遥感数字图像处理

1、实习号码和主题遥感影像的对比度提高了.实习人员姓名专业班电子邮件地址。实习指导教师名称实习场所实习日期和时间实习的目的和内容实习目的：1 .了解遥感影像增强辐射的概念和意义，用ENVI掌握增强辐射的步骤和方法。2 .提高目测解释和提取单频带遥感图像的地理学信息的能力。3 .初步学会使用ROI和三键鼠标中键(轮)进行像素点的数据收集。实习内容：1 .单频带影像对比度的提高2 .图像马赛克3. MODIS L1B数据预处理原理和方法NDVI的计算中使用了ENVI的浮点函数。 该函数将字节类型数据设置为浮点类型，以防止在计算过程中发生数据溢出错误。2. NDVI是标准化的差分植被指数，可以将植被从水

2、和土中分离出来。 植被在蓝色和绿色的波段具有高吸收率，在近红外的波段具有高反射率，而其他地上物则不具有该特性，因此可以在近红外的波段和红色的波段从遥感图像中提取植被。 计算公式如下所示NDVI=NIR-RNIR RNDVI的值域为-1，1 ，负值表示地面上的霸盖为云、水、雪等，对可见光是高反射的0有岩石和裸土等，NIR和r表示大致相等的正值表示有植被复盖，随着复盖度的增大而变大3 .图像拉伸主要用于改善图像显示的对比度，如果对比度低，则无法清楚地表现图像中的地上物之间的差异，因此在显示时经常需要拉伸处理。(1)直线拉伸1%、2%、5%线性拉伸：在图像直方图的低灰度和高灰度的边缘存在明显的“拖尾

3、”现象的情况下(由于该现象有可能发生噪声或某种异常)，即在拉伸时去除直方图的1%、2%、5%为99%、98%、小于95%的值主要有全局线性拉伸和分段线性拉伸。(2)非线性拉伸使用非线性扩展函数来扩展图像，常用的非线性函数是指数函数、对数函数、平方根、高斯函数等。指数函数：对于图像中明亮的部分，指数变换扩大了灰度间隔，强调了细节，对于暗的部分，缩小了灰度间隔，削弱了细节。数学可以表现如下gx，y=beaf(x，y) c其中，a、b、c是为了调整函数曲线的位置和形态而引入的参数，可以根据参数调整而实现不同的扩展或压缩比。对数函数：与指数变换相反，对数变换主要用于放大图像的暗部分，并压缩图像的亮部分

4、。公式如下所示：gx，y=博客(afx，y 1) c在方程中，a、b、c是为了调整函数曲线的位置和形态而引入的参数，根据参数调整，可以实现不同的扩展或压缩比，图像f的值可能是0，所以加了常数1。4 .图像马赛克：通过连接两个或多个图像形成无缝合成图像的过程。 两个图像需要统一的投影和坐标系、空间分辨率、频带对应关系、辐射特性等。要马赛克图像，请执行以下操作：1 .几何修正各场景的图像，维持地图的投影和坐标系的统一。2 .大气辐射校正保持马赛克图像之间的辐射特性的统一。3 .选择其中一个作为基准图像。 根据基准图像的直方图对马赛克的其他图像进行直方图匹配，使其具有相似的灰度分布特性4 .对相邻的

5、帧边界进行模糊处理，并取边界两侧的一定范围内重叠的部分的像素的灰度平均值来代替基准图像和匹配图像的值5 .生成结果图像数据准备和研究区域的概要1.512 x 512区域是从美国USGS主页/下载的原始影像子区域，卫星为landsat8，传感器为OLI，影像行列编号为2015年5月16日，空间分辨率为30m30m，山西省晋中市晋中市位于黄土高原东部边缘的地理坐标是东经11123- 11428、北纬3639- 3806，地势东高西低，山地、丘陵、平川呈阶梯状分布，大部分地区海拔在1000米以上。 是温暖温带大陆性季风气候，季节变化显着。 整体特征是春季干燥

6、多风多，夏季炎热多雨，秋季天气高，冬季寒冷少。 农作物主要栽培玉米和小麦，5月玉米小麦生长时期正直。2.Modis数据是2010年的数据，数据级别是L1B。 这张影像包括中国中部大部分省，东到山东，西到西藏，南到云南，北到内蒙，约50%的中国国土面积，影像左上点纬度经度包括北纬450500”，东经860500 )，影像右下点纬度经度包括北纬250500”，东经1133000 ) 本影像横跨中国三个台阶，地势为西高东低，包括青藏高原、黄土高原、内蒙古高原、云贵高原等，长江黄河可以通过影像看到。3 .有两个具有统一的投影和坐标系、空间分辨率、频带对应关系、辐射特性的遥感影像，该影像位于里海东侧，气

