《遥感技术》实验报告.docx

1、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 *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勺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

2、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SP

3、OT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15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勺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。IKON OS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）0.450.53卩m波段2 （绿色）0.520.61卩m波段3（红色）0.6

4、4 0.72卩m波段4 （近红外）0.77 0.88卩m 全色波段为 0.45 0.90卩m 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:rALl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

5、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

6、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）ERDASMAGINE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 Edge Detect、EdgeEn ha nee、Low Pass、High Pass、Horiz on tai 、Vertical 、Summary等 多种不同的处理方式。选 取了 3*3 Edge Detect、3*3 Edge En ha nee 、3*3 Low Pass、3*3 High Pass 、3*3

7、、Horizo ntal 、3*3 Vertical 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_NDV）4、 比值植被指数（Ratio Vegetation Index 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

8、，而且当植被覆盖小于50%寸，它的分辨能力显著下降。差值植被指数（Differe nee Vegetation In dex 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-Adjusted Vegetation In dex SAVI）6、 修正土壤调整植被指数（ Modified Soil-Adjusted Vegetation In dex MSAV）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

9、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、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寸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

10、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 合口Ygf *: -帀| 卄 ： 丽剳SSiQI -F4p- jjtf气 Id F.l-T* iipBTwww-iyiitj:slOf L|fv HHpU A HId康話凸十丄a 0然点比 值 融 合IHS变换通过将图像由常用的

11、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， Crippe n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

12、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

13、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: Prin cipal Compo nent An alysis) ，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

14、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

15、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、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

16、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

17、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，而必须事先绘制一个完整的闭合多 边形，可以是一个 AOI多边形，也可以是其他 ERDAS支持的矢量格式的多边形区域，针对不同的情 况采用不同的裁剪过程。2、附几何校正比较图，并以定性语言说明几何校正后影像的变化及产生变化的原因Tnrci 用Crrcrinn a订门匸t TrU AlkHf!申彎vriica1：rBII*11is iHe#校正后的图像相对于校正前的图像发生了倾斜，河流及道路走势等图像信息发生了变化，像元 的坐标也发生了变化，而且变化后的地物特征更加接近参考图像的地物特征。由于遥感平台位置和 运动状态的变化、地形的

18、起伏、大气的折射以及地球表面曲率的影响导致遥感影像在几何位置上发 生变化，而几何校正减小了这些因素的影响，因此校正后影像相对于校正前发生了变化。几何校正的基本原理是回避成像的空间几何过程，直接利用地面控制点数据对遥感影像的几何 畸变本身进行数学模拟，并且认为遥感影像的总体畸变可以看做是挤压、扭曲、缩放、偏移以及更 高层次的基本变形综合作用的结果。因此，校正前后图像相应点的坐标关系可以用一个适当的数学 模型来表示。3、附镶嵌后图。镶嵌分类的目的是什么？有哪些方法可以进行镶嵌时的影像匹配工作?遥感影像的镶嵌可以将若干相邻的不同影像文件无缝的拼接成一幅完整的覆盖整个研究区的影 像。通过镶嵌可以获得覆

19、盖围更大的影像，而且用于镶嵌的影像可以是多源的、不同时相和不同空 间分辨率的。ERDAS提供了 5中不同的叠置处理方式，分别是： Overlay （覆盖）、Average （叠置部分取两幅 影像的均值）、Minimum （叠置部分取两幅影像的最小值） 、Maximum（叠置部分取两幅影像的最大值）-Feather （对叠置部分进行羽化处理）。四、试验思考：1、 多波段合成的效果比较。列出你采取了哪些组合，效果差异如何？波段1为蓝波段，波段2为绿波段，波段 3为红波段段，波段 4为近红外波段，波段 5为中红 外波段。3 2 1波段组合为真彩色合成，即 3、2、1波段分别赋予红、绿、蓝色，则获得自

20、然彩色合成图像，图像的色彩与原地区或景物的实际色彩一致，适合于非遥感应用专业人员使用。432 波段组合为标准假彩色合成，即 4、3、2波段分别赋予红、绿、蓝色，获得图像植被成红色，由于突出表现了植被的特征，应用十分的广泛，而被称为标准假彩色。4、 5、3波段分别赋红、绿、蓝色合成的图像，色彩反差明显，层次丰富，而且各类地物的色 彩显示规律与常规合成片相似，符合过去常规片的目视判读习惯。5、 4、3波段分别赋予红、绿、蓝色，则获得近似自然彩色合成图像，适合于非遥感应用专业 人员使用。2、 几何校正时如何进行控制点的选择？如何减少误差？控制点要以不易变化地理标志物为主，如道路交叉口、山林裸岩、大型

