遥感实习报告书

1 绪论1.1 实习目的本次实习共五天，目的是让学生熟练数字遥感影像处理软件 ERDAS IMAGINE的基本操作方法，使其掌握遥感影像数据的输入、拼接、裁切、几何校正、地物信息分类提取、专题地图制作等基本数据处理过程和操作技术，以达到遥感应用技术课程理论知识与实践操作相结合的目的，为学生毕业设计及日后从事相关工作打下坚实的技术基础。1.2 实习要求本次实习旨在使学生理论联系实际，熟练掌握数字遥感影像处理软件的操作，包括遥感影像预处理、影像分类提取及专题图的制作等基本操作技术和使用方法，力图通过实习使学生能够独立地解决遥感技术实际应用中遇到的大部分问题。如：1.熟练掌握数字遥感影像预处理的基本方法；2.熟练掌握数字遥感影像几何校正的方法；3.熟练掌握遥感影像数据的地物信息分类提取方法；4.熟练掌握遥感专题制图和图件输出方法。1.3 实习时间和地点实习时间：2014 年 1月 6日2014 年 1月 17日实习地点：测绘工程学院测绘数据处理实验室（测绘楼 305）1.4 实习内容1 熟练数字遥感影像处理软件 ERDAS IMAGINE的基本操作方法；2 遥感数据预处理（包括遥感数据输入、多波段数据组合、几何精纠正和影像裁切等） ；3 地物信息分类提取（包括监督分类和非监督分类及分类结果评价等） ；4 利用 ARCGIS进行影像分类结果专题图的制作。2 实习过程第一部分 ERDAS 9.2 实习2.1遥感影像的输入及波段组合2.1.1将.tif 格式的影像转换为.img 格式的影像新建视窗（viewer）,将.tif 格式的影像显示在视窗中，然后在视窗菜单栏中点击FileSaveTop Layer As,然后在弹出的界面中设置文件保存路径和文件名，注意保存格式为.img格式（如图 1） 。重复上述过程，可依次将.tif 格式的影像全部转换为.img 格式的影像。（图 1.左边的图像为.tif 文件，右边的为.img 文件）2.1.2 将单波段的数据组合为多波段的数据为了图像处理与分析，需要将上述转换的单波段.img 文件组合为一个多波段图像文件 。第一步：在ERDAS图标面板工具条中，点击InterpreterUtilitiesLayer Stack 出现Layer Selection and Stacking的对话框。 第二步：在Layer Selection and Stacking对话框中，依此选择并加载（Add）单波段IMG图像： .输入单波段图像文件（Input File: *.img）:b70.img下拉选择AllAdd .输入单波段图像文件（Input File: *.img）:b40.img下拉选择AllAdd .输入单波段图像文件（Input File: *.img）:b20.img下拉选择AllAdd.输入组合多波段图像文件（Output File:*.img）:742.img .OK执行并完成波段组合（如图2） 。 如果有兴趣的话，可以尝试其他不同波段组合的方式，看看有什么不同的效果。2.2 图象几何校正 第一步：显示图象文件 在视窗中打开需要校正的图象：742.img. 第二步：启动几何校正模块 在 Viewer#1的菜单条中，选择 RasterGeometric Correction.打开Set Geometric Model对话框 .选择多项式几何校正模型 PolynomialOK （图 2）.程序自动打开 Geo Correction Tools对话框和Polynomial Model Properties对话框 。先选择Close 关闭PolynomialModel Properties对话框程序自动打开GCP Tool Reference Setup 对话框选择Map Units: Meters 添加地图投影参数，如下图选择OK 确定地图投影参数，并关闭上图。选择OK，确定Reference Map Information，并关闭提示框。并自动打开采集控制点对话框，根据控制点采集的要求至少6 个点。经过检查误差在一个像元之内，所以可以进行重采样。在Geo Correction Tools 对话框中选择Image Resample 图打开Image Resample 对话框，并定义重采样参数。输出图像文件名(output file):jz.img ；选择重采样方法(Resample Method):Nearest Neighbor ；定义输出图像在图与像元大小。设查输出统计中忽略零值。选择OK 启动重采样进程，并关闭Image Resample 对话框。校正后的图片如左图所示：2.1.3 图象分幅裁剪在本次实验中我们运用的Aoi 方法进行裁剪。先将校正后的图片与需要裁剪的区域叠置在一起看看位置精度是否比较高然后进行裁剪。如图：在ERDAS 图标面板工具条中， 点击DataPrep/Data preparation/subset Image打开subset Image 对话框，并设置参数如下：打开矢量参考图像，可以把它作为 AOI 模板来裁剪用。裁剪结果如下图所示：2.1.4 水体及植被信息自动提取要提取水体植被的信息需要运用到非监督分类，在erdas 里面进行对校正后的图片进行分类，最后的arcgis 里面完成最后一步专题图的制作，因为之前处理的内容比较简单所以省略了。最后就是水体和植被的专题图如下：2.1.4 土地利用分类运用监督分类对土地进行分类，本次实验对校正后的图进行了分6 类处理。在校正后的图片上选取小的区域作为训练区，每处训练区提取特征参数，最后erdas 会完成分类如图所示：最后在erdas 中对img 格式的图片矢量化然后制作专题图如图所示：第二部分 ENVI4.7 实习一、遥感图像的几何校正1.