基于某ENVI软件地遥感信息处理实验报告

实用文档基于ENVI软件的遥感信息处理实验报告一、 遥感数据预处理：辐射亮度与表观反射率的计算1.实验目的将传感器记录的数字量化值（DN）转换成绝对辐射亮度值（辐射率）与地表（表观）反射率等物理量有关的相对值的处理过程。2.实验原理l DN值转为辐射亮度公式：Lrad =(DN-1)*Unit Conversion Coefficient。其中：Lrad-辐射亮度； DN-遥感影像像元亮度值，记录地物的灰度值（无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关）； Unit Conversion Coefficient-定标系数（表1-1所示）；Aster数据定标系数（表1-1）Aster bandCoefficent(W/m2*sr*um)/DNHigh GainNormalLow Gain 1Low Gain 210.676 1.6882.2520.708 1.4151.893N0.423 0.8621.153B0.423 0.862 1.154 0.1087 0.2174 0.2900 0.29005 0.0348 0.0696 0.09250.40906 0.0313 0.0625 0.08300.39007 0.0299 0.0597 0.07950.33208 0.0209 0.0417 0.05560.24509 0.10159 0.0318 0.04240.2650l 辐射亮度转为表观反射率公式：RTOA=(pi*Lrad*d2)/(ESUNi*COS(z) d=(1-0.01672*COS(RADLANS(0.9856*(Julian Day-4)其中：RTOA-表观反射率； Pi-3.14159； d-日地距离； z-太阳天顶角(z=90-太阳高度角)； Julian Day-成像日期； ESUNi-第i个波段的增益（表1-2所示）；Aster数据各个波段增益（表1-2）Aster bandSmith：ESUNiThome et al(A):ESUNiThome et al(A):ESUNiB1 1845.99 1847 1848B2 1555.74 1553 1549 B3N 1119.47 1118 1114B4231.25 232.5 225.4B579.81 80.32 86.63B674.99 74.92 81.85B768.66 69.20 74.85B859.74 59.82 66.49B956.92 57.3259.853.数据来源本次实验所使用数据为2001年宜昌地区遥感影像，该数据为Aster1-9波段，30米分辨率，投影为WGS-84，UL纬度为30.82418333，UL经度为111.21726944。4.实现过程（1）打开并显示影像文件，选择合适的波段组合加载影像打开并显示aster影像文件，从envi主菜单中，选择FileOpen Image File选择yichang2001aster_打开，选择band3，band2，band1进行组合加载显示。（2）使用Band Math对原始数据各个波段进行计算，实现DN值转为辐射亮度envi主菜单选择Basic ToolsBand MathEnter an expression，输入表达式，即将各个波段的DN值转为辐射亮度的公式依次输入并作用于各个相应的波段，选择FileSave File AsENVI Standard（注意调整波段顺序），输出数据即为将DN值转换为辐射亮度后的影像。 （3）使用Band Math对原始数据各个波段进行计算，实现DN值转为表观反射率envi主菜单选择Basic ToolsBand MathEnter an expression，输入表达式，即将各个波段的DN值转为表观反射率的公式依次输入并作用于各个相应的波段，选择FileSave File AsENVI Standard（注意调整波段顺序），输出数据即为将DN值转换为表观反射率后的影像。 二、地图投影的转换1.实验目的把UTM投影影像转换成高斯克吕格投影和阿尔勃斯投影的影像；任选五个坐标点对，做高斯克吕格投影的正反算，并与ENVI软件比较计算精度。2.实验原理Albers投影 ，又名“正轴等积割圆锥投影”，圆锥投影的一种。它是假想一个圆锥面与地球椭球旋转轴重合的套在椭球上，按等积条件把地球椭球上的经纬线投影到圆锥面上，然后沿一条母线将圆锥面切开展成平面。Albers投影的参数：参考椭球体 KRASOVSKY，X轴偏量 0.0000000000，Y轴偏量 0.0000000000，第一标准纬线：2500N，第二标准纬线：4700N，中 央 经 线 ：10500E，0 0.000 /* 起始经线，坐 标 原 点： 000，半球参数：Krasovsky a=6378245.0000 b=6356863.0188。高斯克吕格投影是一种等角横轴切椭圆柱投影。它是假设一个椭圆柱面与地球椭球体面横切于某一条经线上，按照等角条件将中央经线东、西各3或1.5经线范围内的经纬线投影到椭圆柱面上，然后将椭圆柱面展开成平面而成的。该投影，将中央经线投影为直线，其长度没有变形，与球面实际长度相等，其余经线为向极点收敛的弧线，距中央经线愈远，变形愈大。 