基于高分一号的建筑用地分类 （前期准备与后期安排） 1 引言（研究课题意义以及遥感技术概况）
2 选择遥感影像(landsat) （研究区概况 遥感信息源（图像来源以及基本信息） 研究方法（方法大致介绍）图像分类成哪几种 其中建筑用地分为哪几种）
3 影像预处理（各种方法对比选择最佳） （处理流程以及处理后的图像）
4信息提取方法（各种方法比较选择最适合的一个）将各种方法以此列出比对选择 附加流程图和方程 对各个波段进行分析选择比较
1 引言
随着我国的不断发展，农村城镇化和城市现代化的建设脚步进一步加大。在城市范围内,城市建筑用地,包括居住地,公共设施、工业、仓储、对外交通、道路广场、市政公用设施以及特殊用地等(不包括水域)是城市土地利用中最为活跃的因子，也是变化扩展最为迅速的土地利用地类\对于土地资源一定的城市,随着经济发展,城市建筑用地的增长是必然的趋势,同时伴随着其它土地利用类型的减少，另一方面也会导致城市热岛效应增强，城市景观破坏等一系列问题，因此， 快捷、 准确与客观地提取建筑用地信息， 全面掌握获得不同时期城镇建筑用地的分布范围和面积资料，动态监测城市建筑用地使用状况,分析城市建筑用地对非建用地的影响对科学合理地进行城镇规划， 控制建筑用地规模， 有效保护中国宝贵有限的耕地资源与淡水资源， 都具有十分重要的作用。在进行城镇建筑之前需要提前选好适宜的地理位置，但是各地土地利用的数据库建库程度差异较大，纸质地图过时较快，地图数字化耗时耗力，航空像片提取城镇信息花费太高且缺乏周期性的航摄数据，实地勘探又太过浪费人力物力，这些因素都限制了对城镇建筑用地信息的分类以及快速高效获取。而遥感具有不与同标地物接触，大面积同步观测、经济性、时效性等特点，是一种高效的研究方法。Landsat TM影像在遥感领域得到了广泛应用，能识别到乡镇一级的居民地。
土地利用类型
土地利用类型划分为耕地、林地、草地、水域、建设用地和其它用地等土地利用类型，其中耕地包括水田和旱地，林地包括有林地、灌木林地、疏林地、其它林地，草地包括高覆盖草地、中覆盖草地、低覆盖草地，水域包括河流沟渠、湖泊、水库和池塘、滩地，建设用地包括农村居民点、城镇用地、工交等其它建设用地，其它用地包括沼泽地、裸土地、裸岩石砾地、海域等。
2 选择遥感影像
专题制图仪（TM）是航天遥感中的一种重要的信息源，它是由陆地卫星（Landsat）上所载的第二代光学机械扫描仪所收集，并将地物信息记录在数据磁带上，发送回地面，各地面站将数据进行回放，纠正等处理，而形成的各种可视图像。TM图像共有7个波段，除了TM6外，其余波段地面分辨率为28.5m x28.5m因此，在较大面积航天遥感监测应用中，主要采用 A B 图像作为信息源，覆盖我国城乡的TM图像是以16d重复一次的频度源源不断地接收处理，这为TM图像应用提供了条件。另一方面，TM数据由于具有较高的空间分辨率和良好的时间连续性,是城市扩展研究中常用的数据源,与高分辨率数据如快鸟等相比较,在保证一定精度的情况下具有高的性价比。
（研究区概况与数据）
3 图像预处理
包括辐射校正,几何校正和利用行政区划矢量图对研究区进行影像裁切,并进行了数据的合成与融合等处理,得到研究区影像和所需的各种合成影像。 辐射校正:包括辐射定标,大气校正和地形校正。
光学传感器接受辐射通量在理想状态下应该是地物反射辐射亮度的精确测量值，而实际情况是,在地物反射辐射值在传送到传感器前,要经过辐射源到大气层到地球表面到探测器的一系列过程,因而传感器获得的辐射通量存在误差，辐射校正的目的是消除由于大气等自然因素所带来的辐射误差。辐射误差有两种:传感器内部本身的误差和由大气,地形等引起的外部误差，内部误差一般是系统内部的确定的,可以通过卫星自身的星上辐射定标和替代辐射定标来确定的，外部误差是变化的,它受不同研究区的环境因素影响,需要根据研究自身的需要来进行校正\在平原地区只需进行大气校正,而在山区除了要进行大气辐射校正外,还需进行地形的辐射校正。 l)辐射定标
