遥感实习小实验报告空间域滤波.docx
- 文档编号:30557598
- 上传时间:2023-08-16
- 格式:DOCX
- 页数:21
- 大小:6.76MB
遥感实习小实验报告空间域滤波.docx
《遥感实习小实验报告空间域滤波.docx》由会员分享,可在线阅读,更多相关《遥感实习小实验报告空间域滤波.docx(21页珍藏版)》请在冰豆网上搜索。
遥感实习小实验报告空间域滤波
中国矿业大学 成绩:
遥感原理与应用
上机实验报告
学 号:
07073043
姓 名:
况佳亮
班 级:
测绘工程09-4班
指导教师:
赵银娣
学 院:
环境与测绘学院
2010年10月22日
实验一 典型地物的光谱反射特征
实验目的
熟悉ENVI软件提供的各种光谱库,针对五种典型地物:
雪、植被、水体、土壤、矿物岩石,通过绘制地物的反射光谱特性曲线,说明典型地物的反射光谱特性,并分别比较属于同一大类但处于在不同状态下的地物反射光谱特性。
实验原理
地物的光谱反射率为地物在某波段的反射通量与该波段的入射通量之比。
将地物的反射率与波长的关系在直角坐标系中描绘出的曲线称为光谱反射曲线。
不同的地物有不同的光谱反射率,同一地物在不同波段有不同的光谱反射率。
实验数据
实验数据为地物envi软件自带的光谱库。
实验过程
启动envi,在主菜单中选择Spectral->Spectrallibrary->Spectrallibraryviewer
在open中选择Spectrallibrary再选择jhu_lib文件夹,里面就有各种地物的光谱反射曲线。
实验结果
雪的地物反射光谱曲线特性如下:
植被的地物反射光谱曲线特性如下:
水体的地物光谱反射光谱曲线特性如下:
土壤的地物光谱反射光谱曲线特性如下:
矿物岩石的地物光谱反射光谱曲线特性如下:
实验体会
经过这次实验,让我基本了解了五种典型地物:
雪、植被、水体、土壤、矿物岩石的反射光谱特性曲线。
实验过程中,可以看到,每种地物的光谱反射曲线都有自己本身的特点。
而不同的地物有不同的光谱反射特性,相同的地物在不同波段也有不同的光谱反射特性。
而植被的光谱反射特性又与我们上课时表述的一致,在可见光波段有两个吸收带,一个反射峰值,这是由于叶绿体的缘故,在长波波段,可以看到很明显的三个水吸收带。
实验二遥感图像目视解译
实验目的
利用徐州四环范围的Landsat-5TM遥感影像进行目视解译,主要完成:
(1)基于较优的波段组合图像,利用ENVI的折线注记功能,获取徐州三环路的矢量图;
(2)基于较优的波段组合图像,利用ENVI的文本注记等功能,标识出遥感影像中的山、河、湖等典型地物。
实验原理
遥感图像的目视解译的目的是从遥感图像中获取需要的地学专题信息,它需要解决的问题是判读出遥感图像中有那些地物,它们分布在哪里,并对数量特征给与粗略的估计。
遥感图像中目标地物特征是地物电磁辐射差异在影像上的反映和记录。
按其表现形式的不同,目标地物特征可以概括分为“色、形、位”三大类。
实验数据
徐州四环范围的Landsat-5TM2000年的遥感影像
实验过程
启动envi,在主窗口中选择file->openimagefile选择KJLp122r036_20000924-SubSpatial500.hdr在RGB里面分别选择波段2、4、1组合,打开Landsat-5TM的遥感影像图。
然后在主影像窗口中点击OverlayAnnotation,在Object里面有一些注记的工具。
实验结果
(1)、利用2000年的数据按照波段2、4、1的组合图像如下:
利用注记功能获取徐州三环路的矢量图(黄色部分)如下:
(2)、利用ENVI的文本注记等功能,标识出遥感影像中的山、河、湖等典型地物如下:
实验体会
经过这次实验,让我知道了如何通过目视解译和判读来看遥感地图,目视解译过程中可能要用到遥感图像的色、形、位,而这些方法也不是独立的,有时要判断某个地物,可以综合的运用这些东西。
图像的形状、纹理、大小、位置、图型、相关布局等都是目标地物的特征,都可以用来对目标地物的识别和判读。
目视解译目标地物的特征作为分析、解译、理解和识别遥感图像的基础,有非常重要的意义。
实验三遥感图像配准
实验目的
在ENVI平台下,以2000年徐州城区遥感图像作为基准图像,对1994年徐州城区遥感图像进行配准。
实验原理
在遥感影像处理与分析中,预处理是最初的也是最基本的影像操作。
图像校正是从具有畸变的图像中消除畸变的处理过程,消除集合畸变的称为几何校正。
