遥感图像处理课程实习报告学生姓名：王蜀越班学号：学号：指导教师：王红平、许凯中国地质大学信息工程学院2017年7月1日目录目录 ............................................................................................................................................... - 1 - 实习一：影像融合........................................................................................................................ - 2 -1.1【实习目的】 (2)1.2【实习步骤】 (2)1.3【实习过程】 (2)实习二：几何校正........................................................................................................................ - 6 -2.1【实习内容】 (6)2.2【实习步骤】 (6)2.3【实习过程】 (6)实习三：影像分类（一）.......................................................................................................... - 10 -3.1【实习内容】 (10)3.2【实习步骤】 (10)3.3【实习过程】 (10)实习四：影像分类（二）.......................................................................................................... - 14 -4.1【实习内容】 (14)4.2【实习步骤】 (14)4.3【实习过程】 (14)心得与感想 ................................................................................................................................. - 18 -实习一：影像融合1.1 【实习目的】1.掌握遥感影像融合的基本原理、内容和要点；2.掌握在ENVI中遥感影像融合的操作方法、步骤；3.进一步熟悉ENVI软件的操作。
1.2 【实习步骤】（1）实习流程图：（2）参数设置及中间结果：无1.3 【实习过程】（1）影像融合的内容图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。
高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。
其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。
（2）图像融合过程（3）几种常见的融合算法IHS融合算法在计算机内定量处理色彩时，通常采用RGB表色系统，但在视觉上定性地描述色彩时，采用IHS显色系统更直观些。
IHS显色系统采用色调（Hue）、饱和度（Saturation）、亮度（Intensity）表示颜色。
IHS融合又称为“I分量替换法”，即用全色图像代替多光谱图像的I分量，并与其H 和S分量相结合进行IHS逆变换获得融合图像。
IHS图像融合的基本步骤：（1）对两幅图像进行几何配准，并将多光谱图像重采样与全色图像分辨率设置一致；（2）对多光谱图像进行IHS变换，将图像变换之IHS空间；（3）对全色图像和多光谱图像的I分量进行直方图匹配；（4）用直方图配准后的全色图像代替多光谱图像的I分量；（5）对I分量替换后的多光谱图像进行IHS逆变换至RGB空间，得到融合图像。
通过变换、替代、逆变换获得的融合图像既具有全色高分辨率的特点，又保持了多光谱图像的色调和饱和度。
虽然融合后图像清晰度提高了，但光谱信息损失严重，即产生颜色失真。
如果融合结果图像应用以光谱分析为主就不太适合选择该方法。
PCA变换法PCA（Principal Component Analysis）变换又称为K-L变换（主成分变换）。
它是将N个波段的低分辨率图像进行KL变换，将单波段的高分辨率图像经过灰度拉伸，使灰度的均值与方差和KL变换第一分量图像一致；然后以拉伸过的高分辨率图像代替第一分量图像，经过KL逆变换到原空间。
PCA变化法的基本步骤：（1）对多光谱图像进行主成分分析，用相关矩阵求特征值和特征性向量，然后求各主分量；（2）将空间配准后的单波段高分辨率图像与第一主分量图像做直方图配准；（3）用配准后的单波段高分辨率图像代替第一主分量；并将与其余主分量做逆变换得到融合图像。
PCA变换法最大的优点是可以应用任意数目的波段，克服了IHS变换只能用于三个波段的缺陷。
经过融合后的图像包括了两幅原始图像高空间分辨率和高光谱分辨率特征，保留了原图像的高频信息。
利用ENVI进行图像融合ENVI中提供的融合方法有HSV变换和Brovey变换，这两种方法要求数据具有地理参考或者具有相同的尺寸，RGB输入波段必须为无符号8-bit数据或者从打开的彩色Display中选择。
图1 ENVI提供的图像融合办法本次实习我选择了Brovey变换和Gram-Schmidt变换下面是使用Brovey变换操作过程：①选择File->open,打开‘TM-30m.img’和‘blrd_sp.img’文件。
②选择T oolbox->Image Sharping->Gram-Color Normalized（Brovery）,在Select Input RGB中选择波段列表中的波段，我分别选择了TM-30m的123波段和321波段来做对比。
波段选择后点击OK。
③在High Resolution Input File中选择blrd_sp.img文件④设置输出路径，点击OK。
图2 Brovey变换图3 Brovey变换细节图使用Gram-Schmidt Pan Sharping融合①选择File->open,打开‘TM-30m.img’和‘blrd_sp.img’文件。
②选择T oolbox->Image Sharping->Gram-Schmidt Pan Sharping,Low Spatial Resolution选择TM-30m,High Spatial Resolution选择blrd_sp.img。
③设置‘Pan Sharping Parameters’面板，参数设为默认值，设置输出路径，点击‘OK’得到融合后图像。
图4 Schmidt Pan Sharping变换实习二：几何校正2.1 【实习内容】1）巩固影像几何校正的基本原理。
2）熟练掌握影像几何校正处理流程和操作步骤。
3）掌握几何校正精度评估原理和方法。
2.2 【实习步骤】（1）实习流程图：（2）数据待校正影像2.3 【实习过程】（1）几何校正的内容遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。
遥感影像图的几何校正目前有3种方案，即系统校正、利用控制点校正以及混合校正。
遥感数据接收后，首先由接收部门进行校正，这种校正叫系统校正(又叫几何粗校正)，即把遥感传感器的校准数据、传感器的位置、卫星姿态等测量值代人理论校正公式进行几何畸变校正；而用户拿到这种产品后，由于使用目的不同或投影及比例尺不同，仍旧需要做进一步的几何校正，这就需要对其进行几何精校正即利用地面控制点GCP(GroundContro-Point）对因其他因素引起的遥感图像几何畸变进行纠正。
混合校正则是由一般地面站提供的遥感CCT已经完成了第一阶段的几何粗校正，用户所要完成的仅仅是对图像做进一步的几何精校正。
（2）几何校正的过程（3）利用ENVI进行几何校正本次实习采取的是ENVI里面的image to image的方式进行几何校正。
①打开并显示图像文件打开ENVI软件，将几何校正前与几何校正后的两幅图通过不同的窗口显示出来。
#1为几何校正前的图像，#2为几何校正后的图像。
可将图像通过link display简单地连接起来。
②启动几何校正模块点击工具栏中Map，找到registration，选择select GCPs:Image to Image。
在弹出的对话框中选择display #2作为base image，也就是基准图像，而display #1作为warp image待校正的图像。
选好后点击OK，进入采集地面控制点。
图5 选择参考图像和待校正图像③采集地面控制点在两个Display中移动方框位置，寻找明显的地物特征点作为输入GCP；图6 采取控制点在ground control points selection上，单击add point按钮，将当前找到的点收集；图7 选取控制点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。
Ground control points selection上的predict按钮可用来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add point按钮，将当前找到的点收集。
随着控制点数量的增多，预测的的精度越来越精确。
选择option 里的auto predict，打开自动预测功能，这是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），可利用自动找点功能；在ground control points selection上，选择options里的automatically generate points，选择一个匹配波段，单击OK；在automatic tie point method parameter对话框中，选择可将tie点的数量（number of tie points）设为60；其他默认参数，点击OK；选择ground control points selection中的show list按钮，可看到方才选取的所有控制点的相关信息列表；图8 检查GCP精度可通过选择列表中option里的order point by error由高到低排列RMS值来查看选择点的信息。
