ERDAS 遥感影像校正

图像几何校正

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2-1）。

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2-1）。

图2-1 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：

表2-1 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）(由于多项式法原理比较直观，使用上较为灵活且可以用于各种类型的图像，因而遥感图像几何纠正的空间变换一般采用多项式法。) 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

3、图像校正的具体过程

数据源采用具有地理参考信息的SPOT全色影像作为标准影像，选到一定量的地面控制点，采用多项式拟合方法对卫星图像进行校正。

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，操作过程如下：

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（2）

→选择多项式几何校正模型：Polynomial→OK

→同时打开Geo Correction Tools对话框（3）和Polynomial Model Properties对话框（4）。

在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：

→定义多项式次方（Polynomial Order）:2（若此处定义的次方数为T，则需配准的点数为（T+1）*（T+2）/2，若为2，责应该配置6个点）

→定义投影参数：（PROJECTION）:略

→Apply→Close

→打开GCP Tool Referense Setup 对话框（5）

图2-2 Set Geometric Model对话框

图2-3 Geo Correction Tools对话框

图2-4 Polynomial Properties对话框

图2-5 GCP Tool Referense Setup 对话框

第三步：启动控制点工具（Start GCP Tools）

图2-6 Viewer Selection Instructions

首先，在GCP Tool Referense Setup对话框（图5）中选择采点模式：

→选择视窗采点模式：Existing Viewer→OK

→打开Viewer Selection Instructions指示器（图2-6）

→在显示作为地理参考图像panAtlanta,img的Viewer2中点击左键

→打开reference Map Information 提示框（图2-7）；→OK

→此时，整个屏幕将自动变化为如图7所示的状态，表明控制点工具被启动，进入控制点采点状态。

图2-7 reference Map Information 提示框

图2-8 控制点采点

第四步：采集地面控制点（Ground Control Point）

GCP的具体采集过程：

在图像几何校正过程中，采集控制点是一项非常重要和繁重的工作，具体过程如下：

1、在GCP工具对话框中，点击Select GCP图表，进入GCP选择状态；

2、在GCP数据表中，将输入GCP的颜色设置为比较明显的黄色。

3、在Viewer1中移动关联方框位置，寻找明显的地物特征点，作为输入GCP。

4、在GCP工具对话框中，点击Create GCP图标，并在Viewer3中点击左键定点，GCP 数据表将记录一个输入GCP，包括其编号、标识码、X坐标和Y坐标。

5、在GCP对话框中，点击Select GCP图标，重新进入GCP选择状态。

6、在GCP数据表中，将参考GCP的颜色设置为比较明显的红色，

7、在Viewer2中，移动关联方框位置，寻找对应的地物特征点，作为参考GCP。

8、在GCP工具对话框中，点击Create GCP图标，并在Viewer4中点击对应点，系统将自动将参考点的坐标（X、Y）显示在GCP数据表中。

9、在GCP对话框中，点击SelectGCP图标，重新进入GCP选择状态，并将光标移回到Viewer1中，准备采集另一个输入控制点。

10、不断重复1-9，采集若干控制点GCP，直到满足所选定的几何模型为止。

第五步：采集地面检查点（Ground Check Point）

以上采集的 GCP的类型均为控制点，用于控制计算，建立转换模型及多项式方程，。下面

所要采集的GCP类型是检查点。（略）

第六步：计算转换模型（Compute Transformation）

在控制点采集过程中，一般是设置为自动转换计算模型。所以随着控制点采集过程的完成，转换模型就自动计算生成。

在Geo-Correction Tools对话框中，点击Display Model Properties 图表，可以查阅模型。

第七步：图像重采样（Resample the Image）

重采样过程就是依据未校正图像的像元值，计算生成一幅校正图像的过程。原图像中所有删格数据层都要进行重采样。

ERDAS IMAGE 提供了三种最常用的重采样方法。略

图像重采样的过程：

首先，在Geo-Correction Tools对话框中选择Image Resample 图标。

然后，在Image Resample对话框中，定义重采样参数；

→输出图像文件明（OutputFile）:rectify.img

→选择重采样方法（Resample Method）:Nearest Neighbor

→定义输出图像范围：

→定义输出像元的大小：

→设置输出统计中忽略零值:

