遥感

实习报告

一、实习准备

通过四年的遥感专业的学习，我们已经基本掌握了遥感方面的一些知识在即将面对的生活工作之前有必要进行专业的遥感实习，已经学习过《遥感原理与方法》、《数字图像处理》、《遥感图像解译》、《遥感制图》等相关课程，面临毕业。为了加深对这些课程中所学习内容的理解，对遥感数据处理和应用的有关理论和方法进行系统的总结，并在此基础上进一步提高对ERDAS及相关遥感数据处理软件使用的熟练程度，为毕业后从事遥感相关专业的工作打下良好的基础，特安排和实施为期四周的遥感实习。

二、实习内容

实习内容包括中低分辨率遥感影像、高分辨率遥感影像处理分析两部分。 第一部分主要内容：中低分辨率遥感数据处理分析 本部分内容主要练习遥感影像处理和分析的一般流程，主要内容有遥感影像输入输出、遥感影像预处理（包括影像辐射增强处理、几何校正、图像镶嵌、图像配准与融合等）；遥感影像分类（利用监督和非监督两种方法进行分类，并形成分类影像图）；遥感专题影像地图制作（利用地形图提取矢量专题信息，进一步制作遥感专题影像地图）；等。 第二部分主要内容：高分辨率遥感数据处理 主要针对高分辨率遥感影像处理和分析中不同于中低分辨率影像处理和分析的内容进行有针对性的练习。如高分辨率遥感影像的几何纠正、融合、面向对象的影像分析等内容。

三、实习工具设备

ERDAS9.2 arcGIS9.3

四、实习步骤

第一部分 中低分辨率遥感数据的处理和分析包裹

一、 ETM数据导入

二、图像数据增强处理

对多光谱图像和全色图像分别做增强处理。注意不要做滤波处理，要保持图像的信息。 目视判断图像的处理效果，总体原则是要将感兴趣的专题信息表现得尽量突出，并且使图像看上去色彩鲜艳，对比度好。

三、遥感图像几何校正

基本思路：利用地形图对图像进行几何校正，即以地形图为参考数据对遥感图像进行精纠正；即首先对扫描地形图进行几何校正，然后再利用校正好的地形图校正遥感影像。 主要步骤如下：

（一） 扫描地形图几何校正

扫描地形图只具有影像坐标，通过几何校正需要进一步添加投影坐标系、坐标等信息。

1. 坐标系的定义

我国使用的坐标系有北京54坐标系、西安80坐标系及WGS84坐标系。ERDAS中未定义我国使用的北京54坐标系和西安80坐标系，使用时需要自定义。 下表为北京54坐标系和西安80坐标系的椭球体和投影类型。

ERDAS中包含了一个能够自定义椭球体、基准面、投影方式的扩展库，通过这个扩展库可以添加任何可能存在的投影系统，即ERDAS安装目录下的etc/spheroid.tab文件是用来记载椭球体和基准面参数的，它是一个TXT文本文件，可以用文本编辑器对它进行修改，只要依照它的语法就可以任意添加自定义的椭球体和基准面参数。 基本语法为： “椭球名称”{ “椭球序号” 椭球体长半轴 椭球体短半轴 “椭球名称” 0 0 0 0 0 0 0 “基准面名称1” dx1 dy1 dz1 rx1 ry1 rz1 ds1 “基准面名称2” dx2 dy2 dz2 rx2 ry2 rz2 ds2 …… } 其中，“基准面名称” dx dy dz rx ry rz ds中，dx,dy,dz是x,y,z三个轴对于WGS84基准点的平移参数，单位为米；rx，ry，rz是三个轴相对于WGS84坐标轴的旋转参数，单位为rad；ds是比例因子。

