微波遥感实习报告材料.docx
《微波遥感实习报告材料.docx》由会员分享，可在线阅读，更多相关《微波遥感实习报告材料.docx（27页珍藏版）》请在冰豆网上搜索。
微波遥感实习报告材料
微波遥感实习报告
学生姓名：
孙国欢
班学号：
113131-05
指导老师：
陈启浩
中国地质大学信息工程学院
2015年10月
一、SAR图像目视解译
实验目的：
熟悉常用SAR图像分析软件，了解SAR图像格式和元数据信息，利用所学的SAR图像特性进行目视解译。
参考软件：
ENVISARscape,ERDAS,Nest,Best,GAMMA等。
实验内容：
1.选用1景或多景SAR图像，利用不同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.选取1景或多景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；
4.对软件的其它功能操作内容，可自行添加。
要求说明：
1.结合上课内容，合理、全面运用所学知识进行目视解译；
2.Nest必需使用，ENVI/ERDAS可二选一；
3.鼓励自己下载SAR图像数据进行分析处理。
实习过程：
要利用不同软件查看1景或多景SAR图像数据和元数据信息，并列出数据大小、范围、分辨率、轨道参数、极化方式等信息。
我采用了四个软件进行完成，分别是Nest、Best、ERDAS和ENVI。
读取SAR图像文件的头文件信息可以看到其相关参数，我最后都以text文件形式导出。
（1）我使用的SAR图像文件是微波遥感\数据备份\ASAR_wuhan里的ASA_IMP_1PNPDE20090125_141620_000000152075_00483_36108_5832.N1
1、Nest软件使用
打开File下方的添加文件后打开文件，在Metadata里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。
影像类型：
ENVISAT
获取模式：
Stripmap
处理软件版本：
ASAR/4.07
获取时间：
2009-1-2514:
17:
00
升降轨：
ASCENDING
采样类型：
DETECTED
极化方式：
VV
定位算法：
RAN/DOP
方位向视数:
4.0
距离方位向视数：
1.0
距离向像元大小：
12.5
方位向像元大小：
12.5
影像行数：
8447
平均视角高度：
48.316
2、ERDAS软件使用
打开erdas里的
图标功能使其展示文件参数，结果如下。
具体结果为
极化方式
采样类型
文件名：
C_VV_DETECTED_1
上次修改时间：
2009-1-2900:
21:
10
宽*高：
8447*8568
标准偏差:
161.531156
3、ENVI软件使用
文件路径微波遥感\数据备份\数据\radarsat\lea_01.001
打开要设定相关参数，读取Radarsat数据的头文件信息，最后以文本形式保存。
升降轨：
ASCENDING
传感器名称：
RSAT-1-C--HH
传感器高度：
344.096
入射角：
40.605
影像类型：
SARGEOREFFINE
距离向像元大小：
6.25
方位向像元大小：
6.25
4、Best文件
打开文件HeaderAnalysis选择文件导出其相关参数
其详细结果为:
影像名称：
ASA_IMP_1P
成像日期：
20090125
轨道数字：
26108
处理软件版本：
ASAR/4.07
（2）我使用的是NEST软件进行的目视解译。
我的目视解译有河流、道路、农田、建筑。
这里由图上看出蜿蜒流长、条带状分布与影像文件中间的地物解译类型河流。
在影像文件中可分辨的陆地上的线性地物，分布在陆地大部，解译类型为道路。
这片呈片块状分布的区域，主要分布在比较大的湖泊周围，以及小块的陆地附近。
我一开始解译类型为农田或鱼塘，注意到成像日期为1月，比较符合鱼塘的特征，因此解译类型为鱼塘。
这片区域在影像文件上颜色较亮，可以认为是反射度较强，并且主要分布在河流或者交通道路附近，成片块状密集分布，解译类型为建筑。
（3）
1、滤波处理
我利用的是Best软件进行滤波处理，DataImportandQuickLook里选择FullResolution随后对文件流进行设置。
使它最后导出一个全分辨影像的内部各式文件。
具体的步骤是：
配准---数据转换：
振幅数据转换为功率数据---定标，提取后向散射系数---滤波完成---几何纠正。
滤波完成几何纠正
初始的全分辨影像裁剪后的全分辨影像
滤波完成后的影像几何纠正后的影像
通过上述步骤对ASA_IMP_1PNPDE20090125_141620_000000152075_00483_36108_5832.N1影像文件进行裁剪---转换成功率数据---定标---滤波，可以明显的看出滤波处理完成后影像突出了道路的走向和建筑区分布，淡化了密集布局的建筑区，使得图像更加清晰易懂。
突出了地物的细节信息，特别是线性构造。
且色差变大，反映出了原图像中由于色差不明显而不是很清楚的地物。