→定义重新计算输出缺省值：

第八步：保存几何校正模式（Save rectification Model）

在Geo-Correction Tools对话框中点击Exit按钮，推出几何校正过程，按照系统提示，选择保存图像几何校正模式，并定义模式文件，以便下一次直接利用。

第九步：检验校正结果（Verify rectification Result）

基本方法：同时在两个视窗中打开两幅图像，一幅是矫正以后的图像，一幅是当时的参考图像，通过视窗地理连接功能，及查询光标功能进行目视定性检验。

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

ENVI中的几何校正

几何校正 1.遥感图像产生几何畸变的原因地物目标发出的电磁波被卫星上所载传感器接收,这些电磁波上记录和传达了地物目标的信息,这是遥感图像成像的过程也是它的内在规律。在这个过程中图像的几何畸变也随即产生了,其中原因很多,主要表现在以下几个方面: 1. 1卫星位置和运动状态变化的影响卫星围绕地球按椭圆轨道运动,引起卫星航高和飞行速度的变化,导致图像对应产生偏离与在卫星前进方向上的位置错动。另外,运动过程中卫星的偏航、翻滚和俯仰变化也能引起图像的畸变。以上误差总的来说,都是因为传感器相对于地物的位置、姿态和运动速度变化产生的,属于外部误差。此外,由于传感器本身原因产生的误差,即内部误差,这类误差一般很小,通常人们不作考虑。 1. 2地球自转的影响大多数卫星都是在轨道运行的降段接收图像,即当地球自西向东自转时,卫星自北向南运动。这种相对运动的结果会使卫星的星下位置产生偏离,从而使所成图像产生畸变。 1. 3地球表面曲率的影响地球表面是不规则的曲面,这使卫星影像成像时像点发生移动,像元对应于地面的宽度不等。特别是当传感器扫描角度较大时,影响更加突出。 1. 4地形起伏的影响当地形存在起伏时,使原来要反映的理想的地面点被垂直在其上的实际某高点所代替,引起图像上像点也产生相应的偏离。 1. 5大气折射的影响由于大气圈的密度是不均匀分布的,从下向上越来越小,使得整个大气圈的折射率不断变化,当地物发出的电磁波穿越大气圈时,经折射后的传播路径不再是直线而是一条曲线,从而导致传感器接收的像点发生位移。 2.进行几何校正并保证精度的必要性遥感图像几何校正的精确与否直接关系到应用遥感信息反应地表地物的地理位置和面积的精确度,关系到从图像上获取的信息准确与否,因此在选择控制点上要十分小心,尽可能提高其精度,并且要对校正结果进行反复的分析比较,必要时还要进行多次校正。几何校正让图像上地物对应的像元出现在它应该在的地方,再通过辐射校正、影像增强等遥感图像处理技术,还图像以“本来面目”。然后通过对图像的识别、分类、解译处理实现地面空间上各类资源信息的空间分析研究,使遥感技术投入到实际生产应用中。 3.几何精校正遥感影像图的几何校正目前有3种方案,即系统校正、利用控制点校正以及混合校正。遥感数据接收后,首先由接收部门进行校正,这种校正叫系统校正(又叫几何粗校正) ,即把遥感传感器的校准数据、传感器的位置、卫星姿态等测量值代入理论校正公式进行几何畸变校正;而用户拿到这种产品后,由于使用目的不同或投影及比例尺不同,仍旧需要做进一步的几何校正,这就需要对其进行几何精校正即利用地面控制点GCP ( GroundContr ol2Point,遥感图像上易于识别,并可精确定位的点)对因其他因素引起的遥感图像几何畸变进行纠正。混合校正则是由一般地面站提供的遥感CCT已经完成了第一阶段的几何粗校正,用户所要完成的仅仅是对图像做进一步的几何精校正。几何精校正就是利用地面控制点GCP对各种因素引起的遥感图像几何畸变进行校正。从数学上说,其原理是通过一组GCP建立原始的畸变图像空间与校正空间的坐标变换关系,

遥感图像几种分类方法的比较

摘要遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。遥感图像分类主要有两类分类方法:一种是非监督分类方法，另一种是监督分类方法。非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。非监督分类由十不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。而且监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。从传统的基十贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、决策树分类法对TM影像遥感图像进行了分类处理。在对分类实现中，首先对分类过程中必不可少的并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍两种方法的分类实验；最后分别分析分类结果图，采用混淆矩阵和kappa系数对两种方法的分类结果进行精度评价。关键词:TM遥感影像，图像分类，最大似然法，决策树题目：遥感图像几种分类方法的比较...................................... 错误！未定义书签。摘要.. (1) 第一章绪论 (3)

