测绘工程毕业设计（论文）基于ENVI4.1的遥感图像数据处理研究.doc

《测绘工程毕业设计（论文）基于ENVI4.1的遥感图像数据处理研究.doc》由会员分享，可在线阅读，更多相关《测绘工程毕业设计（论文）基于ENVI4.1的遥感图像数据处理研究.doc（36页珍藏版）》请在三一办公上搜索。

1、本科毕业论文（设计）题目：基于ENVI4.1的遥感图像数据处理研究姓 名： 学号： 院（系）：工程学院 专业： 测绘工程 指导教师： 职称： 讲 师 评 阅 人： 职称： 讲 师 2005 年 6 月本科生毕业论文（设计）原创性声明本人以信誉声明：所呈交的毕业论文（设计）是在导师指导下进行的研究工作及取得的研究成果，论文中引用他人的文献、数据、图件、资料均已明确标注，论文中的结论和结果为本人独立完成，不包含他人成果及为获得中国地质大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 毕业论文作者（签字） 签字日期： 年

2、月 日目录 摘要IABSTRACTII第一章 引言1第二章 遥感图像数字处理基本理论2第一节 数字图像的表示形式及存储2第二节 遥感图像的几何纠正3第三节 遥感图像辐射处理5第四节 遥感图像计算机分类7第三章 ENVI遥感图像处理软件介绍10第四章 遥感图像处理过程及分析11第一节 图像纠正11第二节 图像分类15第三节 图像融合17第五章 遥感图像综合处理20第一节 图像预处理20第二节 图像分类22第三节 分类后处理25第六章 总结29致谢30参考文献31摘要遥感是采集地球数据及其变化信息的一种重要手段。随着传感器技术、飞行器技术及数据处理技术的发展，遥感在众多领域如资源勘查、测绘、天气预

3、报等方面得到极其广泛的应用。正如许多遥感工作者所指出的，人们所面临的问题主要不在于遥感图像获取，而如何通过图像处理，从原始图像中提取有用信息，才是问题的关键。正是基于此，本文对遥感图像数字处理进行了讨论。ENVI（the Environment for Visualizing Images）是一套功能齐全的图像处理系统，可以进行全面的星载及机载遥感图像处理。它提供了一种强大的、革命性的、用户友好的环境在各种计算平台上显示和处理任意大小的遥感图像。它可以对各种空间分辨率的遥感卫星数据进行处理，包括从传统的TM、SPOT影像到IKONOS、QuickBird等高空间分辨率卫星影像和MODIS等高光

4、谱卫星影像。本文第二章简要介绍了遥感图像数字处理一些基本理论。包括数字图像表示形式及存储，图像纠正，融合，分类等。经过第三章对ENVI软件的介绍后，重点讨论了遥感图像处理过程。在第四章详细论述了通过ENVI软件进行图像纠正，图像融合，图像分类操作，具体描述了操作原理和操作流程，并给出了处理结果。第五章以中国地质大学校园遥感图像为例进行了图像综合处理操作，包括图像空间变换，图像滤波，分类处理等，并通过自己的理解，提出了一种较好的分类手段。最后进行图像注记，矢量操作，地图合成等工作。关键词：遥感图像 ENVI 图像纠正 图像分类 分类后处理ABSTRACTRemote sensing is an

5、important way to collect the earths data and its changing information. As the development of the technical of sensor, aerocraft and imaging data processing, now remote sensing has been using in various kinds of fields such as resource perambulating, surveying and mapping, weather forecast and so on.

