遥感导论-第四章.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第四章 遥感图像处理,光学原理,数字图像的校正,数字图像增强,多源信息复合,1、光与色有什么不同？,2、你知道的颜色模型有哪些？,3、彩色变换的方法有哪些？,第一节 光学原理,1、光和颜色,光是色的源泉,色是光的表现,颜色,是人的视觉系统对,可见光,的感知结果，感知到的颜色由光波的,波长,决定,。,2、颜色模型（1）HLS,颜色的性质由,明度、色调、饱和度,来描述,明度（,Lightness,强度,Intensity,）,色调（,Hue,）,饱和度,(Saturation),明度,HLS,模型,颜色立体,色调,在,0,到,360,度的标准色轮上，色相是按位置计量的。,饱和度,用色相中灰色成分所占的比例来表示，,0%,为纯灰色，,100%,为完全饱和。,明度,是指颜色的相对明暗程度，,0%,定义为黑色，,100%,定义为白色。,2、颜色模型（2）RGB,加色法原理,三原色：红、绿、蓝。,互补色：,若两种颜色混合产生白色或灰色，这两种颜色就称为互补色。黄和蓝、红和青、绿和品红,。,红绿黄,红蓝品红,蓝绿青,红蓝绿白,3、彩色变换,彩色的视觉分辨能力比黑白高，方法：,单波段的彩色：,密度分割,多波段的彩色：,彩色合成,HLS,变换,概念：,单波段黑白遥感图像可按,亮度分层,，对每层赋予不同的色彩，使之成为一幅彩色图像。这种方法又叫,密度分割。,（1）单波段彩色变换,（,假彩色密度分割,）,分层方案的确定：,分层方案与,地物光谱差异,对应合适，可以较好地区分地物类别。,以不同的色彩表示图像的色调变化，增强了图像的显示能力,同一地物,或现象可能被分割成两种不同密度并以不同的颜色显示出来，或,同一色彩,却表示两种以上不同的地物，造成判读错误。,效果分析,（2）多波段色彩变换,概念：,依照,加色法彩色合成原理,，选择遥感影像的某三个波段，分别赋予,红、绿、蓝,三原色，合成彩色影像,合成方案：,真彩色合成、假彩色合成,例如：,TM：,Band3、2、1,display as,RGB，称为,真彩色合成,。,TM：,Band4、3、2,display as,RGB，称为,标准假彩色合成,。,多光谱TM影像,TM1：0.45-0.52微米，蓝波段,TM2：0.52-0.60微米，绿波段,TM3：0.63-0.69微米，红波段，,TM4：0.76-0.90微米，近红外波段,TM5：1.55-1.75微米，中红外波段,TM6：10.4-12.5微米，热红外波段,TM7：2.08-2.35微米，中红外波段,在HLS域，,亮度L,分量与地物表面粗糙度相对应，代表地物的空间,几何特征,，,色调H,分量代表地物的主要频谱特征，,饱和度S,表征色彩的纯度。,变换前红、绿、蓝各波段,归一化0，1,亮度值表示为：L,r,、L,g,、L,b,，三者中最大为L,max,，最小为L,min,遥感影像色彩与反射率的对应,传感器接收电磁能量，用化学方法、光电转换,方法将能量记录下来。但是无论是胶片上各点,化学反应的程度、还是数字记录，人还是无法,直接从中快速获取信息。,因此，人们通过一定的规则：对记录介质上,的,记录值与色彩之间建立对应关系,.,1、卫星上的传感器所接受的信号除了地物直接反射的信息外，还混入了其他途径来的辐射，需要做辐射校正把它们去掉。请分析有几种其他辐射进入传感器。有哪些校正方法？,2、介绍回归分析方法。,3、如果不作几何校正，遥感影像有什么问题？几何校正分哪几步进行？,4、什么是最小二乘法？,4.2.1,数字图像,4.2.2,辐射校正,4.2.3,几何校正,第二节 数字图像的校正,4.2.1数字图像,数字图像：,光学图像是模拟量，经,采样和灰度级量化后,成为数字量数字图像。光学图像是连续的，而数字图像是离散的。,一般,，灰度值从0到255，共有256级灰阶。,数字图像的表示：,矩阵函数,进入传感器的,辐射强度,反映在图像上就是,亮度值（灰度值）。,辐射强度大，亮度值（灰度值）就大。