ENVI实习报告.docx
《ENVI实习报告.docx》由会员分享,可在线阅读,更多相关《ENVI实习报告.docx(23页珍藏版)》请在冰豆网上搜索。
ENVI实习报告
《遥感原理与方法教学实验》
2015年5月
目录
《遥感原理与方法教学实验》1
实验一:
ENVI图像几何纠正1
实验目的1
实验要求1
实验组织方式1
实验原理1
(一)坐标变换的两种方案1
(二)输出图像的边界大小2
(三)数字图像灰度值的重采样3
实验内容及步骤3
实验二:
ENVI的监督和非监督分类9
实验目的9
实验要求9
实验组织方式9
实验原理9
实验步骤及内容10
实验目的11
实验要求11
实验原理12
实验过程及步骤12
定义训练样本13
实验心得20
实验三:
ENVI图像融合20
实验目的20
实验要求21
实验组织方式21
实验原理21
实验步骤及过程21
实验心得23
实验一:
ENVI图像几何纠正
实验目的
1.了解遥感图像变形的原因,掌握遥感图像校正的原理与方法。
2.熟悉ENVI软件的工作环境,熟悉各个按键的功能。
3.熟练的掌握用ENVI软件进行遥感影像的纠正方法和步骤。
4.学会对图像几何校正的效果与精度进行评价。
实验要求
利用全色多波段高分辨率影像完成多光谱影像的几何纠正,并进行精度的评估和对比。
实验组织方式
全班集体实验
实验原理
遥感图像几何校正包括光学校正和数字纠正。
数字纠正是通过计算机对图像每个像元逐个地解析纠正处理完成的,其包括两方面:
一是像元坐标变换;二是像元灰度值重新计算(重采样)
(一)坐标变换的两种方案
首先要确定原始图像和纠正后图像之间的坐标变换关系,有直接法和间接法,两种方案,如图1所示:
图1直接发与间接法
直接法:
从原始图像阵列出发,依次对其中每一个像元分别计算其在输出(纠正后)图像的坐标,其纠正公式为:
式中x,y为P点原始图像的行数和列数;X,Y为P在新图像中的坐标(即地面坐标系),并(x,y)的灰度值重新计算后送到P(X,Y)位置上去。
间接法:
从空白图像阵列出发,依次计算每个像元P(X,Y)在原始图像中的位置P(x,y),然后把该点的灰度值计算后返送给P(X,Y),其纠正公式为:
(二)输出图像的边界大小
输出图像边界的地面坐标值是由包括纠正后图像在内的最小长方形范围来确定的,如图2所示:
1、把原始图像的4个角点按公式:
投影到输出坐标系中来
2、获取各自的最大和最小值(Xb、Yb和Xa、Y)
3、令地面上坐标(Yb、Xa)和(Ya、Yb)的(图像左上角点)为输出图像的第一行第一列像元,以dx和dy划分网格,每个网格代表输出图像的一个像元,在它输出图像阵列中的位置为:
式中,X,Y为地面某网格中心的坐标值;I,J为该网格位于输出图像阵列中的行列序号;dx,dy为输出图像阵列像元的地面尺寸;
(三)数字图像灰度值的重采样
校正前后图像的分辨率变化、像元点位置相对变化引起输出图像阵列中的同名点灰度值变化,如图所示:
式中,x,y为某像元的原始图像坐标;X,Y纠正后同名点的地面(或地图)坐示;ai,bi为多项式系(i=0,1,2„)实际工作中,多项式系数求出后,根据上述公式可以求解原始图像任一像元的坐标,并对图像灰度进行内插,获取某种投影的纠正图像。
一般选择最小控制点的数量为:
(n+1)(n+2)/2,n为多项式次数。
实验内容及步骤
影像配准,打开并显示全色波段影像pan和多光谱波段影像mult。
1.从ENVI主菜单中,在file下选择openimagefile.分别选中选中pan和mult打开,点击loadband,打开两幅遥感影像:
2.
3.选择地面控制点
1.在map下点击registration,选择selectGCP’S:
imagetoimage,点击并选择Display#1(全色高分辨率影像)作为baseImage,点击Display#2(多光谱影像)作为Warpimage
2.点击OK,启动配准程序。
在图像上选则控制点,控制点应该选择在容易分辨,相对稳定,特征明显的位置,且主意选择的点应该分布均匀,且避免构成直线关系。
选点通过将光标放置在两幅影像的相同地物点上,来添加单独的地面控制点.