几何校正是从具有几何畸变的图像中消除畸变的过程。
其任务是定量地确定图像上的像元坐标与目标物的地理坐标的对应关系。
校正的最终目的是确定校正后图像的行列数,然后找到新图像中每一像元的亮度值。
实验数据
以2000年的徐州城区遥感图像(KJLp122r036_20000924-SubSpatial500.hdr)作为基准图像,对1994(KJLp122r036_19940906-SubSpatial500.hdr)年徐州城区遥感图像进行配准。
实验过程
准备工作->输入原始数字影像->建立校正变换函数->确定输出影像范围->像元几何位置变换->像元的灰度重采样->输出校正数字影像。
主要步骤包括:
选择控制点、建立整体映射函数、校正模型求解、像元灰度重采样。
2000年的徐州城区遥感图像按波段3、4、2组合图像如下:
1999年的徐州城区遥感图像按波段4、2、1组合图像如下:
影像配准并加入控制点坐标:
加入控制点后的坐标效果图如下:
实验结果
RST和NearestNeighbor显示RST和Bilinear显示:
RST和CubicConvoution显示:
Polynomial和CubicConvoution显示:
Triangulation和CubicConvoution显示:
实验体会
经过这次实验让我知道了,基于图像到图像的影像匹配,如果把其中的一长图片作为基准,那么一长图片,不可能与这张基准图片完全一样。
这样就存在着几何畸变和辐射畸变,有了这些变形,就要消除活着减弱这些变形。
然而在做这些操作之前就必须把这两长图片放在一个坐标系统下进行计算消除等。
要把它们放在同一坐标系下,就得通过影像匹配。
我们利用envi软件操作,实验过程中,在两张图片中加入同名像点,在找这些同名像点的同时,要求我们耐心并且细心的寻找,因为,在找出同名像点的时候,envi软件自带的一个计算找点准确与不准确的一套算法。
我们只要保证ERRORX和ERRORY的值不超过0.5就认为是符合精度要求的。
而要达到这些要求,往往需要我们反复的操作和选点。
剔除一些误差比较大的点。
选点的时候要特别注意,选择的点要尽量不满整个图幅,而且点的个数最少要大于4个。
原则上是选择n*(n-1)/2个。
在点位配准完成之后,我们又添加了一个几何校正,在灰度重采样的时候有一些方法,可以利用最近临近法,也可以利用双线性内插法,还有三次卷机内插法。
而这些方法的具体原理和优缺点,我们书上都有详细的介绍。
实验四遥感图像处理
实验目的
通过envi软件实现下面一些功能:
(1)空间域滤波增强
(2)频率域滤波增强
(3)彩色变换,包括真彩色增强、伪彩色增强、假彩色增强
(4)植被指数
(5)多光谱变换
实验原理
图像增强与变换的目标是突出相关的专题信息,提高图像的视觉效果,使分析者更容易地识别图像内容,从图像中提取更有用的定量化信息。
前者侧重与图像增强,后者侧重于变换和主要特征信息的提取。
图像增强与变换包括:
空间域滤波增强;频率域滤波增强;彩色变换(真彩色增强、伪彩色增强、假彩色增强);多图像代数运算;多光谱图像变换。
图像增强的目的是改变图像的灰度等级,提高图像对比度;消除边缘和噪声,平滑图像;突出边缘或者线状地物,锐化图像;合成彩色图像;压缩图像数据量;突出主要信息等。
实验数据
2000年的徐州城区遥感图像(KJLp122r036_20000924-SubSpatial500.hdr)
实验过程
打开2000年的徐州城区遥感图像按波段4、3、2显示如下:
空间域滤波增强:
卷积滤波:
卷积是一种滤波方法,它产生一幅输出图像(图像上,一个给定像元的亮度值是其周围像元亮度值加权平均的函数)。
用户选择变换核用于图像列卷积生成一个新的空间滤波图像。
(1)选择Filter>Convolutions>一种滤波类型。
但一些特别的滤波(如Sobel和Roberts)有自己的默认值,是不能改变的。
选择这些滤波时,不会出现变换核大小的选项。
高通滤波:
高通滤波在保持高频信息的同时,消除了图像中的低频成分。
它可以用来增强不同区域之间的边缘,犹如使图像尖锐化。
通过运用一个具有高中心值的变换核来完成(典型地周围是负值权重)。
高通滤波变换核的大小必须是奇数。
低通滤波:
低频滤波保存了图像中的低频成分。
使图像平滑。
默认的变换核的大小是3x3,使用外位值的均值来替代中心像元值。
频率域滤波增强:
傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。
