不同时相的遥感图像镶嵌处理
毕业设计（论文）装订顺序及封面模板
一、装订顺序
1.封面
2.中英文摘要及关键词
3.目录
4.前言或引言
5.正文
6.结论
7.致谢
8.参考文献
9.附录
10.封底
二、封面模板
（附后）
本科毕业设计（论文）不同时相的遥感图像镶嵌处理
学院名称环境与资源学院
专业名称地理信息系统
学生姓名刘连成
学号20061020
指导教师（夏青讲师小3号黑体）
二〇〇九年六月
摘要
本文介绍针对不同时相遥感图像镶嵌中的技术难题开发的一整套数字镶嵌方法。采用递推式灰度调整、滑动窗口探测最佳拼接点及对其两侧作加权灰度圆滑方法，以消除被镶嵌图像之间因色调差异造成的接缝；采用在相邻图像重叠区内选取控制点并按控制点追踪进行镶嵌方法，以提高镶嵌的几何精度j还采取了单元镶嵌法，以解决遥感图像数据量庞大而计算机容量有限的矛盾。图像镶嵌技术是近年来发展迅速的图像处理技术之一，是计算机视觉领域和计算机图形学领域都十分关注的研究热点之一。通过对现有遥感图像镶嵌方法的研究，时其进行了归纳和总结，并介绍了几种常见的图像镶嵌关键技术。
关键字：图像处理镶嵌遥感图像
Abstract：This is not the same phase introduces the technical problems of remote sensing image Mosaic enchase a number of development. Using a recursive grey type adjustment, sliding window detection and its optimum stitching on both sides, make the weighted grey tactful is to eliminate the differences between image Mosaic caused by the juncture, tonal In the area adjacent to the image control and press select overlapping control method on track, in order to improve the Mosaic enchase the geometry precision of j also adopted unit inlaying, to solve the remote sensing image and computer data quantity of limited capacity contradictions. Image Mosaic technology is developing rapidly in recent years, the image processing technology, computer vision is one of field and computer graphics are very concerned field research hotspot. Through the method of remote sensing image Mosaic of existing research, and summarizes its, and introduces several common image Mosaic key technology.
Key words:remote sensing image Mosaic of image processing
目录
摘要............................................ 错误！未定义书签。ABSTRACT .......................................... 错误！未定义书签。目录............................................................. V 第1章引言 ..................................... 错误！未定义书签。
1.1选题依据及其意义............................... 错误！未定义书签。
1.2国内外研究概况、水平及发展趋势................. 错误！未定义书签。
1.3研究区概况与研究内容........................... 错误！未定义书签。
1.3.1 研究区概况.................................. 错误！未定义书签。
1.3.2 论文的研究内容.............................. 错误！未定义书签。
1.4研究思路与研究方法............................. 错误！未定义书签。
1.4.1 研究思路.................................... 错误！未定义书签。
1.4.2 研究方法.................................... 错误！未定义书签。
1.4.3 本次研究概况................................ 错误！未定义书签。第2章常用的图像配准方法 ......................... 错误！未定义书签。
2.1信息源选取与波段选择........................... 错误！未定义书签。
2.1.1 遥感信息源选取.............................. 错误！未定义书签。
2.1.2 波段组合选择............................................. - 9 -2.2图像增强....................................... 错误！未定义书签。
2.3遥感图像校正 (13)
第3章湖泊演化动态的遥感信息提取 ................. 错误！未定义书签。
3.1演化信息提取的原则与方法....................... 错误！未定义书签。
3.1.1 信息提取的原则.............................. 错误！未定义书签。
3.1.2 信息提取的方法.............................. 错误！未定义书签。
3.2湖泊演化的信息特征............................. 错误！未定义书签。
3.2.1 地貌特征.................................... 错误！未定义书签。
3.2.2 沉积学特征.................................. 错误！未定义书签。
3.2.3 水系变迁.................................... 错误！未定义书签。
3.3湖泊演化信息的影像特征......................... 错误！未定义书签。第4章昂拉仁错湖泊演化的遥感研究 ................. 错误！未定义书签。
4.1湖盆的形成及特点............................... 错误！未定义书签。
4.2昂拉仁错湖泊不同时期的演化过程................. 错误！未定义书签。
4.2.1 不同时期古湖泊范围的确定.................... 错误！未定义书签。
4.2.2 不同时期古湖滨线高程的确定.................. 错误！未定义书签。
4.2.3 湖泊演化年代的确定.......................... 错误！未定义书签。
4.2.4不同演化阶段湖泊体积变化量的估算............ 错误！未定义书签。
4.3基于GIS的综合分析............................. 错误！未定义书签。
4.3.1 不同时期古湖泊面积的求解.................... 错误！未定义书签。
4.3.2 昂拉仁错湖泊萎缩量分析...................... 错误！未定义书签。
4.4昂拉仁错湖泊演化的原因探讨..................... 错误！未定义书签。
4.5全球气候变化与湖泊演化的趋势探讨............... 错误！未定义书签。
4.5.1全球气候变化................................ 错误！未定义书签。
4.5.2 未来气候的变化.............................. 错误！未定义书签。
