遥感图像处理实习指导书.docx

遥感图像处理实习指导书.docx

《遥感图像处理实习指导书.docx》由会员分享，可在线阅读，更多相关《遥感图像处理实习指导书.docx（66页珍藏版）》请在冰豆网上搜索。

遥感图像处理实习指导书

实验一、遥感图像的几何校正

实验目的：

通过实习操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。

实验内容：

ERDAS软件中图像预处理模块下的图像几何校正。

几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。

而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。

由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。

实验数据：

（ERDAS安装目录中的样例图像数据文件）

待校正图像：

tmAtlanta.img（LandsatTM图像）；

参考图像：

panAtlanta.img（Spot图像）。

1、图像几何校正的途径

ERDAS图标面板工具条：

点击DataPrep图标，→ImageGeometricCorrection→打开SetGeo-CorrectionInputFile对话框（图1-1）。

或：

ERDAS图标面板菜单条：

Main→DataPreparation→ImageGeometricCorrection→打开SetGeo-CorrectionInputFile对话框（图1-1）。

图1-1 SetGeo-CorrectionInputFile对话框

在SetGeo-CorrectionInputFile对话框（图1-1）中，需要确定校正图像，有两种选择情况：

其一：

首先确定来自视窗（FromViewer），然后选择显示图像视窗。

其二：

首先确定来自文件（FromImageFile），然后选择输入图像。

2、图像几何校正的计算模型（GeometricCorrectionModel）

ERDAS9.1提供的图像几何校正模型有16种，具体功能如下：

表1-1几何校正计算模型与功能

模型

功能

Affine

图像仿射变换（不做投影变换）

Polynomial

多项式变换（同时作投影变换）

Reproject

投影变换（转换调用多项式变换）

RubberSheeting

非线性变换、非均匀变换

Camera

航空影像正射校正

Landsat

Lantsat卫星图像正射校正

Spot

Spot卫星图像正射校正

3、图像校正的具体过程

第一步：

显示图像文件（DisplayImageFiles）

首先，在ERDAS图标面板中点击Viewer图表两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置，操作过程如下：

ERDAS图表面板菜单条：

Session→TitleViewers

然后，在Viewer1中打开需要校正的Lantsat图像：

tmAtlanta,img

在Viewer2中打开作为地理参考的校正过的SPOT图像：

panAtlanta,img

第二步：

启动几何校正模块（GeometricCorrectionTool）

Viewer1菜单条：

Raster→GeometricCorrection

 →打开SetGeometricModel对话框

（2）

→选择多项式几何校正模型：

Polynomial→OK

 →同时打开GeoCorrectionTools对话框（3）和PolynomialModelProperties对话框（4）。

在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：

→定义多项式次方（PolynomialOrder）:

2

→定义投影参数：

（PROJECTION）:

略

→Apply→Close

→打开GCPToolReferenseSetup对话框（5）

图1-2SetGeometricModel对话框

图1-3GeoCorrectionTools对话框

图1-4PolynomialProperties对话框

图1-5 GCPToolReferenseSetup对话框

第三步：

启动控制点工具（StartGCPTools）

图1-6ViewerSelectionInstructions

首先，在GCPToolReferenseSetup对话框（图1-5）中选择采点模式：

→选择视窗采点模式：

ExistingViewer→OK

→打开ViewerSelectionInstructions指示器（图2-6）

→在显示作为地理参考图像panAtlanta,img的Viewer2中点击左键

→打开referenceMapInformation提示框（图1-7）；→OK

→此时，整个屏幕将自动变化为如图1-7所示的状态，表明控制点工具被启动，进入控制点采点状态。

图1-7referenceMapInformation提示框

图1-8控制点采点

第四步：

采集地面控制点（GroundControlPoint）

GCP的具体采集过程：

在图像几何校正过程中，采集控制点是一项非常重要和繁重的工作，具体过程如下：

1） 在GCP工具对话框中，点击SelectGCP图表，进入GCP选择状态；

2） 在GCP数据表中，将输入GCP的颜色设置为比较明显的黄色。

3） 在Viewer1中移动关联方框位置，寻找明显的地物特征点，作为输入GCP。

4） 在GCP工具对话框中，点击CreateGCP图标，并在Viewer3中点击左键定点，GCP数据表将记录一个输入GCP，包括其编号、标识码、X坐标和Y坐标。

5） 在GCP对话框中，点击SelectGCP图标，重新进入GCP选择状态。

6） 在GCP数据表中，将参考GCP的颜色设置为比较明显的红色，

7） 在Viewer2中，移动关联方框位置，寻找对应的地物特征点，作为参考GCP。

8） 在GCP工具对话框中，点击CreateGCP图标，并在Viewer4中点击左肩顶巅，系统将自动将参考点的坐标（X、Y）显示在GCP数据表中。

9）在GCP对话框中，点击SelectGCP图标，重新进入GCP选择状态，并将光标移回到Viewer1中，准备采集另一个输入控制点。

10）不断重复1-9，采集若干控制点GCP，直到满足所选定的几何模型为止，尔后，没采集一个InputGCP，系统就自动产生一个Ref.GCP，通过移动Ref.GCP可以优化校正模型。

