遥感地质学课设

遥感地质学课程作业

学 院： 专 业： 班 级： 学 号： 授课教师： 学生姓名：

2 年 月 日

目视解译与计算机解译

一、

对裁剪好的花溪影像图进行监督分类

在进行监督分类之前，需要进行感兴趣区的划分，感兴趣区划分为“耕地-Yellow3、林地-Green3、草地-Green1、沙地-White、水体-Blue、住宅地-Magenta”5个兴趣区，为影像图分类打下可行基础。如图：

最大似然分类假定各类统计值在各个波段均呈正态分布，并计算给定像元属于一特定类别的可能性。除非选择一个可能性阈值，所有像元都将参与分类。每一个像元被归到可能性最大的那一类里。这种方法算法较复杂些，但是效果往往会好些，所以比较通用。

1. 步骤：

1.1 在ENVI中打开已经裁剪过的花溪行政区遥感影像图。

1.2 选择Classification>Supervised> Maximum Likelihood,出现

Classification Input File 对话框，选择花溪TM 作为分类文件。出现Maximum Likelihood Parameters 对话框

1.3 设置好各项参数后得到分类处理后的

影像图分类图。

结论：使用计算机进行遥感影像解译，大大减少了人工工作量，但是对于解译的结果来说，却不是很理想，有很多地方解译存在明显错误；比如在解译“水体”时，从影像图上看“水体”近似显示的是黑色，但在影像图上同时还有个“山体阴影或云层阴影”导致的黑色面域，这时计算机就不能分辨出“水体”和“阴影”从而发生解译错误。 如

图：

上图中小窗口部分显示的解译结果为“水体”，实际结果则是“山体阴影”。

二、 对贵阳影像图进行目视解译分类

根据地理位置，我们可以知道位于

影像图正南方向的区域是花溪行政区，从水体的遥感图像显示出的特性及地理位置可以推断出，位于影像图西南方向的黑色区域部分为水体，并且以从上到下，从左到右的顺序来说，这三个黑色区域分别对应“百花水库”、“红枫湖”、“阿哈水库”。

从影像图看，图中有比较明显的浅蓝色色彩、浅红色色彩、深红色色彩，这三种色彩代表了三种不同的实体，根据其他已知的贵阳遥感影像资料图和地理位置资料的参照对比分析，可以推断出浅蓝色区域为城市住宅区用地，浅红色区域为草地或灌木草地，深红色区域为林地。故总的分类有：住宅地-浅蓝色、林地-深红色、草地-浅红色、水体-黑色。

三、 遥感图像目视解译与计算机解译

目视解译：指专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。

遥感图像计算机解译：又称遥感图像理解（Remote Sensing Imagery Understanding），它以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征（颜色、形状、纹理与空间位置），结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译。

通过目视解译，可以核查遥感图像处理的效果或计算机解译的精度，查看它们是否符合地域分异规律，这是遥感图像计算机解译的一项基础工作。忽视目视解译在遥感图像处理和计算机解译中的重要作用，不了解计算机处理过程中的有

关图像的地学意义或物理意义，单纯强调计算机解译或遥感图像理解，有可能成为一种高水平的计算机游戏。计算机技术的日益发展，会更加迫切要求运用目视解译的经验和知识指导遥感图像计算机解译，从这点来看，目视解译是遥感图像计算机解译发展的基础和起始点。

计算机解译遥感影像图时往往由于信息量过于丰富，从而对解译精度造成影响，同时还应考虑到地域性、季节性和不同成像方式造成的解译影响。

总的来说目视解译可以提高计算机解译的精度，但是工作效率低；计算机解译可以减少目视解译的工作量，加大工作效率，但是解译时容易出错,这时就需要人工目视解译来纠正。