数字遥感图像处理实验指导书

1、数字遥感图像处理实验指导书前 言数字遥感图像处理课是地理信息系统专业本科生的必修课，也是一门综合理论强和具有实用性的课程。其任务是使学生掌握遥感数字图像处理的基本原理和基本方法。实践教学是本课程的重要教学环节，通过学生的动手实践，可以使之对遥感数字图像处理的原理和应用有进一步的认识和理解，激发学习兴趣，掌握各类处理的基本方法和步骤，熟悉常用的遥感数字图像处理软件，培养学生解决实践问题的能力和创造力。本课程实验教学共25学时，约占总课时的50%，安排了11个设计性实验项目。具体为：遥感图像的几何校正、遥感图像的辐射校正、遥感图像的辐射增强、遥感图像的空间增强、遥感图像的频率域增强、遥感图像的复合

2、分析、遥感图像的多光谱增强、遥感数字图像的计算机分类、遥感数字图像的一般分析方法、地形分析、空间建模与实践。上述实验项目均在老师指导下，由学生独立完成。学生事先应认真阅读实验指导书，充分理解和掌握实验内容，指导教师则做好相关设备和材料的准备工作，并在课堂上进行软件操作的演示，具体实验步骤、参数的选择和结果分析、处理由学生独立完成。通过实验课的学习，要求学生深入理解遥感数字图像的基本特征和遥感数字图像处理的基本原理，熟悉ERDAS遥感图像处理软件的工作环境和基本操作，掌握遥感数字图像处理的基本方法和流程。实验一 遥感图像的几何校正一、目的和要求：通过实习操作，理解遥感图像几何校正的基本原理和意义

3、，掌握遥感图像几何校正的基本方法和步骤，熟悉ERDAS软件中图像几何校正的操作流程。二、实验内容在ERDAS软件中，采用多项式纠正方法对遥感图像进行几何精校正。三、原理和方法遥感图像的几何校正是指消除原始图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像的过程，分为几何粗校正和精校正两种。几何粗校正是根据卫星轨道公式将卫星的位置、姿态、轨道及扫描特征作为时间函数加以计算，来确定每条扫描线上的像元坐标，这些在卫星地面站已经处理。几何精校正主要包括两个环节：一是像素坐标的变换，方法有多项式法、共线方程法和随机场内插值法等。本实验采用多项式纠正法，其基本思想是回避成像的空间几何过程，认

4、为图像变形规律可以看作平移、缩放、旋转、仿射、偏扭和弯曲以及更高次的基本变形的综合作用结果，直接对影像变形的本身进行多项式模拟。这种方法的基本过程是利用有限个地面控制点的已知坐标，按最小二乘法求解多项式的系数，然后将各像元的坐标带入多项式进行计算，从而求得纠正后的坐标。二是对坐标变换后的像素亮度值进行重采样，常用的灰度值重采样方法有最邻近像元法、双线性内插法、双三次卷积法三种。最邻近像元法即是取距离采样点最近的已知像元的亮度值为采样亮度，该方法最简单，且辐射保真度较好，但会造成像点在一个像素范围内的位移，几何精度较差；双线性内插法采用采样点周围4个已知像素的亮度值在行和列方向上进行线性内插获取

5、采样亮度，该方法计算也较简单，并具有一定的亮度采样精度，是实践中常用方法，但图像略模糊；双三次卷积法采用三次重采样函数，以采样点周围16个已知像素的亮度值进行内插采样，该方法内插精度较高，但计算量较大。具体的校正过程主要包括：选取地面控制点地面控制点应在图像上有明显的、清晰的定位识别标志，如道路交叉点、农田边界等；应不随时间而变化；地面控制点应当均匀分布在整幅图像，且有一定的数量保证，至少应超过多项式系数的个数。建立多项式纠正模型一般次数越高，纠正精度越高，但要求控制点的数量也多，而且计算量较大，因此常用的纠正模型为二次多项式，具体可根据实际情况确定。灰度值重采样验证纠正精度检查校正后的精度，

6、要求误差控制在0.5个像元以内，当误差较大时，调整校正式或控制点。四、实验步骤显示图像文件（Display Image Files）首先，在ERDAS图标面板中点击Viewer图标两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置，操作过程如下：ERDAS图标面板菜单条：SessionTitle Viewers然后，在Viewer1中打开需要校正的Lantsat图像：tmAtlanta,img在Viewer2中打开作为地理参考的校正过的SPOT图像：panAtlanta,img启动几何校正模块（Geometric Correction Tool）Viewer1菜单条：R

