遥感实习报告 小实验.docx
《遥感实习报告 小实验.docx》由会员分享,可在线阅读,更多相关《遥感实习报告 小实验.docx(36页珍藏版)》请在冰点文库上搜索。
遥感实习报告小实验
实验一、典型地物的光谱反射特征
一、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。
二、实验数据与原理
数据:
ENVI自带的波谱库。
原理:
入射到物体表面的电磁波与物体发生三中作用:
反射、吸收和投射。
不同地物的反射、投射和吸收能力不同,既地物的波普特性。
遥感传感器能够记录地物本身发射的电磁波信息和地物反射太阳光的电磁波信息。
三、实验过程与结果
启动ENVI软件,拷贝实验所需原始数据并修改文件名。
在主菜单中打开Spectral--->SpectralLibraries--->SpectralLibraryViewer;打开SpectralLibraryInputFile对话框,点击open--->newfile;打开原始文件夹,然后分别选择雪、植被、水体、土壤、矿物岩石的波普图文件,得到五种物质在不同状态下的波普曲线图
图1为雪在五种不同状态下的波普图,观察图可得,不同状态的雪在波长0.5微米附近有个波峰,随着波长增加反射率逐渐降低,在可见光波段基本上是非选择性吸收体,既高反射体,但在近红外波段吸收很强。
图2为三种植物的波普反射曲线,三种植物分别为confier(针叶树)、decidous(落叶植物)、grass(草)。
观察图可看出在可见光波段0.55微米(绿光)附近的反射率较低,10%~20%左右,两侧0.45微米(蓝光)和0.67微米(红光)则有两个吸收带。
在近红外波段1.2~1.5微米件有一个反射的陡坡,至1.6微米附近有一峰值在2~3微米件吸收率大增,反射率大大下降
图(3)绘出了纯净水、海水的波普曲线,观察图可得出水在波长1微米左右的反射率较高,近红外波段的反射率很低。
四、实验体会
不同的地物一般有不同的反射率,根据此原理可以区分不同的地物。
实验二:
遥感图像目视解译
一、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。
二、实验数据与原理
利用ENVI的折线注记功能,获取徐州三环路的矢量图;
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。
三、实验过程与结果
File→OpenImageFile,选择2000年的徐州TM影像图。
选择
overlay—Annotation,利用注记功能在地物上添加文字和符号。
在经典地物上选择合适的符号,forexampleRectangle,andputitinarightplace.
操作方法:
以云龙湖为例,在右窗口中选择symbol,选择三角形,鼠标左键在主窗口中定位,然后调整大小。
TakeYunlongasexample,selectsymbolandchooseit,clicktheleftmouseandadjustittoaproperplace,thenclicktherightmousetoensurethemove.
公路注记:
重新打开2000年的影像图,overlay—Annotation---object---polygon,选择合适的线条和color,选择windows为scroll,在scroll中进行操作。
Thefinalresult:
四、实验体会
添加注记比较有技巧,需掌握。
实验三遥感影像匹配
一、实验目的
在ENVI平台下,以2001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。
二、实验数据与原理
徐州2000年与1994年遥感影像图
三、实验过程与结果
打开并显示影像文件:
1、File-OpenImageFile选择徐州市1994年和2000年的影像文件
2、在AvailablebandsList中选择2000年影像作为#1,94年得影像作为#2,分别加载
开始进行影像配准并加载地面控制点
1.从ENVI主菜单栏中,选择Map→Registration→SelectGCPs:
ImagetoImage。
2.在ImagetoImageRegistration对话框中,点击并选择Display#1(2000年影像),作为BaseImage。
点击Display#2(1994年影像),作为WarpImage。
然后选择同名地物点,并选择添加
选择GCP时,最好选择道路的交叉处或者明显的地方,均匀选点并选择8个左右的点。
并选择保存注记。
最终选择了九个地物点,结果如下
配准到此结束
下面进行影像校正(仅对显示波段进行校正)
1.从GroundControlPointsSelection对话框中,选择Options→WarpDisplayedBand。
2.在RegistrationParameters对话框中的WarpMethod按钮菜单中,选择RST。
在Resampling的按钮菜单中选择NearestNeighbor重采样法。
输入文件名test3-ljs-01.wrp,点击OK。