1.1遥感图像分类的实际应用及其意义 (4) 1.2我国遥感图像分类技术现状 (5) 1.3遥感图像应用于测量中的优势及存在的问题 (6) 1.3.1遥感影像在信息更新方面的优越性 (6) 1.3.2遥感影像在提取信息精度方面存在的问题 (6) 1.4研究内容及研究方法 (8) 1.4.1研究内容 (8) 1.4.2 研究方法 (8) 1.5 论文结构 (9) 第二章遥感图像的分类 (9) 2.1 监督分类 (9) 2.1.1 监督分类的步骤 (9) 2.1.2 最大似然法 (11) 2.1.3 平行多面体分类方法 (12) 2.1.4 最小距离分类方法 (13) 2.1.5监督分类的特点 (13) 2.2 非监督分类 (14) 2.2.1 K-means算法 (14) K-均值分类法也称为 (14) 2.2.2 ISODATA分类方法 (15) 2.2.3非监督分类的特点 (17) 2.4遥感图像分类新方法 (17) 2.4.1基于决策树的分类方法 (17) 2.4.2 人工神经网络方法 (19) 2.4.3 支撑向量机 (20) 2.4.4 专家系统知识 (21) 2.5 精度评估 (22) 第三章研究区典型地物类型样本的确定 (24) 3.1 样本确定的原则和方法 (24) 3.2 研究区地物类型的确定 (24) 3.3样本区提取方案 (25) 3.4 各个地物类型的样本的选取方法 (25) 3.4.1 建立目视解译标志 (25) 3.4.2 地面实地调查采集 (26) 3.4.3 利用ENVI遥感图像处理软件选取样本点 (26) 第四章遥感图像分类实验研究 (26) 4.1遥感影像适用性的判定 (26) 4.2分类前的预处理 (28) 4.2.1空间滤波的处理 (28) 4.2.2 频域滤波处理 (28) 4.3利用ENVI软件对影像按照不同的分类方法进行监督分类 (30) 4.3.1监督分类 (30) 4.3.2 决策树 (33) 4.4分类后的处理 (35)

几何校正操作步骤(精)

几何校正操作步骤实验目的：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，称为地里参考（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2-1）。 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2-1）。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，操作过程如下： 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：xiamen,img 在Viewer2中打开作为地理参考的校正过的（图象或）矢量图层：xmdis3.shp 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（2-2） →选择多项式几何校正模型：Polynomial→OK →同时打开Geo Correction Tools对话框（2-3）和Polynomial Model Properties对话框（4）。在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：→定义多项式次方（Polynomial Order）（图2-4）:2 →定义投影参数：（PROJECTION）:略 →Apply→Close →打开GCP Tool Referense Setup 对话框（2-5）

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

ERDAS遥感图像处理教程绝对给力

《遥感数字图象处理实验指导书》实习须知实验室资源： 1 硬件设备：局域网系统；高级PC 计算机（每人一台，在规定时间使用）； 2 软件系统 Windows 2000 或Windows XP ERDAS IMAGINE 8.6 ArcToolbox ArcMap Microsoft Word Microsoft Excel Zip program 3 数据资源数据源： ERDAS IMAGINE 8.6软件附带的examples； XX地区TM、ETM、Spot遥感数据区部分矿山企业基础数据XX．实习目的与内容 1 实习目的本实习为已具有RS的基本概念和理论基础的学生设计，目的是帮助学生在了解RS基本组成与数据结构模型的基础上，重点学习使用ERDAS IMAGINE8.6软件进行视窗操作、数据数据预处理、图像解译、图像分类和矢量功能；了解地图投影系统的使用；学习多种数据输入的方法，不同数据格式转换，数据库模式的定义等多种前后期处理工作；掌握遥感图像前后处理和解译、分类地理的技术流程和方法，数据库建设以及地理数据的编辑和管理；配合具体实例运用GIS空间分析工具。通过系列实习过程，重点培养学习者掌握RS提取信息的基本过程和技巧，并可初步用来解决运用遥感提取信息的问题。 2 实习内容实习1：ERDAS IMAGINE 8.6系统简介与入门；包括：软件概述，视窗操作中的菜单工具条的介绍，数据的输入输出。实习2：数据预处理；包括：图像分幅剪裁，图像几何校正，图像拼接处理，图像投影变换；实习3：图像解译；包括功能简介，辐射增强处理（去霾处理）、常用的光谱增强处理（假彩色合成与指数计算）、空间增强处理（分辨率融合）。

