遥感数字图像处理(20200521104833)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
通过制图可以清晰直观的表现事物的很多潜在联系,因此在今后的学习过程中要多通 过图形来反应事物的客观规律。
存在问题与解决办法
查看影像各个波段的直方图时, 发现直方图中的 DN 值多为几万, 不在 0-255 之间, 以
为需要进行其他转化才能使用,后来了解到
TM 影像使用一个字节存储 DN 值,因此 DN
原理和方法 命名规则: LC8LGN00 LC8 — —landsat 8 125034— —行列号 2015 ——影像的年份 136 — — 2015 年第 136 天 LGN— —接收站代码 00 ——产品级别 文件为波段影像文件, B1— B7 分别为海蓝波段、蓝光波段、绿光波段、红 光波段、近红外波段、短波红外 1、短波红外 2,为用户常用的 7 个波段, B8 为 全色波段、 B9为卷云波段、 B10 和 B11 为 TIRS 传感器观测热量所用, BQA波段 为质量控制波段包含影像的云覆盖、水体、冰雪等信息。包含影像的元数据信 息。
操作步骤 1. 登陆 USGS官网,创建账户并下载一景 landsat8 OLI 影像。 2. 通过 File →Open As→Landsat →Geo Tiff with Metadata 打开原始数据
的元数据文件,再利用 toolbox 工具箱中的 Raster Management→Layer Stacking →import file ,导入包含全色波段的 txt 元数据文件,生成标 准 ENVI格式文件,命名为 LC8LGN00_su,b 该文件自动导入 ENVI 中。 3. 通过 Raster Managemen→t Edit ENVI Header 工具编辑 LC8LGN00_sub的 头文件,完善影像的基本信息。 4. 通 过 Data Manager 查 询 影 像 文 件 的 基 本 信 息 、 投 影 信 息 , 通 过 Statistics →compute statistics ,切记勾选 Histograms ,生成统计文 件,然后通过 Statistics →View Statistics File 打开统计文件,查看 各个波段直方图信息。 5. 通过 Data Manager →Band Selection 选择波段进行波段组合试验。 6. 利用 Raster Management→Resize Data → Spacial Subset→Image工具 从多波段影像中选取 512×512 子区并保存为另一文件供后续工作中使 用。 7. 通过 Statistics →compute statistics 生成子区影像的直方图,与原影
并保存为另一文件供后续工作中使用。
6. 对影像进行分析, 说明子区影像直方图与原影像直方图的差异, 并分析子区
影像的基本特征。重新计算原影像统计特征值,注意观察记录结果的变化。
7. 利用 SPEAR 工具 Google Earth Bridge 定位和分析研究区的高分辨率影像特
征。
8. 采用标准假彩色合成影像进行影像目视解译,识别影像中的土地利用
(5) 城镇居民地 town
(12) 云 cloud
(6) 农村居民地 village
(13) 阴影 shadow
(7) 沙漠 desert
列表说明上述地物分别在两种波段组合下的颜色、形状、纹理等特征。
9. 利用 Z Profile (Spectrum)光谱剖面工具,提取上述地物在不同波段的数值
(Digital Number ,DN );要求针对影像中的 6 种地物至少各采集 10 个样本,
6. 利用 Google Earth分析研究区的影像特征
7. 标准假彩色合成目视解译:
地物在两种波段组合下的颜色及纹理特征:
耕地
草地 裸地 森林 居 民 公 路 / 河流 云
地
铁路
标准假彩色
颜色
绿色 浅绿 青色 红色 藏蓝 深绿 黑色 白色
纹理特征
平滑 平滑 平滑 粗糙 粗糙 平滑 平滑 平滑
真彩色
散点图:
由散点图可以看出: 不同的地物光谱特征相差很大,相同的地物在散点图中较为聚集,即使在地理空间上 相隔很远,但其光谱特征呈现一致性,这说明各种地物的光谱特征具有特殊性和统一性。
特殊性是指各种地物的光谱特征不尽相同,而统一性是指相同的地物无论空间距离多远, 其光谱特征将呈现一致性。这就为遥感分类提供了切实可行的依据。
2、 3、4、5、6、7 波段对应,而 landsat8 中多了一个海蓝波段— band1,因此在制作协方差 表格时,行列数均为 7。
通过上课听老师讲解作业, 课下自己查看各个波段直方图, 不能实现屏蔽直方图中的 0 值,应当使用什么工具来去除 0 值,并将 Y 轴压缩,实现图像的拉伸?
