遥感图像分析、分类与变化检测

"Image Analysis, Classification and Change Detection in Remote Sensing 是一本关于遥感图像分析、分类和变化检测的专业书籍，作者Morton John Canty详细介绍了相关算法在ENVI/IDL环境中的应用。" 该书内容涵盖了多个重要的遥感与图像处理领域的知识点： 1. 图像、数组和向量： - 多光谱卫星图像：这是遥感的基本元素，通过不同波段的图像数据来获取地表信息。 - 向量和矩阵的代数：在图像处理中，向量和矩阵用于表示和操作图像数据，进行各种运算如加减、乘除以及转置等。 - 特征值和特征向量：在图像分析中，它们用于理解和描述图像的结构和特性，例如主成分分析（PCA）就涉及这些概念。 2. 图像统计： - 随机变量：遥感图像的像素值通常具有随机性，理解其统计特性对分析图像至关重要。 - 正态分布：在许多自然现象中，像素强度分布可能符合正态分布，这对于理解和标准化数据很有帮助。 - 特殊函数：书中可能会介绍如累积分布函数（CDF）、概率密度函数（PDF）等，这些在计算图像概率特性时使用。 - 条件概率和贝叶斯定理：这些是处理不确定性信息和分类问题的基础。 - 线性回归：用于分析像素值与特定变量之间的关系。 3. 变换： -傅里叶变换：图像的频域分析工具，用于提取空间信息的频率成分。 -离散傅里叶变换（DFT）：将图像转换到频域，以便进行滤波或特征提取。 -离散傅里叶变换的图像应用：如频域滤波、图像复原等。 -小波变换：提供多尺度分析，适用于图像压缩和边缘检测。 -主成分分析（PCA）：降维技术，用于发现数据的主要方向和减少冗余。 -最小噪声分数（MNF）：一种去噪和增强图像的方法，通过分离信号和噪声。 -最大自相关因子（MAF）：用于图像分类和特征提取，增强类间差异。 4. 辐射增强： -查找表：用于调整图像的显示，例如对比度增强。 -直方图均衡化：改善图像的整体对比度，使图像的亮度层次更均匀。 -直方图匹配：调整图像的直方图，使其与另一图像的直方图匹配，实现视觉一致性。 -卷积：用于图像滤波和特征提取，例如拉普拉斯高斯滤波器用于边缘检测。 5. 地形建模： - RST变换（辐射立体地形）：校正地形引起的光照影响，提高图像分析的准确性。 -成像变换：可能包括其他几何校正方法，如投影变换、偏移校正等。 以上内容是遥感图像分析的核心组成部分，书中详细阐述了这些概念和技术如何在实际应用中操作，为读者提供了深入理解遥感图像处理和分析的框架。