地理遥感图像处理实验教案.docx
《地理遥感图像处理实验教案.docx》由会员分享，可在线阅读，更多相关《地理遥感图像处理实验教案.docx（18页珍藏版）》请在冰豆网上搜索。
地理遥感图像处理实验教案
教案
（2010/2011学年第2学期）
课程名称遥感图像处理实验
课程编号101001504
课程性质专业课
教学时数20
教学对象08级地理科学
授课教师黄雄伟
职称副教授
邵阳学院城市建设系
2011年2月
实验一图像预处理
一、实验目的
使学生初步了解ENVI软件的基本操作如图像文件管理，图像的裁剪、重采样以及图像中的条带和噪声的去除方法。
二、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
三、实验内容与步骤
1、图像的输入与输出
2、编辑ENVI图像头文件
3、图像的裁剪与重采样
4、叠加公里网格
5、去除条带及坏线方法
四、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验二几何校正
一、实验目的
1、掌握图像几何校正的方法和步骤。
二、实验原理
ENVI的图像配准与几何校正工具允许你将图像定位到地理坐标上，并校正它们使其与基图像几何形状相匹配。
图像可以用Rotate/FlipData菜单项在配准以前进行旋转。
通过使用全分辨率（主图像）和缩放窗口选择地面控制点（GCPs），来进行图像－图像和图像－地图的配准。
基图像和未校正图像的GCPs的坐标被显示，伴随有特定纠正算法计算的误差项。
纠正用旋转、缩放和平移（RST），多项式函数或德洛内三角测量（Delaunaytriangulation）实现。
RST纠正是最简单的方法，需要三个或更多的GCPs运行图像的旋转、缩放和平移。
多项式可进行1次到n次纠正，当进行多项式纠正时ENVI要求所需的控制点数必须大于
（其中n为多项式的次数degree），德洛内三角测量适于三角到不规则空间GCPs和内插数值到输出格网中。
支持的重采样方法包括最近邻、双线性和立方体卷积。
用ENVI的多个动态覆盖能力，对基图像和纠正图像进行比较，可以快速估价配准精度。
ENVI全面支持带有各种投影的地理信息的图像，除此之外，用户还可以根据它提供的6类基本投影、超过35种椭球和100种基准来构造自定义的投影。
ENVI图像所具有的地理信息可以在ENVI的头文件里可以看到，其中参考像元的地理坐标是其它所有像元的参考。
三、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
四、实验内容与步骤
1、图像对图像的校正
本例将以SPOT图像作为基准图像，把另一幅同一地区的不具备地理信息的TM图像与SPOT图像配准。
（1）打开基图像bldr_sp.img和待纠正的图像bldr_tm.img，
（2）在ENVI主菜单中选择MapRegistrationSelectGCPs:
ImagetoImage，
（3）出现ImagetoImageRegistration对话框时，在“BaseImage:
”下面点击选择基图像（参照图像）的显示（Display#1，SPOT图像）。
在“WarpImage:
”下方点击选择被纠正的图像的显示（Display#2，TM图像），
（4）单击OK，出现GroundControlPointsSelection对话框。
在该对话框里添加地面控制点（GCP），
（5）查看各控制点的精度、RMS误差并作适当的修改，
（6）纠正图像，在GroundControlPointsSelection对话框中选择OptionsWarpfile，选择bldr_tm.img文件，点击OK，出现RegistrationParameters对话框，纠正方法选择RST，重采样方法采用最邻近采样，
（7）键入输出文件名，单击OK，进行纠正，
（8）将纠正图像与SPOT基图像进行动态链接和动态覆盖，检查纠正的精度。
2、图像对地图的纠正
图像对地图配准要求至少由一幅图像是打开的。
图像中地面控制点（GCPs）由缩放窗口中的光标选择。
也可以选择亚像元坐标。
相应的地图坐标被手工输入或从矢量窗口输入。
一旦选择了足够的点定义一个纠正多项式，在纠正图像中的GCP位置就能预测。
（1）在实验数据路径下打开TM图像bldr_tm.img，图像默认加载到显示窗口中（图像打开时的默认显示可以在头文件里进行设置），
（2）选择MapRegistrationSelectGCPs:
ImagetoMap，出现ImagetoMapRegistration对话框，