总结
通过这次实习,我掌握了从 USGS 下载遥感影像的方法,认识了 果,对于遥感影像内容的丰富性有了深刻的认识。
颜色
棕黄 棕黄 白色 绿色 灰白 棕色 黑色 白色
纹理特征
平滑 平滑 平滑 粗糙 粗糙 平滑 平滑 平滑
8. 光谱剖面图: Farmland:
Forest:
Road: Cloud :
Stream: Village :
由各种地物的协方差矩阵可以看出, 各个波段与自身的相关系数均为 1,且相邻波段之间的 相关系数一般大于不相邻波段的相关系数,这说明相邻波段所包含的信息相近。
实习序 号及题 目
Landsat 影像数据下载、导入、目视解译与分析
实习人姓名
专业班级
e-mail 地址
实习指导 教师姓名
实习地点
实习日期 时间
实习目的和内容
实习目的:学会从美国 USGS 网站下载 Landsat8 OLI 卫星影像。
初步掌握 ENVI 影像处理软件的使用方法, 熟悉软件的用户界面、 功能
像进行比较分析。 8. 利用 Spear→Spear Google Earth Bridge 定位和分析研究区的高分辨率
影像特征。 9. 采用标准假彩色合成影像进行影像目视解译。 10. 利用 工具提取影像中 6 种地物至少 10 个样本,点击 shift 可连续
选取,选取足够目标后导出为 txt 格式,以供数据分析使用。 11. 加载 Excel 中的分析工具库和分析工具库— VBA,并导入第 10 步中的 txt
值为 0-255 ,而 landsat8 影像使用 2 个字节存储 DN 值, DN 值的范围为 0-65535。 在做各种地物各个波段的协方差和相关系数时,直接复制了实习大纲中的表格,然后
发现少了一个波段,这是因为 TM 影像分为 1、2、 3、 4、 5、 7 波段,分别与 landsat8 中的
4. 截取的 512×512 子区:
5. 原影像与子区影像直方图对比分析:
原影像每个波段的最小值均为 0,而子区影像每个波段的最小值不为 0,且最大值 小于原影像最大值,均值小于原影像的均值,标准差小于原影像的标准差,这是因
为子区只包含原影像的一部分,数据量相对原影像较小,且不包含原影像外围的黑 色区域,丢失了原影像中包含的最大最小值,各个波段的值相对较为集中,因此导 致了子区各个波段的均值较大,标准差较小,突出表现了区域的特殊性。
原始数据转换Leabharlann Baidu ENVI 标准格式。
3. 查询并记录影像文件的基本信息、投影信息,以及各个波段直方图信息。
4. 打开影像, 进行假彩色合成波段组合试验, 说明实现真彩色合成与标准假彩
色合成所需要的波段组合。
5. 利用 Resize Dat(a Spacial/Spectra)l 工具从多波段影像中选取 512× 512 子区
数据,计算每种地物各个波段的均值、方差、标准差、最大值、最小值, 以及每种地物各个波段的协方差和相关系数,选取红光波段和近红外波 段的数据制作散点图。
结果与分析 1. 影像文件的基本信息和投影信息如图所示:
其中所包含的数据信息如下: 数据大小: 4 字节 文件类型: ENVI 传感器类型: Landsat OLI 投影信息: UTM 投影,北半球 49 带 地理坐标系: WGS— 84 像元大小: 30 米 波长:到微米
2. 各个波段直方图信息如图所示:
3. 波段组合试验: 4、 3、2:
7、 6、4:
5、 4、3:
6、 5、2:
7、 6、5:
实现真彩色合成所需波段组合为: 4(红)、3(绿)、2(蓝),能够反映自然界真实 景观。 实现标准假彩色合成所需波段组合为: 5(近红外) 、4(红)、3(绿),能够反映植 被信息。
模块。
复习遥感导论课程中的遥感影像目视解译环节,选择自己熟悉的地区,
进行 Landsat TM/ETM+ 影像的目视解译。
实习内容:
1. 课前预先下载所熟悉地区 Landsat TM/ETM+/OLI 影像数据
2. 利用下载影像数据的元数据文件将 GeoTIFF 格式的 Landsat TM/ETM+/OLI
/土地
覆盖类型,可能的土地利用 /土地覆盖类型包括:
(1) 耕地 farmland
(8) 公路 /铁路 road or railway
(2) 草地 grassland
