內容簡介
《遙感數字圖像處理/高等學校“十二五”規劃教材·測繪地理信息類》為測繪地理信息類高等學校“十二五”規劃教材,係統地介紹瞭遙感基本概念、電磁波遙感基本理論、遙感平颱與傳感器係統、遙感數據獲取和遙感圖像處理與分析,以遙感圖像的獲取和存儲、圖像數字錶示和描述、圖像校正、圖像增強變換、圖像分割和遙感信息定量提取為主綫,詳細探討瞭遙感各應用領域的研究方法與實踐案例,主要體現在測繪遙感、林業遙感、農業遙感、大氣環境遙感、生態環境遙感、水環境遙感、災害遙感與地理信息係統的集成及綜閤應用。
《遙感數字圖像處理/高等學校“十二五”規劃教材·測繪地理信息類》可作為環境、地理、土地、海洋、農業、地礦、水利、經濟、管理、信息等學科的本科生和研究生教材,可供遙感及相關專業的學生使用,也可供遙感科研和生産人員參考。
內頁插圖
目錄
第一篇 基礎篇
第1章 遙感的物理基礎
1.1 遙感的概念
1.2 電磁輻射及物體的波譜特性
1.3 發射輻射
1.4 地物的反射輻射
第2章 傳感器及成像原理
2.1 傳感器的分類
2.2 傳感器的組成
2.3 傳感器的性能
2.3 傳感器成像原理
第3章 遙感數據
3.1 數據的錶示方法
3.2 圖像的存儲
第4章 遙感圖像的復原
4.1 遙感圖像的輻射校正
4.2 遙感圖像的構像方程
4.3 遙感圖像的幾何變形
4.4 遙感數字圖像的幾何處理
第5章 圖像增強
5.1 灰度直方圖
5.2 灰度變換
5.3 直方圖變換
5.4 空間域增強
5.5 頻率域增強
5.6 圖像運算
第6章 遙感圖像解譯
6.1 人工目視解譯
6.2 遙感圖像的計算機分類
第二篇 應用篇
第7章 RS技術在基礎測繪中的應用
7.1 遙感技術優勢
7.2 RS技術在測繪領域的應用
第8章 RS技術在林業中的應用
8.1 森林生態係統簡介
8.2 森林資源與森林遙感
8.3 RS,GIS和GPS技術在森林資源中的應用
8.4 數字林業
第9章 RS和GIS技術在農業的應用研究
9.1 農業遙感概述
9.2 RS和GIS技術在農作物估産上的應用
9.3 3S技術在農業監測上的應用
9.4 RS和GIS技術的精細農業
第10章 環境遙感的應用研究
10.1 大氣環境遙感監測
10.2 生態環境的遙感監測
10.3 沙漠化遙感監測
10.4 土壤侵蝕遙感監測
10.5 水環境汙染遙感監測
10.6 災害遙感
參考文獻
前言/序言
遙感是20世紀60年代發展起來的對地觀測綜閤性技術。它是在航空攝影測量的基礎上,隨著空間技術、電子計算機技術等當代科技的迅速發展以及地學、生物學等學科發展的需要形成的一門新興技術學科。遙感是把地球作為一個完整的係統,研究地球各圈層的空間結構及相互作用,並通過遙感數據的定性、定量分析,為解決地球的資源與環境等問題服務。遙感特有的宏觀、綜閤、動態、快速的特點決定瞭它能被廣泛地應用於國民經濟與社會發展的各個領域,充分體現齣它強大的生命力和廣闊的前景。
遙感圖像分析是將各種傳感器獲取反映地錶特徵的各種數據通過傳輸、變換和處理,提取有用的信息,實現研究地物空間形狀、位置、性質及其與環境的相互關係的一門現代應用技術科學。遙感數字圖像處理是計算機數字處理技術與遙感圖像分析技術結閤而形成的一門新興技術科學。遙感數字圖像處理技術的齣現從根本上改變瞭傳統遙感圖像的處理方式和識彆方式,為遙感技術係統的完善,實現對地高效、快速識彆以及多源信息的數字融閤處理創造瞭良好的條件。
本書以圖像的獲取和存儲、圖像數字錶示和描述、圖像顯示、圖像校正、圖像變換、濾波、圖像分割、分類和遙感信息提取為主綫,以森林資源、農業資源、生態環境和水土流失監測等應用為目的,幫助讀者掌握理論和熟悉應用,從而可作為森林資源、環境、水土保持等相關專業大學本科生、碩士和博士研究生課程教材及相關科技人員參考書,也可供空間信息管理相關的研究、設計和工程開發人員參考。
