遥感数字图像处理实习ppt课件

1、遥感数字图像处置实习遥感数字图像处置实习实习一 遥感图像处置软件系统 实习目的 了解遥感图像处置系统ENVI的任务界面、数据的读取、显示与存储等根本操作 实习数据 ENVI自带数据 ENVI安装途径下IDL63productsenvi43data bhtmref文件ENVI界面界面 数据读取与显示数据读取与显示 主菜单File Open Image File，在Enter Input Data File对话框中翻开bhtmref文件。 从Available Bands List内，选择Gray Scale切换按钮，以灰度方式显示所选择的波段数据。 从 Available Bands List

2、内，选择RGB Color切换按钮，以彩色方式显示所选择的3个波段数据。 数据读取与显示数据读取与显示 在Scroll窗口挪动红色方框，Image窗口中的图像随之发生挪动；在Image窗口挪动红色方框，Zoom窗口中的图像随之发生挪动。数据存储 主菜单File Save File As .可将影像数据保管为多种格式 Image窗口菜单File Save Image As .可将图像保管为多种图像文件信息查看信息查看 鼠标右键菜单Cursor Location/Value，查看鼠标所在位置的根本信息 信息查看信息查看 鼠标右键菜单Z Profile (Spectrum) ，查看鼠标所在位置的光谱

3、曲线信息查看信息查看 在任一主窗口中点击鼠标右键，选择弹出菜单中的Link Displays，可以将两个显示窗口衔接在一同。实习二 遥感图像几何校正 实习目的 掌握基于遥感图像的几何校正操作，了解遥感图像几何校正的意义和内容。 实习数据 bldr_tm：Landsat TM数据，无地理坐标 bldr_sp：SPOT数据，有地理坐标翻开数据翻开数据 分别载入bldr_tm数据和bldr_sp数据， bldr_sp数据带有地理坐标信息，而bldr_tm数据没有地理坐标。 本次实习以bldr_sp数据为基准图像，对bldr_tm数据进展几何校正 选取地面控制点选取地面控制点 主菜单Map Regis

4、tration Select GCPs: Image to Image 分别选取bldr_sp数据和bldr_tm数据的显示窗口作为Base Image和Warp Image，点击OK，启动配准程序。选取地面控制点选取地面控制点选取地面控制点选取地面控制点 点击Show List按钮，可以查看每一个控制点的信息 校正影像校正影像 Ground Control Points Selection窗口菜单Options Warp File，根据刚刚选择的地面控制点对TM影像进展几何校正。 Method选择多项式Polynomial法，Degree选择2阶 Resampling选择双线性插值Bilin

5、ear方法 翻开经过几何校正的TM数据，与原数据以及SPOT数据进展比较。实习三实习三 遥感影像加强处置遥感影像加强处置实验目的 加深对遥感图像加强实际了解，掌握图像加深对遥感图像加强实际了解，掌握图像加强的根本方法与步骤，可以利用加强的根本方法与步骤，可以利用ENVI软件进展影像加强处置。软件进展影像加强处置。实验内容 1.遥感影像对比度拉伸根本方法遥感影像对比度拉伸根本方法 2.遥感影像直方图匹配方法遥感影像直方图匹配方法 3.遥感影像空间域滤波加强方法遥感影像空间域滤波加强方法1.遥感影像对比度拉伸根本方法遥感影像对比度拉伸根本方法详细步骤：详细步骤： 翻开实验数据翻开实验数据: bht

6、mref.img 1.采用交互式拉伸工具分别对影像进展以下对比度拉采用交互式拉伸工具分别对影像进展以下对比度拉伸：伸： 线性拉伸线性拉伸 平衡化拉伸平衡化拉伸 高斯对比度拉伸高斯对比度拉伸图1 线性拉伸 图2 高斯拉伸 图3 平衡化 2.遥感影像直方图匹配方法遥感影像直方图匹配方法 翻开两个波段数据或两景影像进展直方图匹配操翻开两个波段数据或两景影像进展直方图匹配操作作 数据：如数据：如Cantmr.img图图8 直方图匹配后的两幅影像及各自直方图直方图匹配后的两幅影像及各自直方图3.遥感影像空间域滤波加强方法遥感影像空间域滤波加强方法 分别采用分别采用Roberts， Sobel、Lapla

7、cian算子对图算子对图像进展锐化处置边缘提取像进展锐化处置边缘提取 图4 Roberts算子 图5 Sobel算子 图6 Laplacian算子 图7 中值滤波实习四实习四 遥感图像非监视分类遥感图像非监视分类一、实习目的一、实习目的 熟习掌握非监视分类原理与过程，熟习掌握非监视分类原理与过程，掌握监视分类的流程，可以运用遥感掌握监视分类的流程，可以运用遥感图像处置软件进展遥感影像的非监视图像处置软件进展遥感影像的非监视分类。分类。p算法原理：算法原理：p在均值算法的根底上，参与了试探性的步骤，能在均值算法的根底上，参与了试探性的步骤，能汲取中间结果的阅历，在迭代的过程中可以进展类汲取中间结

