erdas遥感专题信息提取与专题图制作
遥感专题信息提取与专题图制作设计报告
1.课程设计的目的和意义
本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；熟悉遥感图像处理的方法和步骤，学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题和解决问题的能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。
2.课程设计的原理和方法
2.1课程设计原理
2.1.1 图像预处理
ERDAS软件默认的文件格式是img格式，因此首先需要将实习数据由TIFF格式转换为img格式图像。
多波段影像包含的信息量较大，实习中将6个单波段影像合成多波段影像进行处理。
Spot影像需具有地理信息，要将影像头文件信息添加进去。
遥感所获取的数据，均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理是将图像数据投影到平面上，使其符合地图投影系统。而将地图投影系统赋予图像数据的过程，称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何纠正的过程包含了地理参考过程。在实习过程中，采用了一次多项式法进行几何纠正。
因研究范围的要求，需要在几何上将左右两幅图像连接在一起，并且保证拼接后的图像反差一致，色调相近，没有明显的接缝。遥感影像在镶嵌之前，必须包含投影信息、地理坐标信息，还要有相同的波段数。当然，在挑选遥感数据时，要尽可能选择成像时间和成像条件相近的遥感图像，要求相邻影像的色调一致。
在实际工作中，经常需要根据研究工作范围对图像进行裁剪，按照ERDAS实际图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：规则分幅裁剪和不规则分幅裁剪。
规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，就可以确定图像的裁剪位置，整个裁剪过程比较简单。
不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角两点的坐标确定裁减位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI多边形，也可以是ArcInfo的一个Polygon Coverage，针对不同的情况采用不同的裁剪过程。
图像融合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。
图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：监督分类与非监督分类。
2.2课程设计方案
1.首先对实习数据进行图像格式转换，将实习数据由TIFF格式转换为ERDAS软件方便处理的img文件格式；对TM影像进行彩色合成增加信息量，便于处理；根据readme.txt中给出的数据对Spot影像添加头信息。
2.根据Spot影像数据对TM影像进行几何纠正，消除TM波段影像中存在的形变，将它们归
划到统一的坐标系中。
3.将左像片与右像片进行镶嵌，对重叠区域进行平滑处理并调整左右色差使成图效果较为理想。
4.对镶嵌后的影像进行裁剪使生成规则的矩形图形。
5.将裁剪影像与Spot影像进行融合.
6.对融合与非融合影像进行监督分类与非监督分类，对非监督分类结果进行分类重编码，聚类统计与去除分析操作；对监督分类结果进行聚类统计，去除分析与精度评定；比较融合与非融合影像精度评定的效果，选出分类精度较高的影像。
7.根据分类结果对图像进行解译，提取专题信息；为专题图层添加底图、标题、图例等内容，进行图幅整饰并输出为专题地图。
3.课程设计的过程和步骤
1．数据预处理
格式转换：用Import模块将12幅TM影像与1幅Spot影像由TIFF格式转换成img格式，注意在弹出的输入输出对话框中选择相应的格式。
彩色合成：用Interpreter模块将左右各6个TM单波段影像叠加合成为多波段影像。选择Interpreter/Utilities/Layer Stack，在弹出的Layer Selection Stacking对话框中添加需要合成的波段。
添加头信息：打开Spot图像，调出ImageInfo对话框，选择Edit菜单，对影像的左上角X、Y坐标、像元值大小、单位和地图投影信息进行添加。
2．几何纠正
打开需要纠正的TM图像与Spot影像，在TM图像菜单中选择Raster/Geometric Correction，选择Polynomial，设次数为1，用已打开的Spot影像作参考，开始分别在两个影像中选择
同名点进行纠正。选出5个控制点后，选择Edit/Set Point Type/Check设置检查点，再选择
5个检查点来检查精度。
选点完成后，点击Geo Correction Tools中的重采样按钮对图像进行重采样并输出。对比纠正前后的图像判断纠正精度。
3．影像镶嵌
选择Main/Data Preparation/Mosaic Images/Mosaic Tool，打开影像镶嵌对话框。选择Mosaic Images/Edit/Add Images，加入左右影像，设置图像拼接区域为Compute Active
Area(edge)。点击Color Correction图标设置色差调整方式，在实习中选择了Use Color Balanceing和Use Histogram Mathcing两种方式，点击Set Overlap Function设置相交关系为No Cutline Exists，重叠区域像素取均值。选择Rrocess/Run Mosaic输出镶嵌图像。
