下载文档原格式
遥感图像处理实验报告《遥感图像处理实验报告》摘要：本实验利用遥感技术获取了一幅卫星图像，通过图像处理技术对图像进行了处理和分析。
实验结果表明，遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
引言：遥感图像处理是利用遥感技术获取的图像进行数字化处理和分析，以获取有用的地理信息和环境数据的过程。
本实验旨在通过对遥感图像的处理和分析，探讨遥感图像处理技术在实际应用中的作用和意义。
实验方法：1. 获取卫星图像：选择一幅特定区域的卫星图像作为实验对象，确保图像质量和分辨率满足处理要求。
2. 图像预处理：对原始图像进行预处理，包括去噪、增强、几何校正等操作，以提高图像质量和准确性。
3. 图像分析：利用遥感图像处理软件对图像进行分类、特征提取、变化检测等分析，获取地理信息和环境数据。
4. 结果展示：将处理后的图像结果进行展示和分析，对图像处理技术的应用效果进行评估。
实验结果：经过处理和分析，得到了一幅清晰的遥感图像，并从中提取了有用的地理信息和环境数据。
通过图像分类和特征提取，可以准确地识别出不同地物类型，如建筑物、植被、水体等；通过变化检测，可以发现地表的变化情况，如城市扩张、土地利用变化等。
这些信息对于地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
结论：遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值，通过对遥感图像的处理和分析，可以获取丰富的地理信息和环境数据，为相关领域的决策和规划提供重要的支持。
在未来的研究中，可以进一步探讨遥感图像处理技术的改进和应用，以满足不同领域的需求。
遥感图像处理实验报告遥感图像处理实验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感图像处理实验报告遥感图像处理实习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。
（2）选择T oolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。
2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。
（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。
（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。
点击‘OK’，38区段文件裁剪后如图。
（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。
图像配准实验报告图像配准实验报告引言：图像配准是计算机视觉领域的重要研究方向，它涉及将多个图像或视频序列对齐以实现对比分析。
图像配准技术在医学影像、遥感图像、计算机图形学等领域具有广泛的应用。
本实验旨在探究不同配准算法在图像配准任务中的效果和性能。
一、实验背景图像配准是指将不同图像或图像序列的特定特征点对齐，使它们在空间上保持一致。
图像配准可分为刚体变换、仿射变换和透视变换等不同类型，具体方法包括特征点匹配、直接法和基于优化的方法等。
本实验选取了常用的特征点匹配方法进行研究。
二、实验过程1. 数据准备从开源数据集中选取了一组包含平移、旋转和缩放等不同变换的图像。
这些图像包含了不同场景和角度，以模拟实际应用场景。
2. 特征提取与匹配采用SIFT（尺度不变特征变换）算法提取图像的特征点。
SIFT算法通过检测图像中的关键点，并计算每个关键点的特征描述子。
接着使用FLANN（快速最近邻搜索库）进行特征点匹配。
FLANN算法能够高效地在大规模数据集中进行最近邻搜索，提高了匹配的准确性和速度。
3. 图像配准基于特征点匹配结果，采用RANSAC（随机抽样一致性）算法估计图像之间的变换矩阵。
RANSAC算法通过随机选择特征点子集，估计出最佳的变换模型，排除了异常点的干扰。
4. 实验结果评估使用均方差（MSE）和结构相似度指数（SSIM）等指标对配准结果进行评估。
