城市遥感考试资料全文档格式.docx

城市遥感考试资料全文档格式.docx

《城市遥感考试资料全文档格式.docx》由会员分享，可在线阅读，更多相关《城市遥感考试资料全文档格式.docx（18页珍藏版）》请在冰豆网上搜索。

不同的地物，其反射波谱特性也不同。

地物反射波谱特征是遥感影像解译的重要依据。

地物发射波谱特性：

地物发射率随波长变化的规律。

地物的发射率与其表面状态、温度、类别等因素有关。

一般而言，同一物体的发射率随其温度不同而异。

不同地物，具有不同的波谱曲线（发射、反射、吸收和折射）形态。

城市遥感的研究内容：

定量研究城市典型地物的波谱特性，通过对地物波谱特性进行分析，实现对地物的解译、特征提取、三维重建、变化检测和污染监测等。

遥感传感器组成：

采集单元、分光单元、探测与信号转化单元、记录或通信单元。

图像获取方式基本分为三种模式：

摆扫成像、推扫成像和凝视成像。

3、城市遥感影像数据

是地面物体反射或发射电磁波特征的记录、是地面景物真实、瞬间的写照。

传感器、波段、平台的不同对应的遥感影像有所不同，应用范围也有所区别。

遥感影像是电磁波能量的测量数据：

以规则格式存储，最小的影像元素称为像素。

对于单波段影像，每个像素对应一个数字单元（DN值）。

对于多波段影像，每个像素对应多个数字单元（DN值）。

影像特性：

空间特性：

测量的面积。

光谱特性：

指传感器所能感知的波长范围。

辐射特性：

指传感器能测量到的能量。

时空特性：

指传感器获取数据的时间。

空间分辨率：

指遥感影像上能够识别的两个相邻地物的最小距离。

动态覆盖范围：

指能通过传感器测量到的最小能量和最大能量范围。

辐射分辨率：

指传感器能分辨的目标反射或辐射的电磁辐射强度的最小变化量；

时间覆盖率：

是指传感器能记录的最小时间间隔；

重返周期：

指同一地区被传感器重复摄像的时间间隔；

像素大小，随传感器的不同而不同，小的可以小于1m,大的超过数千米。

波段数：

指存储下来的能区分开的波段数量。

常用的波段数是1个全色光谱、15个多光谱、220个超光谱。

影像量化：

指传感器将收集到的被测目标的电磁波能量以离散的整数形式存储在不同介质上（如感光胶片或磁带）。

影像压缩：

由于遥感信息量相当大，要求在卫星过境的短时间内将获得的信息数据传输到地面是有困难的，因此，在信息传输前需要进行数据压缩。

城市遥感数据的选择标准

数据的时空特性：

现势性，多波段，高空间分辨率。

数据有效性：

遥感数据分辨率，包括时间，空间，光谱和温度分辨率；

在具体使用时，应根据实.的需求选.合适的数据

遥感数据的经济性

辐射误差：

传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值。

辐射误差产生的原因有两种：

a、传感器响应特性；

b、外界（自然）条件，包括太阳照射的位置和角度，大气传输（云和雾）等条件；

辐射校正：

消除图像数据中依附在辐射量度中的各种失真的过程。

目的：

–尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度以及某些不可避免的噪声引起的传感器量测值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异，尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作打下基础。

1、因传感器灵敏度特性引起的辐射误差校正

2、大气影响引起的辐射误差校正

3、因太阳辐射引起的辐射误差校正

4、其他辐射误差校正

1.3遥感卫星辐射校正场

（1）建立辐射校正场的意义

–作为发展空间对地观测技术的一个重要组成部分，是遥感信息定量化所必须的，也是验证遥感数据可靠性、进行多星数据和多时相卫星数据对比分析的重要手段。

（2）建立辐射校正场的目的

–满足遥感数据定量化的要求、监测在轨传感器变化并不断提供修正系数、补充星上定标的不足，有助于多种遥感仪器和不同时间遥感资料的综合应用。

辐射场校正技术：

利用地球表面大面积均匀地物为目标，当卫星过顶时实施同步地面观测，以实现对轨道上运行的卫星传感器作辐射校正。

几何处理目的：

对遥感图像进行几何纠正，解决遥感图像的几何变形。

几何变形的误差类型

静态误差：

成像过程中，传感器相对于地球表面呈静止状态时所具有的各种变形误差

动态误差：

主要是由于成像过程中地球旋转所造成的图像变形误差。

多项式纠正法

基本思想：

回避成像的几何过程，直接对图像本身的变形进行数学模拟，认为图像变形规律可以看作是平移、缩放、旋转、仿射、偏扭和弯曲以及更高层次的基本变形的综合作用结果.