赤道线投影后是直线，但有长度变形。除赤道外的其余纬线，投影后为凸向赤道的曲线，并以赤道为对称轴。经线和纬线投影后仍然保持正交。UTM投影是横轴等角割椭圆柱投影。椭圆柱割地球于南纬80度、北纬84度两条等高圈，投影后两条相割的经线上没有变形，而中央经线上长度比0.9996。UTM投影分带方法与高斯-克吕格投影相似，将北纬84度至南纬80度之间按经度分为60个带,每带6度.从西经180度起算。高斯克吕格投影正算公式： 对于克氏椭球： 其中：，分别为高斯平面纵坐标与横坐标； 为子午线弧长； ，称作第二偏心率； ，称作极曲率半径； 为中央子午线经度。（注意：算出的横坐标应加上500公里，再在前冠以带号，才是常见的横坐标形式。）高斯克吕格投影反算公式： 其中： 为底点纬度，以度为单位； ；（注意：其余符号同正算公式，只是以底点纬度代替大地纬度。）3. 数据来源本次实验所使用数据为envi软件自带影像，该数据为LandSatTM1-5，7波段，30米分辨率，投影为NAD-27，UL纬度为44.28246944，UL经度为-107.82238611。4.实现过程（1）打开并显示影像文件，选择合适的波段组合加载影像打开并显示LandSatTM影像文件，从envi主菜单中，选择FileOpen Image File选择bhtmref.img打开，选择band4，band3，band2进行组合加载显示。（2）将UTM投影转换为高斯克吕格投影和Albers投影envi主菜单中选择MapConvert Map Projection，进入Convert Map Projection Parameters面板。选择Change Projection，进入Customized Map Projettion Definition面板，然后新建一个高斯克吕格投影，输入Projection Name，选择Projection Type、Projection Ellipsoid，输入False easting、False northing、Latitude of projection origin、Longtitude of central meridian、Scale factor，具体参数值如下图所示。同样在Customized Map Projettion Definition面板上，也可新建一个Albers投影，从而将UTM投影转换为Albers投影，需要注意的是Albers投影False easting、False northing、Latitude of projection origin、Longtitu of central meridian以及Latitude of standara parallels这些参数与高斯克吕格投影的异同，具体参数值如下图所示。（3）输出投影转换结果。左图：UTM投影高斯克吕格投影；右图：UTM投影Albers投影； （4）在高斯克吕格投影影像任选五个坐标点对（表2-1），利用高斯克吕格投影正算公式计算出New X，New Y坐标（表2-2），对X与New X，Y与New Y进行比较，计算它们之间的误差大小（表2-3），其中所有计算过程由MATLAB软件完成。高斯克吕格投影影像采样的坐标点对（表2-1）Lat（纬度）Lon（经度）XY44.2310916700 -107.7474333300 4903259.0529000280489.8961000044.2456971200 -107.7353391300 4904849.7695000 281510.29670000 44.2383228700 -107.7387539300 4904039.4234000281210.17930000 44.2179071400 -107.7565837300 4901818.4739000 279709.59460000 44.2401393100 -107.7418437000 4904249.5127000280970.08650000高斯克吕格投影正算公式计算的采样坐标点对（2-2）Lat（纬度）Lon（经度）New XNew Y44.2310916700 -107.7474333300 4903259.08422804 280489.7723752244.2456971200 -107.7353391300 4904849.80003793 281510.17675012 44.2383228700 -107.7387539300 4904039.45453654281210.0575447144.2179071400 -107.7565837300 4901818.50507534279709.4679302944.2401393100 -107.7418437000 4904249.54401855280969.96486468 高斯克吕格投影正算公式与envi软件精度比较（表2-3）Lat（纬度）Lon（经度）New X-XNew Y-Y44.2310916700 -107.7474333300 0.0313280402 -0.1237247800 44.2456971200 -107.7353391300 0.0305379294 -0.1199498800 44.2383228700 -107.7387539300 0.0311365407 -0.1217552900 44.2179071400 -107.7565837300 0.0311753405 -0.1266697100 44.2401393100 -107.7418437000 0.0313185500 -0.1216353200 （5）同样在高斯克吕格投影影像任选五个坐标点对（表2-1），利用高斯克吕格投影正算公式计算出New Lat，New Lon坐标（表2-4），对Lat与New Lat，Lon与New Lon进行比较，计算它们之间的误差大小（表2-5），其中所有计算过程也由MATLAB软件完成。