第一篇：圖像解譯復習總結(jié)

名詞解釋（40‘）簡答（4*10’）綜合（20‘）第一章

1.遙感提供哪些信息？可以用來干什么？ 空間、屬性、變化

現(xiàn)狀（衛(wèi)星視頻，選址，石油儲備，難民，城市etc）2.技術(shù)流程

**地物信息的傳遞過程涉及的環(huán)節(jié)

3.解譯方法（分類器）

遙感圖像解譯的任務與實施 目的：

信息提取：地表覆蓋土地利用類別提取地物各組成部分和存在于其它地物的內(nèi)涵的信息、相關(guān)信息。

方法：從遙感圖像上提取地物信息所需要的的基礎(chǔ)理論和實踐方法。

4.眾源（VGI）雷達、光學、GIS、歷史產(chǎn)品、POI 遙感技術(shù)發(fā)展，導致數(shù)據(jù)的迅速積累，為多種來源的信息進行復合處理和綜合分析提供可能，同時還促使建立起全面收集、整理和檢索這些數(shù)據(jù)的空間數(shù)據(jù)庫及管理系統(tǒng)，建立一些地學分析模型、計量分析模型或進行其它相關(guān)研究與綜合分析。

空間尺度

尺度是指觀測和描述物體、結(jié)構(gòu)和過程的空間維。從地理學的角度 p135 空間異質(zhì)性(尺度是空間異質(zhì)性的量度單位)指某個變量在空間上分布的不均勻性及復雜程度，是自然現(xiàn)象固有的屬性?？臻g異質(zhì)性的程度不僅取決于自然現(xiàn)象的本身，也依賴于測量尺度大小

遙感圖像尺度

根據(jù)應用目的和要求不同，每個傳感器具有不同的特性，即不同的遙感平臺和傳感器所獲得的圖像的空間分辨率、光譜分辨率、輻射分辨率和時間分辨率是不相同的。

第二章 遙感研究對象的特性 地理單元

地理綜合體是一個相對封閉的自然地段，它通過發(fā)生在內(nèi)部的諸自然過程和地理組成成分的相互依存性而構(gòu)成一個整體。其成分有同質(zhì)與異質(zhì)之分，所有高級地理綜合體，它們的異質(zhì)程度隨等級升高和單元規(guī)模擴大而增大。地理綜合體從低級到高級單元，其內(nèi)部相似性逐漸減少，而相互間差異性逐漸增大。1.反射（光學影像）

（1）典型目標波譜特性（水體，植被指數(shù)，紅邊藍移（不健康，病蟲害，氮碳壓迫）水體的發(fā)射特性 線顯示出近紅外的“陡坡”效應

水體比熱大，熱慣量相對大，對紅外波段幾乎全吸收，自身輻射率高。水體表面保持相對均一的溫度，紅外線找水的理論依據(jù)（2）高光譜 解決同物異譜、異物同譜 離散→連續(xù)

同譜異物：在某一個譜段區(qū)，兩個不同地物可能呈現(xiàn)相同的譜線特征；目視效果？ 同物異譜：可能同一個地物，處于不同狀態(tài)，如對太陽光相對角度不同，密度不同，含水量不同等等，呈現(xiàn)不同的譜線特征。2.發(fā)射（熱紅外影像）

（1）功能區(qū)&非功能區(qū)

（2）LST 地表溫度（連續(xù)）? 地面站點 地表空氣溫度（離散）3.主動（雷達影像）

在機載雷達圖像上，依據(jù)植物群聚的郁閉度和密度，以相對于地面高度等對雷達波后向散射的強弱造成的影像色調(diào)和影紋結(jié)構(gòu)來識別其為何種群落。

（1）無顏色，有明暗（2）城市化（雷達VS光譜）時間特征: 一是自然變化過程，即其發(fā)生、發(fā)展和演化；

二是節(jié)律，既事物的發(fā)展在時間序列上表現(xiàn)出某種周期性重復的規(guī)律。時相變化：

遙感研究時相變化，主要反映在地物目標光譜特征隨時間的變化而變化上。處于不同生長期的作物，光譜特征不同，即光譜響應的時間效應，可以通過動態(tài)監(jiān)測了解它的變化過程和變化范圍。

充分認識地物的時間變化特征以及光譜特征的時間效應，有利于確定識別目標的最佳時間，提高識別目標的能力。

第三章 遙感數(shù)據(jù)的物理屬性和成像性能 1.空間分辨率和比例尺（1）尺度&衛(wèi)星、傳感器（2）解譯標志

遙感圖像量測性能：對地物細部和在其上的各個物體之間幾何關(guān)系的再現(xiàn)能力。真正對遙感圖像量測性能及其上地物細部的再現(xiàn)能力有決定性作用的是圖像的比例尺。對于遙感圖像而言，主要是數(shù)字圖像，決定其圖像量測性能及其上地物細部的再現(xiàn)能力的主要是幾何分辨率。

2.光學特性知識規(guī)則，訓練建模 光譜分辨率研究的重要作用：（1）開拓了遙感應用領(lǐng)域

從利用綜合波段記錄電磁波信息，到分波段分別記錄電磁波的強度，可以把地物波譜的微弱差異區(qū)分并記錄下來，使遙感應用范圍逐步擴大；（2）專題研究中波譜段的選擇針對性越來越強；（3）信息提取可以提高分析解譯效果。

對于復雜的目標進行分離提取或解譯時，往往不僅要利用其特征波段內(nèi)的差異，還要利用各波段間的差異。

3.光譜標志可變性：物體本身的某些特性會影響著它們的光譜響應標志 用傳感器測得的光譜響應常能分辨出它們的類型和條件。依據(jù)是什么？反射光譜曲線和發(fā)射光譜曲線。

地物的光譜特性標志——對不同波長下的特定地面物體取得的自然輻射測定值。導致光譜響應標志是可變的！

導致光譜響應標志可變性的因素時間效應、空間效應和大氣的影響等。

由于光譜響應標志的可變性，需要參比數(shù)據(jù)。

獲取參比數(shù)據(jù)收集遙感待測目標、區(qū)域或現(xiàn)象的某些量測值或觀測值。這些數(shù)據(jù)可以從一個來源或數(shù)個來源取得。

4.輻射特性重要性

對于某一個波段的圖像，地物特征的識別主要依賴于它們的光譜響應及其變化。如地物的形狀與大小，仍然依賴于它的輻射特征與周圍物體的不同（即色調(diào)的變化）來反映?？臻g特征中的紋理結(jié)構(gòu)，也是通過較小區(qū)域內(nèi)光譜響應特征（色調(diào)）的變化頻率來反映。輻射特征與成像方式有關(guān) 5.熱輻射→土壤&水