MSE用于衡量图像之间的差异，SSIM则考虑了亮度、对比度和结构等因素，更适合图像质量评估。
三、实验结果与讨论经过特征提取和匹配，我们得到了一系列图像配准的结果。
通过计算MSE和SSIM指标，我们对不同配准算法的性能进行了比较。
1. 刚体变换配准刚体变换是一种刚性的平移、旋转和缩放变换。
通过对特征点进行刚体变换配准，我们得到了较好的配准结果。
MSE和SSIM指标表明，刚体变换配准在保持图像结构和内容一致性方面表现出色。
2. 仿射变换配准仿射变换是一种保持直线和平行性质的变换。
第1篇一、实验目的本次实验旨在通过多时相遥感影像变化检测技术，实现对特定区域在一定时间段内发生的变化进行有效识别和分析。
通过实验，掌握多时相遥感影像变化检测的基本原理和方法，提高对遥感影像处理与分析的能力。
二、实验原理多时相遥感影像变化检测是利用遥感技术对同一区域在不同时间点获取的影像进行对比分析，以识别和提取出变化信息。
实验主要采用以下步骤：1. 数据准备：获取实验所需的多时相遥感影像数据，包括不同时间点的影像、地理坐标、分辨率等信息。
2. 影像预处理：对获取的多时相遥感影像进行辐射定标、几何校正、大气校正等预处理操作，以提高影像质量。
3. 影像配准：将不同时间点的遥感影像进行配准，确保影像在空间位置上的一致性。
4. 变化检测算法：采用合适的算法对配准后的影像进行变化检测，提取出变化信息。
5. 变化信息分析：对提取出的变化信息进行分析，确定变化类型、变化范围和变化强度等。
三、实验材料1. 实验数据：选取我国某城市某区域在不同时间点获取的多时相遥感影像数据。
2. 实验软件：遥感影像处理与分析软件，如ENVI、ArcGIS等。
3. 实验设备：计算机、打印机等。
四、实验步骤1. 数据准备：下载实验所需的多时相遥感影像数据，包括不同时间点的影像、地理坐标、分辨率等信息。
2. 影像预处理：对获取的多时相遥感影像进行辐射定标、几何校正、大气校正等预处理操作，以提高影像质量。
3. 影像配准：利用遥感影像处理与分析软件，对预处理后的影像进行配准，确保影像在空间位置上的一致性。
4. 变化检测算法：选择合适的算法对配准后的影像进行变化检测，提取出变化信息。
本次实验采用基于阈值分割的方法进行变化检测。
5. 变化信息分析：对提取出的变化信息进行分析，确定变化类型、变化范围和变化强度等。
五、实验结果与分析1. 实验结果通过实验，成功实现了对实验区域的多时相遥感影像变化检测。
变化检测结果如图1所示。
图1 实验区域变化检测结果2. 实验分析（1）变化类型：实验结果显示，实验区域主要发生了土地利用变化和地表覆盖变化。
Lab3 geometric correction and projection transformation of remotely sensed dataObjective :The purpose of the current lab section is to adequately understand the mathematic principles and methods of geometric correction (co-registration) and projection transformation . In addition,you guys need to gain hands-on experience or skill to perform them in ENVI and ERDAS environments.实验过程：一、envi中图像配准1、根据控制点的坐标对图像进行配准1）加载中山陵地形图2) 选择map 菜单下的registration菜单，选择select gcps:image to map设置投影信息：基于经纬度的投影(geographic lat/lon)，选择基准面为WGS—843）开始配准依次移动一级窗口中的光标到四个图廓点的位置，在三级放大窗口中把十字司放在经纬线的交点的中间位置，输入该点的经纬度于编辑对话框中：点击add point，完成对控制点的编辑4）选择option菜单下的wrap file将配准好的地图生成一幅新的影像修改生成图像信息，改为50带的UTM投影，基准面为WGS-84，保存2、图像到图像的配准1）加载全色波段影像作为待配准的影像将配准好的地形图作为基准图，全色影像作为要配准的图像在两幅图像上选择5个同名地物点进行配准点击show