实际上,快速的傅立叶变换被原来将数据变换成一个复杂的强调频率分布的图像。
ENVI中FFT滤波(从Filters下拉菜单中选择)包括图像正向的FFT、频率滤波器的交互式建立、滤波器的应用,以及FFT向原始数据空间的逆变换。
当前,FFT处理没有用到ENVItiling程序,因此能被处理的图像大小受到系统可利用内存的限制。
FFT图像是“复数”数据类型,它占用了类似大小的字节图像的8倍内存。
快速傅里叶变换:
正向的FFT生成的图像能显示水平和垂直空间上的频率成分。
图像的平均亮度值显示在变换后图像的中心。
远离中心的像元代表图像中增加的空间频率成分。
这一滤波能被设计为消除特殊的频率成分,并能进行逆向变换。
彩色变换:
颜色变换将3-波段红、绿、蓝图像变换成一个特定颜色的空间,并且从能从选择的色彩空间转回到RGB。
两次变换之间,通过用对比度拉伸,你可以生成一个色彩增强的彩色合成图像。
此外,亮度波段值可以被另一个波段代替(通常比较高的空间分辨率),生成一幅合成图像(将一幅图像的色彩特征与另一幅图像的空间特征相结合)。
这可以由IHS尖锐化自动完成。
由ENVI支持的彩色空间包括“色调,饱和度,数值(HSV)”变换,“(色调,亮度,饱和度(HLS)”变换和“USGSMunsell”变换(作为一个用户函数)。
真彩色增强处理:
将图像按波段3、2、1显示就是该影像的真彩色显示
伪彩色密度分割:
图示为伪彩色密度分割处理后结果
假彩色合成:
若将原图像按波段4、3、2显示就是一种假彩色图像合成。
归一化植被指数:
NDVI(NormalizedDifferenceVegetationIndex)是一个普遍应用的植被指数,将多波谱数据变换成唯一的图像波段显示植被分布。
NDVI值指示着像元中绿色植被的数量,较高的NDVI值预示着较多的绿色植被。
NDVI变换可以用于AVHRR、LandsatMSS、LandsatTM、SPOT或AVIRIS数据,也可以输入其他数据类型的波段来使用。
经过处理后影像如下:
多光谱变换:
1、主成分分析(PCA)用多波段数据的一个线性变换,变换数据到一个新的坐标系统,以使数据的差异达到最大。
这一技术对于增强信息含量、隔离噪声、减少数据维数非常有用。
ENVI能完成正向的和逆向的PC旋转。
PCA1、2、3合成如下:
2、缨帽变换
缨帽变换是一种通用的植被指数,可以被用于LandsatMMS或LandsatTM等数据。
对于LandsatMMS数据,缨帽变换将原始数据进行正交变换,变成四维空间(包括土壤亮度指数SBI、绿色植被指数GVI、黄色成分(stuff)指数YVI,以及与大气影响密切相关的non-such指数NSI)。
对于LandsatTM数据,缨帽植被指数由三个因子组成——“亮度”、“绿度”与“第三”(Third)。
其中的亮度和绿度相当于MSS缨帽的SBI和GVI,第三种分量与土壤特征有关,包括水分状况。
缨帽变换结果如下:
实验结果
实验结果在实验过程中已经叙述,生成的中间结果文件如下:
KJL_DNVI归一化植被指数文件KJL_DNVI.HDR相应ENVI头文件
KJL_kspinlv快速傅里叶变换文件KJL_kspinlv.hdr相应ENVI头文件
KJL_pinhua频率域增强平滑滤波文件KJL_pinhua.hdr相应ENVI头文件
KJL_zhuchenfen主成分分析分文KJL_zhuchenfen.hdr相应ENVI头文件
KJL_yinmaobianhuan缨帽变换文件KJL_yinmaobianhuan.hdr相应ENVI头文件
实验体会
通过这次上机实验,初步了解了使用ENVI软件处理遥感影像的方法,掌握了图像增强的方法,加深了对相关知识的理解。
从图像的空间域滤波增强、频率域滤波增强,还有彩色变化,归一化植被指数计算,多光谱变换等了解到对图像的处理和运算等多种方法和手段。
但总得一点,就是为了突出显示我们需要的内容;提高图像的视觉效果。
让图像分析人员能够更轻松的在图像中提取有用的信息。
在实验过程中,由于这个实验没有PDF实验指导书,都是靠自己摸索着进行,很多地方都不甚了然。
在对图像进行各种操作时,调整图像处理的各个参数,为及明白它的真正含义。
但是我想在以后的学习中,我会把这个不足的地方弥补上去。
加强对遥感图像的处理知识的掌握。
- 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 实习 实验 报告 空间 滤波