地物的輻射功率與溫度和發(fā)射率成正比在熱紅外像片上其灰度 與輻射功率成函數(shù)關(guān)系高分熱影像的應用 6.雷達特性 反射&地物特性

地形起伏與反射強度的關(guān)系 各種表面的反射 7.時間特性

時間分辨率：不同傳感器的時間分辨率與目標的時間性關(guān)系作用 時間分辨率的作用

選擇最佳成像時間的決定因素；遙感動態(tài)應用方面的重要作用；利用時間差以提高遙感的成像率和解像率。數(shù)據(jù)庫更新的重要參考因素；利用遙感圖像解譯監(jiān)測地面的動態(tài)變化。

第四章 遙感數(shù)據(jù)的信息性能 圖像的信息性能

圖像的一種能力，在可理解的形式中反映地物和現(xiàn)象的詳盡程度，這個詳盡程度是識別自然現(xiàn)象、識別地球物理成因、識別靜止和運動狀態(tài)中的自然和人工地物所必須的。

反映所傳遞的這些地面信息的質(zhì)量和數(shù)量，將遙感圖像的成像能力、量測能力和信息容量等三個特性統(tǒng)一在一起。

1.不同形狀地物對識別概率曲線的影響（公式理解）

圖像分解力：在一mm長的圖像上能夠?qū)⒔^對反差的線條分開成像的數(shù)量 圖像解像力：圖像上最小的、但還能分辨的地物尺寸。

圖像清晰度：表示傳遞地物形狀的能力，決定目視觀測中有效的放大極限。

簡單地物：2.復雜地物≠簡單地物概率加權(quán)和 3.場景識別概念方法

第五章 遙感圖像特征和解譯標志

1.解譯標志 ：遙感圖像光譜、輻射、空間和時間特征決定圖像的視覺效果、表現(xiàn)形式和計 算特點，并導致物體在圖像上的差別。

圖像解譯建立在研究地物性質(zhì)、電磁波性質(zhì)及影像特征三者的關(guān)系之上。主要從影像特征來判斷電磁波的性質(zhì)，以確定地物的屬性，即從影像特征來識別地物。地物電磁波特征的差異在影像上的反映就是各種各樣的色、形信息。色：色調(diào)、顏色、陰影、反差； 形：形狀、大小、空間分布、紋理等。

解譯標志可區(qū)分如下：色調(diào)與色彩、形狀、尺寸、陰影、細部（圖案）、以及結(jié)構(gòu)（紋理）等。

揭示標志在目視觀察時借以將物體彼此分開的被感知對象的典型特征。

包括形狀、尺寸、細部、光譜輻射特性、物體的陰影、位置、相互關(guān)系和人類活動的痕跡。揭示標志的等級決定于物體的性質(zhì)、它們的相對位置及與周圍環(huán)境的相互作用等

解譯標志——揭示標志

由識別的觀點來看，解譯標志就是以遙感圖像的形式傳遞的揭示標志。

解譯標志是研究、比較和區(qū)分地物圖像的條件。這項工作的結(jié)果用于地物圖像的識別。但是在多數(shù)情況下，基于遙感圖像識別地物并作出決定時，似乎并不是利用解譯標志，而是利用揭示標志。

2.直接特征：對比度、亮度etc.直接約束

地物本身和它們的遙感圖像所固有的

間接特征： eg.非植被→陰影→房屋 缺點？優(yōu)點？

3.各種特征 ①色調(diào)與色彩：

（1）可見光黑白圖像，地物的亮度和顏色都由色調(diào)來表達，即黑白深淺的程度。（2）可見光彩色圖像，表現(xiàn)為亮度(I)，色調(diào)(H)和飽和度(S)值。（3）非可見光遙感圖像，熱紅外圖像上色調(diào)差別是物體輻射溫度的差別；側(cè)視雷達圖像上色調(diào)差別是表示物體反射電磁波能量的大??；多光譜圖像對彩色物體的色調(diào)判讀，要按反射率的強弱與波長之間的關(guān)系來定。②形狀(輪廓）：形狀一般指物體或圖形由外部的面或線條組合而呈現(xiàn)的外表。③大小(尺寸)：圖像上地物的大小，與圖像的空間分辨率有關(guān)，地物本身的尺寸有關(guān)。④陰影:(1)可見光范圍內(nèi)的陰影分為本影和落影；(2)熱紅外圖像上的陰影一般由溫度較低的地段所致。(3)對于雷達圖像而言，其盲區(qū)可產(chǎn)生陰影。

⑤ 圖案（細部):圖案指地物的某種組合，可以是同類地物的組合，也可以是不同類地物的組合，它與紋理的主要區(qū)別在于圖案重復出現(xiàn)。

⑥紋理（結(jié)構(gòu)):紋理是由許多細小的地物的色調(diào)重復出現(xiàn)組合而成，是單一的細部特征的集合。

⑦地物關(guān)系:利用臨近區(qū)域的已知地物或現(xiàn)象的圖像，根據(jù)地學規(guī)律，對遙感圖像進行觀察，通過比較和“延伸”,從而對地物或現(xiàn)象進行辨認。

⑧位置與位置算子:位置是指地物所處環(huán)境在圖像上的反映，即圖像特定位置上目標(地物)與背景(環(huán)境)的關(guān)系。它對圖像解譯有間接的指引作用。

第一級是色調(diào)與色彩，第二級是形狀、尺寸、紋理，第三級是圖型、高度、陰影，第四級是變化、位置、關(guān)系。

紋理分析 有空間范圍、重復出現(xiàn)的

其一：依據(jù)它的圖像特征，主要從紋理的物理意義角度加以分析，包括紋理強度、紋理密度、紋理方向、紋理長度、紋理寬度等。

其二：將紋理的的圖像特征與它的地理意義相聯(lián)系。

灰度共生矩陣法：對圖像的所有像素進行統(tǒng)計調(diào)查，一邊描述其灰度分布的一種方法，此方法是圖像灰度的二介統(tǒng)計量，是一種對紋理的統(tǒng)計分析方法。

灰度共生矩陣：定義為從灰度為i的點和某個固定的位置（相距d,方向為?）的、灰度為 j的點——同時出現(xiàn)的概率。往往合適地選擇d，而?則取0，45，90，135度

GLCM紋理特征能夠有效的補充高分辨率影像的光譜信息，提高目標提取與分類的精度；若區(qū)域內(nèi)像素群灰度值較平滑（同質(zhì)性區(qū)域），則GLCM矩陣主對角線的元素的值會較大；如果該區(qū)域內(nèi)像素的灰度是隨機分布的，則共生矩陣的所有元素呈現(xiàn)相似的頻率。

二次統(tǒng)計量：灰度共生矩陣并不能直接提供紋理信息（實際上可以，而且效果可能更好。。。）為了描述紋理的狀況，需要在灰度共生矩陣的基礎(chǔ)上再提取能綜合表現(xiàn)灰度共生矩陣狀況的紋理特征量，稱為二次統(tǒng)計量。