,该值主要受,两个物理量影响,：一是太阳辐射照射到地面的辐射强度，二是地物的光谱反射率。,4.2.2辐射校正,（,Radiometric correction,）,辐射畸变：,地物目标的光谱反射率的差异在实际测量时，受到,传感器本身、大气辐射,等其他因素的影响而发生改变。这种改变称为,辐射畸变,。,传感器仪器本身产生的误差,仪器系统工作产生的误差导致了接收的图像不均匀，产生条纹和噪声。,主要表现：灰度失真疵点、离散的灰点、条状和环状干扰、亮度边缘值缺失等亮度失真。,大气对辐射的影响,由于大气吸收、散射作用，大气会消弱原信号强度；同时部分散射光、反射光直接或间接进入传感器，成为干扰信息。,最终表现为：减少了图像的对比度，图像具有灰雾状。,引起辐射畸变的原因：,1.大气影响的定量分析：,2.大气影响的粗略校正：,1.大气影响的定量分析,对传感器接收影响较大的是,吸收和散射,。,到达传感器的辐射亮度：,太阳经大气衰减后照射到地面，经地面反射后，又经大气第二次衰减进入传感器的能量；透过率小于1（L,1,）,各个方向散射光又以漫入射照射地物，经地物反射进入传感器。(L,2,),各个方向散射光直接进入传感器。(L,P,),程辐射度,进入传感器的辐射能的组成：,L=L,1,+L,2,+L,P,大气的主要影响是减少了图像的对比度，使原始信号和背景信号都增加了因子，图像质量下降,。,2.大气影响的粗略校正：,通过简单的方法去掉,程辐射度,（散射光直接进入传感器的那部分），从而改善图像质量。,直方图最小值去除法,回归分析法,:,数字图像直方图：,以每个像元为单位，横坐标代表像元灰度级，纵坐标代表每一灰度级内像素占总像素数的比例。,直方图的作用：,直观地了解图像的亮度值分布范围、峰值的位置、均值以及亮度值分布的离散程度。直方图的曲线可以反映图像的质量差异。,直方图,（）直方图最小值去除法,基本思路,:,每幅图像上都有辐射亮度或反射亮度应为零的地区（阴影、深海水体），而事实上并不等于零,此值应该是,程辐射度值,。将每一波段中每个像元值都减去,本波段的最小值,可消除程辐射度影响。最小值从直方图中发现。,调整前直方图,调整后直方图,亮度值,亮度值,像元数百分比/%,像元数百分比/%,基本思想：,以,红外波段最低值,校正可见光波段。,把红外图象当作无散射的标准图象。,一般来说，大气影响散射主要影响短波部分，其强度随波长的增加而减小，到,红外波段,可能接近于零。把它作为无,散射影响的标准图像,，通过对不同波段图像的对比分析来计算大气影响。,（2）回归分析法,回归分析校正法,60,60,57,61,125,69,58,67,70,64,60,47,61,61,64,54,60,74,红,外,波,段,操作方法：,令红外波段为a波段，其他波段的最小值一定比a波段的大，设为b波段。两波段的像元亮度间具有相关性，以a波段亮度作为自变量、b波段亮度作为函数，作,2维散点图,进行线性回归分析。所得的截距被当做为波段b中所具有的程辐射度。,回归方程为：y=a,4,+b,4,x；,大气改正截距a,4,所,求,波,段,思考,为什么要进行图象的几何处理?,几何处理的内容是什么?,4.2.3几何校正,我们得到的图象一般是未经几何处理的图象，不能直接应用，必须将其投影到需要的,地理坐标系,，对图象进行几何纠正和我们所需要的坐标系一致。研究遥感图像几何变形的前提是必须确定一个图像投影的参照系统，即,地图投影系统,。,遥感图像成图时，由于各种因素的影响，图像本身的,几何形状与其对应的地物形状,往往是不一致的。,1,、遥感影像变形的原因,1）遥感平台位置和运动状态变化的影响：,航高、航速、俯仰、翻滚、偏航。,由于传感器自身的性能技术指标偏移标称数值所造成的。,2,）地形起伏的影响：,产生像点位移。,3,）地球表面曲率的影响：,像点位置的移动,4,）大气折射的影响：,产生像点位移。,5,）地球自转的影响：,产生影像偏离。,（1）、卫星姿态引起的图像变形,位移变化,高度变化,速度变化,偏航变化,俯仰变化,侧翻变化,(,d,),(,d,),(,d,),地球曲率引起的像点位移类似于,地形起伏,引起的像点位移。