list 查看误差，不断调整误差直至所有误差在1以内二、erdas中的配准1、打开erdas,将zsl.tiff格式的数据导为erdas.img2、viewer中打开刚刚保存的图像，选择data preparation中的配准image geometric correction点击select viewer，点击下图层，选择polynomial多项式模型点击ok,修改投影Set projection from GCP tool,选择手动输入“keyboard”将4个图廓点的坐标输入表格display，保存图像，并加载，对配准后的图像进行投影修改3、图到图的配准以刚刚配准好的地形图为基准，加载多光谱图像选择data preparation中的配准image geometric correction选择地形图作为基准面，多光谱图像为待配准影像将相同点的坐标输入表格，并调整误差4、图像裁剪创建感兴趣区域，AOI下Tools创建一个任意形状的区域后，双击保存区域。
影像到影像的配准一、实习目的：本次实习学习影像到影像的配准二、实习内容：SPOT影像空间分辨率是10 meters，且有地理信息，所以作为基准影像，Landsat TM作为待配准影像，以匹配该SPOT影像。
三、实习步骤：1. 打开SPOT影像：在ENVI菜单中，选择Fil e→Open image file→专题指导CD1→envidata →bldr_reg→bldr_sp.img之后就可以load band，导入影像2. 导入待配准影像：在ENVI菜单中，选择Fil e→Open image file→专题指导CD1→envidata →bldr_reg→bldr_tm.img→在列表中选中波段3→new display→点击load band ，把TM 第3波段的影像加载到新的显示窗口中。
3. 进行影像配准和加载地面控制点：①Map→Registration→Select GCPs：Image to Image →在 Image to Image Registration中，点击Disply #1（SPOT影像），作为Base Image，点击Disply #2（TM影像）作为Warp Image，点击ok。
②然后，在两个缩放窗口中，查看光标所处的位置，如果需要，在每个缩放窗口所需位置上，点击鼠标左键，调整光标所处的位置，在Ground Conrol Points Selection对话框中，点击Add Point，把该地面控制点添加到列表中。
③添加的控制点，可在Show List中查看，根据Show List中的PMS误差值进行取舍，尽量把PMS值控制在1以内。
另外，控制点尽量选5个以上。
（本次选了6个）④在Ground Conrol Points Selection对话框中，选择Options→Clear All Points，可以清楚掉所有已选择的地面控制点。
⑤在Ground Conrol Points Selection对话框中，选择File→Restore GCPs from ASCⅡ,在Enter Ground Conrol Points Filename对话框中，选择文件bldr_tm.pts,然后点击ok，加载预先保存过的地面控制点坐标。
目录一．实验目的： (2)二．实验原理： (2)三．实验方法： (2)3.1图像直接比较法 (2)3.2分类后比较法 (2)3.3直接分类法 (3)四．实验环境： (3)五．实验步骤： (3)5.1图像直接比较法 (3)5.2分类后比较法 (8)六．实验总结： (13)遥感软件使用课程设计——多时相影像动态检测一．实验目的：学习了解动态监测的概述，动态检测的关键技术以及基于ENVI 软件的动态检测。
二．实验原理：遥感影像具有周期性特点，利用这一特性就可以用于监测一个地区的地表变化情况，遥感影像是我们监测地球变化最直接和权威的数据源。
从遥感影像中可以获取的变化信息包括：海岸线、森林健康、城市扩张、农业生产、自然灾害、人为灾害、土地覆盖、冰雪范围、水面变化等。