多数情况下，椭球基准面是基于它本身的，这时假定椭球的中心点是与没有经过任何平移或旋转的WGS84基准面重合，即这时椭球基准面的7个参数均为0，我国在使用克拉索夫斯基椭球和IAG75椭球时就是用椭球体本身为基准。 在spheroid.tab文件末尾加入如下语句, “IAG 75” { 74 6378140 6356755.2882 “xian 80” 0 0 0 0 0 0 0 } 之后IAG75椭球就会出现在ERDAS的椭球选择列表中。 在krasovsky椭球中加入如下语句， “beijing 54” 0 0 0 0 0 0 0 之后beijing54基准面就会出现在krasovsky椭球体对应的基准面中。

2. 地形图的校正

基本思想：地形图的校正采用多项式几何校正方法进行，多项式次数选择2次；控制点的选择可利用地形图上的公里格网，根据2次多项式系数计算的要求，需要选择6个以上的控制点。实习中要求一幅地形图选择9个控制点，且控制点在图面上要均匀分布。 在Viewer中打开要校正的地形图；

（二）地形图的镶嵌

为了保证地形图的校正精度，校正时应将控制点残差控制在一个像元之内。 每幅地形图校正完成后，对相邻图幅的地形图进行拼接处理。

（三）遥感图像几何校正 ERDAS 环境下，利用校正好的地形图（可以是多幅地形图镶嵌的结果）对影像进行几何校正，方法与地形图校正的方法相同。但注意参考文件是图像文件。 为了方便地面控制点的选取，可以先选择四个GCP进行一次多项式校正，然后在此基础上再逐渐增加控制点数目进行高次多项式校正。

四、遥感图像融合

对多光谱图像和全色图像分别进行几何校正后，就可进行融合处理了。

中在Interpreter模块下集成了几种融合的方法，可直接使用，对于没有集成的方法，如基于HIS变换的融合方法，需要手工完成

2．按照 HIS彩色变换的原理来进行融合

以erdas自带样本数据中的tmAtlantan.img和panAtlanta.img两个文件为例，说明《遥感实习》指导书 第 页 1 6

按照ＨＩＳ彩色变换原理进行影像融合的过程。 ①以panAtlanta.img为参照，对tmAtlantan.img进行配准处理，结果另存为newtm.img； ②按照newtm.img和panAtlanta.img两个影像的重叠区域定义sub1.aoi,并用该aoi文件对两个影像进行裁剪，结果分别存为subtm.img和subpan.img； ③对subtm.img进行重采样，使其分辨率与

subpan.img的分辨率相同，重采样结果存为subtm_res.img。重采样通过Geometric Correction实现，即在Output Cell Sizes域输入subpan.img的分辨率，并点击OK；

④重采样得到的subtm_res.img文件与subpan.img的行列数可能不同，因此可重新定义subtm_res.img与subpan.img的重叠区域aoi文件sub2.aoi,并用sub2.aoi重新裁剪两个影像，并将裁剪结果存为sub_subtm_res.img和sub_subpan.img； ⑤对sub_subtm_res.img进行HIS变换。输入文件为sub_subtm_res.img，输出文件为rgbtoihs.img,波段选择3、2、1；

⑥对sub_subpan.img与rgbtoihs.img中的I分量进行直方图匹配，将结果存为pan_histogrammatch.img；

五、遥感图像分类

分类按照监督分类和非监督分类两种方法来进行。根据所分类区域的具体特点，一般确定地物类别数为4-6类。颜色设置原则上要求与图像上对应地物类型的颜色一致或接近，并兼顾美观的整体效果。对两种分类方法的结果进行对比，体会其差别，分类完成后要进行后处理，合并较小图癍。最后制作遥感图像分类图。 1、ERDAS中的分类模块：

2、分类原理与过程： 在很多情况下，利用少量特征就可以进行遥感图像的地学专题分类，因此需要从遥感图像n个特征中选取k个特征作为分类依据，我们把从n个特征中选取k个更有效特征的过程称为特征提取。 特征提取要求所选择的特征相对于其他特征更便于有效地分类，使图像分类不必在高维特征空间里进行，其变量的选择需要根据经验和反复的实验来确定。

