《实验3遥感图像增强与变换.ppt》由会员分享，可在线阅读，更多相关《实验3遥感图像增强与变换.ppt（26页珍藏版）》请在三一办公上搜索。
1、色彩变换,上机：图像色彩变换,第一:假彩色密度分割在VIEW视窗中，以假彩色方式打开某Klon_TM.img影像。,第一:假彩色密度分割在Viewer#1窗口菜单条单击Raster-attributes选中要改变色彩的像元，赋给相应的色彩。依次进行。,上机：图像色彩变换,第一:假彩色密度分割可将满意的结果保存下来,上机：图像色彩变换,找一幅影像,利用密度分割突出某一种地物,将成果图像上交.,上机：图像色彩变换,第二:色彩变换（RGB to IHS）是将遥感图像从红(R)、绿(G)、蓝(B)三种颜色组成的彩色空间转换到以亮度(I)、色度(H)、饱和度(S)作为定位参数的彩色空间，以便使图像的颜色
2、与人眼看到的更为接近。在ERDAS图标面板工具条中单击Interpreter图标Interpreter-Spectral Enhancement-RGB to IHS命令,打开RGB to IHS对话框,上机：图像色彩变换,第二:色彩变换（RGB to IHS）确定输入文件（Input File）为dmtm.img定义输出文件（Output File）为rgb-ihs.img文件坐标类型（Coordinate Type）为Map;处理范围Subset Definition确定确定参与色彩变换的3个波段，Red:4/Green:3/Blue:2输出数据统计时忽略零值，选中Ignore Zero
3、in Stats复选框单击OK按钮（关闭RGB to IHS对话框，执行RGB to IHS变换）,观察效果,输入文件,输出文件,上机：图像色彩变换,第三:色彩逆变换（IHS to RGB）色彩逆变换是与上述色彩变换对应进行的，是将遥感图像从以亮度(l)、色度(H)、饱和度（S）作为定位参数的彩色空间转换到红(R)、绿(G)、蓝(B)，三种颜色组成的彩色空间。在ERDAS图标面板工具条中单击Interpreter图标Interpreter-Spectral Enhancement-IHS to RGB命令,打开IHS to RGB对话框,上机：图像色彩变换,第三:色彩逆变换（IHS to RG
4、B）确定输入文件（Input File）为rgb-ihs.img定义输出文件（Output File）为his-rgb.img文件坐标类型（Coordinate Type）为Map;处理范围Subset Definition确定确定参与色彩变换的3个波段，Intensity:1/Hue:2/Sat:3输出数据统计时忽略零值，选中Ignore Zero in Stats复选框对亮度(I)和饱和度(S)进行拉伸，选择Stretch I-S单选按钮单击OK按钮（关闭IHS to RGB对话框，执行IHS to RGB变换）,观察效果,不同的拉伸选择,思考题:观察I、H、S三个分量是如何改变影像的。,
5、实验结束后：1、上交某一地物密度分割结果影像；2、按要求写实验报告。,指数计算(Indices),指数计算是应用一定的数学方法，计算反映矿物及植被的常用比率和指数。各种比率和指数与遥感图像类型、即传感器有密切的关系。,ERDAS图标面板工具条：点击Interpreter图标-Spectral Enhancement-Indices,传感器类型,计算指数函数,在Indices对话框中，需要设置下列参数:-确定输入文件(Input File):tmatlanta.img-定义输出文件(Output File):Indices.img-文件坐标类型(Coordinate Type):Map-处理范围
6、确定(Subset Definition):ULX/Y,LRX/Y(缺省状态为整个图像范围，可以应用Inquire Box定义子区)-选择传感器类型(Sensor):Landsat TM-选择计算指数函数(Select Function):NDVI(相应的计算公式将显示在对话框下方的Function提示栏)-输出数据类型(Output Data Type):Unsigned 8 bit-OK(关闭Indices对话框，执行指数计算)查看帮助文件，根据不同的传感器进行各种不同指数的计算。,主成分变换与逆变换,上机：主成分变换与逆变换,第一:主成分变换(PCA，Principal Componen
7、t Analysis)是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。在ERDAS图标面板工具条中单击Interpreter图标 Interpreter-Spectral Enhancement-Principal Components命令 打开Principal Components对话框,第一:主成分变换(PCA，Principal Component Analysis)确定输入文件（Input File）为lanier.img 定义输出文件（Output File）为principal.img文件坐标类型（Coordinat