辐射定标是确定影像DN值与辐射亮度的过程,它的结果是获得了一个联系DN值与辐射亮度L的公式和参数,从而可以计算影像的辐射亮度和地表反射率。 2)大气校正
大气校正的目的是要减消大气对地表反射率的影响，大气校正的方法有很多方法,按照校正的结果可分为相对大气校正方法和绝对大气校正,相对大气校正后得到的影像,相同的DN值代表相同的地表反射率,不考虑实际的地表反射率，绝对大气校正是将遥感影像的DN值转换为地表反射率的方法\按照校正过程可以分为直接大气校正和间接大气校正,直接大气校正是参照大气状况对DN值进行校正,大气状况参照标准的大气模式和地面实测资料或由影像本身进行反演得到,间接大气校正指对NDVI等一些遥感常用函数进行重新定义,形成新的函数模型,减少大气的影响，辐射传输模型是在大多数大气校正方法中校正精度较高的一种方法,利用电磁波在大气中的辐射传输原理建立模型来的对遥感影像进行大气校正，其中用得最广泛的是6s模型、LOWREAN模型和MORTRAN模型，由于本次研究所使用数据由遥感卫星地面站直接购得,辐射校正和影像拼接部分已经完成,所以只需要完成几何校正和研究区的行政边界裁切即可得到研究区的使用数据。
几何纠正
遥感影像的几何误差主要表现为影像的位移、旋转和像元地面相对实际位置的扭曲和偏移,为了保证遥感影像处理的准确性和在其进行空间分析时具有标准的地理空间坐标,必须对遥感影像的几何误差进行校正,其基本步骤为:一是采集合适的地面控制点;二是依据控制点对影像进行空间变换;三是对空间变换后的影像进行像元灰度值的内插重采样。 l)地面控制点(GCP)的选取
这个是几何纠正中最重要的一步。在所选区域的地形图与TM影像中选取同名地面控制点20个,地面控制点应具有以下特征:
1 地面控制点在影像上应有明显和清晰的定位识别标志,如道路交叉点、河流交叉口、建筑边界、农田界线等;
2 地面控制点上的地物应不随时间而变化,以保证当两幅不同时段的图像或地图几何纠正时,可以同时识别出来;
3 在没有做过地形纠正的图像上选控制点时,应在同一地形高度上进行；
地面控制点应当均匀的分布在整幅影像内,保证一定的数量,地面控制点的数量、分布和准度直接影响几何纠正的效果和对地物判读的效果,控制点选取的精度和难易程度应与影像质量!地物特征及影像空间分辨率相关,以达到研究要求精度为目标。
2)影像的空间变换
地面控制点确定后,通过GCP对原始影像几何畸变的过程进行数学模拟,建立原始畸变影像空间与标准几何空间的数学对应关系,从而利用这种关系将畸变的影像空间中全部的元素转换为标准空间中的元素，把原始影像变形看成是某种曲面,输出图像则为规则的平面，从理论上讲,任何曲面都能可以用适合的高次多项式来模拟。
第二步是选择合适的坐标变换函数式(即数学纠正模型),建立影像坐标(x,y)与其参考坐标(X,均之间的关系式,通常称为多项式纠正模型，假设影像中的点以(x、y)表示,畸变TM影像中的点(X、Y)表示,两者的函数影射关系为:
通过已经得到的地面控制点,采用二次多项式作为几何校正模型,以最小二乘法求出多项式的系数,然后对整个影像进行坐标变换,校正误差控制在0.5个像元之内. 3)重采样
重新定位后的像元在原影像中分布不均匀,绝大多数不在原来的像元中心,即输出影像像元点在输入图像中的行列号不全是整数关系,因此必须重新计算新位置像元的DN值,进行DN值的内插计算也就是重采样\常用的内插方法包括:
1最邻近法 将最邻近的像元的DN值赋予新像元,该方法的优点是输出影像最大程度上保持原有性,简单迅速,但此方法最大可产生半个像元的位置偏移造成输出影像中某些图斑的破碎.
2双线性内插法 使用邻近四个点的像元DN值,按照其距离的远近赋予不同的权重,进行线性内插,该方法边缘受到滤波平滑的作用,产生一个比较连贯的影像,其缺点是破坏了原有的像元DN值,对以后的影像分类产生一定的影响.
3三次卷积内插法 与双线性内插相似但原理更为复杂,使用邻近周围的16个像元DN值,用三次卷积函数进行内插,这种方法对可使边缘均衡化和清晰化,但更加破坏了原像元的DN值,计算量大.
