遥感原理与应用实习报告.docx
- 文档编号:24773538
- 上传时间:2023-06-01
- 格式:DOCX
- 页数:18
- 大小:401.93KB
遥感原理与应用实习报告.docx
《遥感原理与应用实习报告.docx》由会员分享,可在线阅读,更多相关《遥感原理与应用实习报告.docx(18页珍藏版)》请在冰豆网上搜索。
遥感原理与应用实习报告
遥感原理与应用课程设计
—“遥感专题信息提取与专题图制作”设计报告
遥感专题信息提取和专题图制作
一、课程设计的目的和意义
1、加深理解和巩固理论课上所学的有关遥感的基本原理、遥感传感器的成像机理、遥感图像的处理方法、专题信息提取以及遥感综合应用技术;
2、锻炼自主编程设计遥感图像处理算法和熟练运用遥感软件独立分析问题、解决具体问题的实际工作能力;
3、培养良好的工作习惯和科学素养,为今后参加科学研究工作以及毕业设计打下良好的基础。
二、课程设计的原理和方法
结合在遥感原理与应用课程设计中学习过的有关遥感图像的相关知识,包括使用多项式对遥感影像的进行几何纠正,遥感影像的镶嵌,图像融合,使用模式识别技术对遥感影像进行监督分类和非监督分类,并对分类结果进行评价和处理,最终得到有实际使用价值的专题地图,使用ERDAS软件对遥感图像进行处理,提取专题要素并制作专题地图。
在本次课程设计中使用的ERDAS软件,是成熟的商业化遥感图像处理软件,功能强大,能够对遥感图像进行专业化的处理,并且处理速度高,准确度好,同时操作方便,但需要用户具备一定的遥感专业知识。
三、课程设计的过程与步骤
3.1方案设计
由于本次实习并没有向以往的实习一样有详细的实习步骤说明,需要自行设计实习的具体方案和步骤,根据老师提供的实习任务书中有关要求,结合课程所学知识,首先设计出总体方案,主要包括图像专题信息提取的流程,以及专题地图制作的流程。
然后对每一步进行细化,比如影像的几何纠正应该怎样进行,但应该注意这一部分应该不涉及到具体的软件操作,也就是说使用任意一个遥感图像处理软件按照设计的流程,在结合软件的具体操作,都应该能够正确的提取出感兴趣的专题信息。
3.2影像预处理
由于实习提供的标准影像文件没有投影信息和地理坐标信息,为了能够使用该影像对需要处理的影像进行几何纠正,首先需要将相关的信息添加到影像中。
使用ERDAS打开标准影像sp_yc.img,点击快捷按钮中的影像信息按钮
,弹出影像信息对话框,在地图信息和投影信息中可以看到没有相应的信息,此时选择Edit->ChangeMapModel,弹出地图模型对话框并根据老师提供的数据修改左上角像素的地理坐标信息和影像投影信息,修改完成如下图。
Figure1修改地图模型结果
然后点击Edit->Add/ChangeProjection,弹出添加影像投影信息对话框,选择影像的投影信息为UTM投影,坐标系为WGS84坐标系,投影带为49号带,然后确定。
最后确认投影及地理坐标信息修改无误后,关闭图像信息对话框,并保存影像。
3.3图像合成
由于老师提供的TM影像是按照一个波段一个文件进行保存的,首先需要将不同波段合成为一个多波段的单文件影像。
使用ERDAS的ImageInterpreter模块,选择Utilities,再选择LayerStack功能,弹出图像层合成对话框,将需要合成的图像添加进来,并在数据文件中选择输出文件的路径,在输出选项中选择合成,点击OK进行图像合成(Figure2)。
对左右两张图片都进行如此操作,得到left.img和right.img两张图像。
3.4图像纠正
由于用来进行专题信息提取的两张图片并没有进行几何校正,图像并不能真实地物之间的距离管理,存在变形,需要进行纠正以确保其正确性。
打开标准图像和待纠正图像,在待纠正图像的窗口中执行Raster->GeomatricCorrection,在弹出的对话框中选择纠正模型为Polynomial(多项式),点击OK,在多项式模型属性中设置多项式次数为2(见Figure3)。
点击Apply然后Close。
然后会弹出选择标准图像的对话框,选择第一项,从打开的图像中选择。
然后在标准图像的窗口中点一下即可。
此时ERDAS会变成进行几何纠正的视图,两张图像左右平行排列。
下面的表格会记录在图像中标出的同名像点。
使用刺点工具在左右两张图像中刺出同名像点。
Figure2图像合成
Figure3多项式模型属性