7、aster Geometric Correction 打开Set Geometric Model对话框（图1-1）选择多项式几何校正模型：PolynomialOK 同时打开Geo Correction Tools对话框（图1-2）和Polynomial Model Properties对话框（图1-3）。在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：定义多项式次方（Polynomial Order）:定义投影参数：（Projection）:ApplyClose打开GCP Tool Referense Setup 对话框（图1-4） 图1-1

8、Set Geometric Model对话框 图1-2 Geo Correction Tools对话框 图1-3 Polynomial Properties对话框 图1-4 GCP Tool Referense Setup 对话框启动控制点工具（Start GCP Tools）图1-5 Viewer Selection Instructions首先，在GCP Tool Referense Setup对话框（图1-4）中选择采点模式： 选择视窗采点模式：Existing ViewerOK打开Viewer Selection Instructions指示器（图1-5）在显示作为地理参考图像的Vie

9、wer2中点击左键打开Reference Map Information 提示框（图1-6）；OK此时，整个屏幕进入控制点采点状态（图1-7）。图1-6 Reference Map Information 提示框图1-7 控制点采点采集地面控制点（Ground Control Point）在GCP工具对话框中，点击Select GCP图标，进入GCP选择状态；在GCP数据表中，将输入GCP的颜色设置为比较明显的黄色。在Viewer1中移动关联方框位置，寻找明显的地物特征点，作为输入GCP。在GCP工具对话框中，点击Create GCP图标，并在Viewer3中点击左键定点，GCP数据表将记录一

10、个输入GCP，包括其编号、标识码、X坐标和Y坐标。在GCP对话框中，点击Select GCP图标，重新进入GCP选择状态。在GCP数据表中，将参考GCP的颜色设置为比较明显的红色，在Viewe r2中，移动关联方框位置，寻找对应的地物特征点，作为参考GCP。在GCP工具对话框中，点击Create GCP图标，并在Viewer4中点击左键定点，系统将自动将参考点的坐标（X、Y）显示在GCP数据表中在GCP对话框中，点击SelectGCP图标，重新进入GCP选择状态，并将光标移回到Viewer1中，准备采集另一个输入控制点。不断重复，采集若干控制点GCP，直到满足所选定的几何模型为止。之后，每采集

11、一个InputGCP，系统就自动产生一个Ref. GCP 移动Ref. GCP可以优化校正模型，在GCP数据表的左上方显示有校正的误差。采集地面检查点（Ground Check Point）以上采集的 GCP的类型均为控制点，用于控制计算，建立转换模型及多项式方程，下面所要采集的GCP类型是检查点，采集方法同上。计算转换模型（Compute Transformation）在控制点采集过程中，一般是设置为自动转换计算模型。所以随着控制点采集过程的完成，转换模型就自动计算生成。在Geo-Correction Tools对话框中，点击Display Model Properties 图标，可以查阅模

12、型。图像重采样（Resample the Image）首先，在Geo-Correction Tools对话框中选择Image Resample 图标。 然后，在Image Resample对话框中，定义重采样参数；输出图像文件名（OutputFile）:rectify.img选择重采样方法（Resample Method）:定义输出图像范围：定义输出像元的大小：设置输出统计中忽略零值:定义重新计算输出缺省值：保存几何校正模式（Save rectification Model）在Geo-Correction Tools对话框中点击Exit按钮，退出几何校正过程，按照系统提示，选择保存图像几何校正

13、模式，并定义模式文件，以便下一次直接利用。检验校正结果（Verify rectification Result）同时在两个视窗中打开两幅图像，一幅是校正以后的图像，一幅是参考图像，通过视窗地理连接功能，及查询光标功能进行目视定性检验。五、实验结果分析和讨论谈谈控制点的选择对校正精度的影响以及你的选取心得比较三种重采样方法的处理效果作业1：（提交最后期限9.15日）用IDL或MATLAB代码写出读写HDF格式的图像的程序，并要求代码具有能转换成其他格式的图像和把图像显示在屏幕上的功能。作业2：（提交最后期限10.8日）在作业1的基础上： MODIS35中国区域2001年，1月-10月份的Clou

