遥感影像图按获取方式：航片（飞机拍摄）和卫片（卫星拍摄）
按空间分辨率：高分辨率影像图、中分辨率影像图、低分辨率影像图
按光谱分辨率：多光谱（高光谱）、全色、可见光、远红外、近红外等
1. 遥感图像信息提取与数字化
2. 地理基础地图选取与数字化
3. 遥感影像几何纠正与图像处理
4. 遥感图像镶嵌与基础地图拼接
5. 基础地图与遥感影像复合
6. 符号主机图层生成
7.影像地图图面配置
8. 遥感影像地图的制作与印刷
1.1 多波段影像合成
通过分析遥感数据的光谱信息结构, 比较多波段信息, 计算各波段信息的相关性, 利用Sheffield的雪氏熵值法统计分析和地物波谱特征, 决定对遥感数据选取CBERS - 02 卫星CCD传感器的4、3、2为最佳波段进行RGB彩色合成。第4波段(近红外波段) 集中反映植物的强反射, 用于植被类型、生物量和作物长势的调查, 绘制水体边界和土壤湿度, 也可用来增强土壤与农作物和陆地与水域之间的反差;第3波段(红波段位于叶绿素地吸收区) 能增强植被覆盖与无植被覆盖之间的反差, 亦能增强同类植被的反差; 第2波段(绿波段) , 对水体的穿透能力较强, 对植被的反射敏感,位于叶绿素地两个吸收带之间, 利用这一波段增强前别植被的能力。
1.2 几何校正投影变换
几何校正即是将图像数据投影到平面上, 使其符合地图投影系统的过程。而降低图坐标系统赋予图像数据的过程称为地理参考。其中, 多项式变换( Polynomial) 在卫星图像校正过程中应用较多, 在调用多项式模型时, 需要确定多项式的次方数(order) , 通常整景图象选择3次方。次方数与所需要的最少控制点数相关, 最少控制点数计算公式: ( t + 1) 3 ( t+ 2) /2, 式中t为次方数。
(1) 控制点布设
控制点布设的原则, 应把握两点: 一是要尽可能地均匀, 一般规则遥感影像的前4～9个控制点要将整个影像控制在一个规则的坐标范围内, 概括地把校正控制点范围确定好, 以方便后续控制点的采集。这样, 控制点的点位中误差往往会控制到最小, 每个控制点的几何残差也容易校正, 我们称这种控制点布设方法为“边廓点”, 即四边形点位布设。二是当影像不是很规则的几何图形时, 要尽可能地用控制点将其分成几个规则的几何图形, 然后分块进行控制点的采集。但这并不是把每块独立起来, 仍要保证整体点位均匀。在不规则影像的边缘, 尽量的布放控制点, 从而控制住影像的边缘, 以便更好地控制整体。总之, 在选取控制点的时候, 要把握整体。整体把握住后, 再均匀地对局部选择控制点。
(2) 点位布设顺序
选取控制点时要注意点和点之间的排放顺序。局部选取控制点时千万不要盲从, 看到拐角、交叉等地形就放点, 这样的结果只能是局部校正得比较好, 但从整体来看就不理想。点密而不均、量多而无序起不到好的效果。有序布点, 就是让控制点按照一定的顺序排列。当然, 这种顺序不是唯一的, 可以是从左到右、从上到下, 从中心到四周, 从左上到右下等等, 要根据影像的图面要素特征来选取适合的控制点布放顺序。不同的顺序最后的校正的结果不同。投影类型选择我国常用的高斯- 克吕格(Gauss - Kruger) 投影, 椭球体参数选择Krass2ovsky。
1.3 影像拼接工作区剪裁
图像的拼接处理, 是要将具有地理参考的若干相邻的图像合并成一幅图像。需要拼接的输入图像必须含有地图投影信息, 或者输入图像必须经过几何校正处理或进行校正标定。虽然所有的输入图像可以具有不同的投影类型、不同的像元大小, 但必须具有相同的波段数。进行图像拼接时, 需要确定一幅参考图像。参考图像将作为输出拼接图像的基准, 决定拼接图像的对比度匹配、以及输出图像的地图投影、像元大小和数据类型。由于工作区(解译用图像) 可能会落在不同的两景图或者更多景图上, 所以必须进行剪裁, 得到所需的研究区域。
1.4 图象增强
图像增强处理: 按照增强的信息内容可分为波谱特征增强、空间特征增强以及时间信息增强三大类。波谱信息增强主要突出灰度信息; 空间特征增强主要对图像中的线、边缘、纹理结构特征进行增强处理; 而时间信息增强主要是针对多时相图像而言的, 其目的是提取多时相图像中波谱与空间特征随时间变化的信息。由于CBERS - 02 影像的象元灰度对比度偏低, 影像较为模糊, 噪声大, 需要进行颜色均衡和去噪声处等图像的增强处理。
锐化增强处理: 是通过对图像进行卷积滤波处理, 使图像的亮度得到增强而不使其专题内容发生变化, 从而达到增强的目的。