4.5.3 未来湖泊演化的趋势探讨...................... 错误！未定义书签。
4.5.3.1 高原隆升的影响............................. 错误！未定义书签。
4.5.3.2 气候变化的影响............................. 错误！未定义书签。
4.5.3.3 湖泊演化的趋势探讨......................... 错误！未定义书签。
4.6昂拉仁错湖区三维地形仿真....................... 错误！未定义书签。结论............................................... 错误！未定义书签。致谢............................................. 错误！未定义书签。参考文献........................................... 错误！未定义书签。
第一章引言
图像镶嵌技术是近年来发展迅速的图像处理技术之一。在遥感图像处理中，为了获得更大范围的地面图像。通常需要将多幅(景)遥感图像拼成一幅图像。遥感图像镶嵌是将两幅或多幅遥感图像(它们有可能是在不同的成像条件下获取的)拼在一起，构成一幅整体图像的技术过程。在构造全景图时，图像序列之间应该具有一定的重叠区域的．相邻两幅图像的对应点之间应该满足一定的对应关系模型，比如刚性变换模型、仿射变换模型、投影变换模型、双线性变换模型等等，利用这个对应关系模型，可以将图像序列拼合成一幅大型无缝的全景图。如何确定图像间的对应关系模型中的参数就是图像配准所要完成的工作。
根据图像配准的方式大致可以将图像镶嵌技术分为三大类：基于特征的方法、基于区域的方法和变换域的方法。图像镶嵌的技术问题之一是如何将多幅图像从几何上拼接起来，这一步通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅图像装配在一起，形成一幅大幅面的图像。图像镶嵌的技术问题之二是消除几何拼接以后的图像上因灰度差异而出现的拼接缝。一般地，在拼接缝附近，两幅图像灰度上的细微差别都会导致明显的拼接缝，而在实际的成像过程中，被拼接的图像在拼接边界附近灰度的细微差别几乎是不可避免的。地面环境的微小变化、成像角度的不同等因素都可能造成这种灰度上的差异。因此在图像镶嵌过程中，需要一种技术能够修正镶嵌图像在拼接缝附近的灰度，使之在拼接缝处的灰度有一个光滑的过渡．不产生突变效应。
现有的图像拼接缝消除方法主要有两种：基于小波变换的拼接缝消除方法和基于重叠图像的拼接缝消除方法。这两种方法各有优缺点。前者理论严密，但实现起来比较困难，处理过程中对计算机内存的要求很高，后者算法简单，但当图像几何镶嵌精度不高时，处理效果不好。
如果说单景遥感图像早已显示出其直观性和宏观性的特长，那么大面积的多景遥感图像的镶嵌图则使这一特长得到更大的发挥和加强，在各类遥感应用中起到更重要的作用。无论是对大型构造带进行长距离追索，或者对大片岩性或地貌单元进行区域性划分j还是对大面积地区的环境监测，或者对大面积区域农林植
被和土地利用现状调查，都需要有跨省市、跨地区的镶嵌图像作基础资料。即使有时研究区的面积并不很大，但恰好包括或跨越了多景图像，当然也需要有镶嵌图像作基础图件。可以说，镶嵌图像是对各类遥感应用很有价值的基础图像。
一幅高质量的遥感镶嵌图像应具备三个基本条件：(1)信息丰富；(2)色调和谐；(3)镶嵌的几何精度高。为满足这些条件，最理想的做法是选择几何畸变小、图像质量高(无噪声，无云盖)、获取时间相同或相近的图像进行镶嵌，遗憾的是，在通常条件下，这种理想的选择是难以办到的，第一，遥感图像数据(例如TM数据)价格昂贵，在经费有限的情况下，一般没有能力去选购时相相同或相近的高质量图像，多数采取使用现有磁带数据的办法，因而在时相和质量上基本上没有选择余地；第二，即使有能力购买相同时相的图像数据，但因某些图像云量过大或噪声太多，也不得不去选购质量较高但时相不同的图像总之，由于各方面条件的限制，选择时相相同的高质量图像进行镶嵌的机会是很难得的，大多数情况是对不同时相的遥感图像进行镶嵌对不同时相遥感图像进行镶嵌的主要困难是：在获取时间不同的相邻图像上，对季节变化十分敏感的植被、水体等地物的色调和形态都会有所不同；随着时问推移而发生自然变迁的地物(如沙丘移动、滩涂扩张，河流改道，因降雨或地下水升降导致的土壤湿度变化等)以及人类活动造成的人文标志(农田、道路、水渠、水库、被砍伐或种植的林木)的变化，也都会造成相邻图像在色调、纹理乃至地物内容上的变化这一系列变化必然造成相邻图像色调上的不统一和纹理上的不连续，致使它们在彼此镶嵌时，往往会出现明显的接缝。因此，按常规方法，要用不同时相的遥感图像制作高质量的数字镶嵌图是很困难的。针对这一难题，本文提出了一整套数字镶嵌方法，取得比较满意的效果。
第二章波段选择与图像增强
2.1波段组合选择
地面不同物体在不同光谱段上有不同的吸收、反射特性。同一类型的物体在不同波段的图像上，不仅影像灰度有较大差别，而且影像的形状也有差异。多光谱成像技术就是根据这个原理，使不同地物的反射光谱特性能够明显地表现在不同波段的图像上。因此，根据不同解译对象，选择不同的波谱图像，是区分和识别地物的有效手段[38]。因此，如何确定不同波段的最佳组合方式，是获得理想判读结果的重要途径。
（1）波段相关值分析（见表2-1）
表2-1 TM各波段相关性一览表
从表中可以看出，三个可见光TM1、2、3和两个近红外TM5、7波段之间的相关性较好，具有较大的相似性。TM4波段则具有较大的独立性，与其它各波段的相关性都很小。
（2）TM图像各波段光谱信息特征（见表2-2）
从遥感图像各波段特征表中可以看出：1波段对水体的穿透能力强，植被、水体、土壤等在此波段反射率差别明显。4波段属反射近红外波段，是水的强吸收和植物的强反射波段，图像清晰，能显示各种地形细节，有利于研究水体分布，划分水陆界线，识别与水有关的地质构造和隐伏构造。7波段属近红外波段，此
波段是绝大多数造岩矿物反射波谱的高峰段，对直接出露地表的粘土和碳酸盐矿物较敏感。
具体各个波段的光谱信息特征见下表（表2-2）
表2-2 遥感图像波段特征表
⑶亮度统计
由7个波段的亮度范围统计结果来看，TM3、4、5、7波段信息相对丰富，
TM1、2、3及TM6波段的亮度值覆盖范围更窄。另外，还可发现TM1波段的亮度值高于TM2、3波段，并且也高于TM4波段。
因此可以有多种确定最佳波段组合的方法。一种是实验对比方法，按可能形成的组合方案处理出各种合成图像，然后由遥感应用人员根据目视解译效果做出定性评价。这种方法的工作量很大，且带有人的主观性。另一种是统计分析方法，从波段反映的信息域宽度、波段之问的相关性、渡段组合数据子集熵值等几方面进行定量分析和综合评价，其中覆盖波谱范围最宽、信息熵值最高，彼此相关性最小的三个波段一般就是最佳波段。对TM图像来说，三个可见光波段(TM1、2、3)之间，两个中红外波段(TM5、7)之间的相关性很高，而近红外波段(TM4)则相对独立。从覆盖波谱范围和波段相关性的角度来看，由一个可见光波段(TM1、2或3)、一个近红外波段(TM4)和一个中红外波段(TM6或7)合成的图像具有较大的信息量和较小的“冗余度”。而从波段组合信息熵的角度来说，可根据Sheffield(1985)提出的计算维数据熵值原理计算各种波段组合的信息熵。其算式为
其中为熵值，Pi(x)为图像亮度值x的概率密度函数。熵值s的大小可表征该组合信息量的多寡。研究表明，TM3、4、5及TM1、4、5这两种波段组合的信息量最大。本文采用上述统计分析方法，并综合考虑地质解译的实际效果，确定TM3、4、5为最佳组合。最佳波段组合确定之后，还要进一步根据人眼对各种颜色的分辨能力、习惯要求以及图像的适用范围选择合适的假彩色合成方案。本文采用的合成方案为TM5(红)、TM4(绿)、TM3(兰)。按此组合得到的假彩色合成图像有近似于自然彩色的效果，并使得在光谱上对近红外和中红外敏感的地物得到充分显示，如对近红外强反射的植被呈绿色或黄绿色，对近红外强吸收的水体呈深蓝色或蓝黑色，岩石土壤呈褐色或红褐色，云呈白色……清晰可辨。选种图像既适合于各种遥感应用专业人员使用，也适合于非遥感专业人员使用
第三章图像配准
2．1常用的图像配准方法及配准步骤配准方法可分为以下几种：(1)基于控制点的匹配方式。控制结构为图像中的显著点(称为控制点)，控制点可以是用户提供的。也可以由算法估计．然后对控制点进行匹配，估计几何变换参数并进行配准。
(2)基于矩(moment-based)的配准方式。控制结构是复杂的图像矩．每幅图像被标准化，即与一个矩被归一化的参数位置进行匹配。