（3）在该对话框中，在“SelectRegistrationProjection”列表中，点击类型选择要输出的投影。
这里选择UTM投影，在标有“Zone”的文本框里输入区域号13，像元分辨率接受默认的30m，点击OK，
（4）出现GroundControlPointsSelection对话框，在该对话框中选择地面控制点，地面控制点的选择类似于图像-图像配准，
（5）用同样的方法添加另外的GCPs，
（6）按前述方法执行纠正。
五、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验三空间信息增强
（一）
一、实验目的
1、了解并掌握几种常用的线性扩展方法和基本函数非线性扩展如直方图均衡化、高斯扩展以及平方根扩展方法，并对这些方法进行比较与评价；
2、了解并掌握真彩色图像和假彩色图像的定义、区别以及实现过程。
二、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
三、实验内容与步骤
1、反差扩展
（1）从主菜单的File中，打开TM1-7波段数据，在窗口中打开任意波段的数据。
主图像菜单中的enhance菜单就是对图像进行反差扩展。
首先选择[scroll]linear，对图像进行线性扩展，（默认的线形扩展是2%的线性扩展）。
（2）要想改变系统默认的2%线性扩展，从主菜单File中，打开PreferencesDisplayDefault，将%Linear中的2.0改为0.0，选择OK后。
关闭对话框，保存生成的新文件再打开，就形成新的从0开始的线性变换。
（3）主图像菜单中选择EnhanceInteractiveStretching可以进行交互式的反差扩展。
Strech_Type中可以选择各种扩展方式，主要有Linear（普通线性扩展），Gaussian（高斯扩展），PiecewiseLinear（分段线形扩展），Equalization（等均值扩展），SquareRoot（平方根扩展），Arbitrary（任意扩展），选中各种不同的扩展方式，点击Apply，即可在图中看到变化后的图像：
（4）其中，分段线性变换，需要按住Ctrl键，在原始图像的直方图中，点击鼠标左键，加分段断点。
鼠标左键选中断点，将它拖到任意位置，点击Apply即可看到其变化结果。
2、彩色合成
（1）首先打开一幅TM图像1－7个波段，FileOpenImageFile:
（2）点击AvailableBandsList对话框中RGBColor单选按钮。
（3）在显示的波段列表中分别点击band3做R（红）变换、band2做G（绿）变换、band1做B（蓝）变换。
（4）点击LoadRGB显示合成后的彩色图像。
（5）在主图像的菜单栏中FileSaveImageAsImageFile，点击Choose选择保存文件的路径，点击OK保存图像即完成了图像的彩色变换。
四、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验四空间信息增强
（二）
一、实验目的
1、掌握彩色变换的方法和步骤；
2、了解和掌握彩色密度分割的原理和具体操作。
二、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
三、实验内容与步骤
1、彩色变换
（1）RGB向HSV的转换：
在主菜单中点击TransformsColorTransforms（在做正变换的选项中有RGBtoHSV、RGBtoHLS和RGBtoHSV（USGSMunsell）三中方法），点击RGBtoHSV。
接着选择已经彩色合成好的遥感图像，接着在弹出的对话框中选择display1，出现RGBtoHSV（HLS、USGSMunsell）Parameters对话框，选择保存路径后，软件就自动完成了HVS变换，
（2）分别打开彩色变换后的三个分量
（3）HSV向RGB的逆变换。
在主菜单中点击TransformsColorTransforms（在做逆变换的选项中有HSVtoRGB、HLStoRGB和HSVtoRGB（USGSMunsell）三种方法），点击HSVtoRGB。
在HSVtoRGB（HLS、USGSMunsell）InputBands对话框中对应与H、S、V中分别对应选中要转换的HUE、SET、VAL分量，然后点击OK。
保存所生成的图像文件，即完成了逆变换过程。
2、密度分割
（1）在显示菜单中选择Tools→ColorMapping→DensitySlice或Overlay→DensitySlice。
出现DensitySliceBandChoice对话框。