,h,看作是一种系统的地形起伏,，就可以利用像点位移公式来估计,地球曲率所引起的像点位移,。,地球曲率的变形图示,（3）地球表面曲率的影响,大气密度分布从下向上越来越小，折射率也不断变化，折射后的,辐射传播,不再是直线而变成了,曲线,，从而引起,像点的位移。,（4）大气折射的影响,卫星自北向南运行的同时，地球自西向东自转，相对运动使卫星的,星下点,位置逐渐向西平移，最终使得图像发生扭曲。,（5）地球自转的影响,几何粗校正：,针对,卫星运行和成像过程,中引起的几何畸变进行的校正，仅作,系统误差,校正。,几何精校正,：,消除图像中的几何变形，产生一幅符合某种,地图投影或图形表达要求,的新图像,2 几何畸变校正,遥感图像的几何处理包括两个层次。,第一是遥感图像的,粗加工处理；,第二是遥感图像的,精加工处理。,精校正基本原理：,利用,图像坐标,和,地面坐标,（另一图像坐标、地图坐标等）之间的数学关系，即,输入图像,和,输出图像间,的坐标转换关系实现。,具体步骤：,1）,像素坐标的变换,（利用数学模拟多项式来描述）,（从理论上讲，任何曲面都能用适当高次的,多项式,来拟合。）,2）计算每一点的亮度值。,1）数学模拟二元n次多项式,需找6个已知对应点，这些已知坐标的对应点为控制点。,代入控制点求出坐标变换函数式的系数，确立坐标变换函数式,常采用：二元二次多项式,1）最近邻法：距离实际位置,最近的像元的灰度值,作为输出图像像元的灰度值,2）确定每点的亮度值,原图像对应点的亮度,2）双线性内插：取采样点,周围4个像元的值,参与计算，先计算X方向（或Y方向）上线性内插，所得到的两个内插值再进行Y方向（X方向）上一次内插。,（g1）,（）,3）三次卷积内插：取采样点,周围16个像元,的值参与计算，先对,X方向上,的像元值进行卷积运算，再对所得到的4个值进行,Y方向,上的卷积运算。,-a(1-a),2,1-2a,2,+a,3,a(1+a-a,3,),a,2,(a-1),a=x-i,邻近点对投影点的权重，表示邻近点到投影点的距离,最近邻法,计算量最小,，但处理后的图像的亮,度具有不连续性，线性地物易产生,锯齿状,。,双线性内插法的,精度和计算量适中,，并带有,低通滤波（平滑）,的效果，细节信息丢失，,边缘受到一定的平滑作用。,三次卷积法内插精度高且带有,边缘增强,的效,果，缺点是,运算量大,。,3）控制点的选取,数目的确定,:,最小数目：,大于最低数很多；有时,6,倍于最小数目。,选择的原则,易分辨、易定位的特征点：,道路的交叉口，水库坝址，河流弯曲点等。,特征变化大的地区应多选些。,图像边缘部分一定要选取控制点，以避免外推。,尽可能满幅均匀选取。,N:多项式的次数,1、计算P133页，第10题（1）。,2、线性代数矩阵中的特征值和特征向量的几何意义是什么?,3、主成分分析原理是什么？,4、遥感信息复合的方法有哪些?,第三节 数字图像增强,对比度变换、,空间滤波变换、,彩色变换、,图像运算、,多光谱变换。,一、对比度变换,概念：,是一种通过改变图像,像元的亮度值,来改变图像像元对比度，从而改善图像质量的图像处理方法。,将图像中,过于集中的像元分布,区域（亮度值分布范围）拉开扩展，扩大图像,反差的对比度,，增强图像表现的,层次性,。,方法：,对比度线性变换和非线性变换。,直方图的概念,p113,一般来说，包含大量像元的图像，像元的亮度随机分布应是,正态分布,。,直方图为,非正态分布,，说明图像的亮度分布,偏亮,、,偏暗,或,亮度过于集中,，图像的,对比度小,，需要调整该直方图到正态分布，以改善图像的质量。,线性变换：,在改善图像对比度时，如果采用,线性或分段线性,的函数关系，那么这种变换就是线性变换。,按一定比例对原像元值进行扩大或缩小,调整,线性参数,，改变变换效果,分段式线性变换,非线性变换：,变换函数为,非线性函数,时，即为非线性变换。