遥感图像处理实习报告
- 格式：doc
- 大小：4.38 MB
- 文档页数：19
一、实习时间及地点时间：2016年3月15日至2016年3月29日，地点：院楼四楼机房。
二、实习内容（1）遥感数据下载（2）遥感影像增强滤波处理（3）遥感影像镶嵌（4）遥感影像裁剪（5）遥感影像的计算机自动分类及精度评价（6）遥感影像专题地图制作三、任务分工我们小组共有五名同学：冯正英，刘天珂，王亚茹，刘晓晨，石义广。
其中刘晓晨和石义广负责下载数据，冯正英，刘天珂，王亚茹负责数据的预处理。
分类时刘晓晨和石义广负责2003年的开封影像分类，冯正英，刘天珂，王亚茹负责2008年的开封影像分类以及两期影像的精度评定和后处理工作。
最后专题制作是每人都参与专题地图的制作。
四、实习过程1 研究区及数据准备1.1 遥感影像数据的采集1.1.1 确定研究区域在进行实习之前，我们首先讨论哪一座城市作为我们的研究区域，根据老师的要求，让我们根据遥感图像，做出一个城市近几年来的变化情况，经过我们小组讨论，觉得近几年来开封的变化比较迅速，同时我们也比较熟悉，所以我们确定了以开封作为我们的研究城市。
1.1.2 下载影像数据选定好研究区域后需要下载相应的影像数据做下一步的处理。
（1）按照指导书的要求，首先下载Java插件，打开指导书中的网址，即美国的USGS软件。
其次注册一个账号以便下载影像照片。
（2）选择卫星传感器：鼠标点collection→landsat Archive，由于landsat卫星有1-7系列（6除外），但是经过试验之后发现landsat8只有2013年的数据，而且landsat7的数据都有条带影响，所以我们最终选择的是landsat4-5TM传感器。
点击MapLayers→Admin Boundaries可以在屏幕内出现省界范围。
图1 选择卫星传感器图2 添加界限范围（3）确定方位：根据我们组选择的研究区域，在WRS-2中输入123和36，在Lat中输入34.5和115.0，并将最大含云量改为0%以便处理。
（4）确定日期：选择日期时要注意研究区域的季节变化以及包含整个研究区域所需的影像井数。
我们选择的是日期是五月份左右，保证植被处于绿色生长状态。
由于开封所处的位置属于河南中部，为了完全包含开封市，需要下载相邻两幅影像，且相邻两幅影像数据的日期不能相隔太远。
（5）下载数据：选择好数据后就可以开始下载。
点击add→send to card将影像图片加载购物车里，出现弹框后点击下载，登录账号之后即可下载。
图3 添加影像到购物车图4 下载影像2 遥感影像预处理2.1 遥感影像镶嵌我们根据所下载的遥感影像，发现我们选在的城市在一个图幅中并不能完全的包含，所以我们需要用于其相邻的图像做拼接才能获得一幅完整的遥感影像的图像。
（1）将遥感影像的不同波段的影像合并在一个波段列表中。
Basic tools→Layer stacking.然后在其中选择所要的波段文件，将其合并。
将其命名为“开封遥感影像1”；再用同样的方法处理另一幅影像，将其命名为“开封遥感影像2”图5 波段合并图6 波段合并结果（2）打开ENVI4.8 →点击主工具条上Map→Mosaicking→Pixel Based→在弹出的Pixel Based Mosaic对话框中点击Import→选择Import file→点击open→点击new file→在弹出窗口中找到实验数据所在的文件夹→选中开封遥感影像1.img→再次点击new file→选中开封遥感影像2→在Mosaic Input Files窗口中选中遥感影像1.img和遥感影像2.img→点击OK图7 遥感影像镶嵌图8 遥感影像镶嵌结果(3) 在出现的对话框中，把图像#1 Band 1：遥感影像2.img [Red] 拉下来，把图像#2 Band 1：遥感影像1 .img [Green]放在上面（如图3）→将鼠标单击图像下方的#1 Band 1：遥感影像2.img [Red]或者#2 Band 1：遥感影像1.img [Green]→右击这#1或者#2选择Edit Entry，在弹出对话框中，选择最后一行的Adjust，点击OK→再点击Pixel Mosaic对话框中的File→Apply→选择Memory→最后可在Available Bands List对话框中把Memory1给打开，拼接结束。
2.2 遥感图像裁剪（1）在Arcgis中打开河南地图，矢量化开封地区，并且以.shp格式导出。
（2）在ENVI中以5、4、3波段增强的方式打开融合后的遥感影像图→File →open Vector file →打开开封矢量图→Avalable Vector Lists →Export Vectors to ROI →选择融合数据→OK →convert all records of EVF layers to one ROI →OK .Basic tools →Subset data via ROIS→选择“融合”数据→OK→选择“开封边界图”→将“mask pixels outside of ROI”中的“NO”改为“YES”→OK 。
图9 第一次裁剪由于下载的2003年的数据，开封地区裁剪、增强之后，会在左下角部分存在条带，需要做镶嵌处理，下载与开封图左边重合的遥感影像图。