14、ds Mask的匹配和裁剪（中国区域图）。下载中国区域的MODIS的LIB和MODIS35图（目的：学会下载即寻找自己需要的资料。地址MODIS官方网站（先找，如果不行下周给你们下载的步骤）：拼接MODIS的LIB和MODIS35图（目的：学会拼接技术。注意保持原来图像的数据，有点难度）；裁剪MODIS的LIB和MODIS35图，安中国区域裁剪，裁剪后保持原来图像的数值大小。（目的：学会裁剪技术。）4.月平均后用色标表示平均后的图像。（目的：学会图像的加法和除法运算）实验二 遥感图像的辐射校正一、目的和要求通过实验，使学生掌握两种简单易行的遥感图像大气散射校正方法，理解辐射校正的原理和意义。二

15、、实验内容利用回归分析法和直方图法对Landsat TM影像进行大气校正三、原理和方法在遥感成像时，由于各种因素的影响，使得遥感图像存在一定的辐射量失真现象。辐射校正就是消除图像数据中依附在辐射亮度中的各种失真的过程。辐射误差产生的原因包括传感器响应特性、太阳辐射（高度、方位）、地形以及大气条件等。因此完整的辐射校正包括传感器校正、大气校正以及太阳辐射和地形校正。通常我们拿到的影像数据都假定在正常大气条件下对系统辐射强度进行了校准。但为了更精确的校正辐射值，需要进行大气校正，削弱由大气散射引进的辐射误差。常用的大气校正方法有三种：野外波谱测试回归分析、辐射传输方程计算法和波段对比法。野外波谱测

16、试回归分析法需要到野外进行与陆地卫星同步的、一致的测试；辐射传输方程计算法需要测定具体天气条件下的大气参数，两者都实现起来比较困难，因此常采用波段对比法，其理论依据在于大气散射的选择性，即大气散射对短波影响大，对长波影响小，一般有回归分析法和直方图法两种。回归分析法：在不受大气影响的波段和待校正的某一波段图像中，选择各波段均为黑区域（通常为高山阴影区、深大水体）的一系列目标，将每一目标的两个待比较的波段亮度值提取出来进行回归分析，截距即为校正量。然后用原波段图像减去校正量即可。直方图法：假设图像中存在亮度值为0的目标，如深海水体、高山背阴处，在任一波段上亮度值都应为0，但实际只有不受大气影响的

17、波段才为0。例如TM影像，其第7波段直方图0亮度值处有像元频数，而其它波段在0亮度值处无像元频数，因此其它波段最小值即为校正量，用原图像减去即可。四、实验步骤图2-1Raster工具回归分析法启动ERDAS，在Viewer视窗中打开待处理的TM影像Viewer视窗工具条上图标，打开Raster工具栏（图2-1），利用AOI（感兴趣区域）工具选取高山阴影区等在各波段全黑的区域ERDAS主菜单UltilitiesConvert Pixels to ASCII得到所选像元的亮度值文件利用Excel软件打开导出的亮度值文件进行各波段与TM7之间的回归分析，求得校正量借助ERDAS空间建模功能将各波段减

18、去校正量，得到校正影像直方图法启动ERDAS，在Viewer视窗中打开待处理的TM影像Viewer视窗工具条上图标，打开ImageInfo对话框（图2-2），点取Histogram面板，并通过点选上方的列表框选择波段，观察各波段的直方图，若TM7波段直方图0亮度值处有像元频数，则其它波段校正量即为该波段亮度的最小值。借助ERDAS空间建模功能将各波段减去校正量，得到校正影像注：本实验将和实验十一结合完成。图2-2 ImageInfo对话框五、实验结果分析和讨论比较校正前后的影像，说明辐射校正的意义分析比较回归分析法和直方图方法处理的结果。实验三 遥感图像的辐射增强一、目的和要求 通过上机操作，

19、掌握线性对比度拉伸、直方图均衡化和直方图规定化三种遥感图像辐射增强处理的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。二、实验内容线性对比度拉伸直方图均衡化直方图匹配三、原理和方法辐射增强是一种通过直接改变图像中像元亮度值来改变图像的对比度，从而改善图像质量的图像处理方法，主要以图像的灰度直方图为分析处理的基础。常用的辐射增强方法有线性拉伸、线性压缩、分段线性变换、对数变换、指数变换、直方图均衡化直方图规定化等。本实验将练习线性拉伸、直方图均衡化和直方图匹配操作。线性对比度拉伸是按比例扩大原始灰度级的范围，改善对比度，提高图像质量的方法。直方图均衡化是将原始图像的直方图通过变换函数变