4.重复步骤1和步骤2,还是使用RST校正法,但是要相应地选择Bilinear和CubicConvolution重采样法。
5.将结果分别输出到test-ljs-02.wrp和test-ljs-03.wrp文件中。
6.再一次重复步骤1和步骤2,这一次选择一次多项式Polynomial校正法,并使用CubicConvolution重采样法。
然后再选择Delaunay三角网的Triangulation校正法,相应地使用CubicConvolution重采样法。
7.将结果分别输出到test-ljs-04.wrp和test-ljs-05.wrp文件中。
图像编号
校正
重采样
Test3-ljs-01
RST
NearestNeighbour
Test3-ljs-02
RST
Bilinear
Test3-ljs-03
RST
CubicConvolution
Test3-ljs-04
Polynomial
CubicConvolution
Test3-ljs-05
Delaunay
CubicConvolution
比较校正结果
使用动态链接来比较校正结果:
1.在可用波段列表中,点击原始的TM波段影像名bldr_tm.img,然后从菜单栏中,选择File→CloseSelectedFile。
2.在随后出现的ENVI警告对话框中,点击Yes关闭相应的影像文件。
3.在可用波段列表中,选择test-ljs-01.WRP文件。
在Display#下拉式按钮中选择NewDisplay,点击LoadBand将该文件加载到一个新的显示窗口中。
4.在主影像窗口中,点击鼠标右键,选择Tools→Link→LinkDisplays。
5.在LinkDisplays对话框中,点击OK,把2000年影像和校正后的1994年影像链接起来。
6.在主影像显示窗口中,点击鼠标左键,使用动态链接功能,对2000年影像和校正后的1994年影像进行比较。
7.将test-ljs-02.wrp和test-ljs-03.wrp影像加载到新的显示窗口中,使用影像动态链接功能,比较采用三种不同的重采样法(最临近法、双线性内插法和三次卷积法)所产生的效果。
结果发现在使用最近邻法重采样的影像中的锯齿状像素,而使用双线性内插法重采样的影像看起来更加平滑,使用三次卷积法重采样的影像是最好的结果,不但有平滑效果,而且保持了影像的细节特征。
8.在相应的主影像窗口中,选择File→Cancel,关闭test-ljs-01.wrp(RST校正,最近邻法重采样)和test-ljs-02.wrp(RST校正,双线性内插法重采样)影像的显示窗口。
9.将test-ljs-04.wrp和test-ljs-05.wrp影像加载到新的显示窗口中,使用影像动态链接功能,同test-ljs-03.wrp影像(RST校正)进行比较。
输出结果:
Test3-ljs-01(RSTNearestNeighbour)与2000年进行比较
Test3-ljs-02(RSTBilinear)与2000年进行比较
Test3-ljs-03(RSTCubicConvolution)与2000年影像进行比较
Test3-ljs-04(PolynomialCubicConvolution)与2000年影像进行比较
Test3-ljs-05(DelaunayCubicConvolution)与2000年影像进行比较
四、实验体会
配准时,需选择一定的地物点,如道路的交叉处,河流房屋等边缘位置。
调节位置,可提高配准精度。
实验四遥感影像增强
一、实验目的
学习ENVI软件的基本操作,能够将图像进行相应变换和增强处理,在此操作中加深对理论知识的理解和掌握,完成
(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
二、数据介绍
实验数据为徐州2000年TM数据
三、实验过程
(一)空间域增强
点运算
1.线性对比度拉伸LinearContrastStretch)
线性变换所用的变换函数是线性的或分段线性的,是将像元值的变动范围按线性关系扩展到指定范围,变换函数y=a*x+b.目的是为了改善图像的对比度,改变图像像元的灰度值。
线性对比度拉伸是系统默认的交互式拉伸。
线性拉伸的最小和最大值分别设置为0和255,两者之间的所有其它值设置为中间的线性输出值
具体做法如下所示:
Enhance->interactivestretching,从InteractiveContrastStretching对话框内,选择Stretch_Type>LinearContrastStretch,要限定最小和最大输入值,点击“Apply”,把拉伸应用于显示的数据。
如图
图像变化如下:
2分段线性对比度拉伸(PiecewiseLinearContrastStretch)
分段线性变换就是在一些灰度段拉伸,另一些灰度段压缩
分段线性对比度拉伸可以通过使用鼠标在输入直方图中放置几个点进行交互地限定。
当在点之间提供线性拉伸时,线段在点处连接起来。
具体做法如下所示:
选择Stretch_Type>PiecewiseLinear.,要限定最小和最大输入值,点击“Apply”,把拉伸应用于显示的数据。
如图
3高斯对比度拉伸(GaussianContrastStretch)
