遥感图像处理.ppt

《遥感图像处理.ppt》由会员分享，可在线阅读，更多相关《遥感图像处理.ppt（122页珍藏版）》请在三一办公上搜索。

1、遥感图像处理,一、遥感图像基本操作二、遥感图像的校正三、遥感图像信息增强四、遥感图像融合处理五、遥感图像计算机分类及应用,一、遥感图像基本操作,（一）图像的输入与输出（二）图像的裁剪（三）图像的重采样,（一）图像的输入与输出,（一）图像的输入与输出,（一）图像的输入与输出,（一）图像的输入与输出,（一）图像的输入与输出,在“Available Bands List”菜单中选择“Available Files List”还可以可以显示出遥感图像的基本信息，具体如图所示,（一）图像的输入与输出,点击“MAP Info”也可以看到部分图像信息,（一）图像的输入与输出,若要保存图像，需要在图像所在窗口

2、中选择FileSave Image AsImage File，弹出Output Display to Image File对话框：,对于单波段图像，选择8-bit Color，而多波段彩色合成图像则选择24-bit Color。图像的保存方式有两种：一是直接保存为文件；二是选择“Memory”，记忆在“Available Bands List”菜单中。,（二）图像的裁剪,对遥感图像进行裁剪是图像处理工作的基础，本例针对图像can_tmr.img对进行裁剪。1首先打开图像can_tmr.img，选择主菜单中的“Basic Tools”“Resize Data”：,（二）图像的裁剪,弹出Resiz

3、e Data Input File对话框，选择你要裁剪的图像之后，点击Spatial Subset，弹出Select Spatial Subset对话框，就可以进行裁剪了。,（二）图像的裁剪,（二）图像的裁剪,（二）图像的裁剪-image方式,选择Image方式对图像进行裁剪，它是一种根据图像裁剪的方法，拖拽红色框的左上角来选择裁剪范围，图像中的红框大小可以通过输入数值改变其大小,（二）图像的裁剪-file方式,还可以选择File方式进行裁剪，它是根据另一个已知文件来选择裁剪范围的方法，点击File之后，弹出Subset By File Input Filed对话框，选择已经存在的图像之后进行

4、裁剪。,（二）图像的裁剪-map方式,还可以根据地图坐标裁剪。在Select Spatial Subset对话框中，选择map方式，弹出Spatial Subset by Map Coordinates对话框，分别输入左上角和右下角的地理经纬度坐标，即可完成对图像的裁剪操作，保存即可,（三）图像的重采样,常用的方法有最邻近法（Nearest Neighbor）、双线性内插法（Bilinear）、以及立方卷积法（Cubic Convolution）,（三）图像的重采样,图像裁剪设置完毕后，点击OK，就可以进行重采样设置。,（三）图像的重采样,在Resize Data Parameters对话框的

5、相应文本中，输入所需要重采样的样本数和行数；或在“xfac”和“yfac”中输入你要放大或者缩小的倍数。,（三）图像的重采样,二、遥感图像的校正,（一）辐射校正（二）几何校正,（一）辐射校正,辐射校正包括成像时期照明条件的差异、大气影响、系统噪声、仪器误差等的改正和补偿。1、大气校正2、系统噪声消除,1、大气校正,对遥感图像进行大气校正指的是去掉大气散射作用造成的路径辐射附加在地物中的部分。,式中，LAi为卫星观测值；Ri为地面反射率；a和b为回归系数；,1、大气校正,（1）公式法 与卫星扫描同步进行野外波谱测试，将地面测量结果与卫星影像对应像元亮度值进行回归分析，回归方程为：,1、大气校正,

6、（2）回归分析法 作法：在不受大气影响的波段（如TM5）和待校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。例如：,a1,b1计算如下：,T1、T5表示TM1与TM5波段灰度值，,为TM1波段校正后的灰度值。,辐射回归分析图：,（3）直方图校正法 通过灰度直方图对比找出校正量。,1、大气校正,打开一幅遥感影像的第二、第四波段，由于第四波段属于近红外波段，波长较长，受大气影响较小，可以利用波长较长的第四波段来对波长较短的第二波段进行校正。,1、大气校正,首先把两幅图像动态连接，在较暗部比较像元亮度值的大小，估计亮度值差值的一个准确值。,

7、1、大气校正,按右图设置动态连接的选项。,1、大气校正,如果二波段相同位置像元的亮度值比四波段大，这个差距是由大气的辐射影响造成的，可以利用波段运算的方法对第二波段的亮度值减去他们的差值，然后保存就可以消除第二波段中大气辐射的影响。,1、大气校正,还可以用直方图对比的方法进行大气校正。其原理如下图所示。,1、大气校正,如上面的方法一样，将zoom图像放置于比较暗的地方，对第二波段和第四波段的图像进行连接，打开第二、四波段的直方图，即可找出两个波段最暗部分的亮度值差，然后可以按照上面的方法来消除大气辐射的影响。,1、大气校正,用同样的方法，显示出第四波段的直方图，可以比较两个波段最小亮度值的差别

