Erdas实习报告.doc

ERDAS遥感影像处理综合实习报告一：自定义坐标系（北京54、西安80、2000坐标系）操作步骤：1.1 添加椭球体修改文件为ellipse.txt，语法为,。这里的逗号为英文半角输入状态下的逗号，建议直接复制文件中已有的椭球体进行修改。这里将下面三行加在ellipse.txt文件的末尾，保存关闭即可。最终效果如下图所示。 Krasovsky,6378245.0,6356863.0 IAG-75,6378140.0,6356755.3 CGCS2000,6378137.0,6356752.3注：ellipse.txt文件中已经有了克拉索夫斯基椭球，由于翻译原因，这里的英文名称是Krassovsky，为了让其他软件平台识别，这里新建一个Krasovsky椭球体。1.2 添加基准面修改文件为datum.txt，语法为,。这里将下面三行添加在datum.txt文件末尾，保存关闭即可。最终效果如下图所示。 D_Beijing_1954, Krasovsky, -12, -113, -41 D_Xian_1980,IAG-75,0,0,0 D_China_2000,CGCS2000,0,0,01.3 定义坐标系操作步骤如下：（1） 打开ENVI Classic，选择Map Customize Map Projection工具；（2） 在弹出的CustomizedMap ProjectionDefinition对话框内填写如图所示参数，其中Projection Name保持与ArcGIS中的名称一致；（3） 选择Projection Add New Projection，保存投影坐标系；（4） 选择File Save Projections，在弹出对话框中点击OK，将新建坐标系保存在map_proj.txt文件内，以便下次启动ENVI后依然可以使用。2使用自定义坐标系定义投影步骤如下（1） 按照2.3节的步骤进行北京54坐标系的自定义；（2） 打开文件“数据f49e011021.img”，在Available Bands List中右键点击文件列表下的Map Info，选择Edit Map Information；（3） 在弹出的Edit Map Information对话框中点击Change Proj按钮，选择新建好的北京54坐标系，点击OK。ENVI将自动为f49e011021.img的头文件中添加Map Info，识别结果如下图-右所示。未能识别投影坐标系（左），定义坐标系后（右）定义输入文件的投影坐标系将北京54坐标系转换为2000坐标系的步骤（1） 按照2.3节的步骤定义2000坐标系，参数如下图所示。自定义2000坐标系参数（2） 进行投影转换，选择Map Convert Map Projection工具，选择输入文件f49e011021.img（已经定义为北京54坐标系），点击OK；（3） 在弹出的ConvertMap Projection Parameters对话框中点击Change Proj按钮，选择新建的2000坐标系，点击OK；（4） 在ConvertMap Projection Parameters面板右侧修改转换参数（如下图所示），选择输出路径，点击OK即可。（5） 投影转换结果如图所示。投影转换参数设置投影转换结果3. 使用ArcGIS国内坐标系国内坐标系二：图像裁剪以TM影像为例，图像存放在“10.图像裁剪数据”中。（1） File Open打开图像Beijing_TM.dat，按Linear2%拉伸显示。（2） File Save As，进入File Selection面板，选择Spatial Subset选项，打开右侧裁剪区域选择功能。（3） 有多种方法确定裁剪区域：l 使用当前可视区域确定裁剪区域：单击Use View Extent，自动读取主窗口中显示的区域。l 通过文件确定裁剪区域：可以选择一个矢量或者栅格等外部文件，自动读取外部文件的区域。点击右下角Subset By File，单击Open file 按钮，选择矢量数据“矢量.shp”作为裁剪范围。（4） 可以看到裁剪区域信息，左侧Spectral Subset按钮还可以选择输出波段子集，这里默认不修改，单击OK。（5） 选择输出路径及文件名，单击OK，完成规则图像裁剪过程。手动绘制裁剪区（1） 打开图像Beijing_TM.dat，按Linear2%拉伸显示。（2） 在Layer Manager中选中Beijing_TM.dat文件，单击鼠标右键，选择New Region Of Interest，打开Region of interest(ROI)Tool面板。（3） 在Region of interest (ROI) Tool面板中点击按钮，在图像上绘制多边形，绘制大致为北京老皇城二环范围内的多边形，作为裁剪区域。手动绘制的（4） 在Region of interest (ROI) Tool面板中，选择File- Save as，保存绘制的多边形ROI，选择保存的路径和文件名。（5） 在Toolbox中，打开Regions of Interest/Subset Data from ROIs。（6） 在Select Input File对话框中，选择Beijing_TM.dat，打开Subset Data from ROIsParameters面板。（7） 在Subset Data from ROIsParameters面板中，设置以下参数：l Select Input ROIs：选择刚才生成的矢量文件roi1l Mask pixels output of ROI？：Yesl Mask Background Value背景值：0（8） 选择输出路径和文件名，单击OK执行图像裁剪。外部矢量数据裁剪图像（1） 打开图像Beijing_TM.dat，按Linear2%拉伸显示。（2） File - Open，打开“10.图像裁剪数据矢量数据”下的“矢量.shp”数据。（3） 在Toolbox中，打开Regions of Interest/Subset Data from ROIs。Select Input File选择Beijing_TM.dat，点击OK，打开Subset Data from ROIsParameters面板；（4） 在Subset Data from ROIsParameters面板中，设置以下参数：l Select Input ROIs：选择EVF:矢量.shpl Mask pixels output of ROI？：Yesl Mask Background Value背景值：0（5） 选择输出路径和文件名，单击OK执行图像裁剪。裁剪结果如下三：图象镶嵌（1） 点击Seamless Mosaic面板左上方的绿色加号，添加需要镶嵌的影像数据（2） 在Data Ignore Value列表中，可设置透明值，当重叠区区有背景值时候，可设置这个值（3） 勾选右上角的Show Preview，可以预览镶嵌效果匀色方法是直方图匹配（Histogram Matching）。