基于光谱特征的信息提取与分类过程

如何判断图像中的噪声类型~

利用计算机进行遥感信息的自动提取则必须使用数字图像，由于地物在同一波段、同一地物在不同波段都具有不同的波谱特征，通过对某种地物在各波段的波谱曲线进行分析，根据其特点进行相应的增强处理后，可以在遥感影像上识别并提取同类目标物。早期的自动分类和图像分割主要是基于光谱特征，后来发展为结合光谱特征、纹理特征、形状特征、空间关系特征等综合因素的计算机信息提取。

常用的信息提取方法是遥感影像计算机自动分类。首先，对遥感影像室内预判读，然后进行野外调查，旨在建立各种类型的地物与影像特征之间的对应关系并对室内预判结果进行验证。工作转入室内后，选择训练样本并对其进行统计分析，用适当的分类器对遥感数据分类，对分类结果进行后处理，最后进行精度评价。遥感影像的分类一般是基于地物光谱特征、地物形状特征、空间关系特征等方面特征，目前大多数研究还是基于地物光谱特征。

在计算机分类之前，往往要做些预处理，如校正、增强、滤波等，以突出目标物特征或消除同一类型目标的不同部位因照射条件不同、地形变化、扫描观测角的不同而造成的亮度差异等。

利用遥感图像进行分类，就是对单个像元或比较匀质的像元组给出对应其特征的名称，其原理是利用图像识别技术实现对遥感图像的自动分类。计算机用以识别和分类的主要标志是物体的光谱特性，图像上的其它信息如大小、形状、纹理等标志尚未充分利用。

计算机图像分类方法，常见的有两种，即监督分类和非监督分类。监督分类，首先要从欲分类的图像区域中选定一些训练样区，在这样训练区中地物的类别是已知的，用它建立分类标准，然后计算机将按同样的标准对整个图像进行识别和分类。它是一种由已知样本，外推未知区域类别的方法;非监督分类是一种无先验(已知)类别标准的分类方法。对于待研究的对象和区域，没有已知类别或训练样本作标准，而是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后再核对这些数据集所代表的物体类别。

与监督分类相比，非监督分类具有下列优点:不需要对被研究的地区有事先的了解，对分类的结果与精度要求相同的条件下，在时间和成本上较为节省，但实际上，非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。

细小地物在影像上有规律地重复出现，它反映了色调变化的频率，纹理形式很多，包括点、斑、格、垅、栅。在这些形式的基础上根据粗细、疏密、宽窄、长短、直斜和隐显等条件还可再细分为更多的类型。每种类型的地物在影像上都有本身的纹理图案，因此，可以从影像的这一特征识别地物。纹理反映的是亮度(灰度)的空间变化情况，有三个主要标志:某种局部的序列性在比该序列更大的区域内不断重复;序列由基本部分非随机排列组成;各部分大致都是均匀的统一体，在纹理区域内的任何地方都有大致相同的结构尺寸。这个序列的基本部分通常称为纹理基元。因此可以认为纹理是由基元按某种确定性的规律或统计性的规律排列组成的，前者称为确定性纹理(如人工纹理)，后者呈随机性纹理(或自然纹理)。对纹理的描述可通过纹理的粗细度、平滑性、颗粒性、随机性、方向性、直线性、周期性、重复性等这些定性或定量的概念特征来表征。

相应的众多纹理特征提取算法也可归纳为两大类，即结构法和统计法。结构法把纹理视为由基本纹理元按特定的排列规则构成的周期性重复模式，因此常采用基于传统的Fourier频谱分析方法以确定纹理元及其排列规律。此外结构元统计法和文法纹理分析也是常用的提取方法。结构法在提取自然景观中不规则纹理时就遇到困难，这些纹理很难通过纹理元的重复出现来表示，而且纹理元的抽取和排列规则的表达本身就是一个极其困难的问题。在遥感影像中纹理绝大部分属随机性，服从统计分布，一般采用统计法纹理分析。目前用得比较多的方法包括:共生矩阵法、分形维方法、马尔可夫随机场方法等。共生矩阵是一比较传统的纹理描述方法，它可从多个侧面描述影像纹理特征。

