遥感图像结课作业

遥感图像处理实验报告

班级 姓名 学号

成绩评定 教师签字

专题一：DEM图像进行彩色制图

应用ENVI彩色表步骤：

1、 加载DEM图像

2、 在主图像窗口中，选择Tools> Color Mapping > ENVI Color Tables.

出现ENVI Color Tables对话框，可以使用系统默认的IDL颜色表来调整屏幕的颜色表。

该对话框包括一个灰阶wedge （或彩色wedge，若使用颜色表） 和两个滑动块来控制对比度拉伸。

3、 将颜色表的任何变化自动地应用到打开的图像中，选择Options > Auto Apply: On. 4、分别移动标签为 “Stretch Bottom” 和 “Stretch Top” 的滑动块，来控制被显示的最小值和最大值。向右移动Stretch Bottom滑动块，导致图像亮区域变暗；而向左移动Stretch Top滑动块，导致图像暗区域变亮。把拉伸底部设置为最大值，拉伸顶部设置为最小值，拉伸可以被 “ inverted”。新的对比度拉伸将立即应用于图像。

5、通过在所需要的颜色表名上点击，把一个选定的颜色表应用到当前图像。IDL提供许多预先保存好的颜色表。“B-W linear” 表提供一个灰阶图像。“RAINBOW” 颜色表提供一个从“冷”到“热”的密度分割。其它颜色表选项允许应用它们首选的颜色方案。 ? 要把颜色表保存为一个ASCII文件： A.选择File >Save Color Table to ASCII. B.输入一个文件名，然后点击 “OK”。

? 要重新设置为初始的颜色表和拉伸，选择Options > Reset Color Table。 ? 要返回到主屏幕并保留被选择的颜色表，选择File > Cancel。 6、将彩色图片以JPEG形式保存：

File>Save Image As >Image file

出现Output Display to Image File对话框，将Output File Type修改为JPEG，选择输出路径，然后OK。

处理结果见下图：

交互式密度分割步骤：

1. 在主图像窗口，选择Tools > Color Mapping > Density Slice，或选择Overlay> Density

Slice。

出现 Density Slice对话框，在 “Defined Density Slice Ranges” 下列有八个系统默认范围。这些范围由滚动窗口计算的最小值和最大值来限定，并显示在 “Min” 和 “Max” 文本框中。

2. 在Density Slice对话框内，选择Options > Add New Ranges。

当出现Add Density Slice Ranges对话框时，在适当文本框内输入范围的起始值、末尾值，及所需要的范围数。

3. 从 “Colors” 菜单中选择起始颜色。

4. 点击 “OK” ，返回到Density Slice对话框，已经判定的范围将列在对话框中。

5. 在Density Slice对话框内选择一个数据范围，并点击 “Edit Range” 来改变范围值或颜色。

6. 当出现Edit Density Slice Range对话框时，输入所需要的最小和最大值，并从 “Color” 菜

单中选择一种颜色。点击 “OK” ，执行改变 “Defined Density Slice Ranges” 列表中的范围。 7. 点击 “Apply” ，把密度分割颜色应用于图像并保存。

处理结果见下图：

控制RGB图像通道（Control RGB Image Planes）步骤：

1. 选择Tools > Color Mapping > Control RGB Image Planes

出现 RGB Channels对话框，首次启动时，三个图像颜色通道全是开启的。

2. 选择一个或多个左边的箭头切换按钮，关闭/开启每个颜色位面。按钮名将改变，以反

映颜色位面设置（“On” 或 “Off ”）。

要颠倒当前的拉伸（一个low-to-high拉伸变为一个high-to-low拉伸，反之亦然），选择一个或多个右边的切换按钮。按钮名将改变，以反映图像位面设置（“Normal” 或 “Inverse”）。 要把RGB Channel功能同时应用到所有颜色位面，选择Options > Turn All Channels Off/On或Invert All Channels。 3. 保存图像。

处理结果见下图：

专题二：TM与SPOT数据融合

1、加载TM和SPOT图像lon_tm和lon_spot

2、选择ENVI 主菜单Basic Tools>Resize Date，出现Resize Date Input File对话框选择空间分辨率小的lon_tm，点击OK。

将出现Resize Date Parameters对话框，修改xfac和yfac使其与TM图像相应，点击“OK”开始处理。输出波段将出现在Available Bands List中，可以用标准ENVI显示方法显示。。