8、e Type）为Map;处理范围Subset Definition确定；输出数据类型（Output Data Type）为Float Single输出数据统计时忽略零值，选中Ignore Zero in Stats复选框特征矩阵输出设置（Eigen Matrix）,有两种方式：一是在运行日志中显示:Show in Session Log 二写入特征矩阵文件:Write to File(必选项，逆变换时需要)特征矩阵文件名（Output Text File）为lanier.mtx特征数据输出设置（Eigen Value）,有两种方式：一是在运行日志中显示:Show in Session Log
9、二写入特征矩阵文件:Write to File(必选项，逆变换时需要)特征数据文件名（Output Text File）为lanier.tbl需要的主成份数量(Number of Components Desired):3单击OK按钮（关闭Principal Components对话框，执行主成份变换）,观察效果,上机：主成分变换与逆变换,确定输入文件与输出文件,文件坐标类型、处理范围和输出数据类型,输出数据统计时忽略零值,特征矩阵输出设置,特征数据输出设置,特征矩阵文件名,特征数据文件名,需要的主成份数量,单击OK按钮,上机：主成分变换与逆变换,上机：主成分变换与逆变换,第二:主成分逆变换(
10、Inverse Principal Components Analysis)主成份逆变换就是将经主成份变换获得的图像重新恢复到RGB彩色空间，应用时，输入的图像必须是由主成份变换得到的图像，而且必须有当时的特征矩阵(*.mtx)参与变换。在ERDAS图标面板工具条中单击Interpreter图标 Interpreter-Spectral Enhancement-Inverse Principal Components命令 打开Inverse Principal Components对话框,第二:主成分逆变换(Inverse Principal Components Analysis)确定输入文
11、件（Input File）为principal.img 确定特征矩阵文件（Eigen Matrix File）为lanier.mtx 定义输出文件（Output File）为inverse_pc.img文件坐标类型（Coordinate Type）为Map;处理范围Subset Definition确定；输出数据选择(Output Options),有两项选择 输出数据拉伸到0-255:Stretch to Unsigned 8 bit 输出数据统计时忽略零值:Ignore zero In stats.单击OK按钮（关闭Inverse Principal Components对话框，执行主成份
12、逆变换）,观察效果。,确定输入文件、特征矩阵文件和输出文件,文件坐标类型、处理范围,输出数据选择,单击OK按钮,上机：主成分变换与逆变换,缨帽变换（Tasseled Cap）,缨穗变换是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转，优化图像数据显示效果。该变换的基本思想是:多波段(N波段)图像可以看作是N维空间(N-dimensional Space)，每一个像元都是N维空间中的一个点，其位置取决于像元在各个波段上的数值。专家的研究表明，植被信息可以通过三个数据轴.(亮度轴、绿度轴、湿度轴)来确定，而这三个轴的信息可以通过简单的线性计算和数据空间旋转获得，当然还需
13、要定义相关的转换系数;同时，这种旋转与传感器有关，因而还需要确定传感器类型。,ERDAS图标面板工具条:点击Interpreter图标-Spectral Enhancement-Tasseled Cap,在Tasseled Cap对话框中，需要设置下列参数:-确定输入文件(Input File):lanier.img-定义输出文件(Output File):tasseled.img-文件坐标类型(Coordinate Type):Map-处理范围确定(Subset Definition):ULX/Y,LRX/Y(缺省状态为整个图像范围，可以应用Inquire Box定义子区)-输出数据选择(O
14、utput Options:两项选择-输出数据拉伸到0-255:Stretch to Unsigned 8 bit-输出数据统计时忽略零值:Ignore Zero in Stats.-定义相关系数(Set Coeffcients):点击Set Coefficients按钮-打开Tasseled Cap Coefficients对话框-首先确定传感器类型(Sensor):Landsat 5 TM-定义相关系数(Coefficient Definition):可利用系统缺省值-OK(关闭Tasseled Cap Coefficients对话框)-OK(关闭Tasseled Cap对话框，执行缨帽变换)观察执行完缨帽变换后，各个波段的特点,可以对各个框中的数据进行修改，观察不同的变换效果,1、观察KT变化后的三个分量图像（亮度轴、绿度轴、湿度轴）的特征，如何反映植被信息。2、观察KT变化后的三个分量图像的直方图，根据直方图信息，合理设置密度分割的范围，生成三个分量的密度分割图像。3、上交三个分量的密度分割图像,实验结束后：1、要求将NDVI灰度图像处理成彩色图像，并上交成果2、上交principal.img影像；3、按要求写实验报告。,
