遥感原理及图像处理课程设计报告.docx

遥感原理及图像处理课程设计报告.docx

《遥感原理及图像处理课程设计报告.docx》由会员分享，可在线阅读，更多相关《遥感原理及图像处理课程设计报告.docx（55页珍藏版）》请在冰点文库上搜索。

遥感原理及图像处理课程设计报告

遥感原理及图像处理课程设计报告

学生姓名：

学号：

班级：

长江大学

2014年1月10日

一、前言...............................................................................................................1

二、TM多波段单色图像的几何纠正....................................................................1

（一）任务简介...............................................................................................1

（二）问题分析及解决方案设计......................................................................2

（三）处理步骤...............................................................................................9

三、多光谱影像与全色波段的融合.......................................................................19

（一）任务简介..............................................................................................19

（二）问题分析及解决方案设计.....................................................................19

（三）处理步骤..............................................................................................21

四、武汉市城区及其周边TM多波段单色图像的增强处理及概略目视判读.......27

（一）任务简介..............................................................................................27

（二）问题分析及解决方案设计....................................................................27

（三）处理步骤..............................................................................................28

五、武汉市城区及其周边TM多波段图像的计算机分类....................................29

（一）任务简介..............................................................................................29

（二）问题分析及解决方案设计....................................................................29

（三）处理步骤..............................................................................................30

六、林冠状态遥感动态监测.................................................................................39

（一）任务简介..............................................................................................39

（二）问题分析及解决方案设计....................................................................29

（三）处理步骤..............................................................................................30

一、前言（课程设计的性质、目的、课程设计的内容、取得的主要进展。

）

一、课程设计的目的

本课程设计是在学完《遥感原理与图像处理》课程后开展的实践教学。

目的是巩固课堂

所学书本知识，进一步理解和掌握遥感图像增强、遥感图像变换、遥感图像分类等方面的原

理和方法，学会一般遥感图像处理软件的使用。

二、课程设计内容

1、遥感图像几何纠正

要求：

用两种数据源对TM影像做几何纠正。

一种是通过SPOT影像对TM做几何校正。

一种是

通过矢量文件进行几何校正。

数据准备：

TM数据：

bldr_tm.img，SPOT数据：

bldr_sp.img，矢量数据：

bldr_rd.dlg

提示：

1）bldr_rd.dlg不是ENVI的.evf矢量格式文件，需要对它进行格式转换。

2）通过矢量文件的几何校正方法和实习一步骤相似，用的是ImagetoMap模块。

在

矢量文件上采集控制点时需要用右键导入控制点坐标。

2、遥感影像融合

要求：

1、将QuickBird的多光谱影像qb_boulder_msi.img和全色影像qb_boulder_pan.img进行

融合处理。

数据准备：

多光谱影像qb_boulder_msi.img，全色影像qb_boulder_pan.img

提示：

影像融合的步骤参考实习二的内容。

3、遥感图像增强处理

要求：

分析武汉市城区及其周边的一景4幅TM多波段单色图像，选择合适的增强处理

方案对图像进行增强处理，以增强图像的目视判读效果，对图幅内主要地物进行目视判读，

将地物名称标注于标准假彩色合成图上。

数据准备：

WTMW2.BMP、WTMW3.BMP、WTMW4.BMP、WTMW5.BMP

提示：

1）因为BMP不是ENVI的常见数据，需要用openexternalfile的方式打开。

2）对各单色图像进行反差增强处理，同时选择合适的波段进行真彩色和标准假彩色合成处理，然后通过单色图像、真彩色合成图像、标准假彩色合成图像的对比分析，并结合教材中植被、水等的反射光谱特征识别主要地物。

至少识别出城区、植被、农田、鱼池、道路、不同水质的水体等地物，列举出识别依据。

3）增强方法用发差增强的方法，参照实习三中项目二的内容。

4、遥感图像分类

要求：

对武汉市城区及其周边的一景4幅TM多波段单色图像进行计算机监督分类，本

次分类类别数为6，城区、植被、农田、鱼池、道路、不同水质的水体。

并将计算机分类结

果与目视判读的结果进行比较。

数据准备：

WTMW2.BMP、WTMW3.BMP、WTMW4.BMP、WTMW5.BMP

提示：

监督分类参照实习四的内容

5、动态监测

要求：

1）完成实习五的内容

2）做林冠状态遥感动态监测，林冠是森林与大气相互作用的关键界面，林冠状态主要

包括林隙、绿叶生物量、林木树叶量等方面的内容，它反映了森林的健康状况。

数据准备：

2002年和2007年的QuickBird多光谱图像。

提示：

主要技术路线:

对不同时相的同一种植被指数作差值运算得到植被指数差，这些植被指数差能反映两个时间段森林林冠变化状况;确定一定的阈值范围，阈值范围反映监测区森林健康状况变化情况，即林冠状态的变化，从而提取虫害受灾区域。

1）可以用ENVI提供的SPEAR流程化图像处理工具，它将现有的一些图像处理功能集成在一个界面下，采用流程化的向导式操作方式。

2）林区提取时用NDVI，满足条件的区域选为感兴趣区。

用到Transform→NDVI,NDVI

阈值MinThreshValue:

0.3,MaxThreshValue:

1。

用subsetdataviaROIs裁剪林区。

3）变化监测方法为差值运算。

4）用阈值法提取森林健康信息。

用直方图寻找阈值，阈值为谷值点位或凸值点位。

提取森林灾区，将灾区分为严重区和一般区。

二、TM多波段单色图像的几何纠正

（一）任务简介

引起图像几何变形一般分为两大类:

系统性和非系统性。

系统性一般由传感器本身引起，有规律可循和可预测性，可以用传感器模型来校正，卫星地面接收站已经完成这项工作;非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。

我们常说的几何校正就是消除这些非系统性几何变形。

（二）问题分析及解决方案设计（分析任务的实质，主要需进行哪些方面的处理，规划出处理流程，绘出流程图。

）

1、ENVI提供以下几种校正方法

1）利用卫星自带地理定位文件进行几何校正2）ImagetoImage几何校正

3）ImagetoMap几何校正4）ImagetoImage自动图像配准

2、ENVI提供几何校正计算模型

三种计算模块:

·仿射变换（RST）·多项式模型（Polynomial）·局部三角网（Triangulation）

3、重采样方法

重新定位后的像元在原图像中分布是不均匀的，即输出图像像元点在输人图像中的行列号不是或不全是正数关系。

因此，需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。

ENVI提供的内插方法包括:

1）最近邻法2）双线性内插法3）三次卷积内插法

（三）处理步骤（详细叙述完成任务的每一步骤，每一步都应附该步骤生成的图像或相关文档。

）

1）bldr_rd.dlg不是ENVI的.evf矢量格式文件，需要对它进行格式转换。

图1.1矢量数据

2）通过矢量文件的几何校正方法和实习一步骤相似，用的是ImagetoMap模块。

在矢量文件上采集控制点时需要用右键导入控制点坐标。

1、打开和显示图像

选择主菜单→File→OpenImageFile，将bldr_sp.img（SPOT图像）和bldr_tm.img（TM

图像）文件打开，并将他们分别显示在Display中。

2、启动几何校正模块

选择主菜单→Map→Registration→SelectGCPs:

ImagetoImage，打开几何校正模块。

选择显示SPOT文件的Display为基准图像（BaseImage），显示TM文件的Display为待校正图像（WarpImage），点击OK按钮，进人采集地面控制点。

3、采集地面控制点

1）在GroundControlPointsSelection对话框中，选择Options→PointColors，修改GCP

在可用和不可用状态的颜色。

2）在两个Display中移动方框位置，寻找明显的地物特征点作为输入GCP。

3）在Zoom窗口中，点击左小下角第三个按钮，打开定位十字光标，将十字光标移到相同点上。

4）在GroundControlPointsSelection上，单击AddPoint按钮，将当前找到的点收集。

5）用同样的方法继续寻找其余的点，当选择控制点的数量达到3时，RMS被自动计算。

GroundControlPointsSelection上的Predict按钮可用，这时在基准图像显示窗口上面定位一个特征点，单击Predict按钮，校正图像显示窗口上会自动预测区域，适当调整一下位置，单击AddPoint按钮，将当前找到的点收集。

随着控制点数量的增多，预测点的精度越来越精确。

6）选择Options→AutoPredict，打开自动预测功能，这时在基准图像显示窗口上面定位一个特征点时，校正图像显示窗口上会自动预测。

当选择一定数量的控制点之后（至少3个），可以利用自动找点功能。

7）在GroundControlPointsSelection上，选择Options→AutomaticallyGeneratePoints，选择一个匹配波段，如选择信息量多Band5，单击OK按钮。

8）在AutomaticTiePointMethodParameter对话框中。

这里设置Tie点的数量（NumberofTiePoints）:

60;其他选择默认参数（图2.3），点击OK按钮。

9）在GroundControlPointsSelection上，单击ShowList按钮，可以看到选择的所有控制点列表，如图2.4所示。

10）选择ImagetoImageGCPList上的Options→OrderPointsbyError，按照RMS值由高到低排序。

11）对于RMS过高，一是直接删除，选择此行，按Delete按钮;二是在两个图像的ZOOM窗口上，将十字光标重新定位到正确的位置，点击ImagetoImageGCPList上的Update按钮进行微调。