系统默认的Gaussian拉伸是围绕DN平均值127的三个标准差的数据分布(centeredatameanDNof127withthedatadistributedoverarangeof3standarddeviations)。
选择Stretch_Type>Gaussian,输入拉伸的最小和最大值,点击“Apply”,把拉伸应用于显示的数据。
4直方图均衡化对比度拉伸(HistogramEqualizationContrastStretch)
直方图均衡化的随机分布的图像直方图修改成均匀的直方图,又叫拉
平扩展,实质是对图像进行分线性拉伸,重新分配图像像元值,使一定灰度
范围内的像元值数量大致相等。
要自动缩放数据以与每个直方图中bin的DN数均衡:
选择Stretch_Type>Eualization.,点击“Apply”,输入拉伸的最小和最大值,拉伸应用于显示的数据。
平方根对比度拉伸(SquareRootContrastStretch和任意对比度拉伸和直方图匹配(ArbitraryContrastStretchingandHistogramMatching)操作过程同上
邻域运算
1.图像卷积运算
卷积运算是在空间域上对图像进行领域检测的运算,采用模板,实际上是一个M*N的小图像。
Functions>InteractiveAnalysis>SpatialPixelEditor.要为一个像元输入一个新值,点击表格中的像元值,使用空格键删除当前值,输入所需要的值,然后按回车。
要用4个或8个周围像元的平均值来替代一个像元的值,点击表格中的像元值,然后选择Options>Replacecellwith4pixelaverageorReplacecellwith8pixelaverage.
2.锐化(Sharpen)
锐化也称高通滤波,主要是增强图像中的高频成分,突出图像的边缘信息,提高图像的细节反差,所以叫边缘增强。
锐化滤波对图像显示窗口内(image、scroll和zoom)的数据执行高通卷积。
可利用三种锐化滤波器类型,每个后面添加一个不同的数据值。
“Sharpen”附近方括号内的数字是核的中心值。
因此,括号中数值较高的滤波在滤波以后,有较多的原始数据保留并附加到滤波图象上。
Enhancements>Filter>Sharpen,结果见下图
3.平滑(Smooth)
平滑又叫低通滤波,目的在于消除图像中的各种干扰噪声,使图像中高频成分消退,平滑掉图像的细节,使反差降低,保存低频成分。
可使用两种平滑滤波器。
“Smooth[3×3]”滤波器使用一个大小为3×3的核,“Smooth[5×5]”滤波器使用一个大小为5×5的核。
核越大,滤波后越平滑。
Functions>Enhancements>Filter>Smooth结果见图
4.中值(Median)
中值滤波是将领域中的像素按灰度级排序,取其中间值为输出像素。
可使用两种中值滤波器,核大小分别为3×3和5×5。
中值滤波器用核的中值来代替中央的像元值。
这些滤波器有助于减少盐点和胡椒粉类型的噪音或斑点。
Functions>DisplayEnhancements>Filter>Median见图
(二)频率域增强
1.傅立叶变换
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。
2.频率域平滑
去除噪声,改善图像质量,常采用低通滤波器来抑制高频部分,然后在进行傅立叶逆变换的滤波图像,从而可达到平滑图像的目的。
常用的低通滤波器有四种:
理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器。
3.频率域锐化
突出图像的边缘和轮廓,采用高通滤波器来阻止或削弱低频成分,让高频成分通过,然后再进行傅里叶的到边缘锐化的图像。
常用的高通滤波器有四种:
理想高通滤波器、Butterworth高通滤波器、指数高通滤波器、梯形高通滤波器。
具体做法如下所示:
选择Filters>FFTFiltering>ForwardFFT,
现ForwardFFTInputFile对话框时,选择要被处理的数据,需要时,可以用子集。
文件选择程序与卷积滤波中用到的一样。
点击“OK”,现ForwardFFTParameters对话框,选用“File”或“Memory”输出。
选择Filters>FFTFiltering>FilterDefinition,选择好以后,如果显示出一幅FFT图像,应迅速选择包含FFT图像的显示数(号),或指出滤波器不与一次特殊显示相关。
从Filter_Type下拉菜单下方的滤波列表里,选择一种滤波类型,并设置需要的参数。
用“NumberofBorderPixels”参数控制用于taper滤波器(平滑滤波边缘)的像元数。
零值代表没有平滑。
选择输出到“File”or“Memory”,若需要,选择一个输出文件名。
点击“Apply”建立FFT滤波器。
选择Filters>FFTFiltering>InverseFFT。
出现InverseFFTInputFile对话框时,选择要处理的正向的FFT数据。
出现InverseFFTFilterFile对话框,选择应用的滤波图像。
滤波图像必须是以前用上面描述的滤波定义程序生成的。
?