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

试述遥感图像分类的方法,并简单分析各种分类方法的优缺点。

遥感原理与应用 1.试述遥感图像分类的方法，并简单分析各种分类方法的优缺点。答：监督分类：1、最大似然法；2、平行多面体分类法:这种方法比较简单，计算速度比较快。主要问题是按照各个波段的均值为标准差划分的平行多面体与实际地物类别数据点分布的点群形态不一致，也就造成俩类的互相重叠，混淆不清的情况；3、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。通常使用马氏距离、欧氏距离、计程距离这三种判别函数。主要优点：可充分利用分类地区的先验知识，预先确定分类的类别；可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度（避免分类中的严重错误）；可避免非监督分类中对光谱集群组的重新归类。主要缺点：人为主观因素较强；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，对于因训练者不知或因数量太少未被定义的类别，监督分类不能识别，从而影响分结果（对土地覆盖类型复杂的地区需特别注意）。非监督分类：1、ISODATA； 2、K-Mean：这种方法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代的过程中又没有调整类别数的措施，因此不同的初始分类可能会得到不同的分类结果，这种分类方法的缺点。可以通过其它的简单的聚类中心试探方法来找出初始中心，提高分类结果；主要优点：无需对分类区域有广泛地了解，仅需一定的知识来解释分类出的集群组；人为误差的机会减少，需输入的初始参数较少（往往仅需给出所要分出的集群数量、计算迭代次数、分类误差的阈值等）；可以形成范围很小但具有独特光谱特征的集群，所分的类别比监督分类的类别更均质；独特的、覆盖量小的类别均能够被识别。主要缺点：对其结果需进行大量分析及后处理，才能得到可靠分类结果；分类出的集群与地类间，或对应、或不对应，加上普遍存在的“同物异谱”及“异物同谱”现象，使集群组与类别的匹配难度大；因各类别光谱特征随时间、地形等变化，则不同图像间的光谱集群组无法保持其连续性，难以对比。

遥感图像分类

实验四遥感图像分类一、背景知识图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。二、实验目的理解并掌握图像分类的原理，学会图像分类的常用方法：人工分类（目视解译）、计算机分类（监督分类、非监督分类）。能够针对不同情况，区别使用监督分类、非监督分类。理解计算机分类的常用算法实现过程。熟练掌握遥感图像分类精度评价方法、评价指标、评价原理，并能对分类结果进行后期处理。三、实验内容（6课时） 1.非监督分类（Unsupervised Classification)； 2.监督分类（Supervised Classification)； 3.分类精度评价（evaluate classification）； 4.分类后处理（Post-Classification Process）；四、实验准备实验数据：非监督分类文件：germtm.img 监督分类文件：tm_860516.img 监督模板文件：tm_860516.sig 五、实验步骤、方法 1、非监督分类（Unsupervised Classification)

数字图像处理-畸变校正

数字图像处理

图像畸变及校正 1 图像畸变介绍从数字图像处理的观点来考察畸变校正, 实际上是一个图像恢复的过程, 是对一幅退化了的图像进行恢复。在图像处理中，图像质量的改善和校正技术，也就是图像复原，当初是在处理从人造卫星发送回来的劣质图像的过程中发展、完善的。目前，图像畸变校正的应用领域越来越广，几乎所有涉及应用扫描和成像的领域都需要畸变校正。图像在生成和传送的过程中，很可能会产生畸变，如：偏色、模糊、几何失真、几何倾斜等等。前几种失真主要是体现在显示器上，而后一种失真则多与图像集角度有关。不正确的显影，打印、扫描，抓拍受反射光线的影响等方式，都会使图像产生偏色现像。模糊、几何畸变主要是在仪器采集图片过程中产生，大多是因机器故障或操作不当影响导致，如在医学成像方面。而几何空间失真广泛存在于各种实际工程应用中，尤其是在遥感、遥测等领域。 2 畸变产生的原因在图像的获取或显示过程中往往会产生各种失真（畸变）：几何形状失真、灰度失真、颜色失真。引起图像失真的原因有：成像系统的象差、畸变、带宽有限、拍摄姿态、扫描非线性、相对运动等;传感器件自身非均匀性导致响应不一致、传感器件工作状态、非均匀光照条件或点光源照明等；显示器件光电特性不一致；图像畸变的存在影响视觉效果，也是影响图像检测系统的形状检测和几何尺寸测量精度的重要因素之一。 3 图像畸变校正过程所用到的重要工具灰度直方图是关于灰度级分布的函数，是对图象中灰度级分布的统计。灰度直方图是将数字图象中的所有像素，按照灰度值的大小，统计其所出现的频度。