6、 As many researchers in remote sensing pointing out, now the main problem people facing is not get imaging data. How to get useful information from row image by data processing becomes the key of the problem.ENVI (the Environment for Visualizing Images) is a state-of-the-art image processing system

7、designed to provide comprehensive analysis of satellite and aircraft remote sensing data. It provides a powerful, innovative, and user-friendly environment to display and analyze images of any size and data type on a wide range of computing platforms. It can process remotely sensed image with almost

8、 all kinds of spatial resolutions, such as the mid-resolutional TM，SPOT,the high-resolutional IKONOS, Quickbird and hyperspectral MODIS.It introduces some of the basic principle of the processing of remote sensing image including the format of expressing and saving of digital image, image registrati

9、on, image fusion and image registration in chapter 2 of this thesis. Chapter 3 introduces the ENVI software, and then it discusses the processing of remote sensing image. It dwells on the procedure of image processing, and gives the processed result in chapter 4.In chapter 5 it carries out a general

10、 analysis about the remotely sensed image of China University of Geoscience. In this section, image transforming, filtering, annotation and map composition are discussed.Key words: Remote Sensing ENVI Image Registration Image Classification Post Processing of Classification第一章 引言遥感技术正得到越来越广泛的应用。遥感图像

11、的获取方式从早期的航空影像到后来的航天影像，图像获取方面的技术日益成熟，图像质量在各方面得到很大提高。以航天影像为例，从美国在70年代发射Landsat系列卫星使航天影像得到实际应用开始，图像的空间分辨率和光谱分辨率得到很大提高。美国的Landsat系列和法国的SPOT系列遥感图像是现阶段使用最广泛的两种图像。Landsat的MSS（Multispectral Scanner）图像的空间分辨率为80m，而它的TM（Thematic Mapper）图像的空间分辨率提高到30m，其光谱分辨率也有很大改善，波段数由MSS的4波段提高到TM的7波段。而ETM（Enhanced Thematic Map

12、per）中增加的全色波段的空间分辨率则为15m。SPOT卫星的多光谱波段的空间分辨率为20m，全色波段的空间分辨率为10m。90年代出现了一批高空间分辨率陆地卫星，其地面分辨率在全色波段达到15m，有的甚至还小于1m。如美国IKONOS卫星和Quickbird卫星全色波段分辨率为1m。高光谱类卫星由于在大气，海洋，陆地方面的特殊作用而的到很大发展。由于这类卫星采用高分辨率的光谱成像仪，波段数为36256个，波段宽度为510nm，地面分辨率为301000m。上述各种图像的成像波段范围一般都在紫外到热红外之间，而侧视雷达图像的成像波段在微波范围内，其传感器大都属于主动式传感器。合成孔径雷达（Syn

13、thetic Aperture Radar，SAR）是一种高分辨率、二维成像雷达，特别适合于大面积的地表成像。加拿大的Radarsat-1是世界上第一个商业化的SAR运行系统，其地面分辨率为8.5m。随着遥感图像获取技术的不断提高，遥感图像数字处理技术日益为人们所关注。遥感图像处理主要是借助图像处理软件进行。现在比较成熟的商用软件有ERDAS，PCI，ENVI等。美国Research System Inc.（RSI）公司的ENVI图像处理软件由于其使用简单，操作灵活，功能强大而得到越来越多的人接受。本文将讨论基于ENVI4.1的遥感图像数字处理。首先将简要介绍遥感图像数字处理的基本理论，接下来

14、以遥感图像处理流程为基础介绍ENVI软件的一般功能。第五章将对中国地质大学2.5m分辨率遥感图像进行综合分析处理，在处理过程中结合实际调查进行了一系列处理精度分析，并得出相应结论。最后总结自己在软件使用过程中的一些体会。第二章 遥感图像数字处理基本理论遥感传感器记录地物电磁波的形式有两种：一种以胶片或其他光学成像载体的形式，另一种以数字形式记录下来。与光学图像相比，数字图像的处理简洁、快速，并且可以完成一些光学处理无法完成的各种特殊处理。随着数字图像处理设备的成本越来越低，数字图像处理变得很普遍。现在的星载传感器绝大部分直接以数字形式记录地物的光谱特性。而光学图像也可以通过扫描的方式转换为数字

