目录
一、实习目的 (1)
二、实习要求 (1)
三、实习内容 (1)
3.1 图像裁剪 (1)
3.2 图像配准 (3)
3.3 监督分类 (6)
四、实习总结 (16)
一、实习目的
(1)熟悉使用erdas软件
(2)了解图像处理的原理与步骤,提高动手能力
二、实习要求
(1)对图像进行裁剪
(2)将TM图像与与临川区图像进行配准(校正)
(3)对图像进行监督分类
三、实习内容
3.1 图像裁剪
利用临川区行政边界AOI文件对TM图象进行裁剪,裁剪出临川区TM图象。
基本步骤如下:
(1)打开erdas imagine 9.2,单击“data proparation”,如图1
图1 data proparation 界面
(2)单击“subset imagine”,进入以下界面:
图2 subset界面
(3)图像裁剪的方法有三种
①在TM影像上,通过AOI工具进行裁剪,裁剪出所需要的范围
②通过使用文件裁剪
③ AOI裁剪,在subset界面,单击AOI,
图3 AOI文件的输入
(4)输入AOI文件后,确认并进行裁剪,得到以下结果
图4 裁剪后的结果
3.2 图像配准
map-to-image: 1:10万临川区土地利用图与TM图象配准;
要求最初选GCP点6-10个,及检测点5个,各点均匀分布,RMS检验误差小于30米(1个像元)。
(1)进入“data proparation”界面,单击以下图中所示:
图5 data proparation 界面
(2)选择视窗,应该注意影像图的选择,选择tiff格式的临川区规划图(需校正的影像)
图6 视窗的选择
(3)模型的选择(多项式)
图7 模型选择界面
(4)模型选择后,进行参数的设置,如:次数的选择【次数不多选择的控制点个数不多】、单位的选择
图8 参数设置
(5)设置完参数,进入控制点建立所涉及的窗口,选择已存在的窗口
图9 采集点的形式
(6)弹出以下窗口,这时就应该选择TM影像图(参考影像),之后还会显示图像的参考椭球、区间等,并进入图像校正界面,进行控制点的选择。
注:1)选择控制点后,比如上面选择2次,在第7个控制点时,会自动进行配准。
2)控制点、检查点误差总和分别最好不大于1
图10 图像校正界面
(7)校正后的结果如下,图像出现了扭曲,可能因为控制点选择分布不均匀以
及控制点的个数较少
图11 校正后的影像图
3.3 监督分类
监督分类包括利用训练区样本建立判别函数的“学习”过程和把待分像元代入判别函数判别的过程。
具体要求:
1)使用多边形选择工具;保留每个类型训练文件及aoi文件。
2)分类结果与1:10万土地利用图比较,反复修正训练样区。
3)进行监督分类,计算各地类的面积。
4)分层随机抽样,每类30个样点,目视判读分类准确与否,统计分类精度。
(1)进入“classicffication”界面,训练区样本的选择
图12 classicfication界面
(2)训练区样本的选择是对裁剪后的影像图利用AOI工具进行样本选择,像元越多越具有代表性
注:1)选择样本时,最好在其中心区域进行采集像元
2)同类样本要在不同区域进行采集,越多越好
3)还可以利用扩散方法采集,设置参数,在所需区域进行采集重复操作,根据不同类型划分不同类别。
比如:林地、水域、居民地、耕地、交通用地、未利利用土地等
训练区样本选择后,全部输出,保存为后缀“*.sig”格式的文件
图13 训练区样本的选择
(3)由于训练区样本是分类的依据,须对其进行精度评价,确定其是否符合要求,精度评定有分离度、矩阵两种类型。
1)分离度精度评定是利用距离运算进行精度的评定,距离越大,精度越差
图14 分离度精度评定参数设置
2)矩阵精度评定
图16 矩阵精度评定参数设置
(4)以上操作完之后,进行监督分类,操作步骤如下:
图18 设置参数
(5)利用所建立的训练区样本对影像进行分类
图19 监督分类结果
(6)分类结果是否符合实际,须对分类结果进行质量的评价注:1)在图像显示时,采用到叠加显示方法
2)导入的文件为分类后的影像图
(7)利用随机点对图像进行识别评定分类精度,并对随机点进行参数的设置包括点分布范围、个数以及分布方式。
注:为了不让随机点分布在图像意外,应选择类别
图20 随机点参数设置
(8)设置完后,显示随机点的坐标,通过“view”显示其值
图21 随机点的分布状况
(9)通过目视解译确认随机点的值是否符合实际情况,并生成精度评定报告注:总比例精度要大于85%以上,若有些类别精度过低,应重新对训练区样本重新选择
图22 精度报告
(10)分类后处理有三种方法:聚类、过滤、去除
1)聚类分析将整个影像离散成一小块一小块,相似类别聚集一起基本操作步骤:
①单击“imagine interpreter”,进入以下操作界面
图23 聚类分析
②参数设置,输入分类后的影像图,输出的层以及搜索区域等
图24 参数设置
③输出结果
图25 聚类分析后的影像
2)聚类处理是过滤处理的预处理,基本步骤如聚类分析
注:输入的影像为聚类处理后的影像
图26 过滤处理的影像
3)去除处理基本步骤如1)所述,输入的影像图为聚类处理后的影像图
图27 去除处理基本步骤
图28 监督分类结果图
四、实习总结
通过短暂的遥感数字图像处理实习,熟悉了Erdas软件的基本操作,学会了如何将影像图进行一些简单的分析处理的方法,提高了动手能力,更巩固了相关方面的知识。
在图像处理过程中,尤其是图像校正的时候,更需要耐心,认真仔
细地操作。
多一次实习多一份学识,也将为踏入社会奠定基础。