遥感数据处理

Answer 1

数字图像是不同亮度值像元的行、列矩阵数据，其最基本的特点就是像元的空间坐标和亮度取值都被离散化了，即只能取有限的、确定的值。所以离散和有限是数字图像最基本的数学特征。所谓遥感数据处理，就是依据数字图像的特征，构造各种数字模型和相应的算法，由计算机进行运算 ( 矩阵变换) 处理，进而获得更加有利于实际应用的输出图像及有关数据和资料。

数字图像处理在算法上基本可归为两类: 一类为点处理，即实现图像变换运算时只输入图像空间上一个像元点的值，逐点处理，直到所有点都处理完毕，如反差增强、比值增强等; 另一类为邻域处理，即为了产生一个新像元的输出，需要输入与该像元相邻的若干个像元的数值。这类算法一般用作空间特征的处理，如各种滤波处理。点处理和邻域处理有各自不同的适应面，在设计算法时，需针对不同的处理对象和处理目标加以选择。

遥感数字图像处理，数据量通常很大，往往要同时针对一组数字图像 ( 多波段、多时相等) 作多种处理，因此，需要依据遥感图像所具有的波谱特征、空间特征和时间特性，按照不同的对象和要求构造各种不同的数学模型，设计出不同的算法。目前遥感数据处理主要包括以下四方面的内容。

1. 图像恢复处理

旨在改正或补偿成像过程中的辐射失真、几何畸变、各种噪声以及高频信息的损失等。属预处理范畴，一般包括辐射校正、几何校正、数字放大、数字镶嵌等。

2. 图像增强处理

对经过恢复处理的数据通过某种数学变换，扩大影像间的灰度差异，以突出目标信息或改善图像的视觉效果，提高可解译性。主要包括有反差增强、彩色增强、运算增强、滤波增强、变换增强等方法。

3. 图像复合处理

对同一地区各种不同来源的数字图像按统一的地理坐标做空间配准叠合，以进行不同信息源之间的对比或综合分析。通常也称多元信息复合，既包括遥感与遥感信息的复合，也包括遥感与非遥感地学信息的复合。

4. 图像分类处理

对多重遥感数据，根据其像元在多维波谱空间的特征 ( 亮度值向量) ，按一定的统计决策标准，由计算机划分和识别出不同的波谱集群类型，据以实现地质体的自动识别分类，主要包括监督分类和非监督分类。

遥感数据处理的过程和各部分内容的关系如图 4-1 所示。本章将从遥感地质应用的角度简要介绍其中几种常用的处理方法。

图 4-1 遥感数据处理流程