15、图像。第一节 数字图像的表示形式及存储2.1.1 图像表示形式从空间域来说，图像的表示形式主要有光学图像和数字图像两种形式。图像还可以在频率域上进行表示。一、光学图像一个光学图像，如像片或透明正片、负片等，可以看成是一个二维的连续的光密度函数。可以用函数f(x,y)来表示。它是一个连续的非负函数，用下式表示：0f(x,y) （21）二、数字图像数字图像是一个二维的离散的光密度（或亮度）函数。相对于光学图像，它在空间坐标（x，y）和密度上都已离散化，空间坐标仅取离散值：x=x0+mxy=y0+my （22）式中：m0，1，2， m1；x，y为离散化的坐标间隔。同时f(x,y)也取离散化的值，其范

16、围一般为0127或0255。数字图像可以用一个二维矩阵表示，矩阵中每个元素称为像元。 图21 数字图像及其矩阵表示形式三、光学图像与数字图像之间的转化光学图像变换成数字图像就是把一个连续的光密度函数转变成离散的光密度函数。图像函数f(x,y)不仅在坐标上而且在幅度上都要离散化，其离散后的每个像元值用数字表示，整个过程叫作图像数字化。图像空间坐标的数字化称作采样，幅度的数字化称作灰度级量化。数字图像转化为光学图像一般有两种方式。一种是通过终端设备如显示器、电子束或激光束成像仪显示出来，另一种是通过照相或打印的方式输出。四、图像的频谱表示可以通过傅立叶变换将图像从空间域变换到频率域。这时图像是频率

17、坐标（vx，vy）的函数，用F(vx，vy)表示。同样可以用傅立叶逆变换将图像从频率域变换到空间域。2.1.2 数字图像的存储遥感图像的存储介质有磁带，磁盘，光盘等。其存储格式有多种。由Landsat Technical Working Group 提出的LTWG格式（即世界标准格式）得到了广泛的认可。LGWT格式有BSQ(Band squential)格式、BIL（Band Interleaved by Line）格式和BIP（Band Interleaved by Point）格式。BSQ即按波段记录数据文件，每一个文件记录一个波段的数据。BIL格式是一种按波段顺序交叉排列的遥感数据格式。

18、按 BIP 格式存储的图像则依顺序存储第一个像元所有的波段，接着是第二个像元的所有波段，然后是第三个像元的所有波段，等等，交叉存取直到像元总数为止。这种格式为图像数据波谱（Z） 的存取提供最佳性能。遥感图像还有很多存储格式，每种遥感图像处理软件有它自己的处理格式，比如在ENVI中，在进行图像读入时，它将其他的数据格式转化成ENVI的标准.img格式。而要将处理后的结果在一般的图像处理软件（如photoshop）中显示出来，还必须将存储格式设定为JPEG、TIFF、BMP等格式。其图像格式的存储细节一般不需要了解。第二节 遥感图像的几何纠正遥感图像的几何变形主要是指原始图像上各种地物的几何位置、

19、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。由传感器以外的各种因素如传感器外方为元素的变化、传播介质不均匀、地球曲率、地形起伏及地球旋转等因素引起的变形误差称为外部误差。由传感器自身因素引起的误差为内部误差。外部误差对图像变形的影响较大。另外传感器的成像方式也会引起图像的变形，如全景投影和斜距投影。2.2.1 遥感图像粗加工处理遥感图像粗加工也称为粗纠正，它仅做系统误差改正。当已知图像的构像方程时，就可以把与传感器有关的校正数据，如传感器的外方位元素等代入构像公式对原始图像进行几何校正。2.2.2 遥感图像的精纠正处理遥感图像的精纠正是指消除图像中的几何变形，产生一幅符合

