遥感影像处理实习报告

一、 实验目的
初步掌握ERDAS图像处理软件的基本操作；进一步掌握对遥感图像的裁剪、融合、校正、拼接以及非监督分类和监督分类的基本操作步骤，着重理解监督分类和非监督分类的区别。
二、 实验准备
1、ERDAS IMAGINE 9.2 软件；
2、1:10万临川区土地利用图；
3、临川区2000年9月23日的TM图象。
4、临川区行政边界AOI文件
三、 实验任务
完成临川区TM图象的处理工作，并提交下列成果：
1、临川区TM土地分类图；
2、技术报告书（包括各主要步骤文字叙述以及截图，土地分类统计结果）。
四、 实验要求
1、图象裁剪
利用临川区行政边界AOI文件对TM图象进行裁剪，裁剪出临川区TM图象。
2、图象配准
map-to-image: 1:10万临川区土地利用图与TM图象配准；要求最初选GCP点6-10个，及检测点5个，各点均匀分布，RMS检验误差小于30米(1个像元)。
3、图象监督分类
使用多边形选择工具；保留每个类型训练文件及AOI文件。分类结果与1:10万土地利用图比较，反复修正训练样区。进行监督分类，计算各地类的面积。
4、图象检验
分层随机抽样，每类30个样点，目视判读分类准确与否，统计分类精度。
5、提交图象技术报告，图件，结果存盘，收回图像。
五、 实验内容
5.1图像裁剪
点击data prep图标，选择data preparation下的Subset Image 命令弹出如下对话框：

选择输入输出路径，选择AOI裁剪文件，点击ok，即进行裁剪：

打开裁剪好的图：

5.2图像配准
图像配准是利用几何校正的方法将“临川区土地利用规划图”配准到我们裁剪好的遥感影像图。
分别在Viewer 1和Viewer 2中打开临川区土地利用规划图和遥感图：

点击Data Prep图标，再点击数据与处理模块下的Image Geometric Correction按钮，得Set Geo Coorection Input File 对话框，选择From Viewer单选按钮，然后单击Select Viewer按钮选择显示影像窗口。

选择几何校正计算模型（Select Geometric Model）中的多项式变换（Polynomial），然后将校正模型参数设置为2和投影参数，单击应用。

打开GCP Gemometric Model 对话框，选择在已打开的的窗口，随即弹出以下窗口：

显示采点影像的坐标信息，点击确定后模型建立完成，如下窗口所示：

一般来说。控制点应选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、湖泊边缘等。特征变化大的地区应多选些，图像边缘部分一定要选取控制点，以避免外推。此外，尽可能满幅均匀选取。
开始采集采集控制点坐标，如下图所示：

控制点和检测点采集完毕之后，进行模型计算

检查RMS检验误差是否小于30米(1个像元)以及Total值的大小，因为这直接影响到校正的精度。

经检查，各项计算的数值均符合要求。然后进行重采样，并进行校正后的影像输出。打开校正后的图像：

经观察，图像的四周变形还是比较大。
5.3监督分类
5.3.1定义分类模板
在视窗中打开需要进行监督分类的数据1.img；利用三种方法来定义分类模板，具体操作步骤如下：
a) 应用AOI绘图工具在原始图像上获取。通过点击绘制多边形AOI按钮，在Viewer中选择一块区域，绘制一个多边形AOI；
b) 应用AOI扩展工具在原始图像上获取。点击“打开区域增长多边形AOI”按钮，打开Region Growing Properties对话框：

设置相邻像元扩展方式（NEighborhood）为4领域搜索的方式；同时设置扩展区域的约束条件（Geographic Constraints），即搜索相应距离；最后设置光谱距离（Spectral Euclidean Distance），此处设为10；
所有参数都设置好了以后，单击“区域增长多边形AOI按钮”进入生成扩展AOI生成状态，在Viewer窗口中选择一个颜色区域单击，系统将依据定义的区域扩展条件自动扩展生成一个AOI。如下图所示：

5.3.2建立分类模板

每次选定样区后，在Signature Editor对话框中单击加载按钮，将选中的多边形AOI区域加载到Signature分类模板中，直到选好了所有的类型为止。

对于同一个用地类型(如水体)采集了多个AOI并分别生成了模板，可选中单击“合并类别”按钮将这些模板合并，以使该分类模板具多区域的综合特性。从而得到了合并相同类型后的模板如下：

初步建立好模板后，可查看评估结果：

训练区样本需要不断调整，使预警结果够理想后，保存sig文件。

5.3.3监督分类

点击分类的图标，选择监督分类（supervised classification）命令，弹出监督分类对话框：

设置非参数规则为：feature space，设置参数规则为似然法等，点击OK 得出分类结果图：

5.4图像检验

在classification对话框,单击accuracy assessment选项，在弹出对话框中加入分类得到的影像文件，再单击选择可视图层，点击主菜单Edit，选择下拉菜单中creat/add ranom points,在弹出add random points对话框设置样本点的个数，再单击select classes。如下图所示：

显示所有的随机点和显示所有的类型值，如下图所示：

对每一个随机点进行颜色对比，而进行分类校正。对随机点从颜色上进行一一核对，并进行正确归类，如下图所示：

30个检查点全部核对完毕，如下图所示：

对分类精度进行评定，而且进行文本显示，检查分类的百分比是否符合要求，按照规定需大于85%

1、聚类统计（clump）

对生成的监督分类结果进行聚类统计，消除部分的图斑，具体方法如非监督分类。最终可以得到聚类统计后的结果如为：

2、去除分析（Eliminate）

对者Clump聚类图像中的小clump类组，或者原图中的小图标，要用去除分析的方法将小图斑合并到的分类当中，具体的操作步骤如非监督分类。然后便可以得到去除分析的的结果图：

3、分类重编码（recode）

分类重编码主要是针对之前非监督分类结果不理想的一种修正，可以将同种用地类型但属于不同类别的类合并在一起，具体操作如非监督分类。重编码后的结果图如下：

打开Viewer菜单中Raster中的Tool工具，查看他的属性列表，再点击Edit菜单下的子菜单Add Area Column，选择hectares（公顷）即可添加面积字段，如下图所示：

经过计算统计面积，与老师给的参考数值相差比较大，需要去修改或者重新建立训练区样本。

六、 实习体会

经过为期一个星期的遥感综合实习，基本掌握了ERDAS软件处理遥感影像的基本方法和步骤。如今遥感事业的飞速发展，我们作为测绘工程专业学生 ，学习一款遥感影像处理软件，相信对今后的工作会很有帮助。在这里特别感谢***老师的辛勤指导，专门为我们录制了ERDAS操作视频，为大家详细地讲述了软件处理的整过流程、方法和注意事项。简短的实习是远远不够的，我们今后还需要更努力的学习！

本文来源：https://www.wddqw.com/YHHv.html