(9) 河流 stream
(3) 裸地 barren land
(10) 水库 reservoir
(4) 森林 forest
(11) 冰雪 ice and snow
数据准备与研究区概况 数据从美国 USGS官网下载,卫星为 landsat8 ,传感器为 OLI,影像行列号为 125034,影像日期为 2015 年 5 月 16 日,空间分辨率为 30m×30m,为 XX5月份 影像, XX市地处黄土高原东部边缘,为东经 111°23′─ 114 °28′,北纬 36°39′─ 38°06′,地势东高西低,山地、 、呈阶梯状分布,大部分地区海拔 在 1000 米以上。属暖温带大陆性季风气候,季节变化明显。总的特征为:春季 干燥多风,夏季炎热多雨,秋季天高气爽,冬季寒冷少雪。农作物主要种植玉 米和小麦, 5 月份正直玉米小麦的成长时期。
landsat8 波段组合效
初步掌握了 ENVI 影像处理软件的基本操作和使用方法,熟悉了用户界面、
Toolbox 、
landsat8 影像的目视解译。
通过 ENVI 中的 Spear→Spear Google Earth Bridge
可以与谷歌地球建立链
接,利用谷歌地球的高分辨影像进行辅助目视解译,方便了遥感工作者。 掌握了 Excel 中的宏分析工具。
取平均值,做光谱剖面图, 分析不同地物的灰度值随波段变化的特点。 将光
谱剖面数据保存为文本文件( txt 格式,可以用文本文件编辑器打开) 。
10. 采用 Excel 数据分析工具完成步骤 6 每种地物典型样本的特征光谱统计分
析,并将统计表附加在报告当中。
11. 采用 Excel 打开步骤 6 生成的数据文件, 从 TM/ETM+/OLI/TIRS 中选取红光 波段和近红外波段的数据, 做散点图, 分析上述不同地物在光谱空间中的分 布情况及其规律 (注意要在同一坐标系当中使用不同的符号表示不同的地表 覆盖类型, 标注水平坐标和垂直坐标, 并保持水平坐标和垂直坐标具有相同 的纵横比)。
存在问题与解决办法
查看影像各个波段的直方图时, 发现直方图中的 DN 值多为几万, 不在 0-255 之间, 以
为需要进行其他转化才能使用,后来了解到
TM 影像使用一个字节存储 DN 值,因此 DN
原理和方法 命名规则: LC8LGN00 LC8 — —landsat 8 125034— —行列号 2015 ——影像的年份 136 — — 2015 年第 136 天 LGN— —接收站代码 00 ——产品级别 文件为波段影像文件, B1— B7 分别为海蓝波段、蓝光波段、绿光波段、红 光波段、近红外波段、短波红外 1、短波红外 2,为用户常用的 7 个波段, B8 为 全色波段、 B9为卷云波段、 B10 和 B11 为 TIRS 传感器观测热量所用, BQA波段 为质量控制波段包含影像的云覆盖、水体、冰雪等信息。包含影像的元数据信 息。
操作步骤 1. 登陆 USGS官网,创建账户并下载一景 landsat8 OLI 影像。 2. 通过 File →Open As→Landsat →Geo Tiff with Metadata 打开原始数据
的元数据文件,再利用 toolbox 工具箱中的 Raster Management→Layer Stacking →import file ,导入包含全色波段的 txt 元数据文件,生成标 准 ENVI格式文件,命名为 LC8LGN00_su,b 该文件自动导入 ENVI 中。 3. 通过 Raster Managemen→t Edit ENVI Header 工具编辑 LC8LGN00_sub的 头文件,完善影像的基本信息。 4. 通 过 Data Manager 查 询 影 像 文 件 的 基 本 信 息 、 投 影 信 息 , 通 过 Statistics →compute statistics ,切记勾选 Histograms ,生成统计文 件,然后通过 Statistics →View Statistics File 打开统计文件,查看 各个波段直方图信息。 5. 通过 Data Manager →Band Selection 选择波段进行波段组合试验。 6. 利用 Raster Management→Resize Data → Spacial Subset→Image工具 从多波段影像中选取 512×512 子区并保存为另一文件供后续工作中使 用。 7. 通过 Statistics →compute statistics 生成子区影像的直方图,与原影
