遥感教案9实习指导.doc

遥感原理与方法实习指导 实习 1 航空像片比例尺测定 实习 2 立体观察练习 实习 3 利用反光镜测定像点高程差 实习 4 遥感图像的光学合成原理 实习 5 认识遥感图象处理软件（ ERDAS IMAGINE8.31 ）及数据输入输出 实习 6 遥感图像增强处理（ 2 ）辐射增强处理 实习 7 地质地貌实习 实习 8 植被判读实习 实习 9 扫描图像判读 实习 10 热红外像片判读 实习 11 航空像片的判读 实习 12 遥感图象分类（ 1 ）非监督分类与监督分类 实习 13 遥感图象分类（ 2 ）监督分类 实习 1 航空像片比例尺 测定 一、目的：通过实习进一步了解航空像片比例尺的意义。在野外判读时能将实地距离换算为像片上的距离，或将像片上的距离换算为实地的相应距离。 二、要求： 1每个同学测定一张 航空像片比例尺。 2 测定的两组比例尺分母（即 M 1 、 M 2 ）之差，不得大于较大一个分母的 1/180 。例如 M 1 =26000 ， M 2 =25700 ， 26000 1/180=325 ，而 M 1 M 2 =300 卜 ; (3) 单击医豌蓬彝悔钮，出现彩色合成小窗口 ( 图 8 1) ，输入文件 H87TM2.ZH87TM3 和 H87TM4 分别作为蓝色波段名、绿色波段名和红色波段名 ( 按照系统提示在各输入框中双击 ); (4) 令输出图像名为以 3LCOM ，选中简单线性拉伸，图像标题为醚碗 比笆 s0 然后单击匝舀图 （次部分需要校对） 实习 8 遥感图像增强处理（ 2 ）辐射增强处理 一、实习目的 了解图象增强中辐射增强的含义 掌握辐射增强最基本的处理方法 二、实习内容 查表拉伸 直方图均衡化 直方图匹配 亮度反转处理 亮度及对比度调整 线性扩展 分段线性扩展 三、实习步骤 其中“查表拉伸”、“直方图均衡化”、“直方图匹配”、及“亮度反转处理”实习具体步骤见各自动画。 另外在打开图象的窗口中的视窗菜单中选择“ Raster ”下拉菜单其中选择“ contrast ”选项，其次一级菜单中的选项包括“ histogram equalize （直方图均衡化）”、“标准差拉伸”、“亮度及对比度调整”、“图像对比度调整”、“对比度 / 亮度调整”、“分段对比度调整”等 实习 10 图象增强处理（ 3 ）空间增强处理 一、实习目的 1 了解图象增强中空间信息增强的含义 2 掌握空间增强最基本的处理方法 二、实习内容 1 积增强处理 卷积增强是将整个图象按照像元分块进行平均处理，用于改变图象的空间频率特征。卷积处理的关键在于卷积（核）算子（ Kernal ）系数矩阵的选择， ERDAS IMAGINE 常用的卷积算子分为 3 3 、 5 5 、 7 7 三组，每组又包括“ Edge Detect/Edge Enhance/Law Pass/High Pass/Horizonal/Vertical/Summary ”等七种不同的处理方式。 非定向边缘增强 应用两个非常通用的滤波器（ Sobel 和 Prewitt 滤波器），首先通过两个正交卷积算子（ Horizonal 和 Vertical 算子）分别对遥感图象进行边缘探测，然后将两个正交结果进行平均化处理。 聚焦分析 使用类似卷积滤波的方法对图象数值进行多种分析，其基本算法是在所选择的窗口范围内，根据所定义的函数，应用窗口范围内的像元数值计算窗口中心像元的值，从而达到图象增强的目的。关键在于聚焦窗口的选择（ Focal Definition ）和聚焦函数的定义（ Function Definition ） 4 纹理分析 纹理分析是通过在一定窗口内进行二次变异分析或三次非对称分析使雷达图象或其他图象的纹理结构得到增强。关键在于窗口大小的确定（ Window Size ）和操作函数的定义（ Operator ）。 5 自适应滤波 应用 Wallis Adapter Filter 方法对图象的感兴趣区域（ AOI ）进行对比度拉伸处理，关键在于移动窗口范围（ Moving Window Size ）和乘积倍数大小（ Multiplier ）。 6 分辨率融合 对不同分辨率遥感图象的融合处理，使融合后的遥感图象既具有较好的空间分辨率、又具有多光谱特征，从而达到图象增强的目的，关键在于两幅图象的配准（ Rectification ）以及融合过程中融合方法（ Method ）的选择。 7 锐化增强处理 实质上是通过对图象进行卷积滤波处理，使整景图象的亮度得到增强而不使其专题内容发生变化，根据其底层的处理过程，又可以分为两种方法：其一是根据你定义的矩阵（ Custom Matrix ）直接对图象进行卷积处理；其二是首先对图象进行主成分变换，并对第一主成分进行卷积滤波，然后再进行主成分逆变换。 三、实习步骤 上述方法可参加具体动画 另外在视窗菜单上的“ Raster ”的下拉菜单中的“ Filter ”中，也有一些相关的空间信息增强方法，可以进行试操作。 实习 11 遥感图象分类（ 1 ）非监督分类与监督分类 实习目的 了解图象分类、非监督分类及监督分类的含义 掌握图象分类中最基本的处理方法 实习内容 常规的图象分类方法主要有两种方法：非监督分类和监督分类；专家分类是近年来发展起来的新兴分类方法 非监督分类 运用 ISODATA （ Iterative Self-Organizing Data Analysis Technique ）算法（基于最小光谱距离公式），完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。 监督分类 监督分类更多受用户控制，常用于对研究区域比较了解的情况，首先选择可以识别或借助的其他信息能断定其类型的像元建立模板，然后基于该模板使计算机自动识别具有相同特性的像元，根据分类结果再对模板进行修改，多次反复建立一个比较准确的模板进行最终分类。 实习步骤 非监督分类 非监督分类的一般步骤：聚类过程始于任意聚类平均值或一个已有分类模板的平均值；聚类每重复一次，聚类的平均值就更新一次，新聚类的均值再用于下次聚类循环。 ISODATA 实用程序不断重复，直到最大的循环次数已达到设定阈值或者两次聚类结果相比有达到要求百分比的像元类别已经不再发生变化。 分类过程 初始分类：初始分类数在实际工作中一般将分类数取为最终分类数的 2 倍以上 专题判别 分类合并 色彩确定 分类后处理 色彩重定义 栅格矢量转换 统计分析 分类评价：可应用分类叠加的方法来检查分类精度。 监督分类 监督分类的一般步骤： 定义分类模板：分类模板的生成、管理、评价、和编辑等功能由分类模板编辑器来负责，其基础是原图像和（或）其特征空间图象 评价分类模板：分类模板的合并可使用户应用来自不同训练方法的分类模板进行综合复杂分类，这些模板训练方法包括监督、非监督、参数化、和非参数化。分类模板评价工具包括： Alarms （分类报警工具）、 Contingency matric （可能性矩阵）、 Festure objects （特征对象）、 Feature Space to image masking （特征空间到图象掩膜）、 Histogram （直方图方法）、 Signature separability （分类的分离性）、 Statistic （分类统计分析）等，不同评价方法各有不同应用范围。 执行监督分类：分类决策的规则是多层次的，如对非参数模板有特征空间、平行六面体等方法，对参数模板有最大似然法、最小距离法等。