同时我也发现此种滤波方式对非线性特征地物的增强效果不明显。
对遥感图像进行几何纠正可以消除图像因几何形状或位置失真产生的误差，纠正后的影像里的河流流向和植被分布都发生了角度位移，通过移动像素的位置并将斜距投影到地面距离，图像的区域特性也因此会在成像场景内变化。
（2）斜距转地距
我使用的文件是微波遥感\数据备份\数据\radarsat\bonnrsat.img,具体操作为在ENVI4.8里使用Rader—Slanttogroundrange—sir-c。
原影像文件
斜距转地距后的影像
斜距转地距是将斜距SAR影像经过重采样处理转换为地距影像，由上图转换影像可知从slc影像上很难理解影像特征，不利于解译分析。
二、极化SAR信息提取
实验目的：
理解极化目标分解，掌握极化SAR信息提取方法和流程。
参考软件：
ProSARPro等。
实验内容：
1.选用某个地区的全极化SAR数据，滤波去噪等预处理；
2.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；
3.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；
4.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；
5.分析分类结果。
要求说明：
1.对典型地物特征的分析，要求详细、全面；
2.鼓励自己下载极化SAR数据进行分析处理。
实习过程
旧金山海湾地区的Pauli分解合成图
我选择的文件微波遥感\数据备份\AIRSAR_SanFrancisco\T3。
首先设置好主路径，然后在import模块里导入机载AIRSAR数据，选择数据输出大小，或者裁剪成合适大小。
然后选择采用J.S.Lee.Refined.Filter滤波处理方法，处理这个AIRSAR数据。
通过空间RGB合成影像效果进行查看滤波去噪后的结果。
上下形成对比。
采用J.S.Lee.Refined.Filter滤波处理方法去噪后色差变大，岛屿与礁堡的形状特征更加明显，线条更加突出。
接下来是H/A/Alpha分解，设置好相关参数后等待软件运行完成。
得到如左边的文件。
H/A/Alpha分解后得entropy和anisotropy两幅影像文件分别代表熵和各向异性结果。
左图为熵，展示除了旧金山海岸的热度情况分布，热度上内陆高于海边。
右图为各向异性结果，显示出不同地物的特征分布，整体较为清晰。
然后是Freeman三分量分解。
选择功能运行得到文件
从上到下分别代表着协方差矩阵转化成的偶次散射、表面散射和体反射。
接下来我做的是多种分类，选择功能并运行，得到分类后的图像。
A_alpha_class分类图像H_A_class分类图像
H_alpha_class分类图像alpha图像
H/ɑ非监督分类区分出不同的地物类型，并对其进行标注。
其中随机各向异性散射体表示了那些散射特性不明显的地物，随机表面表示散射面。
左图为H_ɑ_occurence_plane右图H_ɑ_segmented_plane
分别代表了H_ɑ分类情况下的两种热度和分割类型。
它将H/ɑ平面划分成9个基本区域，具有的特点是边界位置的确定具有任意性，并且强调的是物理散射过程的几何分割，是一种非监督分类策略。
接下来则是关于H/a-Wishart分类方法。
这种分类方法的主要流程是输入H/a分类作为初始分类，Wishart分类器，得到了最终的分类图。
左图为H/a-Wishart分类结果。
将基于该距离度量方法的分类技术称为Wishart分类器。
利用第S类样本内的像素估计其类中心的相干矩阵，对每个像素计算其与各类间的距离，并将其划分到距离最小的一类。
H/a/A-Wishart分类的主要流程是输入H/a/A分类结果，Wishart分类器，输入参数A（A>0.5和A<0.5分别作为两类），在此通过Wishart分类器，得到最终的分类图。
1、海水从上述分类后的图像可以看出海水的反射率较高，吸收率和透射率较低，海水的轮廓形状明显。
2、海岸线海岸线比较粗糙，线性特征不明显，海岸的礁堡众多星星点点难以分辨。
3、植被植被在分类完后分布特征相当明显，主要分布在影像文件的左上角山上和大陆的内部，与周围的地物色差比较大，但是植被和裸地的分界线不明显。
4、裸地裸地主要分布在大陆的内部，分布较散，反射率较低，吸收率较高，无法透射。
地表粗糙度较大，分类效果明显。
5、农田农田主要分布在植被的周围，颜色特征相较裸地明显，分类后在植被周围形成密集的点状分布，比较广泛。
这两张分类影像展示了两种分类情况下的变化，很清楚的看出H_A_alpha分类后海水的区域特征更加明显，大陆内的各种地物分布也更加清晰，但是显得很冗杂，不利于遥感图像。
而H_alpha分类后海水整体可见，大陆内的植被和农田特征明显，但是裸地几乎难以看出分布情况，应该是被植被区区覆盖了，造成误差。
从整个的INSAR信息提取的多种分类和分解方法来分析地物散射特性。
接下来我做的是数据分析，选择的文件是微波遥感\数据备份\AIRSAR_SanFrancisco\T3\T11.bin分析它的均值，得到分析后的图像
