根據經驗，在4，3，2（rgb）的波段組合下，各種地表覆蓋物型別的特點如下：
a．森林——森林顯示出棕色、紅色、褐色等一系列多變的色調。在高海拔地區，成熟針葉林為很濃的棕色或暗紅色；在中低海拔地區，森林的顏色多變，從棕色到紅色到暗綠色都有，部分落葉林在冬季呈現出鏽黃色；
b．灌叢和草甸——相對於臨近的森林斑塊，灌叢和草甸呈現出明亮許多的紅色到淺紅色。在高海拔地區，大片的草地在夏季可能為淺紅或鏽紅色，而冬季則呈現青綠色；
c．湖泊、河流——湖泊通常為邊界清晰的黑色斑塊，河流則顯示為黑色或深藍色。在冬季，水面結冰或覆蓋有雪則顯示出不同深淺的紫紅色；
d．城鎮——很明顯的比較亮的灰色或青灰色斑塊，通常可見有規則的灰色線條（公路）穿過；
e．農田——顏色多變的綠色、灰色、淡紫色、淺紅色斑塊，通常沿河谷兩側不規則分布，在平原區則大片分布。河道邊的水田往往顯示出富含水分的青灰色。
一. tm波段總結:
1.tm1 0.45-0.52um,藍波段,對水體穿透強,對葉綠素與葉色素反映敏感,有助於判別水深及水中葉綠素分布以及水中是否有水華等.
2.tm2 0.52-0.60um,綠波段,對健康茂盛植物的反射敏感,對力的穿透力強,用於探測健康植物綠色反射率,按綠峰反射評價植物的生活狀況,區分林型,樹種和反映水下特徵.
3.tm3 0.62-0.69um ,紅波段,葉綠素的主要吸收波段,反映不同植物葉綠素吸收,植物健康狀況,用於區分植物種類與植物覆蓋率,其資訊量大多為可見光最佳波段,廣泛用於地貌,岩性,土壤,植被,水中泥沙等方面.
4 .tm4 0.76-0.96um 近紅外波段,對綠色植物類別差異最敏感,為植物通用波段,用於牧師調查,作物長勢測量,水域測量.
5.tm5 1.55-1.75um,中紅外波段,處於水的吸收波段,一般1.4-1.9um內反映含水量,用於土壤濕度植物含水量調查,水分善研究,作物長勢分析,從而提高了區分不同作用長勢的能力.易於反映雲與雪.
6.tm6 1.04-1.25um熱紅外波段,可以根據輻射響應的差別,區分農林覆蓋長勢,差別表層濕度,水體岩石,以及監測與人類活動有關的熱特徵,進行熱製圖.
7.tm7 2.08-3.35um,中紅外波段,為地質學家追加波段,處於水的強吸收帶,水體呈黑色,可用於區分主要岩石型別,岩石的熱蝕度,探測與交代岩石有關的粘土礦物.
二. 型別提取:
1.城市與鄉鎮的提取:tm1+tm7+tm3+tm5+tm6+tm2-tm4
2.鄉鎮與村落:tm1+tm2+tm3+tm6+tm7-tm4-tm5
3.河流的提取:tm5+tm6+tm7-tm1-tm2-tm4
4.道路的提取：ｔｍ６－（ｔｍ１＋ｔｍ２＋ｔｍ３＋ｔｍ４＋ｔｍ５＋ｔｍ７）
三. 光譜差異
ｔｍ１ 居民地與河流菜地不易分開．
ｔｍ２居民地與河流菜地不易分
ｔｍ３鄉村與菜地不易分
ｔｍ４農田與道路不易分，鄉鎮，道路，河灘易渾．
ｔｍ５縣城與農田不易分
ｔｍ６村莊與河流易混．
四. 分類方法使用
一般遙感影像分類可以分為：監督分類和非監督分類。在erdas中，無論是監督分類還是非監督分類都會產生乙個*.sig的模板檔案。針對tm影像資料，30公尺的解析度，可以採用先非監督監督分類，再監督分類。首先非監督分類，對產生的*.sig模板修改，修改後，對一些分類不和是模板再次進行修改。這樣可以集合影像灰度和人工判別。
有些研究需要，我們需要將植被覆蓋分級，（高覆蓋區à無覆蓋區）
通過計算植被指數可以對影像進行分類，常見的植被指數ndvi就可以完成此操作。但是針對植被，如果影像週期正好是12月或者1,2月份植被指數就不再適合。
五. 採用植被指數可以對植被分級
有些研究需要，我們需要將植被覆蓋分級，（高覆蓋區à無覆蓋區）
通過計算植被指數可以對影像進行分類，常見的植被指數ndvi就可以完成此操作。但 是針對植被，如果影像週期正好是12月或者1,2月份植被指數就不再適合。
六．分類後處理
分類後的影像總是有差別，有的影像分類效果很差，對於西北地區，如果存在大片沙漠、戈壁的地圖突然出現了一些其他用力型別，針對這樣的情況我們可以採用濾波的方式，如利用低通濾波，濾去雜訊，在通過高通濾波銳化邊緣。
衛星影像的AI分類與識別參賽筆記
標籤 空格分隔 影象分割 解決方案 因為看到衛星影像的ai分類與識別這個比賽和正在研究的衛星遙感影像分割型別很相似，就報名參加了。比賽分a，b榜提交，最終成績為複賽a榜23 867,b榜12 867，沒機會進決賽 現在把之前的一些經驗做下筆記。資料來自2015年中國南方某地區的高解析度無人機遙感影像...
位操作用途特徵與技巧
位操作在計算機中是一種非常高效的運算。其基本操作為 基本操作 與 或，非，異或 兩數的對應位 同為0，異為1。如 0110 1100 1010 先說說用途吧。一 用途 1 沒想到的交換操作 不引入任何變數 交換操作除了可以用 f a,b 實現外，如果要求不能引入任何新的變數。則可用異或操作 a的二進...
文字分類入門（番外篇）特徵選擇與特徵權重計算的區別
在文字分類的過程中，特徵 也可以簡單的理解為 詞 從人類能夠理解的形式轉換為計算機能夠理解的形式時，實際上經過了兩步驟的量化 特徵選擇階段的重要程度量化和將具體文字轉化為向量時的特徵權重量化。初次接觸文字分類的人很容易混淆這兩個步驟使用的方法和各自的目的，因而我經常聽到讀者有類似 如何使用 tfid...