1、遙感技術及其應用課程設計指導書土地管理2001級主要內容遙感圖像處理軟件概述(以ERDAS為例)遙感圖像增強處理遙感圖像幾何校正(多項式變換)遙感圖像特征變換(HLS，K-L，K-T)計算機輔助目視解譯遙感圖像分類遙感專題制圖ERDAS編程開發(fā)工具(Models maker,ERDAS Macro Language:EML,Spatial Modeler Language:SML)遙感圖像處理軟件概述(以ERDAS為例)早期的遙感圖像處理系統由于受計算機硬件發(fā)展水平的限制，其核心處理模塊一般都用專門的圖像處理硬件實現，如美國IIS公司著名的S101S600圖像處理系統的M70，M75。現在計算

2、機的內存大小、運行速度等方面都已有很大的變化，完全可滿足圖形圖像處理的要求， 因而圖像處理系統主要是軟件系統的設計。目前比較著名的圖像處理系統有美國ERDAS公司的ERDAS，加拿大PCI公司的PCI，澳大利亞ERMapper公司的ERMAPPER，RSI公司的IDL/ENVI等。遙感圖像處理系統的功能構成 目前遙感圖像處理系統的功能構成基本上是： 基本處理模塊（核心模塊）專業(yè)處理模塊。基本處理模塊主要有數據輸入、輸出，文件管理，圖像增強，校正，分類，圖像鑲嵌，地圖投影變換等。專業(yè)處理模塊則各系統不盡相同。主要有：按遙感數據類型分：多光譜處理，高光譜處理，雷達數據處理（PCI），以及地球物理數

3、據處理（ERMAPPER）；按應用領域分：地質遙感，油氣遙感，植被遙感等（ERMAPPER）。遙感圖像處理系統的發(fā)展趨勢：1由處理單一遙感數據向處理多傳感器數據甚至處理非遙感數據拓展。 2由單一遙感數據處理系統向GIS、GPS、ES集成處理系統發(fā)展。 3支持越來越多的輸入輸出設備和文件格式。 4向結構開放、模塊化（用戶可選擇購買）易于二次開發(fā)方向發(fā)展。 5圖像處理系統向標準化、網絡化、分布式方向發(fā)展，等等。ERDAS Imagine 概述1. 模塊構成菜單圖像顯示視窗輸入輸出數據準備制圖遙感圖像解譯數據管理圖像分類可視化建模矢量數據工具雷達分析三維虛擬GIS正射校正立體成像 用于柵格、矢量數據

4、的顯示。其菜單中包括一些基本的查看和處理工具，如：合成圖像的波段選擇；柵格數據、矢量數據的信息查詢；縮放、漫游；常規(guī)方式增強；柵格編輯、矢量編輯、AOI(感興趣區(qū)域)編輯； 各種數據格式的輸入/輸出轉換。三種介質：光盤；磁帶；磁盤文件。 數據準備。包括創(chuàng)建新圖像(空的)、創(chuàng)建三維表面；切割子圖像；圖像校正、圖像鑲嵌、圖像投影變換；重新計算高程數據，等。制圖。包括遙感地圖創(chuàng)建；遙感地圖編輯；遙感地圖輸出；等等。遙感圖像解譯。包括圖像空間域增強；輻射增強(灰度擴展變換等)；光譜增強(各種特征變換)；高光譜分析；GIS分析；地形地貌分析；其他實用程序。以文件方式實現對圖像數據庫的創(chuàng)建、編輯、查詢等管

5、理。圖像分類。包括非監(jiān)督分類；監(jiān)督分類；知識分類器；光譜分析；其他實用工具，如特征編輯器等。可視化建模工具。調用Imagine中的基本功能函數實現用戶設計的模型。矢量工具。實現矢量圖層的創(chuàng)建、刪除、輸入、輸出，對矢量數據進行編輯、建立拓撲關系等等。雷達數據處理。干涉方法和立體相對方法提取DEM，雷達圖像正射校正，雷達解譯等等。虛擬GIS。從DEM和遙感影像生成具有真實感的三維景觀，并可根據指定路徑漫游。根據DEM對遙感影像進行正射校正。根據DEM和遙感影像生成可立體觀察的景觀。需要另外的硬件支持。本節(jié)實習要求：概貌了解DERDAS軟件的構成和功能；熟悉圖像的輸入輸出格式轉換；熟悉Viwer中打