三．实验方法：3.1图像直接比较法图像直接比较法是最为常见的方法，它是对经过配准的两个时相遥感影像中像元值直接进行运算和变换处理，找出变化的区域。
目前常用的光谱数据直接比较法包括图像差值法、图像比值法、植被指数比较法、主成分分析法、光谱特征变异法、假彩色合成法、波段替换法、变化矢量分析法、波段交叉相关分析以及混合检测法等。
3.2分类后比较法分类后结果比较法是将经过配准的两个时相遥感影像分别进行分类，然后比较分类结果得到变化检测信息。
虽然该方法的精度依赖于分别分类时的精度和分类标准的一致性，但在实际应用中仍然非常有效，该方法的核心是基于分类基础上发现变化信息。
3.3直接分类法结合了图像直接比较法和分类后结果比较法的思想，常见的方法有：多时相主成分分析后分类法、多时相组合后分类法等。
四．实验环境：ENVI4.8 size2006 2001五．实验步骤：5.1图像直接比较法（基本的信息发现)ENVI中的图像直接比较法就是对两时相影像做差值或者比值运算，整合了一些预处理功能，如数据归一化和单位的统一。
下面以经过配准的两时相影像为例介绍这个功能的使用。
1.单机主菜单->File->Open Image File,将两时相影像同时打开，并用窗口下的Tools->Display Link功能查看变化区域（分别用7,4,3和6,4,3波段）2.单机主菜单->Basic Tools->Change Detection->ComputeDifference Map, 分别选择前一时相影像一个波段个和后一时相影像一个波段。
遥感图像校正实验报告1. 引言遥感图像是通过卫星、飞机等遥感平台获取的地球表面的图像信息，具有广泛的应用价值。
然而，由于地球表面的复杂性和遥感平台的特点，遥感图像中可能存在各种影响因素，如大气、地形、光照等。
为了准确地利用遥感图像进行地物分类、资源监测等应用，需要对遥感图像进行校正。
本实验旨在探索并应用遥感图像校正方法，提高遥感图像的质量和准确度。
2. 实验目标本实验的主要目标是：- 理解遥感图像校正的原理和流程；- 掌握遥感图像校正的常用方法；- 运用所学的遥感图像校正方法，对实验数据进行校正，并评估校正效果。
3. 实验步骤3.1 数据准备本实验使用的遥感图像数据是卫星传感器获得的多光谱图像，包含了红、绿和蓝三个波段的数据。
数据提供了RAW格式的图像文件，需要进行预处理和格式转换，以便进行后续的遥感图像校正实验。
3.2 大气校正大气是遥感图像中主要的影响因素之一，大气校正是遥感图像校正中的重要步骤。
本实验采用了大气校正模型，通过计算大气透射率和反射率，对图像进行校正。
3.3 辐射校正辐射校正是遥感图像校正的另一个重要步骤，其目的是消除图像中的辐射差异，使得不同波段的图像能够进行有效的比较和分析。
本实验使用了辐射校正模型，通过计算辐射矫正系数，将原始图像转换为辐射校正后的图像。
3.4 几何校正几何校正是遥感图像校正的最后一步，其目标是消除图像中的几何形变，使得图像中的特征能够准确地对应地面的实际位置。
本实验使用了几何校正模型，通过对图像进行平移、旋转和缩放等操作，实现图像的几何校正。
4. 实验结果和讨论经过上述的步骤，我们成功地对实验数据进行了遥感图像校正。
校正后的图像显示出更好的质量和准确度，可以更好地用于地物分类和资源监测等应用。
然而，值得注意的是，遥感图像校正是一个复杂的过程，涉及到多个影响因素和数学模型。
在实际应用中，应根据具体需求和数据特点，选择合适的校正方法和参数，以达到最佳的校正效果。
遥感图像处理实验报告遥感图像处理实验报告引言遥感技术作为一种获取地球表面信息的重要手段，已经在农业、环境、城市规划等领域得到广泛应用。
本实验旨在通过遥感图像处理，探索图像处理算法的应用效果，并分析其在实际应用中的潜力。
一、图像预处理图像预处理是遥感图像处理的第一步，其目的是消除图像中的噪声、增强图像的对比度和清晰度。
在本实验中，我们使用了直方图均衡化和中值滤波两种常见的图像预处理方法。
直方图均衡化是一种通过调整图像像素的灰度分布来增强图像对比度的方法。
通过对图像的灰度级进行重新分配，使得图像的灰度分布更加均匀，从而使得图像的细节更加清晰。
实验结果显示，直方图均衡化对于遥感图像的对比度增强效果显著。
中值滤波是一种常见的图像去噪方法，其原理是通过计算像素点周围邻域的中值来替代该像素点的值，从而消除图像中的噪声。
