遥感数字图像处理.docx

遥感数字图像处理.docx

《遥感数字图像处理.docx》由会员分享，可在线阅读，更多相关《遥感数字图像处理.docx（17页珍藏版）》请在冰豆网上搜索。

遥感数字图像处理

遥感数字图像处理

1.图像（image）是对客观对象的一种相似性的描述或写真.图像包含了这个客观对象的信息。

是人们最主要的信息源。

2.数字图像指数字存储的、用计算机直接处理的图像，是空间坐标和图像数值不连续的、用离散数值表示的图像，在计算机内部，数字图像表现为二维阵列（网格）,属于不可见图像。

3.什么是遥感数字图像，模拟图像（图片）与遥感数字图像有什么区别？

遥感数字图像是以数字形式存储和表达的遥感图像.

模拟图像：

又称光学图像,以胶片、相纸等硬拷贝形式存储的图像。

图像是自然景物的反映，人眼感知的景物一般是连续的，照相机（非数码式）拍摄形成的照片也是连续的,两者均称之为模拟图像.广义的模拟图像还包括绘画。

区别：

模拟图像的显著特点是连续性:

①空间位置的变化是连续的②每一空间位置上的亮度、色彩变化是连续的③符合数学上微积分连续性的定义

数字图像的特点：

便于计算机处理与分析；图像信息损失低；抽象性强。

4.什么是遥感数字图像处理？

它包括那些内容?

答：

利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理.

其内容有:

1图像转换。

包括模数（A/D）转换和数模（D/A）转换.图像转换的另一种含义是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作，如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换和小波变换等。

2数字图像校正。

主要包括辐射校正和几何校正两种。

3数字图像增强。

采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度,突出所需信息的工作称为图像增强。

图像增强处理不是以图像保真度为原则，而是设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值.

4多源信息复合（融合）。

5遥感数字图像计算机解译处理.

5.。

什么是图像增强？

主要目的是什么?

主要有哪些方法?

图像增强:

使用多种处理方法压抑、去除噪声，增强显示图像整体或突出图像中特定地物的信息，使图像更容易理解、解译和判读。

主要目的:

1.采用一系列技术改善图像的视觉效果，提高图像的清晰度;

2.将图像转换成一种更适合于人或机器进行分析处理的形式。

主要方法：

彩色合成、图像拉伸、波段运算、图像平滑、锐化、图像融合等

6.数字图像最基本的单位是像素

利用计算机技术,模拟图像与数字图像之间可以相互转换。

7.遥感是通过非接触传感器获取测量对象信息的过程，是信息的获取、传输、处理以及分析判读和应用的过程。

遥感的实施依赖于遥感系统。

8.按工作方式是否具有人工辐射源，遥感传感器类型分被动方式和主动方式两种，遥感相应的分为被动遥感和主动遥感.

根据数据记录方式，遥感传感器类型分为成像方式和非成像方式两大类.

按使用的工作波段，可将传感器分为紫外、可见光、红外、微波、多波段等类型。

9.传感器的分辨率：

指传感器区分自然特征相似或光谱特征相似的相邻地物的能力

辐射分辨率：

传感器能区分所接收到的电磁波辐射强的差异的能力。

谱分辨率：

是传感器记录电磁波的波长范围和数量。

波长范围越窄，波段数越多,谱分辨率越高。

空间分辨率：

指遥感图像上能详细区分的最小单元的尺度或大小。

时间分辨率:

传感器对同一空间区域进行重复探测时，相邻两次遥感观测的最小时间间隔。

10.元数据：

是关于图像数据特征的表述，是关于数据的数据。

11.遥感数字图象数据产品级别及特点

（1）0级产品：

未经过任何校正的原始图像数据；

（2）1级产品：

经过了初步辐射校正的图像数据；

（3）2级产品：

经过了系统级的几何校正，即利用卫星的轨道和姿态等参数、以及地面系统中的有关参数对原始数据进行几何校正。

产品的几何精度由这些参数和处理模型决定；

（4）3级产品：

经过了几何精校正，即利用地面控制点对图像进行了校正，使之具有了更精确的地理坐标信息。

产品的几何精度要求在亚像素量级上。

12.BSQ格式：

是像素按波段顺序依次排列的数据格式

BIL格式：

像素先以行为单位分块，在每个块内,按波段顺序排列像素

BIP格式:

以像素为核心，统一像素不同波段数据保存在一起，打破了像素空间位置的连续性。

每个块内为当前像素不同波段的像素值。

13.传感器的最大信息容量与辐射分辨率、波谱分辨率、空间分辨率、时间分辨率有关，在进行图像分析处理时，他通过研究对象的三个地学属性（空间、波段核辐射、时相）来体现对图像的具体要求。

14.什么是图像的采样和量化？

量化级别有什么意义？

不同的采样和量化对图像的影响是什么？

采样：

将空间上连续的图像变换成离散点（即像素）的操作

量化:

将像素灰度值转换成整数灰度级的过程.

意义:

采样影响着图像细节的再现程度，间隔越大,细节损失越多，图像的棋盘化效果越明显.量化影响着图像细节的可分辨程度,量化位数越高,细节的可分辨程度越高;保持图像大小不变,降低量化位数减少了灰度级会导致假的轮廓。

影响:

15.遥感图像主要类型有哪些？

各有什么特点？

根据传感器选用的波长范围不同,遥感图像可以划分为不相干图像和相干图像。

前者为光学遥感所产生的图像,通过自然光源或者通过非相干辐射源得到,包括多光谱图像、高光谱图像和高空间分辨率图像，在该类图像中，像素记录的是各个相关物体发射的辐射能量之和；后者则是指微波遥感所产生的图像，图像中像素的值是一些相关物体辐射的复振幅总和。

根据传感器的空间分辨率不同，遥感图像分为高空间分辨率图像、中空间分辨率图像、低空间分辨率图像。

高空间分辨率图像：

空间分辨率小于10米。

常用的传感器有SPOT，快鸟和IKNOS等。

这些传感器往往具有较高的重访周期（数天），能够反映明确的地物几何信息,适用于对特定地区进行定点监测,当前主要应用于数字城市和工程制图。

中空间分辨率图像：

空间分辨率10－100米.例如ASTER，TM等。

重访周期为数周.具有较多的光谱信息,便于进行土地利用和土地覆盖、资源、地表景观等方面的研究.

低空间分辨率图像：

空间分辨率大于100米.例如NOAA，MODIS等。

这些传感器往往具有较高的重访周期（数小时），适用于进行大范围的环境遥感监测，例如洪水、火灾、云和沙尘暴等。

16.怎样计算遥感图像文件大小？

P34

图像文件的大小（字节）按照下面的公式计算：

图像行数x图像列数x每个像素的字节数x波段数x辅助参数。

其中,辅助参数一般为1。

一些系统如ERDAS，在图像文件中加入了图像金字塔索引等信息，该值为1。

4.每个像素的字节数与存储有关,8位数为1个字节。

以8位量化产生的图像，每个像素值为0－255,占用一个字节。

16位数占用两个字节，以此类推.

17.遥感图像像素的属性特征有哪些？

18.典型的遥感应用。

陆地遥感：

陆地的植被,土壤、地质地貌、矿物、地表覆盖等,图像的识别、分类和生化成分的反演。

水色遥感：

水体中光学活性物质的反演计算.

大气遥感：

大气中气体成分浓度的反演计算。

19.反应图像平均值信息的统计参数：

均值、中值、众数、矩.

20.直方图性质

直方图：

是灰度级的函数,描述的是图像中各个灰度级像素的个数。

Hi=ni/Na）

性质:

1）反映了图像灰度的分布规律2）任何一幅特定的图像都有唯一的直方图与之对应,但不同的图像可以有相同的直方图。

3）如果一幅图像仅包括连个不相连的区域，并且每个区域的直方图已知,则整幅图像的直方图就是这两个区域的直方图之和.4）直方图的形态与正太分布的曲线形态类似。

参数:

矩、纹理指标、互信息

21.遥感数字图像有哪些表达方式？

图像的确定性表示：

矩阵表示、向量表示

图像的统计表示

22.纹理特征用来对纹理性质进行描述，传统的纹理特征描述方法：

统计方法、结构方法。

23.图像的显示过程是将数字图像从一组离散数据还原为一幅可见图像过程。

24.遥感数字图像处理在三个空间上进行:

（1）图像空间：

图像具有二维坐标，是数字的直观表达，地物在图像空间中能直观的表示出来。

利用图像合成可以产生不同的表示方式,便于进行视觉对比。

（2）光谱空间：

光谱是区分、识别地物的基本依据,不同的地物具有不同的光谱。

在光谱空间，可以分析当前像素的光谱，也可以对不同像素、不同地物的光谱进行对比。

（3）特征空间：

在特征空间中，同类的像素点往往聚在一起,不同的特征空间表达了像素间的不同关系;利用特征空间可以进行遥感信息的有效提取、遥感图像分类和模式识别。

25.色彩三个主要相关要素：

光源、物体和观察者。

彩色是指除黑白系列以外的颜色。

26.与硬件设备有关的模型有：

（1）RGB模型，在彩色监视器和彩色摄像机等领域,用于图像显示;

（2）CMY模型,在彩色打印机上，用于图像的打印输出；（3）YIQ模型，用于彩色电视广播；（4）HIS模型，用于图像的显示和处理。

27.图像的彩色合成

1。

图像的彩色合成

（1）人眼对黑白密度的分辨能力有限,大致只有十个灰度级，对彩色图像的分辨能力则要高得多；如果加上颜色的其他两个要素-——饱和度和亮度，人眼能够辩别彩色差异的级数要远远大于黑白差异的级数。

为了充分利用色彩在遥感图像判读中的优势，常常首先对多波段的图像进行彩色合成得到彩色图像，按后再进行其它的处理。

（2）彩色图像可以分为真彩色图像和假彩色图像。

真彩色图像上的颜色与人眼视觉所看到的真实地物的自然颜色基本一致，假彩色图像是图像上的色彩与实际地物色相不一致的图像。

2.伪彩色合成

（1）伪彩色合成是按特定的数学关系把单波段灰度图像的灰度级变换成彩色，然后进行彩色显示的方法，其目的是通过数据的彩色表达来增强区分地物的能力。

将单色映射成彩色有多种方法,对于指定的数据,最佳的映射方法需要通过实验来确定.

（2）通过密度份额方法进行伪彩色合成。

（3）密度分割是将单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变成彩色图像的处理方法。

级别和色彩之间有多种映射关系可供选择。

3.真彩色合成

如果彩色合成中选择波段的波长与红绿蓝的波长相同或近似,那么合成后图像的颜色就会与真彩色近似，这种合成方式称为真彩色合成。

使用镇彩色合成的优点是合成后图像的颜色更接近于自然色，对人与地物的视觉感觉相一致，更容易对地物进行识别.

4、假彩色合成

（1）假彩色合成是人工合成的非物体原有天然颜色的颜色，假彩色合成是一种最常用的图像合成方法，用来提高图像对特定对象类型的显示效果.与伪彩色不同之处在于，家彩色合成使用的数据来自于多个波段。

（2）家彩色合成选用的波段应该以地物的光谱特征作为出发点,通过不同的波段合成方式来突出不同的地物信息。

28.图像拉伸有哪些方法，优点是什么?

包括灰度拉伸、图像均衡化、直方图规定化。

拉伸是最基本的图像处理方法，主要用来改善图像显示的对比度。

如果对比度比较低,那么就无法清楚的表现出图像中地物之间的差异，因此，往往需要在显示的时候进行拉伸处理。

拉伸按照波段进行，它通过处理波段中单个像素值来实现增强的效果。

29.为什么要进行彩色合成？

有哪些主要的合成方法？

人眼对黑白密度的分辨能力有限，大致只有10个灰度级,而对彩色图像的分辨能力则要高得多。

如果以平均分辨率的计算，人眼可察觉出数百种颜色差别。

这还仅仅是色调一个要素，如果加上颜色的其他两个要素：

饱和度和亮度，人眼能够辨别彩色差异的级数要远远大于黑白差异的级数。

为了充分利用色彩在遥感图像判读中的优势,常常首先对多波段图像进行彩色合成得到彩色图像，然后再进行其他的处理。

彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成四种方法。

30.假彩色合成与伪彩色合成的差异是什么？

伪彩色合成是将单波段灰度图像转变为彩色图像的方法，假彩色合成与伪彩色不同之处在于，假彩色合成使用的数据是多个波段.