(3)基于边缘的配准方式。控制结构是图像的边缘。通过比较边缘象素的密度或在符号层次上比较边缘来实施边缘匹配。几何变换参数直接导出并对其中一幅图像实施相应的变换。f41基于相似性判据最优化的方式。选择一个几何变化并以各种参数值施于一幅图像上。对于每一个值，评价由相似性判据提取的控制结构。该值表明了控制结构匹配的程度，因此可以从判据的最优值实现配准。
图像配准主要包括以下四个步骤：
(1)从待配准的每幅图像中提取控制结构；
(2)在每幅图像中对控制结构进行匹配；
(3)从前两步中选择几何变换并对其参数进行估计；
(4)对这种变换的效果进行评估。
下面简要介绍一种常用的图像配准方法：
2．2基于分窗口相关的遥感图像配准方法
将数字图像看作是一个二维灰度分布函数．而灰度相关匹配则是在参考图像上选择一个临时窗口，在另一图像(目标图像)上寻找与其对应的最相似的窗口(移动窗口)，这种临时窗口和移动窗口的匹配包括不同图像间的几何变换和灰度变换。根据不同遥感图像空间分辨率和灰度的差异，建立包括5个参数的相关模型算法．其参数分别为：
（1)像元位移在x和Y方向上的变化x和Y)；
（2)图像大小比值在x和Y方向上的变化（rx和ry）；
（3)灰度变换中的重采样方法。
其中，前4个参数的变化是几何变换，它决定了图像几何配准时的位置和图像大
小的变化；第5个参数是生成配准图像时所采用的采样方法。这样通过几何变换和灰度变换，即将移动窗变换成为新窗口。一般在图像进行相关处理时，应首先定义窗口的大小。并将参考图像划分成若干个分离的临时窗口。同时给出目标图像的起始坐标值；然后通过改变目标图像上移动窗口的位置和大小来计算它与参考图像窗口的相关值．再采用循环比较的计算方法来搜寻一定范围内有最大相关值的位置．其所在位置的坐标和比例尺因子的大小即作为配准公式参数。其移动循环配准算法的步骤可归纳如下：
(1)确定分离窗的大小W×W 。选取第一个分离窗起点在对应图像(目标图像)上的起始坐标值(xO,y0)、初始比例尺因子(rx0,ry0) 和坐标移动范围±m、比例尺因子变化范围±n；
(2)通过变化对应图像上移动分离窗和该图像上对应窗口的比例尺因子，在坐标移动范围±m 、比例尺因子变化范围±n内，通过移动比较，计算相关值最大时的坐标值和比例尺因子；
(3)将前一个窗口的计算结果作为下一个窗口的初始值，再移动计算下一个窗13对应相关值最大时的坐标值和比例尺因子，直至完成所有的分离窗匹配，并产生包括所有窗口的对应坐标和比例尺因子的配准文件计算相关值采用以下公式：（有公式选自《遥感图像的图像镶嵌方法》）
以上是一种基于分离窗自动相关技术的遥感图像配准方法．
该方法是建立在图像每一子区灰度高度相关基础上的，它具有以下特点：
(1)通过对每一子区的自动相关来达到对整幅图像的精确配准：
(2)采用的自动相关算法，由于人丁干预少．每幅图只需给定一个初始值，其余则自动完成，因此较传统选控制点的方法省时省力：
(3)该方法用于不同时相、不同成像特征的图像时，能够达到较高的配准精度2.3遥感图像校正
遥感图像在成像过程中，因为遥感平台的位置和运动状态变化的影响、地形的起伏高低变换、地球表面曲率的影响及大气折射等原因，使遥感图像在几何位
置上发生变化和失真，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则等畸变、遥感图像的这种变化叫做几何失真，消除这种差异的过程称为几何校正（Geometric Correction ）[38]。
本文根据实际需要采用多项式回归的方法将遥感图像变换到地形图的地理坐标系中进行校正，用相应的地形图对遥感图像进行几何纠正，使遥感图像与各种基本数据图件具有相同的坐标，使遥感图像与其它一些非遥感数据进行叠加成为可能，其具体步骤如下：① 控制点的选择。在遥感图像和地形图上选取易于识别，并且均匀分布的若干特征点，作为进行多项式回归的依据。研究中使用1：25万的地形图作为基础图，在图像和对应的地形图上选择分布均匀、特征明显的典型地物目标（如河流的分岔点等）作为控制点，特征变化较大的地区应多选一些，以保证校正的准确度。② 两个图像坐标之间的转换。有了控制点所提供的两组坐标数据，采用回归法建立两个坐标系统之间的转换函数（见公式2-1），确定转换系数矩阵。
q p N 0p P
N 0q pq y x a v ∑∑=-==
（2-1）
q p N p P
N q pq y x b u ∑∑=-==
00
其中u ，v 是输入图像中的像元坐标，x 、y 是输出图像，即新的网格中的像元坐标。N 是阶数，N 值越大，说明几何歪曲的程度越复杂。a ，b 为转换系数，其数值是用已知的控制点坐标通过回归方法确定。校正后图像如下2-5所示：
校正前校正后
图2-5 遥感图像校正对比图
由于图像的数据量太大，对于论文占有的版面会非常大，鉴于此，论文对校正后的图像进行了图像裁剪，图2-5所示的图像是裁剪后的图像。
第三章常用的拼接缝消除方法
3.1 最佳拼接点的选择
通常的图像数字镶嵌是把经过灰度和几何处理后的两景以矩阵形式表示的图像直接拼接到一起。按这种方式镶嵌的图像，即使拼接前的各项处理工作都做得很好，在拼接部位往往还要出现接缝。所谓接缝，实质上就是被镶嵌的两景图像在拼接部位的反灰度值差异较大(导致色调跳跃或突变)，因而在视觉上有一条拼接线。然而在色调匹配的基础上，如果拼接时避开那些灰度值差异较大部位，寻找灰度值差异最小的部位进行拼接，就可能会消除这种接缝现象。因此，特采用一个滑动窗口在图像重叠区上逐线选择灰度值差异最小的像元作为最佳拼接点，应当指出，如果按照这种拼接点选择法，往往会出现上下线拼接点位置相差较远的现象，这样拼接后有时会因上下线之间灰度差异较大而造成新的接缝为避免这类现象发生，除第一线按上述原则处理外，其它各线的拼接点选自三个点——即与上一线所选拼接点同列的点及该点左边一列上的点和右边一列上的点，在三个候选点中找出一个最佳拼接点。可想而知，两图像的拼接线可能往往是条折线这样，由于各条线都是选择规定邻域内灰度差异最小的点作为拼接点，
接缝现象就会得到很大的改观。
3.2 基于小波变换的拼接缝消除方法
从数学上讲．镶嵌图像上拼接缝的消除相当于图像灰度曲面的光滑连接，但实际上图像的拼接与曲而的光滑连接不同。图像灰度曲面的光滑化表现为对图像的模糊化．从而导致图像模糊不清。实践表明：在拼接的部分。若l冬I像的空间频率的改变由Wmin到Wmax．记T1和Ts分别为Wmin与Wmax对应的波长．则为使拼接后的图像不出现拼接缝，灰度值修改影响的范围应不小于T1。而为了使拼接后的图像清晰。灰度值修正影响的范围又要大干Ts的两倍。显然当图像在拼接边界附近的空间频率的频带稍宽一点的话，要找出一个合适的灰度值修正影响范围是不可能的。
文献【1】利用小波变换作为工具从理论上解决了上述问题。由于小波变换函数实际上是一个带通滤波器．在不同尺度下的小波分量，实际上占有一定的频宽，小波变换中尺度参数j越大，该分量的频率越高，因此每一个小波分量所具有的频宽是不大的。把待拼接的两幅图像先按小波分解的方法，将它们分解为不同频带的小波分量，然后在不同的尺度下选择不同的灰度值修正影响范围，把两幅图像按不同尺度下的小波分量先拼接起来，然后再用恢复算法，恢复整个图像．这样拼接的结果可以很好地兼顾清晰度和光滑度两个方面的要求。（有公式选自《遥感图像的图像镶嵌方法》）
3.3 基于重叠图像的拼接缝消除方法
文献【2】给出了基于重叠图像的拼接方法。该算法对拼接缝上任意一点两侧的灰度按如下公式进行处理：（有公式选自《遥感图像的图像镶嵌方法》）其中I 为平滑处理后得到的象素灰度值(与拼接缝上该点距离为i的象素)，IA．IB．分别为重叠区上该位置两幅镶嵌图像的象素灰度值，w 为灰度平滑宽度，K为权数。w 由用户给出．其值小于重叠区的宽度，K在平滑范围内呈线性反向变化。
3.4 二级色调匹配
在重叠区上选定最佳拼接点后，通常在拼接点两侧两景图像的灰度仍可能存在一定差异，这在一定程度上仍影响着镶嵌的质量。为了减小这种灰度差异，
需要进行缓和拼接点两侧灰度突变的圆滑处理。计算方法如下：
Oi=Ai+（Bi-Ai）*K
K=i/W ，0≤ i≤ W-1
其中为经过灰度圆滑后的像元灰度值，为第一景图像的像元灰度值，Bi为第二景图像的像元灰度值，W是进行灰度圆滑的宽度，K为权数，对于两景图像在圆滑范围内K呈线性反向变化。通过这一处理，就会缓和经过一级色调匹配后拼接点两侧规定范围内残存的灰度差异，接缝现象将得到进一步改观。
3.5 单元镶嵌