在本实验中，我们使用了3x3的中值滤波器对遥感图像进行滤波处理。
实验结果表明，中值滤波能够有效地去除图像中的椒盐噪声和高斯噪声，使得图像更加清晰。
二、图像分类图像分类是遥感图像处理的核心任务之一，其目的是将遥感图像中的像素点按照其特征分类到不同的类别中。
在本实验中，我们使用了支持向量机（SVM）算法进行图像分类。
支持向量机是一种常用的机器学习算法，其通过构建一个最优超平面来实现分类。
在图像分类中，我们将遥感图像中的每个像素点看作一个数据样本，其特征由像素的灰度值和纹理信息组成。
通过对训练样本进行学习，支持向量机能够建立一个分类模型，从而对测试样本进行分类。
实验结果显示，支持向量机在遥感图像分类中表现出较高的准确性和鲁棒性。
通过调整支持向量机的参数，我们可以得到不同的分类结果。
此外，支持向量机还能够处理高维数据和非线性分类问题，使其在遥感图像处理中具有广泛的应用前景。
三、图像变换图像变换是遥感图像处理中的重要环节，其目的是将图像从一个空间域转换到另一个空间域，从而提取图像中的特征信息。
在本实验中，我们使用了小波变换和主成分分析两种常见的图像变换方法。
ENVI遥感图像配准一、实验目的：1、掌握ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。
2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。
3、深刻理解和巩固基本理论知识，掌握基本技能和动手操作能力，提高综合分析问题的能力。
二、实验原理（1）最邻近法最邻近法是将最邻近的像元值赋予新像元。
该方法优点是输出图像仍然保持原来图像的像元值，简单，处理速度快。
缺点就是会产生半个像元位置偏移，可能造成输出图像中某些地物的不连贯。
适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。
双线性内插方法是使用临近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。
该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值，在后来的波谱识别分类分析中，会引起一些问题。
示意图：由梯形计算公式：故同理最终得：三次卷积内插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。
使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性内插相似，先在Y 方向内插四次（或X 方向），再在X 方向（或Y 方向）内插四次，最终得到该像元的栅格值。
该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域范围。
适用于航片和遥感影像的重采样。
作为对双线性内插法的改进，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，立方卷积法利用了待采样点周围更大邻域内像素的灰度值作三次插值。
其三次多项式表示为：我们可以设需要计算点的灰度值f（x,y）为：其中：计算后可得出：（4）算法比较示意图：三、实验内容：1、熟练使用ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。
2、初步了解学会图像处理的基本流程。
3、手动选择控制点，对所给的两幅图像bldr_tm.img和bldr_sp.img 进行精确配准。
遥感图像处理实习报告
为了完成本次遥感图像处理实习，我首先学习了遥感图像的基本原理和常见处理方法。
然后，我熟悉了常用的遥感图像处理软件，掌握了遥感图像的预处理、分类和变化检测等基本处理流程。
在实习过程中，我参与了实际的遥感图像处理项目，负责对航拍图像进行预处理和分类。
通过我对图像的分析和处理，最终得到了清晰而准确的分类结果，并成功完成了项目任务。
在实习中，我还学习了遥感图像的变化检测方法，包括基于像元的变化检测和基于目标的变化检测。
通过对多时相遥感图像的处理和分析，我掌握了如何从图像中提取出目标的变化信息，并将其应用于实际的环境监测和资源管理中。
