3S综合实习报告

中国农业大学实习报告（2015学年夏季小学期）报告题目：3S综合实习报告课程名称：3S综合实习任课教师：段增强刘忠班级：土资122班学号：1208140515姓名：张舵成绩23S综合实习报告一.研究区域概况及任务本次实习区基本位于上庄镇范围内，处于北京市城市功能拓展区、中关村国家自主创新示范区的发展区，属于海淀北部的城乡结合部。就发展趋势看，海淀北部新区四镇以京包路为开口成马蹄形向东开放，上庄地处海淀新区规划发展的最前沿，南部地区位于海淀新城中部的核心区域，地理位置开放，区位优势明显。本次实习各小组确定测量点后进行测量，之后各小组的测量点，分别进行图像的几何纠正、图像融合以及影像的解译。二.数据来源本次采用的为SPOT-5卫星拍摄的分辨率分别为2.5米（图1）和10米的图像（图2），2.5米分辨率图像由老师提供，经班长进行几何校正，10米分辨率图像为老师提供的原始图像。图110米分辨率图像图22.5米分辨率图像三.技术路线和软件系统本次实习使用ENVI5.1和ArcMap10.2进行，具体技术路线如下：1.运用ArcGIS中SpatialAdjustment中转换方法进行仿射，对2.5米原始影像进行坐标点纠正。2.通过ENVI进行先进行图像配准，再采用Gram-Schmidt方法进行图像融合，最后目视解译，进行监督分类，完成图像处理。四.数据处理过程及结果1.数据处理过程1.1影像配准1.1.1用ArcGIS的SpatialAdjustment对2.5米分辨率图像进行几何纠正，方法选择“仿射”，点击置换连接工具，单击被纠正要素上的某一个点，并且在基准要素上选择对应点，从而建立起一个置换链接。重复该步骤，至少建立三个链接。注意链接点选在要素特征点上，如拐角处，点位尽量均匀分布。1.1.2加载两张图像，点中10米分辨率的图像，右键点击ChangeBands，改变波段形成红、黄、蓝三色。（图3）3图3改变加载图像波段1.1.3在工具栏中点击GeometricCorrection→Registration→Registrationimagetoimage选择2.5米分辨率图像为base图像（图4），10米分辨率图像为warp图像。图4选择2.5米分辨率为基准图像1.1.4点击Groundcontrolpointsselection→warpimage选择10米图像，多项式次数为2，重采样方式为二次内插法，根据最小控制点数≥（多项式次数+1）²，控制点数选为35个。（图5）图5图像配准参数设置1.1.5通过人工选点进行图像配准，选点时要注意不要找立交桥、楼房，避开阴影处，地势平4坦的的交叉路口可以进行优先选择。（图6）最后通过选点，将所有点RMS（均方根误差）控制在1以内。（图7）图6人工选点图7将RMS控制在1以内1.2影像融合图像融合的方法有Brovey（红绿蓝替换法）、Gram-Schmidt法、HSV（色相饱和度亮度法）和PC（主成分分析法）。分别采用这四种方法进行影像融合如下：1.2.1Brovey（红绿蓝替换法）点击ImageSharpening→ColorNormalized，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图8），得到融合后的影像。图8选择相关影像51.2.2Gram-Schmidt法点击ImageSharpening→PanSharpening，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图9），得到融合后的影像。图9选择相关影像1.2.3HSV（色相饱和度亮度法）点击ImageSharpening→HSVSharpening，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图10），得到融合后的影像。图10选择相关影像1.2.4PC（主成分分析法）点击ImageSharpening→PCSpectralSharpening，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图11），得到融合后的影像。