锐客网

  1. 首页 > it技术 > >

TM 影像特征与分类技巧

遥感

TM影像特征 根据经验，在4，3，2（RGB）的波段组合下，各种地表覆盖物类型的特点如下：
a．森林——森林显示出棕色、红色、褐色等一系列多变的色调。在高海拔地区，成熟针叶林为很浓的棕色或暗红色；在中低海拔地区，森林的颜色多变，从棕色到红色到暗绿色都有，部分落叶林在冬季呈现出锈黄色；
b．灌丛和草甸——相对于临近的森林斑块，灌丛和草甸呈现出明亮许多的红色到浅红色。在高海拔地区，大片的草地在夏季可能为浅红或锈红色，而冬季则呈现青绿色；
c．湖泊、河流——湖泊通常为边界清晰的黑色斑块，河流则显示为黑色或深蓝色。在冬季，水面结冰或覆盖有雪则显示出不同深浅的紫红色；
d．城镇——很明显的比较亮的灰色或青灰色斑块，通常可见有规则的灰色线条（公路）穿过；
e．农田——颜色多变的绿色、灰色、淡紫色、浅红色斑块，通常沿河谷两侧不规则分布，在平原区则大片分布。河道边的水田往往显示出富含水分的青灰色。
TM遥感数据分类技术总结
一.TM波段总结:
1.TM1 0.45-0.52um,蓝波段,对水体穿透强,对叶绿素与叶色素反映敏感,有助于判别水深及水中叶绿素分布以及水中是否有水华等.
2.TM2 0.52-0.60um,绿波段,对健康茂盛植物的反射敏感,对力的穿透力强,用于探测健康植物绿色反射率,按绿峰反射评价植物的生活状况,区分林型,树种和反映水下特征.
3.TM3 0.62-0.69UM ,红波段,叶绿素的主要吸收波段,反映不同植物叶绿素吸收,植物健康状况,用于区分植物种类与植物覆盖率,其信息量大多为可见光最佳波段,广泛用于地貌,岩性,土壤,植被,水中泥沙等方面.
4 .TM4 0.76-0.96UM 近红外波段,对绿色植物类别差异最敏感,为植物通用波段,用于牧师调查,作物长势测量,水域测量.
5.TM5 1.55-1.75UM,中红外波段,处于水的吸收波段,一般1.4-1.9UM内反映含水量,用于土壤湿度植物含水量调查,水分善研究,作物长势分析,从而提高了区分不同作用长势的能力.易于反映云与雪.
6.TM6 1.04-1.25UM热红外波段,可以根据辐射响应的差别,区分农林覆盖长势,差别表层湿度,水体岩石,以及监测与人类活动有关的热特征,进行热制图.
7.TM7 2.08-3.35UM,中红外波段,为地质学家追加波段,处于水的强吸收带,水体呈黑色,可用于区分主要岩石类型,岩石的热蚀度,探测与交代岩石有关的粘土矿物.
二.类型提取:
1.城市与乡镇的提取:TM1+TM7+TM3+TM5+TM6+TM2-TM4
2.乡镇与村落:TM1+TM2+TM3+TM6+TM7-TM4-TM5
3.河流的提取:TM5+TM6+TM7-TM1-TM2-TM4
4.道路的提取：ＴＭ６－（ＴＭ１＋ＴＭ２＋ＴＭ３＋ＴＭ４＋ＴＭ５＋ＴＭ７）
三.光谱差异
ＴＭ１　居民地与河流菜地不易分开．
ＴＭ２居民地与河流菜地不易分
ＴＭ３乡村与菜地不易分
ＴＭ４农田与道路不易分，乡镇，道路，河滩易浑．
ＴＭ５县城与农田不易分
ＴＭ６村庄与河流易混．
四.分类方法使用
一般遥感影像分类可以分为：监督分类和非监督分类。在Erdas中，无论是监督分类还是非监督分类都会产生一个*.sig的模板文件。针对TM影像数据，30米的分辨率，可以采用先非监督监督分类，再监督分类。首先非监督分类，对产生的*.sig模板修改，修改后，对一些分类不和是模板再次进行修改。这样可以集合影像灰度和人工判别。
有些研究需要，我们需要将植被覆盖分级，（高覆盖区à无覆盖区）
通过计算植被指数可以对影像进行分类，常见的植被指数NDVI就可以完成此操作。但是针对植被，如果影像周期正好是12月或者1,2月份植被指数就不再适合。
五.采用植被指数可以对植被分级
有些研究需要，我们需要将植被覆盖分级，（高覆盖区à无覆盖区）
通过计算植被指数可以对影像进行分类，常见的植被指数NDVI就可以完成此操作。但 是针对植被，如果影像周期正好是12月或者1,2月份植被指数就不再适合。
六．分类后处理
分类后的影像总是有差别，有的影像分类效果很差，对于西北地区，如果存在大片沙漠、戈壁的地图突然出现了一些其他用力类型，针对这样的情况我们可以采用滤波的方式，如利用低通滤波，滤去噪声，在通过高通滤波锐化边缘。
【TM 影像特征与分类技巧】

    推荐阅读


    上一篇：目标检测|CVPR2019（无人驾驶3D目标检测论文点评）

    下一篇：神经网络|基于自动驾驶车辆的NVIDIA-TensorRT推理实时优化