本書共分為兩個部分,第1章至第6章為理論部分,第7章至第10章為應用部分。理論部分主要介紹瞭遙感的物理基礎、傳感器及成像原理、遙感數據、遙感圖像的復原、圖像增強和遙感圖像解譯等方麵的知識;應用部分主要采用多源、多級分辨率,多時相的遙感數據及理論與實例相結閤的方法,結閤地麵調查數據,對遙感應用分析的理論與方法進行全麵、係統的論述,主要涉及領域為林業、農業、水資源、生態環境、水土流失、濕地監測等。全書內容豐富,係統性強,具有較強的科學性和實用性。其中,第1章、第2章、第4章的第1節和第2節、第6章、第8章的第l節和第2節、第9章、第10章的第1節至第3節由黑龍江工程學院劉丹丹編寫;第3章、第4章的第3節和第4節、第5章、第7章、第8章的第3節和第4節、第10章的第4節至第6節由黑龍江工程學院張玉娟編寫。本書得到瞭黑龍江省自然基金麵上項目——語義信息在高分辨率影像分類中的研究(E201203)資助。
全書由劉丹丹進行統稿、定稿。在編寫過程中,參考瞭國內外大量相關文獻資料,有的資料未能在教材中標齣,在此嚮文獻作者緻以誠摯感謝。由於作者水平有限,書中不足之處在所難免,希望各位讀者不吝賜教,提齣寶貴意見。
編者
2016年7月
遙感影像的魅力:從觀測到洞察的科學之旅 自人類仰望星空,便渴望瞭解我們所處的這個星球。古人憑藉肉眼和簡單的儀器,描繪齣大地的輪廓;而今,科技的飛躍讓我們得以從太空俯瞰地球,以前所未有的視角捕捉地錶的細微變化。遙感,這門捕捉並解讀來自地球錶麵反射或發射的電磁波信息的科學,正以其強大的力量,重塑著我們認知世界的方式。本書旨在帶領讀者踏上一段深入理解遙感數字圖像處理的科學之旅,從基礎原理到前沿應用,揭示遙感影像中蘊藏的無限可能。 第一章:遙感的基石——電磁波與圖像的誕生 在深入圖像處理之前,我們必須理解遙感工作的基本原理。地球萬物都在不斷地與外界進行能量交換,這種交換主要通過電磁波進行。不同的物質對不同波長的電磁波具有獨特的反射、吸收和透射特性,這就像是給地球上的萬物披上瞭“光譜簽名”。遙感技術正是利用這一點,通過在不同波段(可見光、紅外、微波等)捕捉地物的電磁波信號,形成一幅幅“數字圖像”。 本章將詳細闡述電磁波的性質,包括其波長、頻率、能量等概念,以及不同波段電磁波與地物之間相互作用的物理過程。我們將探討黑體輻射理論,瞭解地球和大氣如何成為電磁波的發射源。同時,本章還會介紹遙感係統的組成,包括平颱(如衛星、飛機、無人機)、傳感器(如光學相機、掃描儀、雷達)以及數據傳輸與接收係統,為後續章節的學習打下堅實的基礎。我們將深入理解不同傳感器的工作原理,例如CCD和CMOS傳感器在可見光遙感中的應用,以及熱紅外傳感器如何捕捉地物的溫度信息。 第二章:數字圖像的語言——像素、色彩與幾何 遙感獲取的原始數據並非我們直觀看到的彩色照片,而是一串串的數字,這些數字代錶瞭地錶不同位置的電磁波輻射強度。這些數字被組織成一個個微小的單元,稱為“像素”(Pixel)。每個像素都承載著特定的空間位置信息和輻射亮度值。 本章將聚焦於數字圖像的基本構成要素。我們將詳細講解像素的概念,以及如何通過像素矩陣來錶示一幅遙感圖像。色彩的呈現是圖像的關鍵,我們將深入探討不同色彩模型(如RGB、HSI、Lab)在遙感圖像顯示中的作用,以及如何通過不同波段的組閤來生成假彩色或真彩色圖像,從而更直觀地展示地物的特徵。此外,圖像的幾何信息也是至關重要的。我們將講解像素坐標係、地理坐標係的概念,以及圖像在地球錶麵的投影方式,為後續的幾何校正和空間分析奠定基礎。理解圖像分辨率,包括空間分辨率、光譜分辨率、時間分辨率和輻射分辨率,對於選擇閤適的遙感數據至關重要。 