教程合集操作erdas1

遥感技术和遥感数字图象处理－以ERDASIMAGINE8.4为例范一大

北京师范大学资源科学研究所第一讲数字图象遥感的基本知识数字图象遥感的基本知识一、概念二、遥感信息获取三、常用术语四、遥感技术的发展现状五、认识不同传感器的遥感图像一、概念遥感（Remotesensing）

通过远离目标的传感器获取目标或景观数据的技术（Colwell1983）。

包括航片、卫星图象和雷达数据等。遥感图象表征了地物波谱反射、辐射能量的空间分布。二、遥感信息获取

遥感信息获取的基本原理电磁辐射波谱遥感数据的获取、处理、扩展、应用TM光谱特征NOAA/AVHRR的光谱特征SAR的图像参数1.遥感信息获取的基本原理

不同的物体具有不同的物质组成和结构,因此其电磁波谱特征相异。遥感即是根据这种差异来识别不同的物体。这就是遥感的基本出发点。不同地物的光谱曲线不同同一种植物在不同的情况下，在各波段的反射率也不同2.电磁辐射波谱3.遥感数据的获取、处理、扩展、应用4.TM的光谱特征5.NOAA/AVHRR的光谱特征spot6.SAR的图像参数三、常用术语图象的类型和遥感图像通道（波段）和象元采样和定量化灰度、坐标、物理图象和数字图象分辨率光谱曲线1.图像的类型和遥感图像2.通道（波段）和象元3.采样和定量化采样（sampling）:获得每个象元位置的灰度（greylevel）定量化（quantization）:用整数表示遥感探测数据。这是由于计算机以处理数字为前提，因此将连续的探测值降维并用整数表示4.灰度、坐标、物理图象和数字图象－文件坐标和地图坐标5.分辨率空间分辨率（Spatialresolution）:也称地面分辨率波谱分辨率（Spectralresolution）时间分辨率（Temporalresolution）辐射分辨率（Radiometricresolution）：由位数决定的记录辐射值的数值范围-，如8bit(0~255)。6.光谱曲线通道选择植被遥感波段选择四、遥感技术的发展现状遥感探测器的发展历程不同的遥感探测平台及其特点当代遥感技术的特点当前地球资源管理中大多数数据的来源。1.遥感探测器的发展历程1960年8月，美国军方发射了其第一颗“发现者号”地球观测卫星。美国和苏联在六十年代发射了一系列遥感卫星用于气象、情报和月球登陆方案

1972年美国发射了第一颗地球资源技术卫星（Landsat-1），标志着地球遥感新时代的开始。随着一系列大型国际遥感计划的实施，如美国宇航局（NASA）对地观测计划（EOS）、日本/美国的热带降雨量测计划（TRMM）、欧洲空间局（ESA）的极轨平台计划（POEM），已经形成了多时间分辨率、多空间分辨率和多光谱分辨率的综合对地观测体系(宫鹏,1996;浦瑞良,2000)。2-1.不同的遥感探测平台及其特点MSS/TM2-2.不同的遥感探测平台及其特点spot2-3.不同的遥感探测平台及其特点spot2-3.几种卫星通道的位置对比3.当代遥感技术的特点

当代遥感的发展主要表现在对高空间分辨率、高光谱分辨率和高时间分辨率。以遥感图象为基础的全球动态观测系统已经形成。长线阵CCD成像扫描仪可以达到1-2m的空间分辨率成像光谱仪的光谱细分可以达到5-6nm的水平热红外辐射计的温度分辨率可从0.5k提高到0.3k乃至0.1k微波遥感的发展可以获取全天候的信息NOAA气象卫星每天收到二次图象EOS重复周期为1-3天，ERS-1为3天，陆地卫星为16天，MOS-1为17天，SPOT为26天5.当前地球资源管理中大多数数据的来源NOAAAVHRR（高级甚高分辨率辐射计）LANDSAT（1972年）SPOT(1986年)IRS(1988年)ERS（地球资源卫星－1991年）JERS（日本地球资源卫星－1992年）RADARSAT（1995年）MODIS（1999年）