图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，此处特性可以是像素的灰度、颜色、纹理等预先定义的目标可以对应单个区域，也可以对应多个区域。

图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置。一方面，它是目标表达的基础，对特征测量有重要的影响;另一方面，因为图像分割及其基于分割的目标表达、特征抽取和参数测量的将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。

图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，彼此是紧密关联的。图像分割在一般意义下是十分困难的问题，目前的图像分割一般作为图像的前期处理阶段，是针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。

图像分割有三种不同的途径，其一是将各象素划归到相应物体或区域的象素聚类方法即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘象素再将边缘象素连接起来构成边界形成分割。

阈值是在分割时作为区分物体与背景象素的门限，大于或等于阈值的象素属于物体，而其它属于背景。这种方法对于在物体与背景之间存在明显差别(对比)的景物分割十分有效。实际上，在任何实际应用的图像处理系统中，都要用到阈值化技术。为了有效地分割物体与背景，人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。

当物体与背景有明显对比度时，物体的边界处于图像梯度最高的点上，通过跟踪图像中具有最高梯度的点的方式获得物体的边界，可以实现图像分割。这种方法容易受到噪声的影响而偏离物体边界，通常需要在跟踪前对梯度图像进行平滑等处理，再采用边界搜索跟踪算法来实现。

为了获得图像的边缘人们提出了多种边缘检测方法，如Sobel, Canny edge,
LoG。在边缘图像的基础上，需要通过平滑、形态学等处理去除噪声点、毛刺、空洞等不需要的部分，再通过细化、边缘连接和跟踪等方法获得物体的轮廓边界。

对于图像中某些符合参数模型的主导特征，如直线、圆、椭圆等，可以通过对其参数进行聚类的方法，抽取相应的特征。

区域增长方法是根据同一物体区域内象素的相似性质来聚集象素点的方法，从初始区域(如小邻域或甚至于每个象素)开始，将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。

区域增长方法是一种比较普遍的方法，在没有先验知识可以利用时，可以取得最佳的性能，可以用来分割比较复杂的图像，如自然景物。但是，区域增长方法是一种迭代的方法，空间和时间开销都比较大。

基于像素级别的信息提取以单个像素为单位,过于着眼于局部而忽略了附近整片图斑的几何结构情况，从而严重制约了信息提取的精度，而面向对象的遥感信息提取，综合考虑了光谱统计特征、形状、大小、纹理、相邻关系等一系列因素，因而具有更高精度的分类结果。面向对象的遥感影像分析技术进行影像的分类和信息提取的方法如下:

首先对图像数据进行影像分割，从二维化了的图像信息阵列中恢复出图像所反映的景观场景中的目标地物的空间形状及组合方式。影像的最小单元不再是单个的像素，而是一个个对象，后续的影像分析和处理也都基于对象进行。

然后采用决策支持的模糊分类算法，并不简单地将每个对象简单地分到某一类，而是给出每个对象隶属于某一类的概率，便于用户根据实际情况进行调整，同时，也可以按照最大概率产生确定分类结果。在建立专家决策支持系统时，建立不同尺度的分类层次，在每一层次上分别定义对象的光谱特征、形状特征、纹理特征和相邻关系特征。其中，光谱特征包括均值、方差、灰度比值;形状特征包括面积、长度、宽度、边界长度、长宽比、形状因子、密度、主方向、对称性，位置，对于线状地物包括线长、线宽、线长宽比、曲率、曲率与长度之比等，对于面状地物包括面积、周长、紧凑度、多边形边数、各边长度的方差、各边的平均长度、最长边的长度;纹理特征包括对象方差、面积、密度、对称性、主方向的均值和方差等。通过定义多种特征并指定不同权重，建立分类标准，然后对影像分类。分类时先在大尺度上分出"父类"，再根据实际需要对感兴趣的地物在小尺度上定义特征，分出"子类"。