第三章:圖像的“瘦身”與“美化”——預處理技術 原始的遙感數字圖像往往存在各種噪聲、輻射不均等問題,或者需要根據特定的應用需求進行增強。預處理技術就是對原始圖像進行一係列的數學和統計運算,以提高圖像的質量、突齣地物特徵,並為後續的分析做準備。 本章將係統介紹常用的遙感圖像預處理技術。我們將詳細講解輻射定標,如何將傳感器記錄的原始數字信號轉換為具有物理意義的地錶反射率或輻射亮度值,這對於進行定量分析至關重要。大氣校正是另一個關鍵環節,它旨在消除大氣對電磁波傳播的影響,獲取真實的地錶反射率,使得不同時間、不同地點獲取的圖像具有可比性。我們將介紹多種大氣校正模型,如基於輻射傳輸方程的模型和基於圖像特徵的模型。 噪聲去除技術將是本章的重點之一。我們將學習空間域濾波(如中值濾波、均值濾波、高斯濾波)和頻率域濾波(如傅裏葉變換)在去除椒鹽噪聲、高斯噪聲等方麵的應用。圖像增強技術則旨在提升圖像的視覺效果,突齣地物細節。我們將學習直方圖均衡化、對比度拉伸、銳化等方法,以及它們在不同場景下的應用。例如,如何通過直方圖均衡化來改善低對比度圖像的視覺質量。 第四章:點亮地物細節——圖像增強與變換 遙感圖像的價值在於其蘊含的豐富信息。圖像增強技術旨在通過各種數學變換,突齣圖像中的有用信息,抑製無用信息,使地物的特徵更加明顯,便於人眼識彆或計算機分析。 本章將深入探討各種圖像增強技術。我們將從空間域增強開始,如點運算(灰度變換、閾值分割),以及捲積運算(平滑濾波、銳化濾波)。例如,如何利用拉普拉斯算子來突齣圖像邊緣。隨後,我們將進入頻率域增強,學習傅裏葉變換如何將圖像分解為不同頻率的成分,以及如何通過濾波來改變圖像的頻率特性,實現平滑或銳化。 更進一步,本章將介紹多光譜圖像變換。我們知道,不同地物在不同波段的反射率組閤是不同的,通過對多光譜波段進行綫性或非綫性組閤,可以生成新的圖像,這些新圖像往往能更有效地突齣特定地物的特徵。我們將詳細介紹主成分分析(PCA)、纓 বিরোধ(Tasseled Cap)變換、差值閤成、比值閤成等方法,並分析它們在植被、水體、土壤等信息提取中的應用。例如,PCA如何減少數據冗餘並突齣主要變化。 第五章:讓圖像“說話”——圖像分類與目標識彆 圖像分類是遙感數字圖像處理的核心任務之一,其目標是將圖像中的像素劃分到不同的地物類彆中,如森林、農田、水體、城市等。這就像是給地錶“貼標簽”,構建瞭地物信息的基礎圖層。 本章將係統介紹各種圖像分類方法。我們將從監督分類入手,理解其需要預先提供“訓練樣本”(已知地物類彆的像素)來指導分類過程。我們將深入講解最小距離分類法、最大似然分類法、支持嚮量機(SVM)和隨機森林等經典監督分類算法的原理和應用。這些算法的關鍵在於它們如何根據像素的光譜特徵來判斷其所屬類彆。 隨後,我們將探討非監督分類。非監督分類無需訓練樣本,而是根據像素之間的光譜相似性將它們自動聚集成若乾個類彆。我們將介紹K-means聚類、ISODATA等常用非監督分類算法,並討論其優缺點。 除瞭像素級彆的分類,本章還將涉及麵嚮對象分類(Object-Based Image Analysis, OBIA)。與傳統像素分類不同,OBIA首先將圖像分割成具有相似特徵的對象,然後利用對象的形狀、紋理、光譜信息以及對象之間的關係進行分類。這種方法在處理高分辨率遙感圖像時具有顯著優勢。 第六章:量化地錶變化——影像變化檢測 地球是一個動態的係統,地錶景觀時刻在發生變化。遙感技術憑藉其重復觀測能力,為我們提供瞭監測這些變化的有力工具。影像變化檢測旨在比較同一區域在不同時間獲取的遙感圖像,識彆並量化地錶的變化。 本章將詳細介紹多種影像變化檢測方法。我們將從圖像配準講起,確保不同時期的圖像在空間上精確對齊,這是進行有效變化檢測的前提。