太原理工大学遥感原理与应用实验指导书
- 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)。
《遥感原理与应用》实验指导书
矿业工程学院
测绘科学与技术系
实验一、遥感图像几何校正(2学时)实验二、遥感图像辐射增强(2学时)实验三、遥感图像非监督分类(2学时)
实验一、遥感图像几何校正(2学时)
原理与方法简介遥感影像由于遥感平台位置和运动状态变化、地形起伏、地球表面曲率、大气折射、地球自转等诸多因素的影响而产生与地面目标位置和(或)形状方面的不相一致的几何畸变,通过一定的数学算法,使这种畸变消除或接近消除,这就是几何校正。常用的几何校正计算方法主要有以下三种:
1)邻域法(Nearest neighbor )——将最接近的像元值赋予输出像元(图1.1);
Figure1.1Nearest Neighbor
邻域法优点:极值和一些细节不会丢失,对植被分类、查找具线性特征的边界或侦测湖水的混浊度和温度是重要的。该方法适用于分类之前,计算速度快,适合于具有定性和定量特点的专题图像研究。
其缺点是:从较大的栅格重采样到较小栅格时会出现阶梯状斜线;可能会丢失或重复一些数值;用于线形专题图(如道路、水系)可能引起线状网络数据断开或出现裂隙。
2)双线性内插法(bilinear interpolation )——利用二次样条函数计算2×2窗口中的4个像元值并赋予输出像元(图1.2)。
Figure1.2Bilinear Interpolation
113V dy D V V V m +⨯-=
224V dy V V Vn +⨯-=
m m n V dx D
V V Vr +⨯-=或:i i i i i i i r V D
y D x D V W V ⨯∆-∆-==∑∑==41241))((W i ——权重因子
Δx i ,Δy i ——r 点与i 点的坐标变化
V i ——i 像元值
双线性内插法的优点是:图像较平滑,不会出现阶梯现象,空间精度较高,常用于需要改变像元大小的场合,如SPOT/TM 的融合。
其缺点是:由于像元作过平均计算,相当于低通滤波(Low-frequency convolution )的效果,边界平滑,某些极值会丢失。
3)立方卷积内插法(Cubic convolution )——利用三次函数计算4×4窗口中的像素值并赋予输出像素(图1.3)
。
Figure 1.3Cubic Convolution
类似于双线性内插,只是所用窗口为4*4,而非2*2,即对16个像元作平均运算而得出输出像元的数据文件值。
]}
2)2,2([*)2,2(]1)2,1([*)2,1()]2,([*)2,(]1)2,1([*)2,1({4
1--++-+++
--++-+++
-+-++
+-+--+-=∑=n j i d f n j i V n j i d f n j i V n j i d f n j i V n j i d f n j i V V i r 其中:i=int(x r ),j=int(y r )
d(i ,j)——(i ,j)和(x r ,y r )坐标距离
V(i ,j)——(i ,j)像元值
V r
——输出像元数据文件值
a——大多数情况下取-0.5,这将使输出影像的均值和标准差接近于原始数据。
立方卷积的优点是:输出影像的均值和标准差接近于原始数据;这种方法适用于数据像元尺寸改变很大的场合,如TM与航空照片融合。
其缺点是:数据值会发生变化;计算工作量最大,因此处理速度较慢。
2)掌握几何校正中控制点选择、坐标变换和重采样方法。
实验二、遥感图像辐射增强(2学时)
辐射增强(Radiometric Enhancement)处理影像中单个像元值,通过改变图像像元的亮度值来改善图像质量或突出某些灰阶像元。对一个波段所作的辐射增强处理可能并不适合于其它波段,因此,对多波段影像进行辐射增强时可以将它们按一系列独立的单波段影像考虑。一般而言,辐射增强不会使每一个像元的对比度都增强,有些像元的对比度会增强,而其它的则会减弱。本次辐射增强实验做以下三个:
(1)对比度拉伸(contrast stretching)
利用某一线性或非线性函数,将原始影像数据从较窄的灰阶段扩展到较大的灰阶范围(通常是显示器能够显示的全部范围,即0-255)。根据变换函数的性质和处理方法,对比度拉伸有以下常见类型:线性对比度拉伸、分段线性对比度拉伸、非线性指数对比度拉伸、非线性对数对比度拉伸。
在对影像进行对比度拉伸时,通常先对影像数据进行统计,得出其像元灰度平均值、标准方差及其它的统计量,利用平均值上下两个标准方差的数据值作为起始和终止灰阶。在图像数据正态分布的情况下,这个范围的数据一般占影像数据总量的95%左右。
(2)直方图均衡化(histogram equalization)
直方图均衡化是一种非线性拉伸,通过将某一范围内的像元值进行重新分配,使每个灰度值的像元数接近一致,这样一来,直方图峰值部分的像元对比度将增加,而两侧像元对比度将减小。
Figure2.1Histogram Equalization
直方图均衡化所产生的辐射增强的效果是使原影像直方图中的峰值部分对比度增大,而“尾部”像元对比度减小,这常常使输入影像中最暗和最亮的部分丢失。
(3)亮度反转(brightness inversion)
先将输入数据文件值范围(一般为0-255)变换成0-1,通过亮度反转变换后再转回到0-255范围。亮度反转对强调低值像元域的细节有特殊效果。
DN out=1.0,0 DN out=0.1/DN in,0.1