《遥感技术》实验报告.docx

《遥感技术》实验报告.docx

《《遥感技术》实验报告.docx》由会员分享，可在线阅读，更多相关《《遥感技术》实验报告.docx（27页珍藏版）》请在冰豆网上搜索。

《遥感技术》实验报告

大学水利与环境学院

遥感技术实验报告

（适用于地理信息系统专业）

专业班级：

***********

学生：

*******

学生学号：

***********

指导教师：

******

实验成绩：

***年***月

实验一、遥感图像认知与输入/输出的基本操作

一、实验要求

1.了解遥感卫星数字影像的差异。

2.掌握查看遥感影像相关信息的基本方法。

3.掌握遥感图像处理软件ERDAS的基本视窗操作及各个图标面板的功能。

4.了解遥感图像的格式，学习将不同格式的遥感图像转换为ERDASimg格式，以及将ERDASimg格式转换为多种指定的格式图像。

5.学习如何输入单波段数据以及如何将多波段遥感图像进行波段组合。

6.掌握在ERDAS系统中显示单波段和多波段遥感图像的方法。

二、实验容

1.遥感图像文件的信息查询。

2.空间分辨率。

3.遥感影像纹理结构认知。

4.色调信息认知。

5.遥感影像特征空间分析。

6.矢量化。

7.遥感图像的格式。

8.数据输入/输出。

9.波段组合。

10.遥感图像显示。

三、实验结果及分析：

简述矢量功能在ERDAS中的意义。

矢量功能可以将栅格数据转化为矢量数据。

矢量数据有很多优点：

1.矢量数据由简单的几何图元组成，表示紧凑，所占存储空间小。

2.矢量图像易于进行编辑。

3.用矢量表示的对象易于缩放或压缩，且不会降低其在计算机中的显示质量。

四、实验结果及分析：

简述不同传感器的卫星影像的特点和目视效果。

SPOT卫星最大的优势是最高空间分辨率达10m，并且SPOT卫星的传感器带有可以定向的发射镜，使仪器具有偏离天底点（倾斜）观察的能力，可获得垂直和倾斜的图像。

因而其重复观察能力由26天提高到1~5天，并在不同的轨道扫面重叠产生立体像对，可以提供立体观测地面、描绘等高线，进行立体绘图的和立体显示的可能性。

CBRES的轨道是太阳同步近极地轨道，轨道高度是778km，卫星的重访周期是26天，其携带的传感器的最高空间分辨率是19.5m。

IKONOS使用线性阵列技术获得4个波段的4m分辨率多光谱数据和一个波段的1m分辨率的全色数据。

其波段分配为：

多光谱波段1（蓝色）0.45~0.53μm，波段2（绿色）0.52~0.61μm，波段3（红色）0.64~0.72μm，波段4（近红外）0.77~0.88μm。

全色波段为0.45~0.90μm。

数据的收集可达2048灰度级，记录为11bit。

实验二遥感图像的增强处理

一、实验要求

1.通过上机操作，了解空间增强、辐射增强几种遥感图像增强处理的过程和方法，加深对图像增强处理的理解。

二、实验原理

1.2.3.

4.

三、实验结果与分析：

认真对比各图像增强处理方法处理前后的图像差别，以及各种方法之间的原理和效果差异。

（附增强前后对比图，可用黑白图）

图像反差调整结果：

低通/高通滤波处理结果：

聚集增强处理结果：

直方图均衡化结果：

图像反差调整：

通过改变图像灰度分布状况，以增大对比度，有效地突出有效信息、抑制干扰因素，改善图像的视觉效果，提高重现图像的逼真度，增强信息提取与识别能力。

常用的反差调整方法有线性变换、分段线性变换、非线性变换等。

低通/高通滤波：

将空间域图像通过傅里叶变换为频率域图像后，噪声主要集中在高频部分，为了消除噪声改变图像质量，采用滤波器削弱和抑制高频部分而保留低频部分，这种滤波器称为低通滤波器。