GLCM實施的幾個關(guān)鍵問題，包括（1）紋理測度的選擇，（2）分析窗口的大?。?）紋理計算的基影像

g.位置是指地物所處環(huán)境在圖像上的反映，即圖像特定位置上目標(地物)與背景(環(huán)境)的關(guān)系。它對圖像解譯有間接的指引作用。

4.地物關(guān)系 在遙感圖像解譯中，經(jīng)常利用臨近區(qū)域的已知地物或現(xiàn)象的圖像，根據(jù)地學規(guī)律，對遙感圖像進行觀察，通過比較和“延伸”，從而對地物或現(xiàn)象進行辨認。這種方法的主要依據(jù)就是一種地物的存在常與其它一些地物的存在有關(guān)系，因而地物關(guān)系成為了一個間接的解譯標志。（高層 陰影房屋共生）4.解譯要素

5.永久性標志&臨時性標志：永久性標志是形狀、尺寸、結(jié)構(gòu)（圖案）、位置和物體之間的聯(lián)系；臨時性的標志是細部、色調(diào)（顏色）、陰影和物體作用的痕跡。臨時性的標志與圖像特征的可變性和局限性有關(guān)。有多種因素可以導致同一地物或現(xiàn)象的圖像特征發(fā)生變化，主要包括空間環(huán)境變化、時間變化、地物本身的特性以及傳感器的性能。6.SAR的特征和標志

7.面向?qū)ο蟮淖R別（由像素到對象、柵格到矢量、離散到連續(xù)）8.多角度（角度→高度，加入解譯標志）獲取信息更為豐富。但是也有一定的難度。幾何糾正問題：分辨率不一致；局部形變不一樣 相同地物在不同的角度具有不同的灰度值。第六章 遙感圖像解譯方法

1.計算機輔助分類方法（什么方法提高精度）

分類：分類依據(jù)、使用特征、分類方法、提高精度的途徑和方法、不同應用目的對圖像的要

求、優(yōu)缺點、注意問題

基于目標的信息提?。侯悓哟谓Y(jié)構(gòu)以及提取信息的內(nèi)容 基于模糊理論的信息提取

優(yōu)點：利用隸屬度函數(shù)將分割獲取的圖像對象特征轉(zhuǎn)化為模糊值；不同特征之間可以組合，這樣的特征不需要是相同的特征；提供了明確的和可調(diào)整的特征描述；通過模糊運算和層次類型描述，能夠進行復雜的特征描述。

特征值模糊化

將一個確定值轉(zhuǎn)換成模糊值，對每個特征值轉(zhuǎn)換為一個隸屬度值，其范圍零到一。這個值的轉(zhuǎn)換由成員函數(shù)確定，成員函數(shù)的確定是模糊化特征值的關(guān)鍵。

2.分類器

最鄰近法：基于知識的分類，利用隸屬度函數(shù)。需要對每一個類分別定義樣本，并且在特征空間中比較未知目標和樣本之間的距離。

基于知識的分類：成員函數(shù)將特征模糊化[0，1]后，通過邏輯運算組合起來進行類賦值的計算。一般有兩種情況單個情況、多個情況的組合

分類的關(guān)鍵：特征的可選擇性以及可分離性。多尺度分割提供大量的特征，選擇最佳的有利于信息提取的特征是基于目標的分類的關(guān)鍵所在。

3.混淆矩陣

分類的精度指標：總體精度、Kappa 系數(shù)、混淆矩陣（可能性）、生產(chǎn)者（制造者）精度、用戶精度。

混淆矩陣（百分比）地表真實（百分比）顯示了每個地表真實分類中類分布的百分比。數(shù)值通過每個地表真實欄里的像元數(shù)除以一個給定地表真實類中的像元總數(shù)得到。OA(總體精度)總體精度由被正確分類的像元總和除以總像元數(shù)計算。地表真實圖像或地表真實感興趣區(qū)限定了像元的真正分類。被正確分類的像元沿著混淆矩陣的對角行分布，它顯示出被分類到正確地表真實分類的像元數(shù)。像元總數(shù)是所有參與地表真實分類的像元總和。

Kappa系數(shù)：所有地表真實分類中的像元總數(shù)(N)乘以混淆矩陣對角行的和，再減去一類中地表真實像元的總和與這一類中被分類的像元總數(shù)的積，再除以總的像元數(shù)的平方減去這一類中地表真實像元與這一類被分類的像元總數(shù)的積得到的。

制圖精度或生產(chǎn)者精度：是指分類器將整個影像的像元正確分為A類的像元數(shù)（對角線值）與A類真實參考總數(shù)（混淆矩陣中A類列的總和）的比率

用戶精度：是指正確分到A類的像元總數(shù)（對角線值）與分類器將整個影像的像元分為A類的像元總數(shù)（混淆矩陣中A類行的總和）比率

6.混合像元分解

混合像元：一個像元內(nèi)僅包含一種地物，則這個像元稱為典型像元，該類地物稱為典型地物。一個像元內(nèi)包含幾種地物，稱該像元為混合像元。

混合像元分解：如果每一混合像元能夠被分解而且它的覆蓋類型組分(端元組分)占像元的百分含量(豐度)能夠求得，分類將更精確，因混合像元的歸屬而產(chǎn)生的錯分、誤分問題也就迎刃而解，即混合像元分解。

分解像元光譜的關(guān)鍵問題：

與參考光譜進行匹配。光譜的差異表示像元中非目標地物的特征。

該特征通常用于從圖像像元中自動地挑選用于作為背景的像元（如裸土），并確定剔除背景的量。剩余像元光譜，如背景剔除后的作物光譜，與參考光譜比較，如果在指定的容差范圍內(nèi)有匹配的光譜，則認為此像元包含感興趣地物。剔除的背景數(shù)量表明在當前像元中有多少感興趣地物。

特點：不能確定感興趣地物在像元中的位置，可以確定像元中是否包含感興趣地物以及包含的量。

線性光譜混合求解

假設(shè)：圖像中單一混合像元的光譜反應為各種純地物參考光譜的線性組合，利用已知的參考光譜可以求出一個混合像元內(nèi)各參考光譜所占的比例。線性混合模式可以一個線性矩陣方程式來描述：

提高混合像元分解精度的可能性

最佳端元光譜的選擇，選擇最能代表影像的全部端元，達到增加了不同端元光譜差距的目的，提高分解精度。減小端元內(nèi)部的變化。擴展傳統(tǒng)混合光譜分解模型。選擇性進行端元光譜的分解。