特征提取和特征选择是模式识别的关键问题之一，它影响到分类器的设计及其性能．高光谱图像数据

是超高维多特征数据集，如何实现高维特征空间的特征压缩和特征提取是一个重要课题．基于高光谱图像谱图合一、数据维度高的数据结构特点，该文从光谱和图像两个层面分别综述了主成分分析、最小噪声分离、独立成分分

析等光谱特征提取方法以及基于颜色、纹理、形状等图像特征提取方法．还详细介绍了核主成分分析和投影寻踪方

法这两种高光谱特征提取新方法，并给出了以上方法的应用实例．特征提取和特征选择的研究将为后续的高光谱图

地物光谱特征研究是现代遥感技术的重要组成部分。它既是传感器波段选择和设计的依据，又是遥感数据分析解译的基础。遥感探测是成像空间地理实体的电磁波谱和辐射能特征。具有明确的物理意义，而基于光谱特征的信息提取与分类，是通过遥感光谱数据的变化规律来识别和研究地物类型。因此，研究不同地理实体的光谱表达模型，是有效地提取专题信息的关键。

1.金属硫化物矿床近矿围岩岩石光谱特征研究

图3.3.1是东秦岭地区比较有代表性的几种近矿蚀变岩及含矿体的反射波谱曲线。从波谱曲线形态可以看出，金属硫化物蚀变带在蓝绿波段（0.4～0.6μm）和近红外（0.85～1.1μm,2.2～2.4 μm）波段呈强吸收特征；在红光（0.6～0.85μm）波段和近红（1.28～1.46μm）波段出现强反射峰。硅化蚀变岩及含羟基的蚀变岩类反射波谱曲线形态比较接近，其吸收带仍然位于0.4～0.55μm、0.85～1.1μm、1.9～2.3μm波段内，而在0.6～0.85 μm、1.48～1.88 μm波段内出现反射肩。

图3.3.1　东秦岭地区近矿蚀变岩与矿化体反射波谱曲线

①高岭土化蚀变岩；②硅化蚀变岩；③金属硫化物蚀变岩

图3.3.2是东秦岭地区近矿蚀变带与近矿围岩的反射波谱对比曲线，成矿围岩与金属硫化物带波谱曲线相比，波谱响应趋向平缓，不出现大幅度跳跃的波峰或波谷。从波谱曲线形态可以看出，随金属硫化物带（矿体）的远离（矿化蚀变的减弱），波谱曲线走向平缓的趋势更加明显。其中安山岩类和大理岩类波谱形态相似，除在可见光蓝绿光段（0.4～0.6μm）出现一个较强吸收带外，红光到近红外光段基本是光滑的弧顶向上的曲线，虽然在1.4 μm、1.9μm处有弱吸收显示，但不出现明显的吸收谷和反射肩；片麻岩和花岗岩类为一条平滑的直线，基本无异常显示。从不同蚀变类型与不同近矿围岩的波谱对比中还可以看到，波谱曲线在0.4～1.4μm和1.9～2.5μm两个波段区间集约，仅在1.4～1.9 fμm波段区间呈离散状态，显示出较大的反射差。

图3.3.2　东秦岭地区近矿蚀变岩及近矿围岩反射波谱曲线

①千枚岩；②片麻岩；③大理岩；④安山岩；⑤硅化蚀变岩

上述反射波谱曲线特征表明，蚀变岩与非蚀变岩类的反射波谱有较明显的差异，其中以1.4～1.9 μm波段离散程度最好，即Landsat-TM5波段应为提取矿化蚀变信息的最基本波段。1.9～2.4μm区段亦有一定的离散倾向，故Landsat-TM7可选作辅助波段；0.4～0.6μm波段相对1.4～2.5μm波段为强吸收带，Landsat-TM1、2可作为理想的匹配波段。