在两张图像上刺出7个控制点,控制点点位尽量在图像中均匀分布,此时在下面的GCPTool对话框中会计算出点位控制点的中误差(Figure4),如果中误差较大,需要重新选择控制点。
如果没有误差较小,则在GCPTool中将输入文件和标准文件上的刺点位置分别保存。
Figure4几何校正控制点中误差
点击最上方地理纠正工具框中的重采样图标
,打开重采样对话框,选择输出文件名称和重采样方法(Figure5),输出经过校正后的图像。
Figure5重采样对话框
然后新建一个视图,打开经过校正后的图像和标准图形,使用Utility菜单中的Swipe、Blend和Flicker工具比较纠正结果和原图像,如果对结果不满意,则需重新刺点进行几何纠正直至满意未知。
对两张影像都进行几何纠正,得到left_corrected.img和right_corrected.img。
3.5图像镶嵌
在此步骤中,将上面纠正好的两幅图像合成为一幅图像,方便后面专题信息提取可以一次提取出所有信息。
选择ERDAS的DataPreparation模块,选择MosaicImage功能,在选择MosaicTools功能,此时MosaicTool程序会出现。
选择Edit->AddImages,将刚刚纠正好的两张图像添加进来,同时打开一个视图,同时打开这两幅图像。
然后点击工具栏中按钮
,切换到输出视图模式选择,点击Edit->ColorCorection,会弹出色彩纠正选项对话框勾选最后一个“采用直方图匹配”,然后在打开的两幅图像的视图中,使用AOITools,画出一条两幅图像分割的切割线,并保持这条线在选中状态。
即在镶嵌时按照这条线来切割图像然后将图像镶嵌在一起。
然后在MosaicTool中点击工具栏的设置AOI切割线图标
,弹出选择切割线对话框选择第一项AOIfromViewer,然后在视图窗口中点一下即可选中该切割线,并且在MosaicTool窗口中也可以看到切割线的效果(如Figure6)然后在下面的表格中的Function一栏中选择Cut/Smooth,使得切割线两边平滑,然后执行菜单项Process->RunMosaic,选择结果文
Figure6添加切割线效果
件路径,保存文件total.img。
然后新建一个视图打开镶嵌结果文件,如果发现有明显的镶嵌痕迹,则需要重新选择镶嵌边,重复上面的操作。
3.6影像融合
通过影响融合,可以提高多波段图像的分辨率,便于目视判读帮助提高分类的精度。
打开ERDAS的ImageInterpreter模块,选择SpatialEnhancement模块,点击ResolutionMerge,打开分辨率融合对话框,将标准图像(Spot全色,10m)作为高分辨率输入图像,将镶嵌后的图像(TM,6波段,30m)作为多波段图形输入,并为输出文件确定输出路径。
在方法选项中有三种方法,分别使用这三种方法做融合,重采样方法选择双线性内插法,对于使用的多光谱图像的波段号,选择全部(即输入1:
6),然后确定(见Figure7),输出融合后的影像。
Figure7影像融合对话框
打开三幅结果影像merge.img,merge_brovey.img和merge_multiplicative.img三幅图像对比不同方法融合的结果,最后选择merge.img(即使用PrincipalComponent方法融合得到的图像)最为分类的专题信息提取的基础图像。
3.7非监督分类
首先根据影像的光谱特征采用非监督分类方法对影像进行非监督分类,了解图像的光谱空间聚类信息,为后续的监督分类提供指导。
启动ERDAS的Classification模块,选择UnsupervisedClassification功能,弹出非监督分类的对话框,选择需要分类的图像,和输出文件的路径,选择分成10类,最大循环次数设为10次,其他默认(见Figure8),点击OK,执行非监督分类。
Figure8非监督分类设置
打开结果文件,观察分类结果,对图像加深认识,为监督分类做准备。
3.8监督分类
这一步是本次实习中最为关键的一步,这一步的好坏直接决定了专题信息提取的好坏。
打开ERDAS的Classification模块,选择SignatureEditor,打开SignatureEditor功能面板,同时打开镶嵌结果图像,执行菜单AOI->Tools,使用多边形工具画出一片属于同一类地物的样本区域,在SignatureEditor中点击添加,即在特征编辑其中添加一类的样本,给样本附上名字并选择相应的颜色。
