遥感数字图像处理3.docx

遥感数字图像处理3.docx

《遥感数字图像处理3.docx》由会员分享，可在线阅读，更多相关《遥感数字图像处理3.docx（15页珍藏版）》请在冰豆网上搜索。

遥感数字图像处理3

实习序号及题目

遥感影像反差增强

实习人姓名

专业班级

e-mail地址

实习指导教师姓名

实习地点

实习日期时间

实习目的和内容

实习目的：

1.理解遥感影像辐射增强的概念和意义，掌握运用ENVI进行辐射增强的步骤和方法。

2.提高目视解译和提取单波段遥感影像地学信息的能力。

3.初步学会使用ROI和三键鼠标的中键（滚轮）进行像元点数据采集。

实习内容：

1.单波段影像对比度增强

2.影像镶嵌

3.MODISL1B数据预处理

原理和方法

1.在计算NDVI时使用了ENVI中的float函数，该函数是将字节型数据变为浮点型，防止在计算中出现数据溢出错误。

2.NDVI为归一化差分植被指数，可使植被从水和土中分离出来。

由于植被在蓝光和绿光波段有较高的吸收率，并且在近红外波段有较高的反射率，而其他地物并没有这种特性，因此通过近红外波段与红光波段可以从遥感影像中提取植被。

计算公式为：

NDVI的值域为[-1,1]，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。

3.图像拉伸主要用来改善图像显示的对比度，如果对比度较低，那么就无法清楚的表现出图像中地物之间的差异，因此往往需要在显示的时候进行拉伸处理。

（1）线性拉伸

1%、2%、5%线性拉伸：

如果图像直方图在低灰度级和高灰度级端具有明显的“拖尾”现象（造成此现象的可能是噪声或某种异常），即在拉伸时去除直方图中小于1%、2%、5%大于99%、98%、95%的值，并将剩余的中间值拉伸至[0,255]。

主要有全域线性拉伸和分段线性拉伸。

（2）非线性拉伸

使用非线性拉伸函数对图像进行拉伸变化，常用的非线性函数有指数函数、对数函数、平方根、高斯函数等。

指数函数：

对于图像中亮的部分，指数变换扩大了灰度间隔，突出了细节，对于暗的部分，缩小了灰度间隔，弱化了细节。

数学表达为：

式中，a、b、c是为了调整函数曲线的位置和形态而引入的参数，通过参数调整可实现不同的拉伸或压缩比例。

对数函数：

与指数变换相反，对数变换主要用于拉伸图像中暗的部分，而压缩图像中亮的部分。

数学表达式为：

式中，a、b、c是为了调整函数曲线的位置和形态而引入的参数，通过参数调整可实现不同的拉伸或压缩比例,由于图像f的值可能为0，所以加上了常数1。

4.影像镶嵌：

将两幅或多幅影像拼接起来形成一幅无缝合成影像的过程。

要求两幅影像要有统一的投影和坐标系、空间分辨率、波段对应关系、辐射特征等。

影像镶嵌的步骤：

1.将每景影像进行几何精纠正，使之保持地图投影和坐标系的统一。

2.大气辐射校正，保持待镶嵌影像之间在辐射特征上的统一。

3.选定其中一景作为基准影像。

按照基准影像的直方图对所要进行镶嵌的其他影像进行直方图匹配，使它们具有相近的灰度分布特征

4.对相邻图幅边界进行羽化处理，取边界两侧一定范围内重叠部分像元的灰度平均值代替基准影像和匹配影像的值

5.生成结果影像

数据准备与研究区概况

1．512x512区域为从美国USGS官网http:

//glovis.usgs.gov/下载的原始影像的子区域，卫星为landsat8，传感器为OLI，影像行列号为125034，影像日期为2015年5月16日，空间分辨率为30m×30m，为山西省晋中市5月份影像，晋中市地处黄土高原东部边缘，地理坐标为东经111°23′─114°28′，北纬36°39′─38°06′，地势东高西低，山地、丘陵、平川呈阶梯状分布，大部分地区海拔在1000米以上。

属暖温带大陆性季风气候，季节变化明显。

总的特征为：

春季干燥多风，夏季炎热多雨，秋季天高气爽，冬季寒冷少雪。

农作物主要种植玉米和小麦，5月份正直玉米小麦的成长时期。

2．Modis数据为2010年数据，数据级别为L1B。

这幅影像包含了中国中部的大部分省份，东至山东，西至西藏，南到云南，北到内蒙，包含了近50%的中国国土面积，影像的左上角点经纬度为北纬45°05’00”，东经86°05’00”，影像右下角点经纬度为北纬25°05’00”，东经113°30’00”。

本影像横跨中国三个阶梯，地势西高东低，包含了青藏高原、黄土高原、内蒙古高原、云贵高原等，并且长江黄河都可在影像中看到。

3．两幅具有统一的投影和坐标系、空间分辨率、波段对应关系、辐射特征的遥感影像，该影像位于里海东侧，气候为温带大陆性气候。

操作步骤

1.打开File——preferences——directories，设置InputDirectory和OutputDirectory为存放数据的文件夹。

2.加载实习一中裁剪的512x512研究子区，分别按照单波段和彩色模式加载影像数据，利用菜单栏下面的工具条按钮分别选取不同的反差拉伸选项，观察各种地物的显示情况。

3.打开BandRatio——BandMath，输入公式：

选取B1为RED波段，B2为NIR波段，计算研究区域的NDVI。

并使用ROI工具采集农田和水体的DN值信息，在经典模式下通过分段线性拉伸提取水体和农田信息。

4.使用ROI工具分别选取水体、农田样本，利用分段线性拉伸（piecewiselinear）方法作交互式对比度拉伸以分别突出水体、农田信息，比较变换前后影像及其直方图中的差异。

