遥感影像质量评价精要.pptVIP

《遥感原理与方法》 第三讲 遥感影像质量评估 问题一：为何要进行遥感影像质量评估？ 问题二：如何对影像的质量进行评估？ 遥感数据的特性 空间分辨率 光谱分辨率 辐射分辨率 时间分辨率 问题一：为何要进行遥感影像质量评估？ 应用中遥感数据的选择 经济成本 专题目的 专题地域环境 专题图比例尺 数据需求 空间分辨率 时间分辨率 波谱分辨率 遥感数据选择 遥感数据中存在误差 环境影响，如大气散射 遥感系统，如定标不完善 不恰当的星上或地面处理，如模数转换 … 影像分析前，应首先对数据的质量和统计特性进行评价 查看某个亮度值在影像中出现的频率 （直方图） 查看一定地理区域内特定位置上像元的亮度值 单变量统计分析，以确定影像数据中是否有异常 多变量统计分析，以确定波段间的相关性 理论基础：采样理论与统计分析 随机采样的大量样本呈现出系统的概率分布规律,即正态分布； 遥感统计分析一般都假定亮度值也服从正态分布，如遥感影像分类； 实际上遥感数据中的亮度值也可以是非正态分布的，所以有时也需要采用一些非参数统计的方法来进行分析。 问题二：如何对影像的质量进行评估？ 1. 图像元数据 文件名 最后修改的日期 量化等级 行、列数 波段数 亮度统计值（最小值、最大值、均值、中值、标准差，等） 地理参考 像素尺寸 2.直方图 直方图是图像信息内容的一种图形表示，根据对各亮度值出现的频率统计来实现 直方图可用来评价图像的质量 注意：当大量像元具有相同的亮度值时，传统的直方图显示需要做适当调整。 3.查看一定地理区域内特定位置像元 一般的数字影像处理系统中： 用鼠标控制查看某像元的亮度值 对某波段的影像用矩阵表示其亮度值（无可视化） 有的系统中，可用二维、三位显示的方法查看亮度值，可视化效果较好 4.影像信息的单变量统计 （1）亮度值分布的集中趋势测度 峰值 mode 中值 median 均值 mean （2）亮度值分布的离散度 值域 range 方差 variance 标准差 standard deviation （3） 偏度值和峰度系数 偏度值 skewness 峰度系数 kurtosis 5.多变量图像统计 波段间协方差 covariance 波段间的相关性 correlation 6.特征空间散点图 （feature space plot) 是两个波段影像统计相关性的图形化表示 具体方法是：在特征空间中统计两个亮度值组合出现的频率；频率越高，用较大的亮度值在特征空间中显示，频率越低，用较小的亮度值在特征空间中显示。 相关性判断方法：若特征空间中的点云形状似细长的椭圆，择两个波段的相关性较强；若形状似扁平的帽子状，则相关性较弱，两个波段包含较多的信息。 7.地统计分析（Geostatistic analysis) 地球表面有着明显的空间特性，这种空间特性在遥感影像上往往表现为纹理，图像分析时需要将这些纹理量化表示。 影像纹理是像素及其邻域中的像素共同表现出的特征，对其量化实际上是对影像上的亮度值空间自相关性进行量化。 遥感多光谱影像的本质是地物对不同光学电磁波段电磁波反射能力的记录，以亮度值的形式表现，亮度值的大小代表反射率或辐射率的高低。 实际上，遥感影像中的数据可以看作由变化的亮度值描述的“场”数据，也就是说像素的光谱值存在普遍的空间自相关，同时光谱值的出现又具有一定的随机性。 因此，遥感影像中的亮度值就是一种区域化变量，可以利用地质统计学中的相关理论进行分析。地统计（地质统计学）方法可用于提取区域化变量的空间特征和拟合非采样点的值。 利用地统计理论对影像上的空间特征进行量化，之后可进一步用于： 图像分类 用于分类图精度评定 对未采样区进行空间插值 地统计基本原理 变异函数：表示区域化变量的相关关系和空间结构。 在以向量h相隔的两点x与x+h的两个区域化变量z(x)与z(x+h)之间的变异，可以用它的增量平方的期望来表示，即 称为变异函数。 在内蕴假设和平稳性假设条件下，可用下式对变异函数进行估计，其中N(h)是被向量h相隔的试验数据对的对数。 或 在固有假设条件下，用来描述辐射数据值空间自相关的变异函数可以表达为： 其中: k为影像的波段号， DN(.)为辐射波段数据。 对于一个给定的步长，相应的半变异函数值可以在一个移动窗口中计算，