8、，即可完成大气校正。,1、大气校正,此外，ENVI 中还有特定的功能对各种数据进行大气校正工作，选择菜单Basic ToolsPreprocessingCalibration Utilities，这个工具可以对各种不同的数据，进行自动的大气校正工作。,2、系统噪声消除,图像中的主要的噪声是周期性噪声、条带与坏线现象及尖峰噪声等。（1）周期性噪声一般重叠在原图像上，成为周期性的干涉图形，与尖峰噪声一道可以通过滤波的方式进行处理。（2）遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线，它的出现和分布具有随机性质。,（2）去除条带及坏线,去除条带以及坏线处理，

9、既可以在原空间域（即原图像）中进行，也可以通过傅立叶变换进行滤波处理来实现。这里讲述的是如何在原图像中进行去除坏线。,（2）去除条带及坏线,打开图像，可以看到很多条带噪声。,（2）去除条带及坏线,选择Basic ToolsPreprocessingGeneral PurposeReplace Bad Lines。出现Bad Lines Input File 对话框，选择一个输入文件，也可以通过Spectral Subset 来选择单一波段进行去除。,（2）去除条带及坏线,（2）去除条带及坏线,在“Half Wildth to Average”文本框中，键入要参与计算平均值的邻近行数。在要替代的

10、行周围数值应是对称的。例如，值为“2”意味着每边各有两行将参与平均值计算。,（2）去除条带及坏线,对于图像坏线的准确行数，可以在打开的图像的上点击右键，选择Pixel Locator，然后在zoom图像窗口中，准确确定坏线的行数。,（二）几何校正,遥感图像几何校正包括光学校正和数字纠正两种方法。数字纠正是通过计算机对图像每个像元逐个地解析纠正处理完成的，其包括两方面：一是像元坐标变换；二是像元灰度值重新计算（重采样）。,（二）几何校正,1、图像对图像的校正2、图像对地图的校正,1、图像对图像的校正,1、在实习数据路径下打开SPOT数据文件bldr_sp.img，并加载到显示窗口，它已具有地理信

11、息，展开波段列表中的Map Info选项，如下图所示。,1、图像对图像的校正,1、图像对图像的校正,由于刚才打开的SPOT图像具有正确的坐标信息，可以用它来校正另一幅同一地区的不具有地理信息的TM图像。,1、图像对图像的校正,一旦两幅图像都已经显示，在ENVI主菜单中选择MapRegistrationSelect GCPs:Image to Image,1、图像对图像的校正,，出现Image to Image Registration对话框时，在“Base Image:”下面点击选择基图像（参照图像）的显示（Display#1，SPOT图像）。在“Warp Image:”下方点击选择被纠正的图

12、像的显示(Display#2，TM图像)。,1、图像对图像的校正,单击OK，出现 Ground Control Points Selection 对话框。在该对话框里添加地面控制点（GCP）。,1、图像对图像的校正,1、图像对图像的校正,选择好控制点后，如左图所示，在Ground Control Points Selection 对话框中选择OptionsWarp file，,1、图像对图像的校正,选择bldr_tm.img文件，点击OK,1、图像对图像的校正,出现Registration Parameters对话框，纠正方法选择RST，重采样方法采用最邻近采样：,1、图像对图像的校正,右图为

13、校正后的TM影像。,2、图像对地图的校正,图像对地图配准要求至少由一幅图像是打开的。图像中地面控制点(GCPs)由缩放窗口中的光标选择。也可以选择亚像元坐标。相应的地图坐标被手工输入或从矢量窗口输入。一旦选择了足够的点定义一个纠正多项式，在纠正图像中的GCP位置就能预测。,2、图像对地图的校正,1、在实习数据路径下打开TM图像bldr_tm.img，图像默认加载到显示窗口中（图像打开时的默认显示可以在头文件里进行设置）,2、图像对地图的校正,选择Map Registration Select GCPs:Image to Map，出现Image to Map Registration对话框,2、

14、图像对地图的校正,在该对话框中，在“Select Registration Projection”列表中，点击类型选择要输出的投影。这里选择UTM投影，在标有“Zone”的文本框里输入区域号13，像元分辨率接受默认的30m，点击OK,2、图像对地图的校正,出现 Ground Control Points Selection 对话框，在该对话框中选择地面控制点，地面控制点的选择类似于图像-图像配准,2、图像对地图的校正,在纠正图像的缩放窗口中定位要添加的控制点，它的相应的像素坐标出现在“Image X”和“Image Y”框里（可能为亚像元）。然后在分别在标有“E”和“N”的文本框里，键入该点对

