遥感影像分类方法实验报告_精品文档文档格式.doc
《遥感影像分类方法实验报告_精品文档文档格式.doc》由会员分享，可在线阅读，更多相关《遥感影像分类方法实验报告_精品文档文档格式.doc（63页珍藏版）》请在冰豆网上搜索。
4.3.1两种融合方法的原理 11
4.3.2进行Gram-SchmidtSpectralSharpening融合 11
4.3.4融合效果进行定性评价 14
4.3.5融合效果进行定量评价（软件提供的计算方法） 15
4.3.6融合效果进行定量评价（Matlab编程计算） 16
4.3.7遥感影像融合定量分析代码 20
4.4生成住房密度栅格影像 23
4.4.1两表的连接 23
4.4.2计算房屋密度 24
4.4.3直接栅格化 25
4.4.4IDW插值 25
4.4.5对房屋密度图进行重分类 26
4.5将住房密度栅格影像作为额外的通道与ETM+多光谱波段进行叠加 26
4.6监督分类（融合方法为HSV，波段为5，4，3） 27
4.6.1打开GoogleEarth影像作为监督分类的参照 27
4.6.2建立兴趣区 29
4.6.3训练样区的选择 30
4.6.4训练样区的评价 31
4.6.5执行监督分类 33
4.6.6分类后处理 35
4.6.7评价结果分析 37
4.6.8分类结果面积统计 38
4.6.9分类结果 41
4.7分类结果评价与分析 41
4.7.1未加入房屋密度图层的分类结果评价与分析 41
4.7.2加入IDW插值房屋密度图层的分类结果评价与分析 42
4.7.3加入直接栅格化房屋密度图层的分类结果评价与分析 43
4.7.4加入重分类后IDW插值房屋密度图层的分类结果评价与分析 44
4.7.5从总精度与Kappa系数对分类结果进行评价 45
4.7.6分类结果总体评价 46
4.7.7与其他训练样区的分类精度和Kappa系数的计算 48
4.8决策树分类 49
4.8.1决策树分类原理 49
4.8.2数据预处理 49
4.8.3指数的计算 51
4.8.4执行决策树 54
4.8.5不同参数设置的对比 57
5实验体会 60
5.1实验中存在的问题 60
5.2软件平台使用 63
5.3实验总结 63
1实验目的
①掌握ArcGIS10和ENVI4.7对遥感图像处理的基本操作与原理
②熟悉几何精校正的方法，掌握ENVI软件对遥感影像进行几何精校正
③掌握全色波段与多光谱波段的融合方法和原理，学会对融合效果进行定性定量分析
④熟悉掌握ArcGIS的栅格化方法和IDW插值方法
⑤熟悉监督分类的方法和基本原理，掌握ENVI软件中进行监督分类
⑥了解监督分类后评价过程，对分类结果进行精度评价和分析
⑦掌握Erdas的空间建模方法以及原理
⑧了解RuleGen算法，掌握决策树分类方法
2实验数据
①带属性数据的shapefile：
Census.shp
②带有陆地面积字段的矢量图层：
③GoogleEarth_原始拼接：
GE1005211134.jpg
④研究区域的多光谱波段数据：
Stack_b1-6162-7.img
⑤研究区域的全色波段数据：
b8.img
⑥监督分类参照影像：
GoogleEarth
3实验内容
①对人口矢量数据（shapefile）进行投影转换：
WGS_1984_UTM_Zone_16N
②对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准）：
（1）对多光谱波段（30m空间分辨率）进行几何精校正（小于0.25个像元）；
（2）对Pan波段（15m空间分辨率）进行几何精校正（小于0.25个像元）；
③将Pan波段和多光谱波段进行融合（自选至少一种融合算法），并对融合效果进行定性和定量评价；
④生成住房密度栅格影像：
（1）直接栅格化；
（2）IDW插值；
⑤将住房密度栅格影像作为额外的通道（或波段）与ETM+多光谱波段进行叠加；
⑥进行监督分类和分类后处理（Post-Classification，ExpertRules）
⑦利用ERDAS软件的空间建模（SpatialModeler）进行水体信息（MNDWI指数）和植被信息（NDVI指数）的提取；
⑧利用“自动阈值决策树分类算法”进MarionCounty的土地利用/覆盖分类信息提取（使用的数据：
原始各波段+MNDWI+NDVI+ISODATA等，或其他有益的波段组合）
①探讨“自动阈值决策树分类算法”中的各个参数意义及如何设置更合理
②对分类结果进行评价与分析
⑨对分类结果进行精度评价和分析；
4实验步骤
4.1对人口矢量数据（shapefile）进行投影转换
4.1.1Census.shp文件投影坐标的检查
根据实验要求，人口矢量数据（shapefile）进行投影坐标应为：
WGS_1984_UTM_Zone_16N
