遥感数字图像处理教程复习整理1

简介: 遥感数字图像处理教程复习整理

01 说明

由于资料在word中,搬运中存在格式混乱。

上机及上机考试占50%

期末考试占50%

选择题10题-每题2分

判断题5题-每题2分

简答题两题-每题15分(每题3~4问)

计算题一题

概述题一题


  1. 遥感影像的存储方式
  1. BSQ方式


存储方式:BSQ(Band sequential)是像素按波段顺序依次排列的数据格式,即先按照波段顺序分块排列,在每一个波段块中,再按行列顺序进行排列。逐波段存储(BSQ)保证了像素空间位置的连续性,有利于图像空间分布信息的显示与处理。


  1. BIL方式

存储方式:像素先以行为单位分块,在每一个块中,按照波段顺序进行像素排列,同一行不同波段的数据保存在一个数据块中。逐行存储(BIL)兼顾了图像空间分布信息与像元光谱信息的显示与处理。


  1. BIP方式

存储方式:以像素为核心,同一像素不同波段数据保存在一起,打破了像素空间的连续性。每一个块为当前像素不同波段的像素值。逐像元存储(BIP)有利于图像元光谱信息的显示与处理。

  1. 如何计算图像存储空间大小(字节数)?
  1. 简单的单位换算


1B = 8b

关键在于此,B表示字节数(亦称之为Byte);b表示比特(亦称之为bit)

1KB = 1024 B

1MB = 1024KB

  1. 计算公式
  1. 简单地


一幅影像的所需比特数b = r * s * k;


其中,r表示影像行数(raw),s表示影像列数(sample),k为量化位数,与影像的灰度级数相关,即L = 2k(例256 = 28)。


故一幅影像的字节数:

               

上述公式1024需要修改为8,这是编辑错误。

例如:一幅600行800列像元级数为256的遥感影像的存储空间大小为:

600 * 800 * 8 = 3840000 bit = 480000 B = 468.75 KB

  1. 复杂地

或者说,标准地,我们图像文件大小地计算应如下:

在该公式中,文件大小的单位为B(字节数)。其中,每一个像素的字节数与前文的k不同,k表示每一个像素的比特位数,二者之间的关系其实就是:

                     



例如灰度量化级数为0~255,那么共有256=28,我们需要使用8位二进制数才可以表示0~255的任意数值。因此比特位数位8,由于单位换算,8bit=1b,因此每一个像素所占字节数为1,每一个像素的比特位数位8。

而对于辅助参数,一般题目给定,若不给定,默认为1即可。


  1. 如何查看影像的基本信息/辅助信息?


如果不是原始的遥感影像,而是ENVI标准格式的文件,那么在头文件(.hdr)中可以进行查看;


更多地,如果是原始地遥感影像,一般是有辅助文件,但是不同卫星的辅助文件各不相同,对于Landsat影像,其辅助文件为*_MTL.txt文件;对于环境卫星,辅助文件为.XML文件;对于Modis,其更多镶嵌在HDF文件的属性、波段中;


当然。或许我们会将这些包括图像获取的日期和时间(一般会存在两个时间,一个是影像拍摄的时间,另外一个是影像拍摄后在地面站进行预处理制作成产品(也就是现在你手头上的这个文件)的时间)、投影参数(例如基准面、仿射变换参数等)、几何纠正精度、几何分辨率(例如30m分辨率)、辐射校正参数(一般是辐射定标所需要的系数和偏置)等的辅助文件统一称之为元数据。


  1. 如何绘制影像的直方图?


绘制前,我们讲讲直方图的概念,直方图是灰度级的函数,描述的是图像中各个灰度级的像素个数。其依据图像像素的灰度级范围,以横轴为灰度级,以纵轴表示每一灰度级具有的像素数或者是该像素占总像素的比例值。

现在以随机生成的一张影像为例说明直方图的绘制。

说明:上述影像中,每一个表格表示一个像元,表格上的数值表示该位置像元值。

首先,我们需要统计各个数值出现的频数,统计如下:



绘制的直方图如下:


  1. 如何进行直方图的阈值分割?

首先,我们需要明白图像分割是什么?


