ERDAS遥感专题信息提取与专题图制作.docx

ERDAS遥感专题信息提取与专题图制作.docx

《ERDAS遥感专题信息提取与专题图制作.docx》由会员分享，可在线阅读，更多相关《ERDAS遥感专题信息提取与专题图制作.docx（19页珍藏版）》请在冰豆网上搜索。

ERDAS遥感专题信息提取与专题图制作

遥感专题信息提取与专题图制作设计报告

1.课程设计的目的和意义

本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；熟悉遥感图像处理的方法和步骤，学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。

锻炼独立分析问题和解决问题的能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。

2.课程设计的原理和方法

2.1课程设计原理

2.1.1图像预处理

ERDAS软件默认的文件格式是img格式，因此首先需要将实习数据由TIFF格式转换为img格式图像。

多波段影像包含的信息量较大，实习中将6个单波段影像合成多波段影像进行处理。

Spot影像需具有地理信息，要将影像头文件信息添加进去。

2.1.2几何纠正 

遥感所获取的数据，均存在几何畸变。

因此需要对图像进行几何纠正。

几何纠正的原理是将图像数据投影到平面上，使其符合地图投影系统。

而将地图投影系统赋予图像数据的过程，称为地理参考。

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

在实习过程中，采用了一次多项式法进行几何纠正。

2.1.3图像镶嵌 

因研究范围的要求，需要在几何上将左右两幅图像连接在一起，并且保证拼接后的图像反差一致，色调相近，没有明显的接缝。

 遥感影像在镶嵌之前，必须包含投影信息、地理坐标信息，还要有相同的波段数。

当然，在挑选遥感数据时，要尽可能选择成像时间和成像条件相近的遥感图像，要求相邻影像的色调一致。

2.1.4图像裁剪 

在实际工作中，经常需要根据研究工作范围对图像进行裁剪，按照ERDAS实际图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：

规则分幅裁剪和不规则分幅裁剪。

规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，就可以确定图像的裁剪位置，整个裁剪过程比较简单。

不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角两点的坐标确定裁减位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI多边形，也可以是ArcInfo的一个PolygonCoverage，针对不同的情况采用不同的裁剪过程。

2.1.5图像融合

图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。

2.1.6图像分类 

图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。

常规图像分类主要有两种方法：

监督分类与非监督分类。

2.2课程设计方案

1.首先对实习数据进行图像格式转换，将实习数据由TIFF格式转换为ERDAS软件方便处理的img文件格式；对TM影像进行彩色合成增加信息量，便于处理；根据readme.txt中给出的数据对Spot影像添加头信息。

2.根据Spot影像数据对TM影像进行几何纠正，消除TM波段影像中存在的形变，将它们归划到统一的坐标系中。

3.将左像片与右像片进行镶嵌，对重叠区域进行平滑处理并调整左右色差使成图效果较为理想。

4.对镶嵌后的影像进行裁剪使生成规则的矩形图形。

5.将裁剪影像与Spot影像进行融合.

6.对融合与非融合影像进行监督分类与非监督分类，对非监督分类结果进行分类重编码，聚类统计与去除分析操作；对监督分类结果进行聚类统计，去除分析与精度评定；比较融合与非融合影像精度评定的效果，选出分类精度较高的影像。

7.根据分类结果对图像进行解译，提取专题信息；为专题图层添加底图、标题、图例等内容，进行图幅整饰并输出为专题地图。

 3.课程设计的过程和步骤

1．数据预处理 

格式转换：

用Import模块将12幅TM影像与1幅Spot影像由TIFF格式转换成img格式，注意在弹出的输入输出对话框中选择相应的格式。

彩色合成：

用Interpreter模块将左右各6个TM单波段影像叠加合成为多波段影像。

选择Interpreter/Utilities/Layer Stack，在弹出的Layer Selection Stacking对话框中添加需要合成的波段。

添加头信息：

打开Spot图像，调出ImageInfo对话框，选择Edit菜单，对影像的左上角X、Y坐标、像元值大小、单位和地图投影信息进行添加。

2．几何纠正 

打开需要纠正的TM图像与Spot影像，在TM图像菜单中选择Raster/Geometric Correction，选择Polynomial，设次数为1，用已打开的Spot影像作参考，开始分别在两个影像中选择同名点进行纠正。