遥感数字图像计算机分类基本过程如下：

??首先明确分类的目的，在此基础上选取遥感图像。

??收集与分析研究区域信息。数字图像进行辐射校正和几何纠正。

??根据分类要求和图像数据的特征，选择合适的图像分类方法和算法。根据应用目的及图像数据的特征制定分类系统，确定分类类别，在分类过程中确定分类类别。 ??找出代表这些类别的统计特征。

??为了测定总体特征，在监督分类中可选择具有代表性的训练区域进行采样，测定其特征。在非监督分类中，可用聚类等方法对特征相似的像素进行归类，测定其特征。

??对遥感图像中所有像素进行分类。

??分类精度检查。在监督分类中把已知的训练数据及分类类别与分类结果进行比较，确认分类的精度及可靠性。在非监督分类中，采用随机抽样方法，分类效果的好坏需经实际检验或利用分类区域的调查材料、专题图进行核查。

监督分类训练样本的选择：

??在监督分类中，由于训练样本选择的不同，分类结果会出现极大的差异。 ??一类地物的训练场地应多选择几块。

??利用图件进行样本选择要注意时间和空间问题

1、分类后处理

无论是监督分类还是非监督分类，其结果都会产生一些面积很小的图斑。无论从专题制图的角度还是实际应用的角度，都有必要对这些小图斑进行剔除。处理方法： ??聚类统计(Clump) ：通过对分类专题图像计算每个分类图斑的面积、记录相邻区域中最大图斑面积的分类值等操作，产生一个Clump类组输出图像，其中每个图斑都包含Clump类组属性。这是一个中间结果，供下一步处理使用。

?

??过滤分析(Sieve)

??去除分析(Eliminate)： 对经Clump处理后的Clump类组图像进行处理，按照定义的数值大小，删除Clump图像中较小的类组图斑，并将删除的小图斑合并到相邻的最大分类中。

?

??分类重编码（Recode)：主要是针对非监督分类而言的，因在非监督分类过程中，用户一般要定义比最终需要多一定数量的分类数；在完全按照像元灰度值通过

ISODATA聚类获得分类方案后，首先是将专题分类图像与原始图像对照，判断每个类别的专题属性，然后对相似或类似的分类通过图像重编码进行合并，并定义分类名称和颜色。 分类重编码还可以用在其它方面，作用有所不同。

六、遥感专题影像地图制作

(一) 准备图像数据

1、Input

2、假彩色合成与图像增强

3、与全色波段融合

4、根据地形图进行图像的几何校正

(二) 准备专题数据

1、准备专题资料（扫描地形图）

2、专题信息提取（建Vector Layer）

3、标注（Annotation）

(三) 编制专题地图

1. 在VIEWER 中显示图像

2. 在图像上加Vector Layer、Annotation Layer

3. New Map Composition

4. 在COMPOSER下加图名、图框、图例、比例尺、说明等内容。

第二部分 高分辨率遥感影像处理和分析

高分辨率遥感影像处理和分析主要包括影像镶嵌、影像融合、影像几何纠正和影像分类四大流程。

本部分主要以Quick Bird影像、SPOT影像等数据为主，练习相关的内容

一．影像预处理

练习数据：

预处理的目的有三个：一是将分块的多个tif格式影像镶嵌为单个img格式影像；二是将16bit的数据转换为8bit，以减少数据量；三是将4个波段的多光谱影像合并为3波段

RGB影像，以便于后期利用PhotoShop等软件进行调色等处理。本部分以QB影像为例，练习镶嵌、数据转换和波段组合。

1. 镶嵌

练习用的QB影像分为四个tif格式的文件：

启动Mosaic Tool工具，添加这四个影像，并将输出的镶嵌文件存为mosaic16.img。

3. 波段组合

波段组合利用空间建模来实现。

QB数据的四个波段依次为蓝色、绿色、红色和近红外，直接利用band3、band2、band1合成彩色影像，植被显示不明显，因此波段组合时利用绿色波段和近红外波段运算形成新的绿色分量。生成的彩色影像存为rgb.img。

