遥感数字图像处理实习课件

遥感数字图像处理实习遥感数字图像处理实习遥感数字图像处理实习1实习一 遥感图像处理软件系统实习一 遥感图像处理软件系统2实习目的了解遥感图像处理系统ENVI的工作界面、数据的读取、显示与存储等基本操作实习数据ENVI自带数据ENVI安装路径下IDL63productsenvi43data bhtmref文件实习目的3ENVI界面界面 ENVI界面 4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对话框中打开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 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 主菜单File Open Image F5数据读取与显示数据读取与显示在Scroll窗口移动红色方框，Image窗口中的图像随之发生移动；在Image窗口移动红色方框，Zoom窗口中的图像随之发生移动。数据读取与显示在Scroll窗口移动红色方框，Image窗口6数据存储主菜单File Save File As .可将影像数据保存为多种格式Image窗口菜单File Save Image As .可将图像保存为多种图像文件数据存储主菜单File Save File As 7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基本信息 信息查看 鼠标右键菜单Cursor Location/Val8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曲线信息查看鼠标右键菜单Z Profile(Spectrum)9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连接在一起。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Link10实习二 遥感图像几何校正实习二 遥感图像几何校正11实习目的掌握基于遥感图像的几何校正操作，理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，有地理坐标实习目的12打开数据打开数据分别载入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数据进行几何校正 打开数据分别载入bldr_tm数据和bldr_sp数据，b13选取地面控制点选取地面控制点 主菜单Map Registration 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 主菜单Map Registration 14选取地面控制点选取地面控制点选取地面控制点15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 选取地面控制点点击Show List按钮，可以查看每一个控制16校正影像校正影像Ground Control Points Selection窗口菜单Options Warp File，根据刚才选择的地面控制点对TM影像进行几何校正。Method选择多项式Polynomial法，Degree选择2阶 Resampling选择双线性插值Bilinear方法 打开经过几何校正的TM数据，与原数据以及SPOT数据进行比较。校正影像Ground Control Points Sele17实习三实习三 遥感影像增强处理遥感影像增强处理实习三 遥感影像增强处理18实验目的加深对遥感图像增强理论理解，掌握图像加深对遥感图像增强理论理解，掌握图像增强的基本方法与步骤，能够利用增强的基本方法与步骤，能够利用ENVI软件进行影像增强处理。软件进行影像增强处理。实验目的加深对遥感图像增强理论理解，掌握图像增强的基本方法与19实验内容1.遥感影像对比度拉伸基本方法遥感影像对比度拉伸基本方法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增强方法遥感影像空间域滤波增强方法实验内容1.遥感影像对比度拉伸基本方法201.遥感影像对比度拉伸基本方法遥感影像对比度拉伸基本方法具体步骤：打开实验数据打开实验数据:bhtmref.img1.采用交互式拉伸工具分别对影像进行以下对比度拉采用交互式拉伸工具分别对影像进行以下对比度拉伸：伸：线性拉伸线性拉伸 均衡化拉伸均衡化拉伸 高斯对比度拉伸高斯对比度拉伸1.遥感影像对比度拉伸基本方法具体步骤：打开实验数据:21图1 线性拉伸 图2 高斯拉伸 图1 线性拉伸 22图3 均衡化 图3 均衡化 232.遥感影像直方图匹配方法遥感影像直方图匹配方法打开两个波段数据或两景影像进行直方图匹配操打开两个波段数据或两景影像进行直方图匹配操作作数据：如数据：如Cantmr.img图8 直方直方图匹配后的两幅影像及各自直方匹配后的两幅影像及各自直方图2.遥感影像直方图匹配方法打开两个波段数据或两景影像进行直方243.遥感影像空间域滤波增强方法遥感影像空间域滤波增强方法分别采用分别采用Roberts，Sobel、Laplacian算子对图算子对图像进行锐化处理（边缘提取）像进行锐化处理（边缘提取）图4 Roberts算子 图5 Sobel算子3.遥感影像空间域滤波增强方法分别采用Roberts，So25 图6 Laplacian算子 图7 中值滤波 图6 Laplacian算子 图726实习四实习四 遥感图像非监督分类遥感图像非监督分类实习四 遥感图像非监督分类27一、实习目的一、实习目的 熟悉掌握非监督分类原理与过程，掌握熟悉掌握非监督分类原理与过程，掌握监督分类的流程，能够运用遥感图像处理监督分类的流程，能够运用遥感图像处理软件进行遥感影像的非监督分类。