降噪处理: 是利用自适应滤波法去除图像中的噪声。此技术在沿着边缘平坦区域取出噪声的同时, 可以很好的保持图像中一些小的细节。
1.5 地物分类
监督分类思想是: 首先根据类别的经验知识, 确定判别函数和相应的判别准则。其中,利用一定数量的已知类别的样本(训练样本) 的观测值确定判别函数中待定参数的过程称之为学习(Learning) 或训练( Training) , 然后将未知类别的样本的观测值代入判别函数,再依据判别准则对该样本的所属类别作出判定。
非监督分类的理论依据是: 遥感图像上的同类地物在相同表面结构特征、植被覆盖、光照等条件下, 应当具有相同或近似的光谱特征, 从而表现出某种内在相似性, 归属于同一个光谱空间区域; 不同的地物, 光谱信息特征不同, 归属不同的光谱空间区域。
(1) 遥感影像目视解译
图2 增强遥感影像图林地: 主要分布在地形起伏比较大的沟谷里, 林地的影像特征表现为边界比较模糊, 形状不规则, 在标准假彩色遥感影像上呈深红、红色调, 影像结构比较粗糙。
耕地: 分布相对比较集中。耕地附近会有城镇公交用地, 几何特征较明显, 地块平整面积大, 呈宽长条形和条带状结构。色调均一且光滑细腻, 无颗粒感, 旱地色调呈蓝青、白绿,水浇地色调呈淡红, 淡粉, 影像形态呈较大斑块状。
水体: 此类用地比较容易识别。影像上几何特征明显, 形状自然弯曲或局部平直, 边界易于勾画, 影像色彩非常均匀。湖泊呈深蓝、蓝黑色调; 河流呈白绿色(与城镇公交用地色调相似) 。
未利用地: 主要分布在地势起伏的大山顶部, 会有稍大的区域分布, 其他区域多为零星分布, 呈深绿色。
城镇公交用地: 主要分布在耕地的周围, 多被耕地环抱, 形状不规则, 边界较清楚, 一般呈青灰、灰、浅灰色调, 影像结构较粗。交通用地线性几何特征, 易于区分和识别。
(2) 遥感影像分类
通过比较监督分类和非监督分类, 由于中巴地球1号卫星的影像分辨率为19.5米, 地物之间有很多相似特征, 如果采用没有人工前期干预的非监督分类则会有很大误差, 例如耕地和林地有很多的误判等问题, 所以要放弃非监督分类, 选择由人工干预的监督分类。
而监督分类有两种操作方法:
第一种: 对五种地物直接在影像上选取样本, 一次性分类得到五种地物的分类影像。
第二种: 对增强的影像进行分类时, 要有所侧重。第一步, 在分类设置时只分两类, 在影像比较好辨别的林地上大范围取样本, 然后执行分类。将林地分类图同完整的NDV I植被指数图(在此区域内的为林地、耕地、草地) 和实地调查的地图核对, 一般首次提取都不完整, 要在此分类基础上, 在没有被划入林地类的影像上, 补充样本, 再次分类, 重复前面的步骤直到把绝大多数的林地都提取出来; 第二步, 再多建一个耕地类, 到非林地的影像上取样本, 方法同林地; 第三步, 建立草地类, 从上面的方法得到; 第四步, 再多建一个城镇公交用地类; 第五步, 建立未利用地类。
1.6 分类中遇到的问题
由于同物异谱和异物同谱等问题的存在, 在监督分类中存在5个主要问题: 一是水体和山体阴影的混分问题; 二是未利用地和城镇公交用地之间的分类界线不清晰; 三是, 河流会被误判为城镇公交用地; 四是, 林地和耕地的混淆; 五是, 山体阴影会被误判为城镇公交用地。
采用第一种分类方法, 以上五个问题得到的分类图像质量太差。而选用第二种分类, 其中的第二个和第四个问题可以得到很好地解决, 第五个问题也有一定的改善, 所以选择第二种分类方法相对比较好。
1.7 分类后处理
分类后不可避免地会出现很小图斑, 所以必须进行分类后处理。得到的1∶25万地图,要使得整幅图看起来不会有太多的斑点, 因此在分类后的处理中, 设置选择图斑中的像素个数小于625时, 就把此图斑归并到邻近的最大的类中, 而可清除掉。
由于分类后处理的图像失去了原来分类图中的很多信息, 所以只能再进行分类, 才能得到所需地物的栅格图或者位图。在分类后处理的图像中只有需要的几类地物, 所以可以直接对分类后处理的影像进行非监督分类, 得到含有分类信息的影像图。
1.8 转变成矢量图
监督分类后, 再对影像进行Homogenous Classification处理和Thresholding Image to B itmap处理, 得到各类地物的位图。因制图的需要, 要把得到的各种地物的位图转变为矢量图。转为矢量图后, 在MAPGIS中进行手工操作, 把各类中的混淆的地物重新归类, 得到相对精确的土地利用分类图。 [1]
1、地物分析
2、地貌分析
3、土地利用分类
4、环境监测分析与监控
