遥感制图专题信息提取方法有哪些?

1、光谱分析：通过分析遥感图像的光谱特性，可以提取出地表的物质组成、植被覆盖、水体等信息。 纹理分析：通过分析遥感图像的纹理特性，可以提取出地表的地形、建筑物、道路等信息。以上各种方法有各自的优点和适用情况，通常在实际应用中需要根据具体的任务和数据特性选择合适的方法。

2、遥感地学信息提取的方法多种多样，其中包括光谱分析、多光谱及高光谱遥感、雷达遥感以及LIDAR技术。光谱分析通过分析不同波长的反射或辐射特性来提取地表信息，这为我们提供了直观的地表物质成分数据。多光谱和高光谱遥感技术能够收集更为丰富的光谱信息，有助于更精确地识别地表特征。

3、主成分分析是遥感地质最有效和最常用的图像信息提取方法之一，它是将原始的遥感数据集变换成非常小且易于解译的不相关变量，这些变量含有原始数据中大部分信息，通过正交变换去除多波段图像中的相关信息，使新的组分图像之间互不相关，各自包含不同的地物信息，这是一种重要的图像增强方法。

4、因此，遥感专题信息的提取是一个运用知识由表及里、由此及彼的反演、推理和归纳过程。探求因果联系的科学归纳法 从探求现象之间的因果联系入手，概括出一般性的结论，叫科学归纳法。在自然界及人类社会中，有许多现象都是与其他现象互相联系、相互制约的。

遥感信息提取方法

1、光谱分析：通过分析遥感图像的光谱特性，可以提取出地表的物质组成、植被覆盖、水体等信息。 纹理分析：通过分析遥感图像的纹理特性，可以提取出地表的地形、建筑物、道路等信息。以上各种方法有各自的优点和适用情况，通常在实际应用中需要根据具体的任务和数据特性选择合适的方法。

2、本次试验采用的主要信息提取方法包括基于掩膜图像的主成分分析、矿物指数和光谱角度填图方法等。 对于所有ASTER数据，常规图像均采用通道1（红、绿、蓝）假彩色合成，这种合成方案尽管植被的信息比较突出，但有利于后续使用者对照其他信息的图件判别地质体的色调异常与来源于植被的干扰异常。

3、遥感地学信息提取的方法多种多样，其中包括光谱分析、多光谱及高光谱遥感、雷达遥感以及LIDAR技术。光谱分析通过分析不同波长的反射或辐射特性来提取地表信息，这为我们提供了直观的地表物质成分数据。多光谱和高光谱遥感技术能够收集更为丰富的光谱信息，有助于更精确地识别地表特征。

4、综上所述，遥感信息提取的过程实质是应用知识概念模型，对影像空间模型属性进行逻辑推陈出新理论的过程。应用好逻辑规律（知识发现）构建“公理体系”，即可做到事半功倍的效果。

5、提取与矿化蚀变有关的信息。 4）比值彩色合成图像能够增强岩性和蚀变岩信息。 （3）主成分变换 主成分变换是多波段遥感图像增强常用的一种方法。它是一种基于图像统计特征的多维正交线性变换，变换后的新组分图像反映了地物总的辐射差异和某些波谱特征，同时还具有分离信息、减少相关、突出不同地物的作用。

遥感影像特征提取

遥感影像特征提取是为了利用仪器进行图像判读及分析处理。这一过程从原始图像数据中挖掘出有助于分析的标志、统计量等参数。特征提取是通过变换图像，强调其代表性的特征，以定量提取以下三种特征： 光谱特征：从颜色、灰度或波段间的亮度比中提取目标物的光谱特征。

主成分分析也称为K-L变换，是在统计特征基础上的多维（如多波段）正交线性变换，也是遥感数字图像处理中最常用的一种变换算法。线性变换方法进行特征提取的目的是，从高维数据空间中，产生出一个合适的低维子空间，使数据在这个空间中的分布可以在某种最优意义上描述原来的数据。

非监督分类阶段，也称为聚类分析或点群分类，无需先验知识，仅依赖影像上不同类地物光谱或纹理信息进行特征提取，利用统计特征差异进行分类，最终确认分类结果。非监督分类方法包括ISODATA、K-Mean和链状方法等，步骤包含影像分析、分类器选择、影像分类、类别定义与类别合并、分类后处理和结果验证。

遥感影像的分类方法可分为监督与非监督两大类，适用于中低分辨率的数据。监督分类基于传统统计分析、神经网络、模式识别等原理。非监督分类，也称聚类分析或点群分类，无需先验知识，仅利用影像中地物的光谱或纹理信息进行特征提取和分类。

将遥感影像分割成小块，因为纹理特征不可能孤立存在于单一像素点中。使用`graycomatrix`函数计算每一小块的灰度共生矩阵。 应用`graycoprops`函数提取每个共生矩阵的主要纹理特征，包括对比度（Contrast）、相关性（Correlation）、能量（Energy）和同质性（Homogeneity）。