,（,指数变换、对数变换）,b,2,b,1,a,2,a,1,（x,a,x,b,）,（1）线性变换,变换前亮度值,变,换,后,亮,度,值,分段线性变换,变换前,0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,变换后,0,0,1,1,1,2,2,4,6,8,10,12,13,14,14,15,变换前,变换后,变换前,变换后,指数变换,对数变换,()非线性变换,在亮度值较高部分拉伸，亮度值较低部分压缩。,在亮度值较低部分拉伸，亮度值较高部分压缩。,二、空间滤波,空间滤波：,以突出图像上的某些特征为目的，通过,像元与周围相邻像元的关系,，采取空间域中的,邻域处理方法,进行图像增强方法。,邻域处理：,新影像像元值由原影像上对应,像元及相邻像元的值,来确定。,主要包括,平滑和锐化。,图像卷积运算：,在图像的左上角开一个与,模板,同样大小的活动窗口，,图像窗口,与,模板像元,的,亮度值相乘再相加,，得到新像元的灰度值。,空间滤波的作用,平滑：,消除各种干扰噪声，使影像中,高频成分消退,，平化掉影像的细节，表现为影像模糊。,锐化：,突出,影像边缘、线性目标或某些,亮度变化率大,的部分,，提高影像的细节，常表现为边缘增强。,high-pass filter,（高通滤波）,low-pass filter,（低通滤波）,1、平滑-,图像中出现某些,亮度值过大,的区域，或出现不该有的,亮点时,，采用平滑方法可以减小变化，使,亮度平缓或去掉不必要的亮点,。,均值平滑：,将每个像元在以其为中心的区域内，取,平均值,来代替该像元值，以达到去掉尖锐“噪声”和平滑图像的目的。,中值滤波：,将每个像元在以其为中心的邻域内，取,中间亮度值,来代替该像元值，以达到去掉尖锐“噪声”和平滑图像的目的。,中值（中位值）,在全部数据中排列在中间的数据值,1/9,1/9,1/9,1/9,1/9,1/9,1/9,1/9,1/9,64,60,57,61,125,69,58,60,70,64,60,57,61,61,69,58,60,70,均值滤波：,中值滤波：,57,58,60,60,61,64,69,70,125,2、锐化,突出图像的边缘、线性目标或某些亮度变化率大的部分。,罗伯特梯度：,找到了,梯度较大的位置,，也就找到了,边缘,，用不同的梯度值代替边缘处像元的值，也就突出了边缘。,索伯尔梯度,拉普拉斯算法,定向检测,Smoothing,Edge Enhancement,彩色的视觉分辨能力比黑白高,方法：,三、彩色变换,单波段的彩色：,密度分割,多波段的彩色：,彩色合成,HLS变换：,概念：,单波段黑白遥感图像可按,亮度分层,，对每层赋予不同的色彩，使之成为一幅彩色图像。这种方法又叫,密度分割。,分层方案的确定：,分层方案与,地物光谱差异,对应合适，可以较好地区分地物类别。,1、单波段彩色变换（,假彩色密度分割,）,以不同的色彩表示图像的色调变化，增强了图像的显示能力,同一地物,或现象可能被分割成两种不同密度并以不同的颜色显示出来，或,同一色彩,却表示两种以上不同的地物，造成判读错误。,效果分析,2、多波段色彩变换,概念：,依照,加色法彩色合成原理,，选择遥感影像的某三个波段，分别赋予,红、绿、蓝,三原色，合成彩色影像,合成方案：,真彩色合成、假彩色合成,例如：,TM：,Band3、2、1,display as,RGB，称为,真彩色合成,。,TM：,Band4、3、2,display as,RGB，称为,标准假彩色合成,。,多光谱TM影像,TM1：0.45-0.52微米，蓝波段,TM2：0.52-0.60微米，绿波段,TM3：0.63-0.69微米，红波段，,TM4：0.76-0.90微米，近红外波段,TM5：1.55-1.75微米，中红外波段,TM6：10.4-12.5微米，热红外波段,TM7：2.08-2.35微米，中红外波段,HLS变换是从,RGB模式,转换到,HLS模式,，是颜色从RGB数学表达到另一种数学表达的定量化转换过程。,3、HLS变换,RGB模型 (Red,Green,Blue),RGB模型为图像中每一个像素RGB分量分配一个0255范围内的强度值。