一幅图象通常是由代表物体的图案与背景组成,简称物体与背景。若想从一幅图象中“提取”物体,可以设法用专门的方法标出属于该物体的点,如把物体上的点标为“1”,而把背景点标为“0”,通过分割以后,可得一幅二值图象。


例如,我们想要提取一幅影像中的云,那么云就是代表物体的图像,其余均为背景,这实际上就是一个二分类。


而直方图的阈值分割的原理就是,我们要提取的物体与其它背景是存在差别的,这种差别在直方图上就是灰度值的分布不同。


例如下方:



当我们想要图像中的水体提取出来时,我们通过计算NDWI指数并绘制了直方图如上。我们知道,NDWI指数高的的位置更有可能为水体,因此我们有理由怀疑右侧小波峰处大概率为水体,而其它位置特别是左侧的波峰我们认为它是背景,那么将二者区分开来自然就是在中间切一刀。


切一刀就是在直方图上进行阈值分割,例如这里阈值为0.18,因此我们将 像元灰度值(NDWI指数)小于0.18认为是背景,像元灰度值(NDWI指数)大于0.18的像元认为是水体,如此实际上就是对图像进行了二值化处理,也就是我们常说的重分类。


总而言之,我们使用直方图进行阈值分割,一定是在波谷进行阈值分割,而不是在波峰进行阈值分割,这是常识。


如何绘制某一波段的光谱曲线?

似乎表述有错误?若按ENVI中光谱曲线的绘制


若有多个波段,那么可以绘制Z光谱曲线,即某一像元不同波段(波长)的像元折线图è光谱曲线图;如下:

若是仅有一个波段,那么可以绘制水平方向上的光谱曲线;

也可以绘制垂直方向上的光谱曲线:



至于某一波段的光谱曲线如何绘制,这里暂无。

  1. 辐射校正

首先说说辐射校正的整个流程吧。

我整理了一些,大致流程应如下:


首先,由于卫星上本身系统例如传感器光学器件等造成的系统误差,我们需要进行消除,这一部分在地面站点已经进行了处理,一般不需要用户进行处理除非改进。


接着,我们若是拿到一级产品等,(有时)我们需要对影像进行辐射定标,这一步实际上就是将传感器中接收的电信号(DN值,像素值的通用术语是数字量化值或DN值,它通常被用来描述还没有校准到具有意义单位的像素值。)转化为有实际意义的辐射亮度或者反射率等(注意此处均是大气顶部的测得的数值即包含了大气的影响);为什么说它包含了大气的影响呢?因为此时的影像仅仅是地表目标物辐射的能量经过大气到达传感器被其接收而得到的影像,而我们此处的辐射定标也仅仅是将这些能量进行简单的变换,而能量本身并不是地物本身辐射的能量了。例如,我们有一个小人A,辐射的能量是100J,经过大气之后,存在大气散射,可能消失了20J,最终到达传感器的能量就是80J了,我们假定影像上某一像元位置即是该小人A的值80J,那么我们辐射定标实际上就是将该80J转化为反射率例如0.4.但是其本质上还是包含了大气的影响。此处省略了其它成分,仅仅着重展示了大气在其中扮演的角色。


接着,由于我们知道了大气对我们影像产生的影响,因此我们尝试去消除大气影响例如大气散射而导致的一些误差,这种过程就称之为大气校正。由于大气校正本身原理比较复杂,这里不进行说明。


进行完大气校正之后,一般我们就可以拿来使用了。而至于此处的地面辐射校正,其实基本上我是没有做过的,一是有一些数据没有相关参数例如太阳高度角等,二是没有相关教程说明(甚少),或许在地面站点就已经做过了也不一定。另外需要注意,此处进行由于地形起伏引起的校正实际上还是针对像元值进行的辐射校正而非对像元位置的校正。

目录
相关文章
|
5月前
|
机器学习/深度学习 算法
284张机器学习漫画手册吃透所有基础知识!
前几天淘到一份斯坦福大佬整理的漫画集,几乎讲到了机器学习所有的知识点,包括特征工程、算法模型、评估、优化……熬夜肝完了,真的很不错! 用284张漫画几乎可以吃透机器学习所有知识,就想着赶紧分享给小伙伴们了!
|
传感器 算法 定位技术
遥感数字图像处理教程复习整理2
遥感数字图像处理教程复习整理
154 0
|
传感器 机器学习/深度学习 编解码
复习:遥感图像解译复习整理
复习:遥感图像解译复习整理
206 0
|
算法 程序员
趣学算法【第一章:算法之美】感悟(上)
趣学算法【第一章:算法之美】感悟(上)
|
机器学习/深度学习 存储 编解码
遥感数字图像处理教程复习整理3
遥感数字图像处理教程复习整理
165 0
|
传感器 数据格式
遥感原理与应用:绪论基础知识
遥感原理与应用:绪论基础知识
202 0
|
机器学习/深度学习 传感器 编解码
计算机视觉期末复习
计算机视觉期末复习
231 0
大学物理B2 知识点整理
大学物理B2 知识点整理
90 0
大学物理B2 知识点整理
|
传感器 机器学习/深度学习 算法
数字图像处理笔记(上)
数字图像处理笔记
272 0