7、候为温带大陆性气候。操作步骤1 .打开file 首选项目录，将输入目录和输出目录设定为存储数据的文件夹。2 .加载实习1中裁剪的512 x 512研究子区域，分别以单频带和颜色模式加载视频数据，并在菜单栏下方的工具栏上的按钮中选择不同的对比度拉伸选项，以观察各种地物的显示情况。打开波段ratio 波段匹配，然后输入表达式传真(浮动B2-B1 ) (B2 B1 ) * 10000 )B1选择RED频带，B2选择NIR频带，计算研究区域的NDVI。 并利用ROI工具收集了农田和水体的DN值信息，在经典模型下通过阶段性的线性拉伸提取了水体和农田信息。4、利用ROI工具分别选择水体、田间样本，利用分段

8、线性拉伸方法进行交互式对比度拉伸，分别强调水体、田间信息，比较变换前后影像和直方图的差异。添加wasai1和wasai2，使用MosaickingSeamless Mosaic工具镶嵌图像。 分别比较马赛克结果，该马赛克结果不执行直方图匹配，在重叠部分执行直方图匹配，而在全景图像中执行直方图匹配。 操作中的参数忽略0，未对焦值是30，背景值是0。6 .打开file 开放as 通用格式 hdf 4，并选择加载第三和第五数据。7 .打开geometric correction georeferencebysensor georeferencemodis，首先修改包含5个频带的影像，不选择第三频带，

9、首先修改其他4个频带，地理坐标系是WGS848 .在第五频带中添加坏道路，工具为raster management replacebadlines，记住第一条坏道路，用EXCEL打开，用等差阵列填满，步骤为20，埋到4044行。 加载由替换板线嵌入的不良道路文件，完成不良道路的嵌入。9 .在典型模式下安装消除蝴蝶结效果的文件，消除蝴蝶结效果。10 .使用除蝴蝶结效果外的第五频带视频进行几何校正，工具为几何校正注册 warpfromgcpsimagetomapregistration，图像尺寸为50011 .几何校正另一场景的视频。 工具是几何校正 georeferencebysensor ge

10、oreferencemodis。12 .分层堆叠修改后的七个频带，其中包含两个频带的影像是第一、第二频带，包含四个频带的影像的前两个频带是第三、第四频带，不合格的影像是第五频带，包含四个频带的影像的最后两个频带是第六、第七结果和分析1 .文件访问路径的设定：2 .真彩色合成线性5 %和近红外单频带线性5 %线性5 %拉伸的情况下，水体为黑色，田地为茶色，居民地为灰色，云为白色，道路为深灰色，与最优化拉伸相比，线性5 %拉伸颜色明亮，对比度鲜明。真彩色合成均衡和近红外频带均衡在均衡延伸下，水体为黑色，田地为茶色或淡黄色，居民地为灰色或蓝色，云为白色，道路为黑色，不同图形间有明显的边界，总体对比度

11、强。真彩色合成Gaussian和近红外频带Gaussian在高山延伸下，水体为黑色，田地为茶色，居民地为灰色，云为灰色，道路为深灰色，总体对比明显。真彩色合成方根和近红外频带方根受四根牵引，水体为黑色，田地为绿色或黄色，居民地为灰色，云为白色，路为灰色，景色暗。真彩色合成Logarithmic和近红外频带Logarithimc在Logarithmic拉伸下，水体为黑色，田地为绿色或黄色或红色，居民地为灰色，云为白色，道路为灰色，全景图像的颜色基调为灰色，难以区分各种地物。真彩色合成最佳线性和近红外频带最佳线性在最优化拉伸下，水体呈黑色，田地呈茶色，居民地呈灰色，云呈白色，道路呈深灰色。3 .计

12、算研究子区域的NDVI结果水体信息：用谷歌地球观察，图像左下角明亮的部分是水库，用NDVI提取水体信息比较准确。农地信息：通过NDVI可以比较正确地提取农地信息，但不能完全正确地提取所有农地，经常错过一部分农地，这表明无法通过NDVI完全解决农地信息提取问题。4 .图像马赛克：没有进行直方图匹配：图像的边缘清晰可见。在重叠部分进行直方图匹配：两个图像颜色一致，边界不清楚。基于全景图像的直方图匹配：两个图像的颜色差异大，边缘清晰总结：对图像进行马赛克时，选择将重叠部分用于直方图匹配，马赛克效果最好。地理矫正modis图像：图像从原来的长度修正为正方形，完成了地理矫正。6 .未填补不良道路的第5频带：填补坏道路后的第五频带：7 .没有去除蝴蝶结效果的图像：除色带效果之外的图像：去除色带效果后，整个图像连续均匀，没有明显条纹。8 .完成几何校正的第五波段图像：9 .用1、4、3频带真彩色合成合成的图像按以上步骤完成了MODIS图像的地理校正、不良道路填补、几何校正、频带合成等工作，合成结果较成功。有问题和解决办法如果计算NDVI，由于计算公式乘以10000，所以NDVI结果应该在10000、10000之间，但是计算后统计NDVI的直方图，发现为什么值域范围不在-10000.10000之间，并且DN值的最大值29077总结。通过这次实习，熟悉了基本拉伸方式