例如：,纯红色R,值为255，G值为0，B值为0；,纯绿色G,值为0，G值为255，B值为0；,纯蓝色B,值为0，G值为0，B值为 255；,灰色,的R、G、B三个值相等（除了0和255）；,白色,的R、G、B都为255；,黑色,的R、G、B都为0。,RGB图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现种颜色。,HLS,模型（,Hue,saturation,Lightness-Intensity,）,HLS,色彩模式以,色调（,H,）、饱和度（,S,）和明度（,L,）,描述颜色的基本特征。,色调,在,0,到,360,度的标准色轮上，色相是按位置计量的。,饱和度,用色相中灰色成分所占的比例来表示，,0%,为纯灰色，,100%,为完全饱和。,明度,是指颜色的相对明暗程度，,0%,定义为黑色，,100%,定义为白色。,RGB是从物理学角度出发描述颜色，HLS则是从人眼的主观感觉出发描述颜色。该模型是目前使用较为广泛的融合方法。,在HLS域，,亮度L,分量与地物表面粗糙度相对应，代表地物的空间,几何特征,，,色调H,分量代表地物的主要频谱特征，,饱和度S,表征色彩的纯度。,变换前红、绿、蓝各波段,归一化0，1,亮度值表示为：L,r,、L,g,、L,b,，三者中最大为L,max,，,最小为L,min,四、图像运算,概念,：,两幅或多幅单波段影像，完成空间配准后，通过一系列,运算,，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。,原理：,地物不同波段的光谱差异。,差值运算,比值运算,差值运算,两幅行列数相等的影像，,对应像元值相减,f,D,(x,y)=f,1,(x,y)-f,2,(x,y),差值运算的作用,地物在不同波段上的反射率差异,反映了地物的时间变化,（同一地区不同时相的动态变化）,对应像元的亮度值相除（除数不为0）,f,D,(x,y)=f,1,(x,y)/f,2,(x,y),比值运算的作用,能压抑因,地形坡度和方向,引起的辐射量变,化，消除,地形起伏,的影响；,扩大不同地物的光谱差异,（,可增强某些地,物之间的反差）,比值运算,典型例子,区分植被和非植被,植被在近红外波段的像元值大于可见光波段的像,元值，因此,植被,的NDVI值必定是正值，并且大,于其它,非植被地物,的NDVI值，因此可以通过确,定一个,阈值,来区分,。,用于提取植被类别、估算植被生物量、估算农作,物产量、森林蓄积量,绿色植被在近红外光处为高反射，红光处为低反射,NDVI：,（近红外波段-红光波段）/（近红外波段+红光波段）,对于TM：（TM4-TM3）/(TM4+TM3),突出,植被在红光、近红光上的反射差异特征。,遥感多光谱影像，特别是陆地卫星的TM等传感器，,波段多，信息量大，,对图像解译很有价值。但数据量太大，在图像处理计算时，也常常耗费大量的机时和占据大量的磁盘空间。,实际上，一些波段的遥感数据之间都有不同程度的,相关性,，各相关波段之间存在大量的,数据冗余,。,五、多光谱变换,多,光谱变换,:,针对多光谱影,像,存在的一定程度上的相关性以及数据冗余现象，通过,函数变换,，达到,保留主要信息，降低数据量,增强或提取有用信息,目的的方法。,主要方法有：,K-L,变换（主成分变换）,K-T,变换（主因子变换）,主成分分析,（principal component analysis）：,是着眼于,变量之间的相互关系,，尽可能不丢失信息地用,几个综合性指标汇集,多个变量的测量值而进行描述的方法。,通过采用主成分分析就可以把,影像中所含的大部分信息用假想的少数波段表示出来,，这意味着信息几乎不丢失但数据量可以减少。,四维空间,Y=AX,X,为变换前的多光谱空间的像元矢量,Y,为变换后的主分量空间的像元矢量,A,为变换矩阵,K-L变换,（主成分变换）,目的：,是去除数据之间的相关性，减少冗余。,方法：,它是对某一多光谱图像X.