遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
特定时空尺度:(x,y,t); 特定波长范围:(λmax-λmin); 特定探测方向:(P,(θ,φ))。 地物辐射类型:发射和反射
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
依据遥感根据探测波段分类,可得: ①可见光-近红外遥感(Visible NearInfrared):主要在白天进行遥感探测,地 物自身热辐射可忽略不计,模型简化为:
第3章 遥感数字图像特征分析和应用
(3)众数——指图像中出现频数最多的灰 度值。它是图像中分布较广的地物类型反 射能量的反映。 (4)方差反映像元灰度值与平均灰度值的 总的离散程度。算法如下:
S2
f (i, j ) f (i, j )
M N i 1 j 1
2
M N
r R 21 ... rN 1 1 rN 2 ... r2 N ... 1
第3章 遥感数字图像特征分析和应用
(3)联合熵——可用如下公式计算:
联合熵越大图像信息量越大。
第3章 遥感数字图像特征分析和应用
3.2.3遥感图像统计直方图 (1)直方图的概念 用横轴表示遥感图像灰度级,用纵轴表示 每一灰度级具有的像元个数或其所占总的 像元个数的比例,做出的条形统计图即为 遥感图像灰度直方图。它是灰度级的函数, 表示图像中具有每种灰度级像元的个数, 反映图像中每种灰度级出现的频率。例如:
第3章 遥感数字图像特征分析和应用
3.2.1单波段图像统计特征 单波段遥感图像多用均值、中值、众数、 方差和反差等描述其灰度值变化统计特征 规律。 (1)均值——指图像中所有像元灰度值的 算术平均值。反映图像中地物的平均反射 M N 强度,算法为: f (i, j )
f
i 1 j 1
第3章 遥感数字图像特征分析和应用
3.1遥感图像模型 遥感图像,无论模拟图像或者数字图像, 均是遥感器探测地物电磁辐射能量所得到 的图像,均是特定时空尺度下、特定波长
范围内、特定探测方向上地物发射和反射 电磁辐射能量的客观记录。
因此,均可归纳为如下所示更具普遍意义 的数学模型,即遥感图像模型。
(其中,S为标准差),是定量评价图像信息量大小的重要参数。
第3章 遥感数字图像特征分析和应用
(5)图像灰度值值域——指图像最大灰度 值和最小灰度值的差值,即:
f range (i, j) f max (i, j) f min (i, j)
反映图像灰度值的变化程度,间接反映图 像信息量。
S
2 gf
S
2 fg
1 M N f (i, j) f g (i, j) g MN i 1 j 1
将个波段间协方差对应排列所得矩阵称为协方差 矩阵∑,即 2 2 2
S11 2 S 21 ... 2 S N1 S12 S2 22 ... S1N ... S 2 2N 2 ... S NN
S2 N2
协方差矩阵既能反映各个变量各自取值的离散程 度,又能反映不同变量间的相关密切程度。
第3章 遥感数字图像特征分析和应用
(2)相关系数——表征变量之间的相关程 度,多个波段遥感图像之间的反映其所含 信息的重叠程度。计算方法为:
r fg S2 fg S ff S gg
(其中,S ff 和 S gg 分别为图像 和 的 f (i, j ) g (i, j ) 标准差) 将个波段间相关系数对应排列所得矩阵称 1 r12 ... r1N 为相关系数矩阵R,即
g x, y T f x, y
第3章 遥感数字图像特征分析和应用
g x, y T f x, y
g(x,y)的特点包括: 几何空间和灰度空间的连续性; ②定义域的限定型; ③函数值的限定性; ④物理意义的明确性。
第3章 遥感数字图像特征分析和应用
遥感成像过程受到众多随机因素影响,遥 感图像的灰度值变化可以看做是随机变量, 而且为了便于分析和处理,常常假设其服 从于正态分布。因此,可用统计特征参数 描述其自身质量及其处理效果等。 遥感图像按波段分,包括单波段图像和多 波段图像。相应的,图像统计特征包括单 波段图像统计特征和多波段图像统计特征。
c.就等于图像灰度值的标准差,即:
C3 S
反差可以反映图像的显示效果和可分辨性。其中, 最合理,其它两种受极端情况影响较大。
第3章 遥感数字图像特征分析和应用
(7)信息熵——根据Shannon信息论,可以将 信息熵理解成某种特定信息的出现概率,多用H 表示,算法如下: 信息熵同样可用于比较不同图像的信息量差异。 但不能将图像信息量作为其影像质量好坏的唯一 标准。因为即使同一地区相同质量的遥感图像, 由于成像时间不同信息量也不同,而且信息熵反 映的情况有时会与人的视觉感受不一致。
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