通常，灰度直方图的横坐标表示灰度值，纵坐标为想像素个数。直方图上的一个点的含义是，图像存在的等于某个灰度值的像素个数的多少。这样通过灰度直方图就可以对图像的某些整体效果进行描述。从数学上讲，图像的灰度直方图是图像各灰度值统计特征与图像灰度值出现的频率。从图形上来讲，它是一个一维曲线，表征了图像的最基本的统计特征。作为表征图像特征的信息而在图像处理中起着重要的作用。由于直方图反映了图像的灰度分布状况，所以从对图像的观察与分析，到对图像处理结果的评价，灰度直方图都可以说是最简单、最有效的工具。 4 图像颜色畸变校正介绍图像颜色畸变现象可以是由摄像器材导致，也可以是由于真实环境本身就偏色导致，还有的是由于图像放置过久氧化、老化导致。无论其产生的原因如何，其校正方法都是类似的。如果用Matlab显示颜色畸变的图像RGB基色直方图，发现相对正常图像，颜色畸变的图像的直方图的三种基色的直方图中至少有一个直方图的像素明显集中集中在一处，或则集中在0处或则集中在255处，而另一部分有空缺，或则集中在中间而两边空，因此通过调整该直方图的像素点的像素值在区间[0，255]上的分布来解决图像颜色畸变问题。如果直方图中像素集中在0一边则说明该基色偏暗，如果集中在255处则说明该基色偏亮。下图是一有颜色畸变的图像的基色B 的直方图。

遥感影像的分类处理

摘要在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程

ERDAS 遥感图像的几何校正

学号: 遥感数字图像处理软件实验报告（2011~2012学年第二学期）学院：地环学院班级： 09地科2 姓名：指导老师：

实验二：遥感图像的几何校正一.实验平台：ERDAS IMAGINE 9.1 二.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，能够理解遥感图像的几何校正的意义。三.实验内容资源卫星数据的校正；图像的放射变换；航片的正射校正；图像的镶嵌；图像投影变换等内容。四.实验步骤 1.资源卫星数据landsat 的校正 1.1打开图像文件在ERDAS 图标面板中打开两个视窗（Viewer#1 和Viewer#2）；在ERDAS 图标面板菜单条点击Session，点击 Tile Viewers 并将Viewer#1 和Viewer#2 平铺放置；在Viewer#1 中打开需要校正的Landsat TM 图像：tmAtlanta.img （图1），在Viewer#2 中打开作为地理参考的校正过的SPOT 图像：panAtlanta.img（图2）。图 1 图 2 1.2 启动几何校正模块（1）在Viewer#1 视窗菜单条中点击Raster （2）点击Geometric Correction，打开 Set Geometric Model 对话框（图3）。图 3 图 4 图 5 （3）在Set Geometric Model 对话框中选择多项式几何校正模型：Polynomial

（4）同时打开Geo Correction Tools（图4）和Polynomial Model Properties（图5）对话框. （5）在Polynomial Model Properties 对话框中定义多项式模型参数及投影参数：定义多项式次方： 2. （6）点击Apply （7）点击Close ，打开GCP Tool Reference Setup 对话框（图6）图 6 1.3 启动控制点工具（1）在GCP Tool Reference Setup 对话框中选择视窗采点模式Existing Viewer。（2）点击OK，打开Viewer Selection Instructions 指示器。（3）在显示作为地理参考图像panAtlanta.img 的Viewer#2 中点击左键，打开Reference Map Information 提示框（图7），显示参考图像的投影信息。图 7 （4）点击OK，整个屏幕自动变为两个主视窗、两个放大窗口（Viewers #3 和#4）、两个关联方框（分别位于两个视窗中，指示放大视窗与主视窗的关系）、控制点工具对话框、几何校正工具等（图8）。表面控制点工具被启动，进入控制点采集状态。图 8

ERDAS IMAGINE遥感图像处理教程.