(由于实验需要保持影像的原有性，因此选择最邻近法较为合适)
边界裁剪
对遥感影像进行上述处理后,利用1:100万中国行政边界矢量图中的研究区边界对影像进行裁剪。
影像波段组合以及增强处理
TM影像共有7个波段,不同的波段以不同的波谱频率反映地物信息，在利用TM影像数据提取地物信息时,更多的光谱波段参与影像的处理,能够更为有利的提取所需的专题信息,但过多的波段同时参与地物信息提取分类,会造成数据处理时间过长生成冗余的数据,降低了提取的精度,反而利用较少合理的数据进行处理,能提高信息提取的效率,因此遥感影像波段选择和组合十分重要。 假彩色合成中波段的选择是很重要的环节,波段选择的结果直接影响到假彩色合成影像信息提取的精度，选择遥感影像波段组合的依据有两类:一是波段信息量的大小,二是影像的光谱特征。选择假彩色合成影像波段组合判断的标准是:(1)各个波段的标准差要大,TM影像数据各个波段的标准差反映了信息的离散度,即其信息量,标准差越大的波段信
息量越大 (2)组合波段间的相关系数要小,TM影像数据各波段间存在一定的相关性,如果它们之间的相关性太高会导致大量重复冗余的信息,使合成影像的信息量总体不高,同时影响合成影像色彩的饱和度,在假彩色合成影像上如果三个波段之间的有很高的相关性会使得影像的饱和度差，(3)组合的各波段的均值大小不能相差太远,如果TM影像数据各波段的均值相差太多,会导致合成影像严重的偏色，(4)提取专题信息应选用带有目标物特征波谱带的波段。分别用线性拉伸或直方图均衡化对TM的各波段进行处理，并用目视判读的方法判定居民地在各波段上的可识别性，对这些波段进行了部分合成，如TM4与TM7，TM1+TM2+TM3，TM2+TM3+TM4，TM3+TM4+TM5等。 4 信息提取方法 （1）NDBI提取法
NDBI又称归一化建筑指数，在典型TM影像上，TM4和TM5两波段除了城镇灰度值偏高外，其他地类灰度值都变小。NDBI=(TM5-TM4)／(TM5+TM41 很显然NDBI取值在一1与1 之间。然后根据NDBI求出比值图像后，进行二值化处理，令≤0像元赋值为0，＞0像元赋值为255。红色表示灰度值为 255的像元，即是城镇区域，蓝色是灰度值为0的那些像元。
NDBI指数法，结果是唯一的。与监督分类相比，最大的优越性和好处就是，不掺杂有任何人为因素，非常客观公正，而且精度也能保证，完全可以达到监督分类的最好精度（强于非监督分类），精度满足应用的需要，NDBI操作简单、易行、 客观，不因人、因时而异，结果唯一客观。 （2）手工提取法
手工提取法可直接在遥感图像上提取矢量多边形。存在的问题是对提取者的知识经验要求较高,城镇中多种地物交错,边界不明显;手工提取较费时且精度不高,操作也不方便。经手工提取对比发现,在影像上手工提取城镇信息,采用TM543组合较其它组合要好。受TM图像本身分辨率的限制,实验中采用手工提取方法边界确定比较困难,误差较大;各地类交错,手工提取过于复杂不宜采用。
（3）监督分类以及非监督分类法
监督分类法需从研究区域选取有代表性的训练场地作为样本建立判别函数,据此对样本像元进行分类,依据样本类别的特征来识别非样本像元的归属类别。非监督分类方法是在没有先验类别作为样本的条件下,主要根据像元间相似度大小进行归类合并。训练场地的选择是监督分类的关键,样本数目也要能满足分类要求。监督分类受人为影响的因素比较大,客观性比较差。目前,监督分类配合野外调查是目前遥感图像分类常用的方法， （4）比值居民地半自动提取法
比值居民地指数(Ratio Resident-area Index,RRI) RRI=TM1/TM4[6],保留RRI介于1.476至3.333的范围,二值化后保留的地物主要为城镇和河流,手工提取河流后对二值化图像进行掩摸处理,去除河流部分,剩下的就是城镇。该方法需手工去除河流信息,提取结果中去除了林地、耕地、园地、绿地、裸地的影响,但水体边界和山体阴影被划分到城镇中来,尤其是在地形起伏较大的地方,使用该方法遗留了山体阴影,水体边界也被划分到城镇信息中来。不同地区手工去除河流也会产生一定误差。 （5）综合阈值法
先采用归一化植被指数(NDVI)进行植被区和非植被区的区分,阈值为0时,城镇和其它地类被划分入非植被区。引入NDVI参数后,还可消除异物同谱现象,该参数在城郊地带效果比较明显。剩余的非植被区(裸地、阴影、水体、建筑)中,裸地和城镇灰度稍高,水体、河流和阴影灰度偏低。采用TM1/TM4可增大差别。经实验,在剩余地类中,采用TM1/TM4>T就可去除裸地,留下的是河流、水体、阴影和城镇。T值的变化主要和图像的季相变
化相关,T值在1.5~1.9之间,春夏季在1.5附近,秋冬季在1.9附近,该值也可根据实际情况灵活调整。剩余地类中,城镇的TM4 (6))计算机训练识别 将研究区分为林地、农用地、草地、城镇用地、 水体、滩涂、未利用地7个类型。处理中先对影像进行了主成分(PCA）变换．将Landsat影像中有高相 关性的波段进行相关分析，有利于提高分类进度。 在训练区的选择上采用逐步判别法．对要画的训练 区进行最佳化选择．所遵循的原则是使训练区内部 像元之间的方差最小．而训练区内外的像元间方差 最大。这样就很好保证了训练区内地类的同一性． 确保了分类的精度。然后对影像采用最大似然法进行分类．分类后进行精度评价。其精度往往依赖于人对 研究区所作的地物样本训练．训练区选择的适合性 和训练区的大小等因素．不合适的训练选择往往会 造成分类精度的大幅下降．改进后的方法很好地保 证了训练区选择的合理性。有助于精度的提高。 后期安排 用多种方法按照前期准备的流程对数据进行处理分类，通过比较选出最为合适的分类提取方法。
遥感科学与技术毕业论文开题报告