隨後,我們將學習直接比較法,如差值法和比值法,直接比較像素值來識彆變化。 變化嚮量分析(Change Vector Analysis, CVA)將作為重點介紹。CVA通過計算不同時期圖像對應像素的光譜嚮量之間的差異,能夠同時反映變化的幅度和方嚮,提供更豐富變化信息。 此外,本章還將介紹圖像疊加法,如Post-classification Comparison,先對不同時期的圖像進行分類,然後比較分類結果來檢測變化。同時,我們還會探討基於紋理、形狀等特徵的變化檢測方法,以及利用機器學習和深度學習進行變化檢測的新興技術。我們將分析這些方法在城市擴張、森林砍伐、災害監測等領域的應用。 第七章:從二維到三維——遙感影像的幾何校正與三維建模 遙感圖像的幾何畸變是影響其應用精度的重要因素。這些畸變源於傳感器自身的特性、地球的麯率、地形起伏以及傳感器姿態的變化。幾何校正是為瞭消除這些畸變,使圖像上的位置信息能夠準確地對應到地理空間。 本章將深入講解幾何校正的原理和方法。我們將介紹傳感器幾何校正,校正傳感器在成像過程中産生的幾何畸變。地形校正是另一項重要內容,利用數字高程模型(DEM)來消除地形起伏造成的影像變形。我們將學習如何進行輻射校正,將影像上的亮度值轉換為具有物理意義的反射率值,確保不同傳感器、不同時間獲取的影像具有可比性。 本章還將介紹遙感影像的三維建模。隨著高分辨率遙感技術的進步,從二維影像生成三維模型已成為可能。我們將探討影像匹配、視差計算等關鍵技術,以及如何利用立體像對或多視角影像來構建數字錶麵模型(DSM)和數字高程模型(DEM)。這些三維模型在城市規劃、地形分析、地質勘探等領域具有廣泛應用。 第八章:信息提取的利器——遙感數據融閤 不同的遙感傳感器擁有不同的優勢。例如,光學傳感器提供豐富的地物光譜信息,而SAR(閤成孔徑雷達)傳感器不受雲雨影響,能夠穿透地錶。數據融閤技術旨在將來自不同傳感器、不同波段、不同尺度的遙感數據有機結閤起來,取長補短,生成包含更豐富、更準確信息的閤成圖像。 本章將詳細介紹遙感數據融閤的原理與方法。我們將區分像素級融閤、特徵級融閤和決策級融閤。像素級融閤通過對不同源圖像的像素進行運算來生成新的圖像,如PCA融閤、小波變換融閤等。特徵級融閤則是在提取瞭各源圖像的特徵後,再進行融閤。決策級融閤是在對各源圖像進行獨立分析後,再將得到的決策結果進行融閤。 我們將重點介紹幾種經典的融閤方法,如 IHS(Intensity-Hue-Saturation)變換融閤,它能夠將高空間分辨率的單波段影像與多光譜影像進行融閤,提高多光譜影像的空間分辨率。小波變換融閤則能夠有效地融閤不同尺度的信息。同時,我們還將探討基於深度學習的數據融閤技術,其強大的特徵學習能力為遙感數據融閤帶來瞭新的突破。 第九章:前沿探索與未來展望——深度學習與大數據時代 隨著大數據時代的到來,海量的遙感數據以前所未有的速度增長。傳統的遙感圖像處理方法在麵對如此龐大的數據量和日益復雜的應用需求時,顯得力不從心。深度學習技術,憑藉其強大的模式識彆和特徵學習能力,正引領著遙感圖像處理進入一個全新的時代。 本章將聚焦於深度學習在遙感圖像處理中的應用。我們將介紹捲積神經網絡(CNN)在圖像分類、目標檢測、語義分割等任務中的強大威力。例如,如何利用CNN自動識彆地物類彆,而無需手工設計特徵。我們將探討全捲積網絡(FCN)、U-Net等在遙感圖像分割中的應用,能夠實現像素級彆的精細分類。 此外,本章還將討論遙感大數據的處理與分析。如何構建高效的遙感數據存儲、管理和處理平颱,如何利用雲計算和分布式計算技術來加速遙感圖像的處理。最後,我們將對遙感數字圖像處理的未來發展趨勢進行展望,包括高分辨率、高光譜、高時效遙感數據的應用,以及與人工智能、物聯網等技術的深度融閤,共同描繪人類探索與保護地球的美好未來。