6、開圖像、放大縮小、漫游、不同波段的合成、不同的顯示方式、圖像信息查看、子圖像切割；熟悉Viwer中圖像光譜剖面、空間剖面工具的使用，圖像編輯工具、AOI編輯工具的使用等。遙感圖像增強處理圖像增強包括灰度變換、空域濾波、頻域濾波等多類方法。有的增強方法是對圖像的一般性增強，如灰度擴展就是圖像的總體效果(對比度)改善；有的增強方法是針對特定目標地物的，如邊緣增強、方向模板增強。在下述實習中我們介紹幾種典型方法。灰度擴展：分段線性變換VewerRaster Contrast Picewise contrast（演示）直方圖均衡化：VewerRaster Contrast Histogram equa

7、lize（其他增強方法同上。演示）或：Interpreter Radiometric enhencement Histogram equaliazation基于灰度的變換通常要考察圖像的直方圖信息。空域濾波：路線1.VewerRaster filtering smooth，sharpen，convolution filtering，statistic filtering，可以在convolution filtering中編輯卷積核。路線2. Interpreter spatial enhencement convolution 。此下還有其他增強方法。頻域濾波：頻域濾波在原理和方法上都可以通過

8、空域卷積實現，但也可以直接在頻域操作。二者在效率上依圖像和鄰域大小而有差異。方法步驟：1. Interpreter Fourier Analysis Fourier transform2. Interpreter Fourier Analysis Fourier transform edit 在這一步對頻域圖像進行所需要的濾波處理，保存圖像。3. Interpreter Fourier Analysis Inverse Fourier transform遙感圖像幾何校正(多項式變換)步驟：1.圖像準備：待校正圖像和參考圖像(或矢量地圖)2.確定多項式次數；3.選取控制點；4.選取插值方式；5.

9、精度檢查；6.運行。操作：DataPrep Image Geometric Correction(選擇待校正圖像)：form Vewer 或 from image file (設置校正方式)：Polynomial(選擇多項式參數、變換系數、投影類型)：Parameter，Transform，Projection(選擇參考圖像)：多種選擇：圖像、矢量地圖等。本實習選圖像。選擇GCPs。從Geo correction tools中點擊display resample image dialog，打開Resample 對話框。選擇輸出圖像名、重采樣方式、校正的圖像區(qū)域、 輸出圖像分辨率。點擊OK運行，

10、結束。作業(yè)：武漢(局部)TM影像向SPOT影像校正，按SPOT 10米分辨率采樣（保存數據，為下次利用HLS變換作不同分辨率數據融合使用）。保存為：jzh_姓名.img遙感圖像特征變換(HLS)RGB HLSRGB HLS：Interpreter Spectral enhencement RGB to HIS；選擇輸出圖像名。HLS RGB：Interpreter Spectral enhencement HIS to RGB；選擇輸出圖像名，選擇是否在變換之前對I,H,S之一進行拉伸。不同分辨率數據融合：低分辨率彩色圖像以高分辨率灰度圖像為參考做校正、重采樣（利用上次圖像校正的結果）：RGB

11、；RGB HLS；L用高分辨率灰度圖像替代；HLS RGB注：這樣生成的融合圖像在色彩方面與圖像有一定的差異，用一種彩色修正的技術可以在很大程度上克服這一點。作業(yè)：完成上述融合，結果保存為：df_姓名.img計算機輔助目視解譯本次實習主要是遙感圖像的計算機解譯，但利用計算機繪圖的工具進行。所以重點是要掌握ERDAS的矢量繪圖工具的使用，其中還可利用圖像編輯中的一些工具做某些地物的自動邊界搜索。步驟：打開待解譯圖像(可作適當的校正和增強處理)；建立矢量數據層：Vewer File New Vector layer；利用矢量工具邊解譯邊勾繪。矢量工具的使用：VewerVectortools作業(yè)：解