软件进行遥感影像的非监督分类。一、实习目的28p算法原理：算法原理：p在均值算法的基础上，加入了试探性的步骤，在均值算法的基础上，加入了试探性的步骤，能吸取中间结果的经验，在迭代的过程中可以进行能吸取中间结果的经验，在迭代的过程中可以进行类别的分离和合并，具有类别的分离和合并，具有“自组织自组织”性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）算法原理：动态聚类法ISODATA方法（迭代自组织数据算29动态聚类法流程：动态聚类法流程：动态聚类法流程：30控制参数控制参数:控制参数:31实习步骤：实习步骤：打开遥感影像打开遥感影像实习步骤：打开遥感影像32实习步骤：实习步骤：对影像进行对影像进行ISODATA分类分类 实习步骤：对影像进行ISODATA分类 33实习步骤：实习步骤：输出分类结果输出分类结果 实习步骤：输出分类结果 34实习步骤：实习步骤：对分类的类别进行确定对分类的类别进行确定 根据目视解译，对分类的结果进行类别根据目视解译，对分类的结果进行类别的确定，输出分类结果图。的确定，输出分类结果图。实习步骤：对分类的类别进行确定35实习五实习五 遥感图像监督分类遥感图像监督分类实习五 遥感图像监督分类36一、实习目的一、实习目的 熟悉和掌握分类模板、监督分类的概念，掌握熟悉和掌握分类模板、监督分类的概念，掌握监督分类的流程监督分类的流程,运用通用遥感图像处理软件进行运用通用遥感图像处理软件进行遥感影像的分类。遥感影像的分类。一、实习目的37二、原理与方法二、原理与方法 监督分类法又称训练分类法，即用已被确认类监督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。现以最大似然法为例进行介绍。现以最大似然法为例进行介绍。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，则可根据未知样本落入各谱数据服从正态分布，则可根据未知样本落入各已知样本中的概率大小来确定它的类型归属。已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 二、原理与方法38则任意样本则任意样本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 则任意样本X 落在第i个类型中的后验概率为 39三、实习仪器与数据三、实习仪器与数据 ENVI 或或 ERDAS、PCI等通用遥感图像处理软等通用遥感图像处理软件（本实习指导书以件（本实习指导书以ENVI为例来加以说明）、为例来加以说明）、TM遥感影像数据。遥感影像数据。图图1 研究区示意图研究区示意图三、实习仪器与数据图1 研究区示意图40四、实习步骤四、实习步骤1.数据预处理数据预处理 首先对首先对TM影像进行几何校正和辐射校正，辐影像进行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 结合研究区的实际地物分布特点以及分类需结合研究区的实际地物分布特点以及分类需求的来确定需要分为哪些类型。本研究区分为植求的来确定需要分为哪些类型。本研究区分为植被、人工设施、水体三大类。被、人工设施、水体三大类。四、实习步骤413分类特征选择与提取分类特征选择与提取 考察各典型地物的光谱曲线，发现植被、人工设施、考察各典型地物的光谱曲线，发现植被、人工设施、水体三大类地物在水体三大类地物在0.4-2.5微米的光谱差异很大（图微米的光谱差异很大（图2），），进一步选择训练样本，通过进一步选择训练样本，通过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 研究区典型地物的光谱特征3分类特征选择与提取图2 研究区典型地物的光谱特征42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图3 训练区的选取及N维可视化分析434.选择训练区选择训练区 通过目视判读及通过目视判读及ROI工具选取训练区，并对每工具选取训练区，并对每个类别进行统计分析（图个类别进行统计分析（图4）。）。图4 训练样本的本的统计分析分析4.选择训练区图4 训练样本的统计分析445.计算机分类计算机分类 选用最大似然法进行监督分类，分类器采用选用最大似然法进行监督分类，分类器采用ROI选选取的训练区（图取的训练区（图5-7）。）。图5 最大似然法分最大似然法分类界面界面15.计算机分类图5 最大似然法分类界面145图6 最大似然法分最大似然法分类界面界面2图6 最大似然法分类界面246图7 分分类结果果图7 分类结果476.分类后处理分类后处理 结合具体情况，可以对分类后的结果进行筛选、结合具体情况，可以对分类后的结果进行筛选、合并等分类后处理（本指导书中暂不考虑此类处合并等分类后处理（本指导书中暂不考虑此类处理）。理）。7.精度评价精度评价 通过验证样本来评价分类的精度。精度评价需通过验证样本来评价分类的精度。精度评价需要地表真实数据。可以通过真实图像或感兴趣区要地表真实数据。可以通过真实图像或感兴趣区来获得。以下通过感兴趣区工具来获取验证样本，来获得。以下通过感兴趣区工具来获取验证样本，并计算混淆矩阵，进行精度评价（图并计算混淆矩阵，进行精度评价（图8-9）。最终）。最终总体精度为总体精度为99.89%，Kappa系数为系数为0.998。6.分类后处理48图8 计算混淆矩算混淆矩阵界面界面图8 计算混淆矩阵界面49图9 混淆矩混淆矩阵图9 混淆矩阵508.制作制作专题地地图 在主窗口中的在主窗口中的overlay菜菜单中支柱中支柱专题图，具体，具体结果果见图10。图10 分分类专题图8.制作专题地图图10 分类专题图519、完成实习报告、完成实习报告 内容包括：目的、分类专题图。内容包括：目的、分类专题图。9、完成实习报告52