遥感图像分析与信息提取

ENVI作为完整的遥感图像处理平台，涵盖了广泛的处理技术，如图像输入输出、增强、纠正、正射校正、数据融合、信息提取、图像分类等，适用于多种应用场景。ArcGIS则是一款全球领先的GIS平台，具备三维建模、编辑和分析能力，并实现了由三维空间向四维时空的飞跃，遥感与GIS的融合使其价值得以凸显。

三）煤火灾害信息提取效果分析 在汝箕沟煤火区遥感异常图像上读取波谱异常区的中心坐标，在野外根据GPS显示寻找图像异常区，并对异常区的地面属性进行调查。表341是部分遥感异常地面检查一览表。在汝箕沟地区，分别对ETM7/4异常、波形异常和ASTER光谱异常区进行地面检查。

分辨率信息：遥感图像的分辨率信息反映了图像中可分辨的最小细节大小。高分辨率图像可以提供更详细的地物信息，而低分辨率图像则提供更广阔的地表覆盖范围。这些信息可以通过遥感图像处理和分析技术进行提取、解译和利用。遥感图像在土地管理、环境监测、资源调查、灾害评估等领域具有广泛的应用价值。

eCognition将采用面向对象的遥感影像分析技术来进行影像的分类和信息提取。首先对QuickBird数据进行影像分割，从二维化的图像信息陈列中恢复出图像所反映的景观场景中的目标地物的空间形状及组合方式。影像的最小单元不再是单个的像素，而是一个个对象，后续的影像分析和处理也都基于对象进行。

遥感地学信息提取的方法和特点

1、遥感地学信息提取的方法多种多样，其中包括光谱分析、多光谱及高光谱遥感、雷达遥感以及LIDAR技术。光谱分析通过分析不同波长的反射或辐射特性来提取地表信息，这为我们提供了直观的地表物质成分数据。多光谱和高光谱遥感技术能够收集更为丰富的光谱信息，有助于更精确地识别地表特征。

2、当岩性组成复杂，且分布尺度大于传感器的空间分辨率时，遥感图像就可能记录到地物的结构组成信息，其影像就存在着明显的纹理特征。当存在着有别于背景地物的纹理结构特征时，就可利用地物的光谱特征与纹理特征提取岩性信息。利用纹理识别岩性的方法步骤如下。

3、目前采用的主要方法有：①光谱信息增强，如彩色合成、基于小波变换的遥感信息融合、主成分分析等；②空域处理，如方位滤波、霍夫变换、高氏滤波等；③影像纹理分析，如基于共生矩阵的纹理参量分析、基于边缘信息的纹理特征提取算法；④分形几何学处理，如基于分形几何的影像纹理分析、多重分形分析等。

4、数据获取方式：遥感地质调查：遥感地质调查利用遥感技术获取地表或地球表面特征的信息。通过卫星、航空平台或地面设备上的遥感传感器获取遥感数据，包括多光谱、高光谱、雷达等不同类型的数据。这些数据可以提供地表的光谱、空间和时间信息。常规地质调查：常规地质调查主要依赖于地质学家实地观察、采样和测量。

基于遥感技术的信息提取

本文主要针对城市植被信息的提取，从城市遥感的原理和数据源、城市植被信息的提取方法和遥感技术等几方面对基于遥感影像对城市植被信息提取的研究的进展进行论述，并讨论了这些研究的特点和各自存在的一些不足，以及发展的趋势。

具体技术流程如图344。其主要步骤是：（1）遥感影像的预处理及几何纠正；（2）基于多时相热红外影像的煤火信息提取；（3）煤火区实地勘探验证；（4）煤火区灾情动态探测与评价。

图像的空间变换主要包括图像平滑、定向滤波、霍夫变换和逆霍夫变换等。应用均值或中值滤波器对原图像进行平滑处理，可以滤除噪声和孤立点从而改善图像质量，这其中的关键步骤是选用合理的卷积滤波核。

在技术层面上，面向规模化高效率获取土地利用信息的需要，不但基于目前遥感技术对土地利用信息提取的现状，还要充分考虑未来技术发展，以达到土地利用分类体系适用于遥感自动化提取信息的需要。基于遥感影像土地分类与全国土地分类对照见表 6-1。

国内地质矿产遥感信息提取技术的应用研究开始于20世纪80年代。刘燕君（1983）采用与矿产信息有关的特征地物亮度比值和色度学原则，在MSS图像上，先后在北京密云水库周围的丘陵区变质铁矿实验区和河北省迁安铁矿区，成功地把矿化点含矿围岩强烈部位增强出来。

对之后进一步的地质工作奠定了良好的基础。图3-27 康恩纳德地区ETM+遥感影像岩性信息提取图 （2）包古图斑岩铜矿地区 我们把上述基于人机交互技术的影像岩性信息提取技术应用于研究程度较高且可实地进行验证的托里县包古图斑岩铜矿地区，从而进行模型验证。