基本过程：

利用有限个地面控制点的已知坐标，解求多项式的系数，然后将各像元的坐标带入多项式进行计算，从而求得纠正后的坐标。

第2讲城市遥感影像解译与判读

遥感影像解译：

从遥感影像上获取目标地物信息的过程.

目视判读与计算机解译的联系：

目视判读是遥感是遥感影像应用最基本、最传统的方法，是遥感影像计算机解译.展的基础和起始点。

计算机解译的影像分类通通常需要以目视判读为基础。

1.2遥感影像解译与判读类型：

遥感影像解译类型可归.为：

目视判读、人机交互判读和计算机自动解译。

（1）目视判读：

目视判读过程借助简单的光学工具如放大镜、立体镜等，在有关信号层（投影成像机理）、物理层（地学波谱特性）和语义层（事物相关规律）三个层面知识的引导下，对地物进行判读；

目视解译的标志：

直接标志（色调、颜色、阴影、形状、纹理、大小、图型）、间接标志（位置、相关布局）。

目标地物与成像时间的关系，与其相关指示特征与环境的关系。

人工目视判读原则：

先图外，后图内，先整体，后局部，多比对，勤分析

人工目视判读方法

1.直接判读法:

使用直接判读标志进行影像判读.

2.比较分析法：

同类地物对比，空间.比分析、时相动态对比法

3.信息复合法：

利用透明专.图或透明地形图与遥感图像复合，根据专.图或者地形图提供的

多种辅助信息，识别遥感图像上目标地物的方法。

4.综合推理法：

综合考虑.感图像多种解译特征，结合生活常识，分析、推断某种目标地物的方法。

5.地理相关分析法

遥感影像目视解译流程：

准备阶段，收集资料订购影像准备.段、野外初查，初选解译标志

（1）判读员的训练

（2）搜集充足的资料

（3）了解图像的来源性质和质量

（4）准备判读仪器和设倍。

（5）初步解译以及判读.的野外考察

室内解译，找目标、勾画轮廓，室内详细判读

室外解译，实地验证、补充调查

（1）野外验证包括：

检验解译标志、验证专题解译中图斑的内容是否正确

（2）疑难问题的补判：

对室内判读中遗留的疑难.题的再次解译。

室内解译：

整理资料、绘制图形、整编图件

人机交互判读，即半自动判读方法：

把人工目视判读和数字影像处理、遥感地理信息系统、地学知识和信息技术等结合起来进行遥感影像判读,由人和计算机共同完成；

计算机自动解译：

指采用简单的模板匹配方法或基于内容的图像检索方法，根据目标的几何特征或独特的纹理特征，从影像中提取目标信息。

计算机自动解译与人机交互判读比较：

地物特征复杂，存在异物同谱和同物异谱现象，计算机自动解译存在困难；

而人工判读相对灵活，但效率较低；

人机交互判读为常用方法。

目视解译与计算机解译的区别：

工具不同：

航片解译：

借助简单的光学工具如放大镜、立体镜等

数字解译：

借助数字工具如数字放大镜、影像立体等

判读数据源不同：

航片

数字影像

判读方法不同：

目视判读（光学放大、光学立体）

数字解译（影像复原、影像超分辨率）

自动化程度不同：

人工操作，野外检核

可自动处理且可批量处理和分布式处理

目标判读步骤：

包括：

人工预判、半自动初判、人工详判、专家会判等。

城市影像超分辨率重建：

提高影像分辨率的技术途径有两个：

一个是从物理上改进成像传感器；

另一个是对采集到的影像数据利用适当的信号处理方法进行图象复原和超分辨。

影像的超分辨率重建：

指利用信号处理和软件方法消除成像系统和外界环境所导致的影像退化，恢复出光学衍射极限分辨率所决定的截至频率以外的信息，从而提高影像的空间分辨率。

–可以在不改变成像系统的前提下，达到提高影像空间分辨率的目的，对于影像解译意义重大。

超分辨率技术具有严密的数学物理基础。

图象复原是恢复由于模糊、噪声和云雾等因素引起的图象质量的退化，提高实际图象的清晰度、对比度和分辨率，使之逼近设计值，但是不可能超过设计值

图象超分辨操作是在图象复原的基础上进一步提高实际图象的分辨率，使之超过设计值

影像超分辨率重建技术与影像复原区别：

1）超分辨率重建是使影像的分辨率超过设计分辨率；

–影像复原是使影像的分辨率接近或达到设计分辨率；