12、譯jx.tif中不小于512x512像素的圖像區(qū)域，結果保存為coverage：jy_姓名。遙感圖像分類以下假定特征選擇已經完成非監(jiān)督分類： ISODATA方法打開非監(jiān)督分類對話框：Classifier Unsupervised classification；選擇初始分類方式：Initialize from statistics：任意選取初始中心；初始化選項(initializing options)：初始均值軸選擇：對角線方向，主分量方向計算初始均值的范圍：指定方差，自動計算Use signature means：根據類別特征選取中心。輸入文件和參數：輸入文件名：圖像文件，特征文件(對Use

13、 signature means)；輸出文件名：分類文件，特征文件(特征用于下次分類或其他監(jiān)督分類)；最大分類數(Number of classes)：最大迭代次數(Number of iteration)：收斂閾值(Convergence threshold)：兩次迭代之間像素類別不發(fā)生改變的像素的百分數。跳讀因子(Skip factor)：處理時跳過的像素數。顏色配置選項：自動生成灰度專題圖；顏色從輸入波段中指定合成。顏色可編輯。監(jiān)督分類：類別特征獲取方法1：選取已知各類的訓練區(qū)，自動計算各類的特征生成特征文件；方法2：從非監(jiān)督分類生成的特征文件獲取。方法1的步驟：用Vewer打開包含已知

14、類別區(qū)域的圖像文件；打開特征編輯對話框：Classifier Signature editor；在Vewer中用AOI選擇訓練區(qū)，逐一類別地添加到Signature editor中。每添加一類其類別特征自動計算出來。在類別特征集中可以指定類別的先驗概率(類別的權值)，若無把握建議不指定，缺省為1。獲取特征后最好對特征進行可靠性評估。分類(以ML為例)打開監(jiān)督分類對話框： Classifier Supervised classification；選擇輸入文件(待分類圖像文件和特征文件)，輸出文件(分類結果文件和距離文件)；參數選擇：非參數規(guī)則：none參數規(guī)則：Maximum Likelihoo

15、d 輸出屬性選項(分類結果文件中每個波段每個類別的統計量)：Minimum，Maximum，Mean，Std. Dev.，等等。（其他選項值略）關于距離文件(Distance file)：距離文件中的像元值，是該像元的光譜矢量與像元所屬類別均值向量(類別中心)之間的距離。其值越大，則該像元分錯的可能性越大。反之亦然。此文件在模糊卷積分類中用到。它通常有如下所謂的2分布：關于精度評估：分類后的精度評估可采用兩種方法：利用Threshold功能和Distance file 確定可能分錯的像元數；利用Accuracy assessment 功能確定分錯地像元數。 作業(yè)：用6.img做非監(jiān)督和監(jiān)督分類

16、。保存結果：fl_姓名.img。此文件將用于遙感專題制圖。專家分類器由兩部分組成：知識工程師(Knowledge Engineer)和知識分類器(Knowledge Classifier)。前者建立知識庫，后者利用所建立的知識庫實現分類。知識工程師：Hypothesis：假設。應指定hypothesis的名稱、是否最終的輸出類，若是可指定該類的顏色。假設也可作為中間的規(guī)則。Rule：規(guī)則。由名稱、值、邏輯關系符、置信度構成。是一系列條件語句。Variable：變量。由名稱、對象類型、數據類型、其他選項構成。菜單條圖標面板決策樹面板概覽窗面板組件列表提示面板4個條件都成立規(guī)則成立假設成立每組中兩

17、個條件都成立，則對應的一條規(guī)則成立。至少有一條規(guī)則成立，則假設成立一個結構良好、功能有效的知識庫的建立，需要一個反復測試、修改、優(yōu)化的過程。知識分類器：選擇知識庫；選擇輸入數據文件和參數文件或參數；選擇輸出文件和選項；運行。分類評估Threshold：用threshold函數作用于距離文件的Chi分布，確定錯分像元。精度計算：用地面真實情況或其他可靠數據對分類作精度計算。遙感專題制圖分類完成以后，需要將其制成專題地圖。有很多軟件可以實現這一過程，如各種GIS軟件。ERDAS中的Map composer也是制作遙感專題地圖的工具，本節(jié)初步介紹它的使用。打開制圖工具：Composer New map composer 或 Open map composer 步驟：創(chuàng)建新地圖文件：輸入文件名New name設置圖面參數：圖面大小；度量單位；顯示比例；背景顏色。利用注記工具編輯