由于图像边缘、细节主要位于高频部分，而图像的模糊是由于高频部分比较弱产生。

因此为了突出图像的边缘和轮廓，采用高通滤波器让高频部分通过阻止削弱低频部分，以达到图像锐化的目的。

卷积增强：

将整个像元分块进行平均处理，用于改变图像的空间频率特征。

直方图均衡化：

对图像进行非线性拉伸，重新分配图像像元值，使一定灰度围的像元数量大致相同。

四、实验思考：

列举某一种增强方法都包括哪些算法，采用不同算法操作后增强效果的具体差异在哪里？

（可附图并用定性语言表达）

ERDASIMAGINE所提供了多种卷积算子，分为3*3、5*5和7*7三组，每组又包括EdgeDetect、EdgeEnhance、LowPass、HighPass、Horizontal、Vertical、Summary等多种不同的处理方式。

选取了3*3EdgeDetect、3*3EdgeEnhance、3*3LowPass、3*3HighPass、3*3、Horizontal、3*3Vertical六种增强处理方法，边缘检测处理后图像各个方向增强效果基本相同，边缘增强处理后图像的边缘部分得到增强，水平增强处理后图像在水平方向具有明显的纹理，垂直增强处理后图像在垂直方向具有明显的纹理。

五、实验思考：

植被指数都有哪些计算方式？

如何理解植被指数图？

1、归一化植被指数（NDVI）

2、增强型植被指数（EVI）

3、高光谱归一化植被指数（Hyp_NDVI）

4、比值植被指数（RatioVegetationIndex——RVI）该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。

但是对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。

差值植被指数（DifferenceVegetationIndex——DVI）该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI）。

5、土壤调整植被指数（Soil-AdjustedVegetationIndex——SAVI）

6、修正土壤调整植被指数（ModifiedSoil-AdjustedVegetationIndex——MSAVI）

7、差值环境植被指数（DVIEVI）目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。

8、绿度植被指数（GVI）

9、垂直植被指数（PVI）

植被指数图可以检测波段的斜率信息并加以扩展，以突出不同波段间地物光谱的差异，提高对比度。

植被指数运算常用于突出遥感影像中的植被特征、提取植被类别或估算植被生物量，另外该运算对于去除地形影响也非常有效。

实验三遥感数字图像融合

一、实验要求

（1）了解多源遥感图像融合的概念和意义。

（2）掌握遥感图像融合的原理和方法。

（3）了解遥感图像质量的评价方法。

（4）熟练应用ERDAS对遥感图像进行融合处理。

二、实验原理

遥感图像融合技术采用一定的算法对同一地区的多源遥感图像进行处理，生成一副新的图像，从而获取单一传感器所不能提供的某些特征信息。

例如，全色图像一般具有较高的空间分辨率，但光谱分辨率较低，而多光谱图像则具有光谱信息丰富、空间分辨率低的特点，为了有效的利用两者的信息，可以对他们进行融合处理，在提高多光谱图像分辨率的同时，又保留了其多光谱特性。

常用的遥感图像融合算法很多，包括IHS融合、小波变化融合、PCA变化融合、乘积变化融合、Brovery变换融合等。

三、实验结果及分析：

附融合前后对比图，分析融合各种方式的不同作用。

IHS融合：

小波变换融合：

主成分变换融合：

乘积变换融合：

比值融合：

IHS变换通过将图像由常用的RGB彩色空间变换至HIS空间，从而可以将图像的亮度、色调和饱和度分离开来。

通过小波变换，可以将图像分解成一系列具有不同空间分辨率和频率特征的子空间，从而使原始图像的特征能够得以充分的体现。

主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确的提示多波段数据结构部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。