2）影像融合是利用高分辨率影像来提高低分辨率影像的分辨率；

–超分辨率是利用一幅或多幅低分辨率影像重建出高分辨率影像（高于所有的原始影像分辨率）；

第3讲城市主要道路的检测和提取

城市道路的主要特性

–思路：

利用对特定地物的描述，设定相关的知识和约束条件，以此作为地物提取的基础。

（1）几何特征：

宽度：

垂直于线长方向的线目标横向（断面）尺度。

宽度的一致性：

沿线长方向的宽度变化程度。

形状、大小和朝向：

反映了线状地物延伸的尺度和范围。

曲线：

线的弯曲程度，不同目标在不同分辨率和考察的尺度范围、不同的环境和地形呈现的不同的曲率和曲率变化率。

模式：

在道路连接等处，会形成T字形或十字形的几何模式；

道路，在高分辨率影像中，其形状一般呈条带状；

而在低分辨率影像中，通常呈现曲线状；

沿长度方向的道路宽度变化程度较小，不同级别的道路宽度存在差异；

有一定的弯曲度，但局部曲率一般不大，曲率变化比较平缓。

级别越低的道路曲率越大，平坦地区道路曲率整体较小，在山区相对较高

（2）辐射特性：

线状目标的反射特性，以及与周围环境的对比度。

包括局部断面的平均光谱特征、光度一致性、对比度和局部断面（图像）直方图。

道路的灰度与背景灰度相差比较大；

道路内部的灰度变化相对平稳，但由于受路面上的汽车、车轮线、交通线等的影响，道路表面的灰度分布并不均匀。

（3）拓扑特性。

拓扑特性表示线状目标满足作为网络一部分的完整性程度，以及连接的类型。

连接类型一般有T形，X形和Y形等。

大多数情况下具有拓扑特性的目标指道路和水系。

–完整性：

各段连接起来的程度。

连接线：

连接类型，以及作为网络一部分的连接的正确性。

（4）上下文特性

周边区域的关联特性：

包含线特征的区域内存在的关联目标，例如可以用高水平的语义表达的一些基本地物类型，如城区和农村（可以扩展为植被区域、荒地和居民区等）。

局部上下文线索：

目标之间的关系、例如密度、朝向，大小，相邻目标的排列方式等。

路面上的树木、汽车等地物会遮挡道路，但对道路特征的正确提取影响不大；

成排的房屋之间出现道路的可能性较大；

对于激光扫描数据，道路激光点为空间上离散分布的点，无明显的拓扑信息以及属性特征。

（5）功能特性。

人工目标在显示世界所实现的功能。

例如不同的类型的道路、铁路作为交通网络系统的一部分，起着连接人类活动区和运输通道的作用。

由此可以导出其他特性，比如：

一般都与村庄、城镇、居民地或人工设施相连接；

尽可能直，节约运输和修建成本；

为了实现这一功能，道路一般比较平整（反映到影像则是道路路面的灰度一般较为均匀），形状上大多数情况下不会有剧烈的曲率变化，不会无辜中断，段与段之间存在连接以形成网络等。

城市道路提取方法

影像道路特征提取的基本过程，同样遵循Marr视觉理论，在低中高三个层次上进行，主要分为以下阶段：

1）预处理（校正和除噪处理）2）低层次处理（二值化、灰度边缘、纹理、顶点、方向等）3）中层次处理（特征分析、选择、综合等）4）高层次处理（知识、智能、规则、学习、理解、识别等））5）道路（标识、表示、应用等）对影像从不同角度进行分析，在各个层次采取适当的算法，即可得到不同的特征提取方法。

（1）城市道路提取现状：

手工提取半自动提取自动提取

提取现状：

1）半自动提取：

较为原始的方法，但却是生产单位长期以来都使用的实用方法，主要思想是由人工首先在道路上或道路附近提供初始道路点（种子点），有时还提供初始方向，然后再由计算机根据人工点进行识别处理。

通过适当的人工干预，保证提取的准确性。

这种方法较好地结合了人与计算机各自的优势，在目前计算的识别能力不高的情况下，具有较高的实用价值。

提高效率，减轻劳动强度

2）自动提取：

无疑，全自动的提取方法是遥感影像目标识别与提取的发展方向和最终目标。

道路自动提取现状：

没有一种针对所有道路类型、适合各种影像比例尺（分辨率）、通用的提取算法。

目前，城市道路的自动提取方法大致可以分为三类：

基于道路本身特性的方法;

基于上下文信息的方法;

上述方法的混合;

