SIR-C数据的纹理分析课程设计.docVIP

SIR-C数据的纹理分析 姓名： 张鸿键 学号：2008160235 背景 在高速发展的现代，雷达的应用是十分广泛的。它渗透在军事、工业、农业、交通等各个方面。本次课程设计就是以与GIS密切联系的雷达数据的处理分析为主要内容。 纹理分析：是指通过一定的图像处理技术提取出纹理特征参数,从而获得纹理的定量或定性描述的处理过程纹理分析在遥感图像、 X射线照片、细胞图像判读和处理方面有广泛的应用。纹理是物体结构的反映，分析纹理可以得到图像中物体的重要信息，是图像分割、特征抽取和分类识别的重要手段。SIR-C的L-波段的数据子集 （2）pol_sig.roi:保存的感兴趣区的文件 （3）texture.dsr:保存的密度分割范围（.dsr）文件 2.研究区介绍 本课程设计用到的数据是SIR-C数据L-波段“Single Look Complex”(SLC)的子集，它覆盖了Death Valley地区的北部，包括Stovepipe Wells、一个活跃的沙丘地带，以及山脉向外延伸的冲积扇（alluvial fans）。这些数据都经过了预先处理，从磁带上读取并提取子集，再多视（multilooking）处理13m（平均而言）的矩形像元。 目的 通过ENVI软件的雷达数据分析功能的使用，对加州Death Valley地区的SIR-C雷达数据进行极化SAR处理和纹理分析，从而进行图像的分割，分类识别。最后在ArcGIS中对成图进行整饰得出最后成果。 实验流程图 实验的具体步骤 极化组合 由于使用的SIR-C的四重极化数据是非成像压缩格式的数据，因此，这些数据的影像必须通过 压缩散射矩阵数据算术的合成计算出来，可以根据需要合成任意发送和接收到的极化组合。 （1）启动ENVI4.3软件，选择Radar—Polarimetric ToolS—Synthesize SIR-C Data打开如图1所示对话框， （图1） （2）点击ok按钮，弹出如图2的对话框 （图2） （3）设置输出路径和文件名，点击OK得到如图3所示结果 （图3） 显示图像 打开图3中[L-TP]的波段如图4所示： （图4） （2）在主影像窗口中选择Enhance—Interactive Stretching 对影像数据进行高斯对比度拉伸处理。如下图所示，得到图6的合成影像 （图5） （图6） 影像中颜色的变化是由于地表雷达反射率的不同造成的。沙丘中的明亮区域是由于雷达波被植被（豆科灌木丛）散射造成的。冲积扇（alluvial fans）地表纹理的变化是由于岩石的年代和组成的不同所造成的。 （3）也可以显示彩色合成影像如下图： （图7） 斜距到地距的转换（几何纠正） 斜距成像的雷达数据会在横向上存在几何变形。真实的或者地面距离的像素大小会根据入射角的改变，而在横向上有所不同。通过重采样斜距数据，生成地面距离为固定大小的像素，我们可以校正该几何变形。斜距到地距的转换需要关于传感器方位的信息。对于SIR-C数据，我们可以在CEOS的头文件发现所需的必要信息。 首先就是查看CEOS的头文件信息。如图打开CEOS文件可以查看到航向间隔为5.2m，像素间隔为13.32m。 （图8） （图9） （图10） （3）设置保存文件路径和文件名点击OK得到如下所示图像： （图11） 使用自适应滤波（去除噪声） 自适应滤波被用来消弱雷达影像中的斑点噪声，它将同时保留雷达影像的纹理信息。 （1）按照下图所示步骤进行操作： （图12） （2）在弹出的对话框中选择图11中的band4，点击ok。弹出对话框如下图所示： （图13） （3）选择存储的路径和文件名，点击ok。显示图像 去噪后的图像 去噪前的图像 （图14） 由图像可以很明显的看出斑点噪声被有效剔除了。 提取密度分割文件 （1）在SIR-C的压缩散射矩阵中提取极化信号，在极化雷达影像（L-TP）上定义感兴趣（已有选好的训练区文件pol_sig.roi）。如图所示： （图15） （2）监督分类（ 最小距离法分类）得到如下图像： （图16） （3）根据监督分类的结果，将band4图像进行密度分割如图所示： （图17） （4）保存密度分割的文件为texture10.dsr，以便后边纹理分析时使用。并将此图导入到ArcGIS中生成密度分割图。 （图18） 提取极化信号 极化信号是地表单个像元或像元平均的完整雷达散射特性的三维描述。它展现了所有发送和接收极化的后向散射响应，它能够以同极化和甲基化的方式进行表现。 极化信号可以使用感兴趣区，确定像素的位置，从压缩散射矩阵数据中提取出来。 通过极化信号的提取可得到如下图像： （图19） 使用纹理分析 纹理作为尺度的函数，是以影像灰度级为基准的空间变化的度量值。这里使用的纹理分析值是Occurre