4．图像裁剪
打开需要裁剪的图像，选择AOI/Tools调出AOI工具栏，选择Main/Data
Preparation/Subset Image，在对话框中设置输入、输出图像，选择AOI矩形工具画出裁剪区域进行裁剪。
5. 图像融合
选择Main/Image Interperter/Spatial Enhancement/Resolution Merge调出图像融合对话框，设置输入、输出图像，注意高分辨率影像应为Spot影像，多光谱影像输入裁剪后的TM影像，融合方法选择Principle Compoment，重采样方法选择Bilinear Interpolation。
6. 非监督分类
选择Main/Data Preparation/Unsupervised Classification调出非监督分类对话框，设置输入、输出图像，根据对分类图像的初始判断，设置分类数为7类，最大循环次数为24次，循环
收敛阈值为0.95。
打开分类后影像，选择Raster/Attributes打开类别属性框，对类别的名称、颜色、列表
显示顺序均可进行更改。
分类重编码：选择Main/Image Interperter/GIS Analysis/Recode，调出重编码对话框，对需要
合并的类的New Value字段取同样值。
聚类统计：在GIS Analysis菜单列中选择Clump对图像进行聚类统计。
去除分析：在GIS Analysis菜单列中选择Eliminate对聚类统计后的图像进行去除分析。
7. 监督分类
监督分类首先需要定义分类模板，选择Classifier/Signature Editor对分类字段进行设置，去掉Red，Green，Blue字段。打开需要分类的图像，点击AOI/Tools调出AOI工具条，用AOI工具从要分类的影像中对代表各个已知类别的像元进行采样。将采样结果添加进Signature Editor中，并对针对同一类别的几次采样进行合并。在Signature Editor的对话框中点Evaluate-Contingency ，观察混淆矩阵，纯度达到85%以上就能满足精度要求。
选择Classifier/Supervised Classification，设置输入、输出影像与分类模板，利用最大似
然法进行分类。打开分类后影像，选择Raster/Attributes打开类别属性框，对类别的名称、
颜色、列表显示顺序均可进行更改。
对监督分类后影像进行聚类统计与去除分析(操作步骤见上非监督分类)。最后去除分析
后影像进行精度评定。打开分类前原始图像，选择Classifier/Accuracy Assessment调出精度
评定对话框，点击File/Open去除分析后的监督分类图像，选择View/Select Viewer并点击原始图像将其与精度评估视窗相连，产生200个随机点并设置颜色，将随机点显示在原始图像中并在视窗中显示类别，逐点判断其实际类别并生成分类精度报告。
8. 专题地图制作
选择GIS Analysis／Recode，在对话框中对专题类别进行提取。
选择Main/Map Composer，点击New Map Composition，设置地图版面的大小，单位，
背景等。然后在弹出的Map Composer窗口中点击Annotation／Tools调出常用的工具板,绘
制地图图框，插入公里网，图例，比例尺，标题与制图者信息等。
4.课程设计的结果分析与评价
4.1 彩色合成
左片与右片的彩色合成效果分别如下图1、图2所示。
图1：左片彩色合成效果图2：右片彩色合成效果
4.2 几何纠正
左片与右片的几何纠正点设置分别如下图3、图4所示，左右两幅图像在几何纠正中均
选取了控制点和检查点各5个。在进行同名点选取时，由于图像中大量存在的林木区域地物
特征相对不明显，导致选点多分布在河流沿岸地区，点位分布不够均匀，精度也不够高，因而需要对点位进行反复修改以实现较小的误差几何纠正的结果如图5、图7所示。将纠正后图像与Spot影像叠加显示（注意需勾去ClearDisplay），采用Swipe操作来对几何纠正的效果进行分析，如图6、图8所示。根据Swipe操作对比纠正后影像与Spot影像可知，在实习中几何纠正的效果较好。
图3：左片几何纠正点
图4：右片几何纠正点
图5：左片几何纠正结果图6：左片几何纠正效果分析
图7：右片几何纠正结果图8：右片几何纠正效果分析
4.3 图像镶嵌
在实习中选用了Use Color Balanceing和Use Histogram Mathcing两种色差调整方式，相交关系设为No Cutline Exists，重叠区域的像素取均值。得到镶嵌结果如下图9所示，可知镶嵌效果较好，图形重叠区域比较清晰。在实习中还尝试了对重叠区域像素取最大值或最小值进行镶嵌，得到的镶嵌图形在重叠区域的中下半部分均会产生较为明显的模糊。
图9：图形镶嵌效果
4.4 图像裁剪
图像裁剪的结果如下图10所示，可知裁剪得到的是原镶嵌图像中尽可能大的一个矩形区域。
图10：图像裁剪效果图11：图像融合效果
4.5图像融合
将裁剪影像与Spot影像进行融合的结果如上图11所示，其中需注意Spot影像为高分辨率影像，裁剪影像为多光谱影像，在设置时不要产生混淆。
4.6 非监督分类
在非监督分类阶段，分别对非融合与融合影像进行非监督分类（图12，图17）、分类效果评估（图13，图18）、分类重编码（图14，图19）、聚类统计（图15，图20）与去除分析（图16，图21）。由图像可知，在经过非监督分类后，非融合与融合影像的类别分布均较为杂乱。与各自对应的原始图像进行推扫比较，分析确定每个类别代表的地物类型，可知类别提取与原始图像的像素变化较为一致，细节比较精确。
