遥感原理与应用课程设计

遥感原理与应用课程设计

—“遥感专题信息提取与专题图制作”设计报告

学 院 班 级 学 号 姓 名

遥感信息工程学院

09031 *************

吴煜晖

日 期 2012-2-13日至2月19日 指导教师

宋蔚林

一、 课程设计的目的和意义

这门课旨在加深理解和巩固理论课上所学的有关遥感的基本原理、遥感传感器的成像机理、遥感图像的处理方法、专题信息提取以及遥感综合应用技术；锻炼熟练运用遥感软件分析问题、解决具体问题的实际工作能力；可以培养同学们良好的工作习惯和科学素养，为今后参加科学研究工作以及毕业设计打下良好的基础。

二、课程设计方案和流程

1、实验数据介绍

1) 地点：宜昌地区；

2) 传感器类型：TM1、3、4、5、7波段影像，空间分辨率：30米；TM6

波段影像，空间分辨率：120米；SPOT影像，空间分辨率：10米； 3) 格式：TIF；

4) 说明文件：Readme.txt，SPOT影像投影信息、大地坐标、分辨率。

2、硬软件介绍

本次实验使用软件ERDAS。ERDAS IMAGINE是美国ERDAS 公司开发的专业遥感图像处理与地理信息系统软件。它以模块化的方式提供给用户，使得用户可根据自己的应用程序的要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。在图像处理方面，直观的操作步骤使用户操作起来非常灵活方便。本次实验主要应用到ERDAS软件主菜单中Viewer、Import、DataPrep、Interpreter、Classifier及Composer等模块。

3、总体方案

首先利用ERDAS软件将宜昌地区左右TM影像的1、3、4、5、6、7波段TIF格式单波段影像分别合成left.img和right.img多波段TM影像（不少同学先将TIF格式转换为img格式，再分别合成left.img和right.img多波段TM影像，其实这是没必要的）。

再根据宜昌地区的SPOT影像sp_yc.img以及说明文件Readme.txt，分别对left.img和right.img进行几何纠正，并将纠正后的两幅影像进行拼接，再将拼接后的TM影像进行裁剪。

最后在进行适当的图像增强处理后，对拼接后的影像进行监督分类（可以将SPOT影像和TM影像进行融合再进行分类以获得更好的分类效果），提取专题信息，制作成专题地图。

4、流程框图

三、课程设计的过程和步骤

1. 图像预处理

首先需要将实习中给的tif格式的各幅图像输入转入img图像，可以通过打开tif格式的图像另存为img格式转换，或者用Import实现。

2. 多波段合成

将对应的六幅影像分别作为六个波段叠加，形成宜昌地区具有六个波段的左右两幅TM影像，如图1所示。

图1（a） 图1（b）

3. 几何纠正

通过提供的SPOT影像对左右两幅TM影像进行几何纠正处理，纠正后的图像如图2所示。

图2（a） 图2（b）

4. 图像拼接

将几何纠正完后的左右两幅TM影像进行拼接处理，拼接后图像如图3所示。

图3

5. 图像剪裁

将TM影像中用来制作专题图的区域剪裁出来，剪裁后图像如图4 所示。

图4

6. 图像分类

采取感兴趣的区域作为样本对剪裁后的TM影像进行监督分类处理。

监督分类分为5类，分别代表水体、深绿色植被、浅绿色植被、道路及裸地和居民地。结果如图5所示。

图5

得到的结果如下： 混淆矩阵：

ERROR MATRIX -------------

Reference Data --------------

Young Plan

Old Plant

Habitat

Classified

Data Bald and R Bald and R Young Plan Old Plant Habitat

---------- ---------- ---------- ---------- ----------

192 10 1 2 4 471 14 0 4 12 307 1 1 0 0 196

Water 0 0 0 0 Column Total 201 493 322 199

Reference Data --------------

Classified

Data Water Row Total ---------- ---------- ---------- Bald and R Young Plan Old Plant Habitat