4、选择ENVI 主菜单Basic Tools>Stretch Date，出现Date Stretch Input File对话框，选择SPOT图像点击OK。

5、将出现Date Stretching对话框，将Output Date Range最大最小值分别设为1,0，点击“OK”开始处理。输出波段将出现在Available Bands List中，可以用标准ENVI显示方法显示。。

6、HSV 锐化

（1）选择Transform > Image Sharpening > HSV

（2）从一个打开的彩色图像或Available Bands List中选择三个波段进行变换。

从一幅彩色显示中选择波段，运用已经显示的拉伸数据。从Select Input RGB列表中选择“Display #1”或从Available Bands List中选择Display #1。

（3）当出现High Resolution Input File对话框时，选择高分辨率输入图像，并用标准ENVI文件选择方法建立空间子集。点击“OK”继续。

（4）出现HSV Sharpening Parameters对话框时，从 “Resampling” 下拉菜单选择重抽样方

（5）选择输出到 “File” 或 “Memory”，如果文件输出，提供一个文件名。若选择输出到 “File”，键入要输出的文件名。

点击“OK”开始处理。输出波段将出现在Available Bands List中，可以用标准ENVI显示方法显示。

7. 将融合后的图片以JPEG形式保存：

File>Save Image As >Image file

出现Output Display to Image File对话框，将Output File Type修改为JPEG，选择输 出路径，然后OK。

处理结果见下图：

专题六：使用ENVI进行三维曲面的浏览与飞行

一、处理过程：

3-D曲面飞行（3-D SurfaceView）

ENVI的3-D SurfaceView功能允许用户将一幅灰阶或彩色图像叠合到数字高程模型DEM上，进行三维的曲面浏览、交互式的三维可视化或者创建三维飞行路径。此外，三维曲面浏览功能提供一定的分析功能。

1、在一个显示窗口内，显示想覆盖在DEM（或其它3-D数据集）上的灰阶或彩色图像。 整个被显示的图像作为覆盖图像使用在DEM上，除非图像和DEM文件都是地理坐标定位了的。若这两个文件都定位了，那么只有与DEM重叠的图像部分被使用。若这个DEM是个子集，那么地理坐标定位了的图像也使用子集来匹配。这两个文件的空间分辨率不必相同。若这两个文件都经过定位，它们的投影也不必相同，ENVI将在飞行浏览中对DEM进行重新投影，使其与图像投影相匹配。

2、在ENVI的主菜单中，选择Topographic> 3-D SurfaceView；或者是在显示图像的主图像窗口中，选择Tools> 3-D SurfaceView。

3、若有一幅以上的显示窗口被打开，选择包含所需要图像的那个显示窗口。

4、选择相应的数字高程模型（DEM） 输入文件（或其它3-D数据集），若有必要，执行任何空间构造子集，将出现3D SurfaceView Input Parameters对话框。

5、选择所需要的DEM Resolution（像元数） 复选框，用于3-D图。DEM将按照所选择的分辨率被重采样。

6、若有必要，输入DEM的最小和最大绘图值。 低于最小值和高于最大值的DEM值，将不被绘制在这个3-D图中。

7、输入垂直方向的放大系数。输入的值将使得垂直方向真正放大。值越高，放大越多。 8、选择“Full”或“Other”图像分辨率。若“Other”选择，图像将按输入的像元数被重采样。

9、点击“Spatial Subset”按钮，若有必要，选择图像的一个空间子集。

DEM的空间大小不必和图像的大小相同。这两个数据集的全部像元（或所选择的子集） 都将被显示。

10、输入图像的X和Y像元大小。像元大小用于决定恰当的垂直放大系数，它们必须和DEM的单位相同。 11、点击“OK”。将出现3-D SurfaceView图和3-D SurfaceView Controls对话框

二、处理结果：

专题七：监督分类试验

一、处理过程：

监督分类用于在数据集中按照用户定义的训练分类器收集像元。监督分类技术需要在执行以前事先定义训练分类器（training classes）。这些可以用两种方式定义，用Endmember Collection对话框选择波谱，或从Region of Interest菜单里选用Define Region of Interest项。收集终端单元函数允许从许多来源中选择波谱和需要的分类算法。Endmember Collection项允许几种分类使用同样的训练分类器或终端单元（不用再装），因此简化了分类结果的对比。用终端单元选择是没法进行最大似然和马氏距离分类的，因为他们需要另外的统计项。直接从Supervised菜单里选择那些分类。

所有监督分类都有一个输出“rule”图像的选项。规则图像在最后分类执行以前，就能显示出分类结果。例如，运用最小距离分类的规则图像（每类一个）是分类与未知像元之间的距离。在规则分类器中，这些规则图像可以被用于调整阈值，产生新的分类图像。

