遥感图像分类论文好发么

遥感图像论文

遥感图像处理方法研究论集了解更多的

按正常程序，你的阅读大量相关论文，了解遥感图像云雾去除的研究历史和现状进展以及未解决的问题，简单介绍每种方法的优势和不足。然后提出你的解决方法及其优劣势。也有捷径，就是下载几篇你这个课题的综述性论文，可以用最短的时间了解这一课题的研究历史和现状进展等等。只能跟你说这么多，别人帮你写是不可能的。

随心所欲的写咯

遥感影像分类方法论文

图像分类是与图像信息提取和增强不同的遥感图像处理中另一重要的方面，与图像增强后仍需人为解译不同，它企图用计算机做出定量的决定来代替人为视觉判译步骤。因此，分类处理后输出的是一幅专题图像。在此图像中，原来图像中的每一个象元依据不同的统计决定准则被划归为不同的地表覆盖类，由于是一种统计决定，必然伴随着某种错误的概率。因此，在逻辑上的合理要求是，对每一个象元所做的决定，应是使整个被分类面积即对大量单个象元的分类的某个错误判据为最小。以下是几种常用的遥感图像分类方法：最大似然分类（maximum likelihood classification）最大似然分类是一种基于贝叶斯判别准则的非线性监督分类方法，需要知道已知的或确定的训练样区典型标准的先验概率P（wi）和条件概率密度函数P（wi，x）。P（wi）通常根据各种先验知识给出或假定它们相等：P（wix）则是首先确定其分布形式，然后利用训练样本估计其参数。一般假设为正态分布，或通过数学方法化为正态分布。其判别函数集为：Di（x）=P（wix），i=1，2，…，m （2-2）如果Di（x）≥ Dj（x），则x属于wi类。其中，j≠i，j=1，2，…，m。m为类别数。从上述最大似然分类的说明看，其关键就在于已知类别的定义，先验概率的确定，参与分类的变量的好坏和结果误差评价。直到现在，最大似然分类至少还有两个缺点：一是事先大量人力已知光谱类的选择和定义：二是需要长时间的计算机分类计算时间。实际上这也使得最大似然分类法遥感应用受到了限制，因此许多人专门研究改进算法以便解决和缩减图像分类的时间，提高分类的精度。Solst和Lillesand（1991）为了解决已知类别定义消耗大量人力的缺点，发展了半自动训练法进行已知光谱类的定义。Fabio Maselli等（1992）利用Skidmore和Tumer提出的非参数分类器计算出各已知类训练集的先验概率，然后将它们插入常规的最大似然分类过程中进行分类。该方法融合了非参数和参数分类过程的优点，提高了分类的精度。通常情况下，地形会影响到训练集数据，这样训练集光谱数据就偏离了最大似然分类的假设条件正态分布，从而常规的最大似然分类法在地形起伏较大的地区效果并不太好。为了解决这一问题，CConese和GMaracchi和FMaselli（1993）提出了一种改进的最大似然分类算法，即去掉每一类数据集中与第一主成分相关的信息（地形信息）然后再进行分类。通过试验，这种方法是有效的，分类精度得到了提高。KArai（1993）用光谱和空间信息进行分类改进了最大似然分类方法。该方法简单易行，大大提高了正确分类的概率。CConese和Fabio Maselli（1992）用误差矩阵提高最大似然分类面积估计的精度。Irina Kerl（1996）加最大似然分类精度的一种方法，即多概率比较法。他对同一遥感数据的原始波段、主成分和植被指数的22种组合进行了最大似然分类，发现没有一种波段组合的分类能给出图像中所有土地利用类型的精确分类，每一波段组合仅对图像中的一两类土地利用类型分类有效。因此他提出将能有效区分出所要决定的土地利用类型的几个波段组合的分类结果进行组合来进行图像分类，并称这种方法为多概率比较法，这种方法的基础就是图像数据不同波段组合的分类结果之间分类概率大小的比较。应用这种方法提高了分类的精度。最小距离分类（minimum distance classification）最小距离分类是一种线性判别监督分类方法，也需要对训练区模式样本进行统计分析，是大似然分类法中的一种极为重要的特殊情况。最小距离分类在算法上比较简单，首先需选出要区分类别的训练样区，并且从图像数据中求出各类训练样区各个波段的均值和标准差，然后再计算图像中其他各个象元的灰度值向量到各已知类训练样区均值向量之间的距离。如果距离小于指定的阈值（一般取标准差的倍数），且与某一类的距离最近，就将该象元划归为某类。因此称为最小距离分类。该方法的精度主要取决于已知类训练样区的多少和样本区的统计精度。另外，距离度量的方法不同，分类的结果也不相同，常见的有：（1）明氏距离（minkowski distance）中亚地区高光谱遥感地物蚀变信息识别与提取当q=2时，即为欧氏距离，而当q趋于无穷时，得到切比雪夫距离。明氏距离，特别是其中的欧氏距离，在实际中用得较多，但它存在着两方面的缺点：一是它与各指标的量纲有关；为克服这一缺点，常常采用先将数据规格化的方法。二是它没有考虑变量之间的相关性。一种改进的距离就是马氏距离。（2）马氏距离（mahalanobis distance）中亚地区高光谱遥感地物蚀变信息识别与提取当 中各特征间完全不相关，这时的马氏距离即为欧氏距离。总之，最小距离分类是一个能在程序上经济有效实现的简单方法，与最大似然方法不同，它在理论上并不使平均分类错误为最小，所得到的精度与最大似然分类法可相比拟，而计算时间却只有后者的一半。平行管道分类（parallelepiped classification）平行管道分类是一种最简单的分类方法，是通过研究训练样区数据的各个光谱成分的直方图来进行分类的图像直方图中灰度值的上下限描述了图像中每个波段中类别的灰度值范围。某一光谱类在所有波段的灰度值范围定义了一个多维的平行管道。通过分类计算，图像中的未知象元被划分到属于已知一光谱类的平行管道内，因此称该方法为平行管道分类。这种方法简单易行，但也有几个缺点：①各已知光谱类的平行管道之间必定具有一定的间隔，如果图像中的象元落在这些间隔内，则这些象元不被分类。②对于图像中相关性强的光谱类，它们所定义的平行管道之间必定具有某些重叠，结果落在重叠区的这些象元不能被很好地分离。③没有考虑已知光谱类的先验概率。④根据直方图定义的已知光谱类的平行管道仅仅是通常用来定义光谱类特征的椭圆平面的粗略表示。TWKellenberger和KIIten（1996）提出改进方法。改进过的平行管道方法基于每个图像波段内两类之间累积百分比直方图的最大差值自动分离已知目标类，这种分离值和图像波段都是自动选择的。他利用改进过的平行管道分类对TM遥感数据进行了森林覆盖分类，结果取得了较好的效果，提高了分类的精度。模糊分类（fuzzy classification）模糊理论（fuzzy theory）是处理模糊性的理论的总称，它是以1965年由Zadeh提出的模糊集合论为基础的。模糊分类即是建立在模糊理论之上的分类方法。在常规遥感图像分类中，图像中的每个象元都被划归为某一种地物类型，象元和类别之间一一对应，并没有考虑遥感图像中实际存在的混合象元问题，即某一象元中同时存在有几种地物类型，所以这种分类方法的结果必然存在有误差，这也是常规遥感图像分类方法的局限性。