遥感图像的数据量往往是相当大的，而数字图像处理系统的存储空间是有限的。为解决超出系统存储容量的大数据量镶嵌的问题，采用了单元镶嵌法。把大面积的图像镶嵌化整为零，在系统存储空间允许范围内，划分出若干单元分别进行镶嵌处理。从而解决了存储空间有限、无法直接进行大数据量镶嵌的实际问题。处理过程中，应把一个已镶嵌好的单元与下一个单元相重叠的部分保留在系统中，作为进行下一个单元镶嵌处理时的色调匹配和几何配准的基础，以确保全区镶嵌结果在色调和几何上的一致性。
第四章结束语
本文介绍了图像镶嵌的一般过程、基于分窗口相关的图像配准方法、基于小波变换的拼接缝消除方法和基于重叠图像的拼接缝消除方法。近年来，经过多方面的深入研究。图像镶嵌算法正在向着自动、并行、高效、稳健的方向发展。子波变换、神经网络、遗传算法等工具在图像配准中也得到了应用。具体应用时可根据任务的性质、所涉及到的特定图像的产生机理来选择或设计适当的算法，特别是当有实时性要求时，所开发的算法还应当更加灵活、高效。
参考文献：
1、王建忠．图像镶嵌及其边界处理【M】．1993
2、杨文久．遥感数字图像的配准和镶嵌：马俊如．中国遥感进展；北京万国学术储备社，1992
遥感图像的几何校正(配准)
遥感图像的几何校正（配准） 1.实验目的与任务： （1）了解几何校正的原理； （2）学习使用ENVI软件进行几何校正； 2.实验设备与数据： 设备：遥感图像处理系统ENVI 数据：TM数据 3 几何校正的过程： 注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配 准或几何校正。 1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开；2．在主菜单上选择map->Registration->select GCPs：image to image 3.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。BASE图像指参考图像而warp则指待校正影像。选择OK! 4.现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方， 就可以选择ADD POINT添加点了。（PS：看不清出别忘记放大）如果要放弃该点选择 右下脚的delete last point，或者点show point弹出image to image gcp list窗口，从中选择 你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。选好4个点后就可以 预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参 考影像相对应的位置，而后再进行适当的调整并选点。 5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII.. 当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from ASCII... 6.接下来就是进行校正了：在ground control points.对话框中选择： options->warp file(as image to map) 在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters 对话框： 首先点change proj按钮，选择坐标系 然后更改象素的大小，如果本身就是你所需要大小则不用改了 最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了
遥感数字图像处理
遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强 3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念
方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点? 计算图像经过下列操作后，其中心象元的值： – 3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 – Sobel边缘检测 – Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用 3.4彩色增强 彩色影像的类型：真彩色、假彩色、伪彩色
实验三 遥感图像的几何校正
实验法三遥感图像的几何校正 一实验目的 通过实验操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。 二实验内容 ERDAS软件中图像预处理模块下的图像几何校正。 几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。 1、图像几何校正的途径 ERDAS图标面板工具条：点击DataPrep图标，→Image Geometric Correction →打开Set Geo-Correction Input File对话框（图1）。 ERDAS图标面板菜单条：Main→Data Preparation→Image Geometric Correction→打开Set Geo-Correction Input File对话框（图1）。 图1 Set Geo-Correction Input File对话框 在Set Geo-Correction Input File对话框（图1）中，需要确定校正图像，有两种选择情况： 其一：首先确定来自视窗（From Viewer），然后选择显示图像视窗。 其二：首先确定来自文件（From Image File），然后选择输入图像。 2、图像几何校正的计算模型（Geometric Correction Model） ERDAS提供的图像几何校正模型有7种，具体功能如下： 表1 几何校正计算模型与功能 模型功能 Affine 图像仿射变换（不做投影变换） Polynomial 多项式变换（同时作投影变换） Reproject 投影变换（转换调用多项式变换） Rubber Sheeting 非线性变换、非均匀变换 Camera 航空影像正射校正 Landsat Lantsat卫星图像正射校正 Spot Spot卫星图像正射校正 其中，多项式变换（Polynomial）在卫星图像校正过程中应用较多，在调用多项式模型时，需要确定多项式的次方数（Order），通常整景图像选择3次方。次方数与所需要的最
遥感图像光谱增强处理实验报告材料
一、实验名称 遥感图像光谱增强处理 二、实验目的 对图像进行主成分分析、主成分变换以及主成分百分比计算；观察图像在不同色彩空间之间相互转换的结果异同，对图像进行融合，用MODEL MAKER 建模方式进行图像处理。 通过以上操作初步掌握图像光谱增强处理过程，进一步理解影像光谱增强中不同增强方法的原理及其增强效果的差异。 三、实验原理 光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。 主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。对于增强信息含量、隔离噪声、减少数据维数非常有用。 使用Color Transforms 工具可以将3-波段红、绿、蓝图像变换到一个特定的彩色空间，并且能从所选彩色空间变换回RGB。两次变换之间，通过对比度拉伸，可以生成一个色彩增强的彩色合成图像。 图像融合是将多幅影像组合到单一合成影像的处理过程。它一般使用高空间分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。 四、数据来源 本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
五、实验过程 1.主成分分析 1）打开并显示TM影像文件，从 ENVI 主菜单中，选择File → Open Image File选择影像，点击Load Band 在主窗口加载影像。 2）主菜单选择Transforms—>Principal Components—>Forward PC Rotation —>Compute New Statistics and Rotate。在弹出的Principal Components Input File 对话框中，选择图像。 3)在Forward PC Rotation Parameters对话框中在输入统计系数，选择计算矩阵（选择协方差矩阵），输出统计文件及路线，统计波段数等相关参数的设置，单击Ok。
ERDAS遥感图像的几何校正