（2）城市道路的半自动提取设计原则：

设计算法要考虑：

算法的稳定性（容错率）、提取结果的精度，高效的测图效率。

除算法要保证高成功率和精度外，还应当遵循以下原则：

1）操作员的输入应当简单2）提取结果的实时响应3）允许提取结果的回退操作

具体策略：

1）在依次输入人工点形成的各段内，以快速的模板匹配和基于神经网络的优化计算，快速提取出道路特征的初始值；

2）基于平差模型的自适应模板匹配对每段进行相对独立的提取，即提取各段连续的二次曲线；

3）以上述提取结果作为初值，基于最小二乘样条曲线提取算法对其进行精确定位。

（3）城市道路的自动提取

自动道路特征提取主要包括道路的自动定位和理解。

即首先分析出影像道路的特征，这包括各种各样的方法，有局部的，有全局的，方法的优劣直接影响后续过程的理解。

1.道路特征的增强（图像滤波或小波变换等）;

2.道路“种子点”的选择，用于确定可能的道路点（基于像素分类、边缘增强或模版匹配等）;

3.将“种子点”扩展成线段（如基于规则的边缘点自动连接、动态规划等方法）;

4.道路段的确认，自动连接形成道路网（这一步骤涉及到自动编组算法、顾及上下文知识的连接假设生成和假设验证、路段语义关系表达等高水平的自动影像解译方法）;

道路提取难点：

在低分辨率影像上，道路主要表现为双平行线的线状目标，跟踪时困难不大；

但在高分辨率影像上，主要道路的表现形式是，道路是包括斑马线、防护栏、两边及中间的绿化带、防护堤、车辆等的混合表现，在经过边缘检测和跟踪后道路的主要表现形式是多组不连续的平行线；

由于太阳光线被遮挡，路面影像上存在阴影；

遥感影像上道路提取难点体现在：

道路是连续的，但由于成像过程、反射条件、阴影等影响的干扰，提取的线条不能表达连续的信息（断裂长度较小）；

道路是连续的，但由于遮挡（如成行树木的遮挡）、与周围环境的反差较低等的原因，无法提取相应的线条（断裂长度较大）；

道路发生了变化，依据提供的信息不能找到与前面道路相连的证据，通常这种情况下断裂长度很大，而且没有证据能填补

城市道路提取典型方法：

1）基于结构信息的侯选道路段提取

过程：

图像，canny边缘检测，二值化，细化，动态规划边缘的跟踪，适量线条生成，压缩光滑去噪，拆线分裂生成直线段，平行线断提取，可靠平行线断生成，基于平差模型的平行线断精定位，候选道路段及中线形成。

该方法的特点：

–在效率上比完全人工的切准提取速度快,而且提取的结果的后续编辑量小；

–对道路中心线的定位是非常精确的,可以大大减轻操作员的劳动强度,并达到测量精度的要求；

2）基于感知编组的道路提取

道路模型约束下的道路段感知编组有两个特点：

一是充分利用了道路的局部特征；

二是建立连接概率模型，对编组的过程及结果都进行了定量化的表达，这使得编组的结果更为可信和可靠。

由于局部特征（几何特征、辐射特征和局部上下文特征等）容易受噪声的干扰，因而会影响结果的可靠性，所以还需要进行：

全局特征约束条件下的道路段连接重组。

3）基于带状Snake的道路提取

其主要思想是定义一个能量函数，在snake由初始位置向真实轮廓逐渐靠近时，寻找能量函数的局部最小值，即通过对能量函数的动态优化来逼近目标的真实轮廓。

由于snake模型算法的一个缺点就是对初始位置的依赖性很大，当初始轮廓离目标较远时，往往收敛到局部最小值，而不是真实轮廓

Snake模型具有一些经典方法所无法比拟的优点：

–将图像数据、初始估计、目标轮廓及基于知识的约束统一于特征提取过程中；

–经适当地初始化后，它能自主地收敛于能量极小值状态；

–尺度空间中由粗到精地极小化能量可以极大地扩展捕获区域，降低计算复杂性。

4）城市道路新型提取方法：

灰度形态分割模型（中、低分辨率影像）利用形态学水平集理论将图像中具有相同形态的像素定义为一个结构或目标；

–即对于一个给定的空间邻域,可以简单而直观地把形态特征分为:

“凸特征”、“凹特征”、“扁平特征”