打开参考影像（base）和待校正影像：分别打开，即在 display#1,display#2中打开；2在主菜单上选择 map-Registration-select GCPs：image to map3.出现窗口4. 添加控制点：将两边的影像十字线焦点对准到自己认为是同一地物的地方，就可以选择 ADD POINT添加点了。 （PS：看不清出别忘记放大） 如果要放弃该点选择右下脚的 delete last point，或者点 show point弹出 image to image gcp list窗口，从中选择你要删除的点，也可以进行其他很多操作，自己慢慢研究。选好 4个点后就可以预测：把十字叉放在参考影像某个地物，点选 predict则待校正影像就会自动跳转到与参考影像相对应的位置，而后再进行适当的调整并选点。5.选点结束后，首先把点保存了 ：ground control points-file-save gcp as ASCII.当然你没有选完点也可以保存，下次就直接启用就可以：ground control points-file-restore gcps from ASCII.6.接下来就是进行校正了：在 ground control points.对话框中选择：options-warp file(as image to map)在出现的 imput warp image中选中你要校正的影像，点 ok进入 registration parameters对话框：首先点 change proj按钮，选择坐标系统，如果已经定义好就不用更改了。然后更改象素的大小，如果本身就是你所需要大小则不用改了选择重采样方法（resampling）,一般都是选择双线性的（bilinear）选择多项式的维度，定义保存方式。就 OK了打开校正后的图片如右图所示：二遥感图像的监督分类1） 、类别定义/特征判别根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。本例是以 ENVI 自带 Landsat tm5 数据 Can_tmr.img 为数据源，类别分为：林地、草地 /灌木、耕地、裸地、沙地、其他六类。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（Endmember Collection）获得。本例中使用 ROIs 方法，打开分类图像，在 Display-Overlay-Region of Interest，默认 ROIs 为多边形，按照默认设置在影像上定义训练样本。如图 18 所示，设置好颜色和类别名称（支持中文名称） 。在 ROIs 面板中，选择 Option-Compute ROI Separability,计算样本的可分离性。如图 19 所示，表示各个样本类型之间的可分离性，用 Jeffries-Matusita, Transformed Divergence 参数表示，这两个参数的值在 02.0 之间，大于 1.9 说明样本之间可分离性好，属于合格样本；小于 1.8，需要重新选择样本；小于 1，考虑将两类样本合成一类样本。3） 、分类器选择根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM） ，光谱信息散度，二进制编码。4） 、影像分类基于传统统计分析的分类方法参数设置比较简单，这里选择支持向量机分类方法。主菜单下选择 Classification Supervised Support Vector Machine。按照默认设置参数输出分类结果，如右图所示。分类后的影像如下图所示：5） 、分类后处理 分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理） 、栅矢转换等操作。 （1)更改类别颜色可以在 Interactive Class Tool 面板中，选择 Option-Edit class colors/names 更改，也可以在 Display-Color Mapping-Class Color Mapping。如下图所示，直接可以在对应的类别中修改颜色。也可以根据一个显示的 RGB 影像来自动分配类别颜色，打开主菜单-Classification-Post Classification-Assign Class Colors。（2)分类统计分析主菜单-Classification-Post Classification-Class Statistics。如图 11所示，包括基本统计：类别的像元数、最大最小值、平均值等，直方图，协方差等信息。（3)小斑点处理（类后处理）运用遥感影像分类结果中，不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除和重新分类，目前常用的方法有 Majority/Minority 分析、聚类（clump）和过滤（ Sieve） 。这些工具都可以在主菜单-Classification-Post Classification 中找到。Majority/Minority 分析和聚类（clump ）是将周围的 “小斑点” 合并到大类当中，过滤（Sieve ）是将不符合的“小斑点” 直接剔除。如右图为 Majority 分析的结果。4)栅矢转换打开主菜单-Classification-Post Classification-Classification to Vector，可以将分类后得到的结果转化为矢量格式，或者主菜单-Vector-Raster to Vector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件.三图像裁剪影像裁剪的