遥感图像的几何校正 实验目的：通过实习操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。 实验内容：ERDAS软件中图像预处理模块下的图像几何校正。 几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。 1、图像几何校正的途径 ERDAS图标面板工具条：点击DataPrep图标，→Image Geometric Correction →打开Set Geo-Correction Input File对话框（图1）。 ERDAS图标面板菜单条：Main→Data Preparation→Image Geometric Correction→打开Set Geo-Correction Input File对话框（图1）。 图1 Set Geo-Correction Input File对话框 在Set Geo-Correction Input File对话框（图1）中，需要确定校正图像，有两种选择情况： 其一：首先确定来自视窗（FromViewer），然后选择显示图像视窗。 其二：首先确定来自文件（From Image File），然后选择输入图像。 2、图像几何校正的计算模型（Geometric Correction Model） ERDAS提供的图像几何校正模型有7种，具体功能如下：
3、图像校正的具体过程 第一步：显示图像文件（Display Image Files） 首先，在ERDAS图标面板中点击Viewer图表两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置，操作如下：ERDAS图表面板菜单条：Session→Title Viewers 然后，在Viewer1中打开需要校正的Lantsat图像：tmatlanta.img 在Viewer2中打开作为地理参考的校正过的SPOT图像：panatlanta.img 第二步：启动几何校正模块（Geometric Correction Tool） Viewer1菜单条：Raster→Geometric Correction →打开Set Geometric Model对话框，如图2
遥感影像图像处理流程
遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。 一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。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。一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正
通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正
实验六 遥感影像增强处理
实验六遥感影像增强处理 实习目的：掌握常用的遥感影像增强处理的方法。 实习内容：遥感影像空间、辐射、光谱增强处理的主要方法 空间增强：包括卷积增强处理、纹理分析、自适应滤波等 辐射增强：LUT拉伸处理、直方图均衡化处理、直方图匹配、亮度反转处理等 光谱增强：主成份变换、缨帽变换、色彩变换、指数计算等 图像增强是改善图像质量、增加图像信息量、加强图像判读和识别效果的图像处理方法。图像增强的目的是针对给定图像的不同应用，强调图像的整体或局部特性，将原来不清晰的图像变得清晰或增强某些感兴趣区域的特征，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。图像增强的途径是通过一定的手段对原图像附加一些信息或变换数据，有选择的突出图像中感兴趣区域的特征或抑制图像中某些不需要的特征。图像增强的方法包括空间域增强和频率域增强两类。空间域增强包括空间增强、辐射增强和光谱增强。在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。 1．图像解译功能简介（Introduction of Image Interpreter） 利用ERADS IMAGINE 进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动：ERDAS图标面板菜单条： Main/Image Interpreter--Image Interpreter 菜单 ERDAS图标面板工具条：点击Interpreter图标一Image Interpreter菜单
遥感卫星图像处理方法
北京揽宇方圆信息技术有限公司 遥感卫星图像处理方法 随着遥感技术的快速发展，获得了大量的遥感影像数据，如何从这些影像中提取人们感兴趣的对象已成为人们越来越关注的问题。但是传统的方法不能满足人们已有获取手段的需要，另外GIS的快速发展为人们提供了强大的地理数据管理平台，GIS数据库包括了大量空间数据和属性数据，以及未被人们发现的存在于这些数据中的知识。将GIS技术引入遥感图像的分类过程，用来辅助进行遥感图像分类，可进一步提高了图像处理的精度和效率。如何从GIS数据库中挖掘这些数据并加以充分利用是人们最关心的问题。GIS支持下的遥感图像分析特别强调RS和GIS的集成，引进空间数据挖掘和知识发现（SDM&KDD）技术，支持遥感影像的分类，达到较好的结果，专家系统表明了该方法是高效的手段。 遥感图像的边缘特征提取观察一幅图像首先感受到的是图像的总体边缘特征，它是构成图像形状的基本要素，是图像性质的重要表现形式之一，是图像特征的重要组成部分。提取和检测边缘特征是图像特征提取的重要一环，也是解决图像处理中许多复杂问题的一条重要的途径。遥感图像的边缘特征提取是对遥感图像上的明显地物边缘特征进行提取与识别的处理过程。目前解决图像特征检测/定位问题的技术还不是很完善，从图像结构的观点来看，主要是要解决三个问题:①要找出重要的图像灰度特征；②要抑制不必要的细节和噪声；③要保证定位精度图。遥感图像的边缘特征提取的算子很多，最常用的算子如Sobel算子、Log算子、Canny算子等。 1）图像精校正 由于卫星成像时受采样角度、成像高度及卫星姿态等客观因素的影响，造成原始图像非线性变形，必须经过几何精校正，才能满足工作精度要求一般采用几何模型配合常规控制点法对进行几何校正。 在校正时利用地面控制点(GCP)，通过坐标转换函数，把各控制点从地理空间投影到图像空间上去。几何校正的精度直接取决于地面控制点选取的精度、分布和数量。因此，地面控制点的选择必须满足一定的条件，即：地面控制点应当均匀地分布在图像内；地面控制点应当在图像上有明显的、精确的定位识别标志，如公路、铁路交叉点、河流叉口、农田界线等，以保证空间配准的精度；地面控制点要有一定的数量保证。地面控制点选好后，再选择不同的校正算子和插值法进行计算，同时，还对地面控制点(GCPS)进行误差分析，使得其精度满足要求为止。最后将校正好的图像与地形图进行对比，考察校正效果。 2）波段组合及融合 对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。 3）图像镶嵌
遥感原理与应用-图像增强
实验三：遥感图像的增强处理 (3机时) 实验目的：通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。 实验内容：卷积增强处理；锐化增强处理；直方图均衡化；色彩变换。 ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。 实验数据：wx98tm543.img（待校正图像）与wx98spot_pan.img（参考图像）校正的结果 wx98tm543_warp.img；ERDAS安装目录中的若干样例图像数据文件。 1、卷积增强（Convolution） 空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。卷积增强（Convolution）是空间增强的一种方法。 卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强（Convolution）处理的关键是卷计算子----系数矩阵的选择。该系数矩阵又称卷积核（Kernal）。ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。具体执行过程如下： ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement →convolution→convolution对话框。