图11选择相关影像61.3影像解译1.3.1目视解译目视解译主要是主要根据颜色、亮度、形状和纹理，目视解读调查区的主要地物类型。（图12）图像类型颜色亮度形状纹理农村建设用地白色、灰白色亮度很高块状、斑块状白色条状纹理，为农村道路耕地浅棕色、深棕色、墨绿色亮度较高规则的块状深灰色条状纹理林地墨绿色、深黑色亮度很低块状或条状内部颜色呈斑点状坑塘水面深黑色、浅蓝色亮度很低块状、条状、线状无明显纹理公路灰色、深灰色亮度较低条带状两边有白色纹理或深黑色纹理，为护栏或护路林。图12目视解译标志1.3.2图像分类（1）ROI（感兴趣区）的选取点击File→RegionofInterestTool进行感兴趣区选择，具体地物颜色设定如下（图13）。图13不同地物颜色设定7通过不同颜色进行选取后形成以下图像（图14），将图像导入n维可视化界面，旋转图像，通过新建一个class将所有像元每个集群分隔开（图15）。图14选择感兴趣区后的图像图15导入n维可视化并处理图像（2）监督分类实习采用监督分类的方法，以Gram-Schmidt形成的图像为基础，分别使用最大似然法、最小距离法和平行管道法，以求进行处理结果的对比。三种方法都是在工具栏Classification中选取，弹出的界面基本一致都要设定输入文件（图16），从而获得处理后的图像。图16最大似然法弹出的对话框82.数据处理结果及分析2.1图像配准时设定多项式为2次多项式，所有35个点的RMS（均方根误差）均小于1，配准后的图像结果如下图（图17）。图17图像配准结果2.2图像融合结果本次实习操作依次采用了Brovey法、Gram-Schmidt法、HSV法和PC方法对图像进了处理。（图18、图19、图20、图21）图18Brovey法处理的图像图19Gram-Schmidt法处理的图像图20HSV法处理的图像图21PC法处理的图像9对比上述三幅图所得的图像，图像融合后，Brovey的图像以面积较小的被融合图像边界为标准，Gram-Schmidt法、HSV法和PC法处理后的图像形状均为以面积较大的图像边界为标准，但是融合后的仍能隐约看到扭曲的扭曲的地物形状的影子。利用Brovey法处理后图像明显变暗，推测与红绿蓝相互替换和波段限制有关，其他三种方法融合后的影像基本保持了原始2.5米分辨率全色波段影像的亮度，Gram-Schmidt图像与PC方法处理的图像很相似，但是相对要融合的更好一些，HSV方法则更贴近于高分辨率图像。2.3监督分类结果监督分类前在设定感兴趣区时，选择了五种地物，分别为耕地（黄色）、林地（绿色）、农村宅基地（红色）、坑塘水面（蓝色）和公路（灰色），在具体操作当中，分别采用了最大似然法、最小距离法和平行管道法，并依次用五种地物、四种地物和三种地物来测试效果。（图22、图23、图24）图23最大似然法图像（从左到右依次为五种地物、四种地物（不含公路）和三种地物（不含坑塘、公路））图24最小距离法图像（从左到右依次为五种地物、四种地物（不含公路）和三种地物（不含坑塘、公路））图25平行管道法图像（从左到右依次为五种地物、四种地物（不含公路）和三种地物（不含坑塘、公路））10根据上述三种方法进行的监督分类，通过最大似然法获得的分类影像无法掩蔽前述融合影像的影响，两个图像互相影响的程度比较大，对于坑塘水面和林地的光谱分辨较差，因而出现了比较多的混杂现象，对于农村宅基地的凸显较好，基本轮廓都显示出来。最小距离法比较好的掩蔽了融合影像形状的影响，突出问题是耕地、林地和坑塘水面的辨析度较差，在五种地物都具有时，对于公路等轮廓线显示的很好，不含公路的第二张图中，对于林地位置显示的比较准确，说明公路和林地的色彩还没有完全分开。在只含有耕地、林地和农村宅基地的图中，对于农村宅基地的显现最好，基本上一些村内的农村居民聚居地都有所显示。平行管道法在本次实习操作中效果最为不佳，全图整体呈现黄色，除了部分道路和农村宅基地以红色呈现外，没有其他特别的地物类型。