总的来说，这次遥感图像处理实习让我对遥感图像的处理流程和方法有了更深入的了解，也提高了我在图像处理方面的实际操作能力。
通过这次实习，我不仅学到了专业知识，还提高了团队合作能力和解决问题的能力，对我的个人发展有着重要的推动作用。
遥感图像处理实验报告（2013 —2014 学年第1学期）实验名称：实验时间：实验地点：指导教师：专业班级：姓名：学号：一：实验目的掌握ENVI的图像配准与几何校正工具使用方法。
二：实验内容通过ENVI的图像配准与几何校正工具，将两副同一地区不同传感器的图像进行配准。
手动选择GCPs，输出配准后的图像和GCPs的误差信息。
三：实验平台Windows XP Professional SP3ENVI4.5四：实验步骤1：启动ENVI4.5，选择File->Open Image File，打开文件westconcordaerial.png2：在Available Bands List对话框中，选择Load RGB，打开westconcordaerial.png的三个显示窗口3：在Available Bands List对话框中，选择New Display，重复步骤1-2；打开westconcordorthophoto.png的三个显示窗口4：在ENVI4.5工具栏中，选择Map->Registration->Select GCPs: Image to Image5：在弹出的Image to Image Registration对话框中，在Base Image列表中，选定Display #1作为参考影像，在Warp Image列表中，选定Display #2作为待纠正影像6：点击OK按钮，弹出Ground Control Points Selection对话框7：在参考影像与待纠正影像的Zoom显示窗口，分别将十字丝待定至对应的特征地物点作为控制点（GCP），然后在Ground Control Points Selection对话框中按下Add Point 按钮。
重复上述操作，添加足够多的控制点。
8：在Ground Control Points Selection对话框中，点击Show List按钮，可弹出Image to Image GCP list对话框，列出了在步骤7中选定的GCP列表及相应的误差信息。
不同时相遥感图像配准技术的研究的开题报告一、研究背景和意义随着遥感技术的不断发展和应用，遥感图像在许多领域中都得到了广泛的应用。
对于时间序列的遥感图像来说，不同时间的图像通常存在位置偏移等问题，因此需要对这些图像进行配准以达到有效地比较和分析的目的。
在地质勘探、环境监测、农业等领域，不同时相遥感图像的配准技术都具有极其重要的应用价值。
比如在环境监测中，我们需要同时获取不同时间的遥感图像来监测气候变化和自然灾害等情况，而这些图像的配准则可以在更准确和全面地评估环境和自然资源状况。
二、研究主要内容和方法本研究主要目的是探究不同时相遥感图像的配准技术，并进行相关方法的探讨和研究。
具体内容包括：1. 遥感图像配准技术的基本原理和概念介绍。
2. 常用的遥感图像配准方法，包括基于地标的配准、基于区域的配准、基于特征的配准等方法的介绍和分析。
3. 针对不同时相遥感图像配准所面临的问题，利用常用的软件（例如ENVI、ArcMap等）探讨和比较各种配准方法的优缺点，以及对于不同类型遥感图像的适用性。
4. 结合实际应用需求，开展相关实验和测试，验证所采用的不同时相遥感图像的配准技术和方法的可行性和准确性。
三、研究预期成果通过本研究，我们将得到以下预期成果：1. 深入了解不同时相遥感图像配准技术的基本原理和常用方法。
2. 掌握基于不同时相遥感图像的配准技术的具体实现方法。
3. 对不同的配准方法进行比较和分析，为不同时相遥感图像的有效配准提供基础支持。
4. 认识和了解遥感图像配准技术在不同应用领域的实际应用效果，为进一步完善该技术提供参考意见。
四、研究方案和预期进度本研究计划分为以下几个步骤：1. 调研和文献阅读：本部分主要是对不同时相遥感图像配准技术和常用方法进行调研和文献阅读，为后续实验和测试的设计打下基础。
预计时间：2周2. 配准方法设计：本部分主要是选取适合的不同时相遥感图像配准方法，以及对选择的方法进行思路和方案的设计，包括实验条件的安排和实验结果的数据分析等。
