遥感图像处理方法论文.doc_第1页
遥感图像处理方法论文.doc_第2页
遥感图像处理方法论文.doc_第3页
遥感图像处理方法论文.doc_第4页
遥感图像处理方法论文.doc_第5页
已阅读5页,还剩4页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

存档日期: 存档编号: 大学学院本科生论文 设 计 题 目: 遥感图像处理方法论文院 系: 年 级 : 学 号: 姓 名: 指 导 教 师: 摘要:遥感图像处理(processing of remote sensing image data )是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理的方法。常用的遥感图像处理方法有光学的和数字的两种。引言:数字图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室(JPL)。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术,如几何校正、灰度变换、去除噪声等方法进行处理,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,以致获得了月球的地形图、彩色图及全景镶嵌图,获得了非凡的成果,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。在以后的 数字图像处理技术宇航空间技术,如对火星、土星等星球的探测研究中,数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。参考文献:ERDAS IMAGINE遥感图像处理方法我所用的图是徐州地区的图包括了云龙湖,山地,农田,建筑等。遥感图像几何校正处理流程 几何校正就是从具有几何变形的图像中消除变形的过程。而将地图投影系统赋予图像数据的过程,称为地理参考(Geo-referencing)。由于几何校正的遥感影像都需要遵循一定的地图坐标系统,因此几何校正的过程包含了地理参考过程。多项式纠正法,利用已知象元在影像上的位置(行列坐标)及其相应地理坐标(可利用地图获取)建立校正变换多项式,进而对整幅图像进行校正,是最常用的几何校正方法。基于多项式的几何校正关键是控制点的选取。多项式纠正法的精度与地面控制点(GCP)的精度、分布、数量及纠正范围有关,GCP的位置精度越高,则几何纠正的精度越高;GCP分布应尽可能在整幅图像内均匀分布,否则在GCP密集区精度较高,在GCP分布稀疏区出现较大误差。具体步骤:1.打开参考图像和要校正的图像。2.查看地图投影信息:投影Projection、椭球体参数Datum、分辨率。3.显示图像:Available Bands List窗口 Now DisplayNew Display,利用要校正的图像合成彩色图像(R-5、G-4、B-3波段合成)Display #1New Display,利用参考图像合成彩色图像(R-5、G-4、B-3波段合成)4.选择控制点1)Ground Controls Points Selection窗口:Map RegistrationSelect GCPs:Image to MapImage to Map Registration设置Input display (要校正的图像窗)elect Registration Projection与参考图像一致2)打开参考图像Pixel Locator:Tools Pixel Locator(能够显示该点的行列数)3)选择控制点:选点需要选取具有特征的点,所谓特征提取即是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 将两个Zoom中的“十”字定位到同一地物对应位置,点击参考图像Pixel Locator/Export 按钮,点击窗口Ground Controls Points Selection/Add Point 按钮,增加控制点。用同样方法选择16个以上控制点。若刚输入的控制点有误,可点击Delete Last Point 按钮删除。也可点击Show List查看、修改控制点。4)检查控制点Degree为1,查看控制点最大均方根误差RMS Error、总体均方根误差RMS Error;Degree为2,查看控制点最大均方根误差RMS Error、总体均方根误差RMS Error 发现当Degree增大时RMS Error变小。5)保存控制点数据。 窗口Ground Controls Points Selection:FileSave GCPs w/ Coords5.校正图像 窗口Ground Controls Points SelectionOptionsWarp File选择文件要校正的图像 窗口Registration Parameters:Resampling为三次卷积内插(Cubic Convolution) 窗口Registration Parameters:点击OK。6.查看校正结果图像1)查看校正结果图像的地图投影信息2)显示校正结果图像:显示校正结果图像和图像参考图像。3)检查校正结果精度:ToolsLinkGeographic Link 在两个Zoom窗口中打开“十”字定位器查看是否对应同一地物。如果偏差较大说明校正结果存在较大的误差,分析其原因,重新选取控制点进行校正裁剪1, subset image(用aoi,裁剪出来是一个矩形,带有黑色背景,可以通过erdas的raster里面的设置去掉背景,在arcgis里面设properties-symboly)2, mask(对已分类图像可以recode,类似于arcgis的extract by attribute),前提必须保证图像的投影信息一致。3, model maker,自己简单的空间模型,可以使用conditional,里面either.其作用和con函数类似,前提如上。如图监督分类进行监督分类:在ERDAS图标面板菜单条中,单击Main/Image Classification/Classification Signature Editor命令,打开Signature Editor窗口。在ERDAS图标面板工具条,单击classifier图标/classification/signature editor命令,打开signature editor窗口。调整分类属性字段1.在signature editor窗口中的分类属性表中有很多字段,不同字段对于建立分类模板的作用或意义是不同的,为了突出作用比较大的字段,需要进行必要的调整。2.在Signature Editor窗口菜单条,单击view/columns命令,打开view signature Columns对话框。3.在view signature Columns对话框,1)单击第一个字段的columns列并向下拖动鼠标直到最后一个字段,此时,所有字段都被选择上,并用黄色标识出来。2)单击shift键的同时分别单击red green blue三个字段,red green blue三个字段将分别从选择集中被消除。3)单击apply按钮,分类属性表中显示的字段发生变化。4)单击close按钮,关闭view signature Columns对话框。5)从view signature Columns对话框可以看到,red green blue三个字段将不再显示。获取分类模板信息水建筑山林地农地 上图是通过监督分类所得,先通过绘制或产生AOI区域来获取分类模板信息。在通过supervised classification进行分类并保存。监督分类的信息:CLASSIFICATION ACCURACY ASSESSMENT REPORT-Image File : g:/tu.imgUser Name : AdministratorDate : Mon Nov 07 16:42:02 2011ERROR MATRIX-Reference Data-Classified DataUnclassifi building mountain water- Unclassified 0 0 0 0 building 0 1 2 0 mountain 0 0 0 0 water 0 0 0 0 wood 0 0 0 0 farm 0 0 0 0Column Total 0 1 2 0Reference Data-Classified Data wood farm Row Total- Unclassified 0 0 0 building 0 0 3 mountain 0 0 0 water 0 0 0 wood 4 0 4 farm 0 3 3Column Total 4 3 10- End of Error Matrix -ACCURACY TOTALS- Class ReferenceClassifiedNumberProducersUsers Name Totals TotalsCorrect AccuracyAccuracy - Unclassified 0 0 0 - - building 1 3 1 100.00% 33.33% mountain 2 0 0 - - water 0 0 0 - - wood 4 4 4 100.00%100.00% farm 3 3 3 100.00%100.00% Totals 10 10 8Overall Classification Accuracy = 80.00%- End of Accuracy Totals -KAPPA (K) ST

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论