混合像元分解的具體步驟：端元提取、混合模型選取、混合像元分解

像元二分模型

假設(shè)1：像元只有兩部分構(gòu)成，例如，有植被覆蓋的地表與無植被覆蓋的地表。

假設(shè)2：所得到的光譜信息也只有這兩個組分因子線性合成，它們各自的面積在像元中所占

的比率即為各因子的權(quán)重，其中植被覆蓋的地表占像元的百分比即為該像元的植被覆蓋度。

第二篇：遙感圖像解譯實習報告

遙感圖像解譯課程

綜合實習

實習報告

學院：遙感信息工程學院

班級：10011

學號：20103025900

姓名：李祥

指導老師：劉繼琳

一、實習目的與意義

1.掌握遙感影像的目視判讀方法和流程，能夠?qū)禅B影像、SPOT影像和航拍影像進行目視解譯；

2.學會使用圖紙制作遙感影像底圖并清繪遙感影像； 3.掌握實地調(diào)繪、核實和補測的基本方法；

4.學會使用ERDAS軟件進行數(shù)字化成圖，并制作專題圖。

二、實習資料與設(shè)備

在進行內(nèi)業(yè)清繪和外業(yè)調(diào)繪階段，實習資料有2002年的快鳥影像一張、2002年的SPOT影像一張、2007年的航空影像一張、轉(zhuǎn)印紙三張。

在進行室內(nèi)計算機成圖階段，實習資料有2007年的航空影像一張、2002年的快鳥影像一張以及ERDAS軟件。

三、實習原理

一）遙感圖像解譯標志

1)色調(diào)（tone）：全色遙感圖像中從白到黑的密度比例叫色調(diào)（也叫灰度）。如海灘的砂礫色調(diào)標志是識別目標地物的基本依據(jù)，依據(jù)色調(diào)標志，可以區(qū)分出目標地物。

2)顏色（colour）：是彩色遙感圖像中目標地物識別的基本標志。日常生活中目標地物的顏色:遙感圖像中目標地物的顏色:地物在不同波段中反射或發(fā)射電磁輻射能量差異的綜合反映。彩色遙感圖像上的顏色:真假彩色 3)陰影（shadow）：遙感圖像上光束被地物遮擋而產(chǎn)生的地物的影子

根據(jù)陰影形狀、大小可判讀物體的性質(zhì)或高度。不同遙感影像中陰影的解譯是不同的

4)形狀（shape）：目標地物在遙感圖像上呈現(xiàn)的外部輪廓。

遙感圖像上目標地物形狀:頂視平面圖 解譯時須考慮遙感圖像的成像方式。

5)紋理（texture）：內(nèi)部結(jié)構(gòu)，指遙感圖像中目標地物內(nèi)部色調(diào)有規(guī)則變化造成的影像結(jié)構(gòu)。如航空像片上農(nóng)田呈現(xiàn)的條帶狀紋理。紋理可以作為區(qū)別地物屬性的重要依據(jù)。二）目視解譯流程

四、實習步驟

實習過程可分室內(nèi)判讀和外業(yè)實地調(diào)繪以及內(nèi)業(yè)數(shù)字化成圖三個步驟。室內(nèi)判讀是利用2002年10月獲取的0.6米分辨率的快鳥衛(wèi)星遙感影像和2.5米分辨率的SPOT5（實際是2.5米全色與5米多光譜數(shù)據(jù)融合的）數(shù)據(jù)制作正射影像圖，根據(jù)室內(nèi)判讀方法，對圖斑的形狀、大小、色調(diào)、位置、紋理等特征進行對照分析，依照分類規(guī)則，按10種地物類別進行判讀解譯，勾繪圖斑工作底圖，然后再與2002年土地利用現(xiàn)狀數(shù)據(jù)進行比較，發(fā)現(xiàn)變化要素并將其繪制到工作底圖上。對于無法從室內(nèi)確定是否發(fā)生變化的圖斑，或變化不明確的，要進行外業(yè)實地調(diào)查，以確保更新的準確性。外業(yè)調(diào)繪則對變化要素進行實地調(diào)繪、核實和補測。通過以上的工作步驟，完成對華農(nóng)幅2002版土地利用現(xiàn)狀圖進行復核更新。內(nèi)業(yè)數(shù)字化成圖則利用遙感圖像處理軟件ERDAS進行。具體步驟如下：

一）內(nèi)業(yè)判讀

內(nèi)業(yè)判讀主要是解譯人員根據(jù)自己的專業(yè)知識、地理區(qū)域知識、遙感系統(tǒng)知識從遙感影像中提取遙感信息、反演地面原型的目視判讀方法，然后繪制底圖。

1)圖像解譯

遙感解譯的實質(zhì)是個分類過程，即根據(jù)遙感圖像的光譜特征、空間特征、時間特征，按照解譯者的認識程度，或是自信程度和準確度，逐步進行目標的探測、識別和鑒定的過程。首先確定一個目標或特征的客觀存在，在更高一層的認識水平上去理解目標或特征，并把它粗略地定為某個十分普通的、大類別中的一個實體，再進一步根據(jù)圖像上目標的細微特征，已足夠的自信度和準確度，將上述識別的這個實體，劃歸在某一種特定的類別中。

遙感圖像的解譯是從遙感影像特征入手的，包括色調(diào)或顏色、陰影、大小、形狀、紋理、圖案、位置、組合等。2)繪制底圖

根據(jù)提供的遙感圖像，將轉(zhuǎn)印紙覆蓋在07年的航片和02年的SPOT影像上，進行草圖勾繪。

在進行勾繪時，需要注意勾繪出主要地物，包括主要道路、建筑物、河流等，這樣一些地物在實地勘察是具有重要的指向作用，保證了外業(yè)調(diào)繪的有效地進行。對于航片的初步勾繪，詳略應該得當，如果繪制的過于細致，則會導致勾繪圖上分不清具體的地物；如果勾繪的過于粗略，則會導致不能充分的反映影像內(nèi)容而造成外業(yè)勘察的困難。

我們組測區(qū)是華中農(nóng)業(yè)大學西北角，占較大面積的地物有農(nóng)田、苗圃、水系、裸地、道路和建筑。

根據(jù)解譯標志。分別在快鳥影像和SPOT上解譯出以下地物：

農(nóng)田：在影像上一般呈現(xiàn)綠色調(diào)，而且形狀大多較規(guī)則，呈方塊狀緊密連在一起，紋理較均勻；

苗圃：色調(diào)呈淺黃色，形狀較規(guī)則，紋理也較均勻，但沒有農(nóng)田均勻； 水系（包括魚塘等）：在圖像上占最大面積，呈深藍色，幾乎無紋理； 道路：呈條帶狀，色調(diào)為白色；