12）在GroundControlPointsSelection上，RMS值小于1个像素时（根据实际情况判断最小RMS值），点的数量足够且分布均匀，完成控制点的选择。

13）在GroundControlPointsSelection上，选择File→SaveGCPstoASCII，将控制点保存。

4、选择校正参数输出结果

有两种校正输出方式:

WarpFile和WarpFile（asImageMap）。

1）WarpFile

•在GroundControlPointsSelection上，选择Options→WarpFile，选择校正文件（TM

文件）。

•在校正参数对话框中（图2.5），校正方法选择多项式（2次）。

•重采样选择Bilinear，背景值（Back-ground）为0。

•OutputImageExtent:

默认是根据基准图像大小计算，可以进行适当调整。

•选择输出路径和文件名，单击OK按钮。

这种校正方式得到的结果，它的尺寸大小、投影参数和像元大小（如果基准图像有投影）

都与基准图像一致。

2）WarpFile（asImageMap）

•在GroundControlPointsSelection上，选择Options→WarpFile（asImageMap），选

择校正文件（TM文件）。

•在校正参数对话框中（图2.6）,默认投影参数和像元大小与基准图像一致。

•投影参数不变，在X和Y的像元大小输人30m，按回车，图像输出大小自动更改。

•校正方法选择多项式（（2次）。

•重采样选择Bilinear，设置背景值（Background）为0。

•OutputImageExtent：

默认是根据基准图像大小计算，可以进行适当调整。

•选择输出路径和文件名，单击OK按钮。

图1.2校正图像

5、检验校正结果

检验校正结果的基本方法是:

同时在两个窗口中打开图像，其中一幅是校正后的图像，

一幅是基准图像，通过视窗链接（（LinkDisplays）及十字光标或者地理链接（GeographicLink）

进行关联。

在显示校正结果的Image窗口中，从右键快捷菜单中选择GeographicLink命令，选择需要链接的两个窗口，打开十字光标进行查看，如图2.7所示。

图1.3检验校正结果

三、多光谱影像与全色波段的融合

（一）任务简介

图像融合：

多源遥感图像按照一定的算法，基于规定的坐标系，生成新的图像的过程。

1、融合的原因：

（1）单一传感器获取的信息量有限，难以满足应用需要

（2）通过图像融合可以取长补短，获得更多的有用信息。

（3）不同传感器获取的同一地区的图像，由于其波长范围不同、几何特性不同、分辨力不同等因素，不能用简单的叠合方法使它们组合。

2、融合的目的：

使融合后的图像既有较高的空间分辨率（清晰度度提高，增强图像细节），又具有多光谱特征（可以生成彩色图像）

3、关键技术：

融合前两幅图像的精确配准；重采样；融合方法的选择

（二）问题分析及解决方案设计（分析任务的实质，主要需进行哪些方面的处理，规划出处理流程，绘出流程图）

融合方法：

1）HSV锐化2）彩色标准化（Brovey）锐化

3）Gram-Schmidt波谱锐化4）PC波谱锐化5）CN波谱锐化

（三）处理步骤（详细叙述完成任务的每一步骤，每一步都应附该步骤生成的图像或相关文档。

）

1、将QuickBird的多光谱影像qb_boulder_msi.img和全色影qb_boulder_pan.img进行融合处理。

数据准备：

多光谱影像qb_boulder_msi.img，全色影像qb_boulder_pan.img

2.打开融合的两个文件（TM-30m和bldr_sp）

3.在ENVI的主菜单选择Transform→ImageSharpening→HSV。

4.如果调整过大小的TM彩色影像已在显示窗口中，则可以在SelectInputRGB对话框中直接选择合适的影像显示窗口。

否则，就要在SelectInputRGBInputBands对话框中，选择“RedLayer”、“GreenLayer”和“BlueLayer”所相对应的调整过大小的TM影像波段，然后点击OK。