8、果的阅历，在迭代的过程中可以进展类别的分别和合并，具有别的分别和合并，具有“自组织性自组织性动态聚类法动态聚类法ISODATAISODATA方法迭代自组织数据方法迭代自组织数据算法算法动态聚类法流程：动态聚类法流程：允许的迭代次数子数每次允许合并的类的对最小距离类间距离参数如类的标准差类内的分散程度参数每类的的最小样本数近似值类别数:)(:)(:)(:ILKcsN控制参数控制参数:实习步骤：实习步骤： 翻开遥感影像翻开遥感影像实习步骤：实习步骤： 对影像进展对影像进展ISODATA分类分类 实习步骤：实习步骤： 输出分类结果输出分类结果 实习步骤：实习步骤： 对分类的类别进展确定对分类的类别进

9、展确定 根据目视解译，对分类的结果进展类根据目视解译，对分类的结果进展类别确实定，输出分类结果图。别确实定，输出分类结果图。实习五实习五 遥感图像监视分类遥感图像监视分类一、实习目的一、实习目的 熟习和掌握分类模板、监视分类的概念，掌握熟习和掌握分类模板、监视分类的概念，掌握监视分类的流程监视分类的流程,运用通用遥感图像处置软件进展运用通用遥感图像处置软件进展遥感影像的分类。遥感影像的分类。二、原理与方法二、原理与方法 监视分类法又称训练分类法，即用已被确认类监视分类法又称训练分类法，即用已被确认类别的样本像元去识别其他未知类别像元的过程。别的样本像元去识别其他未知类别像元的过程。现以最大似然

10、法为例进展引见。现以最大似然法为例进展引见。 最大似然分类也称贝叶斯分类。设各类型的光最大似然分类也称贝叶斯分类。设各类型的光谱数据服从正态分布，那么可根据未知样本落入谱数据服从正态分布，那么可根据未知样本落入各知样本中的概率大小来确定它的类型归属。各知样本中的概率大小来确定它的类型归属。 设共有设共有m个类型，样本落在每个类型的先验概个类型，样本落在每个类型的先验概率为率为 12,mp pp那么恣意样本那么恣意样本X 落在第落在第i个类型中的后验概率为个类型中的后验概率为 1(|)(|)(|)()(|)iiiiimiiip Xpp XppXp Xp Xp三、实习仪器与数据三、实习仪器与数据

11、ENVI 或或 ERDAS、PCI等通用遥感图像处置软等通用遥感图像处置软件本实习指点书以件本实习指点书以ENVI为例来加以阐明、为例来加以阐明、TM遥感影像数据。遥感影像数据。 图图1 研讨区表示图研讨区表示图四、实习步骤四、实习步骤1. 数据预处置数据预处置 首先对首先对TM影像进展几何校正和辐射校正，辐影像进展几何校正和辐射校正，辐射校正包括辐射定标和大气校正。射校正包括辐射定标和大气校正。2. 确定分类系统确定分类系统 结合研讨区的实践地物分布特点以及分类需结合研讨区的实践地物分布特点以及分类需求的来确定需求分为哪些类型。本研讨区分为植求的来确定需求分为哪些类型。本研讨区分为植被、人工

12、设备、水体三大类。被、人工设备、水体三大类。 3分类特征选择与提取分类特征选择与提取 调查各典型地物的光谱曲线，发现植被、人工设备、调查各典型地物的光谱曲线，发现植被、人工设备、水体三大类地物在水体三大类地物在0.4-2.5微米的光谱差别很大图微米的光谱差别很大图2，进一步选择训练样本，经过进一步选择训练样本，经过N维可视化工具查看其可分性维可视化工具查看其可分性图图3。最终确定。最终确定TM的的6个波段作为最终的分类特征。个波段作为最终的分类特征。图2 研讨区典型地物的光谱特征图图3 训练区的选取及训练区的选取及N维可视化分析维可视化分析4. 选择训练区选择训练区 经过目视判读及经过目视判读

13、及ROI工具选取训练区，并对每工具选取训练区，并对每个类别进展统计分析图个类别进展统计分析图4。 图图4 训练样本的统计分析训练样本的统计分析5. 计算机分类计算机分类 选用最大似然法进展监视分类，分类器采用选用最大似然法进展监视分类，分类器采用ROI选选取的训练区图取的训练区图5-7。 图图5 最大似然法分类界面最大似然法分类界面1图图6 最大似然法分类界面最大似然法分类界面2图图7 分类结果分类结果6. 分类后处置分类后处置 结合详细情况，可以对分类后的结果进展挑选、结合详细情况，可以对分类后的结果进展挑选、合并等分类后处置本指点书中暂不思索此类处合并等分类后处置本指点书中暂不思索此类处置。置。 7. 精度评价精度评价 经过验证样本来评价分类的精度。精度评价需经过验证样本来评价分类的精度。精度评价需求地表真实数据。可以经过真实图像或感兴趣区求地表真实数据。可以经过真实图像或感兴趣区来获得。以下经过感兴趣区工具来获取验证样本，来获得。以下经过感兴趣区工具来获取验证样本，并计算混淆矩阵，进展精度评价图并计算混