五、认识不同传感器的遥感图像Landsat－TM遥感影像SPOT遥感影像Landsat－MSS遥感影像NOAA/AVHRR遥感影像MODIS遥感影像SAR遥感影像1.TM遥感影像宁波90年543合成深圳94年432合成图2.SPOT-pan遥感影像97－1－293.MSS遥感影像1999年7－8月4.NOAA/AHVRR遥感影像5.MODIS遥感影像辽东湾MODIS景观图1999年星载sar监测到的湖南益阳受淹情况6.SAR遥感影像中尺度涡SAR影像假彩色合成图基于ERDASIMAGINE的遥感数字图像处理第二讲范一大基于ERDAS的遥感数字图像处理一、ERDASIMAGINE软件的特点二、Viewer模块介绍三、数字遥感图象的增强技术（Enhancement）四、IMPORT模块五、DataPrep模块五、数字遥感图象的分类技术5.模型开发工具6.其它常用模块一、ERDASIMAGINE软件的特点ERDASIMAGINE框架ERDASIMAGINE软件特点1.ERDASIMAGINE框架2.ERDASIMAGINE软件特点高度的遥感技术和地理信息系统技术的集成功能覆盖土地利用、空间分析/建模、ARC/INFO矢量数据更新、航空影象与硬拷贝地图输出、雷达数据处理、VirtualGIS、图象校正与镶嵌和立体显示等功能。二、Viewer模块介绍参数设置（setPreferences）图像显示（displayanImage）Utility…View…AOI…Raster…Vector…1.参数设置Session→Preferences→UserInterface&SessiondefaultdatadirectorydefaultoutputdirectoryBanddefault…Session→Preferences→ViewerClearDisplayFittoFrameNoStretch…2.图像显示Viewer→File→OpenRasterLayer（File|Option）VectorLayer(File|Option)AOILayer…Viewer→File→SaveViewer→File→ClearViewer→File→Close3.Utility…Utility→InquireCursorUtility→InquireBoxUtility→InquireColorUtility→InquireColorUtility→MeasureUtility→BlendUtility→SwipeUtility→FlickerUtility→layerinfo4.View…View→ArrangeLayersView→SplitView→RotateView→NorthArrow/ScanBar5.AOI…AOI→Tools…AOI→SeedProperties…6.Raster…Raster→Tools…Raster→BandcombinationRaster→Contrast…Raster→Filtering…7.Vector…Raster→Tools…Raster→Symbology….三、数字遥感图象的增强技术（Enhancement）数据纠正（CorrectingData）辐射增强（RadiometricEnhancement）空间增强（SpatialEnhancement）光谱增强（SpectralEnhancement）高光谱图像处理（HyperspectralImageProcessing）傅立叶分析（FourierAnalysis）雷达图像处理（RadarImageryEnhancement）1.数据纠正（CorrectingData）辐射纠正（RadiometricCorrection）：订正像元灰度的变化，这些变化不是因为目标地物或景观扫描引起的，是由于探测器的不正常功能或不同敏感度、地形因素和大气因素等造成。几何纠正（GeometricCorrection）：订正像元相对位置误差，包括传感器几何视角和地形变化2.辐射增强（RadiometricEnhancement）辐射增强处理图像中单个像元的值。由于辐射增强依赖于像元点位置及其波段，应用于一个波段的辐射增强方法可能并不适合其他波段。因此，多波段图像的辐射增强被认为是一系列独立的单波段增强的过程。辐射增强通常不能产生图像中每一像元的对比度，对比度在有些像元丢失，而在有些像元增强。辐射增强数据直方图辐射增强后j到k的范围扩展了，说明提高了j到k间的对比度，易于区分这些象素间的不同亮度J到k范围以外的象素于原始数据比较起来更加紧密的集聚在一起，以补偿j到k之间象素的拉伸，这段范围的对比度减小了2-1对比度拉伸（ContrastStretching）辐射增强时，显示设备上的数据文件值转换为亮度值，可以用以下查找表表示。包括线性和非线性对比度拉伸两种线性和非线性拉伸查找表分段非线性拉伸拉伸与输出直方图的效果2-2直方图均衡化(HistogramEqualization)属于非线性拉伸将像元值重新分配，使每一范围内的像元数目大致相等。直方图输出结果大致是一个平的直方图。直方图峰顶（peaks）的对比度增强，尾部（tail）下降2-3直方图匹配(HistogramMatching)确定一个查找表，将一幅图象的直方图转换为与另一幅图象一致的过程。对于匹配不是同一天拍摄或由于太阳高度角、大气影像而不同的同一地区影像或相邻影像很有用。对于镶嵌图像和对各种变化检验尤其有效。为保证匹配效果，两幅图像需具备如下条件