第五步：

采集地面检查点（GroundCheckPoint）

以上采集的GCP的类型均为控制点，用于控制计算，建立转换模型及多项式方程。

下面所要采集的GCP类型是检查点。

1）更改点的类型：

将控制点类型改为检查点；

2）打开GCPMatching对话框，确定GCP匹配参数；

3）确定地面检查点：

采用类似添加控制点的方法，添加5个检查点；

4）计算检查点误差：

在GCPTool工具条中单击ComputeError图标，计算检查点的误差，只有当所有检查点的误差均小于一个像元，才能继续进行合理的重采样。

第六步：

计算转换模型（ComputeTransformation）

  在控制点采集过程中，一般是设置为自动转换计算模型。

所以随着控制点采集过程的完成，转换模型就自动计算生成。

  在Geo-CorrectionTools对话框中，点击DisplayModelProperties图表，可以查阅模型。

第七步：

图像重采样（ResampletheImage）

重采样过程就是依据未校正图像的像元值，计算生成一幅校正图像的过程。

原图像中所有删格数据层都要进行重采样。

ERDASIMAGE提供了四种最常用的重采样方法。

图像重采样的过程：

首先，在Geo-CorrectionTools对话框中选择ImageResample图标。

然后，在ImageResample对话框中，定义重采样参数；

→输出图像文件明（OutputFile）:

rectify.img

→选择重采样方法（ResampleMethod）:

NearestNeighbor

→定义输出图像范围：

→定义输出像元的大小：

→设置输出统计中忽略零值:

→定义重新计算输出缺省值：

第八步：

保存几何校正模式（SaverectificationModel）

在Geo-CorrectionTools对话框中点击Exit按钮，推出几何校正过程，按照系统提示，选择保存图像几何校正模式，并定义模式文件，以便下一次直接利用。

第九步：

检验校正结果（VerifyrectificationResult）

基本方法：

同时在两个视窗中打开两幅图像，一幅是矫正以后的图像，一幅是当时的参考图像，通过视窗地理连接功能，及查询光标功能进行目视定性检验。

实验二：

遥感图像的增强处理

实验目的：

通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。

实验内容：

卷积增强处理；锐化增强处理；直方图均衡化；色彩变换。

图象增强处理包括空间、辐射、光谱增强处理与傅立叶变换处理，本实验做几种常用的增强处理方法，在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。

实验数据：

ERDAS安装目录中的若干样例图像数据文件。

1、卷积增强（Convolution）

空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。

卷积增强（Convolution）是空间增强的一种方法。

卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。

卷积增强（Convolution）处理的关键是卷积算子----系数矩阵的选择。

该系数矩阵又称卷积核（Kernal）。

ERDASIMAGINE将常用的卷积算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/LowPass/Horizontal/Vertical/Summary”等七种不同的处理方式。

具体执行过程如下：

ERDAS图标面板菜单条：

Main→ImageInterpreter→Spatialenhancement→convolution→convolution对话框。

图2-1Convolution对话框

几个重要参数的设置：

边缘处理方法：

（HandleEdgesby）：

Reflection

卷积归一化处理：

NormalizetheKernel

可以通过点击NormalizetheKernel下面的Edit按钮查看和编辑卷积核（如图2-2），或点击New按钮可以新建卷积核。

图2-2卷积核（Kernal）的查看与编辑

图2-3卷积增强处理后图像与原图像对比图

2、分辨率融合（ResolutionMerge）

分辨率融合（ResolutionMerge）对不同分辨率遥感图像的融合处理，使处理后的图像既具有较好的空间分辨率，又具有多光谱特性，从而达到图像增强的目的。

关键是融合前两幅图像的配准和处理过程中融合方法的选择。

ERDAS图标面板菜单条：

Main→ImageInterpreter→Spatialenhancement→ResolutionMerge命令，打开ResolutionMerge对话框。

图2-4ResolutionMerge对话框

图2-5高分辨率图像和高光谱图像融合

3、直方图均衡化（HistogramEqualization）

直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。

这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。

注意：

认真对比直方图均衡化前后图像差别，仔细观察直方图均衡化的效果。

图2-6直方图均衡化

图2-7原始图像

图2-8均衡化后图像

  4、主成分变换

   主成分变换（PrincipalComponentAnalysis）是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。

ERDASIMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。

ERDAS图标面板菜单条：

Main→ImageInterporeter→SpectralEnhancement→PrincipialComp→PincipalComponents对话框。

（图3-3）

图2-9PrincipalComponent对话框

图2-10主成份变化后图像

5、色彩变换（RGBtoIHS）

色彩变换是将遥感图像从红（R）、绿（G）、兰（B）三种颜色组成的色彩空间转换到以亮度（I）、色度（H）、饱和度（S）作为定位参数的色彩空间，以便使图像的颜色与人眼看到得更接近。

其中，亮度表示整个图象的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1。

图2-11RGBtoHIS对话框

图2-12色彩变换结果

6、傅立叶变换

1）快速傅立叶变换

图2-13

图2-14在傅立叶编辑器中打开的频率域图像

2）在傅立叶图像编辑器中执行多种图像编辑操作，如：

低通滤波、高通滤波、矩形掩膜、楔形掩膜等图像编辑操作，并保存编辑结果；然后执行傅立叶逆变换，得到经频率域增强后的图像，并于原始图像进行比较，领会增强效果。

实验三数据更新变换

实际中获取的数据往往由于客观条件的限制与需求并不一致，如图幅范围、图像分辨率、地图投影信息等。

当要获取指定要求的数据时，就要对数据源进行校正、拼接、裁剪、融合等处理操作，有时还需要进行相应的投影变换等。

1.实验目的

掌握ERDASIMAGINE数据预处理工作，融会贯通各种预处理操作，利用现有数据制作适合于要求的数据。

2．数据

试验所用到的数据位于Data＼Ex3。

（1）两幅经过几何校正的Landsat7可见光7，5，l波段合成影像（1eft.Img和right.img）；一幅覆盖研究区的Landsat7全色波段高分辨率影像（hpn.img）。

（2）研究区AOI（main.aoi）。

3．实验要求

（1）研究区跨两幅彩色图像，需要将两幅图像进行拼接；

（2）利用A0I分别裁剪多光谱，获取要求覆盖范围的数据；

（3）执行融合操作，获取既具有高光谱特性又具有高分辨率的数据。

具体操作流程图1所示。

图2操作流程

4.实验步骤

（1）图幅拼接。

①启动拼接工具，并在MosaicTool工具条中，选择DisplayAddImagesDialog按钮，打开AddImages对话框。

②加载拼接图像（left.img和right.Img），并在ImageAreaOption中选择计算活动区（ComputeActiveArea）按钮，单击OK按钮加载。

③图像色调调整，打开色彩校正（ColorCorrections）对话框（图3），选中

UseHistogramMatching按钮，并单击Set按钮设置。

④选择匹配方法（MatchingMethod）为OverlapAreas，直方图类型（HistogramType）为BandbyBand。

⑤在MosaicTool工具条选择SetModeforIntersection按钮，进入设置图像关系模式的状态。

⑥打开SetOverlapFunction对话框（图4），设置叠加方法为无剪切线，重叠区像元灰度计算为均值。

图3图4

⑦在MosaicTool菜单条选择Process|RunMosaic菜单，打开OutputFileName

窗口，输出文件名为mosaic．img．选择OutputOptions标签，选中忽略统计输出值（StatsIgnoreValue）复选框，单击OK按钮执行图像拼接，拼接后的图像如图5所示。

图5

（2）利用AOI裁剪研究区。

①在ERDAS图标面板菜单条选择Main|DataPreparationlSubsetImage命令，打开Subset对话框。

②在Subset对话框中，设置输入文件为mosaic.img，输出文件为multispec.img见图6。

③选中输出统计忽略0值复选框（IgnoreZeroinOutputStats）。

④单击AOI按钮，在弹出的ChooseAOI对话框中选择AOIfile，并加载main．aoi作为裁剪范围。

⑤单击OK按钮执行裁剪，裁剪结果见见图7。

图6

图7

（3）图像融合。

①在ERDAS图标面板菜单条，选择Main|ImageInterpreter|SpatialEnhancement|ResolutionMerge命令，打开ResolutionMerge对话框。

②确定高分辨率输入文件为（HighResolutionFile）hpn.img，多光谱输入文件（MultispectralInputFile）为multispec.img，输出文件（OutputFile）为merge.img。

③选择融合方法（Method）为主成分变换法（PrincipleComponent），重采样方法（ResampleTechniques）为BilinearInterpolation。