0 205 6 495 4 328 14 211

Water 2573 2573 Column Total 2597 3812

CLASSIFICATION ACCURACY ASSESSMENT REPORT -----------------------------------------

Image File : c:/documents and settings/wu yuhui/桌面/2009302590123吴煜晖/2009302590123吴煜晖/wyh2009302590123/supervisedmerged.img

User Name : Wu Yuhui

Date : Sun Feb 26 16:37:03 2012 ERROR MATRIX -------------

Reference Data --------------

Classified Data Unclassifi Water Habitat Old Plant ---------------

---------- ---------- ---------- ----------

Unclassified

0 0 0 0

Water Habitat Old Plant Bald and Road Young Plant Column Total

0 31 0 0 0 0 31 1

0 0 4 34 0 0 1 1 0 1 3 3 0 32 39 37 Reference Data --------------

Classified Data Bald and R Young Plan Row Total ---------------

---------- ---------- ----------

0 0 0 0 1 32 0 0 32 0 0 38 47 3 52 6 91 102 53 95 256

Unclassified Water Habitat Old Plant Bald and Road Young Plant Column Total

ACCURACY TOTALS ----------------

Class Reference Name Totals Unclassified Water Habitat Old Plant Bald and Road Young Plant

Classified Number Producers Totals

---------

-----

Users

Accuracy

Correct Accuracy

----- End of Error Matrix -----

---------- ---------- ---------- -------

0 0 0 --- --- 32 32 31 96.88% 96.88% 39 32 31 79.49% 96.88% 37 38 34 91.% .47% 53 52 47 88.68% 90.38% 95 102 91 95.79% .22%

Totals 256 256 234 Overall Classification Accuracy = 91.41%

----- End of Accuracy Totals -----

KAPPA (K^) STATISTICS ---------------------

Overall Kappa Statistics = 0.8860 Conditional Kappa for each Category. ------------------------------------

Class Name Kappa ---------- -----

Unclassified Water Habitat Old Plant Bald and Road Young Plant

0.0000 0.93 0.9631 0.8770 0.8787 0.8285

----- End of Kappa Statistics -----

7. 制作专题图

用ERDAS的Map Composer工具导入裁剪好的分类图像，制作专题地图，并添加图例，比例尺和指北针等。详见文末附录。 8. 融合前和融合后图像分类精度比较*

融合后影像如图6所示，对其进行监督分类后所得结果如下图7所示：

图6 图7

混淆矩阵如下：

ERROR MATRIX ------------- Reference Data -------------- Classified

Data Water Old Plant Young Plan ---------- ---------- ---------- ---------- ----------

Water 62198 8 2 Old Plant 175 6132 1 Young Plan 4 23 13

Habitat

53 294 0

Habitat 1028 3 0 24259 Road and B 603 36 1 337 Column Total 008 6202 1368 24943 Reference Data -------------- Classified

Data Road and B Row Total ---------- ---------- ----------

Water 8 62269 Old Plant 3 6605 Young Plan 4 1395 Habitat 3 25293 Road and B 786 1763 Column Total 804 97325 ----- End of Error Matrix ----- 精度评价如下：

CLASSIFICATION ACCURACY ASSESSMENT REPORT -----------------------------------------

Image File : c:/documents and settings/wu yuhui/桌面/2009302590123吴煜晖/2009302590123吴煜晖/wyh2009302590123/resolutionsuperised.img User Name : Wu Yuhui

Date : Sun Feb 26 17:11:56 2012 ERROR MATRIX ------------- Reference Data --------------

Classified Data Unclassifi Water Old Plant Young Plan --------------- ---------- ---------- ---------- ----------

Unclassified 0 0 0 0 Water 0 25 2 1 Old Plant 0 2 60 5 Young Plant 0 0 0 10 Habitat 0 1 2 1 Road and Bald 0 0 2 1 Column Total 0 28 66 18 Reference Data --------------

Classified Data Habitat Road and B Row Total --------------- ---------- ---------- ----------

Unclassified 0 0 0 Water 0 0 28 Old Plant 0 1 68 Young Plant 0 1 11 Habitat 38 1 43 Road and Bald 4 99 106