31.什么是密度分割，主要应用有哪些？

密度分割是将单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变为彩色图像的处理方法。

可以获得地物与光镨特征间的关系，可以快速可视化处理结果等。

32.图像校正包括对图像像素位置的矫正和图像像素值的校正两部分。

空间位置的变形误差称为几何误差，需要进行几何纠正和精纠正。

消除图像数据中依附在辐亮度中的各种失真的过程称为辐射校正。

辐射校正的目的：

尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声引起的传感器测量值与目标的光谱反射率或光谱辐亮等物理量之间的差异,尽可能恢复图像的本来信息，为遥感图像分割、分类、解译等后续工作奠定基础。

用户实施的辐射校正包括三部分:

传感器端的辐射校正、大气校正和地表辐射校正.

33.。

辐射通量:

单位时间内通过某一表面的辐射能量称为辐射通量，单位为W

辐照度：

辐射度E指单位时间内单位面积上接受的辐射能量，单位为W/平方米

辐亮度：

辐亮度L和辐射度两个概念含义相同，是辐射校正中常用的基本单位，指的是沿辐射方向的、单位面积、单位立体角上的辐射通量。

（辐照度E是辐亮度L在半球空间上总立体角的积分。

如果L各向同性，则E=3。

14L）

反射率是反射能量与入射能量的比值；

吸收率是吸收能量与入射能量的比值;

透射率是透射能量与入射能量的比值。

（在截止内部，反射率、吸收率和透射率的和为一）

34.图像的辐射误差

传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差.辐射误差造成了遥感图像的失真,影响人们对遥感图像的判读、解译，因此必须进行消除.

辐射误差产生的原因有两种：

传感器本身的响应特性和传感器外界（自然）环境的影响,包括大气（雾和云）和太阳照射等。

对于前者的校正为系统辐射校正，主要有传感器发射单位完成；对于后者的校正为用户辐射校正，由用户完成。

在选择性散射中,按颗粒大小不同,散射分为瑞利散射和米氏散射。

瑞利散射有远小于入射波长的气体分子引起,散射程度与波长的四次方成反比；米氏散射由直径与波长相当的颗粒引起，也称为气溶胶散射，散射程度与波长成反比。

35.大气校正

大气校正：

消除又大气散射引起的辐射误差的处理过程称为大气校正.

2.大气校正主要有以下三种方法:

（1）统计学方法：

通过将野外现场波普测试获得的无大气影响的辐射值与卫星传感器同步观测结果进行回归分析计算，已确定校正量

（2）辐射传输方程计算法：

测量大气参数，按理论公式求得大气干扰辐射量

（3）暗像元法:

在一定条件下，利用不受大气影响或影响很小的波段来校正其他波段。

3。

按照校正的方式,大气校正包括:

相对大气校正、基于模型大气校正、

绝对大气校正

4。

相对大气校正主要有内部平均法和平均域法

36.遥感图像的几何误差可分为静态误差和动态误差。

静态误差可分为内部误差和外部误差。

37.几何校正

几何校正属于图像的空间变换,像素坐标被映射到新的值。

主要内容:

图像配准、图像校正、地理编码、正射校正、图像匹配

38.几何精校正

1。

基本原理：

（1）基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高次的基本变形综合作用的结果。

（2）具体的实现是：

利用具有大地坐标和投影信息的地面控制点数据确定一个模拟几何畸变的数学模型,以此来建立原始图像空间与标准空间的某种对应关系，然后利用这种对应关系，把畸变图像空间中的全部像素变换到标准空间中,从而实现图像的几何精校正。

（3）几何级校正的基本技术是同名坐标变换方法

39.几何精校正操作步骤（结合图看）

（1）准备工作

（2）输入原始数字图像

（3）确定工作范围

（4）选择地面控制点

（5）选择地面投影

（6）匹配地面控制点和像素位置

（7）评估纠正精度

（8）坐标变换

（9）重采样

（10）输出纠正后图像

40.图像重采样方法：

最近邻重采样、双线性内插重采样、三次卷积内插重采样

41.遥感图像几何精纠正的目的和原理是什么？

其重要性主要体现在以下三个方面:

第一,只有在进行纠正后，才能对图像信息进行各种分析，制作满足量测和定位要求的各类遥感专题图；第二，在同一地域，应用不同传感器、不同光谱范围以及不同成像时间的各种图像数据进行计算机自动分类、地物特征的变化监测或其它应用处理时,必须进行图像间的空间配准,保证不同图像间的几何一致性；第三,利用遥感图像进行地形图测图或更新要求遥感图像具有较高的地理坐标精度。

几何精纠正的基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟,并且认为遥感图像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果.因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。

42.什么是图像的重采样?

常用的重采样方法有哪些？

各有什么特点？

待纠正的数字图像本身属于规则的离散采样,非采样点上的灰度值需要通过采样点（已知像素）内插来获取，即重采样.

常用的重采样方法有最近邻方法、双线性内插方法和三次卷积内插方法.最近邻重采样算法简单,最大的优点是保持像素值不变。

但是，纠正后的图像可能具有不连续性，会影响制图效果。

当相邻像素的灰度值差异较大时,可能会产生较大的误差。

双线性内插方法简单且具有一定的精度，一般能得到满意的插值效果。

缺点是方法具有低通滤波的性质，会损失图像中的一些边缘或线性信息，导致图像模糊。

三次卷积内插方法产生的图像比较平滑,缺点是计算量很大。

43.辐射误差产生的主要原因有哪些？

辐射误差产生的原因有两种：

传感器响应特性和外界（自然）环境，后者包括大气（雾和云）和太阳照射等.传感器响应特性可分为：

光学摄影机引起的和光电扫描仪引起的辐射误差.前者主要是由光学镜头中心和边缘的透射强度不一致造成的,后者包括光电转换误差和探测器增益变化引起的误差.

44..图像滤波可以强化空间尺度信息,突出图像的细节或主体特征，压抑其他无关信息，或者去除图像的某些信息，恢复其他信息.因此,图像滤波也是一种图像增强方法.

图像滤波可以分为空间域滤波和频率域滤波两种方法

45.图像平滑的方法

<1〉均值滤波〈2〉中值滤波<3>高斯低通滤波<4>梯度倒数加权平滑

<5>选择式掩模平滑

46.图像噪声类型

（1）按产生的原因分为外部噪声和内部噪声

（2）根据统计理论分为平稳噪声和非平稳噪声

（3）根据噪声幅度分布形态分为高斯噪声和瑞丽噪声

（4）按波普分布形状分为：

均匀分布的称为白噪声

（5）按生产过程进行分为量化噪声和椒盐噪声

遥感图像中常见的噪声：

高斯噪声、脉冲噪声、周期噪声。

47.均值滤波P159；中值滤波P165

48..图像锐化的概念：

为了把图像中任何方向伸展的边缘和模糊的轮廓变得清晰，可以对图像进行逆运算（如微分计算）从而使图像清晰化，这个过程称为图像锐化。

。

图像锐化的方法和算子

（1）线性锐化滤波器

（2）梯度法（3）罗伯特梯度（4）Prewitt和Sobel梯度（5）拉普拉斯算子（6）Canny算子（7）定向检测

49.图像滤波的主要目的是什么？

主要方法有哪些？

图像滤波可以从图像中提取空间尺度信息,突出图像的空间信息，压抑其它无关的信息，或者去除图像的某些信息，恢复其它的信息.因此，图像滤波也是一种图像增强方法.图像滤波可分为空间域滤波和频率域滤波两种方法。

空间域滤波通过窗口或卷积核进行,它参照相邻像素来单个像素的灰度值，这是当前主要的滤波方法。

频率域滤波是对图像进行傅立叶变换，然后对变换后的频率域图像中的频谱进行滤波。

50.图像分割的定义：

是把图像分割成各具特性的并提取感兴趣目标的技术和过程，是按特定的原则对图像像素进行划分标记的过程.