建筑（房子）：片狀分布，呈矩形緊致連在一起，并且有陰影。

快鳥影像比SPOT影像的分辨率更高，所以影像更清晰，顏色層次更鮮明，區(qū)域邊界更明顯，紋理和陰影更易識別。

二）外業(yè)實地勘察

根據(jù)所繪制的草圖，結(jié)合Google路線圖，開展外業(yè)調(diào)繪、核實和補繪。對于內(nèi)頁介意沒有變化的圖斑，采用圖例在底圖上標注。對于內(nèi)業(yè)解譯中的變化圖斑，需要在實地進一步的進行調(diào)查核實，在確定其變化后的地類后，在草圖上標出其圖斑的地類；對于內(nèi)業(yè)解譯錯誤的圖斑，在工作圖上用紅筆標明；對于遙感圖像上與實地不一致的地方，尤其需要實地的進行調(diào)查和勾繪，在勾繪時，需要結(jié)合變化地物的地理位置、尺寸以及與其他地物的相互關(guān)系等來進行繪制，也需要用紅筆標明出來。

我們組測區(qū)主要是地物類別是建筑，農(nóng)田和苗圃。主要圖斑變化情況是由裸地變成建筑、道路，水系變成裸地等。

三）整理、清繪外業(yè)調(diào)繪成果圖

在完成了外業(yè)調(diào)繪圖后，需要對其進行整理和清繪。首先，需要依據(jù)變化的地物，合理的勾繪出實時的地物分布圖，可以結(jié)合谷歌地圖以及外業(yè)的調(diào)查結(jié)果，合理的完成地物的繪制，需要達到清晰、準確的反映地面地物分布的要求。完成了實時地物的勾繪后，再根據(jù)地物的實際類型，結(jié)合具體的制圖標志，將地物的具體類別用符號準確的標記在清繪圖上。

清繪圖的準確進行，需要我們認真、細致的外業(yè)調(diào)繪，不僅要求具體的標繪出變化的地物，而且需要詳細的表示出各類地物的具體類別，為計算機成圖打下良好的基礎(chǔ)。

四）數(shù)字化成圖

野外調(diào)查完成后的遙感圖像目視解譯成果，一般以專題圖或遙感影像圖的形式表現(xiàn)出來。利用ERDAS軟件進行屏幕數(shù)字化轉(zhuǎn)繪圖形，編輯成圖。

首先，根據(jù)利用ERDAS軟件將02年快鳥影像和07年的航拍影像進行幾何配準，裁剪出出07年所需區(qū)域的航拍影像，作為數(shù)字化成圖的原始數(shù)據(jù)。

然后利用ERDAS軟件新建一個和上述快鳥影像相同大小的圖層，作為專題圖繪制圖層。進行專題圖的繪制時，可以結(jié)合02年的快鳥數(shù)據(jù)、07年的航空影像以及清繪圖，綜合進行地物的繪制。主要包括兩個過程：

1）用ERDAS軟件的AOI工具，將轉(zhuǎn)印紙標繪的地物輸入到計算機中； 2）用專題制圖模塊，制作土地利用分類圖。

在進行專題圖的繪制時，應該將同一類地物一起勾繪。我們小組測區(qū)內(nèi)，地物可以分為裸地（未分類部分視作裸地）、水系、農(nóng)田和苗圃、建筑和道路五大類，每一類均應該分別勾繪出來，并用不同的顏色表示。

完成了土地利用圖的勾繪后，就可以利用ERDAS中的專題圖生成模塊，進行專題圖的生成。加入專題圖名稱、比例尺、指北針、公里格網(wǎng)、圖例等專題圖要素后，即完成了土地利用專題圖的繪制。

注：成圖過程中，我們利用ERDAS中的new map composition板塊進行相應的操作。點擊Composer圖標→New Map Composer，在New Map Composer對話框中定義一系列參數(shù)產(chǎn)生專題制圖文件；在Map Frame對話框中，定義一系列參數(shù)，確定制圖范圍；運用Create Grid/Ticks圖標，繪制格網(wǎng)線與坐標注記；運用Create Scale Bar繪制地圖比例尺；在Create Legend中繪制地圖圖例；在Styles中確定指北針的類型；在Text Styles Chooser中繪制地圖名。

五、實習成果

圖1是我們第二小組繪制的本測區(qū)的土地利用圖，圖中將地物一共分為五類，分別用不同的顏色表示出來。由于本測區(qū)位于華中農(nóng)業(yè)大學周邊，因此建筑物十分復雜，在繪圖時部分零散建筑采用一個地塊表示。

圖1 土地利用圖

圖2 是在完成土地利用圖的基礎(chǔ)上的，繪制的專題地圖，加入了圖名、格網(wǎng)、指北針、圖例、比例尺等要素，使得圖像的專題意義更為清晰明了。

圖2 土地利用專題地圖

六、實習體會

遙感圖像解譯綜合實習是對目視解譯整體流程的一次綜合實踐。在實習準備階段，了解待解譯區(qū)域地物分布特征。在室內(nèi)解譯階段，充分利用之前機房實習的解譯經(jīng)驗，從02年QuickBidr和07年航空攝影影像解譯出地物塊，并進行對比分析，找出變化要素。室外解譯階段，以小組為單位，進行實地調(diào)繪，結(jié)合影像進一步判讀地物類型的變化。最后，根據(jù)野外調(diào)繪結(jié)果清繪圖，導入計算機，利用ERDAS軟件進行數(shù)字化成圖。

整個實習過程如行云流水般，在老師的悉心指導下一步一步完成。這次實習，即使對課堂所學知識的一次全面的回顧與實踐，也提高了我們的動手能力和團隊協(xié)作精神。在外業(yè)調(diào)繪階段，團隊成員分別負責路線選擇，實地考察，變化要素識別，變化要素繪制，協(xié)作過程井然有序。在數(shù)字化成圖階段，團隊成員分別負責裸地、水系、道路、農(nóng)田和苗圃、建筑的數(shù)字化生成對應地物類AOI，然后小組成員共同對AOI進行合并，生成地物類別專題圖。

同時，實習過程中得到了老師的悉心指導，解決了一些關(guān)鍵問題，在此表示忠誠的感謝。

第三篇：英文病名解譯

Adams-Stokes綜合癥：與發(fā)熱程度不平行的心動過速和心律失?；蛴行乃サ谋憩F(xiàn)，常見于病毒性心肌炎Allen試驗：用于檢查手的供血情況，即尺橈動脈通暢和兩者間的吻合情況Asherman綜合征：刮宮后宮腔粘連閉鎖而閉經(jīng)，即子宮性閉經(jīng)Austin Flint雜音：主見A關(guān)閉不全。心尖區(qū)可聞及舒張中、晚期隆隆樣雜音，認為是主A返流撞擊心室并妨礙二尖瓣開放所致Beck三聯(lián)征：血壓突下降或休克、頸靜脈怒張、心音低弱遙遠。見于大量心包滲液的心臟壓塞Biots呼吸(間停R)：巴比妥類藥物中毒(R抑制)Brockenbrough現(xiàn)象陽性：心導管檢查主A內(nèi)壓在心內(nèi)壓升時不升反降，此為梗阻性肥厚性心肌病的特異表現(xiàn)