《ERDAS IMAGINE遥感图像处理教程》根据作者多年遥感应用研究和ERDAS IMAGINE软件应用经验编著而成，系统地介绍了ERDAS IMAGINE 9.3的软件功能及遥感图像处理方法。全书分基础篇和扩展篇两部分，共25章。基础篇涵盖了视窗操作、数据转换、几何校正、图像拼接、图像增强、图像解译、图像分类、子像元分类、矢量功能、雷达图像、虚拟GIS、空间建模、命令工具、批处理工具、图像库管理、专题制图等ERDAS IMAGINE Professional级的所有功能，以及扩展模块Subpixel、Vector、OrthoRadar、VirtualGIS等；扩展篇则主要针对ERDAS IMAGINE 9.3的新增扩展模块进行介绍，包括图像大气校正（ATCOR）、图像自动配准（AutoSync）、高级图像镶嵌（MosaicPro）、数字摄影测量（LPS）、三维立体分析（Stereo Analyst）、自动地形提取（Automatic Terrain Extraction）、面向对象信息提取（Objective）、智能变化检测（DeltaCue）、智能矢量化（Easytrace）、二次开发（EML）等十个扩展模块的功能。《ERDAS IMAGINE遥感图像处理教程》将遥感图像处理的理论和方法与ERDAS IMAGINE软件功能融为一体，可以作为ERDAS IMAGINE软件用户的使用教程，对其他从事遥感技术应用研究的科技人员和高校师生也有参考价值。目录基础篇第1章概述2 1.1 遥感技术基础2

1.1.1 遥感的基本概念2 1.1.2 遥感的主要特点2 1.1.3 遥感的常用分类3 1.1.4 遥感的物理基础3 1.2 ERDAS IMAGINE软件系统6 1. 2.1 ERDAS IMAGINE概述6 1.2.2 ERDAS IMAGINE安装7 1.3 ERDAS IMAGINE图标面板11 1. 3.1 菜单命令及其功能11 1.3.2 工具图标及其功能14 1.4 ERDAS IMAGINE功能体系14 第2章视窗操作16 2.1 视窗功能概述16 2.1.1 视窗菜单功能17 2.1.2 视窗工具功能17 2.1.3 快捷菜单功能18 2.1.4 常用热键功能18 2.2 文件菜单操作19 2.2.1 图像显示操作20 2.2.2 图形显示操作22 2.3 实用菜单操作23

ERDAS几何校正

图错误！文档中没有指定样式的文字。-1 Erdas几何校正几何校正的具体过程： 1 显示待校正影像和参考影像在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，操作过程如下： ERDAS图表面板菜单条：Session→Title Viewers 然后，在Viewer1中打开需要校正的影像 Viewer2中打开参考的影像 2启动几何校正模块 Viewer1菜单条：Raster→Geometric Correction →打开Set Geometric Model对话框根据影像类型和要求选择不同的校正模型。图一Set Geometric Model对话框 →选择多项式几何校正模型：Polynomial→OK →同时打开Geo Correction Tools对话框（图二）和Polynomial Model Properties对话框（图三）。在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：

定义多项式次方（Polynomial Order）:2 定义投影参数：不需定义 →Apply→Close →点击打开GCP Tool Referense Setup 对话框（图四）图二图三图四图五 3 启动控制点工具首先，在GCP Tool Referense Setup对话框（图四）中选择采点模式：→选择视窗采点模式：Existing Viewer→OK

→打开Viewer Selection Instructions指示器（图五） →在显示作为参考图像的Viewer2中点击左键 →打开reference Map Information 提示框（图六）；→OK →此时，整个屏幕将自动变化为如图七所示的状态，表明控制点工具被启动，进入控制点采点状态。图六图七 4 采集地面控制点 GCP的具体采集过程：在图像几何校正过程中，采集控制点是一项非常重要和繁重的工作，具体过程如下： 1、在GCP工具对话框中，点击Select GCP图表，进入GCP选择状态； 2、在GCP数据表中，将输入GCP的颜色设置为比较明显的黄色。 3、在Viewer1中移动关联方框位置，寻找明显的地物特征点，作为输入GCP。 4、在GCP工具对话框中，点击Create GCP图标，并在Viewer3中点击左键定点，