模糊分类法正好克服了这一不足，它利用象元隶属度表示象元的归属问题。当一象元对某一类地物的隶属度为0时，表示该象元不属于该类；当一象元对某一类地物的隶属度为1时，表示该象元属于该类；当一象元对某一类地物的隶属度为0和1之间的数时，表示该象元以该隶属度属于该类，也即表明该象元为混合象元。模糊分类的方法有很多，大多是常规分类方法的扩展。FWang（1990）详细讨论了遥感图像模糊监督分类的意义，他认为模糊监督分类与常规分类方法相比，在3个方面有所改进：①用模糊集合表示地学信息更合理；②光谱空间的模糊划分；③分类参数的模糊估计。Paolo Gamba等（1996）利用完全模糊分类链对多光谱遥感图像进行了分类，他们不仅考虑了图像中象元的光谱特征，而且还考虑了图像中邻近象元之间空间上的相互关系，结果图像的分类精度得到了提高。神经元网络分类（neural network classification）神经元网络的结构包含一个输入层、一个输出层以及一个或多个隐层。输入层结点数与参加分类的特征数相同，输出层结点数与最终类别数相同，而中间隐含层结点数则由实验来确定。神经元网络分类主要就是网络的训练迭代，要达到一定的精度，往往需要很多次的迭代，这是非常费时的，然而网络训练一经完成，则可较快地应用于分类识别。FAmar等（1995）基于分类误差百分比和用户CPU时间比较了4 种神经元网络的遥感应用，他发现后向传播神经元网络算法（back-propagation neural network algorithm）需要最多的迭代次数，是其中最慢获得88%分类精度的算法。动态学习神经元网络算法（dynamic-learning neural network algorithm）只需迭代两次，占用591 s的CPU时间就可获得85%的分类精度，达到86%的分类精度需要迭代5次，占用CPU时间7 s；功能连接神经元网络算（functional link neural network algorithm）分类精度比快速学习神经元网络算（fast-learning neural network algorithm）算法低，但占用了较少的CPU时间；快速学习神经元网络算法提供了最高的分类精度，但两次迭代运算后比功能连接神经元网络算法和动态学习神经元网络算法需要更长的CPU时间。另外，许多研究者利用神经元网络算法对遥感图像数据进行了分类（Mcclellan et ，1989；Benediktsson et ，1990；Kanellopoulos et ，1991；Heermann and Khazenie，1992；Bischof et ，1992），这些研究表明神经元网络分类能够给出好的分类结果，该结果与常规最大似然分类算法取得的分类精度大致相当，如神经元网络分类算法应用恰当，则分类精度更高。KSanjo（1996）研究了神经元网络技术的遥感图像分类，发现监督分类中训练样本数据的排列影响着分类的精度，因此必须注意由于简单地神经元网络算法学习阶段训练样本数据的重新排列所造成的分类结果的改变。另外，他还研究了混合象元问题，结果表明通过学习混合数据，神经元网络算法能有效地减少分类的误差。N维概率密度函数（N-dimensional probability density functions）Haluk Cetin和Donald WLevandowski（1991）利用N维概率密度函数对多维遥感数据进行了分类和填图。N维概率密度函数是一种用来显示、分析和分类数据的算法，源于常称的频率透视图，但又克服了早先方法的内在限制。利用N维概率密度函数算法进行的交互式分类过程是一种新的多维数据的分类方法，它提供了遥感数据分布的清晰透视和监督分类中被选择的训练区分布的清晰透视。经过多维数据和训练区分布的N维概率密度函数的制图后，N维概率密度函数空间根据训练区数据的分布被划分，然后将N维概率密度函数的这种划分当作查询表（look-up table）分类遥感图像数据。对非监督分类，N维概率密度函数图可以提供数据分布的一种有价值的代表，数据分布可直接用来选择类别数和数据初始聚类时类均值的位置。与传统的统计分类方法，例如最大似然分类和最小距离分类，需要大量计算机内存、计算缓慢、对显示重叠类能力有限相比，N维概率密度函数分类速度极快，可利用无限制的波段数，图形地显示数据和类别的分布。Haluk Cetin和Timothy AWarner和Donald WLevandowski（1993）利用N维概率密度函数对TM等多种遥感数据源数据进行了分类、可视化和增强，结果取得了良好的效果，取得了比传统分类方法较高的分类精度。其他分类方法NBVenkateswarlu和PSVSKRaju（1993）提出了一种新的遥感图像快速分类器该分类器是一种非参数分类器，叫做整体平均分类（ensemble-average classifier），利用了最小距离的概念，算法步骤如下：①计算每一组的整体平均值（一般为均值）Mi，i=1，2，，C②如果满足下列两式，那么任一随机象元X将被划归wi组。XT（Mi-Mj）＜ Tij，j≠ I （2-5）中亚地区高光谱遥感地物蚀变信息识别与提取式中Tij=-Tij。③经过①②步后，随机象元X被划归为正确的类。另外，通过对参与计算变量的排序和部分一总和逻辑的考虑，可大大降低该算法计算的时间。与最小距离（欧氏距离）和最大似然分类器相比，整体平均分类器所用时间最少，分类精度与最小距离大致相同，对像农田面积和森林这样的名义类型的分类十分有效。Haluk Cetin（1996）提出了一种分类方法：类间距离频率分布法（interclass distance frequency dis-tribution），这是多光谱数据非参数分类方法的一种。类间距离频率分布过程简单，是一种有力的可视化技术，它图形地显示多光谱数据和类分布。首先选择感兴趣的类，这些类的统计信息从典型的训练样区可获得。利用类的平均测量矢量计算多光谱数据中每个象元的距离，并存放在一个两维数据分布数组中。选择其他类的训练区，训练区数据的分布通过距离计算可获得。通过可视化地检查结果，建立分类查询表（look-up table），然后利用分类查询表进行多光谱图像数据的分类，具体细节请参见原文。HNSrikanta Prakash等（1996）改进了遥感数据凝聚聚类分析，这是一种基于相互近邻概念，用来进行多光谱数据分类的非参数、层次、凝聚聚类分析算法。该方法定义了围绕象元的感兴趣区域（area of interest around each pixel），然后在它内部寻找分类时初始合并操作需要的k最近邻，将象元的特征值、波段值和象元的相对位置值一起考虑，提出了改进的距离量度，这样，大大减少了计算的时间和内存的需求，降低了分类的误差概率。Steven EFranklin和Bradley AWilson（1992）设计了3阶段分类器进行遥感图像的分类，它由一个基于四叉树的分割算子、一个高斯最小距离均值测试和一个包括辅助地理网数据和光谱曲线测量的最终测试构成。与最大似然分类技术相比，3阶段分类器的总体分类精度得到了提高，减少计算时间，另外仅需最少的训练样区数据（它们在复杂地形区很难获得）。

