遙感圖像的幾何校正配準

《遙感圖像的幾何校正配準》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、遙感圖像的幾何校正（配準）1.實驗?zāi)康呐c任務(wù)：（1）了解幾何校正的原理；（2）學(xué)習(xí)使用ENVI軟件進行幾何校正；2.實驗設(shè)備與數(shù)據(jù)：設(shè)備：遙感圖像處理系統(tǒng)ENVI數(shù)據(jù)：TM數(shù)據(jù)3幾何校正的過程：注意：幾何校正一種是影像對影像，一種是影像對地圖，下面介紹的是影像對影像的配準或幾何校正。1.打開參考影像（base）和待校正影像：分別打開，即在display#1,display#2中打開；2．在主菜單上選擇map->Registration->selectGCPs：imagetoimage3?.出現(xiàn)窗口Imageto

2、ImageRegistration，分別在兩邊選中DISPLAY1（左）,和DISPLAY2（右）。BASE圖像指參考圖像而warp則指待校正影像。選擇OK!4.?現(xiàn)在就可以加點了：將兩邊的影像十字線焦點對準到自己認為是同一地物的地方，就可以選擇ADDPOINT添加點了。（PS：看不清出別忘記放大）如果要放棄該點選擇右下腳的deletelastpoint，或者點showpoint彈出imagetoimagegcplist窗口，從中選擇你要刪除的點，也可以進行其他很多操作，自己慢慢研究，呵呵。選好4個點后就可以預(yù)

3、測：把十字叉放在參考影像某個地物，點選predict則待校正影像就會自動跳轉(zhuǎn)到與參考影像相對應(yīng)的位置，而后再進行適當?shù)恼{(diào)整并選點。5.選點結(jié)束后，首先把點保存了：groundcontrolpoints->file->savegcpasASCII..當然你沒有選完點也可以保存，下次就直接啟用就可以：groundcontrolpoints->file->restoregcpsfromASCII...6.接下來就是進行校正了：在groundcontrolpoints.對話框中選擇：options->warpfile(

4、asimagetomap)在出現(xiàn)的imputwarpimage中選中你要校正的影像，點ok進入registrationparameters對話框：首先點changeproj按鈕，選擇坐標系然后更改象素的大小，如果本身就是你所需要大小則不用改了最后選擇重采樣方法（resampling）,一般都是選擇雙線性的（bilinear），最后的最后選擇保存路徑就OK了遙感圖像的監(jiān)督分類1實驗的目的和任務(wù)1）理解遙感圖像計算機分類的原理和方法；2）掌握監(jiān)督分類的步驟和方法。2.實驗設(shè)備與數(shù)據(jù)：設(shè)備：遙感圖像處理系統(tǒng)ENVI數(shù)

5、據(jù)：ENVI自帶的數(shù)據(jù)3實驗內(nèi)容：遙感圖像監(jiān)督分類。監(jiān)督分類（SupervisedClassification）用于在數(shù)據(jù)集中根據(jù)用戶定義的訓(xùn)練樣本類別（TrainingClasses）聚類像元。訓(xùn)練樣本類別是像元的集合或者單一波譜，通常的訓(xùn)練區(qū)采用ROI來選擇，而且應(yīng)該盡可能的選擇純凈的感興趣區(qū)域。???具體的操作參考以下圖和步驟：1）、類別定義/特征判別??根據(jù)分類目的、影像數(shù)據(jù)自身的特征和分類區(qū)收集的信息確定分類系統(tǒng)；對影像進行特征判斷，評價圖像質(zhì)量，決定是否需要進行影像增強等預(yù)處理。這個過程主要是一個目

6、視查看的過程，為后面樣本的選擇打下基礎(chǔ)。本例是以ENVI自帶Landsattm5數(shù)據(jù)Can_tmr.img為數(shù)據(jù)源，類別分為：林地、草地/灌木、耕地、裸地、沙地、其他六類。2）、樣本選擇??為了建立分類函數(shù)，需要對每一類別選取一定數(shù)目的樣本，在ENVI中是通過感興趣區(qū)（ROIs）來確定，也可以將矢量文件轉(zhuǎn)化為ROIs文件來獲得，或者利用終端像元收集器（EndmemberCollection）獲得。本例中使用ROIs方法，打開分類圖像，在Display->Overlay->RegionofInterest，默認R

7、OIs為多邊形，按照默認設(shè)置在影像上定義訓(xùn)練樣本。如圖18所示，設(shè)置好顏色和類別名稱（支持中文名稱）。在ROIs面板中，選擇Option->ComputeROISeparability,計算樣本的可分離性。如圖19所示，表示各個樣本類型之間的可分離性，用Jeffries-Matusita,TransformedDivergence參數(shù)表示，這兩個參數(shù)的值在0~2.0之間，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本；小于1，考慮將兩類樣本合成一類樣本。訓(xùn)練樣本的選擇樣本可分離性計

8、算報表3）、分類器選擇??根據(jù)分類的復(fù)雜度、精度需求等確定哪一種分類器。目前監(jiān)督分類可分為基于傳統(tǒng)統(tǒng)計分析學(xué)的，包括平行六面體、最小距離、馬氏距離、最大似然，基于神經(jīng)網(wǎng)絡(luò)的，基于模式識別，包括支持向量機、模糊分類等，針對高光譜有波譜角（SAM），光譜信息散度，二進制編碼。4）、影像分類??基于傳統(tǒng)統(tǒng)計分析的分類方法參數(shù)設(shè)置比較簡單，這里選擇支持向量機分類方法。主菜單下選擇Classif