遙感探測影像（簡稱：RS，英文：Remote Sensing Image）是指記錄各種地物電磁波大小的膠片或照片，主要分為航空像片和衛星相片。
基本介紹
- 中文名：遙感探測影像
- 外文名：Remote Sensing Image
- 內容：航空像片和衛星相片
- 英文簡稱：RS
- 釋義：記錄電磁波大小的膠片或照片
- 別名：遙感影像
基本概述,解析度,空間,光譜,輻射,時間,成像方式,航空攝影,航空掃描,微波雷達,解決方案,幀快取技術,多種數據格式,圖像變換,圖像增強,特徵提取,光譜特徵,空間特徵,紋理特徵,
基本概述
用計算機處理的遙感圖像必須是數字圖像。以攝影方式獲取的模擬圖像必須用圖像掃瞄器等進行模/數(A/D)轉換；以掃描方式獲取的數字數據必須轉存到一般數字計算機都可以讀出的CCT等通用載體上。計算機圖像處理要在圖像處理系統中進行。圖像處理系統是由硬體(計算機、顯戰符墊示器、數位化儀、磁帶機等等)和軟體(具有數據輸入，輸出，校正，變換，分類等功能)構成。圖像處理內容主要包括校正、變換和分類。
解析度
空間
空間解析度（Spatial Resolution）又稱地炒員面解析度。後者是針對地面而言，指可以識別的最小地面距離或最小目標物的大小。前者是針對遙感器或圖像而言的，指圖像上能夠詳細區分的最小單元的尺寸或大小，或指遙感器區分兩個目標的最小角度或線性距離的度量。它們均反映對兩個非常靠近的目標物的識別、區分能力，有時也稱分辨力或解像力。
光譜
光譜分辨催備灑提率（Spectral Resolution）指遙感器接受目標輻射時能分辨的最小波長間隔。間隔越小，分兵甩享辨率越高。所選用的波段數量的多少、各波段的波長位置、及波長間隔的大小，這三個因素共同決定光譜解析度。
光譜解析度越高，專題研究的針對性越強，對物體的識別精度越高，遙感套用分析的效果也就越好。但是，面對大量多波段信息以及它所提供的這些微小的差異，人們要恥跨旋直接地將它們與地物特徵聯繫起來，綜合解譯是比較困難的，而多波段的數據分析，可以改善識別和提取信息特徵的機率和精度。
輻射
輻射解析度（Radiant Resolution）指探測器的靈敏度——遙感器感測元件在接收光譜信號時能分辨的最小輻射度差，或指對兩個不同輻射源的輻射量的分辨能力。一般用灰度的分級數來表示，即最暗——最亮灰度值(亮度值)間分級的數目——量化級數。它對於目標識別是一個很有意義的元素。
時間
時間解析度（Temporal Resolution）是關於遙感探測影像間隔時間的一項性能指標。遙感探測器按一定的時間員遙仔趨周期重複採集數據，這種重複周期，又稱回歸周期。它是由飛行器的軌道高度、軌道傾角、運行周期、軌道間隔、偏栘係數等參數所決定。這種重複觀測的最小時間間隔稱為時間解析度。
成像方式
航空攝影
攝影成像是通過成像設備獲取物體的影像技術。傳統攝影成像是依靠光學鏡頭及放置在焦平面的感光膠片來記錄物體影像。數字攝影則通過放置的焦平面的光敏元件，經光/電轉換，以數位訊號來記錄物體的影像。
航空掃描
掃描成像是依靠探測元件和掃描鏡對目標物體以瞬時視場為單位進行的逐點、逐行取樣，以得到目標物的電磁輻射特性信息，形成一定譜段的圖像。
微波雷達
微波成像雷達的工作波長為1mm-1m的微波波段，由於微波雷達是一種自備能源的主動感測器和微波具有穿透雲霧的能力，所以微波雷達成像具有全天時、全天候的特點。在城市遙感中，這種成像方式對於那些對微波敏感的目標物的識別，具有重要意義。
解決方案
遙感探測影像過大，而且數據類型多樣，因此顯示是個問題，現有解決方案：
幀快取技術