随心所欲的写咯

土地利用分类是区分土地利用空间地域组成单元的过程。由于地块所处的自然地理位置不同，受自然条件和社会经济条件的影响，导致土地用途、利用方式、经营特点等各方面的差异。为实现土地资源科学化管理，从土地利用现状出发，根据土地利用的地域分异规律、土地用途、土地利用方式等，将一个国家和地区的土地利用情况，按照一定的层次等级体系划分为若干不同的土地利用类别。1 国内外土地利用分类方法历史沿革国外土地分类至今约有半个多世纪的历史，到 20 世纪 60 年代和 70 年代就出现了各种土地分类系统。国外土地分类多数以土地利用现状作为分类的依据，具体到各国又有差异。如，美国主要以土地功能作为分类的主要依据；英国和德国以土地覆盖（是否开发用于建设用地）作为分类依据；俄罗斯、乌克兰和日本以土地用途作为分类的主要依据；印度则以土地覆盖情况（自然属性）作为划分地类的依据。国内的土地分类研究起步相对较晚，主要是在改革开放以后。国内土地分类依据与国外基本相同，也是以土地利用现状作为分类依据，如土地利用现状调查（简称土地详查）采用以土地用途、经营特点、利用方式和覆盖特征为分类依据，城镇地籍调查采用以土地用途为分类依据等。为了满足土地用途管理的需要，国土资源部先后制定了《土地利用现状分类及含义》（1984），《城镇土地分类及含义》（1989），城乡统一的《全国土地分类》（2001）。《全国土地分类》包括《全国土地分类》（试行）和《全国土地分类》（过渡期间适用），第二次土地调查国家发布了《土地利用现状分类》（2007）国家标准等，为全国土地分类提供了标准和依据。2 基于遥感影像土地利用分类原则面向国土资源行业遥感数据的规模化、高效率应用，达到快速规模化获取土地利用信息，实现高精度、高效获取土地利用变化信息，迅速建立满足国家和省级土地资源业务管理需要的国家级、省级土地利用现势信息源需求，在研究分析前期实行的土地利用分类方法的基础上，提出了基于遥感影像的土地利用分类，在项目区予以应用并得到预期良好效果。基于遥感影像的土地利用分类，是依据遥感影像的色彩、纹理等影像光谱特征、分布特征和地物光谱的可分性，结合土地的自然属性、覆盖特征以及土地用途等因素，从满足基于遥感影像快速获取土地利用信息的需要进行分类。分类原则：（1）具有可操作性。要求土地利用分类体系要简便易用、层次分明，要具有适宜遥感影像特点，通过遥感影像所反映色彩、纹理等影像光谱特征以及分布特征，在遥感影像上能够明显区分不同地类类型，适用于人机交互并基本满足计算机自动分类提取土地利用信息。（2）具有统一性。要与国家土地利用分类体系框架保持一致。（3）具有兼容性。既能向上归并到国家土地分类标准体系中的某一类型，还可根据管理和应用需要进行续分 , 可实现不同分类标准之间的相同地类进行地类代码转换，与以往的以及现在适用的土地分类进行有效衔接。（4）具有通用性。即具有时间和空间上的通用性，不同的作业者用不同季节的影像应该能达到精度范围内的同样效果。为了科学合理利用和管理土地资源，采用遥感影像数据获取土地利用信息，快速掌握土地利用变化情况，根据我省土地利用管理业务实际需要，建立更适合土地利用精确调查和我省遥感监测业务调整与扩展的基于遥感信息土地利用分类标准具有重要的现实意义。3 严格管理土地需要快速、规模化获取土地利用变化信息近年来，随着社会经济的发展，遥感技术也随之得到了快速发展，遥感技术在土地资源的管理中得到了广泛应用。但随着人、地矛盾的日益加大，如何科学、合理地利用土地资源，如何监督新增建设用地及其占用耕地情况和土地规划、土地利用计划执行情况，及时发现和查处土地违法、违规行为，检查土地严格管理和土地调控措施的落实与效果，利用遥感技术快速规模化获取土地利用变化情况成为当今土地资源管理的有效手段。在土地资源管理中，近几年国家和省不断加大土地执法监察力度，每年都要对耕地和新增建设用地变化情况进行遥感动态监测，利用前、后时相遥感影像（DOM）进行比对，或利用已有土地利用数据库与后时相遥感影像进行比对，发现和提取土地利用变化信息，通过外业核查、后处理和数据汇总，快速获取和宏观分析土地利用、变化的总体情况，及时发现和查处土地违法、违规行为，为土地执法监察提供了有力的技术依据。