20、为均匀的直方图，然后按照均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。其实质就是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元数量大致相同。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。直方图匹配是指使一幅图像的直方图变换为规定形状的直方图而对图像进行变换的增强方法，常用作图像镶嵌或动态变化研究的预处理工作，可以部分消除太阳高度角或大气影响造成的图像色调差异。四、实验步骤线性对比度拉伸显示图像启动ERDAS，在Viewer1视窗中Viewer1菜单条：RasterContrastGeneral Con

21、trast打开Contrast Adjust对话框（图3-1），设置相关参数：method：Linear斜率:截距:或者Breakpts打开Breakpoint Editor，然后左键选择断点，通过拖动调整变换直线 图3-1 对比度调整 图3-2 断点 编辑器直方图均衡化（Histogram Equalization）在ERDAS图标面板中选择InterpreterRadiometric EnhancementHistogram Equalization打开Hitogram Equalization对话框（图3-3）定义待处理影像文件定义输出文件图3-3直方图均衡化直方图匹配（Histogra

22、m Match）在ERDAS图标面板中选择InterpreterRadiometric EnhancementHistogram Match打开Hitogram Match对话框（图3-4）定义待处理影像文件定义匹配对象文件定义输出文件图3-4直方图匹配五、结果分析和讨论认真对比处理前后图像的差别，谈谈三种增强方法的处理效果和直方图的变化情况。实验四 遥感图像的空间增强一、目的和要求学习和掌握空间增强的基本原理和操作过程，理解不同滤波核的处理效果。二、实验内容空间平滑滤波空间锐化滤波三、原理和方法空间增强技术是利用像元与其周围相邻像元的灰度值进行运算（卷积运算），达到增强整个图像之目的，也称为

23、空间滤波。卷积运算（Convolution）将整个像元分块进行处理，用于改变图像的空间频率特征。卷积运算的关键是模板，又称卷积核（Kernal）或滤波核，即系数矩阵的选择，主要用于对图像进行平滑和锐化处理。平滑是抑制噪声改善图像质量或减少变化幅度，使亮度变化平缓所做的处理，常用的方法有均值平滑和中值滤波等；锐化是为了突出边缘、轮廓和线状目标信息所做的处理，常用的方法有梯度法、Roberts梯度、Prewitt和Sobel梯度、Laplace算法和定向检测等。均值平滑方法均等地对待邻域中的每个像元，对于每个像元在以它为中心的邻域内取平均值，作为该像元的新灰度值。该方法算法简单，计算速度快，但在去

24、掉尖锐噪声的同时造成图像模糊，对图像的边缘和细节削弱很多，而且随着邻域范围的扩大，去噪能力增强的同时模糊程度严重。中值滤波以中值代替均值，起到滤波器的作用，在抑制噪声的同时能够有效地保留边缘，减少模糊。梯度法以梯度值代替像元的原灰度值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。Roberts梯度采用交叉差分的方法监测像元与其在上下之间或左右之间或斜方向间的差异，达到突出边缘的目的。Prewitt梯度是将Roberts梯度扩大为33来进行差分，Sobel梯度在Prewitt的基础上采用加权方法进行差分，因而边缘检测更精确。Laplace算法采用二阶差分进行计算，检测灰度变化率的变化率，因

25、而不检测均匀的灰度变化，产生的图像更加突出灰度值突变部分。定向监测有目的的提取某一方向的边缘、线性目标或纹理特征。ERDAS将常用的卷积核放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“边缘探测EdgeDetect/低通滤波Low Pass/水平边缘增强Horizontal/垂直边缘增强Vertical/求和滤波Summary/去阴霾Haze reduction/交叉边缘探测/Horizontal Edge Detection水平边缘探测/Lapalce边缘探测Lapalcian Edge Detction/左边缘探测Left Diagonal Edge

26、 Detction /右边缘探测Right Diagonal Edge Detction / Vertical Diagonal Edge Detction垂直边缘探测”几种不同的处理方式。四、实验步骤ERDAS图标面板菜单条： Image InterpreterSpatial EnhancementConvolutionConvolution对话框。图4-1 Convolution对话框分别选用中的滤波核对影像进行处理几个重要参数的设置：边缘处理方法：（Handle Edges by）：Reflection对称或Fill填充方式Nomalize the Kernel：对滤波核进行归一化处理结