Budd-chiari(肝靜脈阻塞綜合征)：肝腫大淤血BUS：即常規(guī)B超檢查，膽道病首先選用 膽結(jié)石、下段膽管癌均為首選Charcot(夏柯)三聯(lián)征：腹痛寒熱黃疸，見于膽道感染(膽石癥膽囊炎)Cheyne-Stokess呼吸(潮氏R)：巴比妥類藥物中毒(R抑制)Codman三角：骨肉瘤的特點Colles(反科雷)骨折遠段典型移位是遠側(cè)端向掌側(cè)移位(屈曲型)Colles(科雷)骨折遠段典型移位是遠側(cè)端向背側(cè)移位(伸直型)Corrigan脈(水沖脈)：主脈壓↑引起，見于主A瓣關(guān)閉不全、A導管未閉甲亢或貧血Courvoisier征：見于膽管下端癌，(需行胰十二指腸切除術(shù))Cushing庫興氏綜合征(皮質(zhì)醇增多癥)：腎上腺分泌過量的皮質(zhì)激素引起滿月臉、向心肥胖、皮膚紫紋、高血壓和骨質(zhì)疏松。De Musset(點頭征)：頭隨心臟搏動而動，見于主A瓣關(guān)閉不全Duroziez征：股動脈雙期雜音，見于主A瓣關(guān)閉不全。Dixon手術(shù)（經(jīng)腹直癌切除術(shù)）：離肛門10cm上的癌，術(shù)后控排便最滿意Dugas征陽性：肩關(guān)節(jié)脫位，方肩畸型ERCP(經(jīng)十二指腸胰腺逆行造影)：可顯示膽道系統(tǒng)和胰腺導管的解剖及病變還可取石取蛔蟲Ewart征：背部左肩胛角下呈濁音，語顫增強和支氣管呼吸音。為滲出性心包炎體征之一Felty綜合癥：類風關(guān)伴脾大和中粒細胞減少Finkelstein征陽性：橈骨莖突狹窄性腱鞘炎Gibson雜音（機器樣雜音）：A導管未閉

病名英語縮寫

AA 再障 AD 阿爾海默茨病（一種老年癡呆癥）Af 房顫 AGN 急性腎炎 AI 主閉 AIH 自身免疫性肝炎 AIHA 自身免疫性溶血性貧血 AIN 急性間質(zhì)性腎炎 ALT 成人T細胞白血病 AMI 急性心梗 AP 急性胰腺炎DU十二指腸潰瘍 AP 心絞痛 APB 房早 ARDS 成人呼吸窘迫綜合癥 ARF 急性腎功能不全 AS 主狹 ASD 房缺 ASO 閉塞性動脈硬化 AT 房速 **B 房室傳導阻滯 BBB 束支傳導阻滯CHD冠心病 CAP 社區(qū)獲得性肺炎 CF 心衰 CGN 慢粒 CGN 慢性腎炎 CHF 充血性心衰 CI 腦梗死CIN 慢性間質(zhì)性腎炎 CLL 慢淋 COPD 慢性阻塞性肺氣腫 CRF 慢性腎功能不全 DIC 彌漫性血管內(nèi)凝血 DKA 糖尿病酮癥酸中毒 DLE 盤狀紅斑狼瘡 DM 糖尿病 或強直性肌營養(yǎng)不良DN 糖尿病腎病 DR 糖尿病視網(wǎng)膜病變 ED--勃起功能障礙EP 癲癇 ERCP內(nèi)鏡逆行胰膽管造影術(shù)F3 法三 F4 法四 FD 功能性消化不良 GD 甲亢 Graves GERD胃食管反流病 GU

胃潰瘍 HA 遺傳性共濟失調(diào)HAP 醫(yī)院獲得性肺炎 HD 霍杰金病、或亨廷頓舞蹈癥 HD 霍奇金病HE 肝性腦病 HIE 新生兒缺血缺氧性腦病 HNKHC 高滲性非酮癥糖尿病昏迷 HP 高血壓IBD 炎癥性腸病 IBS 腸易激綜合癥 IDA 缺鐵貧 IDD 胰島素依賴性糖尿病 IGT 糖耐量減低 IHD 缺血性心臟病 IIM 特發(fā)性炎癥性肌病 IPF 特發(fā)性肺纖維化 ITP過敏性紫殿 MAS或POED 多發(fā)性骨纖維結(jié)構(gòu)不良MDS 骨髓增生異常綜合癥 MG 重癥肌無力 MI 心梗 MM 多發(fā)性骨髓瘤 MS 多發(fā)性硬化MVP 二間瓣脫垂 NF 神經(jīng)纖維瘤病NG－淋病 NHL 非霍奇金PAP 肺泡蛋白質(zhì)沉積癥 PAT 陣發(fā)性房性心動過速 PCP 卡式肺囊蟲肺炎 PD 帕金森氏病（又叫震顫麻痹）PDA 動脈導管未閉 PEM 蛋白質(zhì)－熱能營養(yǎng)不良PID 盆腔炎 PIE 間質(zhì)肺氣腫 PKU 苯丙酮尿癥 PNH 陣發(fā)性睡眠性血紅蛋白尿 PS 肺狹PTE 肺栓塞 RA 類風濕關(guān)節(jié)炎 RAEB 難治性貧血伴原始細胞增多型 RBBB右束支傳導阻滯 SAP 急性重癥胰腺炎 SBE 亞急性感染性心內(nèi)膜炎 SCA 脊髓小腦共濟失調(diào) SLE 系統(tǒng)性紅斑狼瘡 SSc 系統(tǒng)性硬化病 SSS 病態(tài)竇房結(jié)綜合癥 STD 性傳播疾病 T2DM 2型糖尿病TB 肺結(jié)核 TH 緊張性頭痛TIA 短暫性腦缺血發(fā)作TIP 血栓性血小板減少性紫殿

TS 結(jié)節(jié)性硬化 UA 不穩(wěn)定性心絞痛 UC 潰瘍性結(jié)腸炎 VD 血管性癡呆 VDH 心臟瓣膜病 VSD 室缺 WD 肝豆狀核變性

第四篇：遙感導論-習題及參考答案第五章 遙感圖像目視解譯與制圖答案

第五章 遙感圖像目視解譯與制圖

·名詞解釋

色調(diào)：全色遙感圖像中從白到黑的密度比

紋理特征：也叫內(nèi)部結(jié)構(gòu)，指遙感圖像中目標地物內(nèi)部色調(diào)有規(guī)則變化造成的影像結(jié)構(gòu)。光機掃描成像：依靠探測元件和掃描鏡對目標地物以瞬間視場為單位進行的逐點、逐行取樣，以得到目標地物電磁輻射特性信息，形成一定譜段的圖像。

目視解譯標志：直接標志和間接標志.直接標志是地物本身的有關(guān)屬性在圖像上的直接反映。間接標志是指與地物的屬性有內(nèi)在聯(lián)系,通過相關(guān)分析能夠推斷其性質(zhì)的影像特征。