经过分类重编码将分类影像确定为5类，再经聚类统计，去除分析后得出的图像略去了杂乱的分类细节，类别聚集较为集中。
图12：非融合影像的非监督分类结果
图13：非融合影像的非监督分类效果评价
图14：非融合影像非监督分类的分类重编码操作结果
图15：非融合影像非监督分类的聚类统计操作结果图16：非融合影像非监督分类的去除分析操作结果
图17：融合影像的非监督分类结果
图18：非融合影像的非监督分类效果评价
图19：融合影像非监督分类的分类重编码操作结果
图20：融合影像非监督分类的聚类统计操作结果图21：融合影像非监督分类的去除分析操作结果
4.7 监督分类
在监督分类中，分类样区的选择非常重要。在实习中遇到的一个问题就是居民地与道路的颜色较为接近，类别提取后在分类时容易产生误差，许多应当属于居民地的区域会被归为道路类，如下图中非融合影像监督分类系列操作的结果，即图22-25所示。在融合影像中，河流与道路的颜色同样较为接近，经过多次调整采样区间后道路类仍然误差较大，且道路区域较小，因而取消了道路类，如下图27-30所示。
在进行精度评定时，电脑常常死机，因而在这一环节耗费了大量的时间。最后对非融合影像与融合影像各取了200个随机点，精度评定的效果分别如下图26，图31所示。可知融合影像的分类精度要高于非融合影像。
图22：非融合影像监督分类结果图23：非融合影像监督分类表
图24：非融合影像监督分类的聚类统计操作结果图25：非融合影像监督分类的去除分析操作结果
图26：非融合影像监督分类的精度评定
图27：融合影像监督分类结果图28：融合影像监督分类表
图29：融合影像监督分类的聚类统计操作结果图30：融合影像监督分类的去除分析操作结果
图31：融合影像监督分类的精度评定
4.8 专题地图制作
在此次实习中，我选择制作反应宜昌地区土地利用情况的专题图像，在设置图例时，由于类别中存在不属于分类类别的空白项，因而需要首先对图像进行重编码，再进行图例设置，也可以在图例设置中只选择需要显示的几项类别。专题图成果如下图32所示。
图32：专题地图
5.课程设计的总结与体会
erdas遥感专题信息提取与专题图制作
遥感专题信息提取与专题图制作设计报告 1.课程设计的目的和意义 本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；熟悉遥感图像处理的方法和步骤，学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题和解决问题的能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。 2.课程设计的原理和方法 2.1课程设计原理 2.1.1 图像预处理 ERDAS软件默认的文件格式是img格式，因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大，实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息，要将影像头文件信息添加进去。 2.1.2几何纠正 遥感所获取的数据，均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理是将图像数据投影到平面上，使其符合地图投影系统。而将地图投影系统赋予图像数据的过程，称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何纠正的过程包含了地理参考过程。在实习过程中，采用了一次多项式法进行几何纠正。 2.1.3图像镶嵌 因研究范围的要求，需要在几何上将左右两幅图像连接在一起，并且保证拼接后的图像反差一致，色调相近，没有明显的接缝。遥感影像在镶嵌之前，必
须包含投影信息、地理坐标信息，还要有相同的波段数。当然，在挑选遥感数据时，要尽可能选择成像时间和成像条件相近的遥感图像，要求相邻影像的色调一致。 2.1.4图像裁剪 在实际工作中，经常需要根据研究工作范围对图像进行裁剪，按照ERDAS 实际图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：规则分幅裁剪和不规则分幅裁剪。 规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，就可以确定图像的裁剪位置，整个裁剪过程比较简单。 不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角两点的坐标确定裁减位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI多边形，也可以是ArcInfo的一个Polygon Coverage，针对不同的情况采用不同的裁剪过程。 2.1.5图像融合 图像融合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。 2.1.6图像分类 图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：监督分类与非监督分类。 2.2课程设计方案
宁夏回族自治区遥感影像地图设计与制作