用下面程序实现ENVI的监督分类技术（包括平行六面体、最短距离、马氏距离、最大似然、波谱角度制图仪以及二进制编码方法）：

1、用Endmember Collection对话框，或感兴趣区定义训练分类器。

2、选择Classification > Supervised > 需要的分类方法，或从Endmember Collection对话框中对分类初始化。

3、出现Classification Input File对话框时，执行标准ENVI文件选择程序，选择文件、子集和/或掩模。

（1）Classification Parameters对话框

每一种分类方法都有它自己的分类方法参数对话框，一旦选择好输入文件，对话框就会出现。实际的分类类型将代替对话框文件头中的 “Classification Method” 文本。许多分类 参数对话框中通用的选项包括：ROIs的选择（用于打开的ROI列表中的分类），分类图像的磁盘文件或内存输出，与规则图像的计算（文件或内存输出）。单个对话框以及与每个分类类型相对应的参数被描述在对每一种分类方法的描述下面。 （2）选择感兴趣区 (ROIs)

训练分类器时选择感兴趣区，在“Select Classes from Regions:”列出的可利用ROIs列表中，点击需要的ROI名。

选择所有ROIs，点击“Select All Items.”

删除所有ROIs，点击“Clear All Items.”

选择连续显示的几个ROIs,，在需要的范围内点击和拖曳，或点击这一范围的第一个，按住“shift”键，再点击最后一个。

选择非连续显示的多个ROIs，则按住“ctrl”键，再一一点击它们。 （3）规则图像 (Rule Images)

规则图像是中间结果图像，它在分类最终完成以前，就能显示分类结果。例如，用于最大似然分类的规则图像将是图像本身的几率；分类中每一个输入的ROI都有一个中间图像。最终的分类图像将有最大几率的规则结果（以像元到像元（pixel-by-pixel）为基础），作为像元值只包含最大可能的ROI数。可能值本身只保留在规则图像中，而不在分类后的图像中。

计算一幅随意的规则输出图像（或图像—每类一个），在“Enter Output Rule Filename”文本框里，键入一个文件名。如果没有键入输出名，规则图像将不被保存。 分类结束，图像将出现在Available Bands List中，可以在任何显示窗口中显示（或链接

/覆盖），并可以使用ENVI的像元位置/值功能来查询。

这些规则图像也可以以后用在Rule Classifier函数中，不必再重新计算整个分类情况下，建立一幅新的分类图像。

（4）文件∕内存运行（Execution）

在“Output Result to”标签的右边，点击合适的按钮选择输出到“File”或 “Memory”。 如果选择输出到“File”，在“Output File Name”文本框里，键入输出文件名，或用 “Choose”按钮选择输出的文件名。 （5）平行六面体(Parallelepiped)

平行六面体用一条简单的判定规则对多波谱数据进行分类。判定边界在图像数据空间中，形成了一个N维平行六面体。平行六面体的维数由来自每一种选择的分类的平均值的标准差的阈值确定。如果像元值位于N个被分类波段的低阈值与高阈值之间，则它归属于这一类。 如果像元值落在多个类里，那么ENVI将这一像元归到最后一个匹配的类里。没有落在平行六面体的任何一类里的区域被称为无类别的。要开始运用平行六面体技术，选择下列选项之一：

①从Classification菜单，选择Classification > Supervised > Parallelepiped

②或者是从Classification菜单，Classification >Endmember Collection，出现Classification Input File对话框时，进行标准文件选择，或任何一个子集，和掩模。出现Endmember Collection对话框里，选择Algorithm > Parallelepiped 。

（6）Parallelepiped Parameters对话框

选择好输入文件以后，出现Parallelepiped Parameters对话框。

① 输入一般的分类参数（分类参数对话框中列出的那些），这一对话框包含了一个额

外的参数—标准差数，用于ROI平均值周围。 在“Max stdev from Mean”文本框里，键入一个数值。标准差的默认值3被自动输入到这一文本框里。

② 点击“OK”开始分类。出现一条状态信息，显示操作被完成的进程。作为结果的规

则图像的像元值范围是从0到n（n是波段数），像元值代表了符合平行六面体标准的波段数。这儿有一幅规则图像用于每个选择的分类。对于一种分类，匹配所有波

段的区域被当作分类后的区域输入到分类后的图像中。如果出现不只一种匹配，则计算的最后一类将把它转运到分类后的图像中。

（7）Minimum Distance (最小距离)