（2）选择你所要进行灰度值范围定义的波段。
缺省的8个范围列在DefinedDensitySliceRanges下面。
这个缺省的数据的最小和最大值是从Scroll窗口计算出来的。
可以输入你所需要的最大和最小值改变密度分割的范围。
（要想回到初始的状态，点击Reset）,在对话框的下面选择密度分割的应用范围，是image窗口、scroll窗口还是全部窗口。
（3）在DensitySlice对话框中我们可以对已经划分好的灰度值范围区间属性进行编辑，删除，修改，改变颜色等操作。
只需要你点击EditRange、DeleteRange、ClearRange选项框进行操作。
（4）我们用ENVI默认的灰度值范围进行密度分割，点击Apply应用。
四、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验五波谱信息增强
一、实验目的
1、掌握应用不同滤波器进行滤波的方法与步骤。
。
二、实验原理
滤波操作可在主菜单Filter菜单下进行，在ENVI中可进行如下操作：
卷积滤波、形态学滤波、纹理滤波、自适应滤波和频率域滤波。
卷积滤波在空间域中对图像进行滤波处理，形态滤波根据数学形态学运算对图像进行增强，纹理滤波可以提取图像的纹理方面的信息，自适应滤波能够在保留边缘的情况下进行平滑减噪处理。
本节我们将主要介绍两种主要的滤波：
空间域滤波（卷积滤波）和频率域滤波（快速傅立叶变换）。
在数学空域中作卷积相当于在频域中作乘积，所以两者实质上是一样的。
滤波通常通过消除特定的空间频率来使图像增强。
空域上的频率可以理解为像元亮度值随距离的变化。
高频信息通常反应局部的变化，而低频信息通常反应整体的轮廓特征。
空域滤波是通过将图像与一个模板进行运算而进行的，由于模板的对称性，这种运算相当于数学中的卷积运算，所以也叫卷积滤波，进行滤波的模板也称为卷积算子。
用户选择卷积算子与图像进行卷积生成一个新的空间滤波图像。
ENVI中的卷积滤波包括以下类型：
高通、低通、拉普拉斯、方向滤波、高斯高通、高斯低通、中值、Sobel、Roberts、用户自定义滤波。
三、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
四、实验内容与步骤
1、空域滤波
（1）在主菜单中选择FilterConvolutionsandMorphology，出现如下ConvolutionsandMorphologyTool对话框。
（2）在上述对话框中选择Convolutions滤波方法（如上所介绍）。
如果你选择方向滤波，将弹出DirectionalFilterAngle对话框，输入方向角，北向（竖直向上）为0度方向，按照逆时针方向为正方向。
（3）通过点击“KernelSize”中的箭头按钮来指定变换核的大小。
变换核的尺寸被设置为奇数。
（4）在ImageAddBack（0-100%）右的文本框中键入一个addback值。
加回原图像的部分值可以保留一些空域背景，通常用于图像锐化当中，这样滤波图像看上去效果更好一些，不会是纯粹的边缘。
（5）用鼠标双击想要进行编辑的像元，即可进行编辑，输入新的值，按回车即可。
（6）将变换核保存到文件
2、频域滤波
ENVI软件中进行频域滤波增强也可分为三步：
1、将原始影像从空域变换到频率域，通过FFT（快速傅立叶变换）可实现。
2、在频率域中根据需要可以交互地设置滤波函数，人为指定通过或滤掉某些频率成分。
3、对滤波后的频域图像进行傅立叶逆变换即可得到滤波后的图像。
频域滤波的一个重要的应用就是可以有效的去除图像中的周期性噪声，理想情况下，频域图像从中心向周围应该是从低频向高频的平滑变化，但如果图像由于传感器等因素而产生周期性噪声时，如条带，在频域中会出现沿中心对称的亮斑，这时我们可以在频域中非常直观地设置滤波函数去掉这些亮斑，这一点我们将用实例进行演示。
3、图像去条带
（1）在主图像菜单中选择FilterFFTFilteringForwardFFT，出现ForwardFFTInputFile对话框，选择要被处理的数据，需要时，可以用子集。
这里可以选择整个文件或单个波段。
（2）点击OK按钮，键入输出的FFT文件，完成后加载图像，结果如下所示，即为频域图像：
五、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验六图像融合
一、实验目的
1、掌握图像融合的方法和步骤。
二、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata、SPOTdata。
三、实验内容与步骤
