遥感图像处理.docx

遥感图像处理.docx

《遥感图像处理.docx》由会员分享，可在线阅读，更多相关《遥感图像处理.docx（19页珍藏版）》请在冰点文库上搜索。

遥感图像处理

测绘工程学院

遥感导论

实验报告书

实验名称：

遥感图像处理

专业班级：

海洋101

姓名：

蔡可胜

学号：

141003101

实验地点：

地理信息系统实验室

实验时间：

2012.10.25

实验成绩：

一.实验目的与要求

进一步了解目前主流的遥感图象处理软件ERDAS的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。

二.实验准备

遥感图象处理软件ERDAS

三.实验内容与主要过程

1、对比度变换的软件操作

打开ERDAS软件→点击“Interpreter”图标→选择“RadiometricEnhancement”→“LUTStretch”，

查找表拉伸处理，通过修改图像查找表（LookupTable）使输出图像值发生变化，可以实现线性拉伸、非线性拉伸处理。

打开LUTStretch对话框，设置参数：

输入图像文件：

spot5mul.img，定义输出文件：

stretch.img

文件坐标类型：

File，处理范围默认。

输出数据类型：

Unsigned8bit

确定拉伸选择：

RGB（多波段图像，红绿蓝）；GrayScale（单波段图像）

2、直方图均衡化处理的软件操作

“Interpreter”图标→“RadiometricEnhancement”→HistogramEqualization

设置对话框

确定输入文件：

spot5pan.img

输出文件：

equalization.img

文件坐标类型：

File，处理范围默认

输出数据分段：

256（可以小一点，即将灰度值拉伸到多大的亮度范围）

输出数据统计时忽略零值：

IgnoreZeroinStats

OK，执行直方图均衡化处理。

图像对比：

3.直方图匹配处理的软件操作

“Interpreter”图标→“RadiometricEnhancement”→HistogramMatch

输入匹配文件：

fusion_mss.img

匹配参考文件：

spot5mul_mss.img

匹配输出文件：

wasia_match.img

选择匹配波段：

useallbandsformatching

匹配参考波段：

useallbandsformatching

文件坐标类型：

Map（处理范围默认）

输出数据统计时忽略零值：

IgnoreZeroinStats

输出数据类型：

Unsigned8bit

OK，执行直方图匹配处理。

4.去霾处理的软件操作

“Interpreter”图标→“RadiometricEnhancement”→“HazeReduction”

确定输入文件spot5pan.img，输出文件haze.img

文件坐标类型：

Map，处理范围默认

处理方法选择：

Landsat5TM或Landsat4TM

OK，执行去霾处理。

图像对比;

降噪处理的软件操作

“Interpreter”图标→“RadiometricEnhancement”→“NoiseReduction”

确定输入文件spot5pan.img，输出文件noise.img

文件坐标类型：

Map，处理范围默认

OK，执行降噪处理。

图像对比：

5、去条带处理的软件操作

“Interpreter”图标→“RadiometricEnhancement”→“DestripeTMData”

确定输入文件spot5pan.img

输出文件destripe.img

输出数据类型：

Unsigned8bit

输出数据统计时忽略零值：

IgnoreZeroinStats

边缘处理方法（HandleEdgesby）：

Reflection

文件坐标类型：

Map，处理范围默认

OK，执行去条带处理。

图像对比：

卷积增强处理的软件操作

“Interpreter”图标→“SpatialEnhancement”→“Convolution”

确定输入文件spot5pan.img

输出文件Convolue.img

选择卷积算子（KernelSelection）

卷积算子文件（KernelLibrary）：

default.klb

卷积算子类型（Kernel）：

3×3EdgeDetect

边缘处理方法（HandleEdgesby）：

Reflection

卷积归一化处理：

NormalizetheKernel

文件坐标类型：

Map

输出数据类型：

Unsigned8bit

OK，执行卷积增强处理

图像对比：

非定向边缘增强处理的软件操作

“Interpreter”图标→“SpatialEnhancement”→“Non-directionalEdge”

确定输入文件spot5pan.img

输出文件non-direct.img

文件坐标类型：

Map

输出数据类型：

Unsigned8bit

选择滤波器：

Sobel

输出数据统计时忽略零值：

IgnoreZeroinStats

OK，执行非定向边缘增强处理。

图像对比：

锐化增强处理的软件操作

“Interpreter”图标→“SpatialEnhancement”→“Crisp”

确定输入文件：

spot5pan.img

定义输出文件：

crisp.img

文件坐标类型：

Map

输出数据类型：

Unsigned8bit

输出数据统计时忽略零值：

IgnoreZeroinStats

OK，执行锐化增强处理。

图像对比：

10、主成分变换处理的软件操作

Interpreter图标→SpectralEnhancement→PrincipalComp.

确定输入文件spot5pan.img，输出文件principal.img

文件坐标类型：

Map，处理范围为默认

输出数据类型：

FloatSingle

输出数据统计时忽略零值：

IgnoreZeroinStats

特征矩阵输出设置（EigenMatrix）

在运行日志中显示：

ShowSessionLog

写入特征矩阵文件：

WritetoFile（必选项，逆变换时需要）

特征矩阵文件名（OutputTextFile）：

lanier.mtx

需要的主成份数量（NumberofComponentsDesired）:

3

OK，执行主成份变换处理。

图像对比：

11、缨帽（缨穗）变换处理的软件操作

Interpreter图标→SpectralEnhancement→TasseledCap

确定输入文件tm.img，输出文件:

tasseled.img

文件坐标类型：

Map，处理范围默认

输出数据选择

输出数据拉伸到0-255：

StretchtoUnsigned8bit

输出数据统计时忽略零值：

IgnoreZeroinStats

定义相关系数（SetCoefficinets）：

点击SetCoefficients按钮

打开TasseledCapCoefficients对话框

首先确定传感器类型（Sensor）：

LandsatTM5

定义相关系数（CoefficientDefinition）：

可利用系统缺省值

OK，关闭TasseledCapCoefficients对话框

OK，关闭TasseledCap对话框，执行缨穗变换。

图像对比：

12.HIS彩色空间变换处理的软件操作

RGBtoIHS（彩色空间变换处理）

IHStoRGB（拉伸I和S的基础上，进行彩色空间的逆变换）

Interpreter图标→SpectralEnhancement→RGBtoIHS

确定输入文件dmtm.img，输出文件rgb-ihs.img

文件坐标类型：

Map，处理范围默认

确定参与色彩变换的三个波段：

Red：

4/Green：

3/Blue：

2

输出数据统计时忽略零值：

IgnoreZeroinStats

OK，执行RGBtoIHS变换

图像对比：

Interpreter图标→SpectralEnhancement→HIStoRGB

确定输入文件rgb-his.img，输出文件his-rgb.img

文件坐标类型：

Map，处理范围默认

对比度（I）与饱和度（S）进行拉伸：

StretchI-S

确定参与色彩变换的三个波段：

Intensity：

1/Hue：

2/Sat：

3

输出数据统计时忽略零值：

IgnoreZeroinStats

OK，执行HIStoRGB变换

四.实验心得

通过这次实验了解到遥感图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。

只要图像在数字化时准确地表现了原稿，则遥感图像处理过程始终能保持图像的再现。

处理精度高

按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。

现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。

对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。

换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。

回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。

适用面宽

图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。

从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。

这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。

即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。

灵活性高

图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。

而遥感数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用遥感数字图像处理实现。