图3.3.3是阔叶林（接骨木）在不同状态下的反射波曲线。从曲线形态可以看出，随着植物病害程度的加重在0.6～0.7μm、1.4～1.6μm和1.9～2.4μm波段的吸收逐渐跃起，相反从0.7～1.4 μm段的反射峰跌落。从曲线的离散、集合特征来看，0.6～1.8μm、2.0～2.5μm波段离散程度最好。因此，处于其间的Landsat-TM4、7波段可作为基本应用波段，0.4～0.5μm波段相对为强吸收带，处于其中的Landst-TM1可作为基本匹配波段。

根据代数运算的原理，当波段间反射率差值相近而曲线斜率不同时，反射波段与吸收波段的比值处理，可在一定程度上扩展地物波谱的差异性，显示出动态范围。表3.3.1是根据地物反射波谱数据计算的不同组合比值数值表，从表中可以看出，作为提取蚀变岩带信息的基本应用波段、辅助波段和匹配波段Landsat-TM 5、7、1可以最大限度的显示出以铁帽、硅化、高岭土化、绢云母化为特征的蚀变岩与围岩背景的波谱差。如需要进一步区

图3.3.3　河南上宫金矿区植被（接骨木）不同状态下的反射波谱曲线

1—正常；2—弱毒化期；3—强毒化期

分蚀变带的类型，则以7/1、7/2、5/1、5/2的比值合成处理可在一定程度上突出以Fe^3＋为主体的蚀变岩信息。据实验研究，混合比值处理［(TM3×TM4)-K]/TM7则极大地压缩非蚀变背景信息，比值合成TM5/1(R)＋TM7/1(B)＋［(TM3×TM4)－K]/TM7(G）可突出蚀变信息，特别是以羟基（OH）矿物为代表的蚀变岩信息。在比值合成图像上，金属硫化物带应为暗红色，高岭土、绢云母化带应为亮黄色，非蚀变背景接近青色（见彩图）。

表3.3.1　河南豫西地区遥感成矿特征波段比值一览表

表3.3.1是根据植被在不同状态下的反射波谱数据计算出的不同组合比值数值。从组合比值数值中可以看出，作为提取植被受重金属离子毒害信息在Landsat-TM4、7波段得到了比较好的波谱差。如果突出受害严重的区域，需要有混合波段比值处理，如COSTM4×TM7-K等。经实验研究，比值合成［COSTM4×TM3-K］(R)＋TM4/TM1(B)＋TM7/TM1(G）图像反映重害区为橘黄区，轻害区为接近白色，正常区接近青色；也可以用TM4(R)+TM7(B)+[COSTM4×TM7-K](G）图像，正常区为红色，轻害区接近粉红色，重害区接近白色。

2.反射波谱特征模式的应用原则

由于岩石反射波谱测试大多是在室内条件下进行的，而遥感传感器所记录的岩石反射率则为自然条件下的反映。岩石的反射波谱特征在自然环境中受植被、土壤、水分等因素的干扰，往往会产生较强的畸变。对于近矿蚀变带来说，遥感卫星所提供的矿化蚀变信息，常常与矿化蚀变带的水、土及植被等信息有关。当矿化蚀变带中含有较高的As、Hg、Pb等有毒元素和重金属元素时，植被因此可以出现较大范围的毒化反映；当蚀变带遭受强烈的风化剥蚀时，残留在地表多是硅质和含羟基的粘土质矿物集合体，而这种风化残积物的规模可远远超过蚀变带的分布范围。因此，在蚀变信息的提取过程中必须考虑干扰因素的存在，根据当地矿化蚀变岩的出露特征确定提取的目标物（植被毒化、Fe^3＋、OH^－），根据反射波谱的特征模式采取不同的运算公式，加以补救和筛选。

如秦岭山地植被盖率在70%左右，林木繁盛地区可达90%以上。该区主要植被类型为栎类与油松、华山松、白桦等混交林及灌草丛。据区域地球化学研究，崤山、伏牛山地区有色金属、贵金属金矿床多伴生有以 As为主的有害元素和以Cu、Pb、Zn、Mo为主的重金属元素，这些元素会在金矿蚀变带的分散晕圈半径内产生植被的有限毒害晕。根据这一特征，选择在风化残积物较薄、植被受毒害相对明显的伏牛山北坡为试验区，以植被生长状态反应比较敏感的Landsat-TM3、4、5、7波段为基础进行混合比值处理，工作程序见图3.3.4。

