中国地质大学微波遥感上机实习报告Word格式.docx
《中国地质大学微波遥感上机实习报告Word格式.docx》由会员分享,可在线阅读,更多相关《中国地质大学微波遥感上机实习报告Word格式.docx(11页珍藏版)》请在冰豆网上搜索。
目录
实习一SAR图像目视解译-2-
【实习目的】-2-
【实习内容】-2-
【实习过程】-2-
实习二极化SAR信息提取-7-
【实习目的】-7-
【实习内容】-7-
【实习过程】-7-
心得与体会-10-
实习一SAR图像目视解译
【实习目的】
1.熟悉常用的SAR图像分析软件,
2.了解SAR图像格式和元数据信息,
3.利用所学的SAR图像特性进行目视解译。
【实习内容】
1.利用SAR软件查看其数据和元数据信息,并列出数据大小、范围、分辨率、轨道参数、极化方式等信息;
2.对SAR图像进行目视解译,分析图像范围内地物的目视解译结果,并给出解译依据;
3.掌握斜距转地距、多视处理、滤波处理等基本功能,并对处理后结果进行分析。
【实习过程】
1.常用的SAR图像处理软件
常用的SAR图像处理软件有ENVI、PolSARpro、Nest、SARscape等。
他们各自有着各自的优缺点,其中ENVI以强大的雷达图像数据导入功能著称,而PolSARpro的极化SAR数据处理及信息提取功能也十分的强大。
因此,在SAR图像处理的过程中,我们应该根据需求,选择不同的软件进行操作。
本次实习用的软件是SNAP,是一款由ESA(欧洲航天局)开发的软件。
包含了滤波、分类、统计等基本的图像处理功能。
2.SAR图像的图像格式和元数据信息
在OpenProduct中打开数据,待数据加载完后,所有的信息如图所示:
图1包含的文件
打开数据的Abstracted_Metadata,可以看到它的文件类型、相关参数。
包括文件类型、文件日期、轨迹和轨道等信息。
图2数据信息
从上图中我们可以得到如下基本信息:
(1)影像类型:
ENVISAT
(2)获取方式:
Stripmap
(3)处理软件版本:
ASAR/4.07
(4)获取时间:
2009/1/2514:
17:
00
3.基本图像处理
本次实习主要做了多视和滤波两个基本的图像处理方法。
首先是打开SNAP的Radar模块,选择Multilooking,在ProcessingParameters中设置NumberofRangeLooks为3
图3设置参数
图4多视结果
在多视的基础上,进行图像滤波,在Radar模块中,选择SpeckleFiltering中的Multi-temporalSpeckleFiltering。
参数设置为默认,待程序运行,结果如下:
图5滤波后的影像
滤波后的影像整体比滤波前偏亮,建筑区域变得平滑,而道路信息得到了增强。
而且滤波前的影像上有许多的噪点,在滤波后这些噪点得到了去除。
4.目视解译
我使用的是SNAP软件结合91卫图助手进行的目视解译。
最终解译结果有:
河流、湖泊、道路、农田、建筑等。
图中呈条状分布的地物为河流。
由于水体对于微波具有强吸收作用,导致卫星上接受到水体的回波较小,在图像上呈黑色。
同理,图中的斑状地物为湖泊。
图6-1河流图6-2湖泊
图中的白色线状地物为道路,首先,该线性地物几乎都分布在陆地,并远离水体,再结合光学图像,可以推断出该地物为道路
图7道路
图中白色的图斑为建筑,考虑到该图斑在影像上比较亮,可以认为是反射率较大,且集中分布在河流(长江)以及道路两侧,呈片块状密集分布,因此,可以推断出,该地物应为建筑。
图8建筑
实习二极化SAR信息提取
1.理解极化目标分解
2.掌握极化SAR信息提取方法和流程。
1.观看视频,了解PolSARpro软件的基本操作;
2.选用某个地区的全极化SAR数据,滤波去噪等预处理;
3.通过H/a、H/a/A、Freeman、Cameron等极化SAR目标分解处理,分析实验区地物散射特性;