20、某种地图投影或图形表达要求的新图像的过程。它包括两个环节：一是像素的坐标变换，二是对变换后的像素亮度值进行重采样。目前的纠正方法有多项式法，共线方程法和随机场内插法。多项式纠正回避成像的空间几何过程，直接对图像变形本身进行数学模拟。本方法对各种传感器图像的纠正都是适用的。利用地面控制点的图像坐标和其同名点的地面坐标通过平差原理计算多项式的系数，然后利用该多项式进行几何纠正。2.2.3 图像间的自动配准和数字镶嵌一、图像间的自动配准在许多遥感图像处理中，要对用不同传感器在不同时间、不同地点获取的不同分辨率的多源遥感图像进行比较和分析，如进行图像融合数据、变换检测、统计模式识别、三维重构和地图修正

21、等，都要求多源图像间在几何上是相互配准的。图像配准的实质就是前述的几何纠正。图像间配准一般有两种形式：（1） 图像间的配准，即以多源图像中的一幅图像（通常为进行过几何纠正的图像）为参考图像，其他图像与之配准，其坐标系是任意的。（2） 绝对配准，即选择某个地图坐标系，将多源图像变换到这个地图坐标系以实现坐标系的统一。图像配准通常使用多项式法。多源图像间同名点的确定是图像配准的关键。同名点可通过目视判读方式或图像自动配准方式获取。二、图像的数字镶嵌图像的镶嵌是指将不同图像文件合在一起形成一幅完整的包含感兴趣区域的图像的过程。通过镶嵌处理，可以获得更大范围内的感兴趣区域的图像。数字图像镶嵌的关键是：

22、第一，在几何上将多幅图像连接在一起；第二，保证拼接后的图像反差一致，色调相近，没有明显的接缝。第三节 遥感图像辐射处理2.3.1 遥感图像的辐射校正一、辐射定标由于遥感图像成像过程的复杂性，传感器接收到的电磁波能量与目标本身辐射的能量是不一致的。引起辐射误差的原因有太阳位置和角度条件、大气条件、地形影响和传感器本身的性能等所引起的各种失真。相应的辐射处理包括辐射定标和辐射误差校正。辐射定标包括绝对定标和相对定标。绝对定标对目标作定量描述，要得到目标的辐射绝对值；相对定标只得出目标中某一点辐射亮度与其他点的相对值。相对定标又称为传感器探测单元归一化，是为了校正传感器中各个探测元件响应度差异而对卫

23、星传感器测量到的原始亮度值进行归一化的一种处理过程。二、辐射校正1传感器的辐射校正传感器的辐射校正有简化理论方法、基于数字图像本身的方法和借助已知地物光谱反射率的经验方法。简化理论方法对可见光和近红外主要求反射率；而对热红外波段主要求地面的辐射亮度后，以普朗克公式求出地物温度。利用图像本身求反射率从图像数据本身出发，很少用到其他辅助数据，基本属于归一化范畴。2太阳高度角和地形影响引起的辐射差改正这两种校正可以通过比值图像完成。3大气校正大气影响是指大气对太阳光和来自目标的辐射产生的吸收和散射。大气校正可通过基于地面场数据或辅助数据进行辐射校正和利用波段的特性进行校正。2.3.2 遥感图像的辐射

24、增强图像增强是为了突出图像中的某些信息（如强化图像高频分量，可使图像中物体轮廓清晰、细节明显），同时抑制或去除某些不需要的信息来提高遥感图像质量的处理方法。图像增强可以改善图像质量，使之更适于人的视觉或机器识别系统。遥感图像增强主要包括空间域增强、频率域增强、色彩增强等方法。一、空间域增强空间域增强包括空间域变换增强与空间域滤波增强两种。空间域变换增强是基于点处理的增强方法，空间域滤波增强是基于邻域处理的增强方法。1空间域变换增强 常用的空间域变换增强方法包括：对比度增强、直方图增强和图像算术运算等。2空间域滤波增强空间滤波又称空间域滤波，这是在图像空间几何变量域上直接修改图像数据，抑制噪声，