利用K-L变换矩阵A进行线性组合,而产生一组新的多光谱图像Y.,x,2,x,1,5.1.1,KL变换的特点：,(1)从几何意义来看，,变换后的主分量,空间坐标系与,变换前的多光谱空间坐标系相比旋转,了一个,角度,。而且新坐标系的坐标轴一定指向数据信息量较大的方向。以,二维空间,为例，假定某影像像元的,分布呈椭圆状,，那么经过旋转后，新坐标系的,坐标轴一定分别指向椭圆的长半轴和短半轴方向主分量方向,，因为长半轴这一方向的信息量最大。,KL变换的特点：,(2)就变换后的,新波段主分量,而言，它们所包括的,信息量不同,，呈,逐渐减少,趋势。事实上，,第一主分量,集中了最大的信息量，常常,占80,以上。第二、三主分量的信息量依次很快递减，到了第n分量，信息几乎为零。,由于KL变换对不相关的噪声没有影响，所以信息减少时，便突出了噪声，最后的,分量几乎全是噪声,。所以这种变换又可分离出噪声。,K-L变换：,可实现,数据压缩,和,图像增强,。,基于上述特点，在遥感数据处理时常常用KL变换作,数据分析前的预处理,，可以实现数据压缩和图像增强的效果。,在,遥感图像分类,中，常常利用主成分分析算法来,消除特征向量中各特征之间的相关性,，并进行特征选择。,T,变换(缨帽变换)：,性质:(1)仅适用于,TM图像15、7波段,的线性变换;,(2)线性变换矩阵为,66,的常数矩阵,而且是,经验矩阵;,(3)变换后依然得到,6个图像,。其中：第一个图像反映,亮度特征,，是原图像亮度的加权和；第二个图像表示,绿度,，反映,绿色生物量特征,；第三个图像表示,湿度,，反映,土壤的湿度特征,；其余三个分量与地物特征没有明确的对应关系。,第四节 多源信息复合,一、遥感信息的复合,不同传感器的遥感数据复合,不同时相的遥感数据复合,二、遥感与非遥感信息的复合,一、遥感信息的复合,1、不同传感器的遥感数据复合,信息复合前必须配准，以使两幅图像所对应的地物吻合，分辨率一致。,（1）配准：,采用几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算等对,分辨率较小的图像进行重采样,，完成配准。,（2）复合：彩色合成、代换法,。,对TM和SPOT数据进行复合的实例。,乘 积 法,(MLT):,Brovey变换(BT)：,代换法,HLS 变换法(HLS)：,主成分变换(PCT):,影像统计特征上的多维正交线变换。全色数据,代替PCT的第一分量,MLT,ijk,=,(,XS,ijk,PN,ij,),1/2,红色通道层=(R/(R+G+B)*PN,绿色通道层=(G/(R+G+B)*PN,蓝色通道层=(B/(R+G+B)*PN,多光谱影像从红、绿、蓝彩色空间转换,到亮度、色度、饱和度参数的彩色空,间。再用PN数据替代LHS域中的L成分。,RGB HLS,(高分辨率代替I成分)-,RGB,2、不同时相的遥感数据复合,观测地物的类型、位置、轮廓及动态变化是常用。,（1）配准：利用几何校正的方法。,（2）直方图调整：将配准后的直方图调整成一致的直方图，使图像亮度值趋于协调，以便于比较。,（3）复合：,彩色合成法、差值法、比值法。,差值法：,差值后可设定适当阈值，获得只有0与1的二值图像，以突出变化（变化部分为1，非变化部分为0）,比值法：,比值后可设定适当阈值，类别不变的地物一定接近于1，采用二值图像突出变化。,二、遥感与非遥感信息的复合,1、地理数据的网格化,（1）网格数据生成；,（2）与遥感数据配准。,2、最优遥感数据的选取,（直接选取或主成分分析）,3、配准复合：,（1）栅格数据与栅格数据；,（2）栅格数据与矢量数据。,返回,作业：,p133:,第10题,星下点：,卫星与地球中心连线,在地球表面的交点成为星下点。由于卫星的运动和地球自转，星下点在地球表面形成了一条连续的轨迹（星下轨迹）。,HOME,图像信噪比：,是指视频信号的大小与噪波信号大小的比值，两者是同时产生而又不可分离的，噪波信号为无用的信号。,HOME,地理信息系统论坛（GIS FORUM）全球最大的GIS中文门户网站,主要参考网址,