图3-1 Convolution对话框 几个重要参数的设置： 边缘处理方法：（Handle Edges by）：Reflection 卷积归一化处理：Normalize the Kernel 2、直方图均衡化（Histogram Equalization） 直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。注意：认真对比直方图均衡化前后图像差别，仔细观察直方图均衡化的效果。 图3-2直方图均衡化 3、主成分变换 主成分变换（Principal Component Analysis）是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。ERDAS IMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。 ERDAS 图标面板菜单条：Main →Image Interporeter→Spectral Enhancement →Principial Comp →Pincipal Components对话框。（图3-3）
遥感图像处理实例分析01(算法、图像增强)
图像处理（Image processing） 基本概念 数字图像处理（digital image processing）指的是使用计算机巧妙处理以数字格式存储图像数据的过程。其目的是提高地理数据质量，使其对使用者更有意义，并能提取定量信息，解决问题。 数字图像（digital image）的存储是以二维数组或网格的形式保存像素值，每个像素在空间上对应着地表一块小面积。数组或网格又称光栅，所以图像数据经常叫着光栅数据。光栅数据的排列是这样：水平行叫着线（lines），垂直列叫着样品（samples）（如图1-1）。图像光栅数据的每个像素代表着是数字（digital number），简称DN。 图1-1 光栅数据 图像数字DNs在不同的数据源中，代表着不同的数据类型。如对Landsat、SPOT卫星数据，DNs代表的是地物在可见光、红外或其它波段的反射强度。对雷达图像，DNs代表的是雷达脉冲返回到天线的强度。对数字地形模型（DTMs），DNs代表的是地形高程。 通过应用数学变换，图像转化为数字图像。ER Mapper可以增强数字图像，突出和提取传统手工方法难以得到的细小信息。这就是为什么图像处理能成为所有地球科学应用的强大工具的原因 多光谱数据（multispectral data）指的是多波段数据，图像数据中含有多个波段的反射强度。图像处理技术随着合并不同波段的信息而发展，突出了一些特别类型的信息，如植被指数、水质量参数、地表矿物出现类型等。 图像处理广泛应用在地球科学的制图、分析和模型应用上。主要有：土地利用/土地覆盖制图和变迁勘察（land use/land cover mapping and change detection）、农业评价和监测（agricultural assessment and monitoring）、海岸线和海洋资源管理（coastal and marine resource management）、矿产勘查（mineral exploration）、石油和天然气勘查（o il & gas exploration）、森林资源管理（forest resource management）、城市规划和变迁勘察（ urban planning and change detection）、无线通讯定点和规划（telecommunications siting and planning）、海洋物理学（physical oceanography）、地质和地形制图（geology and topographic mapping）、冰川探测和制图（sea ice detection and mapping）等。 ER Mapper图像处理特点：发展了一个全新的方法，叫算法，将许多处理过程合并成简单的
遥感图像的几何校正实验报告
实验报告 实验名称：遥感图像的几何校正课程名称：《遥感导论》 教师： 院系：矿业工程学院 班级： 姓名：
遥感图像的几何校正实验报告 一、实验目的 通过实习操作，掌握遥感图像几何校正的基本原理和和方法，理解遥感图像几何校正的意义。 二、实验环境 操作系统：windows 8.1 软件：ENVI 4.3 三、实验内容 ERDAS 软件中图像预处理模块下的图像几何校正 几何校正的必要性： 由于遥感平台位置和运动状态的变化、地形起伏、地球表面曲率、大气折射、地球自转等因素的影响，遥感图像在几何位置上会发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变，称为遥感图像的几何畸变。产生畸变的图像给定量分析及位置配准造成困难，因此在遥感数据接收后需要对图像进行几何校正以使其能够反映出接近真实的地理状况。 几何校正的原理： 遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数学函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像 遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数学函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像。 在本次实验中采用的是Polynomial(多项式变换)的模型，通过在遥感影像和参考图像上分别选取相应的控制点，求出二元二次多项式函数：25243210'2 5243210'y b x b xy b y b x b b y y a x a xy a y a x a a x +++++=+++++=，得到变换后的图像坐标（x ′,y ′）与参考图 像坐标的关系，从而对图像进行几何校正。 实验步骤： 运行ENVI 软件
《遥感数字图像处理》课后习题详解
遥感数字图像处理 第一部分 1.什么是图像？并说明遥感图像与遥感数字图像的区别。 答：图像（image）是对客观对象的一种相似性的描述或写真。图像包含了这个客观对象的信息。是人们最主要的信息源。 按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。 2.怎样获取遥感图像？ 答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。根据传感器基本构造和成像原理不同。大致可分为摄影成像、扫描成像和雷达成像三类。 m= 3.说明遥感模拟图像数字化的过程。灰度等级一般都取2m（m是正整数），说明8时的灰度情况。 答：遥感模拟图像数字化包括采样和量化两个过程。 ①采样：将空间上连续的图像变换成离散点的操作称为采样。空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像。 ②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。 m=时，则得256个灰度级。若一幅遥感数字图像的量化灰度级数g=256级，则灰当8 度级别有256个。用0—255的整数表示。这里0表示黑，255表示白，其他值居中渐变。由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。彩色图像可采用24bit量化，分别给红，绿，蓝三原色8bit，每个颜色层面数据为0—255级。 4.什么是遥感数字图像处理？它包括那些内容？ 答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。 其内容有： ①图像转换。包括模数（A/D）转换和数模（D/A）转换。图像转换的另一种含义是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作，如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换和小波变换等。 ②数字图像校正。主要包括辐射校正和几何校正两种。 ③数字图像增强。采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度，突出所需信息的工作称为图像增强。图像增强处理不是以图像保真度为原则，而是设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 ④多源信息复合（融合）。 ⑤遥感数字图像计算机解译处理。
浅析遥感图像的几何校正原理及方法