直方图曲线的总体形状相似图像上相对黑和亮的特征地物类同对某些应用来说，数据的空间分辨率应是相同的地面覆盖物的相对分布应大致相同。（一般要把云去掉）直方图匹配在ERDASIMAGINE中在对应波段间进行，结果文件中也是存储相应波段的匹配结果数据2-4亮度反转（BrightnessInversion）产生与原图像的对比度相反的图像包括（inverse）和倒转（reverse）两个选项。都将输入数据的范围（0－255）转换成0－1.0,并对图像进行最小值－最大值的近似拉伸。算法为：

Inverse：DNout＝1.0if0.0<DNin<0.1DNout＝0.1/DNinif0.0<DNin<0.1Reverse:DNout＝1.0－DNin

3.空间增强（SpatialEnhancement）根据周围的像元来修改像元的值。空间增强对空间频率作较大的处理，对相邻的一组像元的最高和最低值所作的处理是不同的。空间频率可定义为：一幅图像任意部位单位距离上亮度值变化的个数。3-1卷积滤波（ConvolutionFiltering）将图像上的像元分块进行平均的过程。用于改变图像上空间分辨率的特征。在ERDAS软件中有2种常用方法：(1)Viewer→Raster→Filtering→ConvolutionFiltering→TheKernelFiltering(2)Interpreter

→SpatialEnhancement→Convolutionfij＝系数,dij＝像元值q=算子的大小（3×3）F＝算子中所有系数的和，为0时取1V＝输出像元值，<0时取0采用高频的卷积算子，可以使相对较低的值变得更低，较高的值变得更高，从而提高图像的空间频率采用零和算子（F＝0），在所有输出值相等的区域为0，低空间频率的区域值很低，高空间频率的区域极化。常用于边缘探测低频算子（都取1），相当于平滑（模糊）3-2其他空间增强方法非方向性边缘增强（Non-directionalEdge)Focal分析（FocalAnalysis）纹理（Texture）自适应滤波器（AdaptiveFilter）统计滤波器（StatisticalFilter）精度融合（ResolutionMerge）锐化（Crisp）4.光谱增强（SpectralEnhancement）压缩相似的波段数据提取更具有目视解译效果的新的波段数据进行数学变换和计算以三个通道的颜色枪（R、G、B），显示变化范围更广的信息4-1主成分分析（Principalcomponentsanalysis，orPCA）PCA常用作数据压缩的一种手段，通过将过多的数据压缩进较少的波段内，使数据的维数减少。PCA数据的波段是非相关的和独立的（线性无关），并且通常比原始数据更具可读性。在一个n维直方图里，如果每个输入波段的数据都是正态分布或近似正态分布，将形成椭圆（2维）、椭球（3维）或超椭球体（大于3维）两波段散点图第一主成分的性质为了进行PCA分析，光谱空间的坐标轴将作旋转，每个像元在光谱空间里的坐标和数据文件都会改变。新的轴与椭圆轴平行。与椭圆主轴一致的断面，称为数据的第一主成分。它的方向即是第一特征向量，长度是第一特征值。第一主成分代表了椭圆最大断面的方向和长度，以此作为光谱空间的轴，测量出的是数据的最大变化。第一主成分第一主成分的范围第二主成分第二主成分是与第一主成分正交的最大断面，因此它描述了没有被第一主成分表示的数据的最大变化量。其他主成分表示数据中数量依次减少的没有被前面的主成分表示的变化4-2其他光谱增强方法去相关拉伸（DecorrelationStretch）:将图像DN值的分布变换到显示器0-255的范围内；以线性方式使用数据的整个范围；去相关拉伸针对图像的主成分拉伸，而非原始图像。缨穗变换（TasseledCap）RGB到IHS的变换（RGBtoIHS）HIS到RGB的变换（HIStoRGB）指数（Indices）四、IMPORT模块1.遥感数据的三种存储格式2.ImportMethod3.ExampleofImport,MSS&AVHRR4.ExportMethod1.遥感数据三种存储格式BILBSQBIP2.ImportMethod了解数据（行列数、偏移量等信息）单波段输入和多波段合成（举例）数据头文件的计算技巧3.ExampleofImportAVHRRImportMSSImportTMImport4.ExportMethod举例说明五、DataPrep模块ImageGeometricCorrection2.ExampleofGeo-correction1.ImageGeometricCorrectionRotateImages配准和地理校正配准和校正的步骤地面控制点最后重采样1-1RotateImagesPre-view(9-11degree）RotateImagesRaster|GeometricCorrectionDataprep|ImageGeometricCorrection…1-2配准和地理校正