④输出数据选择（OutputOptions）为StretchUnsigned8bit，输出波段选择（LayerSelection）为SelectLayers1：

3，见图8。

图8

⑤单击OK按钮，关闭ResolutionMerge对话框，执行分辨率融合，得到最终需要的研究区图像融合数据。

图2．41是执行分辨率融合前后影像的对比。

左图为未经融合的多光谱图像，右图为融合后的图像。

对比二者可以发现，融合后的图像既具有了多光谱特性同时也提高了分辨率，地物能够比较清晰的判别。

图图像融合前后对比。

需要说明的是，本实验的目的是融汇利用各种操作来进行数据预处理，实际研究中，由于获取数据的多样性，可能并不需要如此多的步骤，或者操作的步骤并不与练习中一致，需要视实际情况而定。

例如，若获取的数据很大，而研究区就覆盖其中很小的一部分，这时候就需要先对数据进行裁剪之后再进行拼接，以减少数据处理时间。

根据数据进行不同的数据预处理策略获取我们需要的数据之后，就可以进行诸如图像增强、分类等工作。

图9

实验四数据融合

非遥感数据与遥感数据复合是提高遥感影像解译精度的重要方法之一。

彩色空间变换利用IHS（明度、色调和饱和度）色空间的特点，在信息融合方面取得了较好的效果。

在遥感影像的处理中，它多用于多源影像的复合，将不同传感器获得的同一景物的影像或者是同一传感器获得的不同分辨率的影像经过色彩变换处理后，获得一幅合成影像，提高图像的解译能力。

1.实验目的

熟练掌握ERDASIMAGlNE彩色变换和信息融合技术．利用该方法实现非遥感数据与遥感数据复合，从而达到图像增强的目的。

2.实验数据

试验数据位于…＼Data＼Ex4）。

（1）TM影像（eldoatm.img）。

（2）DEM数据（eldodem.img）。

3.要求

（1）色彩变换。

（2）用DEM数据替换IHS图像中的H分量。

（3）色彩逆变换，实现DEM数据与TM数据的融合。

5）实验步骤

流程如图1所示。

图1实验流程图

（1）色彩变换。

①选择Interpreter|SpectralEnhancement…|RGBtoIHS…命令，打开RGBtoIHS对话框。

②选择处理图像文件（InputFile）为eldoatm.img。

③在OutputFile选择输出文件保存的路径和文件名（ihs．img）。

④CoordinateType：

坐标系统类型，选择Map。

⑤SubsetDefinition：

定义变换区域整幅图像。

⑥确定参与色彩变换的3个波段。

⑦选中IgnoreZeroinStats复选框。

⑧单击OK按钮，执行色彩变换（图2）。

（2）用DEM数据替换IHS图像中的H分量。

由于明度I分量决定图像的空间分辨率，经常用在不同传感器影像的复合中，在变换中用高分辨率影像代替该分量，使得到的影像既具有较高的分辨率又具有丰富的光谱信息；S、H分量包含图像的光谱信息，本实验用DEM代替其色调H，以提高变换后的视觉效果。

图2RGBtoIHS对话框

由于H分量属于IHS图像的第二层，因此在利用LayerStack命令重新生成图层时，保持IHS图像的第1、3层不变，在两者中间插入DEM数据，即可实现DEM数据对IHS图像中H分量的替换。

在替换之前，首先对DEM数据进行拉伸处理，操作步骤如下：

选择Main|ImageInterpreter|RadiometricEnhancement|HistogramEqualization命令，打开HistogramEqualization对话框，在HistogramEqualization对话框中如图3所示进行设置。

图3HistogramEqualization对话框

对原始DEM数据进行拉伸处理后，利用LayerStack命令．用拉伸后的DEM数据代替原始图像中的H分量．操作如下：

1选择Interpreter|Utilities|LayerStack命令，打开LayerSeIectionandStacking对话框（图4）。

②选择要加载的文件。

操作如下：

首先打开IHS图像．在Layer中选择要加载的图层l，单击Add命令加载，作为H’。

然后打开equalization．img文件．在Layer中选择NN-1，单击Add命令加载，作为H’。

最后重新打开IHS图像，在Layer中选择要加载的图层3，单击Add命令加载，作为S’。

③在OutputFile中选择输出文件的路径和文件名（如newihs.img）。

④选中IgnoreZeroinStats复选框。

⑤单击OK按钮，执行LayerStack命令。

图4LayerSelectionandStacking对话框

（3）色彩逆变换。

①打开IHStoRGB对话框；选择Interpreter|SpectralEnhanceinent|IHStoRGB命令（图5）。

②选择处理图像文件（InputFile）中选择在第二步中新生成的IHS图像。

③在OutputFile中选择文件输出的路径和文件名（如newrgb.img）。

④选择StretchI＆S命令，对I、S两分量进行拉伸。

⑤选中IgnoreZeroinStats复选框。

⑥单击OK按钮，执行色彩逆变换。

变换后效果见图6。

图5IHStoRGB对话框

图6结果对比图