图3.3.4　河南省伏牛山地区植被毒化晕的提取工作程序图

TM5/TM4、TM4/TM3比值是最佳的植被指数。它们对植被毒害程度的反映是一个反演序列，即植被从正常发育到毒害变态反射率分别在0.36～0.61～1.20(TM5/TM4）、6.25～3.3～1.3(TM4/TM3）降低（或称蓝移现象）。TM5/TM1对铁帽反应比较敏感，对植被中度以上毒害反应突出，它们的比值系数为3.38、2.90，分别高出背景值一倍以上。植被毒化区及蚀变区为高频域，通过滤波可压缩背景低频信息，高频域均可以鲜明的色调给以增高突出。

如图版Ⅰ.1所示，TM4/TM3(B）高值区位于植被毒害和蚀变岩区，R、G近等量合成后呈亮黄色调的局部斑块，即代表与矿化有关的信息。应指出的是，这种黄色斑并不确切指出矿化蚀变的现存位置，因分散晕的迁移造成的位置差，色斑往往位于矿化蚀变岩的下游。

熊耳山－外方山区，矿化蚀变均沿构造破碎带发育。构造破碎带在多数情况下为负地形，除硅化体矿化蚀变带有断续出露外，大部分地段被褐铁矿化及粘土质物质所充填。其主要成矿围岩为太古界太华群花岗－绿岩系和元古界熊耳群安山岩类。因此，需要增强的信息是发育在构造带中的富含羟基的粘土矿物集合体。

根据地物反射波谱资料，在Landsat-TM3、5、7波段目标物和背景的离散比较好。如进一步对蚀变带进行划分，还需要对以Landsat-TM3、5、7波段为基础进行混合像元处理，工作程序如下图3.3.5所示：

图3.3.5　羟基粘土矿物晕的提取工作程序图

从岩石反射波谱特征模式中可以了解到，TM7/TM1、TM5/TM4的比值结果突出了蚀变晕带中的核心——金属硫化物氧化铁帽，TM3/TM4的比值结果突出了植被受重金属毒害信息。傅氏变换将比值数据转成频率域，然后通过高滤波压抑低频背景，使蚀变信息得到很高的增强；经反变换（IFT）将信息还原到空间域，用已知蚀变区作为样本确定彩色分割的阀值，以此阀值为标准进行假彩色漫游或假彩色密度分割，即可得到反映图版Ⅰ.2。

在反射波谱特征模式中提出的压缩背景混合像元处理方法，即［(TM3×TM4)－K］和［COS-TM4×TM7]-K，这里的K值代表矿化蚀变带围岩的反射率（背景值）。压缩背景的方法在图像处理中叫“分段线性扩展”，即将图像亮度值的整个动态范围分成若干区段，按区段进行不同程度的扩展（图3.3.6）。

图中的L₁为原图像的亮度值变量，L₂为变换后影像的亮度值变量。a₁、a₂、a₃分别为所选择的分段断点。断点之间的斜率，控制区段内亮度值的变换。

图中k₁、k₂、k₃分别为对应区段内变换曲线的斜率。适当选择断点和斜率，可以获得特定亮度值区内目标图像的对比度增强，或者压缩某些目标的对比度。

图3.3.6　分段线性扩展示意图

图版Ⅰ.3是为提取导矿断裂信息而设计的图像处理程序得到的图像。为了突出断裂构造带中不同地段的植被富水性及蚀变等特征信息，分别应用TM4/TM3、TM5/TM1、TM5/TM2进行比值处理。对比值图像数据进行例拉伸（SCALE）得到灰阶为0～255的灰度图像。然后分别在比值图像中找出断裂特征信息的亮度值区间（192、128、115）为断点，将非目标区压缩为0，将目标区给予较大的扩展斜率，将扩展后的图像合成具断裂构造意义的线性体，以鲜明色调给以确切的显示。如将蚀变晕斑叠加其上，该断裂的控矿意义更加明确。

---

芒康县17113312350： 遥感图像的DEM提取原理是什么? - ？
戴钩甲磺： 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类:一是目视解译,二是计算机信息提取.1.1目视解译 目视解译是指利用图像的影像特征(色调或色彩,即波谱特征)和...

