ENVI遥感图像的几何校正

合集下载
相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

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

遥感图像的监督分类

1 实验的目的和任务

1)理解遥感图像计算机分类的原理和方法;

2)掌握监督分类的步骤和方法。

2.实验设备与数据:

设备:遥感图像处理系统ENVI

数据:ENVI自带的数据

3 实验内容:遥感图像监督分类。

监督分类(Supervised Classification)用于在数据集中根据用户定义的训练样本类别(Training Classes)聚类像元。训练样本类别是像元的集合或者单一波谱,通常的训练区采用ROI来选择,而且应该尽可能的选择纯净的感兴趣区域。

具体的操作参考以下图和步骤:

1)、类别定义/特征判别

根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统;对影像进行特征判断,评价图像质量,决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程,为后面样本的选择打下基础。

本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源,类别分为:林地、草地/灌木、耕地、裸地、沙地、其他六类。

2)、样本选择

为了建立分类函数,需要对每一类别选取一定数目的样本,在ENVI中是通过感兴趣区(ROIs)来确定,也可以将矢量文件转化为ROIs文件来获得,或者利用终端像元收集器(Endmember Collection)获得。

本例中使用ROIs方法,打开分类图像,在Display->Overlay->Region of Interest,默认ROIs为多边形,按照默认设置在影像上定义训练样本。如图18所示,设置好颜色和类别名称(支持中文名称)。

在ROIs面板中,选择Option->Compute ROI Separability,计算样本的可分离性。如图19所示,表示各个样本类型之间的可分离性,用Jeffries-Matusita, Transformed Divergence参数表示,这两个参数的值在0~2.0之间,大于1.9说明样本之间可分离性好,属于合格样本;小于1.8,需要重新选择样本;小于1,考虑将两类样本合成一类样本。

练样本的选择

样本可分离性计算报表

3)、分类器选择

根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的,包括平行六面体、最小距离、马氏距离、最大似然,基于神经网络的,基于模式识别,包括支持向量机、模糊分类等,针对高光谱有波谱角(SAM),光谱信息散度,二进制编码。

4)、影像分类

基于传统统计分析的分类方法参数设置比较简单,这里选择支持向量机分类方法。主菜单下选择Classification > Supervised > Support Vector Machine。按照默认设置参数输出分类结果,如图21所示。

支持向量机分类器参数设置

支持向量机分类结果

5)、分类后处理

分类后处理包括的很多的过程,都是些可选项,包括更改类别颜色、分类统计分析、小斑点处理(类后处理)、栅矢转换等操作。

(1)更改类别颜色

可以在Interactive Class Tool面板中,选择Option->Edit class colors/names更改,也可以在Display->Color Mapping->Class Color Mapping。如下图所示,直接可以在对应的类别中修改颜色。

也可以根据一个显示的RGB影像来自动分配类别颜色,打开主菜单->Classification->Post Classification->Assign Class Colors。

类别颜色的更改

相关文档
最新文档