erdas读书报告.docVIP

ERDAS实验读书报告 白金睿 图像的卷积增强 原理：卷积增强是将整个图像按像元分块进行平均处理，用于改变图像的空间频率特征。卷积处 理的关键是卷积算子一-系数矩阵的选择。ERDAS将常用的卷积积算子放在default.klb 的文件中，分别以3×3、5×5、7×7三组，每组又包括edge Detect/edge enhance/low pass/Highpass/Horizontal/vertical/summary等七种不同的处理方式。 具体执行过程如下： ERDAS图标面板工具条，点击Interpreter/spatial Enhancement / convolution—打开convolution对话框进行参数设置。 （成果见 附图 4） 图像的色彩变换 原理：色彩变换是将区域图像从RGB的彩色空间转换到IHS作为定位参数的彩色空间，以便达到增强目的。 在ERDAS图标面板工具条中，点击Interpreter/spectral Enhancement/RGB to IHS—--打开RGB TO IHS对话框，进行参数设置。设置完成后，点击ok，等待响应，完成操作。 （成果见 附图 5） 空间增强 原理：空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。 查找表拉抻处理是通过修改图像查找表，使输出图像值发生变化。通过定义，可实现线性拉伸、分段线性拉伸、非线性拉伸等处理。 在ERDAD图标面标工具条中，点出Interpreter/Radiometric Enhancement/LUTStretch—--打开LUT stretch对话框，并设置参数如下： 直方图均衡化处理 该处理实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。 在ERDAS图标面板工具条中，点击Interpreter/Radiometric Enhancement/Histogram Equalization—--打开Histogram Equalization对话框,并设置参数如下： 主成份变换 是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，便于图像分析与解译，具体过程如下： 在ERDAS 图标面标工具条中，点击Interpreter/spectral Enhancement/principal Comp—--打开principal components对话框,并设置参数如下： （成果见 附图 6） 非监督分类 图像分类简介（Introduction to classification） 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：非监督分类与监督分类，专家分类方法是近年来发展起来的新兴遥感图像分类方法，下面介绍这三种分类方法。 非监督分类运用1SODATA（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求用户来控制，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）、评价模板、确定初步分类图、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。 专家分类首先需要建立知识库，根据分类目标提出假设，井依据所拥有的数据资料定义支持假设的规则、条件和变量，然后应用知识库自动进行分类，ERDAS IMAG1NE图像处理系统率先推出专家分类器模块，包括知识工程师和知识分类器两部分，分别应用于不同的情况。 由于基本的非监督分类属于IMAGINE Essentia1s级产品功能、但在1MAGINE Professional级产品中有一定的功能扩展，而监督分类和专家分类只属于IMAGINE ProfeSsiona1级产品，所以，非监督分类命令分别出现在Data Preparation菜单和classification菜单