宁夏回族自治区遥感影像地图设计与制作 影像地图是在遥感图像的基础上，把一些原有的地理要素（如水系、道路）和重要目标（如各个县市）以图形符号的方法重新表现出来，并注以注记，同时还将影像图上没有的地理要素（如边界）标注于图像之上，达到实际图像与地形符号的有机结合，感性认识与理性认识的完美统一。影像底图的制作，可以提升我们对GIS和RS软件的综合能力。 一、设计方案： （1）遥感影像信息选取与数字化; （2）地理基础底图的选取与数字化，包括：a、底图数字化前的准备工作； b、底图数字化 （3）遥感影像几何纠正与图像处理; （4）遥感影像镶嵌与地理基础底图拼接，包括a、遥感影像镶嵌；①镶嵌时，要注意使镶嵌的影像投影相同、比例尺一致，有足够的重叠区域。②图 像的时相应保持基本一致，尤其季节差不宜过大。③多幅图像镶嵌时，应以最 中间一幅图像为基础，进行几何拼接和灰度平衡，以减少积累误差。④镶嵌结 果在整体质量满足要求，但局部的几何和灰度误差不符合要求时，应对图像局 部区域进行二次几何校正和灰度调整。b、地理基础底图拼接 （5）地理基础底图与遥感影像复合 （6）符号注记图层生成 （7）影像地图图面配置 （8）遥感影像地图制作：首府用红色五角星表示，界线用符号库中的标准表示，边界使用亮色晕线凸出显示，整个影像使用标准假彩色合成，分出各 种土地利用状况，即在图例中可以看到： 二、准备工作： 网络资源可以获得影像和底图等数据 学院的硬件、软件设备能够满足实验要求 遥感图像处理和地理信息系统软件应用的知识储备
三、设计流程图： 四、具体方法： A、建立数据库，配准底图 1、打开Catalog点击并找到数据所在文件夹，在左边路径栏里找到该文件 夹，反键新建一个personal geodatabase并命名为自己的学号+姓名。在PGD下 新建相关图层数据（如：点、线、面）并选择相关坐标系（这张图要求选择正 确的坐标，即WGS84。在这些feature dataset下新建feature class，并输入相关 属性，选择属性类别和字节大小（如果你想使数据库简洁话可以考虑）。将点、 线、面数据建好后就可以进入下一环节了。 2、进入ArcMap ，选择一张空地图，点击AddData，将自己的个人数据 库和底图导入，然后在启动配准工具，将自动配准取消，点 击add control point开始进行配准，将地图上几个点进行配准。配准好的图，会 显示几条蓝线伸向远方。在下拉菜单中选择update georeferencing,图消失后点图出现后，用rectify进行保存。 B、分层矢量化 1、接着上面，将配准的后的工作底图导入图层，将catalog中PGD下面的点、线、 面数据拖到图层栏中，注意一定要将工作底图放在最下方，其他图层位于底 图上方。 2、启动编辑工具，开始作图，其中作图时开启snapping进行捕捉，以 免不必要的错误。分别将点、线图层做完，各类点要素图形、线状地物的线
遥感信息智能化提取方法
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
最新《遥感原理与应用》试卷(A)答案
A卷参考答案要点 名词解释 1．绝对黑体：指能够全部吸收而没有反射电磁波的理想物体。 2．大气窗口：大气对电磁波有影响，有些波段的电磁波通过大气后衰减较小，透过率较高的波段。3．图像融合：由于单一传感器获取的图像信息量有限，难以满足应用需要，而不同传感器的数据又具有不同的时间、空间和光谱分辨率以及不同的极化方式，因此，需将这些多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像，这个过程即图像融合。 4．距离分辨力：指测视雷达在发射脉冲方向上能分辨地物最小距离的能力。它与脉冲宽度有关，而与距离无关。 5．特征选择：指从原有的m个测量值集合中，按某一规则选择出n个特征，以减少参加分类的特征图像的数目，从而从原始信息中抽取能更好的进行分类的特征图像。即使用最少的影像数据最好的进行分类。 二、简答题（45） 1．分析植被的反射波谱特性。说明波谱特性在遥感中的作用。 由于植物进行光合作用，所以各类绿色植物具有相似的反射波谱特性，以区分植被与其他地物。 （1）由于叶绿素对蓝光和红光吸收作用强，而对绿色反射作用强，因而在可见光的绿波段有波峰，而在蓝、红波段则有吸收带； （2）在近红外波段（0.8-1.1微米）有一个反射的陡坡，形成了植被的独有特征； （3）在近红外波段（1.3-2.5微米）受绿色植物含水量的影响，吸收率大增，反射率大大下降；但是，由于植被中又分有很多的子类，以及受到季节、病虫害、含水量、波谱段不同等影响使得植物波谱间依然存在细部差别。 波谱特性的重要性： 由于不同地物在不同波段有着不同的反射率这一特性，使得地物的波谱特性成为研究遥感成像机理，选择遥感波谱段、设计遥感仪器的依据；在外业测量中，它是选择合适的飞行时间和飞行方向的基础资料；有效地进行遥感图像数字处理的前提之一；用户判读、识别、分析遥感影像的基础；定量遥感的基础。 2．遥感图像处理软件的基本功能有哪些？ 1）图像文件管理——包括各种格式的遥感图像或其他格式的输入、输出、存储以及文件管理等； 2）图像处理——包括影像增强、图像滤波及空间域滤波，纹理分析及目标检测等； 3）图像校正——包括辐射校正与几何校正； 4）多图像处理——包括图像运算、图像变换以及信息融合； 5）图像信息获取——包括直方图统计、协方差矩阵、特征值和特征向量的计算等； 6）图像分类——非监督分类和监督分类方法等； 7）遥感专题图制作——如黑白、彩色正射影像图，真实感三维景观图等地图产品； 8）三维虚拟显示——建立虚拟世界； 9）GIS系统的接口——实现GIS数据的输入与输出等。 3．遥感图像目视判读的依据有哪些，有哪些影响因素？ 地物的景物特征：光谱特征、空间特征和时间特征。 影响因素包括：地物本身复杂性，传感器的性能以及目视能力。
遥感专题讲座——影像信息提取(四、面向对象特征提取)
面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。