Registration&Geo-referencing

配准是将一幅图像与另一幅图像相互匹配的过程，使图像间进行像元到像元的对比。地理校正是指确定图像数据的地图坐标过程。在如下条件下，必须作图像间地理校正：

实际应用中需要对应像元的图幅间对比；开发GIS模型GIS数据库；在分类之前根据地图坐标标识训练样本；产生精度比例尺的影像地图；将图象与矢量数据叠合；比较具有不同比例尺的图像；精确测量距离和面积；图像镶嵌等。1-3配准和校正的步骤

StepsofRegistration&Geo-referencing确定地面控制点计算并检测转换矩阵生成带有新的坐标信息文件的输出文件。重采样1-4地面控制点（GroundControlPoints）GCP由两对XY坐标组成：

原坐标－被校正的图像上的数据文件坐标参考坐标－参照地图或图像上的坐标选取原则：均匀分布，明显定位，数量保证。选取步骤：地图选点，确定图象对应点，筛选。1-5转换的阶（OrdersofTransformation）

（Raster|GeometricCorrection）

IMAGEtoMAPIMAGEtoIMAGE一次多项式变换二次多项式转换Image-to-MaprectificationImage-to-Imagerectification遥感图象增强技术图象增强的内涵ImageEnhancementdependonEnhancementTechniques图象增强的内涵