(2)直方图的性质 a.直方图反映图像中的灰度分布规律,但 不包含像元位置信息。 b.任何图像都有唯一直方图,但不同图像 可能有相同直方图。 c.如果一幅图像由两个或两个以上不相连 区域组成,且每个区域直方图已知,则整 幅图像直方图是这两个区域直方图之和。
第3章 遥感数字图像特征分析和应用
(5)CBERS-CCD数据统计特征分析 试验数据第5波段直方图基本呈正态分布,影像灰度值 反映地物随机分布规律;值域较大,足以体现不同地物 反射特征及灰度值差异;标准差较大,图像信息量较丰 富;与其它波段相比相关系数较小,综合反映地物对波 长0.51-0.73m的可见光反射特征,可用于土壤温度监 测、植物含水量调查、农作物长势分析等。 总体来讲,CBERS-CCD数据第5波段质量较好,将该 波段数据与其它波段数据一起进行最佳波段选择及土地 利用/覆盖信息提取具有实际应用价值。
第3章 遥感数字图像特征分析和应用
无论可见光-近红外、热红外还是微波遥感, 一旦遥感探测系统设计完成,遥感成像所 获得的图像的探测波长范围、空间几何构 像关系以及瞬时视场等均是一定的,变化 的仅只是成像区域。 因此,影响遥感图像的x,y,t,λ,P等参数,可 简化为仅受x,y影响,图像模型也可用f(x,y) 代替L(x,y,t,λ,P)。
第3章 遥感数字图像特征分析和应用
3.3.2遥感图像统计特征应用——最佳波段选择 (1)最佳波段选择意义 遥感器设计多通道纪录地物多光谱特征,为土地 利用/覆盖信息提取提供多源数据。但地物分布自 相似与自相关规律,使得多光谱与高光谱数据客 观存在谱间冗余,即不同波段数据具有相关性。 多光谱及高光谱数据波段间相关性导致,即便是 计算机分类,随着额外波段增加,计算负荷增大, 分类精度和效率反而受限,需用降维法选择对分 类有利波段。
3.2遥感图像统计特征分析 遥感图像的整体特征可用光谱分辨率、辐 射分辨率、空间分辨率和时间分辨率等描 述。但其具体特征? 例如:相同时间、相同区域、不同传感器 数据有无细微的差异,相同传感器、相同 季相、不同区域数据同类地物有无可分性 差异等,如何定量描述?
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
(3)直方图的描述 由于遥感图像的灰度值并不能完全服从正态分布,即遥感图像 直方图分布曲线与正态分布曲线往往存在差异——直方图偏斜, 其具体表现为图像灰度均值与众数和中值的明显不一致,偏斜 程度可用下面的量来表示: 式中:
3( f f med ) 为图像灰度中值; Sk 或 Sk S 为图像灰度均值; 为图像灰度标准差。 S
第3章 遥感数字图像特征分析和应用
3.3.1遥感图像统计特征分析 (1)研究数据如下图所示:
第3章 遥感数字图像特征分析和应用
(2)单波段统计特征如下表所示。
第3章 遥感数字图像特征分析和应用
(3)多波段统计特征如下表所示。
第3章 遥感数字图像特征分析和应用
(4)多波段统计直方图如下图所示。
(2)最佳波段选择原则 最佳波段选择应遵循3个原则,即: ①所选波段或波段组合信息量要尽可能大, ②所选波段或波段组合间相关系数要尽可 能小, ③所选波段或波段组合要能保证多数地物 或某些地物容易区分。
第3章 遥感数字图像特征分析和应用
(3)最佳波段选择方法 最佳波段选择多用基于波段间信息量的熵 与联合熵、协方差矩阵行列式、最佳指数, 基于地物间可分性的标准距离、B距离、离 散度,以及针对专题信息提取的多维亮度 重叠指数等方法。 选择3个波段合成最佳彩色影像,使其既能 反映所用数据基本信息,影像特征鲜明突 出,又能减少工作量,提高分类精度和效 率。
f f mod e 为图像灰度众数;
f mod e
f med
f
S
第3章 遥感数字图像特征分析和应用
3.2.4遥感图像统计特征提取演示 应用ERDAS软件演示遥感图像统计特征提 取过程。 3.3遥感数字图像统计特征分析与最佳波段 选择 以《CBERS-CCD数据土地利用/覆盖信息 提取最佳波段选择》为例
第3章 遥感数字图像特征分析和应用
第3章 遥感数字图像特征分析和应用
3.2.2多波段图像统计特征 多波段遥感图像可以看做是多个随机变量, 常用协方差和相关系数描述其相关密切程 度。
第3章 遥感数字图像特征分析和应用
(1)协方差——反映不同变量间的相关程度,设 两个波段遥感图像分别为和,则可用如下模型计 算其协方差:
第3章 遥感数字图像特征分析和应用
②热红外遥感(Thermal infrared):主要 在夜间或黎明前进行探测,主要获取地物 的热辐射。 ③微波遥感(Microwave Remote Sensing):分为主动微波遥感和被动微波 遥感,前者的模型和可见光-近红外遥感图 像模型类似,后者的模型和热红外遥感图 像模型类似。