高斯克吕格投影反算公式计算的采样坐标点对（2-4）XYNew LatNew Lon4903259.052900280489.8961000044.2314314800 -107.7474153100 4904849.769500281510.2967000044.2460371900 -107.7353211800 4904039.423400 281210.1793000044.2386632400 -107.7387359800 4901818.473900279709.5946000044.2182474300 -107.7565656900 4904249.512700280970.0865000044.2404793000 -107.7418257100 高斯克吕格投影反算公式与envi软件精度比较（表2-5）XYNew Lat-LatNew Lon-Lon4903259.052900280489.896100000.0003398100 0.0000180200 4904849.769500281510.296700000.0003400700 0.0000179500 4904039.423400 281210.179300000.0003403700 0.0000179500 4901818.473900279709.594600000.0003402900 0.0000180400 4904249.512700280970.086500000.0003399900 0.0000179900 三、监督分类1.实验目的使用学习样本和验证样本两套数据，对遥感影像分别采用最小距离法、最大似然法、神经网络法进行监督分类，并对混淆矩阵，总体分类精度，Kappa系数等进行分析，最后对各分类结果制图。2. 实验原理监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中图像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判断函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类，使每个像元和训练样本作比较，按不同的规则将其划分到与其最相似的样本类，以此完成对整个图像的分类。最小距离分类法：最小距离法是一种基于距离准则的监督分类方法。最小距离分类首先要根据各已知类别的训练区计算各个类别中心的距离，即类别的均值向量，然后对一个待分类样本（像元)计算其到各个已知类别中心的距离，与哪一类的距离最小，就将该样本判归该类。对一个n个特征，k个类别的分类，设各个类别的均值向量为Mi(i=1,2,，k),待分类像元用X表示，则最小距离法用下述判别函数对像元进行分类：；i=1,2,，k。若，则，其中：T表示转置；是模式向量X的第j维分量；是第i类别均值向量的第j维分量。最大似然分类法：在两类或多类判决中，用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，假定各类分布函数为正态分布，并选择训练区，计算各待分类样区的归属概率，而进行分类的一种图像分类方法。又称为贝叶斯（Bayes）分类法，是根据Bayes准则对遥感影像进行分类的，亦称基于最小错误概率的Bayes分类法。 贝叶斯定理：假设B1,B2互斥且构成一个完全事件，A伴随它们出现，已知它们分别发生的先验概率P(Bi),i=1,2,及A的条件概率P(A|Bi)，则可以得到事件A的后验概率P(Bi|A)。由概率乘法公式：P(AB)=P(A)*P(B|A)=P(B)*P(A|B)，可导出贝叶斯定理公式：。设有s个类别，用1、2、s来表示，每个类别发生的概率（先验概率）分别为P(1)、P(2)、P(s)；设有未知类别的样本X，其类条件概率分别为P(X|1) 、 P(X|2) 、 P(X|s)；则根据贝叶斯定理可以得到样本X出现的后验概率为：，此时，以样本X出现的后验概率作为判别函数来确定样本X的所属类别，其分类准则为：如果。通过简化，可以得到直接的分类准则：。这样，就可以通过观测样本X，把先验概率P(i)转化为后验概率P(i|X)，并以后验概率最大的原则确定样本X的所属类别。人工神经网络分类法：首先通过已知类别样本对网络进行训练，获得正确的连接权值，即学习过程；然后在该组权值下对未知样本进行预测识别。学习功能是神经网络的最重要特点，神经网络的学习是要通过训练样本确定网络中的各权值，以保证样本的正确分类或识别。以前馈神经网络为例，其学习算法可表达为对权值的修正：，其中是对从输入神经元到输出神经元的连接权值的修正量；是控制学习速度的系数。