1、TM与SPOT数据融合
（1）选择FileOpenExternalFileIPSoftwareERMapper，在实验数据路径下分别打开lon_tm.ers和lon_spot.ers。
（2）在波段列表中单击SPOT图像的波段，在对话框下面显示其大小为2820×1569，然后单击TM数据的任一个波段，注意到其图像大小为1007×560。
TM的空间分辨率为28米，SPOT全色波段的空间分辨率为10米，因此TM数据重采样到SPOT数据的系数为2.8。
（3）在主菜单中选择BasicToolsResizeData（Spatial/Spectral），然后选择lon_tm文件点击OK，在ResizeDataParameters对话框中的xfac文本框中键入2.8，yfac文本框中键入2.802（输入这个数是因为补偿一个多余的像元，1569/560≈2.802），这样使得采样后的图像大小与SPOT相同，重采样方法选择NearestNeighbor，键入输出文件名，单击OK。
（4）将重采样图像和SPOT图像加载到不同的显示窗口中，然后选择ToolsLinkLinkDisplays，用动态链接的方法对比图像：
2、SPOT多光谱影像与全色波段融合
SPOT多光谱影像的分辨率为20m分辨率，全色为10m分辨率
（1）在实验数据路径下打开s_0417_2.bil（多光谱数据）和s_0417_1.bil（全色波段数据），加载到显示窗口中，查看其范围和大小（前者为1418x1114，后者为2835x2227），确定采样系数。
（2）在主菜单中选择BasicToolsResizeData（Spatial/Spectral），选择多光谱文件（s_0417_2.bil）单击OK。
（3）在ResizeDataParameters对话框中的xfac和yfac文本框中分别键入1.999，以使重采样后的图像大小与全色波段一致。
键入输出文件名，单击OK。
（4）与前述一样，将重采样图像加载到显示窗口中，在主菜单中选择TransformImageSharpeningHSV，选择重采样图像的显示索引号，单击OK，再选择全色波段作为高分辨输入图像：
（5）单击OK，键入输出文件名，单击OK，执行融合，查看结果，并比较其与多波段合成影像与全波段灰度影像的区别。
四、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验七比值、差值增强
一、实验目的
1、了解比值增强的意义并掌握比值增强方法及其操作；
2、了解差值增强的意义并掌握差值增强的方法及其操作。
二、实验原理
波段运算（bandmath）是ENVI最有特色的一个工具之一，若能灵活的运用它，你将会得到意想不到的收获，常用的简单的图像处理方法如差值、比值等可以用波段运算来进行，复杂的如各种遥感信息模型的建立也可以用波段运算来实现。
三、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
四、实验内容与步骤
1、输入表达式
选择BasicToolsBandMath，将出现BandMath对话框。
①在标签为“Enteranexpression:
”的文本框内，输入变量名（将被赋值到整个图像波段或可能应用到一个多波段文件中的每个波段）和所需要的数学运算符。
变量名必须以字符“b”或“B”开头，后面跟着5个以内的数字字符。
②输入一个有效的表达式后，点击“OK”处理。
将出现Variable/BandNamePairings对话框。
2、波段运算
Variable/BandNamePairings对话框允许你从一个输入波段列表中，把波段赋值给输入在“Enteranexpression:
”文本框中的变量。
①要把一个波段赋给原先实例中的变量“bn”：
在标签为“Variablesusedinexpression:
”的文本框内，点击表达式“Bn”。
在标签为“可利用波段列表:
”的列表中，点击所需要的波段。
②要把一个文件（可包括多波段图像）赋值给一个或所有变量：
点击“MapvariabletoInputfile”。
使用标准的ENVI文件选择步骤，选择一个文件（这可视为“FileMath”）。
所选择的文件可以是波谱子集，但是若一个以上的文件被使用，它们必须有相同的波段数。
当将文件赋给某一个变量时，运算结果将也为一个含有相同波段数的多波段文件。
如果表达式b1/b2中，若将b1赋予一个文件，b2赋予一个波段，那么结果将是b1所对应的文件中每个波段与b2波段的比值所组成的文件。
③要在结果图像中选择一个空间子集：
点击“SpatialSubset”。