Harbin Institute of Technology
多时相遥感图像配准
实验报告
课程名称：遥感信息处理导论
院系：电子与信息工程学院
姓名：
学号：
授课教师：
哈尔滨工业大学
1. 实验目的
对于通过遥感平台获取的遥感数字影像，由于扫描过程中受地球曲率、地球自转、平台姿态、扫描方式等因素的影响，所获取的图像往往会产生不同程度的几何误差，这些误差如若不经处理，对图像的后续应用如分类、目标检测等会产生很大影响。
本实验的目的就是利用多项式映射和重采样等方法对两幅不同时间采集的遥感图像进行几何校正处理，从而方便从配准图像中找到不同时相内发生变化的地物目标信息。
2. 实验原理
图像的配准过程主要可以分为三个过程：控制点对选取（自动或手动）、坐标映射函数拟合、映射后像素重采样。
1) 控制点对选取
对于图像匹配过程，首先要通过控制点对建立两幅图像间的坐标联系。
控制点的选取有可分为自动和手动两种方式。
对于自动选取，可以采用SIFT 等算法实现；对于手动选取，需要实验人员通过目测观察的方法找到不同时相的遥感图像中的相同目标，这些控制点可以是建筑物的顶点、道路等的交叉点等或其他较容易分辨的位置。
选出控制点后将这些点的坐标信息记录下来，值得注意的是所选控制点的数量、分布情况以及精度会直接影响配准结果的精度和质量。
2) 图像几何校正
图像的配准实质上就是通过图像的几何校正，将产生几何失真的图像转换为标准的数字图像。
采用的方法就是通过一定的映射函数将原图像的像素坐标转换为标准图像中的坐标
(,)u f x y = (,)v g x y =
其中(,)x y 表示原图像中的像素坐标值，(,)u v 表示参考图像中的像素坐标值。
映射函数的选择可以有多种形式，一般较为简单常用的是多项式函数，以二次多项式函数为例，映射函数的具体形式为
22
01234522
012345u a a x a y a xy a x a y v b b x b y b xy b x b y
⎧=+++++⎨=+++++⎩ 其中，05,
,a a ，05,
,b b 分别表示二次多项式横纵坐标映射函数中对应项的系
数，通过选定控制点，可以将这些系数项求解出来。
假设在两幅图像中总共选择了n 对控制点，根据n 对控制点的坐标
(,)~(,)i i i i x y u v 可以得到如下两个方程组，
221011213114151222012223224252
22012345n n n n n n n u a a x a y a x y a x a y u a a x a y a x y a x a y u a a x a y a x y a x a y ⎧=+++++⎪=+++++⎪⎨
⎪
⎪=+++++⎩ 22
1011213114151222012223224252
22012345n n n n n n n
v b b x b y b x y b x b y v b b x b y b x y b x b y v b b x b y b x y b x b y ⎧=+++++⎪=+++++⎪⎨
⎪
⎪=+++++⎩ 如果另()1,
,T
n U u u =，()1,,T
n V v v =，05(,
,)T a a α=，05(,,)T b b β=，
2211
11112222
2222
22111n n
n n n n x y x y x y x y x y x y A x y x y x y ⎡⎤
⎢
⎥⎢
⎥=⎢⎥⎢⎥⎢⎥⎣⎦
那么上述两个方程组的向量和矩阵形式便可以写作
U A V A αβ
==
对于二次多项式来讲，每个方程组都有6个未知数，所以至少需要6对控制点才可以求解出各次项的系数，在实际实验中，为了使得到的模型更加准确，一般会选择多于6对的控制点进行计算，求解出最小二乘意义下最优系数α和β。
此处的误差根据映射后的待配准像素坐标和参考像素坐标间差的绝对值求平均来计算，横纵坐标的误差计算公式分别为
11
_error x A U n α=
- 11
_y error A V n
β=-
其中，1•表示向量或矩阵中所有元素的绝对值之和。