21、地标性建筑物等容易判 别且位置固定的地方，对于水体、农田、村庄等这些容易变化的地理标志最好不要选取。在选取控制点的过程中要注意随时保存已经选取的控制点，以免在计算机或者软件出现意外情 况时已经做好的大量工作不能及时保存。控制点的选取要注意分布均匀，且一开始四个控制点最好分布在一幅影像的四角。实验五遥感图像的目视解译一、 实验要求(1)遥感图像目标地物的识别特征。(2 )了解目视解译的方法。(3)熟悉目视解译的主要过程。二、 实验原理目视解译是遥感图像解译的基础，又称目视判读，或目视解译，是遥感图像的逆过程。它指专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。目视解

22、译是 信息社会中的地学研究和遥感应用的一项基本技能。通过影像解译可以适时、准确地获取资源与环 境信息，如重大灾害信息等，为社会经济发展提供定性、定量与定位的信息服务。三、 试验思考：1.列举不同地物在各种不同传感器的影像中，目视效果的差异。MSS影像为多光谱扫描仪获取的影像，多光谱扫描仪具有 4个波段，获取的扫描影像按顺序被命名为4, 5,6,7波段，两个波段为可见光波段，两个波段为近红外波段。 MSS影像上每个像元可以具有063级亮度值，由于人眼只能分辨出十几种灰度，这些亮度值又按照一定的区间归并为 14级灰度，当采用电子束扫描胶片使他曝光时产生的遥感影像中时，每个像元的亮度值被转换为对应的

23、 灰阶，同时每幅遥感影像下部曝光产生一个灰阶尺，编译者可以利用灰度尺来衡量象元的灰阶。TM影像为专题绘制仪获取的图像， 比起MSS图像应用围更广，在波段宽度设计上更具有针对性，对植被和土壤含水量等检测效果更好。SPOT图像具有两个突出特点，具有高的地面分辨率，全色图像地面分辨率为 10m,多光谱波段地面分辨率为 20m另一个特点是可以同时利用两个线性阵列探测器分别从不同角度对目标地物观 测，获取同一地区的立体图像。 SPOT卫星的主要任务是检测自然资源分布，特别是监测农业，林业和矿产资源，观测值被生长状态与农田含水量等项，对农作物进行估产，了解城市建设与城市土地 利用状况等。2.列出主要的解译

24、标志。色调：全色遥感影像中从白到黑的密度叫做色调，如图片地物中含水量的不同会产生不同的色 调，含水量多的地物在黑白影像中显示发黑，含水量少的地物则显示发白。形状：不同的地物类型在遥感图像上呈现的外部轮廓是不同的。如公路、河流等在遥感图像上 均有特殊形状。位置：目标地物所分布的地点和所处的环境决定了他的位置，而且总是与环境存在着一定的空间联系，并在一定程度上受地理环境的制约， 作为目标地物的基本特征而成为判读地物的重要标志。大小：目标地物在遥感图像上的形状、面积与体积的度量。纹理：能够反映目标地物表面的质感。一般农田呈条带状纹理，林地呈现簇状纹理特征。阴影：由于受太阳光照的角度、照射方向和地物起

25、伏的形状影响，图像上光束被第五遮挡产生 地物的影子可以了解其建筑的结构。图案：目标地物有顾虑的排列而成的图像结构。实验六遥感图像分类、实验要求(1)理解遥感图像非监督分类和监督分类的原理。(2)能够熟练应用 ERDAS寸遥感影像数据进行非监督分类和监督分类。(3)掌握监督分类模板评价和结果评价的原理与方法。(4)掌握分类后处理的集中常用方法与流程。二、 实验原理影像分类就是基于影像象元的数据文件值， 将象元归并成有限几种类型、等级或数据集的过程。常规的遥感影像分类方法有两种：非监督分类与监督分类法。三、 实验结果讨论：1、附分类模板图。选择分类模板时有哪些注意事项？在原始图像和特征空间中选择模