浅析遥感图像的几何校正原理及方法 摘要：几何校正，就是清除遥感图像中的几何变形，是遥感影像应用的一项重要的前期处理工作。本文简单分析了几何校正的原理和基本方法，并以ERDAS软件为例，对青海海东地区遥感影像进行了几何校正，从而直观地表述了遥感图像几何校正的完整过程。结果表明，几何校正的精度受多方面因素影响，最主要的是控制点GCP的选取数量和选取位置。本次校正精度小于0.5个像元,符合要求。 关键词：遥感、ERDAS、几何校正、GCP 引言：遥感20世纪60年代发展起来的对地观测综合性技术。狭义遥感指从远距离、高空，以至外层空间的平台上，利用可见光、红外、微波等遥感器, 通过摄影、扫描等各种方式，接收来自地球表层各类地物的电磁波信息，并对这些信息进行加工处理，从而识别地面物质的性质和运动状态的综合技术。遥感已然成为地理数据获取的重要工具。但是遥感技术的成图规律决定了遥感图像不能直接被应用，因为遥感图像在成像时, 由于成像投影方式、传感器外方位元素变化、传感介质的不均匀、地球曲率、地形起伏、地球旋转等因素的影响, 使得遥感图像存在一定的几何变形[2] , 即图像上的像元在图像坐标系中的坐标与其在地图坐标系等参考坐标系统中的坐标之间存在差异, 其主要表现为位移、旋转、缩放、仿射、弯曲和更高阶的歪曲[3] 。而且随着当今遥感技术的飞速发展，人们对遥感数据的需求也多源化,它们可以是来自不同的波段, 不同的传感器, 不同的时间。这些多源数据在使用时, 必须具有较高的空间配准精度。这就需要对原始影像进行高精度的几何校正。因此, 几何校正是遥感影像应用的一项重要的前期处理工作。 ERDAS IMAGINE 是美国ERDAS 公司开发的遥感图像处理系统，它以先进的图像处理技术友好灵活的用户界面和操作方式、面向广阔应用领域的产品模块、服务于不同层次用户的模型开发工具以及高度RS/GIS 集成功能为遥感及相关应用领域的用户提供内容丰富且功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势[5]。基于此软件强大的功能性和灵活的操作性，本文采用erdas软件对海东地区影像图进行几何纠正。 2 研究区概况与研究方法 海东地区位于青海省东北部,"海东"以位于青海湖东而得名。地处祁连山支脉大板山南麓和昆仑山系余脉日月山东坡,属于黄土高原向青藏高原过渡镶嵌地带,海拔在1650~2835米之间。境内山峦起伏,沟整纵横,气候属于高原气候,高寒、干旱、日照时间长,太阳辐射强,昼夜温差大。年平均气温6.9℃,年均降水量为323.6 毫米,总蒸发量为1644毫米。本文采用校正过的2004年的海东地区参考影像对2009年对应影像进行校正。 3 几何校正的原理与方法 遥感图像几何校正包括光学校正和数字纠正。本文主要介绍数字纠正。 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）。 (三) 数字图像灰度值的重采样 校正前后图像的分辨率变化、像元点位置相对变化引起输出图像阵列中的同名点灰度值变化,如图3所示
浅谈遥感图像的几何校正
浅谈遥感图像的几何校正 摘要 遥感是在不直接接触的情况下，对目标物或自然现象远距离感知的一门探测技术。ERDAS IMAGINE是一款遥感图像处理系统软件。遥感图像的几何处理是遥感信息处理过程中的一个重要环节，必须先用ERDAS IMAGINE进行几何精纠正,只有消除了几何变形,才能进一步分析研究,进一步开展图像解译、专题分类等分析研究工作。 关键词：遥感，erdas imagine，几何纠正
1.前言 遥感是在不直接接触的情况下，对目标物或自然现象远距离感知的一门探测技术。具体地讲，是指在高空和外层空间的各种平台上，运用各种传感器获取反应地表特征的各种数据，通过传输，变换和处理，提取有用的信息，实现研究地物空间形状，位置，性质，变化及其与环境的相互关系的一门现代应用技术科学。遥感图像处理硬件系统也从光学处理设备全面转向数字处理系统，内外存容量的迅速扩大，处理速度急速增加，使处理海量遥感数据成为现实，网络的出现将使数据实时传输和实时处理成为现实。遥感图像处理软件系统更是不断翻新，从开始的人机对话操作方式发展到视窗方式，未来将向智能化方向发展。ERDAS IMAGINE是一款遥感图像处理系统软件。ERDAS IMAGINE是美国ERDAS 公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势。 遥感图像作为空间数据，具有空间地理位置的概念，在应用遥感图像之前，必须将其投影到需要的地理坐标系中。因此，遥感图像的几何处理是遥感信息处理过程中的一个重要环节。 遥感图像在成像时,由于成像投影方式、传感器外方位元素变化、传感介质的不均匀、地球曲率、地形起伏、地球旋转等因素的影响,获得的遥感图像相对于地表目标存在一定的几何变形,使得图像上的几何图形与该物体在所选定的地图投影中的几何图形产生差异,造成形状或位置的失真,这主要表现为位移、旋转、缩放、仿射、弯曲和更高阶的歪曲,且其精度直接影响到后续处理工作的质量。要在这样的遥感图像上进行研究,必须先用ERDAS IMAGINE进行几何精纠正,只有消除了几何变形,才能进一步分析研究,进一步开展图像解译、专题分类等分析研究工作。 2.国内外发展状况 2.1国内发展状况
实验二遥感图像的几何校正与镶嵌实验报告
实验二遥感图像的几何校正与镶嵌实验报告 实验目的： 通过本实验熟练操作遥感图像处理的专业软件进行基础图像处理，包括图像几何校正、镶嵌等。 实验容： 1、熟悉图像几何校正、镶嵌的基本原理； 2、学习图像几何校正具体操作； 3、学习图像镶嵌正具体操作。 本实验的图像几何校正是通过“像图配准”的方式获取地面控制点的方里网坐标的，并对传统的从纸质地形图上量算坐标的方法进行改进，利用Auto CAD或Photoshop等软件从扫描后的电子地形图上直接量算坐标。 实验步骤： 第一步、熟悉图像几何校正、镶嵌的基本原理 第二步、图像几何校正 运行PCI，选择GCPWorks模块，在Source of GCPs选择User Entered Coordinates（用户输入投影坐标系统），点击Accept后，弹出校正模块： 选择第一项加载需要校正的图像（由实验一方法导出的125-42.pix）->点击
Default->Load & Close->得到下图： 选择第二项，选择Other确定投影系统： 注意输入6度带的中央经度与向东平移500公里（500000米）：
点击Earth Model确定地球模型： 点击Accept：
选择第三项采集地面控制点。在采集地面控制点之前，利用Photoshop软件打开扫描后的电子地形图。 分别在遥感图像和地形图中找到一个同名点，如下图（可以用放大遥感图）。 然后在地形图中量算出该点的坐标，精确到米，X坐标为6位（要去掉2位6度带的带号），Y坐标7位（运用测出）。再将坐标输入到GCP编辑窗口中，并点击Accept as GCP接受为一个控制点。
ENVI遥感图像增强处理
任务五图像增强 目录 1.空间域增强处理1 1.1卷积滤波1 2.辐射增强处理2 2.1交互式直方图拉伸2 3.光谱增强处理4 3.1波段比的计算4 3.2色彩空间变换5 3.3NDVI计算6 4.傅里叶变换6 4.1快速傅里叶变换6 4.2定义FFT滤波器7 4.3反向FFT变换8 5.波段组合8 5.1RGB合成显示8
图像增强的主要目的是提高图像的目视效果，以便处理结果图像比原图像更适合于特定的应用要求，方便人工目视解译、图像分类中的样本选取等。 ENVI图像增强的内容主要包括： ●空间域增强处理 ●辐射增强处理 ●光谱增强处理 ●傅里叶变换 ●波段组合 1.空间域增强处理 空间域增强处理是通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像。 1.1卷积滤波 卷积滤波是通过消除特定的空间频率来增强图像。它们的核心部分是卷积核，ENVI提供很多卷积核，包括高通滤波、低通滤波、拉普拉斯算子、方向滤波、高斯高通滤波、高斯低通滤波、中值滤波、Sobel、Roberts，还可以自定义卷积核。 使用数据：lena.jpg 具体操作： 通过尝试ENVI提供的各种图像增强算子，观察比较图像增强的效果。 （1）打开图像文件lena.jpg。 （2）在主菜单中，选择Filter→Convolutions and Morphology。 （3）在Convolutions and Morphology Tool中，选择Convolutions→滤波类型。 （4）不同的滤波类型对应不同的参数，主要包括三项参数： ●Kernel Size（卷积核的大小） 卷积核的大小，以奇数来表示，如3×3、5×5等，有些卷积核不能改变大小，包括Sobel和Roberts。 ●Image Add Back（输入加回值） 将原始图像中的一部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。该方法常用于图像锐化。“加回”值是原始图像在结果输出图像中所占的百分比。 ●Editable Kernel（编辑卷积核中各项的值） 在文本框中双击鼠标可以进行编辑，选择Kernel可以把卷积核保存为文件（.ker），选择Kernel可以打开一个卷积核文件。 （5）卷积增强图像中的单个波段 a）选择Convolutions→High Pass，其他项按照默认设置，单击Quick Apply按钮，第一次点击此按钮会提示选择增强的波段，增强后的波段在Display中显示。如果要更改卷积增强波段，选择Options→Change Quick-Apply Input Band。 b）选择Quick Result to File，可以将增强结果保存 （6）卷积增强图像文件 a）单击Apply To File按钮，在Convolution Input File对话框中选择图像文件。 b）选择输出路径及文件名。