整体矩形匹配模型（高分辨率影像）基本思想是：

比较矩形内部、外部的道路与背景匹配程度,寻找道路的最佳匹配矩形

最佳矩形确定原则：

矩形的内部道路成分尽量多，而矩形的外部非道路成分尽量多，即在内部和外部都能很好匹配的矩形才能最好地表示道路。

铁路提取：

–采用面向对象分类的方法分割结果–经过人机交互合并处理

立交桥的提取

立交桥是道路中最复杂的部分；

具有介于地形和建筑物之间的特征，

与地形相似之处在于,立交桥面是一种空间连续的曲面，且有一部分与地面直接相连；

与建筑物相似之处在于立交桥空中部分具有规则的形状，且具有类似房屋的附属设施。

提取方法：

基于样条函数的提取方法；

基于改进模糊边缘监测的立交桥边缘提取方法；

第4讲城市人工目标三维重建

难点：

人工交互方式，缺乏快速、高效的数据获取方法，自动化程度不高，并且精度也无法保证；

由于目标复杂，所有的系统都不能完全自动地从影像上精确获得目标的三维几何描述，无法定量地决定场景中所有目标的性质；

虽然地图是现实世界的二维抽象与表达，其规范已相对成熟，应用也相当广泛；

但由于缺乏在三维环境下描述现实世界的相关规范，基于地图进行目标重建的研究仍处于初步阶段

趋势：

对基于影像的人工目标重建，采用摄影测量技术和计算机视觉方法相结合的方式完成；

对基于模型的三维目标重建，将知识的引导内容渗透到从低级到高级处理的各个层次中；

引用多源数据提供的人工目标各种线索和信息，降低单纯以影像分析为基础的检测难度；

结合不同领域的相关理论、方法克服复杂的人工目标提取和三维重建问题；

（1）立体影像平台的建立

1）立体影像对内定向：

解决像片坐标系统与扫描坐标系统之间的差异（缩放、旋转、平移）；

2）立体影像对相对定向：

恢复构成立体像对的两张像片的相对方位，建立被摄物体的几何模型；

自动相对定向：

匹配同名特征点；

3）核线影像生成，使得同名像点对的上下视差为零；

便于进行立体观测和立体测图。

4）立体影像显示5）前方交会解求像方和物方关系6）一体化三维影像重建平台的建立

（2）三维重建模型

1.CAD/CAM领域的三维空间数据模型：

可分为表面表示法、空间分割法和构造实体几何表示法三类

2.GIS中的三维空间数据模型：

A.矢量模型是通过对三维空间对象特征点的坐标（X，Y，Z）和空间关系的描述来表达三维空间对象;

B.栅格模型则通过将三维空间对象划分成三维栅格阵列，用一串三维阵列和指针来表示三维空间对象;

C.混合数据模型

GIS矢量模型的优点：

（1）数据存储格式紧凑，所占存储空间小，能直观表达空间几何元素间的拓扑关系。

（2）数据精度高，能精确表达三维线状实体、面状实体和体状实体的不规则边界。

（3）空间查询、拓扑查询、网络分析的能力较强。

（4）图形输出效果好，容易实现几何变换等空间操作。

–缺点：

空间计算复杂，算法实现过程较为复杂，表达体内的不均一性的能力较差。

–GIS中栅格数据模型的特点：

结构简单，便于各种空间叠加操作，空间操作算法简单，对体内的不均一性具有一定的表达能力，叠加分析和缓冲区分析都很容易实现。

（1）数据量巨大，占用大量存储空间——处理速度较慢。

（2）数据精度低——输出效果较差。

（3）没有显式定义空间拓扑关系——不利于查询和分析。

（4）空间分析的精度低。

研究全新的数据模型相对困难，采用数据模型集成方式更为常见。

混合数据模型是指针对不同的实体采用不同的三维数据模型，然后将不同的数据模型集成在同一个系统中。

3.三维空间可视化模型：

构成要素:

几何特征和纹理特征。

拓扑关系：

反映了空间实体之间不随实体的连续变形而改变的，与度量和方向无关的一种空间关系。

拓扑关系在三维重建中的作用：

–协助完成深层次的空间分析，如连通性分析可以深入到具体的楼层、具体的房间；

–通过建立的拓扑关系，可以自动发现某些数据错误；

–利用拓扑关系帮助搜索相关要素（组合查询）；

–更易于把基本的空间体元组合形成复合实体；

三维拓扑重建–内拓扑：

三维实体内的拓扑关系，是三维重建中是最为关键的环节；

在目前三维重建过程中，内拓扑往往通过人工编辑完成。

–外拓扑：

三维实体间的拓扑即外拓扑。

外拓扑的重建往往不被重视。

三维拓扑模型存在的主要问题–拓扑关系描述的形式化方法和模型远未达成共识，都是在各自提出的方法和模型上展开研究；

–缺乏统一的空间数据表达、缺乏空间目标间拓扑关系描述的方法及模型；

–评判不同模型的好坏目前还没有一个准则；