影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。 类型基本原理影像的最小单元适用数据源缺陷 传统基于光谱的分类方 法地物的光谱信息 特征 单个的影像像元 中低分辨率多光谱 和高光谱影像 丰富的空间信息利 用率几乎为零 基于专家知识决策树根据光谱特征、空 间关系和其他上 下文关系归类像 元 单个的影像像元多源数据知识获取比较复杂 面向对象的分类方法几何信息、结构信 息以及光谱信息 一个个影像对象 中高分辨率多光谱 和全色影像 速度比较慢
基于遥感数据的城市绿地信息提取研究进展
基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南 中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.360docs.net/doc/3d17102043.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。 关键词：遥感，城市绿地，信息提取，混合像元 中图分类号：TP 7 1．引言 随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。 另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。 利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题 城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取 随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。
ENVI中遥感影像地图制作方法
ENVI遥感影像地图制作方法 流程概述 1、打开遥感影像 2、模板生成 使用ENVI快速制图（QuickMap）功能生成基本模板 3、自定义影像图版面 使用ENVI 的注记功能,对影像图版面进行设计、编辑。 4、保存 具体步骤 一、打开遥感影像 1、ENVI 主菜单中，选择File → Open Image File。 2、在Enter Input Data File文件选择对话框中选择遥感影像，点击Open。可用波段列表中列出影像文件及其各波段，设定图像的显示方式。 3、点击Load将该影像加载到显示窗中。 二、生成快速制图模板 1、主影像显示窗口菜单中，选择File → QuickMap → New QuickMap，打开QuickMap Default Layout对话框。 设置模板的参数： 输出页的大小（图幅的大小）、页的方位（图幅形式）、地图的比例。 2、点击OK完成设置。 3、选择制图范围
鼠标左键点击显示窗中红色框的左下角并拖动方框，选中整个影像。 4、点击OK，显示QuickMap Parameters对话框。 5、在Main Title文本框中键入图名： XXXXXXX Image Map。 6、在影像图中加载投影信息。 鼠标右键点击Lower Left Text文本框，在弹出的菜单中选择Load Projection Info加载影像的投影信息。 7、在Lower Right Text文本框，输入制图单位和制图员信息： XXXX 8、保存快速制图模板 选择Save Template，并输入文件名，点击OK。 9、点击Apply，在ENVI显示窗口中显示快速制图的结果。 可以继续修改QuickMap Parameter对话框中的设置，点击Apply更新显示结果。 三、自定义影像图版面 1、虚拟边框设置 1）在主显示窗口菜单栏中选择File → Preferences，打开Display Parameters 对话框，设置虚拟边框的边界值和颜色。 2）点击OK完成虚拟边框的设置。 2、公里网设置 ENVI 支持同时显示像素公里网、地图坐标公里网以及地理坐标（纬度/经度）网。
SPOT5遥感影像土地利用信息提取方法研究
第39卷 第6期2011年6月 西北农林科技大学学报(自然科学版) Jo ur nal of N o rthwest A&F U niver sity(N at.Sci.Ed.) Vo l.39N o.6 Jun.2011 SPOT5遥感影像土地利用信息提取方法研究 张伐伐a,李卫忠a,卢柳叶b,康 乐a (西北农林科技大学a林学院,b资源环境学院,陕西杨凌712100) [摘 要] 目的 探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。 方法 以结合纹理特征的支持向量机(Support vector machine,SV M)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。 结果 面向对象分类法的总精度达到90.67%,较结合纹理特征的SV M法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。 结论 利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。 [关键词] 遥感影像;土地利用信息;支持向量机;纹理特征;多尺度分割;精度评价 [中图分类号] S127[文献标识码] A[文章编号] 1671 9387(2011)06 0143 05 Study on extraction methods of land utilization information based on SPOT5 ZHAN G Fa fa a,LI Wei zhong a,LU Liu ye b,KANG Le a (a College of F or estry,b Colleg e of Resourc es and Env ironment,N or th w est A&F Univ ersity,Yang ling,S haanx i712100,China) Abstract: Objective T he study explored the effect of ex tracting approach for info rmatio n o f land uti lization based on high resolution remo te sensing im ag e to provide evidence for studying land utilization and cov er dynam ic variatio n. M ethod T his paper ex tracted the info rmation o f land utilizatio n focused on Changjiaoba to w n,using SVM classification o f tex ture feature and object or iented classification o f multi resolution seg mentatio n.The classification result w as compared w ith m ax imum likelihood classification. Then the classification result w as analyzed. Result T he ov erall classification accuracy o f object o riented w as90.67%,w hich incr eased by8.34%compared w ith SVM classification of tex ture feature and increased by20.32%com pared w ith m ax imum likelihoo d classificatio n.T his kind of classification not o nly can g et o v er the disadvantages of other classificatio ns,e.g.Spectral Similar and Ground object Fragm entations,etc. but also acquire good effectiveness. Conclusion Using the classification of object oriented can realize the purpose o f ex tracting the land utilization information,and this m ethod is accurate and fast. Key words:rem ote sensing im ag e;inform ation o f land uatilization;support v ector m achine;tex tur e fea ture;multiresolution segm entation;accuracy assessment 土地利用信息的获取,是研究士地利用和土地覆盖动态变化的基础,将遥感、地理信息系统和全球定位系统相结合,开展国土资源和环境综合调查,具有现势性强、分类周期短、资源信息更新快等优势,从而可以以最快的速度动态监测土地资源利用及环境的变化情况,及时为社会经济发展决策和制定相关规 *[收稿日期] 2010 11 29 [基金项目] 国家林业局 948 项目(2009 4 45) [作者简介] 张伐伐(1985-),男,安徽怀远人,在读硕士,主要从事 3S 技术在资源与环境中的应用研究。 E mail:zhangfafa520@https://www.360docs.net/doc/3d17102043.html, [通信作者] 李卫忠(1963-),男,陕西蒲城人,副教授,硕士生导师,主要从事森林经理学研究。E m ail:w eizhong_li@https://www.360docs.net/doc/3d17102043.html,
卫星遥感数据的正射影像图的制作
卫星遥感数据的正射影像图的制作 【摘要】卫星遥感是一种采用人们通过航空技术发射在地球外层空间的人造卫星对地球地面、地面以上的空间以及外层太空天体进行综合性观测的技术。而卫星遥感所得数据在正射影像图的制作上应用价值广泛，本文通过阐述卫星遥感数据以及卫星影响图的来源以及所具有的特征，并分析了卫星遥感数据用于制作正射影图过程中出现的纠错、配准以及最后统一融合的方法及原理，简要介绍了正射影像图的构型、调色以及去重叠等数据信息处理的方式和过程。 【关键词】卫星遥感技术;数据;信息;正射影像图;制作 引言 21世纪信息科技时代的到来，卫星遥感技术也在不断的更新、完善之中。目前的卫星遥感技术在用于制作正射影像图方面效果显著，并且成图的精准度越来越高，远远超过比例尺地形图的精准度。卫星遥感技术在城市建设、城市规划以及了解环境状况和资源状况方面具有强大的支撑作用。采用卫星遥感技术制作的城市影像图具有目标辨认难度小、内容清晰、比例尺大以及转释较容易的优势，这项技术已经广泛应用于社会生产和发展的各个层面。该项技术还有助于治理生态环境、搜集专业信息、监测工程项目以及防止各种自然灾害等工作的开展。 1.