3.当选好同名后,在GroundControlPointsSelection对话框中,点击AddPoint,把该地面控制点添加到列表中,点击ShowList可以查看地面控制点列表。
当选好七个个点后,GroundControlPointsSelection对话框中Predict就可用,然后可以在基准影像上选好一个控制点后,点击Predict后,系统会自动定位后待校正的全色影像的相同位置,再进行微调,当RMS小于1时为误差的允许范围内,则可将该点添加到地面控制点列表。
如下图所做的
2.选择校正参数输出
点击WARPFILE,在GroundControlPointsSelections上,选择OptionWarpFile,选择校正影像,点击OK进入RegistrationParameters对话框,选择重采样方法(Resampling),为bilinear
3.检验校正结果
同时在两个窗口中打开图像,其中一幅是校正后的图像,一幅是基准图像,检查同名点的叠加情况。
在显示校正后结果的Image窗口中,右键选择GeographicLink命令,选择需要链接的两个窗口,打开十字光标进行查看,如下图所示。
4实验心得
通过本次envi的几何纠正实验,学会了遥感图像处理中的图像校正和图像匹配等方面的技能,对软件也有了一个大体的认识,根据上课的理论知识和实验操作,感觉自己对知识有了一个更深刻的了解,掌握了方法和原理这样操作就显得更加轻松了。
实验二:
ENVI的监督和非监督分类
实验目的
1.理解遥感图像计算机分类原理和方法
2.掌握监督分类和非监督分类的原理方法和步骤。
实验要求
采用非监督分类对多光谱遥感影像进行分类,并对分类后的数据进行处理,处理的方法包括:
聚合处理,筛选处理,并类处理以及精度评估。
实验组织方式
全班集体实验
实验原理
非监督分类:
也称为聚类分析或点群分类。
在多光谱图像中搜寻、定义其自然相似光谱集群的过程。
它不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱(或纹理)信息进行特征提取,再统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。
实验步骤及内容
1.从ENVI主菜单中,在file下选择openimagefile.分别选中选中pan和mult打开,点击loadband,打开两幅影像图如。
2.选择Classification->Unsupervised->IsoData,将出现ClassificationInputFile对话框,进行标准文件选择,点击OK,显示ISODATAParameters对话框,进行参数设置
生成并导如图像
2).监督分类
实验目的
掌握监督分类的方法与过程,加深对监督分类方法的理解,定义分类模板、评价分类模板、进行监督分类、评价分类结果。
实验要求
采用监督分类通过分类将影像以不同颜色的类别区分开来按不同的规则将其划分到和其最相似的样本类,以此完成对整个图像的分类。
实验原理
1.原理:
监督分类:
又称训练分类法,用被确认类别的样本像元去识别其他未知类别像元的过程。
它就是在分类之前通过目视判读和野外调查,对遥感图像上某些样区中影像地物的类别属性有了先验知识,对每一种类别选取一定数量的训练样本,计算机计算每种训练样区的统计或其他信息,同时用这些种子类别对判决函数进行训练,使其符合于对各种子类别分类的要求,随后用训练好的判决函数去对其他待分数据进行分类。
使每个像元和训练样本作比较,按不同的规则将其划分到和其最相似的样本类,以此完成对整个图像的分类。
遥感影像的监督分类一般包括以下6个步骤,如图1所示
2.样本选择
为了建立分类函数,需要对每一类别选取一定数目的样本,在ENVI中是通过感兴趣区(ROIs)来确定,也可以将矢量文件转化为ROIs文件来获得,或者利用终端像元收集器(EndmemberCollection)获得。
实验过程及步骤
打开图像,查看基本信息
打开ENVI软件,点击主菜单中的File–OpenImageFile,打开“Multi”文件,点击“MapInfo”可以查看影像得坐标系,分辨率等信息;点击RGBColor,R、G、B分别是Layer3、Layer2、Layer1则以真彩色显示,R、G、B分别是Layer4、Layer3、Layer2则以标准假彩色显示,即红色通道显示近红外波段数据、绿色通道显示红色波段数据、蓝色通道显示绿色波段数据,这种情况下植被呈现红色。
如下图所示。
定义训练样本
选择BasicTools–RegionofInterest–ROITool来定义训练样本。
打开如下图所示
目视解译出五类地物:
沙地、草地、建筑物、水体、道路。
1).在ROITool对话框中,在ROIName中分别输入以上五种地物,用不同的颜色表示。
2).在window中选中zoom,在图像窗口上绘制多边形感兴趣区,如下图所示。
3).点击options->computeROIsperability
点击selectallIterm选择所有可分离的样本
点击OK,将四个框全选出现如下框
然后分类按如下步骤
击OK选中所有分类
点击loadtonewdisplay加载分类结果图像如图所示
实验三:
ENVI图像融合
实验目的
1.了解多元遥感数据融合的概念意义。
2.掌握遥感图像融合的原理和方法。
3.掌握运用ENVI软件进行遥感图像融合的方法。
实验要求
学会将低空间分辨率的多光谱影像multi和高空间分辨率的单波段影像Pan重采样生成一幅高分辨率多光谱的遥感影像。
实验组织方式
全班集体实验
实验原理
图像融合,是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。
图像融合除了要求融合图像精确配准外,融合方法的选择也非常重要,同样的融合方法在用在不同影像中,得到的结果往往会不一样。
如下表1.1中是ENVI中的几种融合方法的适用范围供参考。
融合方法
适用范围
IHS变换
纹理改善,空间保持较好。
光谱信息损失较大大,受波段限制。
Brovey变换
光谱信息保持较好,受波段限制。
乘积运算(CN)
对大的地貌类型效果好,同时可用于多光谱与高光谱的融合。
PCA变换
无波段限制,光谱保持好。
第一主成分信息高度集中,色调发生较大变化。
Gram-schmidtPanSharpening(GS)
改进了PCA中信息过分集中的问题,不受波段限制,较好的保持空间纹理信息,尤其能高保真保持光谱特征。
实验步骤及过程
1.选择file>open将multi和pan影像图打开如下
1.点击Transform>ImageSharpening>HSV(hue,saturation,andvalue:
色调,饱和度,亮度值)
在SelectInputRGB中选择Display#2,出现HighResolutionInputFile,选择pan如下图
点击OK,出现HSVSharpeningParametersResampling选择Bilinear,选择合适的存储方式如图所示:
融合后的影像如下图