在ArcGIS软件的图层右击Properties，在LayerProperties的Source下查看投影信息，如图1。
得到Census.shp的投影坐标为：
GCS_North_American_1983，与实验要求不符合，需进行投影转换。
图1
4.1.2将投影坐标转换为WGS_1984_UTM_Zone_16N
在Arcgis软件的工具箱中的DefineProjection工具，设置输入数据为：
Census.shp，坐标系统为GCS_WGS_1984，在工具箱中的工具，设置输入数据：
Census.shp，导入遥感影像的投影坐标系，即GCS_WGS_1984（如图2）。
图2
4.2对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准）
4.2.1Census.shp在ENVI软件的加载
在ENVI软件中，File->
OpenVectorFile，选择Census.shp，设置好参数，生成evf文件（如图3）。
图3
4.2.2对遥感影像进行几何精校正（以矢量数据为基准）
在ENVI分别打开遥感影像img和矢量文件vef，选择Map->
Registration->
SelectGCPs:
imagetomap，以矢量数据为基准,设置好投影，如图4。
图4
在ENVI中，在zoom窗口下采集控制点，这次实验采集的控制点数为13个，控制点的主要定位在道路与道路之间的交叉点，如图5，其控制点的RMSError为0.246390，如图6，如图7为20个控制点的采集情况。
图5
图6
图7
选择校正参数输出结果，在GroundControlPointsSelection窗口选择Option->
Warp
File，如图8；
数学模型为Polynomial，设定参数为2，从采样方法为最临近法，如图9。
图8图9
如图10、11为几何校正前后，矢量图层与遥感影像吻合度的对比，可以明显看出，经过几何校正后的遥感影像与矢量图层吻合程度有明显的改善，有部分水体边界不吻合，这主要是由于水体会随时间而改变；
而街区与道路吻合程度良好。
图10
图11
如图12为对多光谱波段（30m空间分辨率）进行几何精校正后的遥感影像；
如图13为对Pan波段（15m空间分辨率）进行几何精校正后的遥感影像。
图12
图13
4.2.3用矢量图层对遥感影像进行裁剪
在ENVI中打开Census.shp文件，将该图层转换成ROI，如图14。
图14
通过ROI进行裁剪遥感影像，选择BasicTools->
SubsetDataviaROIs；
选择转换好的ROI进行裁剪，如图15。
图15
同样，对pan波段的遥感影像进行裁剪，得到遥感影像如图16。
图16
4.3将Pan波段和多光谱波段进行融合，并对融合效果进行定性和定量评价
4.3.1两种融合方法的原理
Gram-Schmidt可以对具有高分辨率的高光谱数据进行锐化。
①从低分辨率的波谱波段中模拟出一个全色波段。
②对该全色波段和波谱波段进行Gram-Schmidt变换，其中模拟的全色波段被作为第一个波段。
③用Gram-Schmidt变换后的第一个波段替换高空间分辨率的全色波段。
④应用Gram-Schmidt反变换构成pan锐化后的波谱波段。
Gram-SchmidtSpectralSharpening方法进行图像增强能够比较好的保留原多光谱图像的光谱信息，使遥感影像的融合保留多光谱影像的增强效果。
用PC可以对具有高空间分辨率的光谱图像进行锐化。
①先对多光谱数据进行主成分变换。
②用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真。
③进行主成分逆变换。
函数自动地用最近邻、双线性或三次卷积技术将多光谱数据重采样到高分辨率像元尺寸。
4.3.2进行Gram-SchmidtSpectralSharpening融合
在ENVI软件中，选择Transform->
ImageSharpening->
Gram-SchmidtSpectralSharpening，在SelectLowSpatialResolutionMultiBandInputFile中选择Stack_b1-6162-7_CJ.img多光谱波段，SpatialSubset为FullScene，SpectralSunset为8个波段，如图17。
图17
在SelectHighSpatialResolutionPanInputFile窗口中选择b8_CJ.img全色波段，如图18。
图18
SelectMethodforLowResoutionPan选择AverageofLowResolutionMultispectralFile：
利用多光谱波段的平均值来模拟低分辨率的全色波段。
Resampling选择NearestNeighbor，OutputResult选择保存路径，如
升级会员 