qq_2787174606的博客

此数据集来自于GIC(GRUPO INTELIGENCIA COMPUTACIONAL )官网，采用MATLAB存储为矩阵形式，数据集后缀为.mat形式。每一个数据分为原始图像数据和标签数据，标签对应码请参考官网。注：此数据为公开数据，仅供学习和科研使用。

这里利用KMeans进行遥感NDWI归一化水体指数进行简单的聚类分析，主要目的就是聚类出流域和非流域，簇类数为2。手动分割阈值为-0.06，效果和KMeans差不多，若是人为调参太麻烦，可以考虑KMeans进行分割，分割效果如下。KMeans算法是一种非监督式的聚类算法，于1967年由J. MacQueen提出，聚类的依靠是欧式距离，其核心思想就是将样本划分为几个类别，类里面的数据与类中心的距离最小。类的标签采用类里面样本的均值。此程序可以进行常规遥感图像的聚类，但可能代码需做小幅度调整。

缨帽变换（Kirchhoff Transform，K-T变换）是一种在遥感图像处理中常用的技术，它可以有效地提取地物的空间特征和频谱信息。本文将对遥感缨帽变换的提出者、原理方法、公式、现在的发展、作用进行详细介绍，并附有相应的图解。

遥感影像的提取和分析在地理信息系统、环境监测、农业、城市规划等领域具有重要的应用价值。按掩膜提取遥感影像是一种常用的方法，它可以通过定义掩膜来选择感兴趣的区域，并排除其他干扰因素。按掩膜提取遥感影像的方法可以分为两个主要步骤：掩膜定义和影像提取。掩膜定义是指根据研究目的和需求，确定感兴趣的区域，并将其转化为掩膜图层。常用的掩膜定义方法包括手动绘制、阈值分割、形态学操作等。影像提取是指根据掩膜图层，将感兴趣的区域从原始遥感影像中提取出来。常用的影像提取方法包括像元级提取、基于对象的提取等。

它基于人眼对不同波段的光谱响应和颜色感知特性，通过合成红、绿、蓝三个波段的遥感数据，提供更直观、易于理解的影像信息。该传感器在遥感领域具有广泛的应用，提供多个波段的数据以进行地表特征的分析和研究。人眼对红、绿、蓝三个波段的光谱响应最为敏感，因此真彩色合成通常使用红、绿、蓝三个波段的遥感数据进行合成。它通过将不同波段的遥感数据进行组合，以模拟人眼对地物颜色的感知，从而提供更直观、更易于理解的影像信息。通过不同遥感波段的组合可以实现影像的输出，本文以真彩色432为例，若是需要假彩色合成，更改参数即可；

我现在坐落与四川，常年气温温热多雨，这也导致四川大部分地方的遥感影像出现很多的厚云、积云还有卷云，对影像地物识别提供了干扰，要想得到无云图像，可以采用该区域多时相数据进行互补，也可采用微波波段的影像进行主成分替换或是遥感图像信息重建。为了提高效率，该文主要利用QA波段进行云区的识别，并进行批量输出。

我们知道，云与雪虽然有时候高度不同且性质也不同，但是其光学色彩却很相似，都呈现出白色。至于BQA波段，很多学者都会拿它作为遥感云区的提取，通过读取完BQA波段，我们发现其和我们识别提取的云区图很相似，然后通过三个云区图，再与三波段融合的彩色图进行叠加，我们可以进一步证实云区的正确性（这里就不进行代码演示，需要的评论区留言）。，其将图像分割为前景和后景两部分，其中W0表示前景的灰度值累计占比，W1表示后景的灰度值累计占比，U0表示前景的灰度值平均值，U1表示后景的灰度值平均值，g表示类间方差。

所谓植被指数，就是利用多波段遥感图像的可见光波段以及近红外波段相组合，形成能够反映突出植被分布状况和强度的指数。植被指数的求解方法不唯一，定义的植被指数已经多达50多种。通过红波段以及近红外波段，可以有效的消除大气对植被指数的影响。

注：本文章只是实验笔记，记录求解过程，其中包含很多错误因素，欢迎读者指正！

辐射定标：将记录的原始DN值转换为辐射值，也就是将图像的亮度灰度值转换为绝对辐射亮度。

回顾以下Landsat系列卫星的发展史，可以发现Landsat_5卫星已经退役，作为世界上寿命最长的地球观测卫星，其在影像方面对人类的发展具有很深刻的意义。

注：以下信息参考百度百科Landsat-5卫星主要轨道特性参数如下：近极近环形太阳同步轨道倾角：98.2。轨道周期：99分钟穿越赤道时间：上午9点45分+/-15分钟扫描带宽度：185km重访周期：16天景覆盖范围：184×185.2km。

方法应用对象：1）具有一定重叠度但其大小不一的两幅图2）具有不同角度的两幅图3）两幅不同类型的图进行配准叠加4）其他具有共同先验位置点的两幅图。

MATLAB APP Processing SLC Image Registration

Mathworks在2016年初推出R2016a，这个版本初次引入App Designer，用于代替GUIDE。我之前看了很多关于GUIDE的新手教程，在接触App Designer之后，感觉一点点的一言难尽。对于老手来说，App Designer确实有实力去代替GUIDE，界面更加灵活，而且排版都很接见现代社会；但是对于新手来说，App Designer的学习难度高于GUIDE（对于我来说）。

利用MATLAB强大的数组运算的功能，我们可以利用其进行山顶点的提取

在我们处理遥感图像的时候，会遇到相邻两个地区的图像拼接的情况；或者是在摄影测量时，旁向或航向的具有一定重叠度的照片又该如何进行拼接？情况有很多，下面主要介绍两种特殊情况下图像拼接原理以及matlab实现。

所谓锐化就是应用锐化工具可以快速聚焦模糊边缘，提高图像中某一部位的清晰度或者焦距程度，使图像特定区域的色彩更加鲜明。就如同我们手机相册里面的图片锐化功能，能够是图片变的更加具体看起来细节更高。而图像的锐化处理，则是采用与滤波窗口同样大小的数值矩阵（此矩阵一般被称为算子），与窗口对应的图像上的像元值矩阵进行相乘处理，最后求和取绝对值赋值给待处理像元，遍历完之后就实现了整个图像的锐化操作。.........

我们利用arcGIS实现对栅格数据的自动批量矢量化时，首先就得需要对栅格图进行二值化处理，即先将真彩色栅格图转化为0~255的灰值图像，然后选取最佳阈值，通过最佳阈值对灰值图像进行归一化处理，最后形成像元值为0和1的二值图像。那要使自动矢量化的成果能够达到最佳，阈值的选取尤为重要，下面介绍几种常见的阈值选取方法以及matlab代码实现。具体阈值选取的理论知识，大家可以参考《图像二值化阈值选取常用方法》http://blog.youkuaiyun.com/xgmiao。.........