4 原有土地利用分类不适宜快速提取土地利用信息1984～2007 年间，我国普遍采用的是《土地利用现状分类及含义》（1984）标准、《全国土地分类》（试行）标准和《全国土地分类》（过渡期间适用）标准，采用以上分类标准对于快速提取土地利用分类信息和动态遥感监测存在一些问题和缺陷。首先，分类过细。《土地利用现状分类及含义》（1984）分为 8 个一级地类，46 个二级地类，河南省根据地方实际在全国土地分类基础上又续分了 12 个三级地类；《全国土地分类》（试行）分为 3 个一级地类，15 个二级地类，71 个三级地类；《全国土地分类》（过渡期间适用）分为 3 个一级地类，10 个二级地类、52 个三级地类。以上分类标准都具有类别繁多、过于细化的特点，无法满足国家和省快速提取和掌握土地利用变化信息的需求。其次，部分地类在遥感影像上无法区分，如：耕地中水浇地与旱地，园地与林地，独立工矿与特殊用地等，影像纹理、色彩特征极为相近，难以区分。再次，部分地类与遥感影像无法衔接，如商服用地、工矿仓储用地、公共建筑用地等信息，从遥感影像上无法直接获取。5 区域土地利用类型的特殊性黄河滩地，是指在黄河大堤之间河床滚动所淤积而成的滩地。横穿河南省中北部的黄河属河南省的特有特征，即地上悬河、河床宽度大、非洪水期过水面积小、大堤内近 90% 的滩涂分别由黄河两岸农民在耕作。但是由于黄河河床经常变动等原因，黄河滩地的面积和方位不断发生变化，可种植面积也不稳定。许多滩地至今仍权属不明，经常引发滩地耕种纠纷。另外在黄河滩地种植农作物具有一定的风险性，种植的作物一旦遇到河水上涨被水淹没会造成收成大减甚至颗粒无收。公路林带，在河南省辖区内，高速公路、国道、省道、干线铁路等主要交通用地两侧均栽种了宽度 30～50 m 不等的速生树种，在地类统计时，国土资源管理部门是按耕地计算，而林业部门则按照林地计算，为准确获取林带数据有必要单独统计，以解决在统计上口径不一、数出多门的问题。6 遥感影像上光谱信息，纹理、色彩等特征相近的土地类型高分辨率卫星遥感影像光谱信息丰富、色彩鲜艳，接近于自然地物的真实色彩。通过遥感影像所反映的纹理、颜色等影像特征和分布特征，大部分土地利用类型在影像上能够明显区分。但是按照全国土地分类，有些地类在影像上呈现相近或相同特征，对于室内判读难以分辨。（1）水浇地与旱地（图 6-1、图 6-2）。图 6-1 水浇地（113）图 6-2 旱地（114）（2）园地与林地（图 6-3、图 6-4）。图 6-3 果园（121）图 6-4 有林地（131）（3）独立工矿与特殊用地（图 6-5、图 6-6）。图 6-5 独立工矿（204）图 6-6 特殊用地（206）土地利用分类体系还要充分考虑未来遥感技术发展，适用于遥感自动化提取信息的需要，影像特征相近的土地利用类型无法利用自动分类技术进行区分。

遥感图像处理论文

知网和维普也都可以。

你到万方数据上去找去吧！用关键词，可以找到很多。

遥感图像信息处理的主要目的是：①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌；②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的区分和判释；③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类（见数据采集和处理）。模拟处理方法是首先把图像信息转换成电信号，然后进行图像化处理。用模拟方法能对图像信息作快速处理。数字处理是对遥感图像信息作数字离散化后，利用数字计算机进行处理。数字图像处理的功能好而且灵活，已成为遥感信息处理的主要方式，但要求有高速度大容量的计算机，不易达到实时处理的要求。