25、改善图像质量的方法。常用方法包括：图像卷积运算、边缘增强、平滑滤波、定向滤波等。 （1） （2） （3）图2-2 图像增强处理。（1）原始图像，（2）采用33处理核增强后的图像，（3）采用55处理核增强后的图像。 二、频率域滤波增强频率滤波又称频率域滤波，它通过修改遥感图像频率成分来实现遥感图像数据的改变，达到抑制噪声或改善遥感图像质量的目的。频率域滤波的关键是选取滤波器H(u, v) ，若利用H(u, v) 强化图像高频分量，可使图像中物体轮廓清晰，细节明显，这就是高通滤波，若强化低频分量，可减少图像中噪声影响，对图象平滑，这就是低通滤波。三、彩色增强人的视觉对彩色的分辨能力远远高于对灰度的

26、分辨能力，通常人眼能分辨的灰度有十几个等级，但可以分辨100多种彩色层次。彩色增强就是根据人的视觉特点，将彩色用于图像增强之中，这是提高遥感图像目标识别精度的一种有效方法。彩色合成增强是将多波段黑白图像变换为彩色图像的增强处理技术。根据合成影像的彩色与实际景物自然彩色的关系，彩色合成分为真彩色合成和假彩色合成两种。真彩色合成是指合成后的彩色图像上地物色彩与实际地物色彩接近或一致，假彩色合成是指合成后的彩色图像上地物色彩与实际地物色彩不一致，通过彩色合成增强，可以从图像背景中突出目标地物，便于遥感图像判读。2.3.3 图像融合多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不

27、同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其汇集到统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理，通过多种信息的互补性表现，提高多源空间数据综合利用质量及稳定性，提高地物识别、解译与决策的可靠性及系统的自动化程度的技术。图像融合一般可分为像素级，特征级和决策级三个等级。在数据融合前必须进行图像几何校正与配准。影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。遥感图像的融合算法有基于IHS(Intensity Hue Saturation)变换、主分量变换、比值变换、乘法变换及其小波变换的融合方法。对融合结果进行评价是有必要的

28、。评价方法有定性评价和定量评价两种。定性评价主要以目视判读为主，可以根据图像融合前后的对比作出定性评价。定量评价从融合图像的信息量和分类精度两方面进行评价。为了获得某一地区的三维景观图像，按照观察者的设定进行动态漫游和观察，将遥感图像和相应的DEM(Digital Elevation Model)复合即可生成具有真实感的三维景观。第四节 遥感图像计算机分类2.4.1 统计模式识别原理与基本过程计算机遥感图像分类是统计模式识别技术在遥感领域中的具体应用。统计模式识别的关键是提取待识别模式的一组统计特征，然后按照一定准则作出决策，从而对数字图像予以识别。遥感图像分类的主要依据是地物的光谱特征，即地

29、物电磁波辐射的多波段测量值，这些测量值可以用作遥感图像分类的原始特征变量。然而，就某些特定地物的分类而言，多波段影像的原始亮度值并不能很好地表达类别特征，因此需要对数字图像进行运算处理（如比值处理、差值处理、主成分变换以及KT变换等），以寻找能有效描述地物类别特征的模式变量，然后利用这些特征变量对数字图像进行分类。分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大致区分遥感图像中多种地物的目的。遥感图像计算机分类的依据是遥感图像像素的相似度。相似度是两类模式之间的相似程度。在遥感图像分类过程中，常使用距离和相关系数来衡量相似度。遥感图像的计算机分类方法包括监督分类和非监督分类。2.4

30、.2 监督分类监督分类方法首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对数字图像待分像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。这种方法称为监督分类。监督分类包括利用训练区样本建立判别函数的“学习”过程和把待分像元代入判别函数进行判别过程。监督分类中常用的具体分类方法包括：1最小距离分类法，最小距离分类法原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。2多级切割分类法，多级分割法分类便于直观理解如何分割特征空间，以及待分类像素如何与分类类别相对应。3特征曲线窗口法

