遥感课程设计温州市瓯海区土地利用_覆盖类型.doc

温州市瓯海区土地利用/覆盖类型 课程设计的目的 加深和巩固遥感的相关知识 了解遥感技术应用项目的一般程序 熟练运用ERDAS软件对遥感图像进行处理，提高解决问题的能力 应用软件 ERDAS IMAGING 9.0 课程设计内容 了解ERDAS IMAGINE ，熟悉其视窗（Viewer）上的主要操作项目和功能 图像预处理（Data Preparation）功能的运用，包括裁剪、拼接与几何校正 图像的增强处理（Interpreter），主要包括空间增强（Spatial Enhancement）、辐射增强（Radiometric Enhancement）和光谱增强（Spectral Enhancement） 图像分类处理，主要是监督分类和非监督分类。 课程设计任务 准备数据 本次课程设计是对瓯海区土地覆盖类型的研究，所以使用老师提供的ouhai.img数据文件 图像预处理 由于我们拿到的图像较为准确，所以没有进行几何校正。当时如果图像数据在获取过程中产生较大的误差以致较低遥感数据的质量，从而影响图像分析的精度时，就需要对遥感图像进行预处理，纠正图像的变形、扭曲、模糊等。 图像增强处理（Interpreter） 3.1卷积增强（Convolution） 卷积增强是对图像按像元块进行的平均处理，可以改变图像的空间频率特征。 主要操作步骤是Interpreter——Spatial Enhancement（空间增强）——Convolution（卷积增强），定义输入输出文件后。可以选择不同的卷积算子类型（Kemel）：3*3 Edge Detect、5*5 Edge Detect、3*3Low Pass就可以得到不同的图像处理结果，比如下图是5*5 Edge Detect处理后的结果。 3.2辐射增强（Radiometric Enhancement） 辐射增强处理是对单个像元的灰度恒进行变换运到图像增强的目的。 去霾处理的目的是降低多波段图像或全色图像的模糊度（霾）。处理方法（Method）选择Landsat TM，并忽略零的作用，Ok之后就可输出去霾处理后的图像。下图为去霾前后对比图片。 Ⅱ、降噪处理（Noise Reduction） 降噪处理与去霾处理的方法相似。 3.3光谱增强（Spectral Enhancement） 光谱增强主要使用主成分变换和色彩变换。 Ⅰ、主成分变换（Principal Component Analysis） 主成分分析的目的是把原来多波段图像中的有用信息集中到数目尽可能少的新的主成分图像中，并使这些主成分图像之间互不相互和重叠，减少数据量，使图像信息得到增强。 主要操作步骤：Interpreter——Spectral Enhancement（光谱增强）——Principal Component Analysis，设定输入、输出文件，设定主成分压缩层数（Number of Components Desired），可设参数3，之后点击OK。完成后打开生成文件，如下图： 处理后 处理前 分析比较处理后图像及原始图像可发现：纹理变得清晰，地物细节变得详细，色彩对比度得到增强，地物间的分界变得明显，有利于后续图像处理。 Ⅱ、色彩变换（RGB to IHS） 多波段影像合成时，方案的选择十分重要，它决定了彩色图像能否显示较丰富的地物信息或突出某一方面的信息在对话框中分别选择Red为4，Green为3，Blue为2，单击后，退出对话框，审视4、3、2作假彩色合成后的图像 Ⅳ、图像分类 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。常规图像分类主要有两种方法:非监督分类、监督分类和专家分类，本次设计主要采用前两种方法。 3.3.1非监督分类（Unsupervised Classification) Unsupervised Classification，在打开界面上需要设定如下参数： ①确定输出文件（Input Raster File）: img（要被分类的图像） ②确定输出文件（Output File）: .img〔即将产生的分类图像） (确定初始分类数（Number of classes）: 10（分出10个类别）。 ④点击Color Scheme Options按钮可以调出‘Output Color Scheme Options对话框以决定输出的分类图像是彩色的还是黑白的。本次设计选择彩色（Approximate True Color） ⑤定义最大循环次数（Maximum Iterations）: 设置循环收敛阅值（Convergence Threshold）: 0.95 通过