15、应的地图坐标（可从地图上读取）。,2、图像对地图的校正,一旦选择完图像中需要的像元，且地图坐标已经输入，点击 Ground Control Points Selection 对话框中的“Add Point”按钮，将点添加到 GCPs 的列表里。,2、图像对地图的校正,用同样的方法添加另外的GCPs。按前述方法执行纠正。,三、遥感图像信息增强,遥感图像信息增强包括空间信息增强和波谱信息增强，这里主要介绍最为基础的空间信息增强。,三、遥感图像信息增强,（一）反差扩展（二）彩色合成,（一）反差扩展,反差扩展是一种通过拉伸或扩展图像的亮度数据分布，使其占满整个动态范围（0-255），以达到扩大地物之间

16、亮度差异，分出更多的亮度范围等级的一种处理技术。反差扩展只能在单波段的图像上进行。,（一）反差扩展,从主菜单的File中，打开TM 1-7波段数据，在窗口中打开任意波段的数据。系统在打开图像时默认进行2%的线性扩展。所谓2%的线性扩展指的是分别去除2%的小值和大值，这样拉伸显示异常值基本都能去掉。,（一）反差扩展,从上图可以看出，由于进行了2%的线性拉伸，使得图像层次感下降，可以选择主图像菜单中的enhance scroll linear菜单对图像进行反差扩展。,（一）反差扩展,要想改变打开文件时，系统默认的2%线性扩展，可以从主菜单File中，打开PreferencesDisplay Def

17、ault，将%Linear中的2.0改为0.0，选择OK后。关闭对话框，保存生成的新文件再打开，就形成新的从0开始的线性变换。,（一）反差扩展,主图像菜单中选择EnhanceInteractive Stretching 可以进行交互式的反差扩展。Strech_Type中可以选择各种扩展方式，选中各种不同的扩展方式，点击Apply，即可在图中看到变化后的图像。,（二）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。,（二）彩色合成,（1）首先打开一幅TM图像17个波段，

18、FileOpen Image File:（2）点击Available Bands List对话框中RGB Color单选按钮。（3）在显示的波段列表中分别点击band 7做R（红）变换、band 4做G（绿）变换、band2做B（蓝）变换。（4）点击Load RGB显示合成后的彩色图像。,五、遥感图像计算机分类,（一）非监督分类（二）监督分类（三）分类后处理,（一）非监督分类,非监督分类仅仅用统计方法对数据集中的像元进行分类，它不需要用户定义任何训练分类器。Unsupervised Classification 菜单为你提供了 ENVI 的 Isodata 和 K-Means 非监督分类技术。

19、,（一）非监督分类：K-Means,K-Means 非监督分类任意确定集群中心，然后用最短距离技术重复地把像元聚集到最近的类里。每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。除非限定了标准差和距离的阈值，所有像元都被归到与其最邻近的一类里。这一过程持续到每一类的像元数变化少于指定的像元变化阈值或已经到了迭代的最多次数。,（一）非监督分类：K-Means,K-Means方法的不足：类数一经确定便不能改变，受初始参数的影响。,（一）非监督分类：K-Means,1、从ENVI主菜单中依次选择ClassificationUnsupervisedK-Means，在Classification

20、 Input File对话框中选择can_tmr.img，然后点OK，出现如下K-Means Parameters对话框：,（一）非监督分类：K-Means,2、接受所有的默认参数，选择输出的路径和文件名，点OK。分类结果被加载到波段列表中。将其加载到显示窗口中，并与多波段的432合成图像进行比较。,（一）非监督分类：Isodata,Isodata 非监督分类计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元迭代聚集。每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。重复分类是分割、融合和删除，是基于输入的阈值参数的。除非限定了标准差和距离的阈值，所有像元都被归到与其最邻近的

21、一类里。这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已经到了迭代的最多次数。,（一）非监督分类：Isodata,该方法是对K-Means方法的改进方案，它允许在K-Means方法的的基础上对类数和分类结果进行调整和改变。,（一）非监督分类：Isodata,1、从ENVI主菜单中依次选择ClassificationUnsupervisedIsoData，在Classification Input File对话框中选择can_tmr.img，然后点OK，出现如下ISODATA Parameters 对话框：,（一）非监督分类：Isodata,（一）非监督分类：Isodata,2、接受所