（1） 在Color Correction选项中，勾选Histogram Matching，如图2.3所示：（2） 在main选项中，放在Color Matching Action上单击右键，设置参考（Reference）和校正（Adjust），根据预览效果确定参考图像直方图均色匹配效果如下图：接边线与羽化（1） 选择下拉菜单SeamlinesAuto Generate Seamlines，自动绘制接边线，如下图所示，自动裁剪掉TM边缘“锯齿”（2） 自动生成的接边线比较规整，可以明显看到由于颜色不同而显露的接边线。下拉菜单SeamlinesStart editing seamlines，可以编辑接边线。通过绘制多边形重新设置接边线，如下图为接边线编辑示意图编辑之后的接边线输出结果（1） Export面板中，设置重采样方法Resampling method：Cubic Convolution；（2） 设置背景值Output background Value：0；（3） 选择镶嵌结果的输出路径；（4） 单击Finish执行镶嵌。图示镶嵌结果：四：图象配准第一步：选择图像配准的文件（1） 打开01-b.img和02-b.img图像，在工具选择Portal工具，浏览两个数据叠加情况，发现有一定的偏差。（2） 在Toolbox中，打开/Geometric Correction/Registration/Image Registration Workflow，启动自动配准的流程化工具，Base Image File选择基准影像01-b.img，Warp Image File选择待配准影像02-b.img，点击Next。第二步：自动生成Tie点（1） 在Tie Points Generation面板中，选择Main选项。（2） Seed Tie Points选项：1） 点击Import Seed Tie Points按钮，可以选择已有的Tie点文件。2） 种子点（即同名点）具有编号，在基准影像中用紫色标记，在待配准影像中用绿色标记；编号与Tie Points Attribute Table（点击Show Table打开）中的POINT_ID相一致。（3） Advanced选项：在这个面板中，可以设置匹配波段、拟生成的Tie点数量、匹配和搜索窗口大小、匹配方法等。第三步：检查Tie点和待配准图像（1） 在Review and Warp面板中，Tie Points选项：单击Show Table，打开Tie点列表，可以对连接点进行编辑，最右列为误差值，右键选择Sort by selected column reverse安装误差排序，可以直接删除误差较大的点（2） Warping选项：（3） 勾选Preview，预览图像配准效果。第四步：输出图像配准的结果2.2 不同分辨率影像的图像配准第一步：选择图像配准的文件第二步：生成Tie点第三步：检查Tie点和待配准图像第四步：输出图像配准的结果五：图象融合（1） 选择File Open，将SPOT4数据bldr_sp.img和Landsat TM数据TM-30m.img分别打开。 （2） 在Toolbox中，打开 / Image Sharpening /Gram-Schmidt Pan Sharpening，在文件选择框中分别选择qb_boulder_msi.img作为低分辨率影像（Low Spatial）和qb_boulder_pan.img作为高分辨率影像（High Spatial），单击OK。打开Pan Sharpening Parameters面板。 （3） 在Pan Sharpening Parameters面板中，选择传感器类型（Sensor）：Unknown，重采样方法（Resampling）：Cubic Convolution，输出格式为：ENVI。 （4） 选择输出路径及文件名，单击OK执行融合处理。 （5） 显示融合结果，可以看到多光谱图像的分辨率提高到了10米。相同传感器图像融合（1） File Open，打开影像文件qb_boulder_msi.img和qb_boulder_pan.img。（2） 在Toolbox中，打开 / Image Sharpening /Gram-Schmidt Pan Sharpening，在文件选择框中分别选择qb_boulder_msi.img作为低分辨率影像（Low Spatial）和qb_boulder_pan.img作为高分辨率影像（High Spatial），单击OK。打开Pan Sharpening Parameters面板。 （3） 在Pan Sharpening Parameters面板中，选择传感器类型（Sensor）：QuickBird，重采样方法（Resampling）：Cubic Convolution，输出格式为：ENVI。 （4） 选择输出路径及文件名，单击OK执行融合处理。 （5） 显示融合结果，可以看到多光谱图像的分辨率提高到了0.7米。六：图象监督分类第一步：类别定义/特征判别启动ENVI5.1，打开待分类数据：can_tmr.img。以R:TM Band5，G:TM Band 4，B：TM Band 3波段组合显示。第二步：样本选择（1） 在图层管理器Layer Manager中，can_tmr.img图层上右键，选择“NewRegion Of Interest”，打开Region of Interest (ROI)Tool面板，下面学习利用选择样本。2) 默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Completeand Accept Polygon，完成一个多边形样本的选择（3） 如下图为选好好的样本。（4） 计算样本的可分离性。在Region of Interest (ROI)Tool面板上，选择OptionCompute ROI Separability，在ChooseROIs面板，将几类样本都打勾，点击OK；（5） 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，需要编辑样本或者重新选择样本；小于1，考虑将两类样本合成一类样本。第三步：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ENVI的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。下面是几种分类器的简单描述。第四步：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，在Toolbox/Classification/Supervised Classification能找到相应的分类方法。这里选