31、，特征曲线窗口法可以根据不同特征进行分类，如利用标准地物光谱曲线的位置(nm)、反射峰或谷的宽度和峰值的高度作为分类的识别点，给定误差容许范围，分别对每个像素进行分类；或者利用每一类地物的各个特征参数上、下限值构造一个窗口，判别某个待分像元是否落入该窗口，只要检查该像元各特征参数值是否落入到相应窗口之内。特征曲线窗口法分类的效果取决于特征参数的选择和窗口大小。各特征参数窗口大小的选择可以不同，它要根据地物在各特征参数空间里的分布情况而定。4最大似然分类法，最大似然分类法(maximum likelihood classifier) 是经常使用的监督分类方法之一，它是通过求出每个像素对于各类别归

32、属概率，把该像素分到归属概率最大的类别中去的方法。最大似然比分类法在多类别分类时，常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。这里，归属概率是指：对于待分像元x，它从属于分类类别k的（后验）概率。2.4.3 非监督分类非监督分类是在没有先验类别(训练场地)作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相似度大的像元归为一类）的方法。非监督分类的前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱信息（或纹理信息）进行特征提取的统计特征的差

33、别来达到分类的目的，最后对已分出的各个类别的实地属性进行确认。非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即“物以类聚”。它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。常用的方法有：1分级集群法分级集群法采用“距离”评价各样本（每个像元）在空间分布的相似程度，把它们分布分割或者合并成不同的集群。每个集群的地理意义需要根据地面调查或者与已知类型的数据比较后方可确定。2动态聚类法在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合其样本，直到分类比较合理为止，这种聚类方法就是动态聚类。IsoData方法在动态聚类法中

34、具有代表性。监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数、建立判别函数，对待分类点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。因此，非监督分类方法简单，且分类具有一定的精度。2.4.4 图像分类的有关问题遥感图像计算机分类算法设计的主要依据是地物光谱数据。因此，它存在着如下的问题：1图像分类仅利用了地物光谱特征，未能充分利用遥感图像提供的多种信息；2提高遥感图像分类精度受到限制，主要受大气状况的影响，下垫面的影响和其它因素的影响。第三章 ENVI遥感图像处理软件介绍ENVI是一套功能齐全的遥感

35、图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具。1强大的影像显示、处理和分析系统ENVI包含齐全的遥感影像处理功能：常规处理、几何校正、定标、多光谱分析、高光谱分析、雷达分析、地形地貌分析、矢量应用、神经网络分析、区域分析、GPS联接、正射影象图生成、三维图像生成、丰富的可供二次开发调用的函数库、制图、数据输入/输出等功能组成了图像处理软件中非常全面的系统。ENVI对于要处理的图像波段数没有限制，可以处理最先进的卫星格式，如Landsat7、IKONOS、SPOT、RADARSAT、NASA、NOAA、EROS和TERRA，并准备接受未来所有传感器的信息。2强大的多

36、光谱影像处理功能ENVI能够充分提取图像信息，具备全套完整的遥感影像处理工具，能够进行文件处理、图像增强、掩膜、预处理、图像计算和统计，完整的分类及后处理工具，及图像变换和滤波工具、图像镶嵌、融合等功能。ENVI遥感影像处理软件具有丰富完备的投影软件包，可支持各种投影类型。同时，ENVI还创造性地将一些高光谱数据处理方法用于多光谱影像处理，可更有效地进行知识分类、土地利用动态监测。3更便捷地集成栅格和矢量数据ENVI包含所有基本的遥感影像处理功能，如：校正、定标、波段运算、分类、对比增强、滤波、变换、边缘检测及制图输出功能，并可以加注汉字。ENVI具有对遥感影像进行配准和正射校正的功能，可以给