4.通过合理选择样本并实验,探寻适合提取建筑物、河流、海洋、植被、农田、等典型地物的特征;
5.对H/a、H/a/A分解结果,采用基于Wishart统计分布的分类方法进行分类;
6.分析分类结果。
本次实习的数据是AIRSAR_SanFrancisco文件夹里的T3数据。
在PolSARpro中先设置好主路径,然后在import模块里导入机载AIRSAR数据,配置头文件,选择数据输出大小。
图9原始影像
接着进行滤波处理,我采用的是J.S.Lee.Refined.Filter滤波处理方法。
设置好参数后等待程序运行。
待程序运行结束后,使用Display模块进行PauliRGB合成显示图像。
图10滤波后的影像
接着使用Process模块进行H/A/Alpha分解,设置好相关参数后等待软件运行。
程序运行结束后,会得到alpha、beta等分量的影像。
其中的entropy分量代表的是该地区的熵,表现的是该地区的热度分布情况。
由图中可以看出,该地区内陆的热度高于沿海地区。
而anisotropy分量代表的是该地区的各向异性,表现的是该地区不同地物的特征分布。
图11-1entropy分量图11-2anisotropy分量
接下来是Freeman三分量分解,设置好参数后等待程序运行。
待程序运行结束后,得到Dbl、Odd、Vol分量的影像。
这三个分量分别是偶次散射,表面散射和体散射。
图12Freeman三分量分解结果
图13-1DBL分量图13-2ODD分量
图13-3VOL分量
接下来是分类,我做的是H/a-Wishart分类和H/a/A-Wishart分类,设置好参数后等待程序运行,得到分类后的图像。
图14-1H/a-Wishart分类图14-2H/a/A-Wishart分类
H/a-Wishart分类主要流程是输入H/a分类结果和Wishart分类器,得到最终的分类图。
而H/a/A-Wishart分类的主要流程是输入H/a/A分类结果和Wishart分类器,输入参数A,再通过Wishart分类器,得到最终的分类图。
从上面的分类结果可以看出,H/a/A-Wishart分类对于海水的特征更加明显,陆地上的不同地物也被区分开来,而H/a-Wishart分类对于海水的特征表现不如H/a/A-Wishart分类,只能表现为一个整体。
而对于陆地来讲H/a-Wishart分类的效果较好。
最后是图像的均值分类,设置好参数后等待程序运行。
程序运行结束后,得到最终的分类图。
图14-3mean分类
从图上可以看出,均值分类陆地上的绝大多数地物和海水融合在了一起,效果不是特别好。
心得与体会
本次实习很快结束了,收获颇丰,感受颇多。
通过本次实习,我对微波遥感有了更进一步的认识。
区别于上课,实习的时候能让我们去思考每一个模块后面对应的是什么知识,每一次变换都是什么原理。
这些感悟是上课的时候不曾体会到的。
此外,本次实习也让我对遥感图像处理的软件有了更进一步的了解,不管是从未操作过的PolSARpro,还是光学遥感经常使用的ENVI。
在实习的过程中,我掌握了SAR图像的目视解译的基本流程,极化SAR信息提取等知识,这对于我今后的学习生涯来说,也算是一笔不小的财富。
此外,在实习过程中,不仅仅是体会到了遥感图像处理的重要性,也体会到了遥感工作人员和科研人员的艰辛。
除此之外,本次实习的过程中,我也遇到了不少的困难。
全新的软件,全新的知识,让我在实习一开始遇到了不少的麻烦。
在做多视处理的时候,由于参数设定的原因,导致多视的效果不是很好,也影像了后面的滤波。
还好在老师和同学的帮助下,我及时发现了问题并改正。
这也让我意识到了,无论从事什么工作,都要求自身的基本功扎实,才能保质保量的完成任务。
最后,对于本次实习中给予帮助的老师和同学们,表达我真挚的感谢!