对于同一类地物选择几块有代表性的区域并将他们设定为不同的特征,但赋予相同的颜色,这样可以尽量的将同类异谱导致的分类混淆降到最小(见Figure9)。
Figure9特征编辑器中添加训练样本
还有其他的样本选择方法,比如通过特征空间分布区选择或者使用魔棒工具选择等,具体方法可以参见ERDAS的使用说明去执行。
当划定好所有的训练样区后,执行菜单项Evaluate->Contingency,命令,在弹出的对话框中计算方法选择特征空间,然后将使用百分比表示记过勾选上,点击OK,计算训练样本的混淆矩阵。
观察混淆矩阵,检查根据样本进行分类分正确的百分比,如果正确划分的比例很低的话(低于90%),那么需要重新划定训练样区,直至达到正确比例的要求,保存混淆矩阵文件。
当混淆矩阵满足要求后,执行菜单Classify->Supervised执行监督分类,弹出监督分类对话框,选择输出文件路径,并在non-parametricrule中选择特征空间,同时勾选输出距离文件,点击OK进行监督分类(见Figure10)。
打开分类结果图像,观察分类情况,如果不满意,重复执行上述步骤直至满意。
对于分类结果图像由于有噪声干扰,需要将噪声去除(比如在河流中出现城市类像素),首先将图像进行重新编码,即将同一类的地物的像素值统一定义为新的数值。
打开Interpreter模块,打开GIS功能,选择Recode功能,打开重编码工具,选择需要重编码的图像,选择输出图像路径,定义重编码规则,点击输出重编码图像。
然后执行Clump功能,将图像分解为许多小的块,确定输入输出文件路径即可。
最后执行Eliminate功能,将小块地物归并到相邻的地物中,在弹出的对话框中选择输入文件为刚刚执行过Clump命令的文件,选择输出文件路径,并去顶保留最小块得像素个数,这里可以尝试不同的数值,知道得到满意的结果。
Figure10执行监督分类对话框
3.9结果评价
对于分类结果,进行评价,评定分类精度的好坏。
制定Classification模块,选择AccuracyAssessment功能,在出现的精度评定功能窗口中,选择需要评定的图像,并添加30个随机点,然后人工确定这30个点在原图像上的属于哪一类地物,记录在AccuracyAssessment表格中,然后执行Report菜单下的AccuracyReport和CellReport得到精度评定报告。
3.10制作专题地图
使用ERDAS的MapComposer模块功能,根据分类结果制作专题地图。
打开MapComposer模块,选择NewMapComposition,在弹出的对话框中选择地图文件保存路径,确定地图图纸大小和使用的单位,然后单机确定会弹出MapCoomposer编辑器,执行菜单Annotation->Tool然后选择创建地图框架按钮
,选择需要放置地图的地方,在弹出的对话框中选择从View中获取数据,然后打开刚才的结果,确定要显示的范围,点击确定就将图像加载到地图中,然后添加必要的地图要素如图框线,方里网,图名,图例,比例尺,指北针,完成专题地图的制作。
四、课程设计的结果分析与评价
实习的方案设计见附件一。
其他的图像文件在rsdata文件夹下,主要目录文件如下:
left.img
左半张图片合成结果
right.img
右半张图片合成结果
left_corrected.img
左半张图片几何纠正结果
right_corrected.img
右半张图片几何纠正结果
tatal.img
镶嵌结果
merge.img
使用主分量变换进行图像融合结果
merge_cutted.img
使用主分量变换进行图像融合后裁剪结果
merge_multiplicative.img
使用乘法变换进行图像融合结果
merge_brovey.img
使用brovey方法进行图像融合结果
merge_cutted_calssed_unsupervised.img
对于融合结果进行非监督分类结果
merge_cutted_calssed.img
对于融合结果进行监督分类结果
merge_cutted_calssed_recode.img
对分类结果进行重编码结果
merge_cutted_calssed_recode_clump.img
对重编码结果进行Clump操作结果
merge_cutted_calssed_recode_clump_eliminate.img
对Clump操作结果图像进行Eliminate操作结果