目視解譯過程：是解譯者通過直接觀察或借助一些簡單工具(如放大鏡等)識別所需地物信息的過程。遙感制圖：通過對遙感圖像目視判讀或利用圖像處理系統(tǒng)對各種遙感信息進行增強與幾何糾正并加以識別、分類和制圖的過程。

·問答題

闡述遙感圖像目視解譯的方法和具體工作步驟

答：遙感圖像目視解譯步驟：

1.目視解譯準備工作階段

①明確解譯任務與要求；②收集與分析有關(guān)資料；③選擇合適波段與恰當時相的遙感影像。

2.初步解譯與判讀區(qū)的野外考察

①初步解譯的主要任務是掌握解譯區(qū)域特點，確立典型解譯樣區(qū)，建立目視解譯標志，探索解譯方法，為全面解譯奠定基礎(chǔ)。

②野外考察：填寫各種地物的判度標志登記表，以作為建立地區(qū)性的判度標志的依據(jù)。在此基礎(chǔ)上，制定出影像判度的專題分類系統(tǒng)，建立遙感影像解譯標志。

3.室內(nèi)詳細判讀

①統(tǒng)籌規(guī)劃、分區(qū)判讀②由表及里、循序漸進③去偽存真、靜心解譯。

4.野外驗證與補判

①野外驗證包括：檢驗專題解譯中圖斑的內(nèi)容是否正確;檢驗解譯標志.②疑難問題的補判：對室內(nèi)判讀中遺留的疑難問題的再次解譯。

5.目視解譯成果的轉(zhuǎn)繪與制圖

一種是手工轉(zhuǎn)繪成圖；一種是在精確幾何基礎(chǔ)的地理地圖上采用轉(zhuǎn)繪儀進行轉(zhuǎn)繪成圖

簡述可見光、熱紅外和微波遙感成像機理

答：可見光成像是對目標的反射率的分布進行記錄。熱紅外成像原理：紅外熱成像使人眼不能直接看到目標的表面溫度分布，變成人眼可以看到的代表目標表面溫度分布的熱圖像。微波成像原理發(fā)射機產(chǎn)生足夠的電磁能量，經(jīng)過收發(fā)轉(zhuǎn)換開關(guān)傳送給天線。天線將這些電磁能量輻射至大氣中，集中在某一個很窄的方向上形成波束，電磁波遇到波束內(nèi)的目標后，將沿著各個方向產(chǎn)生反射，其中的一部分電磁能量反射回接收機的方向，被天線獲取。

遙感圖像目視解譯方法主要有哪些?列出其中5種方法并結(jié)合實例說明它們?nèi)绾卧谶b感圖像解譯中的應用。

答：方法：直接解譯法/對比法/綜合解譯法/邏輯推理法/地學分析法

第五篇：圖像特征提取總結(jié)

圖像常見特征提取方法簡介

常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征。

一、顏色特征

（一）特點：顏色特征是一種全局特征,描述了圖像或圖像區(qū)域所對應的景物的表面性質(zhì)。一般顏色特征是基于像素點的特征，此時所有屬于圖像或圖像區(qū)域的像素都有各自的貢獻。由于顏色對圖像或圖像區(qū)域的方向、大小等變化不敏感，所以顏色特征不能很好地捕捉圖像中對象的局部特征。另外，僅使用顏色特征查詢時，如果數(shù)據(jù)庫很大，常會將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達顏色特征的方法，其優(yōu)點是不受圖像旋轉(zhuǎn)和平移變化的影響，進一步借助歸一化還可不受圖像尺度變化的影響，基缺點是沒有表達出顏色空間分布的信息。

（二）常用的特征提取與匹配方法（1）顏色直方圖 其優(yōu)點在于：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所占的比例，特別適用于描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。其缺點在于：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。

最常用的顏色空間：RGB顏色空間、HSV顏色空間。

顏色直方圖特征匹配方法：直方圖相交法、距離法、中心距法、參考顏色表法、累加顏色直方圖法。（2）顏色集

顏色直方圖法是一種全局顏色特征提取與匹配方法，無法區(qū)分局部顏色信息。顏色集是對顏色直方圖的一種近似首先將圖像從 RGB顏色空間轉(zhuǎn)化成視覺均衡的顏色空間（如 HSV 空間），并將顏色空間量化成若干個柄。然后，用色彩自動分割技術(shù)將圖像分為若干區(qū)域，每個區(qū)域用量化顏色空間的某個顏色分量來索引，從而將圖像表達為一個二進制的顏色索引集。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區(qū)域的空間關(guān)系（3）顏色矩

這種方法的數(shù)學基礎(chǔ)在于：圖像中任何的顏色分布均可以用它的矩來表示。此外，由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩（mean）、二階矩（variance）和三階矩（skewness）就足以表達圖像的顏色分布。（4）顏色聚合向量 其核心思想是：將屬于直方圖每一個柄的像素分成兩部分，如果該柄內(nèi)的某些像素所占據(jù)的連續(xù)區(qū)域的面積大于給定的閾值，則該區(qū)域內(nèi)的像素作為聚合像素，否則作為非聚合像素。（5）顏色相關(guān)圖 二紋理特征

（一）特點：紋理特征也是一種全局特征，它也描述了圖像或圖像區(qū)域所對應景物的表面性質(zhì)。但由于紋理只是一種物體表面的特性，并不能完全反映出物體的本質(zhì)屬性，所以僅僅利用紋理特征是無法獲得高層次圖像內(nèi)容的。與顏色特征不同，紋理特征不是基于像素點的特征，它需要在包含多個像素點的區(qū)域中進行統(tǒng)計計算。在模式匹配中，這種區(qū)域性的特征具有較大的優(yōu)越性，不會由于局部的偏差而無法匹配成功。作為一種統(tǒng)計特征，紋理特征常具有旋轉(zhuǎn)不變性，并且對于噪聲有較強的抵抗能力。但是，紋理特征也有其缺點，一個很明顯的缺點是當圖像的分辨率變化的時候，所計算出來的紋理可能會有較大偏差。另外，由于有可能受到光照、反射情況的影響，從2-D圖像中反映出來的紋理不一定是3-D物體表面真實的紋理。

例如，水中的倒影，光滑的金屬面互相反射造成的影響等都會導致紋理的變化。由于這些不是物體本身的特性，因而將紋理信息應用于檢索時，有時這些虛假的紋理會對檢索造成“誤導”。

在檢索具有粗細、疏密等方面較大差別的紋理圖像時，利用紋理特征是一種有效的方法。但當紋理之間的粗細、疏密等易于分辨的信息之間相差不大的時候，通常的紋理特征很難準確地反映出人的視覺感覺不同的紋理之間的差別。