27、合课本内容，自定义滤波核对影像进行处理在Convolution对话框中点击Edit或New按钮，打开卷积核定义对话框自定义模板图4-2卷积核定义对话框五、结果分析和讨论说明几种滤波方法的处理效果说明不同模板大小对各种滤波处理效果的影响实验五 遥感图像的频率域增强一、目的和意义学习并掌握遥感图像频率域增强的原理和方法，理解频率域增强的意义。二、实验内容频率域平滑频率域锐化同态滤波三、原理和方法实质上，在图像中，像元的灰度值随位置变化的频繁程度可以用频率来表示。对于边缘、线条、噪声等特征，在较短的像元距离内灰度值变化的频率大；而均匀分布的地物或大面积稳定结构具有较低的变化频率。因此，空间增强复杂的

28、空间域卷积运算可以用频率域中简单的乘法快速实现。频率域增强方法的基本过程为：首先将空间域图像通过傅立叶变换为频率域图像，然后选择合适的滤波器对频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图像。根据处理效果，将所采用的滤波器分为平滑和锐化两类，平滑主要是保留图像的低频部分抑制高频部分，锐化主要是保留图像的高频部分而削弱低频部分。常用的平滑滤波器有理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器；相应的锐化滤波器有理想高通滤波器、Butterworth高通滤波器、指数高通滤波器、梯形高通滤波器。本实验将利用ERDAS进行理想低（高）通滤波和Butte

29、rworth低（高）通滤波。理想滤波函数采用截取频率，Butterworth则采用平滑的曲线方程，过度性较好。同态滤波是指在频率域中同时对图像亮度范围进行压缩和对比度进行增强的方法。四、实验步骤快速傅立叶变换ERDAS工具面板上Interpreter图标Fourier AnalysisFourier TransformFourier Transform对话框（图5-1）图5-1傅立叶变换对话框启动傅立叶变换编辑器进行傅立叶编辑ERDAS工具面板上Interpreter图标Fourier AnalysisFourier Transform EditorFourier Editor（图5-2）在傅

30、立叶变换编辑器视窗菜单条上Fileopenopen FFT Layer对话框（图5-3）在傅立叶编辑器视窗菜单条上MaskFiltersLow/High Pass Filter对话框（图5-4）在Low/High Pass Filter对话框中，设置以下参数分别进行低通和高通滤波处理选择滤波类型选择窗口函数：分别选择理想低/高通滤波器、Butterworth低/高通滤波器滤波半径定义低频增益在傅立叶变换编辑器视窗菜单条上FileSave as保存编辑结果图5-2傅立叶编辑器 图5-3 open FFT Layer对话框 图5-4 Low/High Pass Filter对话框傅立叶逆变换在傅立

31、叶编辑器视窗菜单条上FileInverse TransformInverse Fourier Transform对话框（图5-5）图5-5Inverse Fourier Transform对话框五、结果分析和讨论比较滤波处理前后的图像，分析低通滤波和高通滤波处理的效果比较理想低（高）通滤波和Butterworth低（高）通滤波器的处理效果，说明两者有何异同实验六 遥感图像的复合分析一、目的和意义掌握遥感图像分辨率融合的方法和基本原理，深入理解遥感信息复合在信息解译中的意义。二、实验内容主成分变换法、乘法变换法和Borvey方法多光谱数据与高分辨率全色数据的融合。三、原理和方法分辨率融合是遥感信

32、息复合的一个主要方法，它使得融合后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图像质量的目的。常用的方法有主成分变换法、相乘的方法、IHS变换法、Brovey方法等。主成分变换法的基本过程为：首先对两幅影像进行几何精配准，然后对多光谱图像进行重采样，使其像元大小等于高分辨率影像，再对其进行主成分变换，接着用高分辨率影像与第一主成分进行直方图匹配并用匹配后的高分辨率影像代替第一主成分，最后将代换后的所有波段作一次主成分逆变换，得到复合影像。乘法变换法的基本过程为：首先对两幅影像进行几何精配准，然后对多光谱图像进行重采样，使其像元大小等于高分辨率影像，再将高分辨率影像分别与多光

