遥感数字图像处理2.docx
《遥感数字图像处理2.docx》由会员分享,可在线阅读,更多相关《遥感数字图像处理2.docx(23页珍藏版)》请在冰豆网上搜索。
遥感数字图像处理2
实习一遥感图像处理软件系统
一、实习目的
了解遥感图像处理系统ENVI的工作界面、数据的读取、显示与存储等基本操作
二、原理与方法
无
三、实习仪器与数据
ENVI自带数据
ENVI安装路径下\IDL63\products\envi43\data\bhtmref文件
四、实习步骤
1、ENVI界面
ENVI的常用要工作界面由主菜单、图像显示窗口以及波段列表窗口所组成。
主菜单
所有的ENVI操作都可以通过使用ENVI主菜单来激活,主要包括File、BasicTools、Classification、Tranform、Spectral等功能。
图像显示窗口
由一组三个不同的图像窗口组成:
主图像Image窗口、滚动Scroll窗口、缩放Zoom窗口。
Image窗口:
100%显示(全分辨率显示)scroll的方框,可交互式分析、查询信息。
Scroll窗口:
全局窗口,重采样(降低分辨率)显示整幅图像。
Zoom窗口:
显示放大了的影像,以用户自定义的缩放系数来显示主图像窗口的一部分。
波段列表
包含所有被打开文件中可用的影像波段,以及与此有关的地图信息。
2、数据读取与显示
主菜单File>OpenImageFile,在EnterInputDataFile对话框中打开bhtmref文件。
图像文件打开后,波段列表(ABL)自动地出现。
ABL列出该图像文件的所有波段,允许选择合适的波段来显示灰阶和彩色图像、启动新的显示窗口、打开新文件、关闭文件,以及设置显示边框。
从AvailableBandsList内,选择GrayScale切换按钮。
点击需要的波段名,然后在窗口底部点击“LoadBand”,即以灰度方式显示所选择的波段数据。
需要指出的是,ENVI默认对所打开的图像进行2%的线性增强。
从AvailableBandsList内,选择RGBColor切换按钮。
在序列中点击所需要显示的红、绿和蓝波段名,然后在窗口底部点击“LoadBand”,即以彩色方式显示所选择的3个波段数据。
彩色数据同样经过了ENVI默认的2%的线性增强。
在Scroll窗口移动红色方框,Image窗口中的图像随之发生移动;在Image窗口移动红色方框,Zoom窗口中的图像随之发生移动。
3、数据存储
主菜单File>SaveFileAs>….可将影像数据保存为多种格式,如ENVI标准格式、ASCII格式、GeoTIFF格式等等。
Image窗口菜单File>SaveImageAs>….可将图像保存为ENVI标准格式以及多种图像文件,如JPG、BMP等等。
注意:
通过主菜单保存的是影像文件自身的数据,而通过Image窗口菜单保存的是经过增强之后在显示窗口显示的数据。
4、信息查看
在主窗口中点击鼠标右键,选择弹出菜单中的CursorLocation/Value,即可显示当前鼠标所在位置的基本信息,包括行列号、屏幕值(颜色)、真实数据值、经纬度和大地坐标值等。
在主窗口中点击鼠标右键,选择弹出菜单中的ZProfile(Spectrum),可查看当前像元的波谱曲线信息。
先后载入两个图像数据或者以不同显示方式载入同一个图像数据,在任一主窗口中点击鼠标右键,选择弹出菜单中的LinkDisplays,可以讲两个显示窗口连接在一起,
5、完成实习报告
要求包括实习目的、对ENVI工作界面的认识以及图像载入、显示等基本操作内容。
实习二遥感图像几何校正
一、实习目的
掌握基于遥感图像的几何校正操作,理解遥感图像几何校正的意义和内容。
二、原理与方法
原始遥感图像通常包含比较严重的几何变形,需要对遥感图像进行校正,消除几何畸变。