并保存为另一文件供后续工作中使用。
6. 对影像进行分析, 说明子区影像直方图与原影像直方图的差异, 并分析子区
影像的基本特征。重新计算原影像统计特征值,注意观察记录结果的变化。
7. 利用 SPEAR 工具 Google Earth Bridge 定位和分析研究区的高分辨率影像特
征。
8. 采用标准假彩色合成影像进行影像目视解译,识别影像中的土地利用
(5) 城镇居民地 town
(12) 云 cloud
(6) 农村居民地 village
(13) 阴影 shadow
(7) 沙漠 desert
列表说明上述地物分别在两种波段组合下的颜色、形状、纹理等特征。
9. 利用 Z Profile (Spectrum)光谱剖面工具,提取上述地物在不同波段的数值
(Digital Number ,DN );要求针对影像中的 6 种地物至少各采集 10 个样本,
6. 利用 Google Earth分析研究区的影像特征
7. 标准假彩色合成目视解译:
地物在两种波段组合下的颜色及纹理特征:
耕地
草地 裸地 森林 居 民 公 路 / 河流 云
地
铁路
标准假彩色
颜色
绿色 浅绿 青色 红色 藏蓝 深绿 黑色 白色
纹理特征
平滑 平滑 平滑 粗糙 粗糙 平滑 平滑 平滑
真彩色
散点图:
由散点图可以看出: 不同的地物光谱特征相差很大,相同的地物在散点图中较为聚集,即使在地理空间上 相隔很远,但其光谱特征呈现一致性,这说明各种地物的光谱特征具有特殊性和统一性。
特殊性是指各种地物的光谱特征不尽相同,而统一性是指相同的地物无论空间距离多远, 其光谱特征将呈现一致性。这就为遥感分类提供了切实可行的依据。
2、 3、4、5、6、7 波段对应,而 landsat8 中多了一个海蓝波段— band1,因此在制作协方差 表格时,行列数均为 7。
通过上课听老师讲解作业, 课下自己查看各个波段直方图, 不能实现屏蔽直方图中的 0 值,应当使用什么工具来去除 0 值,并将 Y 轴压缩,实现图像的拉伸?
总结
通过这次实习,我掌握了从 USGS 下载遥感影像的方法,认识了 果,对于遥感影像内容的丰富性有了深刻的认识。
颜色
棕黄 棕黄 白色 绿色 灰白 棕色 黑色 白色
纹理特征
平滑 平滑 平滑 粗糙 粗糙 平滑 平滑 平滑
8. 光谱剖面图: Farmland:
Forest:
Road: Cloud :
Stream: Village :
由各种地物的协方差矩阵可以看出, 各个波段与自身的相关系数均为 1,且相邻波段之间的 相关系数一般大于不相邻波段的相关系数,这说明相邻波段所包含的信息相近。
实习序 号及题 目
Landsat 影像数据下载、导入、目视解译与分析
实习人姓名
专业班级
e-mail 地址
实习指导 教师姓名
实习地点
实习日期 时间
实习目的和内容
实习目的:学会从美国 USGS 网站下载 Landsat8 OLI 卫星影像。
初步掌握 ENVI 影像处理软件的使用方法, 熟悉软件的用户界面、 功能
像进行比较分析。 8. 利用 Spear→Spear Google Earth Bridge 定位和分析研究区的高分辨率
影像特征。 9. 采用标准假彩色合成影像进行影像目视解译。 10. 利用 工具提取影像中 6 种地物至少 10 个样本,点击 shift 可连续
选取,选取足够目标后导出为 txt 格式,以供数据分析使用。 11. 加载 Excel 中的分析工具库和分析工具库— VBA,并导入第 10 步中的 txt
值为 0-255 ,而 landsat8 影像使用 2 个字节存储 DN 值, DN 值的范围为 0-65535。 在做各种地物各个波段的协方差和相关系数时,直接复制了实习大纲中的表格,然后
发现少了一个波段,这是因为 TM 影像分为 1、2、 3、 4、 5、 7 波段,分别与 landsat8 中的
4. 截取的 512×512 子区:
5. 原影像与子区影像直方图对比分析:
原影像每个波段的最小值均为 0,而子区影像每个波段的最小值不为 0,且最大值 小于原影像最大值,均值小于原影像的均值,标准差小于原影像的标准差,这是因
为子区只包含原影像的一部分,数据量相对原影像较小,且不包含原影像外围的黑 色区域,丢失了原影像中包含的最大最小值,各个波段的值相对较为集中,因此导 致了子区各个波段的均值较大,标准差较小,突出表现了区域的特殊性。
原始数据转换Leabharlann Baidu ENVI 标准格式。
3. 查询并记录影像文件的基本信息、投影信息,以及各个波段直方图信息。
4. 打开影像, 进行假彩色合成波段组合试验, 说明实现真彩色合成与标准假彩
色合成所需要的波段组合。
5. 利用 Resize Dat(a Spacial/Spectra)l 工具从多波段影像中选取 512× 512 子区
数据,计算每种地物各个波段的均值、方差、标准差、最大值、最小值, 以及每种地物各个波段的协方差和相关系数,选取红光波段和近红外波 段的数据制作散点图。
结果与分析 1. 影像文件的基本信息和投影信息如图所示:
其中所包含的数据信息如下: 数据大小: 4 字节 文件类型: ENVI 传感器类型: Landsat OLI 投影信息: UTM 投影,北半球 49 带 地理坐标系: WGS— 84 像元大小: 30 米 波长:到微米
2. 各个波段直方图信息如图所示:
3. 波段组合试验: 4、 3、2:
7、 6、4:
5、 4、3:
6、 5、2:
7、 6、5:
实现真彩色合成所需波段组合为: 4(红)、3(绿)、2(蓝),能够反映自然界真实 景观。 实现标准假彩色合成所需波段组合为: 5(近红外) 、4(红)、3(绿),能够反映植 被信息。
模块。
复习遥感导论课程中的遥感影像目视解译环节,选择自己熟悉的地区,
进行 Landsat TM/ETM+ 影像的目视解译。
实习内容:
1. 课前预先下载所熟悉地区 Landsat TM/ETM+/OLI 影像数据
2. 利用下载影像数据的元数据文件将 GeoTIFF 格式的 Landsat TM/ETM+/OLI
/土地
覆盖类型,可能的土地利用 /土地覆盖类型包括:
(1) 耕地 farmland
(8) 公路 /铁路 road or railway
(2) 草地 grassland
(9) 河流 stream
(3) 裸地 barren land
(10) 水库 reservoir
(4) 森林 forest
(11) 冰雪 ice and snow
数据准备与研究区概况 数据从美国 USGS官网下载,卫星为 landsat8 ,传感器为 OLI,影像行列号为 125034,影像日期为 2015 年 5 月 16 日,空间分辨率为 30m×30m,为 XX5月份 影像, XX市地处黄土高原东部边缘,为东经 111°23′─ 114 °28′,北纬 36°39′─ 38°06′,地势东高西低,山地、 、呈阶梯状分布,大部分地区海拔 在 1000 米以上。属暖温带大陆性季风气候,季节变化明显。总的特征为:春季 干燥多风,夏季炎热多雨,秋季天高气爽,冬季寒冷少雪。农作物主要种植玉 米和小麦, 5 月份正直玉米小麦的成长时期。
landsat8 波段组合效
初步掌握了 ENVI 影像处理软件的基本操作和使用方法,熟悉了用户界面、
Toolbox 、
landsat8 影像的目视解译。
通过 ENVI 中的 Spear→Spear Google Earth Bridge
可以与谷歌地球建立链
接,利用谷歌地球的高分辨影像进行辅助目视解译,方便了遥感工作者。 掌握了 Excel 中的宏分析工具。
取平均值,做光谱剖面图, 分析不同地物的灰度值随波段变化的特点。 将光
谱剖面数据保存为文本文件( txt 格式,可以用文本文件编辑器打开) 。
10. 采用 Excel 数据分析工具完成步骤 6 每种地物典型样本的特征光谱统计分
析,并将统计表附加在报告当中。
11. 采用 Excel 打开步骤 6 生成的数据文件, 从 TM/ETM+/OLI/TIRS 中选取红光 波段和近红外波段的数据, 做散点图, 分析上述不同地物在光谱空间中的分 布情况及其规律 (注意要在同一坐标系当中使用不同的符号表示不同的地表 覆盖类型, 标注水平坐标和垂直坐标, 并保持水平坐标和垂直坐标具有相同 的纵横比)。