遥感影像论文

自己进百度去查啊!!!!~~~~~~

知网和维普也都可以。

森林资源调查中SPOT5遥感图像处理方法探讨　　王照利、黄生、张敏中、马胜利　　（国家林业局西北林业规划设计院，遥感计算中心，西安710048）　　本文发表于＜陕西林业科技＞2005 N1 P27-29,55　　摘要：　　目前，多光谱、高空间分辨率的SPOT5卫星遥感数据被广泛应用到森林资源调查中。本文结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的处理和信息提取。探讨性地提出了适应于森林资源调查的SPOT5遥感数据处理方法。　　关键词：SPOT5 遥感数据，森林资源调查、数据处理　　DISCUSSION ON SPOT5 IMAGE DATA PROCESSING FOR FOREST INVENTORY　　Wang Zhaoli, Huangsheng,Zhangminzhong,Ma Shengli　　(Northwest Institute for Forest Inventory, Planning &Design, Xi’an China 710048)　　Abstract: Now days, high spatial resolution and multispectral SPOT5 image data are widely applied in forest inventory in C Based on the characteristics of SPOT5 image and requirements of forest inventory, this paper discusses the processing procedures of ordering image data, ortho-rectification, image bands composition and image data The complete steps of image processing for forest inventory are 　　Key words: SPOT5 image data，forest inventory, data processing　　前言　　卫星遥感影像具有空间宏观性、视角广、多分辨率（光谱和空间）、多时相、周期性、信息量丰富等特点，所以卫星遥感影像既可以提供森林资源的宏观空间分布信息又能提供局部的详细信息以及随时间、空间变化的信息等[1]。目前在林业领域卫星遥感数据被广泛的应用于不同尺度层次的森林资源调查、资源监测、病虫害、火灾监测等方面。　　2002年5月法国SPOT地球观测卫星系列之5号卫星（即SPOT5星）发射。SPOT5遥感数据的多光谱波段空间分辨率为10米（短波红外空间分辨率为20米），但全色波段空间分辨率达到5米。SPOT5遥感数据的高空间分辨率和多光谱分辨率为森林资源调查提供了丰富的、可靠的、高精度的基础数据源。从性价比分析，在其他高分辨率遥感数据目前比较昂贵的状况下，SPOT5遥感数据比较适宜应用于大面积的森林资源调查，可大幅度的森林调查的减少外业工作量、提高工作效率。在我国SPOT5卫星数据已被大量地应用于森林资源调查工作中，尤其，是在森林资源“二类”调查中被作基本的森林资源信息源提取各类信息。针对于将多光谱分辨率和高空间分辨率的SPOT5遥感数据应用于森林资源调查的数据处理技术和方法鲜有报道。本文总结工作实践，结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的订购、正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的基本处理方法。　　1．SPOT5卫星遥感数据特点　　SPOT卫星系统采用线性阵列传感器和推扫式扫描技术，具有旋转式平面镜可以进行倾斜观察获得倾斜图像和立体像对。采用与太阳同步的近极地的椭圆形轨道，轨道高度约832Km，轨道倾角7o ，每天绕地球14圈多，重复覆盖周期26天[2]。由于有倾斜观测功能，使重复覆盖周期减少到2-3天。SPOT5卫星载有2台高分辨率几何成像仪（HRG）、1台高分辨率立体成像装置（HRS）和1台宽视域植被探测仪（VGT）。高分辨率几何成像仪的波段选择是总结了多年的研究成果，认为HRG的波段设置（见表1）足以取得辨别作物和植被类型的最佳效果。本文主要探讨HRG高空间分辨率数据的处理。　　2．SPOT5数据的处理方法和过程　　SPOT5数据处理工作流程：　　1 遥感数据的订购　　订购数据时，用户需向数据代理商提供购买区域的四个角的大地坐标或者数据的景号（PATH/ROW）。特别应该注意数据订购时间和用户拿到数据之间有时间差，间隔时间长短因用户的要求、天气、卫星重复覆盖周期而异。相对于其他卫星数据，比较有利的一面是SPOT5卫星装置有旋转式平面镜可以进行倾斜观察，用户可向代理商申请红色编程提前得到调查区域的遥感数据，但要支付编程费。对于遥感数据的时相、云量、入射角、阴影量、是否购买高空间分辨率的全色波段等用户根据自己具体的工作需要向代理商提出限制要求。　　根据我们对SPOT5遥感数据的使用，对于森林资源调查，北方9，10月份和11月初的遥感影像比较适宜。代理商向用户提供经过处理的不同级别的影像产品，在森林资源调查中建议购买SPOT1A级产品，用户可根据自己的工作需要进行处理，同时也可减少费用。　　2 基础数据准备　　大比例尺地形图和高精度DEM是进行SPOT5遥感数据高精度正射校正必需的基础地理数据。建议购买1：10000地形图和1：25000数字高程模型（DEM）。　　将1：1万地形图扫描，扫描分辨率设置为300DPI。将扫描好的地形图进行几何精纠正，纠正精度控制在3毫米内。从测绘部门购买的1：1万地形图为北京54坐标系3度分带高斯克吕格投影，而1：5万DEM为北京54坐标系6度分带投影。在数据准备时，将校正好的1：1万地形图通过换带转换转成和DEM一致的6度分带投影。　　