参考其它图像或者地形图等利用地面控制点进行的几何校正称为空间配准。
根据参考图像的不同,配准分为绝对配准和相对配准,以地形图为参考图像进行的配准称为绝对配准,又称几何精校正。
空间配准主要有3个步骤:
选择控制点、坐标转换和灰度值重采样。
三、实习仪器与数据
bldr_tm:
LandsatTM数据,无地理坐标
bldr_sp:
SPOT数据,有地理坐标
四、实习步骤
1、打开数据
分别载入bldr_tm数据和bldr_sp数据,从波段列表中可以看出,bldr_sp数据带有MapInfo信息,说明bldr_sp数据带有地理坐标信息,点击MapInfo展开后可以看出,bldr_sp数据为UTM投影,NAD27基准面,空间分辨率10m。
而bldr_tm数据没有MapInfo信息,即没有地理坐标。
因此本次实习以bldr_sp数据为基准图像,对bldr_tm数据进行几何校正,使其具有地理坐标信息。
2、选取地面控制点
主菜单Map>Registration>SelectGCPs:
ImagetoImage,以影像到影像的方式选取地面控制点。
在ImagetoImageRegistration对话框中,分别选取bldr_sp数据和bldr_tm数据的显示窗口作为BaseImage和WarpImage,点击OK,启动配准程序。
通过将光标放置在两幅影像的相同地物点上来逐个添加地面控制点。
分别在两个窗口中移动光标位置,当两个窗口中当前光标所在位置为同名点时,点击AddPoint按钮,添加控制点。
如果控制点选取超过4个,RMSError会显示出已选取控制点的总体误差。
点击ShowList按钮,可以查看每一个控制点的信息,尤其是各个点的误差信息。
可以选中误差高的控制点,点Delete按钮将其删除,这样可以提高整体配准精度。
3、校正影像
GroundControlPointsSelection窗口菜单Options>WarpFile,根据刚才选择的地面控制点对TM影像进行几何校正。
在打开的RegistrationParameters对话框中,Method选择多项式Polynomial法,Degree选择2阶,Resampling选择双线性插值Bilinear方法,点击OK,完成几何校正处理。
打开经过几何校正的TM数据,与原数据以及SPOT数据进行比较。
6、完成实习报告
要求包括实习目的、地面控制点的选取过程及注意事项、几何校正过程中坐标转换方法及重采样方法、校正前后TM影像的差异。
实习三遥感图像增强处理
一、实习目的
加深对遥感图像增强理论理解,掌握图像增强的基本方法与步骤,能够利用ENVI软件进行影像增强处理。
二、原理与方法
1、遥感影像对比度拉伸
像素的灰度值与地物具有相关关系,影像对比度拉伸指通过变换灰度值来突出或抑制指定的地物特征,达到图像增强的目的。
特点为可以对指定的灰度范围进行变换,使用灵活、简单,要求对研究对象的灰度分布情况有一定的知识。
主要方法有线性拉伸、均衡化、高斯对比度拉伸等。
2、遥感影像空间域滤波增强
空间域滤波指通过窗口或卷积核进行,参考邻域像素确定中心像素的灰度值,以实现突出图像的空间信息,压抑或去除噪声和无关信息的目的。
3、遥感影像直方图匹配
遥感图像直方图匹配指把直方图已知的图像变换为具有期望直方图图像的过程,也叫直方图的规定化。
三、实习仪器与数据
ENVI软件、TM影像。
四、实习步骤
1、遥感影像对比度拉伸
(1)打开TM影像数据;
(2)分别对影像进行线性拉伸、均衡化及高斯拉伸,观察影像变换前后及不同变换方法效果。
图1线性拉伸图2高斯拉伸
图3均衡化
2、遥感影像空间域滤波增强
(1)打开TM影像;
(2)对影像分别采用Roberts、Sobel、Laplacian算子对图像进行锐化处理(边缘提取);
图4Roberts算子图5Sobel算子
图6Laplacian算子图7中值滤波