将出现标准的FileSpatialSubset对话框（系统默认值被设置为处理整个空间场景。
要把结果输出到一个文件或内存，选择“File”或“Memory”切换按钮。
若选择输出到一个文件，键入一个输出文件名，或使用“Choose”按钮选择一个文件名，然后点击“OK”。
结果图像被显示在可利用波段列表中。
五、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验八K－L变换与K－T变换
一、实验目的
1、掌握KL变换和KT变换的方法和步骤。
二、实验原理
主成分分析也称为主分量分析或K—L变换。
K—L变换是在统计特征基础上的多维正交线性变换，即着眼于变量之间的相互关系，用几个综合性指标汇集多个变量而进行描述的方法，不丢失信息是其特征之一。
遥感图像的不同波段之间往往存在很高的相关性，从提取有用信息的角度来看，有相当大的一部分数据是重复的或多余的。
主成分分析就是用假定的有限的几个主成分分量，将有用的信息集中到有限的主成分图像中，使这些主成分图像之间互不相关，从而减少总数据量并使图像信息特征增强。
穗帽变换（又称K－T变换）是一种特殊的主成分分析，和主成分分析不同的是其转换系数是固定的，因此它独立于单个图像，不同图像产生的土壤亮度和绿度可以互相转化比较。
随着植被的生长，在绿度图像上信息增强，土壤亮度上的信息减弱，当植被成熟和逐渐凋落时，其在绿色度图像特征减少，在黄色度上的信息增强。
这样的解释可以应用于不同的区域上的不同植被和作物，但穗帽变换无法包含一些不是绿色的植被和不同的土壤类型的信息。
在ENVI中，使用TassledCap（穗帽变换）功能，可以对LandsatMMS，LandsatTM，和LandsatETM数据进行变换。
对于LandsatMMS数据，穗帽变换对原始数据进行正交变换，把它们变换到一个四维空间中（包括土壤亮度值，绿度，黄度，还有与大气影响密切相关的non-such噪声）。
对于LandsatTM数据，穗帽植被指数由三个因子组成——亮度，绿度，和第三分量，其中亮度和绿度相当于MSS穗帽中的亮度和绿度，第三分量与土壤特征和湿度有关。
对于LandsatETM数据，穗帽变换生成的6个输出波段，包括：
亮度，绿度，湿度，第四分量，第五分量，第六分量。
这种类型的变换更适合于反射数据的定标。
三、实验设备
遥感图像处理软件ENVI4.0；使用数据LandsatTMdata。
四、实验内容与步骤
1、正向的主成分变换
（1）打开bhtmref.img，在ENVI主菜单中选择BasicTools→Statistics→ComputeStatistics，选择bhtmref.img作为输入文件，计算其基本统计量。
（2）单击OK按钮，将出现统计结果对话框，将下边的文本框的内容拖到相关系数阵处，即可看到各波段的相关系数矩阵。
（3）ENVI主菜单中选择TransformsPrincipalComponentsForwardPCRotationComputeNewStatisticsandRotate，选择bhtmref.img作为输入数据。
出现如下ForwardPCRotationParameters对话框，
（4）点击按钮，选择基本“CovarianceMatrix”或“CorrelationMatrix”。
（5）选择Memory输出，其他的默认，输出6个主成分波段，自动加载到波段列表中，同时出现一个主成分特征值的plot图，由于主成分图像有6个波段，选取有代表性的前三个波段显示。
2、穗帽变换（K-T变换）
（1）选择TransformsTassledCap,出现TasseledCapTransformationInputFile对话框，选择输入的文件，用ENVI标准的选择程序输入文件。
（2）点击OK继续，出现TasseledCapTransformParameters对话框，在下拉菜单中，选择“InputFileType”（Landsat7ETM、Landsat5TM或LandsatMSS），然后选择输出到“File”或“Memory”，重命名保存即可。
（3）处理完成时，ENVI将穗帽变换后的波段名自动输入到AvailableBandsList中，在那里可以用标准ENVI灰阶或RGB彩色合成方法把它们显示出来。
五、实验总结
包括通过实验获得的实验注意事项、心得体会等。
实验九非监督分类
一、实验目的
1、掌握非监督分类的方法及其操作步骤。
二、实验原理
K-Means非监督分类任意确定集群中心，然后用最短距离技术重复地把像元聚集到最近的类里。
每次迭代重新计算了均值，且用这一新的均值对像元进行再
升级会员 