?
?
?
?
?
?
?
?
?
?
(三)彩色增强
1.伪彩色增强
密度分割是一种单波段图像彩色变换的方法,它是把单波段的黑白遥感图像按照亮度来分层,对于每一层赋予不同的颜色,使之成为一幅彩色图像,其中每一层包含的亮度值范围可以不同。
如果分层方案与地物光谱差异对应的很好,我们通过这种方法就可以区分出各种地物的类别。
具体做法如下所示:
Tools→ColorMapping→DensitySlice或Overlay→DensitySlice所要进行灰度值范围定义的波段
Densityslice框中对已经划分好的灰度值范围区间属性进行编辑,删除,变颜色。
只需要你点击EditRange、DeleteRange、ClearRange选项框进行操作。
点击Apply应用
变化前的灰度图像假彩色变换之后的灰度图像
2.假彩色合成
根据加色法的合成原理,选择遥感影像的某三个波段,分别赋予红,绿,蓝三种原色,就可以做成彩色合成的图像,这种图像处理方法就叫做彩色合成,它能够有效的突出更多的地物信息。
假彩色合成是彩色合成中的最常用的一种方法。
具体做法如下所示:
首先打开一幅TM图像1-7个波段,FileOpenImageFile:
点击AvailableBandsList对话框中RGBColor单选按钮。
在显示的波段列表中分别点击band3做R(红)变换、band2做G(绿)变换、band1做B(蓝)变换。
点击LoadRGB显示合成后的彩色图像。
灰度图像彩色图像
3.彩色变换
在图像处理中通常应用的有两种彩色坐标系统。
一种是由红(R)、绿(G)、蓝(B)三原色构成的彩色空间或坐标系统,这是我们之前所讲的彩色变化和增强处理的基础;另一种是彩色空间是由色调(H)、饱和度(S)和明度(I)三个变量构成的。
彩色系统变换主要是指这两种坐标系统之间的变换。
具体操作如下
RGB向HSV的转换:
在主菜单中点击TransformsColorTransforms
H:
S:
四、植被指数
五、多光谱变换
1、主成分变换
主成分变换是多元统计分析中的一个重要变换,是一种很重要的特征提取方法,减少计算量,可以用作分类图像的特征图像。
也可以单独应用作为一种重要的信息提取方法。
主成分与原始波段间的定量关系,主要是系数矩阵的解求,主成分的原理时已讲到系数矩阵T是原始波段协方差矩阵的特征向量矩阵的一个转置。
Transforms--PrincipalComponents--ForwardPCRotation--ComputeNewStatisticsandRotate出现如下ForwardPCRotationParameters对话框:
该对话框参数设置如下:
“StatsX/YResizeFactor”文本框键入小于1的调整系数,对计算统计值的数据进行二次抽样。
键入一个小于1的调整系数,以提高统计计算的速度。
例如,在统计计算时,用一个0.1的调整系数将只用到十分之一的像元。
点击按钮,选择基本“CovarianceMatrix”或“CorrelationMatrix”。
计算主成分时,有代表性地要用到协方差矩阵。
当波段之间数据范围差异较大时,要用到相关系数矩阵,并且需要标准化。
选用“File”或“Memory”输出。
在该对话框中选择Edit>DataValues,查看各成分的特征值的大小
主成分图像的6个波段如下图
缨帽变换
穗帽变换(又称K-T变换)是一种特殊的主成分分析,和主成分分析不同的是其转换系73数是固定的,因此它独立于单个图像,不同图像产生的土壤亮度和绿度可以互相转化比较。
随着植被的生长,在绿度图像上信息增强,土壤亮度上的信息减弱,当植被成熟和逐渐凋落时,其在绿色度图像特征减少,在黄色度上的信息增强。
这样的解释可以应用于不同的区域上的不同植被和作物,但缨帽变换无法包含一些不是绿色的植被和不同的土壤类型的信息。
选择TransformsTassledCap,出现TasseledCapTransformationInputFile对话框,选择输入的文件,用ENVI标准的选择程序输入文件。