先将第一次裁剪的遥感影像用规则裁剪的方式，将有条带的部分裁剪掉，属于二次裁剪，再做镶嵌处理，之后再用矢量裁剪的方式做三次裁剪。
图10 第二次裁剪图11 第三次裁剪其中第二次裁剪用的是规则裁剪，其方式是File→save files→ENVI standard→选择“第一次裁剪”的影像→Spatial subset→image→拖拉选择裁剪部分即可。
2.3遥感影像增强滤波处理2.3.1 主成分增强观察我们所下载的遥感影像，发现在后几个波段都是一些噪声，所以我们想到的第一个增强滤波的方法就是主成分增强。
(1) 打开envi，在Transform→Principal Components→Forward PC Rotation中选择刚刚已经融合并裁剪好的图像，选择相应的文件，命名为“开封主成分增强”，按OK。
生成下图。
可以看出大部分的信息集中在前3个波段。
图12 遥感影像主成分增强（2）在生成的图像中可以发现信息都集中在前面，可以发现图像信息增强。
图13 遥感影像增强图像2.3.2 NDVI增强打开envi，在Transform→NDVI打开对话框。
选择开封遥感影像.img,并确定输出文件名，将其命名为“开封NDVI”，OK之后就会输出相应文件。
打开文件后发现，在原图上为植被的地方都变得比较白，而不是植被的地方颜色就比较暗。
图14 开封NDVI增强图像2.3.3 多波段增强所谓的多波段增强就是将刚刚处理过的主成分增强影像，NDVI影像还有原图*像合并在一起。
生成一个新的遥感影像图像。
具体操作步骤如下：（1）打开envi，在Basic tools→Layer stacking，将原图像除第六，七波段，NDVI 增强的图像还有主成分增强的前两个波段合并的对话框中，并将其命名为“开封多波段增强”，OK之后则生成相应的文件。
（2）选择主成分增强的第一、二波段和NDVI增强波段，可以发现其图像的颜色更加鲜艳，并且不同地物之间的分界线比之前未做任何增强时的可分辨程度增强。
图15 多波段增强对话框图16 遥感影像多波段增强2.3.4 影像拉伸在主图像窗口，选择Enhancements >Interactive stretching。
在Stretch_Type 下选择要进行的拉伸方式。
在后面的监督分类中可以根据不同的分类方法对其进行影像拉伸，将不同地物分辨的更加清晰。
2.3.4.1 线性拉伸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。
选择Stretch_Type→Linear2.3.4.2 分段线性拉伸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。
选择Stretch_Type →Piecewise Linear。
图17 分段线性拉伸图像2.3.4.3 非线性变换（1）高斯拉伸选择Stretch_Type→Gaussian。
输入拉伸的最小和最大值,要手动地输入所需要的标准差值，可以根据不同的情况去手动调整。
图18 高斯拉伸图像（2）平方根拉伸选择Stretch_Type→Square Root。
图19 平方根拉伸图像2.3.5直方图均衡化在主图像窗口，选择Enhancements >Interactive stretching。
在Stretch_Type下选取Equalization。
图20 直方图均衡化3 遥感影像自动分类以及精度评定3.1 遥感影像监督分类（1）确定分类要求：开封地处平原，且地物分布规则明显，我们对影像目视判断，大致分为9类，包括城镇居民地，乡村居民地，道路，小路，干河床，耕地1，耕地2，耕地3，裸地。
（2）打开待分类遥感影像：点击Window→Available Bands List，点击File→Open image file，在波段列表中打开开封多波段增强。
（3）选取ROI：对每一个分类的区域选取一些样本进行监督分类。
在image窗口点击Overlay→Region of interest，出现选取窗口，开始选取，并更改ROI名称和颜色。
图21 选取ROI 图22 选取结果（4）可分离性分析：选取完样本后需进行可分离性分析，检测选取的不同类样本之间的可分离程度。
可分离性越好，类别之间分类越精确。
点击Options→Compute ROI Separability，选择要进行分析的文件，点击Select All Items→OK即可得到ROI的可分离性描述。
图23 样本可分离性描述（5）合并样本：对于一些可分离性较小且地物相似度较高的可以采取合并。
如乡村居民地和城镇居民地的可分离性较小，且都属于居民地，我们将其合并为同一类。
点击Options→Merge regions，选择要合并的样本点击OK即可。
图24 合并样本图25 n-D可视化（6）ROI的n-D可视化：在需要分离开样本但分离性不高时可以采取N-D可视化方式。
如我们的道路和乡村居民地可分离性很差，但又不想将其分为一类。
点击File→Export ROIs to n-D Visualizer。
选择要进行分离的样本，点击OK，将其波段全选。
点击Start出现两样本的空间旋转，在里面更改相交的样本点来增大分离性。
更改完后点击右键→Export class，输出更改后的样本。