37、影像添加地图投影，并与各种GIS数据套合。ENVI的矢量工具可以进行屏幕数字化、栅格和矢量叠合，建立新的矢量层、编辑点、线、多边形数据，缓冲区分析，创建并编辑属性并进行相关矢量层的属性查询。4ENVI的集成雷达分析工具用ENVI完整的集成式雷达分析工具可以快速处理雷达SAR数据,提取CEOS信息并浏览RADARSAT和ERS-1数据。用天线阵列校正、斜距校正、自适应滤波等功能提高数据的利用率。纹理分析功能还可以分段分析SAR数据。ENVI还可以处理极化雷达数据，用户可以从SIR-C和AIRSAR压缩数据中选择极化和工作频率，用户还可以浏览和比较感兴趣区的极化信号，并创建幅度图像和相位图像。5地

38、形分析工具ENVI具有三维地形可视分析及动画飞行功能，能按用户制定路径飞行，并能将动画序列输出为MPEG文件格式，便于用户演示成果。第四章 遥感图像处理过程及分析本章介绍利用ENVI进行遥感图像处理过程。所用遥感数据为ENVI软件自带的遥感图像。通过近两个月的对该软件的学习，现在可以比较熟练的操作该软件。下面将分别论述遥感图像的基本处理程序，并对处理结果作出分析。第一节 图像纠正ENVI中可以对预先定义了地图投影的数字图像进行几何纠正。地图投影的形式包括UTM（通用横轴墨卡托投影），State Plane投影以及用户自定义的投影方式。图像文件的投影信息包含在该图像的头文件中。ENVI的图像配准

39、和几何纠正功能允许用户将基于像素的图像纠正到一定的地理坐标系和/或与基图在几何上进行配准。纠正方法有RST（Resampling，Scaling and Translation），多项式函数纠正，Delaunay三角纠正等。重采样有最邻近法，双线性内插和三次卷积法。通过使用ENVI的多重动态覆盖功能对比基图和纠正后的图像，可以快速评价配准精度。4.1.1 图像到图像的配准在进行处理之前，可以打开该图像的头文件浏览图像信息，如投影方式，像素大小，坐标系，地理坐标原点等。如果没有相关信息，也可以通过自己编辑输入。可以在Main图像窗口双击鼠标左键弹出光标定位/信息（cursor location/

40、value）窗口显示这些信息。在配准之前也可以覆盖格网以利于分析。在本次操作中，以配准后的SPOT图像作为基图对Landsat 的TM图像进行纠正使之与SPOT图像配准。首先打开这两幅图像。然后从主菜单条中，选择Map Registration Select GCPs:Image to Image。进行图像到图像之间的控制点的选取。控制点必须是明显的地物点，如道路及河道交叉点，水域的角点等。控制点应该大致均匀分布在图像上，个数不能太少。控制点的选取如下图所示。如果所选的控制点数超过6个，ENVI中的Image to Image GCP List 窗口将显示出x误差，y误差及RMS误差。通过查看

41、误差大小以确定点位精度。误差过大者（一般不能超过1个像素）应删除。图4-1 控制点的选取。左边为配准后的SPOT全色图像，右边为待纠正的TM图像。控制点在Zoom窗口中选取。接下来进行配准操作。在控制点选取对话框中，选择 Options Warp Displayed Band，然后输入相应的配准因数（纠正方法，重采样方式，背景）后，再输入输出文件名即可。4.1.2 图像到地图的配准图像到地图的配准操作过程与图像到图像的配准基本相同。在这里，地图作为矢量文件，需要在矢量（Vector）窗口中打开。控制点的选取与图像到图像配准有所不同。在矢量地图中，选择交叉点作为控制点，并在被纠正图像中找到相应的