33、谱影像RGB三个波段相乘得到复合影像。IHS变换法的基本过程为：首先对两幅影像进行几何精配准，然后对多光谱图像进行重采样，使其像元大小等于高分辨率影像，再对其进行IHS变换，接着用高分辨率影像与I分量进行直方图匹配并用匹配后的高分辨率影像代替I分量，最后将代换后的所有波段作一次IHS逆变换，得到复合影像。Borvey方法的基本过程为：首先对两幅影像进行几何精配准，然后对多光谱图像进行重采样，使其像元大小等于高分辨率影像，再用高分辨率影像分别与归一化的多光谱影像RGB三个波段相乘得到复合影像。四、实验步骤在ERDAS工具面板上Interpreter Spatial Enhancement Res

34、olution Merge 打开分辨率融合对话框（图6-1）定义参数：方法Method：依次选用Principal Component、Mutiplicative、Brovery Transform三种变换方法重采样方法Resampling Techniques：立方卷积Cubic Convolution图6-1分辨率融合对话框五、结果分析和讨论说明遥感图像复合的意义试比较三种分辨率融合方法的处理效果实验七 遥感图像的多光谱增强一、目的和要求学习和掌握主成分变换（KL变换）、缨帽变换（KT）变换和色彩变换（RGB to IHS）的基本原理和方法，理解三种变换方法处理的效果及意义。二、实验内容主

35、成分变换（KL变换）缨帽变换（KT变换）色彩变换（RGB to IHS）三、原理和方法主成分变换（Principal Component Analysis），又称KL变换。它的基本原理是：对某一多光谱图像实行一个线性变换，产生一组新的多光谱图像，使变换后各分量之间具有最小的相关性。它是一种常用的数据压缩方法，可以将具有相关性的多波段数据压缩到完全独立的前几个主分量上；同时由于主成分变换后的前几个主分量包含了主要的地物信息，噪声较少，因而可以突出主要信息，抑制噪声，达到图像增强的目的；另外，它也可以用于分类前的预处理，减少分类的波段数并提高分类效果，即作为特征选择的方法。缨帽变换（KT变换）也是

36、一种线性变换，其变换后的相互垂直的坐标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向。KT变换主要集中于MSS和TM数据的应用分析。对于MSS数据，变换后的第一分量称为亮度分量，主要反映了土壤反射率变换信息；第二分量称为绿度分量，主要反映了地面植物的绿度；第三分量称为黄度分量，主要说明了植物的枯萎程度。对于TM数据，第一分量也称为亮度分量，反映总体的亮度变化；第二分量也称为绿度分量，与图像上绿色植物的数量密切相关；第三分量为湿度分量，反映了土壤的湿度。KT变换为植被研究，特别是分析农业特征提供了一个优化显示的方法，同时又实现了数据压缩，具有重要的实际应用意义。色彩变换（RGB to

37、IHS）是将遥感图像从红（R）、绿（G）、兰（B）三种颜色组成的色彩空间转换到以亮度（I）、色度（H）、饱和度（S）作为定位参数的色彩空间，以便使图像的颜色与人眼看到得更接近。其中，亮度表示整个图象的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1。变换的方法主要有球体变换和圆柱体变换两种（计算公式见课本）。四、实验步骤主成分变换ERDAS 图标面板菜单条： Image Interpreter Spectral Enhancement Principial Comp Pincipal Components对话框（图7-1）图7-1 P

38、rincipal Component对话框缨帽变换ERDAS 图标面板菜单条： Image Interpreter Spectral Enhancement Tasseled Cap 对话框（图7-2）图7-2 Tasseled Cap对话框IHS变换ERDAS 图标面板工具条Image Interpreter Spectral Enhancement IHS to RGB对话框（图7-3）图7-3 RGB to IHS对话框五、结果分析和讨论分别说明这三种光谱增强方法的处理效果及其应用意义实验八 遥感图像的计算机分类一、目的和要求：理解遥感图像计算机分类的基本原理，掌握非监督分类和监督分类的

39、过程， 并弄清两者的区别。二、实验内容遥感图像ISODATA非监督分类遥感图像最大似然法监督分类。三、原理与方法传统的遥感图像计算机分类的方法大体有两种：非监督分类和监督分类。非监督分类（Unsupervised Classification）指不必对影像地物获取先验知识，仅依靠影像上不同类地物的光谱线性进行特征提取，以提取出统计特征的差别来达到分类目的的方法。主要采用聚类分析方法，常用的方法有ISODATA（iterative self-organizing data analysis techniques algorithm），称为迭代自组织分析技术，和K-Mean算法，称为K均值算法。K

