遥感软件应用复习

1、第一章遥感数字图像：是以数字形式采集、存储、运算、表达、传输的遥感影像，它的最基本单位是像素。图像转换：在遥感图像使用中，根据目的的不同，有时需要将模拟图像输入计算机进行处理，处理完后又需要将数字图像转换为模拟图像输出。数字图像校正：包括辐射校正和几何校正。辐射校正：指校正因大气的影响和因传感器本身影响而产生的辐射误差，进入传感器的电磁辐射强度反映在遥感数字图像上就是亮度值，辐射强度越大，亮度值越大，该值与地物的反射率或发射率保持一定的对应关系，但因大气辐射的影响，受传感器本身产生辐射误差的影响，这种关系发生了改变，这一部分就是需要校正的部分。几何校正：当遥感数字图像在几何位置上发生变化，产生

2、诸如行列不均匀、像元大小与地面大小对应不准确、地物形状不规则变化时，即说明遥感数字图像发生了几何畸变，校正几何畸变的工作称之为几何校正。图像增强：采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度，突出所需的信息的工作。多源信息复合：是指将多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。填空像素的最基本的三个特征：像素的大小、像素的空间位置以及像素的属性。遥感数字图像像素的属性特征包括亮度、色彩两个方面。遥感数字图像处理，根据抽象程度不同可分为三个层次：狭义的图像处理、图像分析和图像解译。数字图像处理的方法：对比度增强、空间滤波、彩色变换、图像运算和多

3、光谱变换等通用二进制数据格式主要包括三种数据类型：BSQ格式、BIP格式、BIL格式。二维视窗是显示栅格图像、矢量图形、注记文件、AOI等数据层的主要窗口。叠加显示操作分为混合显示工具、卷帘显示工具、闪烁显示工具。数据信息查询分为光标查询功能、量测功能、图像信息显示。简答根据遥感数字图像处理的目的不同，遥感图像数字处理大致可分为几种？1） 图像转换：在遥感图像使用中，根据目的的不同，有时需要将模拟图像输入计算机进行处理，处理完后又需要将数字图像转换为模拟图像输出。2） 数字图像校正：包括辐射校正和几何校正。辐射校正：指校正因大气的影响和因传感器本身影响而产生的辐射误差，进入传感器的电磁辐射强度

4、反映在遥感数字图像上就是亮度值，辐射强度越大，亮度值越大，该值与地物的反射率或发射率保持一定的对应关系，但因大气辐射的影响，受传感器本身产生辐射误差的影响，这种关系发生了改变，这一部分就是需要校正的部分。几何校正：当遥感数字图像在几何位置上发生变化，产生诸如行列不均匀、像元大小与地面大小对应不准确、地物形状不规则变化时，即说明遥感数字图像发生了几何畸变，校正几何畸变的工作称之为几何校正。3） 数字图像增强：采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度，突出所需的信息的工作。4） 多源信息复合：是指将多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。

5、5） 遥感数字图像计算机解译处理：综合运用地学分析、遥感图像处理、地理信息系统、模拟识别与人工智能技术，这些技术的运用都应在计算机系统支持下运行，采取相应的遥感数字图像的处理方法。简述实现一幅栅格图像显示操作。第一步：启动程序在工具条单击Open Layer， 打开Select layer To Add对话框。第二步：确定文件。在Select layer To Add对话框中有File和Raster Options两个选项卡，其中File选项卡即用于确定图像文件。第三步：设置参数。在Select layer To Add对话框中单击Raster Options选项卡，进入设置参数状态。第四步：

6、打开图像。单击Select layer To Add对话框中OK按钮，显示图像。文件显示顺序的调整。视窗菜单条：选择ViewArrange Layers命令，打开Arrange Layers Viewer对话框。在Arrange Layers Viewer对话框中点击鼠标左键或拖动文件以调整文件顺序，然后应用（Apply） 显示顺序调整，并关闭（Close）Arrange Layers Viewer对话框结束文件显示顺序操作。第二章图像校正主要指辐射校正和（），辐射校正包括（），（），（），（）（）。图像校正方法按照采用的属性模型而不同，一般有（），（），（）。像元重采样的方法有（），（），（