 选出5个控制点后，选择Edit/Set Point Type/Check设置检查点，再选择5个检查点来检查精度。

选点完成后，点击Geo Correction Tools中的重采样按钮对图像进行重采样并输出。

 对比纠正前后的图像判断纠正精度。

3．影像镶嵌 

选择Main/DataPreparation/Mosaic Images/Mosaic Tool，打开影像镶嵌对话框。

 选择Mosaic Images/Edit/Add Images，加入左右影像，设置图像拼接区域为ComputeActiveArea（edge）。

点击ColorCorrection图标设置色差调整方式，在实习中选择了UseColorBalanceing和UseHistogramMathcing两种方式，点击SetOverlapFunction设置相交关系为NoCutlineExists，重叠区域像素取均值。

选择Rrocess/RunMosaic输出镶嵌图像。

4．图像裁剪 

打开需要裁剪的图像，选择AOI/Tools调出AOI工具栏，选择Main/DataPreparation/Subset Image，在对话框中设置输入、输出图像，选择AOI矩形工具画出裁剪区域进行裁剪。

5.图像融合

选择Main/ImageInterperter/SpatialEnhancement/ResolutionMerge调出图像融合对话框，设置输入、输出图像，注意高分辨率影像应为Spot影像，多光谱影像输入裁剪后的TM影像，融合方法选择PrincipleCompoment，重采样方法选择BilinearInterpolation。

6.非监督分类

选择Main/DataPreparation/UnsupervisedClassification调出非监督分类对话框，设置输入、输出图像，根据对分类图像的初始判断，设置分类数为7类，最大循环次数为24次，循环收敛阈值为0.95。

打开分类后影像，选择Raster/Attributes打开类别属性框，对类别的名称、颜色、列表显示顺序均可进行更改。

分类重编码：

选择Main/ImageInterperter/GISAnalysis/Recode，调出重编码对话框，对需要合并的类的NewValue字段取同样值。

聚类统计：

在GISAnalysis菜单列中选择Clump对图像进行聚类统计。

去除分析：

在GISAnalysis菜单列中选择Eliminate对聚类统计后的图像进行去除分析。

7.监督分类

监督分类首先需要定义分类模板，选择Classifier/SignatureEditor对分类字段进行设置，去掉Red，Green，Blue字段。

打开需要分类的图像，点击AOI/Tools调出AOI工具条，用AOI工具从要分类的影像中对代表各个已知类别的像元进行采样。

将采样结果添加进SignatureEditor中，并对针对同一类别的几次采样进行合并。

在Signature Editor的对话框中点Evaluate-Contingency ，观察混淆矩阵，纯度达到85%以上就能满足精度要求。

选择Classifier/SupervisedClassification，设置输入、输出影像与分类模板，利用最大似然法进行分类。

打开分类后影像，选择Raster/Attributes打开类别属性框，对类别的名称、颜色、列表显示顺序均可进行更改。

对监督分类后影像进行聚类统计与去除分析（操作步骤见上非监督分类）。

最后去除分析后影像进行精度评定。

打开分类前原始图像，选择Classifier/AccuracyAssessment调出精度评定对话框，点击File/Open去除分析后的监督分类图像，选择View/SelectViewer并点击原始图像将其与精度评估视窗相连，产生200个随机点并设置颜色，将随机点显示在原始图像中并在视窗中显示类别，逐点判断其实际类别并生成分类精度报告。

8.专题地图制作

选择GIS Analysis／Recode，在对话框中对专题类别进行提取。

选择Main/MapComposer，点击New Map Composition，设置地图版面的大小，单位，背景等。

然后在弹出的Map Composer窗口中点击Annotation／Tools调出常用的工具板,绘制地图图框，插入公里网，图例，比例尺，标题与制图者信息等。

4.课程设计的结果分析与评价

4.1彩色合成

左片与右片的彩色合成效果分别如下图1、图2所示。

图1：

左片彩色合成效果图2：

右片彩色合成效果

4.2几何纠正

左片与右片的几何纠正点设置分别如下图3、图4所示，左右两幅图像在几何纠正中均选取了控制点和检查点各5个。

在进行同名点选取时，由于图像中大量存在的林木区域地物特征相对不明显，导致选点多分布在河流沿岸地区，点位分布不够均匀，精度也不够高，因而需要对点位进行反复修改以实现较小的误差几何纠正的结果如图5、图7所示。