5.添加wasai1与wasai2，使用Mosaicking——SeamlessMosaic工具进行影像镶嵌。

分别比较不进行直方图匹配、用重叠部分进行直方图匹配和用整景影像进行直方图匹配的镶嵌结果。

操作中参数为忽略0值，羽化值为30，背景值为0。

6.打开File——Openas——Genericformats——HDF4，选择加载第三和第五个数据。

7.打开Geometriccorrection——Georeferencebysensor——GeoreferenceModis，先纠正含有5个波段的影像，不选择第三个波段，先将其他四个波段进行纠正，地理坐标系选择WGS84第48带，并将影像自带的纠正点存储。

8.对第五波段进行坏道添补，工具为Rastermanagement——replacebadlines，先将第一个坏道存储，再用EXCEL将其打开，利用等差排列将其填充，步长为20，填充到4044行。

再通过replacebadlines将填充好的坏道文件加载，完成坏道填补。

9.在经典模式下安装去除蝴蝶结效应的文件，进行去除蝴蝶结效应。

10.使用去除蝴蝶结效应后的第五波段影像进行几何校正，工具为Geometriccorrection——Registration——WarpfromGCPsimagetomapRegistration，像元大小设置为500。

11.将另一景影像进行几何校正，工具为Geometriccorrection——Georeferencebysensor——GeoreferenceModis。

12.将纠正好的7个波段进行Layerstacking，其中包含2个波段的影像为第一、第二波段，包含4个波段的影像的前两个波段为第三、第四波段，坏道填补好的影像为第五波段、包含4个波段的影像的后两个波段为第六、第七波段，分别将这七个波段加载，进行合成，即可得到标准ENVI格式的影像。

结果与分析

1.设置文件存取路径：

2.真彩色合成Linear5%与近红外单波段Linear5%

在Linear5%拉伸下，水体呈黑色、农田呈棕色、居民地呈灰色、云呈白色、公路呈深灰色，与Optimized拉伸比较，Linear5%拉伸颜色较亮，对比度明显。

真彩色合成Equalization与近红外波段Equalization

在Equalization拉伸下，水体呈黑色、农田呈棕色或淡黄色、居民地呈灰色或蓝色、云呈白色、公路呈黑色，不同地物之间有明显的边界，整景影像对比度很强。

真彩色合成Gaussian与近红外波段Gaussian

在Gaussian拉伸下，水体呈黑色、农田呈棕色、居民地呈灰色、云呈灰色并且十分亮、公路呈深灰色，整景影像亮暗对比十分明显。

真彩色合成Squareroot与近红外波段Squareroot

在Squareroot拉伸下，水体呈黑色、农田呈绿色或黄色或红色、居民地呈灰色、云呈白色、公路呈灰色，整景影像颜色较暗。

真彩色合成Logarithmic与近红外波段Logarithimc

在Logarithmic拉伸下，水体呈黑色、农田呈绿色或黄色或红色、居民地呈灰色、云呈白色、公路呈灰色，整景影像的颜色基调为灰色，使得各种地物较难区分。

真彩色合成Optimizedlinear与近红外波段Optimizedlinear

在Optimized拉伸下，水体呈黑色、农田呈棕色、居民地呈灰色、云呈白色、公路呈深灰色。

3．计算研究子区的NDVI结果：

水体信息：

通过googleearth观察，影像左下角较亮部分为水库，通过NDVI来提取水体信息较为准确。

农田信息：

通过NDVI能够较为准确的提取农田信息，但是不能够完全精确的提取所有农田，总会漏掉一部分农田，这说明通过NDVI不能完全解决农田信息提取问题。

4.影像镶嵌：

未进行直方图匹配：

能够明显的看到影像边缘。

用重叠部分进行直方图匹配：

两幅影像颜色一致，边界不明显。

用整景影像进行直方图匹配：

两幅影像颜色差异较大，边缘较为明显

总结：

影像镶嵌时应选择使用重叠部分进行直方图匹配，镶嵌效果最好。

5.对modis影像进行地理矫正：

影像由原来的长条形纠正为正方形，完成地理矫正。

6.未进行坏道填补的第五波段：

进行坏道填补后的第五波段：

7.未去除蝴蝶结效应的图像：

去除蝴蝶结效应的图像：

去除蝴蝶结效应后，整个图像变得连续均一，没有明显的条纹。

8.完成几何校正的第五波段影像：

9.将合成后的图像选择1、4、3波段真彩色合成：

通过以上步骤即完成了MODIS影像的地理纠正、坏道填补、几何校正、波段合成等工作，合成结果比较成功。

存在问题与解决办法

在计算NDVI时，由于计算公式中乘以了10000，因此NDVI结果应当在[-10000,10000]之间，但是我进行计算后对NDVI进行直方图统计，值域范围不在[-10000.10000]之间，这是为什么？

并且DN值的最大值29077只包含2个像元。

总结

通过本次实习，熟悉了基本的拉伸方式以及各个拉伸方式之间的差异，并掌握了NDVI的计算方法以及操作步骤，学会了利用ROI进行地物的选取以及在经典模式下进行分段拉伸。

掌握了影像镶嵌的基本工具以及各个参数的意义，对比分析了在不进行直方图匹配、用重叠部分进行直方图匹配和用整景影像进行直方图匹配的镶嵌结果。

学会了使用Modis自带的地理信息进行地理纠正、坏道填补以及去除蝴蝶结效应等影像处理方法。

这次实习加深了我对遥感影像的认识，熟练了ENVI中的基本操作。