国内外普遍流行的卫星影像图收集方式 随着新科技革命的不断深入，卫星遥感技术日新月异，目前国际上较为早期出现的卫星遥感技术是来自美国的Earth watch 卫星数据资源库的QuickBird卫星影像，这款卫星影像的地面全色分辨率达到0.61m，成像款幅度达到16.5×16.5/km2，随后美国相继推出了Space imaging Ikonos和Land sat TM卫星遥感影像，这宽两款卫星遥感较Earth watch的QuickBird的影像效果以及成像款幅度都有所提升。俄罗斯生产了一款Spin-2卫星影像，这款卫星影像在地面分辨率方面虽然不及美国的Land sat TM卫星遥感，但是其成像款幅度可以达到200×300/km2却与美国的三种卫星影响有明显的优势。 2.卫星影像图的纠错、配准以及统一融合 2.1 数字纠错 光学纠错仪是一款用于将航拍模拟摄影片转化为平面图的工具，主要适用于传统的框架模幅式的航拍摄像画面的数字影像[1]。现阶段出现了许多新鲜的卫星数字遥感技术，这些技术的影响数据采用传统的光学纠错仪就不能很好地转化。因此，数字微分纠错技术由此诞生。这是一项通过地面的有效参数以及数字地面的基本雏形，在设置适当的构想公式，并依据适当的数学模型控制范围和控制点将航拍摄像画面的数字影像转化为正射影像图的。这种技术不仅简单、方便，而且适用范围较广，已经成为国内外普遍使用的数字纠错技术。
遥感矿物蚀变信息提取方法及ENVI下实现
遥感矿物蚀变信息提取方法及ENVI下实现
蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除 遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。 利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。
专题地图 遥感影像
四川农业大学（成都校区）专题地图编制报告 姓名: 学号： 学院: 专业班级： 指导老师：
专题地图资料在遥感影像解译中的应用摘要：从专题地图的种类、特点、用途及其发展演变出发, 运用专题地图编制以及遥感影像的解译的观点与方法, 并结合相关应用实例, 阐述专题地图资料在遥感影像解译中的实际应用，对实际工作有一定的参考价值。 引言：在遥感影像解译过程中, 各种专题地图的应用往往是不可缺少的。这一方面能减少野外调查的工作量, 提高成图速度; 另一方面能帮助解译者掌握制图区域各种要素的分布, 指导影像的解译。由于专题内容、成图方法、成图时间地图比例尺、地图质量等方面的差异, 各种专题图在影像解译中的应用价值和应用方法也存在着差异。 正文： 1.遥感图像的解译 自20世纪60年代以来，特别是80年代以后，航天技术、传感器技术、控制技术、电子技术、计算机技术及通讯技术的发展，大大推动了遥感技术的发展。多种遥感平台运行的多尺度、多层次、多角度、多谱段对地观测系统源源不断地向地面提供着丰富的数据源。如何从海量遥感数据中及时、准确地获取所需信息并加以利用，一直是遥感领域急需而又难以解决的问题之一。 遥感影像解译技术是随着遥感技术的产生而诞生的。传感器获取的数据必须经过处理和解译才能成为有用的信息。遥感影像解译——图像解译，也称图像判读，就是指从遥感图像获取信息的基本过程。即根据各专业（部门）的要求，运用解译标志和实践经验与知识，对遥感图像上的各种特征进行综合分析、比较、推理和判断，最后定性、定量地提取出各种地物目标的分布、结构、功能等有关信息，并把它们表示在地理底图上的过程。例如，土地利用现状解译，是在影像上先识别土地利用类型，然后在图上测算各类土地面积。遥感影像解译包括目视解译、人机交互解译、基于知识的遥感影像解译、影像智能解译（即自动解译）等，经历了从人工解译到半自动解译，正在向全智能化解译的方向发展。 1.1遥感影像目视解译 目视解译是利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、位置、布局等），与多种非遥感信息资料相组合，运用生物地学相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理
高分辨率遥感影像数据一体化测图系统PixelGrid
高分辨率遥感影像数据一体化测图系统PixelGrid 北京四维空间数码科技有限公司 一、概况介绍 高分辨率遥感影像数据一体化测图系统PixelGrid（以下简称“PixelGrid”）是由中国测绘科学研究院自主研发的“十一五”重大科技成果，获得2009年度国家测绘科技进步一等奖。 为将这一重大科技成果实现产业化，2008年开始，由中国测绘科学研究院参股单位北京四维空间数码科技有限公司进行成果转化和产品化，并开展销售。 该软件是我国西部1:5万地形图空白区测图工程以及第二次全国土地调查工程的主力软件， 被誉为国产的“像素工厂”。 PixelGrid以其先进的摄影测量算法、集群分布式并行处理技术、强大的自动化业务化处理能力、高效可靠的作业调度管理方法、友好灵活的用户界面和操作方式，全面实现了对卫星影像数据、航空影像数据以及低空无人机影像数据的快速自动处理，可以完成遥感影像从空中三角测量到各种比例尺的DEM/DSM、DOM等测绘产品的生产任务。 PixelGrid软件主界面。 二、主要特点 PixelGrid系统以现代摄影测量与遥感科学技术理论为基础，融合计算机技术和网络通讯技术，采用基于RFM通用成像模型的大范围遥感影像稀少或无控制区域网平差、基于旋转/缩放不变性特征多影像匹配的高精度航空影像自动空三、基于多基线/多重特征的高精度DEM/DSM自动提取、等高线数据半自动采集及网络分布式编辑、基于地理信息数据库等多源控制信息的高效影像地图制作、基于松散耦合并行服务中间件的集群分布式并行计算等一系列核心关键技术，是中国测绘科学研究院研制的一款类似“像素工厂”（ISTAR PixelFactoryTM）的新一代多源航空航 天遥感数据一体化高效能处理系统。
遥感卫星影像数据信息提取.