42、点。找到对应点后，需在矢量窗口中单击鼠标右键，选择：Export Map Location.，接着在控制点选取对话框（GCPs Slection Dialog）中单击 Add Point 即可。控制点的另一种输入方法是在待纠正图像上找到地面控制点后，输入相应的控制点坐标。这种方法在图像上寻找控制点时相对较麻烦。在有地图的情况下，一般不采用这种方法。选好控制点后，就可以进行图像纠正了。作为学习阶段，可以用不同的纠正方法及重采样方式进行纠正处理，然后对不同的纠正结果进行比较。纠正操作完成后，可以查看纠正效果。还可以将纠正后图像与SOPT图像进行链接（Link），用多重动态覆盖功能比较两幅图像的差异

43、。由于全色SPOT图像空间分辨率为10m，而TM图像则为30m，而且两幅图像所覆盖的区域大小也不同，直接进行链接处理是没有意义的。比较简单的方法是不进行链接处理，在SPOT图像的Zoom窗口将原始的缩放比例4x减小至1x，将TM的Zoom窗口的缩放比例变为3x。变化后SPOT图像与TM图像的ZOOM窗口的缩放比例之间呈1：3的关系，这样窗口间的图像的像素大小一致，就可以选取相同的地物比较两者的差异。如果要进行较全面的比较，则可以将TM图像进行重采样，使其分辨率为10m，并在空间上取子集，使其与SPOT一致。然后再进行link操作。对比结果如下图所示。 图4-2 纠正后TM图像与SPOT图像对比

44、。通过对比发现，TM图像的几何位置得到了较好的纠正，但相对SPOT图像仍有一定的偏差。4.1.3 用输入的几何关系进行图像配准现在从多种传感器获取的数据都附带了成像过程中所获取的详细信息（平台几何关系，Platform Geometry），通过这种几何关系可以进行基于模型的几何纠正和图像配准。现在传感器收集的与图像对应的星历表允许进行精确的图像到地图的几何纠正。ENVI提供了一个存储传感器几何信息和自动将图像纠正到特定投影/坐标系的范例。ENVI将采用最邻近像元法进行重采样。在进行纠正之前可以先查看图像的变形情况，比如像素之间的关系，道路的弯曲情况等。纠正操作如下：首先打开待纠正的文件和相应的

45、IGM文件。接着在主菜单条中选择：Map Georeference from Input Geometry Georeference from IGM。然后按提示操作即可。操作中需要注意的是输入图形的投影方式应该与输出图像的投影方式一致。在本次操作中选择UTM投影，北美1927年坐标系第13带。 （1）原始图像 （2）纠正后图像图4-3 采用输入传感器几何关系纠正图像后与原始图像对比。通过对比发现纠正后图像相对于原始图像有180度的旋转。由于在纠正过程中已经生成了IGM文件，于是可以采用IGM文件进行纠正处理。其处理流程与上面的处理流程一致。只是在主菜单条中选取Map Georeference

46、 from Input Geometry Georeference fromIGM 后，在出现的 slect input file 对话框中首先应选择IGM文件，然后再选择待纠正文件。4.1.4 通过HSV变换融合具有不同分辨率的配准后的图像可以通过HSV(Hue Saturation Value)变换进行图像融合处理，比如可以将低分辨率的TM多光谱图像与高分辨率的SPOT全色图像进行融合，得到高分辨率的彩色图像。有多种方式实现这种融合处理。ENVI中的HSV变换可以自动进行重采样及进行空间匹配。其操作为：在ENVI的主菜单条中选择：Transform Image Sharpening HSV，然后再按提示操作即可。另外可以由用户自己进行重采样，将采样后图像与SPOT图像进行HSV处理。下图显示了两种不同操作的到的结果。（1） （2）图4-4 两种融合方式结果比较。（1）为进行重采样后的融合，（2）为ENVI自动融合处理。可以看出用（1）处理所得的结果比较好。第二节 图像分类经过配准后的图像可以进行分类处理。为了得到较好的分类结果，在分类之前有必要对图像做适当的预处理。比如平滑处理，K-L变换等。平