Imageenhancementistheprocessofmakinganimagemoreinterpretableforaparticularapplication.Enhancementmakesimportantfeaturesofraw,remotelysenseddatamoreinterpretabletothehumaneye.Enhancementtechniquesareoftenusedinsteadofclassificationtechniquesforfeatureextraction-studyingandlocatingareasandobjectsonthegroundandderivingusefulinformationfromimages.增强地物波谱特征的差别，以识别不同的地物类型；增强地物的形态特征，ImageEnhancementdependonTheuser’sdata--thedifferentbandsofLandsat,SPOT,andotherimagingsensorswereselectedtodetectcertainfeature.E.g.ParametersofthebandTheuser’sobjection--theusermusthaveaclearideaofthefinalproductdesired.Theuser’sexpectation--whattheuserthinksheorshewillfind.Theuser’sbackground--theexperienceofthepersonperformingtheenhancement.EnhancementTechniquesRadiometricenhancement:baseonthevaluesofindividualpixels.Spatialenhancement:baseonthevaluesofindividualandneighboringpixels.Spectralenhancement:enhancingimagesbytransformingthevaluesofeachpixelonamultibandpixels.Hyperspectralimageprocessing:anextensionofthetechniquesusedformulti-spectraldatasetsFourieranalysis:techniquesforeliminatingperiodicnoiseinimageryRadarimageryenhancement:techniquesspecificallydesignedforenhancingradarimageryImageenhancement-frequencyImageenhancement-histogramequalizationdemointerpreterViewer-raster数字遥感图象的分类概念分类规则监督分类与非监督分类数字遥感图象的分类--概念自1972年第一棵陆地卫星（land-sat）发射以来，遥感数据分类问题就是遥感应用的关键问题。遥感图象分类是随着模式识别理论的发展而发展的，并以地学知识为基础，利用计算机通过对遥感图象中各类地物的光谱信息和空间信息进行分析，选取地物模式的特征，用一定手段和规则将特征空间划分为互不重叠的子空间，然后将图象中的各个象元划归到各个子空间。数字遥感图象的分类--分类器影响分类的关键问题是选择适当的分类规则（或分类器），通过它将遥感数据划分为不同类别。大多数分类器是建立在统计方法上，典型的包括最小距离、最大似然、Bayes分类、模糊分类、统计聚类分析等分类器。随着人工智能技术和理论的发展，遥感图象分类向智能化方向发展，主要热点包括：（1）图象空间中结构信息的提取和分类，如城市道路、网络、水系、山脊线、纹理信息等提取；（2）在地学知识和地理辅助信息支持下的空间逻辑推理的图象分类，如基于规则的遥感影象分类，GIS数据辅助下的遥感影象分类等；（3）基于非线性并行处理的视觉神经理论的遥感图象分类，如人工神经网络分类器，遗传学习法分类器等。Supervisedcalssification&unsupervisedclassification遥感影象分类根据是否需要先验知识可分为监督分类和非监督分类。Supervisedtraining:closelycontrolledbytheanalyst;inthisprocess,theuserselectspixelsthatrepresentpatternsorlandcoverfeaturesthattheyrecognize,orthattheycanidentifywithhelpfromothersources,suchasaerialphotos,groundtruthdata,ormaps.unsupervisedtraining:computer-automated,specifysomeparametersthatthecomputerusestouncoverstatisticalpatternthatareinherentinthedata(spectralcluster);thentheuser’sresponsibility,afterclassification,toattachmeaningtotheresultingclasses.遥感分类流程第一步数据收集和预处理这包括辐射纠正、几何纠正、特征提取和选择、数据压缩和消除噪音。第二步训练样区的选择对于非监督分类来说，也需要选择样区以辅助对簇分析结果的归类。对于监督分类来说，训练样区用于提取各类的特征参数以对各类进行模拟。第三步对象元进行分类利用分类算法根据象元特征值将任一象元划归最合适的类。象元特征可以是光谱反射、相邻象元的纹理特征及所在位置的几何特征，如高度、坡度、坡向等。第四步对分类结果进行后处理这包括各类滤波、簇分析结果重新归类、对分类结果依据地图投影的要求完成几何转换、对分类图进行整饰等。第五步评价分类准确度将分类结果与已知准确的类型进行比较得到分类图的客观分对率。一般通过随机采样、地面实况调查，然后与相应位置的分类结果进行比较，得到误差矩阵（称混淆矩阵或列联表）。如果分类结果不够准确，需要检查前述几个步骤有无改善的可能。Supervisedvs.UnsupervisedtrainingSelecttrainingFields

EvaluateClassificationEdit/EvaluateSignatureClassifyImageRunISODATEAlgorithmEvaluateClassificationEdit/EvaluateSignatureClassifyImageIdentifyClassesUnsupervisedtraining--demoDataprep|UnsupervisedclassificationISODATA-叠代自组织的数据分析法EvaluateClassification(overlay,Analyzeindividualclasses,Recode)后处理AccuracyAssessmentsupervisedtraining--demoDefinesignaturesusingsignatureeditor(AOI,GrowSeed)performsupervisedclassificationneighborhood,clump,elliminate…AccuracyAssessment书写报告，制作专题图Landuse/coverclassification-accuracyassessment

评价分类结果的正确与否，需要客观、合理的方法。分类结果准确度评价方法比较复杂。它受每个类型在空间上分布和每个同类型地块的形状和大小、检测样点的分布、选取、以及不同类型间的相似程度等多种因素的影响。估算分类准确度一般采用下列步骤：(1)确定抽样方法；(2)确定抽样数；(3)使用其它方法确定每个象元样点的类型作为参考数据；(4)建立误差矩阵；(5)计算各种精确度或误差。Landuse/coverclassification-samplingstrategy(1)系统抽样-等间距布点；(2)随机抽样-对整个区域随机布点；(3)分区抽样-按一定的样点个数在划分的每个区域内随机布点；(4)系统分区随机抽样-对整个区域内等面积分区，并在区内随机布点。当各类型所占面积相近时，可