海岸带观测;短波红外波段(band 9; 1.360–1.390μm)包括水汽强吸收特征可用于云检测。

以2013年2月11日发射的Landsat系列最新卫星Landsat8为例,Landsat8对于各个光谱的波长信息:

它携带有OLI陆地成像仪和TIRS热红外传感器,Landsat8的OLI陆地成像仪包括9个波段,OLI包括了ETM+传感器所有的波段,为了避免大气吸收特征,OLI对波段进行了重新调整,比较大的调整是OLI Band5(0.845–0.885μm),排除了0.825μm处水汽吸收特征;OLI全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征。

4、高光谱遥感图像

多光谱成像(Multispectral)一般只有几个到十几个光谱,由于光谱信息其实也就对应了色彩信息,所以多波段遥感图像可以得到地物的色彩信息,但是空间分辨率较低。更进一步,光谱通道越多,其分辨物体的能力就越强,即光谱分辨率越高。

高光谱成像(Hypespectral)是一种可以捕获和分析一片空间区域内逐点上光谱的精细技术,由于可以检测到单个对象不同空间位置上的独特光谱“特征”因此可以检测到在视觉上无法区分的物质。

5、红外遥感图像

红外遥感(infraredremote sensing)是指传感器工作波段限于红外波段范围之内的遥感。因为红外遥感在电磁波谱红外谱段进行,主要感受地面物体反射或自身辐射的红外线,有时可不受黑夜限制。又由于红外线波长较长,大气中穿透力强,红外摄影时不受烟雾影响,透过很厚的大气层仍能拍摄到地面清晰的像片。但是,他仍存在分辨率差、对比度低、信噪比低、视觉效果模糊等缺点。

比如,CO2增加引起全球变暖,随之而来的海表面温度增加和海平面增高已引起人们的普遍关注。下图就是通过红外遥感对于全球海表面温度的观测。

6、激光雷达图像

LiDAR是激光雷达,通过对从空中或空间飞行器上发射的激光角度和探测到的激光距离来解算激光点的地面坐标。

7、合成孔径雷达遥感图像

合成孔径雷达(SAR)是用小孔径天线通过运动和数学计算而达到大孔径雷达的测量效果的技术。其生成的遥感影像的每一像素不仅包含反映地表微波反射强度即所谓的灰度值,而且还包含与雷达斜距(一般取样到垂直于平台飞行方向的斜距上)有关的相位值,这两个信息分量可用一个复数表示。

这说明SAR图像像素所记录的相位信息不仅包含距离信息,而且还包含地面分辨元诸要素的附加相位贡献,而后者表现出极大的随机性,因此一般被视为噪声,对干涉分析带来不便。

  • 8
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: Jupyter是一个交互式笔记本,最大似然法是一种常见的参数估计方法,遥感图像分类则是遥感图像处理中的重要应用之一。下面简单介绍一下如何在Jupyter中使用最大似然法进行遥感图像分类。 1. 数据准备:首先需要准备遥感图像数据,并将其划分为训练集和测试集。通常情况下,我们需要将遥感图像中的每个像素点看作一个样本,将其特征向量和类别标签组成一个二元组。 2. 特征提取:对于每个像素点,我们需要提取其特征向量。常用的特征包括像素值、纹理特征、形状特征等。 3. 最大似然法分类器训练:使用训练集数据,利用最大似然法估计分类器参数。最大似然法的原理是,对于给定的样本,通过最大化样本出现的概率来估计参数。在遥感图像分类中,通常采用高斯分布模型来描述各个类别的像素分布,因此最大似然法分类器的参数就是各个类别的均值和协方差矩阵。 4. 最大似然法分类器测试:使用测试集数据,将每个像素点的特征向量输入到分类器中,根据分类器输出的概率值判断该像素点属于哪个类别。 5. 分类结果评估:对于分类结果,可以使用混淆矩阵、精度、召回率、F1-score等指标进行评估。 以上是最大似然法分类遥感图像的一般步骤。在Jupyter中,可以使用Python语言及相关的第三方库实现这些步骤,例如numpy、scikit-learn等。 ### 回答2: Jupyter是一个开源的交互式编程环境,可用于多种编程语言。在遥感图像分类中,最大似然法是一种常用的统计学方法。该方法通过建立一个概率模型,来对给定的遥感图像进行分类。 最大似然法分类遥感图像的主要步骤包括以下几个方面: 1. 数据准备:收集并准备用于分类的遥感图像数据。这可以包括对图像进行预处理,例如辐射校正、噪声去除等。 2. 特征提取:从遥感图像中提取有意义的特征,以用于分类模型的训练。常用的特征包括像素的颜色、纹理、形状等。 3. 训练模型:使用最大似然法,建立一个概率模型来描述训练数据中不同类别的特征分布。最大似然法通过最大化观测数据出现的概率,来估计模型的参数。 4. 分类预测:对于新的遥感图像数据,使用已训练好的模型,根据其特征分布来预测其所属的类别。这可以通过计算新数据的概率密度,并选择具有最大概率的类别来实现。 最大似然法分类遥感图像的优点是,它不需要假设特征之间的相关性,并且可以对不同类别的概率分布进行建模。这使得它对于处理复杂的遥感图像数据具有较好的适应性。然而,最大似然法也存在一些局限性,例如对于大规模数据集的处理效率较低,以及对于类别之间边界不明显的情况下分类结果可能不准确。 总而言之,使用最大似然法分类遥感图像可以有效地对图像进行分类,提取图像的关键特征,并根据这些特征建立概率模型来进行分类预测。这为遥感图像的应用提供了可靠的支持。 ### 回答3: Jupyter是一种开源的基于Web的集成笔记本,常用于数据探索、数据分析和机器学习等领域。最大似然法是一种基于概率统计的分类方法,常用于遥感图像分类。 遥感图像分类是将遥感图像中的像素点分为不同类别的过程。最大似然法分类遥感图像的思想是假设每个类别的像素点符合某种概率分布,然后根据给定的遥感图像数据,通过最大化各个像素点在各个类别下的概率来确定每个像素点所属的类别。 具体步骤如下: 1. 预处理:对遥感图像进行预处理,包括去除噪声、边缘增强、波段选择等操作。 2. 特征提取:从预处理后的图像中提取出代表不同类别的特征,如纹理、形状、颜色等。 3. 模型参数估计:假设每个类别的像素点符合某种概率分布,根据提取的特征,估计出每个类别的概率分布参数。 4. 最大似然分类:对于给定的像素点,根据它在各个类别下的概率,选择概率最大的类别作为其分类结果。 最大似然法分类遥感图像具有以下优点: 1. 基于概率统计的方法,具有较高的理论依据和可解释性。 2. 能够充分利用遥感图像中的空间和光谱信息,提高分类的准确性。 3. 可以处理多类问题,并且能够自动适应不同类型的遥感图像。 总而言之,Jupyter是一种非常便捷和强大的工具,可以结合最大似然法来进行遥感图像分类,提高分类的准确性和可靠性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JOYCE_Leo16

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值