在计算出多项式系数后便得到了图像的几何校正多项式模型，根据待配准图像中每一像素的坐标值(,)i i x y 便可以计算出其在参考图像中的位置(,)i i u v 。
3) 图像重采样/栅格化
经过二次多项式映射后的各像素坐标并不能保证在参考图像的坐标系中处于整数点位置，它们在二维平面中的分布可能是散乱的无规律点，所以需要经过一个重采样/栅格化过程，根据这些无规律分布点的像素值将其对应的整数点位置的像素值计算出来。
一般常用的方法有最近邻插值、双线性插值、三次卷积插值。
其原理示意图如下所示：
g(u,v)f(x,y)
g(u,v)=f(x,y)
图1(a) 最近邻插值
图1(b) 双线性插值
图1(c) 三次多项式插值
3.实验步骤
本次遥感图像配准实验是在MATLAB平台下实现的，大致步骤如下：
1) 图像数据的导入和控制点选择
首先将两幅不同时间获取的遥感影像数据600X900_20121124.jpg和
600X900_20140705.jpg导入到MATLAB的工作区中，可以看到两幅图像分别存储在矩阵变量x600X900_20121124和x600X900_20140705中。
然后用cpslect函数实现控制点的手动选取，命令为
cpslect(‘x600X900_20121124’,’x600X900_20140705’);
其中前者为待配准图像，后者为参考图像。
在控制点选择窗口中，通过目测观察，寻找两幅图像中较为明显的相同的地物目标，并将其贴上相同的标签号码，本实验共选取了27对控制点，并使其在图像范围内分布较为均匀。
下图2即为控制点选择结果。
图2 控制点对选择结果图
在完成控制点对的选择后，在控制点选择窗口中选择file→Export Points to Workspace 命令，将选取的控制点对信息保存，然后在MATLAB 的工作区中就会出现两个变量，其中，movingPoints 中存储的是待配准图像中的控制点坐标，fixedPoints 中存储的是参考图像中的控制点坐标。
2) 几何校正模型参数计算及坐标映射
以选择二次多项式校正模型为例，根据控制点坐标信息(),i i x y 计算出待配准控制点信息矩阵A ，然后结合参考控制点坐标(),i i u v 计算出二次多项式系数的最小二乘解α、β，从而确定坐标映射函数的具体形式。
下面两个表格分别给出了一次和二次多项式映射函数的系数。
对于待配准图像中的每一像素坐标(,)i i x y ，通过多项式映射函数计算出其对应的参考图像坐标系中的坐标(,)i i u v ，
表1 一次多项式映射系数
i 0 1 2
α41.5969 0.9998 9.00e-04
β10.5613 4.22e-04 0.9987
表2 二次多项式映射系数
i 0 1 2 3 4 5
α41.3574 1.0000 0.0024 -1.79e-06 4.82e-07 -1.46e-06
β11.0188 -3.17e-04 0.9954 3.32e-06 -4.32e-07 2.05e-06
3) 图像重采样/栅格化
通过多项式映射后的像素坐标大多情况下不是整数，需要通过重采样过程得到映射后的栅格点像素值。
本实验运用griddata函数实现的重采样/栅格化功能，采用的是双线性插值的方法，得到的结果如下图
图3 映射结果经重采样得到的栅格图像
4.实验结果与分析
下表为采用一次和二次多项式映射后的平均坐标误差。
表3 映射坐标误差
多项式次数一次二次
error x0.2869 0.2699
_
error y0.4132 0.3899
_
下图是以二次多项式函数为映射函数采用双线性插值的方法的配准效果图
图4 二次多项式映射配准结果图
由表1和表2可以看出，横坐标方向的几何畸变主要是由由固定偏移量0a 和
x 坐标引起的，y 坐标的影响比较小；纵坐标方向的几何畸变主要是由由固定偏
移量0b 和y 坐标引起的，x 坐标的影响比较小。
对比表1和表2，并结合表3的坐标映射误差来看，多项式次数的提高对图像的几何校正并没有太大的改善效果，由此可以推测造成这两幅图的几何畸变的主要原因是线性畸变（平移、旋转）。
5. 程序源代码
%加载图像数据
%cpselect(x600X900_20121112,x600X900_20140705); %以前者为待配准图
参考图像
待配准图像
配准后图像
配准效果。