errormatrix.txt
混淆矩阵结果
accuracyreport.txt
精度评价报告
cellreport.txt
精度评价的CellReport结果
mymap.map
专题地图文件
本次实习基本上是按照最初设计的实习方案进行的,这也可以反映出最初的实习方案设计是基本正确的。
对比经过纠正的左右影像可以看出经过几何纠正后,左右影像能够很好的和标准影像符合到一起,但是左右影像在重叠部分存在错位的情况,特别是在河道和陆地交界等边缘部分更为明显,这也说明几何纠正存在误差,分析原因,可能有两方面,一方面是所选的纠正模型与图像的形变不符,导致纠正后影像存在错位,还有就是控制点的选择不够准确,导致纠正模型系数出现偏差,是结果图像存在错位,对于第一种情况可以更换纠正模型进行尝试,对于第二种情况可以重新选择控制点或者选择更多的控制点或者使控制点的分布更加合理。
对于融合后的结果,从目视上来说各有优点,很难区分相互之间的好坏,但总体上大幅度提高了图像的分辨率,为目视判读提供了极大的便利,但对于分类的影像可能会导致原本地物的光谱曲线发生变形,导致原本能够区分的像素在融合后结果中无法区分,关于这个问题,我曾经做过实验,结果发现使用融合后的图像与融合前图像进行分类区别并不明显,在一些容易混淆的像素上,二者都不能很好的将他们分开,而融合后图像将原本一个像素的位置可以划分为几个不同的类别,可以说精度提高了,因此最后选择使用融合后图像进行分类和专题信息提取。
通过非监督分类,可以看出陆地上的类别非常的复杂,这也提醒我在对陆地进行分类样本采集时一定要注意不要将其他类别的混杂进来,另外一个重要的信息是两条河道被分成两类,这提醒我在对水体进行采样时要特别注意要将两条河道分别采样。
对于监督分类结果可以看出,在总体上分类要比非监督分类连续,但是在局部还是存在噪声,这也说明分类后处理是必不可少的,而对于后处理,我只采用了最简单的将小的噪声点合并到相邻的区域中的方法,能够去掉很多不合理的噪声点,但是对于一些其他的大块的错分的情况无能为力,这一点如何解决还要在今后进行进一步的学习。
五、课程设计的总结与体会
本次课程实习和以往的实习都不太一样,没有标准的步骤,没有具体的操作方法,不是stepbystep了,需要充分发挥我们自己的所学知识,设计解决问题的方案,寻找具体的操作方法,这可以让我们充分的思考问题,加深对于所学知识的理解,而不像以往的实习仅仅是熟悉软件的操作,而且基本上实习过后很快就会忘记了。
但是对于这种方式我建议应该更加彻底一些,在本次实习中,老师还是提供相关的操作文档,虽然不是针对所给数据的,但是也是大同小异,也是的这种实习方式的初衷打了折扣,我建议应该是只给一个任务目标,其他的有我们自行的去寻找答案,在实习过程中同时开放外网,方便大家查询一些相关的问题,另外,对于实习结果的形式,不要拘泥于实习报告,可以使解决问题的论文或者是对于一些有价值的方法的讨论。
可能对于软件的操作没有这样了解的全面,但是对于素质和能力的提高会远大于这种方式。
或者是采取因材施教的方法,对于喜欢钻研的同学给予更为宽松的环境,对于只想提高动手能力的同学给予更加详细的资料和讲解。
希望实习能够给每个人带来它真正想要的东西。
附件一:
方案设计结果
流程
1.数据格式转换:
将TIF数据转换为IMG格式数据,对于单波段数据,直接转换,对于多波段数据,将多个TIF文件转换为单个IMG格式文件。
2.确定图像投影:
根据给定的图形信息,将投影信息添加到影像文件中
3.进行图像的几何校正:
根据已经进行过几何校正的SPOT图像,对TM影像进行几何校正。
4.进行影像镶嵌:
将两幅TM影像进行镶嵌,生成新的更大的影像文件。
5.进行影像融合(此步是否实施有待具体操作时进行验证)
6.使用非监督法分类进行分类,对影像分类有一个初步的认识,为后续分类和提取做准备
7.根据感兴趣的地物,划出训练样区,检查混淆矩阵是否符合要求,如果不符合要求重新选取训练样区,直至符合要求,然后使用进度发进行分类。
总体流程
格式转换流程:
注:
对于标准影像,将相应的投影信息和大地坐标信息加入到影像中
图像校正流程:
非监督分类流程:
监督分类流程:
影像镶嵌流程:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 原理 应用 实习 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)