22、有的默认参数，选择输出的路径和文件名，点OK。分类结果被加载到波段列表中。将其加载到显示窗口中，并与多波段的432合成图像和K-Means方法的分类结果图像进行比较（左为K-Means分类结果）,（二）监督分类,监督分类技术需要你在执行以前事先定义训练分类器（training classes）。这些可以用两种方式定义，用 Endmember Collection 对话框选择波谱，或从Region of Interest菜单里选用Define Region of Interest项。感兴趣区域可以呈不规则的形状。,（二）监督分类,1、在主图像窗口中，选择Overlay Region of Int

23、erest，出现#1 ROI Tool对话框。,（二）监督分类,2、在上述对话框中选择File Restore ROIs，选择CLASSES.ROI，点击OK。这样该文件中所定义的感兴趣区域将显示在Available Regions Of Interest列表中。,（二）监督分类,经典的监督分类方法有：Parallelepiped(平行六面体)、Minimum Distance(最小距离)、Mahalanobis Distance(马氏距离)、Maximum Likelihood(最大似然分类)。,（二）监督分类：马氏距离,计算每一个未知像元到每一类均值矢量的马氏距离。所有像元都被归为最近的一

24、类。,（二）监督分类：马氏距离,1、选择Classification Supervised Mahalanobis Distance，出现 Classification Input File 对话框，选择can_tmr.img作为分类文件。出现Mahalanobis Distance Parameters对话框：,（二）监督分类：马氏距离,如果输入了选择最大距离参数，距离超过所有类的这个参数的像元将被归为“无类别”。如果没有输入最大距离误差值，则所有像元都将参与分类。,（二）监督分类：马氏距离,2、点击Set All Items按钮，选择所有训练区，键入输出文件名，接收默认参数，点击OK，得到

25、分类结果图像：,（二）监督分类：最大似然法,最大似然分类假定各类统计值在各个波段均呈正态分布，并计算给定像元属于一特定类别的可能性。除非选择一个可能性阈值，所有像元都将参与分类。每一个像元被归到可能性最大的那一类里。这种方法算法较复杂些，但是效果往往会好些，所以比较通用。,（二）监督分类：最大似然法,1、选择ClassificationSupervised Maximum Likelihood，出现 Classification Input File 对话框，选择can_tmr.img作为分类文件。出现Maximum Likelihood Parameters对话框：,（二）监督分类：最大似然

26、法,若需要，在 Probability Threshold”文本框里，键入一个阈值（01）。选项参数被用来控制像元准确分类的可能性。如果像元的可能性低于所有类的阈值，则它被归为“无类别”。,（二）监督分类：最大似然法,2、点击Set All Items按钮，选择所有训练区，键入输出文件名，接收默认参数，点击OK，得到分类结果图像：,（三）分类后处理,主要包括分类统计、混淆矩阵、合并分类、改变类颜色。,（三）分类后处理：分类统计,统计可以基于与任何相关输入文件的分类结果进行计算。基本统计包括在一个类中的点数、最小值、最大值、平均值以及类中每个波段的标准差等。每类中，最小值、最大值、平均值以及标准

27、差可以作成图显示。可以看到每类的直方图，以及计算出的协方差矩阵、相关矩阵、特征值和特征矢量。对所有分类的描述也可以看到。,（三）分类后处理：分类统计,1、选择Classification Post Classification Class Statistics，在Classification Input File对话框中选择一幅分类图像，单击OK，,（三）分类后处理：分类统计,2、然后在Statistics Input File对话框中选择一个输入文件（即用来计算统计值的文件），这里我们选择can_tmr.img，并用标准 ENVI 文件选择程序抽取空间或波谱子集，单击OK。,（三）分类后处理

28、：分类统计,3、出现 Class Selection 对话框，在列表中点击分类名，选择你想计算统计的分类，若选择所有分类，点击“Select All Items”。,（三）分类后处理：分类统计,单击OK，出现 Compute Statistics Parameter 对话框。在检查框里点击，选择需要的统计项及输出选项：,（三）分类后处理：分类统计,（三）分类后处理：混淆矩阵,分类结果的精度显示在一个混淆矩阵里（用于比较分类结果和地表真实信息）。记录了总体精度、制造者以及用户的准确度、Kappa 系数、混淆矩阵以及代理和冗长误差。ENVI 能用一幅地表真实图像或地表真实感兴趣区（ROIs）计算混淆矩阵。当用一幅地表真实图像时，也可以输出每类图像中没有被正确分类的那些像元隐含的误差图像。,（三）分类后处理：混淆矩阵,1、选择 Classification Post Classification Confusion Matrix Using Ground Truth Image。选择can_sam.img作为分类图像，选择can_pcls.img作为地面真实影像（我们假定）。单击OK。,（三）分类后处理：混淆矩阵,2、在Match Classes Parameters对话框中选择用于比较的地类对，单击OK。选择Memory存储，点击OK。出现如下混淆矩阵：,（三）分类后处理：混淆矩阵,