1.遥感平台
- 遥感平台是装载传感器的运载工具,按高度分为:
- 地面平台:为航空和航天遥感作校准和辅助工作
- 航空平台:80 km以下的平台,包括飞机和气球
- 航天平台:80 km以上的平台,包括高空探测火箭、人造地球卫星、宇宙飞船、航天飞机。
- 人造地球卫星是最重要的遥感平台,其类型有:
- 低高度、短寿命卫星:150~350 km,用于军事
- 中高度、长寿命卫星:350~1800 km,地球资源
- 高高度、长寿命卫星:约3600 km,通信和气象
2.电磁辐射
可见光
波长范围0.38 μm~0.76 μm,由红、橙、黄、绿、青、蓝、紫色光组成,是摄影方式常用的遥感波段
微波
波长1mm~1m的无线电波
微波和红外两者的特征相似,都属于热辐射性质。微波能穿透云雾、小雨,是全天候遥感,昼夜均可进行。微波对植被、冰雪、干沙、干土均有较强的穿透力,常被用来探测被冰雪、植被、沙土所遮掩的地物
遥感常用的电磁波
- 紫外线
- 可见光
- 红外线
- 微波
3.电磁辐射—大气对电磁波传播的影响
-
大气传输特性:大气对电磁波的吸收、散射和透射特性,与波长和大气的成分有关
-
大气散射:太阳辐射在传播过程中遇到小微粒而改变传播方向,向各方向散开
-
瑞利散射:微粒的直径比辐射波长小得多时产生的散射,散射率与波长的四次方成反比(蓝紫光散射大,应用少)
-
大气窗口:电磁波通过大气层未被反射、吸收和散射的那些透射率高的波段范围
-
电磁波进入地球须通过大气层,约30%被大气反射,17%被吸收,22%被散射,**31%**到达地面
4.遥感图像
空间分辨率:
当分辨率为1km时,一个像元代表地面1kmX1km的面积,即1km2;
当分辨率为30m时,一个像元代表地面30m×30m的面积,即30m2;
载荷:可见光、多光谱、高光谱、SAR等
随着光谱分辨率的不断提高,光学遥感的发展过程可分为:全色(Panchromatic)→彩色(Color Photography)→多光谱(Multispectral)→高光谱(hyspectral)
- 全色波段:单波段,灰度图片。空间分辨率高,但无法显示地物色彩。空间+辐射
- 多光谱:将地物辐射电磁波分割成若干个较窄的光谱段,以摄影或扫描的方式在同一时间获得同一目标不同波段信息。空间+辐射+光谱
- 高光谱:在对目标的空间特征成像的同时,对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖。空间+辐射+光谱
多光谱和高光谱比较:光谱分辨率在λ/10数量级范围的称为多光谱,光谱分辨率在λ/100的遥感信息称之为高光谱遥感。
高光谱和多光谱实质差别:高光谱的波段较多,谱带较窄;多光谱相对波段较少。高光谱遥感比多光谱遥感的光谱分辨率更高,但光谱分辨率高的同时空间分辨率会降低。
高光谱能够更好地分辨出肉眼甚至普通的光学遥感不能识别的地物,包括内在的物理、化学特性,甚至是物质的分子和原子结构。
在数百公里高度运行的高光谱卫星不仅能观测到地面覆盖的是不是植被,还能探知这些植被的具体种类和长势如何
5.融合的层次
- 像元级:线性加权法、IHS变换、PCA变换、高通滤波法、小波变换融合算法等。
- 特征级:Dempster-shafer推理法;聚类分析法;贝叶斯估计法;熵法;带权平均法;表决法及神经网络法等。
- 决策级:贝叶斯估计法;专家系统;神经网络法;模糊集理论;可靠性理论以及逻辑模板法等。
6.融合方法分类
- 加性变换
- 分量替换法(矩阵变换法)
- 基于IHS变换的融合方法
- 基于PCA变换的融合方法
- 基于GS变换的融合方法
- 频域分解法
- 基于高通滤波的融合方法
- 基于小波(Wavelet)变换的融合方法
- 基于轮廓波(Contourlet)变换的融合方法
- 分量替换法(矩阵变换法)
- 乘性变换
- Brovey变换融合方法(比值变换)
- SVR(Synthetic Variable Ratio)变换融合方法
- SFIM变换融合方法(亮度平滑滤波变换Smoothing Filter-based Intensity Modulation)
分量替换融合法
正向变换:将多光谱图像像素值转换至另一个特征空间
- IHS变换→IHS色彩空间
- PCA变换→成分分析空间
- GS变换→正交向量空间