芒康县17113312350： 图像分类处理原理 - ？
戴钩甲磺： 1. 图像分类处理的依据 图像分类处理的依据就是模式识别的过程,即通过对各类地物的遥感影像特征分析来选择特征参数,将特征空间划分为互不重叠的子空间并将图像内各个像元划分到各个子空间区,从而实现分类.这里特征参数是指能够...

芒康县17113312350： 遥感数据的分类 - ？
戴钩甲磺： 原发布者:siny1013遥感图像解译遥感图像解译分为两种:•目视解译:指专业人员通过直接观察或借助判读仪器在遥感图像上获取特定目标地物信息的过程.•遥感图像计算机解译:以计算机系统为支撑环境,利用模式识别技术与人工智能...

芒康县17113312350： 请问:遥感图像分类和信息提取,本质上来讲是一个概念吗??? - ？
戴钩甲磺： 传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的.对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余,并且其分类结果...

芒康县17113312350： ArcGIS教程:什么是影像分类 - ？
戴钩甲磺： 影像分类是从多波段栅格影像中提取信息类的任务.基于影像分类生成的栅格可用于创建专题地图.根据分析人员与计算机在分类过程中的交互情况,将有两种类型的分类:监督分类和非监督分类.监督分类使用从训练样本中获得的光谱特征...

芒康县17113312350： 光谱分析法如何分类 - ？
戴钩甲磺： 光谱分析法是利用光谱学的原理和实验方法以确定物质的结构和化学成分的分析方法.英文为spectral analysis或spectrum analysis.各种结构的物质都具有自己的特征光谱,光谱分析法就是利用特征光谱研究物质结构或测定化学成分的方法. ...

芒康县17113312350： 植被覆盖度特征提取方法 - ？
戴钩甲磺： 植被覆盖度特征提取可以定量地提取光谱特征、空间(几何)特征和纹理特征等,包括多光谱图像和波段间运算及不同时期观测的图像间的运算,其结果仍可形成图像. 光谱特征提取包括颜色及灰度或波段间的亮度比等目标物的光谱特征,它对...

芒康县17113312350： 作为公司管理者,项目过程中需要遥感资料选取、波段选择、遥感计算机自动分类的步骤、以及选取的分类方法？
戴钩甲磺： 遥感资料选取,一般是根据具体要求确定的,比如比例尺,比例尺大的要worldview啊,快鸟啊,spot等图像,比例尺晓得小的用landsat也就够了.还要选择遥感图像获取的时间,根据你要反映的地方、地物不同,分别选择夏天还是冬天的图像.波段选择一般是利用计算各波段的相关性,选取相关性最小,信息量最大的波段进行假彩色合成.遥感计算机自动分类有监督分类,非监督分类,个别的地物,根据其光谱曲线的特征,通过公式计算单独进行提取.分类方法一般是各种不同的方法多试验几次,选取最好的.针对不同的图像,不同的要求,适合的分类方法不一样. 先介绍这些哈,具体的整一本遥感处理的教材上都有.比较出名的常用的教材,网上一搜都有哈.

芒康县17113312350： 遥感中,光谱类和信息类有何区别? - ？
戴钩甲磺： 光谱遥感地物自身存在的,使用遥感传感器可以获得地物光谱. 信息是人类从遥感数据中按照需求提取的内容.

芒康县17113312350： 遥感方面的论文怎么写? - ？
戴钩甲磺： 洋河流域遥感图像土地利用分类方法研究 【摘要】遥感影像分类方法的确定是LUCC研究中的关键步骤.文章以洋河流域为研究区,分别进行了非监督分类和监督分类.针对监督分类结果中存在的误差,对水域、植被、城镇与工矿用地三种类...