将纠正后图像与Spot影像叠加显示（注意需勾去ClearDisplay），采用Swipe操作来对几何纠正的效果进行分析，如图6、图8所示。

根据Swipe操作对比纠正后影像与Spot影像可知，在实习中几何纠正的效果较好。

图3：

左片几何纠正点

图4：

右片几何纠正点

图5：

左片几何纠正结果图6：

左片几何纠正效果分析

图7：

右片几何纠正结果图8：

右片几何纠正效果分析

4.3图像镶嵌

在实习中选用了UseColorBalanceing和UseHistogramMathcing两种色差调整方式，相交关系设为NoCutlineExists，重叠区域的像素取均值。

得到镶嵌结果如下图9所示，可知镶嵌效果较好，图形重叠区域比较清晰。

在实习中还尝试了对重叠区域像素取最大值或最小值进行镶嵌，得到的镶嵌图形在重叠区域的中下半部分均会产生较为明显的模糊。

图9：

图形镶嵌效果

4.4图像裁剪

图像裁剪的结果如下图10所示，可知裁剪得到的是原镶嵌图像中尽可能大的一个矩形区域。

图10：

图像裁剪效果图11：

图像融合效果

4.5图像融合

将裁剪影像与Spot影像进行融合的结果如上图11所示，其中需注意Spot影像为高分辨率影像，裁剪影像为多光谱影像，在设置时不要产生混淆。

4.6非监督分类

在非监督分类阶段，分别对非融合与融合影像进行非监督分类（图12，图17）、分类效果评估（图13，图18）、分类重编码（图14，图19）、聚类统计（图15，图20）与去除分析（图16，图21）。

由图像可知，在经过非监督分类后，非融合与融合影像的类别分布均较为杂乱。

与各自对应的原始图像进行推扫比较，分析确定每个类别代表的地物类型，可知类别提取与原始图像的像素变化较为一致，细节比较精确。

经过分类重编码将分类影像确定为5类，再经聚类统计，去除分析后得出的图像略去了杂乱的分类细节，类别聚集较为集中。

图12：

非融合影像的非监督分类结果

图13：

非融合影像的非监督分类效果评价

图14：

非融合影像非监督分类的分类重编码操作结果

图15：

非融合影像非监督分类的聚类统计操作结果图16：

非融合影像非监督分类的去除分析操作结果

图17：

融合影像的非监督分类结果

图18：

非融合影像的非监督分类效果评价

图19：

融合影像非监督分类的分类重编码操作结果

图20：

融合影像非监督分类的聚类统计操作结果图21：

融合影像非监督分类的去除分析操作结果

4.7监督分类

在监督分类中，分类样区的选择非常重要。

在实习中遇到的一个问题就是居民地与道路的颜色较为接近，类别提取后在分类时容易产生误差，许多应当属于居民地的区域会被归为道路类，如下图中非融合影像监督分类系列操作的结果，即图22-25所示。

在融合影像中，河流与道路的颜色同样较为接近，经过多次调整采样区间后道路类仍然误差较大，且道路区域较小，因而取消了道路类，如下图27-30所示。

在进行精度评定时，电脑常常死机，因而在这一环节耗费了大量的时间。

最后对非融合影像与融合影像各取了200个随机点，精度评定的效果分别如下图26，图31所示。

可知融合影像的分类精度要高于非融合影像。

图22：

非融合影像监督分类结果图23：

非融合影像监督分类表

图24：

非融合影像监督分类的聚类统计操作结果图25：

非融合影像监督分类的去除分析操作结果

图26：

非融合影像监督分类的精度评定

图27：

融合影像监督分类结果图28：

融合影像监督分类表

图29：

融合影像监督分类的聚类统计操作结果图30：

融合影像监督分类的去除分析操作结果

图31：

融合影像监督分类的精度评定

4.8专题地图制作

在此次实习中，我选择制作反应宜昌地区土地利用情况的专题图像，在设置图例时，由于类别中存在不属于分类类别的空白项，因而需要首先对图像进行重编码，再进行图例设置，也可以在图例设置中只选择需要显示的几项类别。

专题图成果如下图32所示。

图32：

专题地图

5.课程设计的总结与体会