這種方案使得拖動較為流暢，但是還是有縫的，即拖動的時候會有黑塊出現，這樣處理的方案是再拖動的時候，計算出需要顯示的東東，存儲在某個對象中，顯示時交換即可。改進方案，因為螢幕一般不過1280×1024，如果以顯示的部分為中心，讀取9倍大小的影像塊(記憶體要的也不過10M)，這樣在拖動的時候，不管怎么拖動都在影像範圍內，這樣拖動就會顯得無縫，在拖動時，還是需要一個快取，來存儲要需用的區域，拖動完的時候進行交換。
多種數據格式
可以在生成金字塔影像的時候，對影像的各個波段進行計算，獲取其灰度分布直方圖，然後顯示的時候進行實時計算，將原始格式轉換為8位點陣圖。
當前的方案是最占硬碟的，將影像的底層也計算到了金字塔之中。而且沒有用到幀快取技術，使得拖動的時候出現跳幀，唉，理論分析很簡單，工程實現麻煩。
校正處理 圖像校正是指從具有畸變的圖像中消除畸變的處理過程，消除幾何畸變的叫幾何校正；消除輻射量失真的叫輻射校正。
圖像變換
圖像交換泛指按一定規則從一幀圖形加工產生另一幀圖像的處理過程，這裡所指的圖像變換主要包括圖像增強和特徵提取兩方面內容。
圖像增強
圖像增強是改善圖像視覺效果的處理。當分析遙感圖像時，為了使分析者能容易確切地識別圖像內容，必須按照分析目的對圖像數據進行加工，目的是提高汽酷棵圖像的可判讀性。圖像校正是消除伴隨觀測而產生的誤差與畸變，使遙感觀測數據更接近於真實值為主要目的的處理；而圖像增強則把重點放在使分析者能從視覺上便於識別圖像內容之上，典型的圖像增強有灰度交換、彩色合成等。
特徵提取
為了利用儀器進行圖像判讀及分析處理，需要從原始圖像數據中求出有益於分析的判讀標誌及統計量等各種參數。對圖像進行變換，突出其具有代表性的特徵的方法，叫特徵提取。特徵提取可以定量地抽出以下三種特徵：
光譜特徵
可提取顏色或灰度或波段間的亮度比等目標物的光譜特徵，例如Landsat的MSS有四個波段，根據某類地物的光譜特徵，採用特定的比值可將其突出出來。
空間特徵
把目標物的形狀、大小、或者邊緣，線性構造等幾何性特徵提取出來，例如把區域斷層明顯突出出來。
紋理特徵
是指周期性圖案及區域的均勻性等有關紋理的特徵。根據構成圖案的要素形狀、分布密度、方向性等紋理進行圖像特徵提取的處理叫做紋理分析。
·圖像分類 利用遙感圖像進行分類，就是對單個像元或比較勻質的像元組給出對應其特徵的名稱，其原理是利用圖像識別技術實現對遙感圖像的自動分類。計算機用以識別和分類的主要標誌是物體的光譜特性，圖像上的其它信息如大小、形狀、紋理等標誌尚未充分利用。
在計算機分類之前，往往要做些預處理，如校正、增強、濾波等，以突出目標物特徵或消除同一類型目標的不同部位因照射條件不同、地形變化、掃描觀測角的不同而造成的亮度差異等。
計算機圖像分類方法，常見的有兩種，即監督分類和非監督分類。監督分類，首先要從欲分類的圖像區域中選定一些訓練樣區，在這樣訓練區中地物的類別是已知的，用它建立分類標準，然後計算機將按同樣的標準對整個圖像進行識別和分類。它是一種由已知樣本，外推未知區域類別的方法；非監督分類是一種無先驗（已知）類別標準的分類方法。對於待研究的對象和區域，沒有已知類別或訓練樣本作標準，而是利用圖像數據本身能在特徵測量空間中聚集成群的特點，先形成各個數據集，然後再核對這些數據集所代表的物體類別。
與監督分類相比，非監督分類具有下列優點：不需要對被研究的地區有事先的了解，對分類的結果與精度要求相同的條件下，在時間和成本上較為節省,但實際上,非監督分類不如監督分類的精度高，所以監督分類使用的更為廣泛。
解決方案
