友情链接:
合作联系
|
ASPEN培训课程
遥感技术人员、地理信息科学研究者、环境监测人员、农业/林业/地质领域遥感应用人员。
理解遥感数字图像处理的基本原理（辐射定标、大气校正、几何校正）。
掌握遥感图像的增强、变换、分类等处理方法。
能够独立完成多光谱/高光谱遥感图像的预处理与信息提取。
遥感基础：遥感的概念与物理基础（电磁波谱、地物波谱特性）；遥感平台的分类（卫星、航空、无人机）；遥感影像的分辨率（空间分辨率、光谱分辨率、辐射分辨率、时间分辨率）；常用遥感数据源（Landsat、Sentinel、MODIS、高分系列）。
遥感数字图像表示：遥感图像的数字化（像元、灰度值、波段）；图像文件的存储格式（BSQ、BIL、BIP）；图像元数据（成像时间、太阳高度角、传感器参数）；图像显示（真彩色、假彩色、伪彩色）。
辐射定标与大气校正：辐射定标的原理（将DN值转换为辐亮度/反射率）；绝对定标与相对定标；大气校正的目的（消除大气分子和气溶胶影响）；常用大气校正方法（6S模型、MODTRAN、FLAASH、QUAC）。
几何校正：几何畸变的原因（传感器、地形、地球曲率）；几何精校正的流程（地面控制点选取、多项式模型、重采样）；正射校正（利用DEM消除地形影响）；影像配准（多时相、多传感器）。
图像增强：对比度增强（线性拉伸、直方图均衡化、自适应拉伸）；空间域增强（卷积滤波：平滑、锐化、边缘增强）；频率域增强（傅里叶变换）；彩色增强（彩色合成、IHS变换）。
图像变换：主成分分析（PCA）的原理与应用（降维、去相关）；缓幅变换（Tasseled Cap）的植被指数计算；缨帽变换；植被指数（NDVI、EVI、SAVI、NDWI）的计算与意义。
图像融合：图像融合的目的（提高空间分辨率或光谱分辨率）；融合方法（IHS融合、Brovey变换、PCA融合、Gram-Schmidt融合）；融合效果的评价。
图像分类：监督分类与非监督分类的概念；非监督分类方法（K-Means、ISODATA）；监督分类方法（最大似然法、最小距离法、支持向量机SVM）；分类后处理（聚类分析、过滤、合并）。
分类精度评价：精度评价的样本选取；混淆矩阵的构建；总体精度、生产者精度、用户精度、Kappa系数的计算；分类结果的验证与优化。
面向对象图像分析：面向对象分类的基本原理（分割、特征提取、分类）；影像分割方法（多尺度分割、棋盘分割）；特征的选择（光谱、形状、纹理、上下文）；分类规则的建立（决策树、隶属度函数）。
变化检测：变化检测的概念与应用（土地利用变化、灾害评估）；变化检测的方法（影像差值法、比值法、分类后比较法、主成分分析法）；变化阈值的确定；变化结果的输出与分析。
综合实战项目：典型遥感应用任务（如土地利用分类、植被覆盖度估算、水体提取、城市扩张监测）的完整图像处理流程，包含数据预处理、增强变换、分类识别、精度评价与专题制图。
