基于DN值研究遥感影像分类方法探究摘要：该实验中，根据各种地物特征在不同波段中表现出来的DN值的不同，我们通过人机互动的方式寻找各种地物特征DN值在遥感影像中的联系，通过这样一种联系，确定区分不同特征的阈值，达到分类的目的。同时，比较通过降噪处理之后的分类图与未经过降噪处理的分类图，寻求提高分类精度的方法。关键词：Landsat遥感影像分类中图分类号：P23文献标识码：A文章编号：1007-3973(2012)007-109-021影像DN值分析遥感影像之所以能够表现出各种地物特征，是因为影像中每个像素点有着不同的DN值(DigitalNumber),为了对遥感影像进行阈值分类，首先我们要弄清各种地物特征在遥感影像处于什么样的位置，通常我们是要弄清楚遥感影像各地物特征的DN值在遥感影像全局里所处的区间，因此，我们首先要对遥感影像做DN值分析。我们选取2010年洋山港区域的Landsat-7ETM+卫星遥感图片作为研究对象，如图1所示。这张图像具有Landsat-7ETM+所有波段的信息，我们使用的影响是Unsign-8byte图像，因此，图像里的DN值从0〜255,影像是通过DN值的不同来表现出不同的特征，我们从影像的各DN值关系表1可以看出2010年洋山港地区的遥感影像9个波段的基本面貌。利用阈值关系方法进行信息提取的方法非常容易实现,我们利用各个通道DN值之间存在的关系，例如第5通道DN值小于20的，我们归类为水体，从而很轻松的将水体特征提取出来。但是在分类过程中，各种地物特征的提取并不是简单地依赖某一通道来完成的。2阈值分类算法和分类模型确定通过对表1各类地物特征DN值关系分析表进行分析，我们可以看出，第五第八通道对水很敏感，光波被水吸收，所以DN值均小于20,这样我们只需要同通过这两个通道就能很好地将水体特征提取出来，而植被可以通过第一第二第三通道来提取，其他几个通道都存在其他地物特征与植被特征DN值重叠的现象因此，分类使用ETM+1,2,3,4即可解决植被分类的问题，人类活动在本次实验中遇到了比较棘手的问题，主要原因是人类活动不存在某一通道就可完全提取特征的DN值范围，每个通道，在区分各种地物特征时却不尽人意，往往是水体与人类混淆，或是植被与人类活动混淆,事实上，在实验的过程中，我们也发现，没有哪个通道可以将人类活动单独提取出来。所以我们需要引入数学上的一个概念，就是交集的概念，在处理人类活动特征时必需进行交集分析，但是对于真实人类活动的特征是存在交集，我们在阈值分析的过程中，发现1,2,3,4,9通道，人类和水体在分别大于68,79,75,50和35的值，可以归为人和水的共同类，而5,8通道，在DN值分别大于20和20的，可以归为人和植被的共同类，而这两大类之间的交集就是任内活动特征，于是，我们通过交集的概念可以很快将人类活动的特征提取出来。通过以上的阈值算法分析，我们需要建立本次实验的分类模型，我们选取对分类有用的通道，每种地物特征均采用交集处理以求得到最为匹配的分类结果图。分类模型示意图如图2所示。利用阈值方法进行信息提取的方法非常容易实现，仅用少量的人力物力，可以达到预期的要求，能够快速获得变化信息的区域。将以上的分类结果整合之后，我们得到了图3,2010年洋山港地区的分类结果图。3降噪处理本次实验的目的是为了对上海市海岸带的遥感影像进行研究与分析，我们需要获得更为准确的分类图，这样才能为往后的生态评价计算提供良好的基础，而降噪处理作为遥感影像预处理三大过程（辐射校正，几何校正，降噪处理）之一，在本次实验中也得到应用，降噪处理是因为遥感影像信号在产生、传输、接收和记录的过程中，经常会受到各种大气效应和电离层辐射的影响，从而产生各种各样的噪声，当进行下一步的遥感影像的特征提取、信息分析和模式识别等处理时将会带来不同的影响，因此在这之前的遥感影像噪声去除是一个非常重要的预处理步骤。遥感影像中大多数像素的灰度值差别不大，正是由于这种灰度相关性的存在，所以一般遥感影像的能量主要集中在低频区域，只有影像的细节部分的能量处于高频区域。进行遥感影像平滑的主要目的就是要消除或衰减影像上的噪声，也就是衰减高频分量，增强低频量。但是高频区域同样也包含着影像的细节能量...