40、-Mean算法的基本思想是通过迭代，移动各个基准类别的中心，直至得到最好的聚类结果为止。ISODATA是在初始状态给出图像粗糙分类，然后基于一定原则在类别间重新组合其样本，直到分类比较合理为止。该方法的主要环节是聚类、集群的分裂和集群的合并等处理。监督分类则需要在分类前人们对遥感图像上某些抽样区中影像地物的类别属性已有了先验知识，即先要从图像中选取各类地物样本训练分类器。常用的分类方法有平行多面体分类、最小距离分类和最大似然法分类等。最大似然法通过求出每个像元对于各类别归属概率（似然度），把该像元分到归属概率最大的类别中去的方法。其前提是假定训练区地物的光谱特征近似服从正态分布。四、实验步骤非

41、监督分类打开非监督分类对话框（图8-1）方法一：Data PrepUnsupervised Classification方法二：ERDAS工具面板中ClassifierUnsupervised Classification然后，定义分类参数分类数目：实际工作中常将分类数目取为最终分类数目的两倍最大循环次数：收敛域值：是指两次分类结果相比保持不变的像元所占最大百分比。图8-1 Unsupervised Classification对话框分类评价 （Evaluate Classification）在同一个窗口中，同时打开原图像与分类图像RasterAttributes打开分类图像属性表对话框（图8

42、-3）在属性表对话框菜单栏中EditColumn Properties打开列属性对话框（图8-4）调整字段显示顺序标注各类别的名称和相应的颜色图8-2 图像属性编辑器图8-3 Column Properties对话框监督分类定义分类模板显示要进行分类的图像打开模板编辑器Signature Editor（图8-4）并调整显示字段利用工具在影像上选择训练样区创建分类模板保存分类模板图8-4分类模板编辑器评价分类模板方法一：在模板编辑器对话框菜单中ViewImage Alarm报警评价法方法二：在模板编辑器对话框菜单中ViewHistograms直方图评价方法方法三：在模板编辑器对话框菜单中Eval

43、uateContigency可能性矩阵评价法（重点掌握）执行监督分类方法一：在模板定义对话框菜单栏中ClassifySupervised方法二：ERDAS工具面板中ClassifierSupervised Classification打开监督分类对话框图5-2 监督分类对话框五、结果分析和讨论对两种方法的分类结果进行分析和比较，并说明两者的优缺点谈谈监督分类中，训练样本选取时的注意事项实验九 遥感数字图像的一般分析一、目的和要求掌握邻域分析、查找分析、指标分析、叠加分析、归纳分析，以及聚类统计、过滤分析、去除分析、分类重编码四种分类后处理分析的基本原理和操作流程，理解其应用意义。二、实验内容E

44、RDAS中邻域分析、查找分析、指标分析、叠加分析、归纳分析，以及聚类统计、过滤分析、去除分析、分类重编码四种分类后处理分析三、原理和方法遥感数字图像一般分析是遥感数字图像计算机解译的重要组成部分，主要是对图像进行各种空间分析，进行像元之间或专题分类之间的空间关系处理，使处理后的图像能够更好地表达主要的专题信息。邻域分析是针对分类专题图像，采用类似于卷积滤波的方法对图像分类值进行多种分析。其方法是每个像元的值都参与用户定义的邻域范围和分析函数所进行的分析，而邻域中心像元的值将被分析结果所取代。ERDAS所提供的邻域范围大小有3 3、5 5、77三种，而邻域范围的形状可以在矩形的基础上任意修改；系

45、统所提供的分析函数有8种，依次是总和、分离度、密度、多数值、少数值、最大值、最小值、序列值。查找分析是对输入的分类专题图像或矢量图形进行临近分析，产生一个新的输出栅格文件，输出像元值取决于其位置与用户选择专题类型像元的接近程度和用户定义的接近距离，输出文件中用户所选择专题类型的属性值重编码为0，其他相邻区域属性值取决于它们与所选专题类型像元的欧氏距离。指标分析氏将两个输入分类专题图像或矢量地图数据，按照用户定义的权重因子进行相加，产生一个新的综合图像文件。叠加分析是根据两个输入分类专题图像文件或矢量图形文件数据的最小值或最大值，产生一个新的综合图像文件。归纳分析可以根据两个输入分类专题图像产生