遥感图像的增强处理
遥感图像的增强处理 实验目的：通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。 实验内容：空间增强、辐射增强、空间变换、多光谱四则运算等。 ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。 1、卷积增强（Convolution） 空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。卷积增强（Convolution）是空间增强的一种方法。 卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强（Convolution）处理的关键是卷计算子----系数矩阵的选择。该系数矩阵又称卷积核（Kernal）。ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。具体执行过程如下：ERDAS图标面板菜单条：Main→Im age Interpreter→Spatial enhancement→convolution→convolution对话框。
几个重要参数的设置： 边缘处理方法：（Handle Edges by）：Reflection 卷积归一化处理：Normalize the Kernel 2、主成分变换 主成分变换（Principal Component Analysis）也称K-L变换，是一种常用的图像处理方法。 主成分变换用于： (1) 数据压缩：去相关，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，通常主成分中第一主分量或前两个或前三个主分量已包含该幅图像中的绝大多数地物信息。 (2)图像增强：前几个主分量信息多且信噪比大，噪声少，最后分量几乎全是噪声，去掉最后分量可达到去噪声目的。 ERDAS 图标面板菜单条：Main →Image Interporeter→ Spectral Enhancement →Principial Comp →Pincipal Components对话框，见下图。 Principal Component对话框
envi遥感图像处理之图像增强
ENVI遥感图像处理之图像增强 一、对比度增强 1、快速拉伸 步骤：打开数据—>加载图像到窗口—>图像主窗口Enhance菜单进入图像增强 的菜单选项。 原始显示的影像： 进行线性拉伸后的影像：进行高斯拉伸后的影像：
说明：本 菜单栏中包含的图像 快速拉伸的功能还有 0-255的线性拉伸（这 应该是实际的遥感影 像的灰度值，而刚开 始说的那个原始影像 实际上已经经过了 2%的线性拉伸的）、均 衡化拉伸、均方根拉 伸等。 2、交互式拉伸 步骤：选择图像主窗口中的Enhance菜单—>Interactive Stretching进入交互式拉伸的界面 在Stretch_Type菜单下可以选择交互拉伸的类型，有线性拉伸、分段线性拉伸等。 可以在Stretch旁边的文本框中直接输入拉伸的图像的灰度范围，亦可以在input histogram 窗体中用鼠标左键拖动两条竖直虚线进行拉伸范围的选择。 原始图像：
交互式线性拉伸后的图像： 分段线性拉伸后的影像：
高斯拉伸后的影像： 3、直方图匹配 步骤：进行直方图匹配之前必须打开两个窗口显示两个波段或两幅影像。 在两窗口中显示两幅遥感影像—>在待匹配的遥感影像主窗口中选择Enhance菜单—>选择Histogram matching…进入直方图匹配的对话框—>选择匹配到的窗口和匹配的方式，点击OK完成直方图的匹配。 匹配前直方图： 待匹配影像直方图：匹配到影像直方图：
匹配后的直方图： 匹配的交互式对话框： 匹配前影像：匹配后影像：
二、空间增强 1、锐化 步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Sharpen即可对图像进行锐化。 锐化前影像：锐化后影像： 2、平滑 步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Smooth（后面的3*3、5*5等代表的是模板的大小）即可对图像进行平滑。
遥感图像的几何校正实验报告
遥感图像的几何校正 一、实验目的 通过实习操作，掌握遥感图像几何校正的基本原理和和方法，理解遥感图像几何校正的意义。 二、实验环境 操作系统：Windows Vista 软件：Erdas Imagine 8.4 三、实验内容 ERDAS软件中图像预处理模块下的图像几何校正。 几何校正的必要性： 由于遥感平台位置和运动状态的变化、地形起伏、地球表面曲率、大气折射、地球自转等因素的影响，遥感图像在几何位置上会发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变，称为遥感图像的几何畸变。产生畸变的图像给定量分析及位置配准造成困难，因此在遥感数据接收后需要对图像进行几何校正以使其能够反映出接近真实的地理状况。 几何校正的原理： 遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数学函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像。 Erdas软件中提供了7中几何校正的模型，具体如下： 表 1 几何校正计算机模型与功能 模型功能 Affine 图像仿射变换（不做投影变换） Polynomial 多项式变换（同时作投影变换） Reproject 投影变换（转换调用多项式变换） Rubber Sheeting 非线性变换、非均匀变换 Camera 航空影像正射校正 Landsat Landsat卫星图像正射校正 Spot Spot卫星图像正射校正
在本次实验中采用的是Polynomial(多项式变换)的模型，通过在遥感影像和参考图像上分别选取相应的控制点，求出二元二次多项式函数： 2 52 43210' 2 52 43210' y b x b xy b y b x b b y y a x a xy a y a x a a x +++++=+++++=， 得到变换后的图像坐标（x ′,y ′）与参考图像坐标的关系，从而对图像进行几何校正。 四、实验步骤 运行Erdas Imagine 软件 第一步：显示图像文件 1) 在Erdas 图标面板中单击Viewer 图标两次，打开两个视窗：Viewer 1和 Viewer 2； 2) 在Viewer 1视窗下打开需要校正的遥感影像wucesourse.img ， 在Viewer 2 视窗下打开参考图像wucepoint.img ； 第二步：启动几何校正模块（Set Geometric Model ） 单击Viewer 1视窗菜单栏中的Raster →Geometric Correction →打开Set Geometric Model 对话框(见图1) →选择多项式几何校正模型 Polynomial →OK →打开Geometric Correction Tools 对话框（见图2）和Polynomial Model Properties 对话框（见图3） →在Polynomial Model Properties 对话框中定义多项式次方（Polynomial Order ）为2（见图3） →单击Apply →单击Close →打开GCP Tool Reference Setup 对话框（见图4 ） 图1 Set Geometric Model 对话框 图2 Geometric Correction Tools 对话框