在五种地物都有、四种地物、三种地物变换中，图像基本没有变化，表明平行管道法的光谱分辨率效果不是很好。五.相关问题分析1.图像配准的问题1.1在对2.5米分辨率图像进行几何纠正前，对于控制点的坐标点测量存在很大误差。两天设定的基准站坐标位置有所偏差，各小组实际测量时对于气泡水平居中的掌控不够好。1.2在内业进行实际配准时，产生了一些问题。将全色波段2.5米影像与多光谱波段进行配准时，只是以多光谱的一个波段作为标准（图24），存在色彩匹配的偏差。图24选择warpband1.3在融合过程中，选择多项式次数为2，经过后期实验，当多项式次数为1时产生平移效果，多项式次数为2时发生了扭曲，这也是导致后来图像配准后发生图像扭曲的原因（图25）。在次数为2时，进行了多次实验，无论RMS是否小于1，均会发生相应的扭曲现象。。图25多项式次数为1时配准图像112.图像融合的问题图像融合中采用了多种方法，包括Brovey法、Gram-Schmidt法、HSV法和PC的方法，这些方法产生的图像，与其本身处理方式有关。2.1Brovey方法：该方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中每个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或二次卷积技术将彩色波段重采样到高分辨率像元尺寸。输出的像元与高分辨率数据像元大小相同。2.2Gram-Schmidt方法：该方法可以对具有高分辨率的高光谱数据进行锐化。第一步，从低分辨率的波谱波短中模拟出一个全色波段。第二步，对该全色波段和波谱波段进行Gram-Schmidt变换，其中模拟的全色波段作为第一个波段。第三步，用Gram-Schmidt变换后的第一个波段替换高空间分辨率的全色波段，最后，应用Gram-Schmidt反变换构成pan锐化的波谱波段。2.3HSV方法：该方法属于一种颜色变换融合方法，就是把标准的RGB图像变换为色度H、饱和度S和亮度V图像。2.4PC方法：用PC可以对高空间分辨率图像进行锐化，第一主成分是其他波段加权和。以上四种方法的不同处理方式，使得图像处理后亮度、饱和度等方面产生很大的不同，特别是图像表面有一层蓝色的不规则图形，是图像融合效果的重要指标，单纯从本次操作而言，Brovey对图像信息丢失的比较多。其他三种方法融合不完全与前一步图像配准时没有完全切合有极为重要的关系。3.图像分类的问题3.1最大似然法也称为最大概似估计，也叫极大似然估计，是一种具有理论性的点估计法，此方法的基本思想是:当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大，而不是像最小二乘估计法旨在得到使得模型能最好地拟合样本数据的参数估计量。这种方法采用时，对于相似光谱分辨率的合并程度比较大，如果上步图像配准和融合效果比较好，则进行本步骤时效果会比当前好得多。3.2最小距离法是指求出未知类别向量到要识别各类别代表向量中心点的距离，将未知类别向量归属于距离最小一类的一种图像分类方法。因而其图像色彩多取自附近计算机自动标定的标准色彩，因而相邻色彩影响比较大。但是，对于线状地物比如公路等，设置感兴趣区为灰色的地物，在三种方法中呈现的最好，但是其对水体等分类效果不是很好。3.3平行管道法使用简单的分类规则进行多光谱遥感图像分类，决策线在n维光谱空间中是一个平行的管道，管道的直径根据距离标准差来决定，如果某个像元落在某一类平行管道的阈值范围内，则划分到该类别中，若落在多个类中，则归为最后是别的类别中。相对而言，这种方式对于本次实习操作呈现的效果不好，原因可能是因为图像融合不完善，造成最后只有黄色和红色两种颜色的表现。六.实习感受和总结本次实习是第一次基于ENVI软件自行进行软件学习和图像处理，对于以后的学习和工作必然有很多大的积极作用，对于我们以后进行完整的土地管理3S过程意义重大。实行当中也存在了一些问题，但是这个过程也是不断进行积极探索