46、一个双向统计表格，内容包括每个Zone类型区域内所有Class类型的像元数量及其面积、百分比等统计值，可用于一定区域内多种专题数据相互关系的栅格叠加统计分析。分类后处理是图像解译很重要的一部分，它的作用是为了淮确提取遥感信息获得理想的分类结果。一般做分类后处理时，先做重编码，将原先分类时属性一样的，按照光谱特征分成好几类的种类合并成一种；其次做聚类统计，这是一个中间过程，只是统计分类图斑面积、记录相邻区域中最大图斑面积的分类值等，为下一步奠定基础；最后做过滤分析（按照定义的数值大小，删除较小的图斑，并赋新值为0）和去除分析（按照定义的数值大小，删除较小的图斑，并将其合并到相邻的最大分类中），除

47、去一些在分类时产生的无关紧要的小图斑，得到较为理想的分类结果四、实验步骤邻域分析ERDAS 图标面板工具条InterpreterGIS AnalysisNeighborhoodNeighborhood Function 对话框（图9-1），然后定义以下参数：邻域窗口：包括窗口大小和窗口形状分析函数：包括应用范围和算法（Function）图9-1邻域分析对话框查找分析ERDAS 图标面板工具条InterpreterGIS AnalysisSearchSearch对话框（图9-2，左图输入为分类专题图像，右图输入为矢量数据），然后定义相关参数 图9-2查找分析对话框对于分类专题图像：确定查找分析类

48、型（Classes）定义查询距离（distance to search）对于矢量数据：确定使用矢量属性值选择矢量属性字段确定输出像元大小确定查找分析属性定义查询距离指标分析ERDAS 图标面板工具条InterpreterGIS AnalysisIndexIndex对话框（图9-3），然后定义参数：确定第一个输入文件重编码设置（Setup Recode）：点击按钮打开重编码表格进行编码确定权重因子确定第二个输入文件重编码设置（Setup Recode）：点击按钮打开重编码表格进行编码确定权重因子设置两幅图像运算规则图9-3指标分析对话框叠加分析ERDAS 图标面板工具条InterpreterGI

49、S AnalysisOverlayOverlay对话框（图9-4），然后设置参数：确定第一个输入文件重编码设置（Setup Recode）：点击按钮打开重编码表格进行编码确定第二个输入文件重编码设置（Setup Recode）：点击按钮打开重编码表格进行编码设置运算规则选择输出图像取值图9-4叠加分析对话框归纳分析ERDAS 图标面板工具条InterpreterGIS AnalysisSummarySummary对话框（图9-5），然后设置参数：确定输入分区文件选择文件数据层确定输入分类文件选择文件数据层确定输出选择确定输出报告文件输出报告选择项图9-5归纳分析对话框分类后处理分类重编码ERD

50、AS 图标面板工具条InterpreterGIS AnalysisRecodeRecode对话框（图9-6），然后设置参数：定义输入、输出文件Setup Recode打开Thematic Recode表格（图9-7），根据需要改变New Value字段值图9-6重编码对话框图9-7 Thematic Recode表聚类统计ERDAS 图标面板工具条InterpreterGIS AnalysisClumpClump对话框（图9-8），然后设置参数：确定聚类统计邻域大小 图9-8聚类统计对话框过滤分析ERDAS 图标面板工具条InterpreterGIS AnalysisSieveSieve对话框

51、（图9-9），然后设置参数：确定最小图斑大小图9-9过滤分析对话框去除分析ERDAS 图标面板工具条InterpreterGIS AnalysisEliminateEliminate对话框（图9-10），然后设置参数：确定最小图斑大小图9-10去除分析对话框五、结果分析与讨论分析上述遥感图像一般分析方法的实际应用意义实验十 地形分析一、目的和要求掌握地形分析的基本原理和操作流程，理解其应用意义。二、实验内容ERDAS地形分析三、原理和方法地形分析是指在点、线、面高程基础上，对各种地形因素进行分析，包括坡度分析、坡向分析、高程分带、地形阴影、地形校正处理及栅格等高线等。各种操作均以DEM为基础。坡度分析、坡向分析是以DEM数据生成坡度、坡向图的过程。要求DEM图像必须具有投影地理坐标，且高程数据及其单位已知。高程分带是按照自定义的分级表对DEM数据或其它图像数据进行分