北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。
遥感信息提取资料
遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非
遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。
ERDAS-遥感专题信息提取与专题图制作
遥感专题信息提取与专题图制作设计报告 1、课程设计的目的与意义 本次课程设计的目的主要就是为了加深理解与巩固遥感原理与应用的有关理论知识;熟悉遥感图像处理的方法与步骤,学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题与解决问题的能力,培养良好的工作习惯与科学素养,为今后工作打下良好的基础。 2、课程设计的原理与方法 2、1课程设计原理 2、1、1 图像预处理 ERDAS软件默认的文件格式就是img格式,因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大,实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息,要将影像头文件信息添加进去。 2、1、2几何纠正 遥感所获取的数据,均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理就是将图像数据投影到平面上,使其符合地图投影系统。而将地图投影系统赋予图像数据的过程,称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统,因此几何纠正的过程包含了地理参考过程。在实习过程中,采用了一次多项式法进行几何纠正。 2、1、3图像镶嵌 因研究范围的要求,需要在几何上将左右两幅图像连接在一起,并且保证拼接后的图像反差一致,色调相近,没有明显的接缝。遥感影像在镶嵌之前,必须包含投影信息、地理坐标信息,还要有相同的波段数。当然,在挑选遥感数据时,要尽可能选择成像时间与成像条件相近的遥感图像,要求相邻影像的色调一致。 2、1、4图像裁剪 在实际工作中,经常需要根据研究工作范围对图像进行裁剪,按照ERDAS实际图像分幅裁剪的过程,可以将图像分幅裁剪分为两种类型:规则分幅裁剪与不规则分幅裁剪。 规则分幅裁剪就是指裁剪图像的边界范围就是一个矩形,通过左上角与右下角两点的坐标,就可以确定图像的裁剪位置,整个裁剪过程比较简单。 不规则分幅裁剪就是指裁剪图像的边界范围就是任意多边形,无法通过左上角与右下角两点的坐标确定裁减位置,而必须事先生成一个完整的闭合多边形区域,可以就是一个AOI多边形,也可以就是ArcInfo的一个Polygon Coverage,针对不同的情况采用不同的裁剪过程。
遥感影像成图步骤—以ETM为例
理塘-德巫断裂卫星影像地图制作（1:10万） ——以ETM数据为例 一、主流处理软件对比介绍 ENVI，ERDAS，PCI 软件功能不作具体说明，ENVI和ERDAS较为主流，各个软件各有自己的优缺点，比如ENVI中提供的数据融合方法就没有ERDAS中的多，ERDAS(破解版)中无法做DEM提取工作；ENVI的影像波段显示和数据操作较为简便，菜单功能有很多重复；PCI破解版本较低。另外，每个软件对不同类型的卫星遥感影像可能有各自的处理模块，所以也不能绝对就以某一类软件为主，如果遇到一些问题，一类软件解决不了，可以尝试用另一类软件。如在中科院网站下载的ＥＯＳ原始卫星数据打不开，用ＰＣＩ就能打开，然后转换成ENVI STANDSRD格式或者ERDAS IMAGINE格式，即可处理了。最后，哪种能免费下载，哪种版本功能多，就用哪种吧，没的讲究。 二、数据准备（建议查看百度文库：《遥感影像的获取及处理sky》） （1）介绍 （2）来源 A https://www.360docs.net/doc/3d17102043.html,/cs_cn/ https://www.360docs.net/doc/3d17102043.html,/cs_cn/中科院对地中心 B https://www.360docs.net/doc/3d17102043.html,/EarthExplorer/ USGS网站 C Ftp://https://www.360docs.net/doc/3d17102043.html,马里兰大学FTP（Landsat 4-7数据存放于WRS2下，建议用360浏览器浏览，） 说明：A, B注册后，方可下载。USGS上的数据比对地中心要新一些，格式种类要多，有许多是经过正射矫正（Orthorectified）的数据，做图可以直接拿来用，另外，landsat 7在2003年以后的数据（SLC-off）由于卫星故障，有条带，虽然修复过，最好不用，具体说明见中科院对地中心数据下载网站。C里面数据类型丰富，包括ASTER，QUICKBIRD，EOS等等，可以作为练习数据使用。 D 下载前准备：查询数据行列号（Path/Row）以下是Landsat 7 影像行列号