51.图像分割的原则:

（1）依据像素值的不连续性进行分割。

假定不同区域的像素值具有不连续性，因而可以对图像进行分割。

（2）依据区域内部像素值具有最大相似的原则进行分割。

52.图像分割将数字图像分割成互不相交的区域。

区域是像素的连通集，是相邻像素的集合.连通性：

在一个连通集中任意两个像素之间，都存在一条完全由集合中的元素构成的连通路径。

连通路径是一条可在相邻像素间移动的路径。

图像分割包括三类：

（1）基于像素的分割。

利用阈值直接把像素划分为不同的类。

（2）基于边界的分割。

首先标识图像中像素值变化明显的点作为边缘，然后将边缘连接起来作为区域边界。

利用图像梯度来确定边界.

（3）基于区域的分割。

首先确定区域,然后把像素划归到各个区域中，包括区域生长和区域分割等方法。

53.图像分割的具体流程:

（1）确定待分割的对象。

待分割的对象称为目标,它可以是图像中特定的一个目标、图像中的多个目标或者图像本身.

（2）特征选择。

按照工作目的，选择或构建合适的图像特征。

图像特征可以是基本图像特征的组合。

（3）选择分割方法进行分割。

（4）分割处理。

利用图像的数学形态学方法图像后处理、消除孤立像素等。

（5）检查确认分割结果,进行区域标识.

（6）分析确定各个区域的特征。

（7）将区域图像转为矢量图或专题图。

54.最佳阈值的选择方法：

直方图方法、自适应阈值法、分水岭算法

55.梯度法边缘连接的步骤：

启发式搜索—〉曲线拟合->边界跟踪

56.区域生长方法：

是基于相似性准则建立的一种图像分割方法,其基本思想是将图像中满足某种相似性准则的像素集合起来的区域。

区域生长的基本过程：

首先在每个需要分割的目标区域找一个种子像素作为生长点，然后将种子像素周围邻域中与种子像素性质相同或相似的像素合并到种子像素所在的区域中。

再将这些像素当做新的种子像素继续进行上述过程，直到再没有能满足条件的像素可被包括进来，这样一个生长区域就生成了。

57.简单区域扩张法的基本步骤是什么?

简单区域扩张法一般从单个像素开始进行，其步骤如下:

（1）对图像进行扫描，求出不属于任何区域的像素；

（2）把该像素的灰度与其周围的4邻域或8邻域内不属于任何一个区域的像素灰度相比较,如果其差值在某一阈值以下,就把它作为同一区域加以合并;

（3）对于那些新合并的像素反复进行2）的操作；

（4）反复进行2）、3）步，直至区域不能扩张为上；

（5）返回到1），寻找能成为新区域出发点的像素.

58.遥感图像的分类：

同类地物在相同的条件下应该具有相同或相似的光谱信息和空间信息特征.不同类地物之间具有差异。

根据这种差异，将图像中的所有像素按其属性的相似性分为若干个类别的过程。

59.遥感图像分类方法划分为监督分类和非监督分类

（1）监督分类：

事先有类别的先验知识，对未知类别的样本进行分类

（2）非监督分类：

事先没有类别的先验知识，对未知类别的样本进行分类

60.像素间的相似性度量

（1）绝对距离

（2）欧氏距离（3）马氏距离（4）相似系数

61.图像分类的工作流程：

准备工作、图像判度、特征选择、图像分类、分类后处理、分类结果评价、结果输出。

62.图像判读是确定分类使用的特征，进行信息提取的必要手段。

图像判读八要素：

图像中目标物的大小、形状、阴影、色调、颜色、纹理、图案、位置、与周围的关系

通过图像判读,获得图像各个类别的解译标志，从而为典型类别训练区的确定提供依据,图像判读前需要进行显示增强处理。

63.特征选择的常用依据

（1）按照方差来选择

（2）按照相关性来选择（3）按照方差和相关系数来选择（4）按照类间的分离性来选择

64.非监督分类:

是加入任何先验知识，利用遥感图像特征的相似性，即自然聚类的特征进行的分类，包括K-均值方法和ISODATA方法。

非监督分类主要流程:

（1）确定初始类别参数，即确定最初类别数和类别中心。

（2）计算每个像素对应的特征向量到各点群中心的距离.

（3）选取距离最短的类