逆向变换:利用全色图像替换第一特征分量,并由特征空间反向变换至像素值空间,得到融合图像
IHS
IHS彩色坐标系统是根据视觉原理定义了3个互不相关的颜色属性:亮度(I)、色调(H)和饱和度(S)
I、H、S3个分量具有相对独立性,可分别进行处理,能够定量地描述颜色特征。因此,IHS系统在定量计算方面具有优势。
IHS变换融合
将低分辨率图像(多光谱)经IHS变换后的强度分量I,用高分辨率图像(全色)来替代
存在的问题
融合后影像颜色值取决于全色影像与IHS变换后的I影像之差
7.特征空间的距离
特征空间距离的本质:特征之间的相似性度量,是图像分类的定量依据。
距离有不同的度量方式:
- 欧式距离
- 街区距离
- 海明距离
- 相关系数
- 余弦距离
- 直方图交
- 二次式距离
- 马式距离
8.视频稳定
运动估计:
通过图像匹配的方法获取视频相邻帧间的运动参数,然后以固定帧为基准,将多帧运动参数进行关联进而获取全局运动轨迹。
全局运动轨迹代表摄像机的真实运动轨迹,既包含由人为意识控制产生低频、平滑的主动运动,又包括由非人为意识的外部干扰产生的高频抖动。
- 主动运动:平滑(低频)
- 抖动运动:剧烈(高频)
运动校正:
通过低通滤波或者路径优化的方法从全局运动中去除抖动分量,获得一条平滑的主动运动轨迹,其中每帧图像在主动运动轨迹中的位置称作平衡位置。
9.图像配准
图像拼接技术主要包括:特征提取、图像配准和图像融合
其中图像配准是整个图像拼接技术的核心部分,直接决定了图像拼接结果的质量。图像配准算法主要分为3类:
- 基于灰度图像的匹配
- 基于变换域的匹配
- 基于特征的匹配
图像配准:精度、速度
10.滤波示例——噪声去除
噪声是随机量,可以从统计数学的观点来定义噪声。凡是统计特性不随时间变化的噪声称为平稳噪声,而统计特性随时间变化的噪声称作非平稳噪声。
以上各种类型的噪声反映在图像画面上,大致可以分为两种典型的图像噪声:
- 椒盐噪声:噪声的幅值基本相同,但是噪声出现的位置是随机的。
- 随机噪声:每一点都存在噪声,但噪声的幅值是随机的。
随机噪声根据其幅值的概率密度函数,还可分成:高斯噪声、瑞利噪声
- 椒盐噪声的特征:
出现位置是随机的,但噪声的幅值是基本相同的。 - 高斯噪声的特征:
出现在位置是一定的(每一点上),但噪声的幅值是随机的。
最常见的9种滤波方式:
- 均值滤波器
- 中值滤波器
- 高斯滤波
- KNN滤波
- 高通滤波
- 低通滤波(3*3)
- 最大均值性平滑滤波
- 梯度倒数加权滤波及低通滤波(5*5、7*7、9*9、11*11)
- Kalman滤波
11.图像灰度直方图
12.条带噪声去除
卫星成像系统中的噪声成分主要有以下几种:
- 光电散粒噪声
光电转换时,和物体成像相关的噪声,符合泊松分布 - 读出噪声
成像系统本身或者外界环境产生的噪声,分别加性噪声以及乘性噪声 - 条带噪声
探元间光电响应差异或者探元成像性能发生突变产生的噪声,分为系统条带噪声以及随机条带噪声
随机条带噪声去除方法
通过对实际卫星影像的统计发现,随机条带噪声主要有四个特点:
- 噪声出现的空间位置是随机的;
- 噪声与周围地物之间高度非线性相关;
- 噪声的灰度跃变较小,一般在3~5个DN值左右
- 噪声的存在影响地物的判读
13.无人机遥感优势
与传统拍摄技术设备相比的优势:
- 轻型小型化,快捷方便
- 时效性强
- 机动性强
- 受环境影响小
- 满足大比例尺要求
- 成本低廉
- 条件需求低
- 低噪节能
特别适合获取带状地区航拍影像(公路、铁路、河流、水库、海岸线等)
14.直方图均衡化(可能考计算)
直方图均衡是根据图像亮度值的出现频率来分配它们的亮度显示范围,使一定灰度范围内的像元的数量大致相等,得到一幅灰度直方图为均匀分布的新图像
其实质是对图像进行非线性变换,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
直方图均衡化变换函数
设一幅图像总像元数为n,亮度级为L,nk表示第k亮度级rk出现的频数,则第k亮度级出现的概率为:
p r ( r k ) = n k n ( k = 0 , 1 , … , L − 1 ) p_{r}\left(r_{k}\right)=\frac{n_{k}}{n}(k=0,1, \ldots, L-1) pr(r