最短距离技术用到每一个终端单元的均值矢量，计算每一个未知像元到每一类均值

矢量的欧几里德距离。所有像元都被归为最近的一类，除非限定了标准差和距离的极限（这时，会出现一些像元因不满足选择的标准，而成为“无类别”）。开始运用最短距离分类技术，选择下列选项之一：

① 从Classification菜单，选择Classification > Supervised > Minimum Distance. ② 出现Classification Input File对话框时，进行标准文件选择，或任何一个子集和掩模。在Endmember Collection对话框中，选择Algorithm > Minimum Distance。 （8）Minimum Distance Parameters对话框

选择一个输入文件以后，出现Minimum Distance Parameters对话框。 ① 输入一般的分类参数（分类参数对话框中列出的那些）

在“Max Stdev From Mean:”和“Max Distance Error:”文本框里，分别随意地键入要用到的标准差值（在终端单元的均值左右）和允许的最大距离误差。如果这些参数都已输入，分类就用两者中的较小的一个判定哪些像元将参与分类。如果没有输入任何一个参数，所有像元都将参与分类。

② 点击“OK”开始分类。出现一条状态信息，显示已经完成了多少操作。如果选择，

像元值等于它到分类均值的欧氏距离时，分类就会建立一幅规则图像。符合最短距

离标准的区域被添加到分类后的图像中。

（9）Mahalanobis Distance (马氏距离)

马氏距离分类是一个方向灵敏的距离分类器，分类时用到了统计。它与最大似然分类有些类似，但是假定所有类的协方差相等，所以是一种较快的方法。所有像元都被

归到最临近的ROI类，除非用户限定了一个距离阈值（这时，如果一些像元不在阈值内，就会被划为无类别）。开始运用马氏距离分类技术，方法步骤类同与前面两种分类方法。

（10）Mahalanobis Distance Parameters对话框

选择一个输入文件以后，出现Mahalanobis Distance Parameters对话框。 ① 输入一般的分类参数（分类参数对话框中列出的那些）。

若需要，在“Max Distance Error:”文本框里，键入允许的最大距离误差。

如果输入了选择的参数，距离超过所有类的这个参数的像元将被归为“无类别”。如

果没有输入最大距离误差值，则所有像元都将参与分类。

② 点击“OK”开始分类。出现一条状态信息，显示已经完成了多少操作。如果选择，

像元值等于它到分类均值的距离时，分类就会建立一幅规则图像。符合最短距离标

准的区域被添加到分类后的图像中。

（11）Maximum Likelihood (最大似然分类)

最大似然分类假定每个波段每一类统计呈均匀分布，并计算给定像元属于一特定类

别的可能性。除非选择一个可能性阈值，所有像元都将参与分类。每一个像元被归到可能性最大的那一类里。

开始运用马氏距离分类技术，选择下列选项之一：

① 从Classification菜单：选择Classification > Supervised > Maximum Likelihood

② 出现Classification Input File对话框时，进行标准文件选择，或任何一个子集，和掩

模。

在Endmember Collection对话框中，选择Algorithm > Maximum Likelihood。

注意:在选择Maximum Likelihood作为分类方法以后，在Endmember Collection对话框里输入（或再输入）终端单元。 （12）Maximum Likelihood Parameters对话框

选择一个输入文件以后，出现Maximum Likelihood Parameters对话框。

① 输入一般的分类参数（分类参数对话框中列出的那些）。若需要，在Probability

Threshold”文本框里，键入一个阈值（0~1）。选项参数被用来控制像元准确分类的可能性。如果像元的可能性低于所有类的阈值，则它被归为“无类别”。

② 点击“OK”开始分类。出现一条状态信息，显示已经完成了多少操作。规则图像的

像元值（每类一幅图像）象征着与类别匹配的可能性。最后的分类将每一个像元都归到可能性最大的类里。

（13）Spectral Angle Mapper (波谱角度映射表)

波谱角度映射表（SAM）是一个基于自身的波谱分类，它是用n维角度将像元与参照波谱匹配。这一算法是通过计算波谱间的角度（将它们处理为具有维数等于波段数的空间矢量），判定两个波谱间的类似度。这一技术用于校准反射数据时，对照明和反照率的影响相对不灵敏。SAM用到的终端单元波谱可以来自ASCII文件、波谱库或直接从图像中抽取（作为ROI平均波谱）。SAM将终端单元波谱矢量和每一个像元矢量放在n维空间比较角度。较小的角度代表与参照波谱匹配紧密。远离指定的弧度阈值最大角度的像元被认为无法分类。

本文来源：https://www.bwwdw.com/article/mdud.html