Column Total 42 102 256 ----- End of Error Matrix ----- ACCURACY TOTALS ----------------

Class Reference Classified Number Producers Users Name Totals Totals Correct Accuracy Accuracy ---------- ---------- ---------- ------- --------- -----

Unclassified 0 0 0 --- ---

Water 28 28 25 .29% .29% Old Plant 66 68 60 90.91% 88.24% Young Plant 18 11 10 55.56% 90.91% Habitat 42 43 38 90.48% 88.37% Road and Bald 102 106 99 97.06% 93.40% Totals 256 256 232 Overall Classification Accuracy = 90.63% ----- End of Accuracy Totals ----- KAPPA (K^) STATISTICS ---------------------

Overall Kappa Statistics = 0.8705 Conditional Kappa for each Category. ------------------------------------

Class Name Kappa ---------- -----

Unclassified 0.0000 Water 0.8797 Old Plant 0.8415 Young Plant 0.9022 Habitat 0.8609 Road and Bald 0.02 ----- End of Kappa Statistics -----

_______________________________________________________________________________

四、课程设计的结果分析与评价

1. 几何纠正

本次实习，我采用了一次多项式纠正公式，至少需要三个控制点。为了更好地防止粗差的影响，我两次纠正都选取了7个控制点，控制点误差均在一个像素以内。几何纠正结果精度较高，详见图3。

影响几何纠正精度的主要因素在于控制点的选取。控制点的准确程度决定了几何纠正的精度。所以要提高几何纠正的精度，就应该选取易于辨识的控制点，比如尖角、颜色对比度较高的点等。

2. 影像拼接

我选取的影像，由于拼接线选的较好，因此整体影像并无拼接痕迹。

ERDAS只能采用基于地理坐标的影像拼接，所以做好影像拼接的前提是做好几何纠正，否则拼接出来的影像在位置或方位上将有明显的不衔接。

3、影像分类

在制作专题图的过程中，我采用了监督分类的方法，详见我在上文所附的图。 在监督分类中，要获得比较高的分类精度，必须先获得比较纯的训练样本。检查训练样本的方法是查看训练样本的混淆矩阵，混淆矩阵的整体精度应该保证至少在90%以上。

据理论说，融合后的图像分类精度比融合前的分类精度更高，所以可以采用融合更高分辨率的影像来提高分辨率。

而我的结果却恰好相反，融合后的图像分类精度略低于融合前的。这可能是由于我在处理融合后的图像时不如之前那么细致。

五、课程设计的总结与体会

本次课程设计从方案设计到最后专题图的输出都由我们自己完成，很大程度上地锻炼了我们实践的能力。

当老师第一天让我们完成遥感专题信息提取与专题图制作的总体设计方案和流程图时，我完全不知所措，但还是通过自己的学习和与同学的沟通逐渐的了解下来。

第一周的Erdas实习，我对应用型软件并不是十分感兴趣。但在通过学习的过程中，我对Erdas的优点有了进一步的了解，这更加激励了我对亲自实现其功能的想法。

通过本次课程设计，我更好地认识了遥感，加深理解了理论课上所学的有关遥感的基本原理、遥感传感器的成像机理、遥感图像的处理方法、专题信息提取以及遥感综合应用技术；锻炼了熟练运用遥感软件分析问题、解决具体问题的实际工作能力；培养了我们良好的工作习惯和科学素养，为今后参加科学研究工作以及毕业设计打下了良好的基础。

最后，还是感谢这一周来老师的指导，当然我希望老师能将一些软件使用的小窍门，使我们不再一些小Bug中翻船。

附：宜昌地区水体分布专题图

课程设计报告成绩

项目 文字正确，语句通顺（10分） 内容充实、详略得当（10分） 方案正确、流程合理（10分） 过程清楚、步骤详细、实验结果正确（30分） 对实验结果分析恰当、能找出影响效果的因素和找出改进精度的方法，并叙述正确（30分） 对课程设计有一定的总结与体会（10分） 发现有拷贝、雷同、抄袭（视情况扣大于30分） 总成绩 得分