26、板有什么不 同？在选择分类模板时要注意以下几点： 分类模板所包含的样本在种类上要与待分区域的类别一致：准确性；样本应在各类地物面积较大的中心选取，而不应在地物混交地区和类别的边缘选取，以保 证特征具有典型性，从而能进行准确的分类：代表性；样本数目应能提供各类足够的信息和克服各 种偶然因素的影响：统计性。另外所选择的样本应满足下列要求：样本像元应具有代表性，避免集 中局部；对N个波段进行分类，样本量不少于 10n个像元，到达100n个像元更好。具有良好的统计性。AOI工具产生在原图像上应用 AOI区域产生分类模板是参数型模板，而在特征空间图像上应用 分类模板则属于非参数型模板。2、附非监督分类图

27、。监督分类与非监督分类的原理与上机操作时的区别？你更喜欢哪种分类方法, 为什么？非监督分类运用ISODATA算法，完全按照象元的光谱特性进行统计分类，常常用于对分类区别 没有什么了解的情况。使用该方法，原始图像的所有波段都参与分类运算，分类结果往往是各类象 元数大体等比例。由于人为干预较少，非监督分类的自动化程度比较高。ERDASMAAGINE使用ISODATA 算法，来进行非监督分类，聚类过程始于任意聚类平均值或一个已有分类模板的平均值：聚类每重 复一次，聚类的平均值就更新一次，新聚类的均值再用于下次聚类循环。 ISODATA实用程序不断重复，直到最大的循环次数达到设定阀值或者两次聚类结果相

28、比有达到要求百分比的象元类别已经不 再发生变化。监督分类法又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本的训练方 法进行分类的技术。监督分类首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训 练区提供的样本，通过选择特征参数，建立判别函数，据此对样本象元进行分类，列举样本类别的 特征来识别样本象元的归属类别。常用的监督分类方法有最大似然法、最小距离分类法、马氏距离四、实验结果讨论：1、附监督分类图。监督分类的难点在哪里？与目视解译工作有什么联系？分类时的误差主要出在哪 些方面？监督分类基于先验知识，根据训练场地提供的样本选择特征参数，建立判别函数，对待分类点 进行分类。

29、训练场地的选择是监督分类的关键，在监督分类中训练样本的不同，分类结果会出现极 大地差异，因此应选取有代表性的样本，用于监督分类的训练样本应是光谱特征比较均匀的地区， 在图像中根据均已的颜色估计只有一类地物，且一类的训练样本可以选取一块以。此外，训练样本 的数目至少能满足建立分类用判别函数的要求，对于光谱特征变化比较大的地物，训练样本要足够 多，以反映其变化围。监督分类要求在分类之前要对遥感图像上某些抽样区中影像地物的类别属性 已有了先验的知识，这些先验知识通常是通过实地的抽样调查，配合人工目视判读技术来获得的。 分类误差主要是由于主观性以及图像中间类别的光谱差异，使得训练样本没有很好的代表性；

30、分类 模板的选择极为重要，若分来模板选择不够精确，则容易造成较大的误差。2、假如直接利用非监督分类效果不好时，你认为非监督分类的作用还有哪些？直接利用非监督分类效果不好时，可以用监督分类与非监督分类相结合的方法来对影像进行分 来：首先用监督分类方法将遥感图像概略地划分为几个大类，再利用非监督分类方法对第一步已分 出的各个大类进行细分，直到满足要求为止。监督分类与非监督分类结合大方法弥补了单一分类方 法对影像进行分类的不足，为影像分类开辟了广阔的前景。实验七三维景观制图、实验要求(1)理解利用遥感影像进行三维景观构建的原理。(2)掌握基于遥感影像数据的三维构建方法，理解场景属性调整参数的作用。二

31、、实验原理高分辨率遥感影像具有高分辨率、高清晰度、信息量丰富及数据及时性强等优点，是建立三维 景观的良好数据源，在三维景观构建技术体系中占有重要地位。三、实验结果讨论：附三维图。利用遥感影像制作的三维图，与普通的动画三维有什么差异？与 3DMAX这些软件制作产品的差异？三维景观制图的原理与航空摄影完全相同，不同的是航空摄影一般接近于正直摄影，而景观图则是特大倾角“摄影”。三维动画软件在计算机中首先建立一个虚拟的世界，设计师在这个虚拟的三维世界中按照要表 现的对象的形状尺寸建立模型以及场景，再根据要求设定模型的运动轨迹、虚拟摄影机的运动和其 它动画参数，最后按要求为模型赋上特定的材质，并打上灯光。当这一切完成后就可以让计算机自 动运算，生成最后的画面。3DMA