二．几何纠正

1. 基本理论

高分辨率遥感影像常用的几何纠正类型包括多项式几何纠正、正射纠正、三角网纠正等。

多项式纠正不需要知道传感器的成像模型，对中低分辨率卫星影像的精度足够，在平原地区和正射纠正几乎是等效的，误差在全国范围均匀分布；但需要精确的GCP信息，而且不适合山区。

正射纠正包括QB数据的RPC模型纠正、SPOT推扫式模型纠正、SPOT5模型纠正等。在山区等地形起伏较大的地区，正射纠正是保证精度的唯一办法。但该类方法缺点也很明显，如对GCP数目和精度有较高要求，每景至少需要9个均匀分布的控制点，且呈“#”型排列；还需要高精度DEM数据，并且要已知传感器成像模型参数。

三角网纠正（Erdas中称为Rubber Sheeting）即利用分布在全国的大量控制点建立三角网，三角形内部按线性关系强行纠正。该方法的优点是在控制点上的精度是完全精确的，点越多精度越高，和地形无关；缺点是可能会损害图像实际的精度，在确少控制点的地区精度差，误差分布和点的密度有关。三角网纠正方法通常用于图像配准，可做局部微调，不建议用做整景图像的纠正。

影像纠正中所用的DEM数据通常使用基础地理信息中心获得的30米分辨率“西安-80”坐标系下的DEM；或者使用全球90米分辨率的“WGS-84” 坐标系下的SRTM数据；GCP数据则通常使用地形图、外业GCP点、已经纠正好的底图。

Erdas软件的摄影测量套件LPS（Leica Photogrammetry Suite）可用于高分辨率遥感影像的正射纠正。

本部分主要以QB影像、SPOT2影像和SPOT5影像为主，练习一些常用的高分辨率影像正射校正方法。

要从影像中提取建筑物，首先应该从以下三方面考虑建筑物的特性：

1. 从影像数据上的光谱表现特征

2. 从建筑物的形状

3. 看是否存在一些有关联的特征

从以上三方面分析的结果就是关于如何提取建筑物的基本知识。

对上面几方面的具体分析如下：

（1）从建筑物在影像上的颜色来看，不同建筑物顶部在影像上的颜色可能一样，也可能不一样，所以影像上的颜色是一种不稳健（inconsistent）的特征；

（2）从建筑物的形状来看，多为矩形，但也有圆形，从家庭建筑到大型工业厂房，大小也有很大差异，所以形状特征只能算是一种部分稳健的特征（partially inconsistent）；

（3）从有关联的类型分析，建筑物顶部一般不会被水或植被覆盖，因此，这是一种稳定的关联信息（consistent）；

（4）此外，从高程变化来看，建筑物一般都高于周围的地物，在建筑物的边界上高程是突变的，因此，高程变化也是一种稳健的信息特征（consistent）。

五、实习体会

通过为期四周的遥感实习，我对ERDAS软件有了一个全面深入的认识和了解，短短的几天时间我掌握了ERDAS常用的基本操作，包括数据的转换、图像的几何纠正、影像的裁剪镶嵌，卫星影像的增强处理，影像的分类处理，专题地图的输出制作等，对于一些不常用的功能也都做了了解和尝试，为将来对ERDAS整个软件的掌握运用打下了一定的基础。

这次实习的收获很多，刚开始接触ERDAS软件时，对它全英文的界面很不熟悉，稍微没注意老师的讲解就不知所措，慢慢的用下来，一点一点的琢磨，再加上在技术手册和老师精心的指导，现在我基本掌握了这个软件的主要用途，当一幅幅影像在电脑上显示出来，那种成就感让人满足。

在为期4周的实习内，我们很好地完成了老师对我们的要求，通过我们对软件的具体操作，使我们对遥感这们学科有了更深入的认识。同时，在实习中我再次认识到认真严谨的态度是必不可少的，有不太清楚的地方要及时向老师请教，才会保证学习过程中的质量，同时也体会到了遥感研究的辛苦和乐趣。

第二篇：遥感图像处理实习报告i

遥感图像处理

实  习  报  告

注：实习结束时，由实习学生填写本表后，交指导教师和实习单位签署意见，最后交所在教学单位归档保管。