对于没有1：1万地形图的地区，建议使用差分GPS接收机采集地面控制点。　　3几何正射校正　　正射校正过程应用了法国SPOT公司发行的GEOIMAGE软件。GEOIMAGE软件有针对SPOT5卫星数据开发的SPOT5物理模型。模型模块自动读取DEM信息。SPOT 物理模型可读取卫星在获取遥感数据的瞬间状态参数，这些参数存贮在数据的头文件中[3]。卫星状态参数包括：卫星成像瞬间的经纬度、高度、倾角等。卫星状态参数能够帮助提高几何校正的精度。　　以校正好的1：1万地形图为基准，在影像图上找出和地形图上地物相匹配的明显地物作为地面控制点。在进行正射校正时，应先进行全色波段数据校正，然后以校正好的全色波段数据为基准进行多光谱数据校正。以全色波段数据为基准校正多光谱波段就比较容易校正，且能提高两者的匹配精度。地面控制点应分布均匀，影像的边缘部分布要有控制点分布，同时在不同的高程范围最好都有控制点。地面控制点的数量因地形地貌的复杂程度而定，根据我们的经验，一景60KmX60Km的SPOT5数据，一般地势平缓的地区20个左右控制点即可达到满意的结果，在高山区25个左右控制点就可使正射校正精度满足要求。重采样方法采用双线性内插法。　　4 辐射校正　　用户购买的SPOT5的各级数据，数据提供商已经根据卫星的记录参数对遥感数据做了辐射校正，即消除了传感器自身引起的、大气辐射引起的辐射噪声。若果影像存在薄雾或地形高差较大引起的辐射误差情况，用户应进一步进行辐射校正处理。薄雾的简单消除原理是基于近红外波段不受大气辐射影响，清澈的水体或死阴影区的数值应为零。从各波段数据中减去近红外波段的水体或阴影的不为零值。地形起伏引起的辐射误差校正公式: f (x,y)=g(x,y)/cosa，g(x,y)为坡度为a的倾斜面上的地物影像；f (x,y)为校正后的影像。由于坡度因子参与校正所以需要DEM支持。　　5 波段组合　　根据SPOT5数据波谱特征（表1），各波段分别记录反映了植被的不同特征方面：B4（SWIR）短波红外反映植物和土壤的含水量，利于植被水分状况和长势分析；B3（NIR）近红外波段对植被类别、密度、生长力、病虫害等的变化敏感；B2（RED）红光波段对植被的覆盖度、植被的生长状况敏感；B1（VIS）可见光波段对植物的叶绿素和叶绿素浓度敏感。经过比较分析和实际应用发现SPOT5的B3、B4、B2波段组合对植被类型的识别要优于B3、B2和B1的组合。但由于B4波段的空间分辨率为20米，使B342组合对植被空间几何细节表达没有B321组合清晰，例如林缘界线信息表达方面B321要优于B342。　　6 影像数据融合　　对于购买有高空间分辨率全色波段数据的用户，进行数据融合是必不可少的。影像数据融合能够综合不同波段、不同空间分辨率数据（层）的特征，融合后的数据具有更丰富、更可靠的信息[4]。 根据影像数据融合的水平阶段，影像融合分为：像元级、特征级和决策级三个层次。为了最大限度的从SPOT5遥感数据中提取森林植被信息，应进行像元级的数据融合，将5米的全色波段和10米多光谱数据进行融合。融合得到的新数据既具有全色波段数据的高空间分辨率特征又具有多光谱特征。　　像元级数据融合的方法多种多样，根据数据融合的目的，即最大限度的突显森林植被信息，应选取B4、B3、B2和PAN波段，根据我们的试验Brovey 融合算法方法比较理想：　　7遥感影像地图　　将融合好的数据按Rfused、Gfused、Bfused组合，叠加上行政界线、公里格网、坐标、比例尺等辅助信息，按1：1万地形图分幅生成1：1万纸质图作为外业手图。　　 结果和讨论　　1 几何精度　　利用SPOT5物理模型，采用1：1万地形图和5万DEM ，经过正射校正处理，可使影像的几何精度控制在2个像元内（<10米）,达到1：1万制图标准要求。为以遥感影像为基础信息源提取林分调查因子、区划林班界线生成大比例尺的林相图、森林分布图提供了几何精度保障。　　2 波段选择　　对于没有全色波段的情况，SPOT5数据的B342组合有利于森林植被类型的识别。在应用遥感技术进行森林资源调查区划中，林分类型信息提取是最为重要的环节，所以B342波段组合是小班区划和外业手图的最佳组合。　　3 融合效果　　融合数据技术使SPOT5遥感影像既具有全色波段的高空间分辨率又拥有多光谱数据的光谱分辨率，丰富了遥感影像的信息量。采用Brovey算法使SPOT5遥感影像从色彩、纹理等方面增强了影像的可判读性，提高了小班因子正判率和林分小班的区划精度。　　参考文献　　1．周成虎，杨晓梅，骆剑承等《遥感影像地学理解与分析》，科学出版社，北京，2001，3-　　2．赵英时《遥感应用分析原理与方法》，科学出版社，北京，88-90　　3．北京视宝卫星图像有限公司《专业制图工作室GEOIMAGE用户指南》，2004，68-　　4．Christine P Geometric Aspects of Multisensor Image Fusion for Topographic Map Updating in The Humid Tropics, ITC Publication, 1996,51-　　21世纪遥感与GIS的发展　　来源： 李德仁 时间： 2005-08-11-23:09 浏览次数: 79　　21世纪遥感与GIS的发展　　李德仁　　（武汉大学测绘遥感信息工程国家重点实验室，武汉市珞瑜路129号，430079）　　摘要：在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测，并将所得到的数据和信息存储在计算机网络上，为人类社会的可持续发展服务。在短短的30年中，遥感和GIS作为一个边缘交叉学科已发展成为一门科学、技术和经济实体。本文深入地论述了21世纪中遥感的6大发展趋势和GIS的5个发展特征。　　关键词：发展趋势；航空航天遥感；地理信息系统；对地观测　　中图法分类号：P208；P9　　随着计算机技术、空间技术和信息技术的发展，人类实现了从空中和太空来观测和感知人类赖以生存的地球的理想，并能将所感知到的结果通过计算机网络在全球流通，为人类的生存、繁荣和可持续发展服务。