(3)采用中值滤波对影像平滑处理。
3、遥感影像直方图匹配
(1)分别打开两幅TM影像;
(2)将其中一副影像直方图匹配到另一副影像,从而使两幅影像具有大致的影像直方图。
图8直方图匹配后的两幅影像及各自直方图
4、完成实习报告
内容包括:
目的、影像增强各主要方法的步骤、变换前后遥感影像的对比分析。
实习四遥感图像非监督分类
一、实习目的
熟悉掌握非监督分类原理与过程,掌握监督分类的流程,能够运用遥感图像处理软件进行遥感影像的非监督分类。
二、原理与方法
ISODATA方法又称迭代自组织数据算法,它是在在K均值算法的基础上,加入了试探性的步骤,能吸取中间结果的经验,在迭代的过程中可以进行类别的分离和合并,具有“自组织性”。
基本步骤:
(1)随机选择K个中心,作为类别中心;
(2)计算其它像元至中心的距离,并按最小距离原则归类;
(3)重新计算各类的均值(中心),并根据给定的参数分裂或合并类型;
(4)重复
(2)和(3)直至达到各类型的不变像元数和运算次数符合规定的要求为止。
图1ISODATE流程图
三、实习仪器与数据
ENVI软件、TM影像数据。
四、实习步骤
1、打开遥感影像
图2遥感影像
2、对影像进行ISODATA分类
输入分类所需参数:
图3分类参数输入
3、输出分类结果
图4分类结果图
4、对分类的类别进行确定
根据目视解译,对分类的结果进行类别的确定,输出分类结果图。
5、完成实习报告
内容包括:
实验目的、ISODATA步骤、分类结果图。
实习五遥感图像监督分类
一、实习目的
熟悉和掌握分类模板、监督分类的概念,掌握监督分类的流程,运用通用遥感图像处理软件进行遥感影像的分类。
二、原理与方法
监督分类法又称训练分类法,即用已被确认类别的样本像元去识别其他未知类别像元的过程。
现以最大似然法为例进行介绍。
最大似然分类也称贝叶斯分类。
设各类型的光谱数据服从正态分布,则可根据未知样本落入各已知样本中的概率大小来确定它的类型归属。
设共有m个类型,样本落在每个类型的先验概率为
(1)
则任意样本X落在第i个类型中的后验概率为
(2)
三、实习仪器与数据
ENVI或ERDAS、PCI等通用遥感图像处理软件(本实习指导书以ENVI为例来加以说明)、TM遥感影像数据。
图1研究区示意图
四、实习步骤
1.数据预处理
首先对TM影像进行几何校正和辐射校正,辐射校正包括辐射定标和大气校正。
2.确定分类系统
结合研究区的实际地物分布特点以及分类需求的来确定需要分为哪些类型。
本研究区分为植被、人工设施、水体三大类。
3.分类特征选择与提取
考察各典型地物的光谱曲线,发现植被、人工设施、水体三大类地物在0.4-2.5微米的光谱差异很大(图2),进一步选择训练样本,通过N维可视化工具查看其可分性(图3)。
最终确定TM的6个波段作为最终的分类特征。
图2研究区典型地物的光谱特征
图3训练区的选取及N维可视化分析
4.选择训练区
通过目视判读及ROI工具选取训练区,并对每个类别进行统计分析(图4)。
图4训练样本的统计分析
5.计算机分类
选用最大似然法进行监督分类,分类器采用ROI选取的训练区(图5-7)。
图5最大似然法分类界面1
图6最大似然法分类界面2
图7分类结果
6.分类后处理
结合具体情况,可以对分类后的结果进行筛选、合并等分类后处理(本指导书中暂不考虑此类处理)。
7.精度评价
通过验证样本来评价分类的精度。
精度评价需要地表真实数据。
可以通过真实图像或感兴趣区来获得。
以下通过感兴趣区工具来获取验证样本,并计算混淆矩阵,进行精度评价(图8-9)。
最终总体精度为99.89%,Kappa系数为0.998。
图8计算混淆矩阵界面
图9混淆矩阵
8.制作专题地图
在主窗口中的overlay菜单中支柱专题图,具体结果见图10。
图10分类专题图
9、完成实习报告
内容包括:
目的、分类专题图。