乘积变换融合应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进行合成，Crippen研究表明：

将一定亮度的图像进行变换处理时，只有乘法变换可以使其色彩保持不变。

比值变换融合是将输入遥感数据的3个波段按照公式Bi_new=[Bi_m/（Br_m+Bg_m+Bb_m）]*B_h进行计算，获得融合以后各波段的数据。

四、试验思考：

如何根据不同的目的，选择融合方式？

如何改进融合方法？

由于IHS融合具有只能用三个波段的多光谱图像与全色图像进行融合的缺陷，且多光谱图像的I分量与全色图像之间存在较大的差异时，会导致融合图像光谱失真严重。

因此，在大量研究的基础上，提出了一种改进HIS图像融合方法，他通过采用一定的算法对全色图像进行亮度纠正，并以纠正后的全色图像替代多光谱的I分量，执行IHS逆变换，能够有效地减少图像的光谱失真。

基于小波变换的图像融合的基本思想是：

对待融合图像分别进行二维小波分解；然后在小波变换域通过比较各图像分解后的信息，运用不同的融合规则，在不同尺度上实现图像融合，提取出重要的小波系数；最后通过小波逆变换，将提取出的小波系数进行重构，便可以得到融合之后的图像。

主成分变换融合具体过程是首选对输入的多波段遥感数据进行主成分变换，然后以高空间分辨遥感数据替代变换后的第一主成分，然后再进行主成分变换，生成具有高空间分辨率的多波段融合图像。

该方法的最大优点是可以应用任意数目的波段，它对N个波段的低分辨率图像进行主成份分析（PCA:

PrincipalComponentAnalysis），将单波段的高分辨率图像经过灰度拉伸，使其灰度的均值和方差和PCA变换第1分量图像一致；然后以拉伸过的高分辨图像代替第1分量图像，经过PCA逆变换还原到原始空间，融合后的图像包括两幅原始图像的高空间分辨率和多光谱信息特征。

融合图像上目标的细部特征更加清晰，光谱信息更加丰富，其理论基础是图像统计特征。

乘积化融合是采用Bi_new=Bi_m*B_h直接对两种空间分辨率的遥感数据进行合成，将一定的图像进行变换处理时，只有乘法变换可以使其色彩保持不变。

该融合算法是在原始图像上进行操作，结果将增强某些信息的表现，在很多城市和郊区环境研究城市规划，基础设施建设中，用户经常希望道路、农场等特征能够被识别出来，应用该方法将使上述特征得到增强，该方法简单，占用的机器资源少，但结果图像不保留输入的多光谱图像的辐射（反射）信息。

比值变换融合是将输入的遥感数据按照公式计算，获得融合以后各波段的数据。

这种方法融合结果色调非常良好，几乎完整地保持了原始影像的色调信息。

而且它可以增加图像直方图高低部分的比率，提供城市中阴影、水体和高反射地物的对比，因此它可以产生一幅更高程度反映图像直方图高低部分对比的RGB图像。

但是这种方法对多光谱图像的辐射信息有一定程度的改变。

经融合后，明显感觉分辨率得到大大的提高，地物更为突出。

实验四遥感数字图像预处理

一、实验要求

（1）了解遥感影像几何畸变的原因并掌握几何校正的原理和方法。

（2）掌握遥感影像镶嵌的方法。

（3）能够根据不同要求完成遥感影像不同形式的裁剪。

二、实验原理

影像的预处理是遥感应用的第一步，也是非常重要的一步，目前的技术也非常成熟，预处理的流程和重点在不同的应用领域也有差异。

一般情况下，遥感数据预处理主要涉及影像的几何校正（地理定位、几何精校正、影像配准、正射校正等）、影像镶嵌、影像裁剪等容。

这些工作是对遥感影进行后期处理和应用的前提。

三、实验结果及分析：

1、附裁剪前后对比图，分析裁剪各种方式的不同作用。

规则裁剪指的是裁剪的边界围是一个规则的矩形，只需要确定裁剪围左上角和右下角两点的X、Y坐标就可以得到影像裁剪的区域位置，裁剪过程比较简单。

不规则裁剪是指裁剪区域的边界围是任意多边形，无法通过左上角和右下角的坐标来确定裁剪位置，而必须事先