遙感探測影像過大，而且數據類型多樣，因此顯示是個問題，現有解決方案：
幀快取技術
這種方案使得拖動較為流暢，但是還是有縫的，即拖動的時候會有黑塊出現，這樣處理的方案是再拖動的時候，計算出需要顯示的東東，存儲在某個對象中，顯示時交換即可。改進方案，因為螢幕一般不過1280×1024，如果以顯示的部分為中心，讀取9倍大小的影像塊(記憶體要的也不過10M)，這樣在拖動的時候，不管怎么拖動都在影像範圍內，這樣拖動就會顯得無縫，在拖動時，還是需要一個快取，來存儲要需用的區域，拖動完的時候進行交換。
多種數據格式
可以在生成金字塔影像的時候，對影像的各個波段進行計算，獲取其灰度分布直方圖，然後顯示的時候進行實時計算，將原始格式轉換為8位點陣圖。
當前的方案是最占硬碟的，將影像的底層也計算到了金字塔之中。而且沒有用到幀快取技術，使得拖動的時候出現跳幀，唉，理論分析很簡單，工程實現麻煩。
校正處理 圖像校正是指從具有畸變的圖像中消除畸變的處理過程，消除幾何畸變的叫幾何校正；消除輻射量失真的叫輻射校正。
圖像變換
圖像交換泛指按一定規則從一幀圖形加工產生另一幀圖像的處理過程，這裡所指的圖像變換主要包括圖像增強和特徵提取兩方面內容。
圖像增強
圖像增強是改善圖像視覺效果的處理。當分析遙感圖像時，為了使分析者能容易確切地識別圖像內容，必須按照分析目的對圖像數據進行加工，目的是提高圖像的可判讀性。圖像校正是消除伴隨觀測而產生的誤差與畸變，使遙感觀測數據更接近於真實值為主要目的的處理；而圖像增強則把重點放在使分析者能從視覺上便於識別圖像內容之上，典型的圖像增強有灰度交換、彩色合成等。
特徵提取
為了利用儀器進行圖像判讀及分析處理，需要從原始圖像數據中求出有益於分析的判讀標誌及統計量等各種參數。對圖像進行變換，突出其具有代表性的特徵的方法，叫特徵提取。特徵提取可以定量地抽出以下三種特徵：
光譜特徵
可提取顏色或灰度或波段間的亮度比等目標物的光譜特徵，例如Landsat的MSS有四個波段，根據某類地物的光譜特徵，採用特定的比值可將其突出出來。
空間特徵
把目標物的形狀、大小、或者邊緣，線性構造等幾何性特徵提取出來，例如把區域斷層明顯突出出來。
紋理特徵
是指周期性圖案及區域的均勻性等有關紋理的特徵。根據構成圖案的要素形狀、分布密度、方向性等紋理進行圖像特徵提取的處理叫做紋理分析。
·圖像分類 利用遙感圖像進行分類，就是對單個像元或比較勻質的像元組給出對應其特徵的名稱，其原理是利用圖像識別技術實現對遙感圖像的自動分類。計算機用以識別和分類的主要標誌是物體的光譜特性，圖像上的其它信息如大小、形狀、紋理等標誌尚未充分利用。
在計算機分類之前，往往要做些預處理，如校正、增強、濾波等，以突出目標物特徵或消除同一類型目標的不同部位因照射條件不同、地形變化、掃描觀測角的不同而造成的亮度差異等。
計算機圖像分類方法，常見的有兩種，即監督分類和非監督分類。監督分類，首先要從欲分類的圖像區域中選定一些訓練樣區，在這樣訓練區中地物的類別是已知的，用它建立分類標準，然後計算機將按同樣的標準對整個圖像進行識別和分類。它是一種由已知樣本，外推未知區域類別的方法；非監督分類是一種無先驗（已知）類別標準的分類方法。對於待研究的對象和區域，沒有已知類別或訓練樣本作標準，而是利用圖像數據本身能在特徵測量空間中聚集成群的特點，先形成各個數據集，然後再核對這些數據集所代表的物體類別。
與監督分類相比，非監督分類具有下列優點：不需要對被研究的地區有事先的了解，對分類的結果與精度要求相同的條件下，在時間和成本上較為節省,但實際上,非監督分類不如監督分類的精度高，所以監督分類使用的更為廣泛。