（二）常用的特征提取與匹配方法 紋理特征描述方法分類

（1）統(tǒng)計方法統(tǒng)計方法的典型代表是一種稱為灰度共生矩陣的紋理特征分析方法Gotlieb 和 Kreyszig 等人在研究共生矩陣中各種統(tǒng)計特征基礎(chǔ)上，通過實驗，得出灰度共生矩陣的四個關(guān)鍵特征：能量、慣量、熵和相關(guān)性。統(tǒng)計方法中另一種典型方法，則是從圖像的自相關(guān)函數(shù)（即圖像的能量譜函數(shù)）提取紋理特征，即通過對圖像的能量譜函數(shù)的計算，提取紋理的粗細度及方向性等特征參數(shù)（2）幾何法

所謂幾何法，是建立在紋理基元（基本的紋理元素）理論基礎(chǔ)上的一種紋理特征分析方法。紋理基元理論認為，復雜的紋理可以由若干簡單的紋理基元以一定的有規(guī)律的形式重復排列構(gòu)成。在幾何法中，比較有影響的算法有兩種：Voronio 棋盤格特征法和結(jié)構(gòu)法。（3）模型法

模型法以圖像的構(gòu)造模型為基礎(chǔ)，采用模型的參數(shù)作為紋理特征。典型的方法是隨機場模型法，如馬爾可夫（Markov）隨機場（MRF）模型法和 Gibbs 隨機場模型法（4）信號處理法

紋理特征的提取與匹配主要有：灰度共生矩陣、Tamura 紋理特征、自回歸紋理模型、小波變換等。

灰度共生矩陣特征提取與匹配主要依賴于能量、慣量、熵和相關(guān)性四個參數(shù)。Tamura 紋理特征基于人類對紋理的視覺感知心理學研究，提出6種屬性，即：粗糙度、對比度、方向度、線像度、規(guī)整度和粗略度。自回歸紋理模型（simultaneous auto-regressive, SAR）是馬爾可夫隨機場（MRF）模型的一種應用實例。三形狀特征

（一）特點：各種基于形狀特征的檢索方法都可以比較有效地利用圖像中感興趣的目標來進行檢索，但它們也有一些共同的問題，包括：①目前基于形狀的檢索方法還缺乏比較完善的數(shù)學模型；②如果目標有變形時檢索結(jié)果往往不太可靠；③許多形狀特征僅描述了目標局部的性質(zhì)，要全面描述目標常對計算時間和存儲量有較高的要求；④許多形狀特征所反映的目標形狀信息與人的直觀感覺不完全一致，或者說，特征空間的相似性與人視覺系統(tǒng)感受到的相似性有差別。另外，從 2-D 圖像中表現(xiàn)的 3-D 物體實際上只是物體在空間某一平面的投影，從 2-D 圖像中反映出來的形狀常不是 3-D 物體真實的形狀，由于視點的變化，可能會產(chǎn)生各種失真。

（二）常用的特征提取與匹配方法 Ⅰ幾種典型的形狀特征描述方法

通常情況下，形狀特征有兩類表示方法，一類是輪廓特征，另一類是區(qū)域特征。圖像的輪廓特征主要針對物體的外邊界，而圖像的區(qū)域特征則關(guān)系到整個形狀區(qū)域。幾種典型的形狀特征描述方法：

（1）邊界特征法該方法通過對邊界特征的描述來獲取圖像的形狀參數(shù)。其中Hough 變換檢測平行直線方法和邊界方向直方圖方法是經(jīng)典方法。Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法，其基本思想是點—線的對偶性；邊界方向直方圖法首先微分圖像求得圖像邊緣，然后，做出關(guān)于邊緣大小和方向的直方圖，通常的方法是構(gòu)造圖像灰度梯度方向矩陣。（2）傅里葉形狀描述符法

傅里葉形狀描述符(Fourier shape descriptors)基本思想是用物體邊界的傅里葉變換作為形狀描述，利用區(qū)域邊界的封閉性和周期性，將二維問題轉(zhuǎn)化為一維問題。由邊界點導出三種形狀表達，分別是曲率函數(shù)、質(zhì)心距離、復坐標函數(shù)。（3）幾何參數(shù)法

形狀的表達和匹配采用更為簡單的區(qū)域特征描述方法，例如采用有關(guān)形狀定量測度（如矩、面積、周長等）的形狀參數(shù)法（shape factor）。在 QBIC 系統(tǒng)中，便是利用圓度、偏心率、主軸方向和代數(shù)不變矩等幾何參數(shù)，進行基于形狀特征的圖像檢索。

需要說明的是，形狀參數(shù)的提取，必須以圖像處理及圖像分割為前提，參數(shù)的準確性必然受到分割效果的影響，對分割效果很差的圖像，形狀參數(shù)甚至無法提取。（4）形狀不變矩法

利用目標所占區(qū)域的矩作為形狀描述參數(shù)。（5）其它方法近年來，在形狀的表示和匹配方面的工作還包括有限元法（Finite Element Method 或 FEM）、旋轉(zhuǎn)函數(shù)（Turning Function）和小波描述符（Wavelet Descriptor）等方法。Ⅱ基于小波和相對矩的形狀特征提取與匹配

該方法先用小波變換模極大值得到多尺度邊緣圖像，然后計算每一尺度的 7個不變矩，再轉(zhuǎn)化為 10 個相對矩，將所有尺度上的相對矩作為圖像特征向量，從而統(tǒng)一了區(qū)域和封閉、不封閉結(jié)構(gòu)。四空間關(guān)系特征

（一）特點：所謂空間關(guān)系，是指圖像中分割出來的多個目標之間的相互的空間位置或相對方向關(guān)系，這些關(guān)系也可分為連接/鄰接關(guān)系、交疊/重疊關(guān)系和包含/包容關(guān)系等。通?？臻g位置信息可以分為兩類：相對空間位置信息和絕對空間位置信息。前一種關(guān)系強調(diào)的是目標之間的相對情況，如上下左右關(guān)系等，后一種關(guān)系強調(diào)的是目標之間的距離大小以及方位。顯而易見，由絕對空間位置可推出相對空間位置，但表達相對空間位置信息常比較簡單?？臻g關(guān)系特征的使用可加強對圖像內(nèi)容的描述區(qū)分能力，但空間關(guān)系特征常對圖像或目標的旋轉(zhuǎn)、反轉(zhuǎn)、尺度變化等比較敏感。另外，實際應用中，僅僅利用空間信息往往是不夠的，不能有效準確地表達場景信息。為了檢索，除使用空間關(guān)系特征外，還需要其它特征來配合。

（二）常用的特征提取與匹配方法

提取圖像空間關(guān)系特征可以有兩種方法：一種方法是首先對圖像進行自動分割，劃分出圖像中所包含的對象或顏色區(qū)域，然后根據(jù)這些區(qū)域提取圖像特征，并建立索引；另一種方法則簡單地將圖像均勻地劃分為若干規(guī)則子塊，然后對每個圖像子塊提取特征，并建立索引。