在20世纪后半叶，遥感和地理信息系统作为一门新兴的科学和技术，迅速地成长起来。　　1 遥感技术的主要发展趋势　　1 航空航天遥感传感器数据获取技术趋向三多（多平台、多传感器、多角度）和三高（高空间分辨率、高光谱分辨率和高时相分辨率）　　从空中和太空观测地球获取影像是20世纪的重大成果之一，短短几十年，遥感数据获取手段迅猛发展。遥感平台有地球同步轨道卫星（35000km）、太阳同步卫星（600—1000km）、太空飞船（200—300km）、航天飞机（240—350km）、探空火箭（200—1000km），并且还有高、中、低空飞机、升空气球、无人飞机等；传感器有框幅式光学相机、缝隙、全景相机、光机扫描仪、光电扫描仪、CCD线阵、面阵扫描仪、微波散射计雷达测高仪、激光扫描仪和合成孔径雷达等，它们几乎覆盖了可透过大气窗口的所有电磁波段。三行CCD阵列可以同时得到3个角度的扫描成像，EOS Terra卫星上的MISR可同时从9个角度对地成像。　　卫星遥感的空间分辨率从Ikonos Ⅱ的1m，进一步提高到Quckbird（快鸟）的62m，高光谱分辨率已达到5—6nm，500—600个波段。在轨的美国EO-1高光谱遥感卫星，具有220个波段，EOS AM-1（Terra）和EOS PM-1（Aqua）卫星上的MODIS具有36个波段的中等分辨率成像光谱仪。时间分辨率的提高主要依赖于小卫星技术的发展，通过发射地球同步轨道卫星和合理分布的小卫星星座，以及传感器的大角度倾斜，可以以1—3d的周期获得感兴趣地区的遥感影像。由于具有全天候、全天时的特点，以及用INSAR和D-INSAR，特别是双天线INSAR进行高精度三位地形及其变化测定的可能性，SAR雷达卫星为全世界各国所普遍关注。例如，美国宇航局的长远计划是要发射一系列太阳同步和地球同步的长波SAR,美国国防部则要发射一系列短波SAR，实现干涉重访问间隔为8d、3d和1d，空间分辨率分别为20m、5m和2m。我国在机载和星载SAR传感器及其应用研究方面正在形成体系。“十五”期间，我国将全方位地推进遥感数据获取的手段，形成自主的高分辨率资源卫星、雷达卫星、测图卫星和对环境与灾害进行实时监测的小卫星群。　　2 航空航天遥感对地定位趋向于不依赖地面控制　　确定影像目标的实地位置（三维坐标），解决影像目标在哪儿（Where）是摄影测量与遥感的主要任务之一。在已成功用于生产的全自动化GPS空中三角测量的基础上，利用DGPS和INS惯性导航系统的组合，可形成航空/航天影像传感器的位置与姿态的自动测量和稳定装置（POS），从而可实现定点摄影成像和无地面控制的高精度对地直接定位。在航空摄影条件下的精度可达到dm级，在卫星遥感的条件下，其精度可达到m级。该技术的推广应用，将改变目前摄影测量和遥感的作业流程，从而实现实时测图和实时数据库更新。若与高精度激光扫描仪集成，可实现实时三维测量（LIDAR），自动生成数字表面模型（DSM），并可推算出数字高程模型（DEM）。　　美国NASA在1994年和1997年两次将航天激光测高仪（SLA）安装在航天飞机上，企图建立基于SLA的全球控制点数据库，激光点大小为100m，间隔为750m，每秒10个脉冲；随后又提出了地学激光测高系统（GLAS）计划，已于2002年12月19日将该卫星IICESat（cloud and land elevation satellite）发射上天。该卫星装有激光测距系统、GPS接收机和恒星跟踪姿态测定系统。GLAS发射近红外光（1064nm）和可见绿光（532nm）的短脉冲（4ns）。激光脉冲频率为40次/s，激光点大小实地为70m，间隔为170m，其高程精度要明显高于SRTM，可望达到m级。他们的下一步计划是要在2015年之前使星载LIDAR的激光测高精度达到dm和cm级。　　法国利用设在全球的54个站点向卫星发射信号，通过测定多普勒频移，以精确解求卫星的空间坐标，具有极高的精度。测定距地球1300km的Topex/Poseidon卫星的高度，精度达到±3cm。用来测定SPOT 4卫星的轨道，3个坐标方向达到±5cm精度，对于SPOT 5和Envisat，可望达到±1m精度。若忽略SPOT 5传感器的角元素，直接进行无地面控制的正射像片制作，精度可达到±15m，完全可以满足国家安全和西部开发的需求。　　3 摄影测量与遥感数据的计算机处理更趋向自动化和智能化　　从影像数据中自动提取地物目标，解决它的属性和语义（What）是摄影测量与遥感的另一大任务。在已取得影像匹配成果的基础上，影像目标的自动识别技术主要集中在影像融合技术，基于统计和基于结构的目标识别与分类，处理的对象既包括高分辨率影像，也更加注重高光谱影像。随着遥感数据量的增大，数据融合和信息融合技术逐渐成熟。压缩倍率高、速度快的影像数据压缩方法也已商业化。我国学者在这些方面取得了不少可喜的成果。　　4 利用多时像影像数据自动发现地表覆盖的变化趋向实时化　　利用遥感影像自动进行变化监测（What change）关系到我国的经济建设和国防建设。过去人工方法投入大，周期长。随着各类空间数据库的建立和大量新的影像数据源的出现，实时自动化监测已成为研究的一个热点。　　自动变化监测研究包括利用新旧影像（DOM）的对比、新影像与旧数字地图（DLS）的对比来自动发现变化和更新数据库。目前的变化监测是先将新影像与旧影像（或数字地图）进行配准，然后再提取变化目标，这在精度、速度与自动化处理方面都有不足之处。笔者提出了把配准与变化监测同步的整体处理[1]。最理想的方法是将影像目标三维重建与变化监测一起进行，实现三维变化监测和自动更新。进一步的发展则是利用智能传感器，将数据处理在轨完成，发送回来的直接为信息，而不一定为影像数据。　　5 摄影测量与遥感在构建“数字地球”、“数字中国”、“数字省市”和“数字文化遗产”中正在发挥愈来愈大的作用　　“数字地球”概念是在全球信息化浪潮推进下形成的。1999年12月在北京成功地召开了第一届国际“数字地球”大会后，我国正积极推进“数字中国”和“数字省市”的建设，2001年国家测绘局完成了构建“数字中国”地理空间基础框架的总体战略研究。