5.从HighResolutionInputFile对话框中选择SPOT影像，点击OK。

6.输入输出文件名，在HSVSharpeningParameters对话框中点击OK按钮输出结果。

图2.1影像融合结果

四、武汉市城区及其周边TM多波段单色图像的增强处理及概略目视判读

（一）任务简介

使用Filter菜单可以进行如下操作，包括：

卷积滤波Convolutions、形态学滤波

Morpology、纹理滤波Texture、自适应滤波Adaptive和频率域滤波FFTFiltering。

滤波通常通过消除特定的空间频率来使图像增强。

空间频率通常描述亮度或DN值与距离的方差，图像包括多种不同的空间频率。

例如：

消除一幅图像的高频信息将会使图像平滑。

卷积滤波在空间域对图像进行滤波。

形态学滤波以形态为基础对图像进行处理。

纹理滤波从图像中提取纹理信息。

自适应滤波器在抑制噪声的同时保留了图像的尖锐信息和细节。

傅立叶滤波在频率域对图像进行滤波。

卷积（Convolutions）滤波是通过消除特定的空间频率来增强图像。

根据增强类型（低频、中频和高频）可分为低通滤波、带通滤波和高通滤波。

此外，还有增强图像某些方向特征的方向滤波等。

它们的核心部分是卷积核。

ENVI提供很多卷积核，包括高通滤波、低通滤波、普拉斯算子、方向滤波、高斯高通滤波、高斯低通滤波、中值滤波、Sobel、Roberts，还可以自定义卷积核。

（二）问题分析及解决方案设计（分析任务的实质，主要需进行哪些方面的处理，规划出处理流程，绘出流程图）

可以通过选择和编辑一个用户变换核，定义常用的卷积变换核（包括矩形或正方形变换核）。

（三）处理步骤（详细叙述完成任务的每一步骤，每一步都应附该步骤生成的图像或相关文档。

说明图像增强所用模块，增强方法。

）

1）因为BMP不是ENVI的常见数据，需要用openexternalfile的方式打开。

图3.1

2）对各单色图像进行反差增强处理，同时选择合适的波段进行真彩色和标准假彩色合成处理，然后通过单色图像、真彩色合成图像、标准假彩色合成图像的对比分析，并结合教

材中植被、水等的反射光谱特征识别主要地物。

至少识别出城区、植被、农田、鱼池、道路、不同水质的水体等地物，列举出识别依据。

图1.2真彩色

图1.3标准假彩色

3）增强方法用发差增强的方法，参照实习三中项目二的内容。

三、实习步骤

1.打开一个多光谱图像并在Display中显示在主图像窗口中，选择Enhance

→InteractiveStretching，打开交互式直方图拉伸操作对话框。

图4.2交互式直方图拉伸操作对话框

可以用鼠标选择RGB波段。

在状态栏中列出拉伸类和直方图来源，或者当前十字指针指定DN值和指定DN值的像元数、直方图以及累积直方图。

2.要浏览像元DN值和指定DN值的像元个数、百分比以及累积百分比，可以在直方图内按住鼠标左键并拖动随之产生的白色十字交叉指针，在状态栏中显示信息。

3.在交互式直方图拉伸操作对话框中，选择Stretch_Type→拉伸方法。

由于不同拉伸方法操作和参数设置不一样，下面一一介绍。

1）Linear-（线性拉伸）

选择Stretch_Type→Linear。

选择Options→AutoApply，打开自动应用功能。

设定拉伸范围，使用鼠标左键，移动输入直方图中的垂直线（白色虚线）到所需要的位置。

或在Stretch文本框内输人所需要的DN值或一个数据百分比。

2）PiecewiseLinear（分段线性拉伸）

•选择Stretch_Type→PiecewiseLinear。

选择Options→AutoApply，打开自动应用功能。

一个转换函数（初始为一条白色直线）将被绘制在输入直方图中。

在输入直方图的任何位置点击鼠标中键，为转换函数增加一个节点，绘制的线段将把端点和绘制的节点标记连接起来。

要移动一个点的位置，在标记上按住鼠标左键，然后把它拖放到一个新位置。

要删除点，在标记上点击鼠标右键。

也可以手动地键入输入和输出值，选择Options→EditPiecewiseLinear。

3）Gaussian（高斯拉伸）

•选择Stretch_Type→Gaussian。

选择Options→AutoApply，打开自动应用功能。

设定拉伸范围，使用鼠标左键。

移动输入直方图中的垂直线（白色虚线）到所需要的位置，或在Stretch文本框内输入所需要的DN值或一个数据百分比。

选择Options→SetGaussianStdv，设置高斯标准差。

输出直方图用一条红色曲线显示被选择的Gaussian函数。

被拉伸数据的分布呈白色，并叠加显示在红色Gaussian函数下。

4）Equalization（直方图均衡化拉伸）

•选择Stretch_Type→Equalization。

选择Options→AutoApply,打开自动应用功能。

设定拉伸范围。

使用鼠标左键，移动输入直方图中的垂直线（白色虚线）到所需要的位置，或在Stretch文本框内输入所需要的DN值或一个数据百分比。

根据拉伸DN值范围自动缩放数据。

使每个直方图bin中的DN数相均衡。

输出直方图用