遥感图像几何精校正实验报告

遥感图像几何精校正实验名称：遥感图像的几何精校正。实验目的：1.了解和熟悉envi软件的几何校正的原理 2.熟悉和掌握envi软件的几何校正的功能和使用方法； 3.对自己的图像先找到投影，再另存一幅图像，去掉投影，在其它软件中旋转一角度，用原先的图像作为参考对旋转后的图像进行几何校正，使得其比较精确。实验原理：几何校正，主要方法是采用多项式法，机理是通过若干控制点，建立不同图像间的多项式控件变换和像元插值运算，实现遥感图像与实际地理图件间的配准，达到消减以及消除遥感图像的几何畸变。多项式几何校正激励实现的两大步： 1. 图像坐标的空间变换：有几何畸变的遥感图像与没有几何畸变的遥感图像，其对应的像元的坐标是不一样的，如下图1右边为无几何畸变的图像像元分布图，像元是均匀且不等距的分布。为了在有几何畸变的图像上获取无几何畸变的像元坐标，需要进行两图像坐标系统的空间装换。图1：图像几何校正示意图在数学方法上,对于不同二维笛卡儿坐标系统间的空间转换,通常采用的是二元 n次多项式,表达式如下: 其中x, y为变换前图像坐标, u, v为变换后图像坐标, aij , bij为多项式系数, n = 1, 2, 3, ?。二元n次多项式将不同坐标系统下的对应点坐标联系起来, ( x, y )和( u, v )分别应不同坐标系统中的像元坐标。这是一种多项式数字模拟坐标变换的方法,一旦有了该多项式,就可以从一个坐标系统推算出另一个坐标系统中的对应点坐标。如何获取和建立二元n次多项式,即二元n次多项式系数中a和b的求解,是几何校正成败的关键。数学上有一套完善的计算方法,核心是通过已知若干存在于不同图像上的同名点坐标,建立求解n次多项式系数的方程组,采用最小二乘法,得出二元n次多项式系数。不同的二元n次多项式,反映了几何畸变的遥感图像与无几何畸变的遥感图像间的像元坐标的对应关系, 其中哪种多项式是最佳的空间变换模拟式,能达到图像间坐标的完全配准,是需要考虑和分析的。在二元n次多项式数字模拟中,从提高几何校正精度的角度考虑,需要兼顾的因素

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。关键词：遥感图像、发展、分类、计算机一、遥感技术的发展现状遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

遥感图像分类方法综述

遥感图像分类方法综述刘佳馨摘要：伴随着科学技术在我们的生活中不断发展，遥感技术便应运而生，而遥感图像因成为遥感技术分析中的不可缺少的依据，变得备受关注。在本文中，以遥感图像分类方法为研究中心，从传统分类方法、近代分类方法两个方面对分类方法进行了介绍，并以此为基础对分类思想及后续处理进行说明，进而展望了遥感图像分类的研究趋势和发展前景。关键词：遥感图像；图像分类；分类方法 1 引言遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内的各个国家以及我国的许多部门、科研单位和公司等，例如地质、水体、植被、土壤等多个方面，得到广泛的应用，尤其在监视观测天气状况、探测自然灾害、环境污染甚至军事目标等方面有着广泛的应用前景。伴随研究的深入，获取遥感数据的方式逐渐具有可利用方法多、探测范围广、获取速度快、周期短、使用时受限条件少、获取信息量大等特点。遥感图像的分类就是对遥感图像上关于地球表面及其环境的信息进行识别后分类，来识别图像信息中所对应的实际地物，从而进一步达到提取所需地物信息的目的。 2 遥感图像分类基本原理遥感是一种应用探测仪器，在不与探测目标接触的情况下，从远处把目标的电磁波特性记录下来，并且通过各种方法的分析，揭示出物体的特征性质及其变化的综合性探测技术。图像分类的目的在于将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。而遥感图像分类则是利用计算机技术来模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，以达到提取所需地物信息的目的。 3 遥感图像传统分类方法遥感图像传统分类方法是目前应用较多，并且发展较为成熟的分类方法。从分类前是否需要获得训练样区类别这一角度进行划分，可将遥感图像传统分类方法分为两大类，即监督分类（supervised classification）和非监督分类(Unsupervised