在已完成1∶100万和1∶25万全国空间数据库的基础上，2001年全国各省市测绘局开始1∶5万空间数据库的建库工作。在这个数据量达11TB的巨型数据库中，摄影测量与遥感将用来建设DOM（数字正射影像）、DEM（数字高程模型）、DLG（数字线划图）和CP（控制点数据库）。如果要建立全国1m分辨率影像数据库，其数据量将达到60TB。如果整个“数字地球”均达到1m分辨率，其数据量之大可想而知。本世纪内可望建成这一分辨率的数字地球。　　“数字文化遗产”是目前联合国和许多国家关心的一个问题，涉及到近景成像、计算机视觉和虚拟现实技术。在近景成像和近景三位量测方面，有室内各种三维激光扫描与成像仪器，还可以直接由视频摄像机的系列图像获取目标场三维重建信息。它们所获取的数据经过计算机自动处理后，可以在虚拟现实技术支持下形成文化遗迹的三维仿真，而且可以按照时间序列，将历史文化在时间隧道中再现，对文化遗产保护、复原与研究具有重要意义。　　6 全定量化遥感方法将走向实用　　从遥感科学的本质讲，通过对地球表层（包括岩石圈、水圈、大气圈和生物圈4大圈层）的遥感，其目的是为了获得有关地物目标的几何与物理特性，所以需要通过全定量化遥感方法进行反演。几何方程式是有显式表示的数学方程，而物理方程一直是隐式。目前的遥感解译与目标识别并没有通过物理方程反演，而是采用了基于灰度或加上一定知识的统计、结构和纹理的影像分析方法。但随着对成像机理、地物波谱反射特征、大气模型、气溶胶的研究深入和数据积累，多角度、多传感器、高光谱及雷达卫星遥感技术的成熟，相信在21世纪，估计几何与物理方程式的全定量化遥感方法将逐步由理论研究走向实用化，遥感基础理论研究将迈上新的台阶。只有实现了遥感定量化，才可能真正实现自动化和实时化。　　2 GIS技术的主要发展趋势　　1 空间数据库趋向图形、影像和DEM三库一体化和面向对象[2]　　GIS发展曾经历过栅格、矢量两个不同数据结构发展阶段，目前随着高分辨率卫星遥感数据的飞快增长和数字地球、数码城市的需求，形成了面向对象的数据模型和三库（图形矢量库、影像栅格库和DEM格网库）一体化的数据结构。这样的数据库结构使GIS的发展更加趋向自然化、逼真化，更加贴近用户。以面向应用的GIS软件为前台，以大型关系数据库（Oracle 8i,9i等)为后台数据库管理，成为当前GIS技术的主流趋势。　　2 空间数据表达趋向多比例尺、多尺度、动态多位和实时三维可视化　　在传统的GIS中，空间数据是以二维形式存储并挂接相应的属性数据。目前，空间数据表达的趋势是基于金字塔和LOD（level of detail）技术的多比例尺空间数据库，在不同尺度表示时可自动显示出相应比例尺或相应分辨率的数据，多比例尺数据集的跨度要比传统地图的比例尺大，在显示不同比例尺数据时，可采用LOD或地图综合技术。真三维GIS的空间数据要存储三维坐标。动态GIS在土地变更调查、土地覆盖变化监测中已有较好的应用，真四维的时空GIS将有望从理论研究转入实用阶段。基于三库一体化的时空3D可视化技术发展势头迅猛，已能再PC机上实现GIS环境下的三维建筑物室外室内漫游、信息查询、空间分析、剖面分析和阴影分析等，基于虚拟现实技术的真三维GIS将使人们在现实空间外，可以同时拥有一个Cyber空间。　　3 空间分析和辅助决策智能化需要利用数据挖掘方法从空间数据库和属性数据库中发现更多的有用知识　　GIS是以应用导向的空间信息技术，空间分析与辅助决策支持是GIS的高水平应用，它需要基于知识的智能系统。知识的获取是专家系统中最困难的任务。随着各种类型数据库的建立，从数据库中挖掘知识成为当今计算机界一个非常引人注目的课题。从GIS空间数据库中发现的知识可以有效的支持遥感图像解译，以解决“同物异谱”和“同谱异物”的问题。反过来，从属性数据库中挖掘的知识又具有优化资源配置等一些列空间分析的功能[3]。尽管数据挖掘和知识发现这一命题仍处于理论研究阶段，但随着数据库的快速增大和对数据挖掘工具的深入研究，其应用前景是不可估量的。　　4 通过Web服务器和WAP服务器的互联网和移动GIS将推进联邦数据库和互操作的研究及地学信息服务事业　　随着计算机通讯网络（包括有线和无线网）的大容量和高速化，GIS已成为在网络上的分布式异构系统。许多不同单位、不同组织维护管理的既独立又互联互用的联邦数据库，将可提供全社会各行各业的应用需要。因此，联邦数据库和互操作（federal databases & interoperability）问题成为当前国际GIS联合研究的一个热点。互操作意味着数据库中数据的直接共享，GIS规律功能模块的互操作与共享，以及多点之间的相同工作，这方面的研究已显示出明显的成效。未来的GIS用户将可能在网络上缴纳为其需要所选用数据和软件功能模块的使用费，而不必购买这个数据库和整套的GIS软硬件，这些成果产生的直接效果是GIS应用将走向地学信息服务。　　目前已兴起的LBS和MLS，即基于位置的服务和移动定位服务，突出地反映了这种变化趋势。它引起的革命性变化使GIS将走出研究院所和政府机关，成为全社会人人具备的信息服务工具。我国目前已有2亿个手机用户，若每人每月为MLS支付10元费用，全国一年的产值将达到240亿。可以预测在不久的将来，地学信息将能随时随地为任何人和任何事情进行4A服务（geo-in-formation for anyone and anything at anywhere and anytime）。　　5 地理信息科学的研究有望在本世纪形成较完整的理论框架体系　　笔者曾扼要地叙述了地球空间信息科学的7大理论问题[4]：（1）地球空间信息的基准，包括几何基准、物理基准和时间基准；（2）地球空间信息标准，包括空间数据采集、存储与交换标准、空间数据精度与质量标准、空间信息的分类与代码标准、空间信息的安全

随心所欲的写咯

遥感的论文好发嘛

我觉得要看你的文章的含金量了，好不好发，有区别吗，对自己要求高一点毕竟有好处吧

可推荐期刊，适合不适合的，看编辑给你推荐的你是不是满意。

发测绘学报吧