数据分析后的图像与原始图像相对比，可以看出通过均值分析后，山体植被海水农田裸地几乎融合在一起，地物特征不明显，仅仅是海岸线边界和内陆部分裸地展现出了红色调，整体的效果清晰可见。
三、InSAR处理
实验目的：
掌握常用SAR图像分析软件的InSAR操作流程及其应用方法，理解InSAR原理。
参考软件：
ENVISARscape,ERDAS,Nest,GAMMA等。
实验内容：
1.选用某个地区的干涉SAR影像对（或D-InSAR,PS-InSAR数据），利用常用软件进行干涉处理；
2.参考实验区相关资料，给出InSAR处理的结果分析与结论；
3.若使用多个软件，可对不同软件间的InSAR模块进行比较。
要求说明：
1.至少要完成一个InSAR流程，并分析各主要中间结果及最终结果；
2.不一定采用所给数据，鼓励自己下载InSAR数据进行分析处理。
实习过程
我使用的软件是ERDAS2010，使用的INSAR图像是微波遥感\数据备份\INSAR日本富士山数据\原始双极化数据里的两个文件。
实习的步骤完全是按照指导视频里进行操作。
ERDAS2010里关于INSAR处理的步骤是
从上到下的过程依次是读入数据---自动配准---选择子集---设置参考DEM---生成干涉图---相位解缠---基线估算---生成DEM图像。
所设置的参数基本为默认设置。
滤波前后的干涉图影像效果十分明显，右下角的富士山山体褶皱通过滤波去噪后形态更加明显，线性特征增强，突出了地物的细节信息，反映出了原图像中由于色差不明显而不是很清楚的地物。
同时我也发现此种滤波方式对非线性特征地物的增强效果不明显，对于影像文件中面积占比最大的土壤和植被，基本没有什么变化，整体色调也基本保持不变，唯一增强的就是山体特征。
滤波前生成的干涉图滤波后生成的干涉图
对比相干系数图影像与原数据影像，可以看出相干系数影像里左上角的地物轮廓清晰，与周围的土壤分界线明显，但是弱化了山体的特征，几乎看不到火山口。
土壤分块和纹路比较清晰，影像信息精准。
观察相位解缠测试影像可以看出通过相位解缠影像的地物特征不明显，原因是相位解缠与几何相关：
干涉图中的一个条纹周期必须大于几个像素，才可能在图中被分辨出来。
我通过查阅资料了解到实际干涉系统必须保持一个足够的条纹宽度：
可以通过控制基线长度对条纹分布进行优化，不然会造成更多的误差。
生成的相干系数图影像相位解缠测试影像
如图左的DEM图像，对比上面相位解缠测试影像，DEM影像可能存在着植被偏差—它的结果是接近植被顶层的高程而非地面的，因为短波能量很难穿透植被。
经过去平度效应的干涉图存在缠绕效应，再通过相位解缠得到相位差，生成的DEM图像质量比较高的。
生成的DEM图像
四、个人探索
针对这次微波遥感实习，我把老师给的Topsar文件进行头文件分析和文件转换。
我使用的文件是微波遥感\数据备份\数据\topsar\ts0218_c.cor。
Topsar文件的头文件分析如下：
可以得到此TOPSAR影像的相干参数信息
比如距离向像元和方位向像元大小均为10.00。
将TOPSAR的cor文件转换成了ENVISAT文件，可以看出相关的雷达影像成像效果。
实习感想
此次微波遥感实习让我对Erdas和Envi遥感数据处理软件有了更进一步的了解。
微波遥感是一个非常专业的领域，涉及的知识面很广，包括电子科学、航空、计算机等。
实际上，如果我们只专注于微波遥感的应用，就可以抛弃一些复杂的原理和众多的概念，甚至很多方程和公式。
在实习过程中我掌握了SAR图像的目视解译、INSAR信息提取和INSAR处理等内容。
在SAR图像的目视解译实习在过程中，不仅仅是体会到遥感数据处理对遥感影像的重大意义，而且感受到从事遥感工作人员的幸苦，虽然用软件在处理遥感图像的过程中大大减少了工程量，可是在某些方面的处理上还是很繁琐，这就需要熟练的掌握软件和工作人员的仔细态度。
在处理图像的过程中，我也碰到过难题，这是我体会到不管是什么方面的事情都要仔细的对待，不管多么简单的事情都要认真的对待，做到完美。
希望以后有更多的实习机会来锻炼我们。
在INSAR信息提取实验中，我学会POLSAR软件使用中的非监督分类，监督分类的实验操作，并对它们的实验原理有所了解。
在此基础上，巩固了课本的相关的学习内容。
在实验的过程中，也出现了许多问题，比如多种分类结果的客观差异到底在哪里。
整个的实习让我深刻感受到遥感技术在解决实际问题中扮演着越来越重要的角色，自己平时学习中遇到的一些疑点也一一得到解决，并通过与同学们的学习交流，使我对微波遥感的认知不断上升。
在INSAR处理中，我了解到了其具体的处理流程。
的确，遥感是一门实用性很强的学科，由于其具有价格低廉，能对大范围的地区进行连续实时的观察，因而其应用非常广泛，然而单纯进行理论上的教学并不能让大家深入理解遥感在实际应用中的操作流程，只有结合实习才能掌握这门综合性探测技术。
此次实习也更让我懂得了只有通过亲自操作才能更加直观地认识遥感，为以后进一步学习遥感其他课程打下基础也对当前遥感技术的应用和今后发展的新趋势有所了解。
同时增强了学习的兴趣，提高了专业水平能力，也为以后的工作打好基础。
升级会员 