前馈神经网络的一个著名学习算法是反向传播算法（BP）,主要思想是从后向前（反向）逐层传播传输层的误差，以间接算出隐层误差并调整权值。算法分为两个阶段：第一阶段（正向过程）输入信息从输入层经隐层逐层计算各单元的输出值；第二阶段（反向传播过程）输出误差逐层向后计算出隐层各单元的误差，并用此误差修正前层权值。正向计算：；定义误差函数（均方误差）：，其中为输出层的计算值，为训练样本的实际值。显然，误差E是各权值的函数，因此正确的权值应是使E极小化的权值。算法原理是在误差曲面中寻找最小值。3. 数据来源本次实验所使用数据为2001年宜昌地区影像，该数据为Aster1-9波段，30米分辨率，投影为WGS-84，UL纬度为30.82418333，UL经度为111.21726944。4. 实现过程（1）打开并显示aster影像文件，从envi主菜单中，选择FileOpen Image File选择yichang2001aster_打开，选择band3，band2，band1进行组合加载显示。（2）在mapinfo软件中，使用SQL查询语句获取宜昌市主城区数据并将该数据在mapinfo中转出并保存为.MIF格式的矢量数据。Envi主菜单下选择VectoOpen Vector FileQuery.MIFLoad Selected，最终将其加载至envi的display窗口。（3）Envi主菜单Basic ToolsRegion Of Interest-RIO Tool，对不同的地物分别进行采样。（4）Envi主菜单Basic ToolsMaskingBuild Mask，进入Mask Definition面板，选择OptionsImport EVFs，选中Query.MIF文件做掩膜，输出结果如下图所示。（5） 在Envi主菜单Classification-SupervisedMinnimum Distance(最小距离分类法)，进入Classification Input File面板，需要注意的是点击Select Mask Band按钮，选择上一步输出的掩膜文件，然后进行分类。（6）在envi主菜单ClassificationPost ClassificationConfusion MatrixUsing Ground TrutROIS，出现Classification Input File面板，选择上一步分类后的数据结果，进入Match Classes Paramters，将验证样本点与训练样本点同类别进行配对。（7）使用最小距离分类法对宜昌市主城区遥感影像分类获得的Overall Accuracy = (388/401) 96.7581% ，Kappa Coefficient = 0.9603，而混淆矩阵如下表（表3-1）所示。最小距离法分类混淆矩阵（表3-1）Class UnclassifiedGround Truth(Pixels)植被黄柏河居民点裸地长江上游长江下游Total0000000植被790000079 黄柏河060400064 居民点003900039裸地000360238 长江上游000081081 长江下游0007193100Total796043438195401（8）使用最小距离法分类后的遥感影像制图输出如下图所示。（9）在Envi主菜单ClassificationSupervisedMaxinum Likehood（最大似然分类法），后续操作步骤同最小距离法分类法，使用最大似然分类法对宜昌市主城区遥感影像分类获得的Overall Accuracy = (401/401) 100.0000% ，Kappa Coefficient = 1.0000，而混淆矩阵如下表所示。最大似然法分类混淆矩阵（表3-2）Class UnclassifiedGround Truth(Pixels)植被黄柏河居民点裸地长江上游长江下游Total0000000植被790000079 黄柏河060000064 居民点004300039裸地0000038 长江上游000081081 长江下游0007195100Total796043438195401（10）使用最大似然法分类后的遥感影像制图输出如下图所示。（11）在Envi主菜单-Classification-Supervised-Neural Net（神经网络法），使用神经网络分类法对宜昌市主城区遥感影像分类获得的Overall Accuracy = (400/401) 99.7506% Kappa Coefficient = 0.9970 ，而混淆矩阵如下表（表3-3）所示。最大似然法分类混淆矩阵（表3-3）Class UnclassifiedGround Truth(Pixels)植被黄柏河居民点裸地长江上游长江下游Total0000000植被790000079 黄柏河060000064 居民点004300039裸地0000038 长江上游000081181 长江下游0007194100 Total796043438195401（12）使用神经网络法分类后的遥感影像制图输出如下图所示。4、 遥感影像几何校正与配准1. 实验目的几何变形分系统性和非系统性两大类。系统性一般由传感器本身引起，有规律可循和可预测性，非系统性几何变形是不规律的