遥感数字图像处理ENVI期末考试实验报告

云南师范大学2014-2015 学年下学期统一考试 __遥感数字图像处理___期末试卷（非制卷）

专业：测绘工程

课程名称：遥感数字图像处理 任课教师： 班级： 姓名： 学号：

1影像的几何精纠正

1.打开影像

在ENVI主菜单栏中，选择File →Open Image File，打开需校正的影像，并显示在两个Display窗体中。

2、启动几何纠正模块

1.

在ENVI主菜单中，选择Map→Registration→Select GCPs：Image to Image，弹出Image to Image Registration几何纠正模块对话框

。

2. 选择显示参考影像（SPOT文件）的Display为基准图像的（Base Image），显示需校正影像（TM文件）的Display为待纠正图像（Warp Image）（如图所示）。

点击OK按钮，弹出Ground Control Point Selection对话框，进行地面控制点的采集，

如图所示。

3、采集地面控制点

在图像几何纠正过程中，采集地面控制点是一项重要和繁重的工作，直接影响最后的纠正结果，在实际操作中要特别认真和具有耐心。

1. 在Ground Control Point Selection对话框中，选择Options→ Set Point Colors，设置或修改GCP在可用和不可用状态的颜色。

2. 在两个Display中移动方框位置，寻找明显的地物特征点作为输入GCP。 3. 在Zoom窗口中，点击左小下角第三个按钮，打开定位十字光标，将十字光标分别移到基准影像与待纠正影像相同地物点上。

4. 在Ground Control Point Selection上，单击Add Point按钮，将当前

找到的点进行收集。

利用同样的方法继续寻找其余的点，当选择控制点的数量达到3时，RMS被自动计算。Ground Control Point Selection上的Predict按钮可用，这时在基准图像显示窗口上面定位一个特征点，单击Predict按钮，纠正图像显示窗口上会自动预测区域，适当调整一下位置，点击Add Point按钮，将当前找到的点收集。随着控制点数量的增多，预测点的精度越来越精确。

5. 选择Option→Auto Predict，打开自动预测功能，这时在基准图像显示窗口上面定位一个特征点时，纠正图像显示窗口上会自动预测。当选择一定数量的控制点之后（至少3个），可以利用自动找点功能。

6. 选择Option→Automatically Generate Points，选择一个匹配波段，如选择信息量多Band5，单击OK按钮。

7. 在Automatic Tie Point Method Parameter对话框中。这里设置Tie点的数量（Number of Tie points）：60；其他选择默认参数（如图所示），点击OK

按钮。

8. 在Ground Control Points Selection上，单击Show List按钮，可以看到选择的所有控制点列表。选择Image to Image GCP List上的Option→Order Points by Error，按照RMS值由高到低排序。

对于RMS过高，

意识直接删除，选择此行，按Delete按钮；二是在两个图像的ZOOM窗口上，将十字光标重新定位到正确的位置，点击Image to Image GCP List上的Update按钮进行微调。当RMS值小于1个像素时（根据实际情况判断最小RMS值），点的数量足够

且分布均匀，完成控制点的选择。

9.

选择File→Save GCPs to ASCII，将控制点保存。

4、选择纠正参数并输出结果

此处ENVI提供两种输出方式：Warp File和Warp File（as Image Map） 10. Warp File方式

11. 在Ground Control Points Selection上，选择Options→Warp File，选择需纠正图像。

12. 在纠正参数对话框中，设置纠正参数；

相关参数说明：

13. 重采样选择双线性（Bilinear），背景值（Back ground）为0。

14. Output Image Extent：默认是根据基准图像大小计算，可以进行适当调整。 15. 选择输出路径和文件名，单击OK按钮。

Warp File纠正方式得到的结果影像，它的尺寸大小、投影参数和像元大小（如果基准图像有投影）都与基准图像一致。 16. Warp File（as Image Map）方式

