遥感数字图像处理

1、遥感数字图像处理实践、遥感图像处理软件系统实践、遥感图像处理系统ENVI作业接口、数据读取、显示和存储等基本操作实践数据ENVI自身数据ENVI安装路径id l63产品ENVI 43数据bhmref文件、ENVI接口、数据读取和显示、主菜单File Open Image File在Available Bands List中，选择“切换Gray Scale”按钮以灰度显示选定的条带数据。在Available Bands List中，选择“切换RGB颜色”按钮以彩色显示三个选定的带数据。读取和显示数据，在Scroll窗口中移动红色框，在Image窗口中移动图像；在Image窗口中移动红框时，Zoo

2、m窗口中的图像将随之移动。数据存储，主菜单File Save File As。可以以多种格式保存图像数据Image窗口菜单File Save Image As。可以将图像保存为多种图像文件，查看信息，右键单击菜单Cursor Location/Value，查看鼠标所在位置的基本信息，右键单击菜单z轮廓(spectrum)，查看鼠标位置的光谱曲线，查看信息，右键单击主窗口之一，然后从弹出菜单中选择“链接磁盘”，实习2遥感图像几何校正，实习目的是掌握基于遥感图像的几何校正工作，理解遥感图像几何校正的意义和内容。实践数据bldr_tm: Landsat TM数据，无地理坐标bldr_sp: spot

3、数据，有地理坐标，打开数据，分别加载bldr_tm数据和bldr_sp数据，bldr_sp数据本练习包括bldr_sp基于数据的图像、bldr_tm数据几何校正、地面控制点选择、主菜单“map registration select gcps 3360 Image to Image”分别将bldr_sp数据和bldr_tm数据显示窗口显示为bldr _ TM、选择地面控制点、选择地面控制点、单击“显示列表”按钮、查看每个控制点的信息、校正图像、Ground Control Points Selection“窗口”菜单“Options Warp File”、基于刚选择的地面控制点对TM图像进行几

4、何校正。选择Method多项式Polynomial方法，Degree选择二次Resampling。选择双线性插值Bilinear方法将打开与原始数据和SPOT数据相比已校准几何体的TM数据。实践3遥感图像增强处理，实验目的，加深对遥感图像增强理论的理解，掌握图像增强的基本方法和步骤，利用ENVI软件进行图像增强处理。实验内容，1 .与遥感图像相比，拉伸基本方法2。遥感图像直方图匹配方法3。遥感图像空间域滤波增强方法，1 .遥感图像对比度拉伸基本方法特定步骤：打开实验数据： btmref.img1 .使用交互式拉伸工具分别增大如下对比度：图1线性拉伸图2高斯拉伸，图3平准化，2。遥感图像直方图匹

5、配方法，打开两个波段数据或两个场景图像以匹配直方图操作数据(例如Cantmr.img)，匹配图8直方图后两个图像及其各自的直方图，3。遥感图像空间域过滤增强方法，分别是Roberts、Sobel和Laplacian运算符对图像进行锐化处理(边缘提取)，图4 Roberts运算符图5 Sobel运算符，图6 Laplacian运算符图7中央过滤，实践4遥感图像无监督分类，算法原理：基于平均算法的暂定阶段，可以借鉴中间结果的经验，可以在迭代过程中分离和组合类别，具有“自组织”的动态群集方法iso数据方法(迭代自组织数据算法)，动态群集方法过程：控制参数3360，实践阶段：打开遥感图像，实习5遥感影

6、像监督分类，第一，实习目的分类模板，监督分类概念，监督分类过程，使用一般遥感影像处理软件进行遥感影像分类。第二，也称为训练分类的原理和方法监督分类使用被确定为识别其他未知类别元素的过程的类别中的样本元素。现在以最大似然方法为例介绍。最大似然分类也称为贝叶斯分类。如果将每种类型的光谱数据设置为遵循正态分布，则类型所有权将由未知样本落入每个已知样本的概率大小确定。总共有m种类型，每种类型的预概率，所有示例x落在第一种类型的后概率，第三，实习设备和数据ENVI或ERDAS，PCI等常用遥感图像处理软件(本实验所描述的ENVI案例)，TM遥感图像数据。图1研究领域图，4，实践阶段1。数据预处理首先执行

7、TM图像的几何校正和辐射校正，辐射校正包括辐射校正和大气校正。2.分类系统结合研究领域的实际图片分布特性和分类要求，确定需要区分的类型。本研究分为植物、人工设施、水三类。3分类特征选择和提取各典型图片的光谱曲线、植物、人工设施、水三种主要类型的图片发现0.4-2.5微米的光谱差异很大(图2)，进一步选择教育样本，并通过n维可视化工具查看其可分离性(图3)。最终确定TM的6个频带作为最终分类特征。图2研究领域的一般图的光谱特征，图3教育领域选择和n维可视化分析，4。选择培训区域通过可视解释和ROI工具选择培训区域，然后对每个类别执行统计分析(图4)。图4教育样本的统计分析，5 .计算机分类为使用选定ROI的培训领域的监督分类选择最大似然方法(图5-7)。图5最大似然方法分类接口1，图6最大似然方法分类接口2，图7分类结果，6。分类后处理可以结合特定情况，对分类后结果进行过滤、合并等分类后处理(本指南不考虑此类处理)。准确度评价通过验证样品来评价分类的准确度。准确度评估需要指标实际数据。可以通过实际图像或感兴趣的区域获得。下面通过感兴趣的区域工具获取验证样本，并计算混淆矩阵来执行准确性评估(图8-9)。