17. 选择Options→Warp File（as Image Map），选择纠正文件（TM文件）。

18. 投影参数不变，在X和Y的像元大小输入30m，按回车键，图像输出大小自动更改。

19. Output Image Extent：默认是根据基准图像大小计算，可以进行适当调整。

20. 设置输出路径和文件名，单击OK按钮。

5、检验纠正结果

检验纠正结果的基本方法是：同时在两个窗口中打开图像，

其中一幅是纠正后的图像，

一幅是基准图像，通过视窗链接（Link Displays）及十字光标或者地理链接（Geographic Link）进行关联。

在显示纠正结果的Image窗口中，从右键快捷菜单中选择Geographic Link命令，选择需要链接的两个窗口，打开十字光标进行查看。

2.基于矢量边界的裁剪

1.

选择全色波段窗口下的

Overlay-Region of Interest.

2..如图所示将区域画出，并保存shp。

3.选择ENVI工具Basic tools-Subset Data Via ROIs

。选择文件名并保存。

4.利用shp裁剪多波段图像

选择File-Open Vector File

5.

打开后如图，点击ok。

选择需要进行裁剪的图像窗口 #2，点击ok

。

选择后选择第一项后点击ok选择第一项

后点击ok

5.同理，选择ENVI工具Basic tools-Subset Data Via ROIs。选择文件名并保存。

6.如图所示为才裁剪好的全色波段（左）和多波段图像（右）

；

3.自动融合

1) 在 ENVI 的主菜单选择Transform→ Mage Sharpening→HSV。

变换前后对比如图所示

4.手动融合

为了理解处理过程,选择进行手动数据融合。第一步, SPOT-XS 多波段的彩色影像转换到色度、饱和度、数值(hue-saturation-value) 彩色空间。将全色波段高分辨率的SPOT 影像替换数值 (value)波段,并将其拉伸到0 至 1 之间以满足正确的数据范围。再将从SPOT-XS 多波段影像中获取的色度、饱和度以及从全色SPOT 影像中获取的数值进行反变换, 转回到红·绿·蓝彩色空间。这个过程将产生出一幅输出影像,其包含了从SPOT-XS 多波段影像中获取的颜色信息以及从全色SPOT 影像中获取的空间分辨率信息。

1.HSV 正变换

1) 从 ENVI 的主菜单选择 Transform → Color Transform →

RGB to HSV,

然后选择调整过大小的 SPOT-XS 多波段数据作为输入的 RGB 影像。输入要输出的文件名, 点击 OK 执行变换。

2) 作为灰阶影像或 RGB 彩色影像, 来显示色度、饱和度和数值的影像。如图所示。

2.拉伸变换

1) 从ENVI 的主菜单选择Basic Tools →

Stretch Data,

单击工lon_spot文件,

然后点击 OK 。在 Data Stretching 对话框的 Output Data 部分中,在 Min 文本框中输入

2)

0,Max 文本框中输入1,并输入一个输出文件名。单击OK 将全色SPOT 影像的数据拉伸为浮点型,

范围为0 到1.0 并保存文件。

拉伸前后对比：

3.HSV 反变换

1) 从 ENVI 主菜单选择Transform → Color Transform→HSV to RGB,

选择转换过的SPOT-XS 多波段影像的 Hue 和 Saturation 波段作为变换的 H 和 S 波段。 2) 选择拉伸过的全色SPOT 影像作为变换的 V 波段,点击OK。在 HSV to RGB Parameters 对话

框中输入要输出的文件名,点击 OK 进行反变换。

HSV正变换和HSV

反变换前后对比：

4.显示结果

1) 在可用波段列表中点击 RGB Color 单选按钮,并按顺序点击反变换后的 R 、G 、B 波段。再点击 Load RGB 按钮来显示一幅经过融合的 SPOT-XS 多波段/全色SPOT 的彩色影像。 2) 显示融合后的影像,选择 Tools → Link → Link Displays 将融合后的影像, 同调整过大

小的 SPOT-XS 多波段影像以及 SPOT 的全色影像连接起来。使用动态叠加来分析比较这些影像。

本文来源：https://www.bwwdw.com/article/n6pi.html