7、），（）；其中最简单，计算速度快的是（），产生的图像比较平滑但计算工作量的的是（）。ERDAS分辨率融合提供三种方法：（），（），（）。几何校正，传感器的辐射校正，大气的辐射校正，照度校正，条纹和斑 点的判定和消除多项式法，共线方程法，随机场内的插值法最邻近插值法，双线性插值法，三次卷积插值法，双三次样条插值法， 最邻近法，三次卷积法主成分变换融合，乘积变换融合，比值变换融合图像拼接就是将具有地理参考的若干幅互为邻接（时相往往可能不同）的遥感数字图合并成一幅统一的新图像，输入图像必须经过几何校正处理或者进行过校正标定。图像融合技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提

8、取各自信道的信息，最后综合成同一图像以供观察或进一步处理。数字正射校正的实质就是将中心投影的影像通过数字校正形成正射投影的过程，其原理是将影像化为很多微小的区域，根据有关的参数利用相应的构像方程式或按一定的数字模型用控制点就算，求得结算模型，然后利用数字高程模型对原始非正射影像进行纠正，使其转换成正射影像。规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标就可以确定图像的裁剪位置，整个裁剪过程比较简单，不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，不能通过左上角和右下角两点的坐标确定裁剪范围，而必须事先设置一个完整的闭合多边形区域，可以利用AOI工具创建裁剪多边形，

9、然后利用分幅工具进行分割。（1）准备工作首先要根据研究对象和专业要求，挑选数据合适的遥感图像。在拼接时，应尽可能选择成像时间和成像条件接近的遥感图像，以减轻后续的色调调整工作。（2） 预处理工作主要包括：a 辐射校正 b 去条带和斑点c 几何校正（3） 确定实施方案在进行多幅图像拼接时，拼接方案的确定是最为重要的，其好坏与否直接影响到工作时间和工作量。为此，需要首先确定标准像幅，一般位于研究区中央，其次确定拼接顺序，即以标准像幅为中心，有中央向四周逐步进行。（4） 重叠区确定遥感图像拼接工作的进行主要是基于相邻图像的重叠区。无论是色调调整，还是几何拼接，都是将重叠区作为基准进行的，其准确与否直

10、接影响到拼接的效果。（5） 色调调整不同时相或成像条件存在差异的图像，由于要拼接的图像辐射水平不一样，图像的亮度差异比较大，若不进行色调调整，拼接后的图像，即使几何位置很精确，也会由于色调不同，而不能够很好的满足应用。此外，成像时相和成像条件接近的图像，也会由于传感器的随机误差造成不同像幅的色调不一致，从而影响应用的效果。因此必须进行色调调整这一工作。（6） 图像拼接拼接就是在相邻两幅图像的重叠区内找到一条边线（剪切线），剪切线的质量直接影响拼接图像的效果。在拼接过程中，即使两幅图像进行色调调整，接缝处也有色调不一致，为此还需要在重叠区进行色调的平滑，这样才能够在拼接好图像中无接缝存在。11.

11、（1）打开两个平铺窗口 在ERDAS图标面板菜单条选择 Session| Tile Viewers 命令，平铺窗口（2）建立窗口地理联系关系 在Viewer #1 中右击，在快捷菜单中选择 Geo Link/Unlink 命令，在Viewer #2 中单击，建立与Viewer #1 的连接（3）通过查询光标进行检查 在Viewer #1中右击，在快捷菜单中选择 Inquire Cursor 命令，打开光标查询窗口在Viewer #1 中移动查询光标，观测其在屏幕中的位置及其匹配程度，并注意光标查询窗口中数据的变化。12. (1)数据准备：包括资源卫星影像数据，航空影像数据，大地测量成果，航天器

12、轨道参数和传感器姿态参数的手机和分析，所需控制点的选择和量测等。（2）输入显示数字影像：按规定的格式将遥感数字影像用专门的程序读入计算机。（3）确立校正变换模型：校正变换模型是用来建立输入与输出影像间的坐标变换关系。校正方法按照采用的数学模型而不同，一般有多项式法，共线方程法，随机场内的插值法等。由于多项式法原理比较直观，使用上较为灵活且可以用于各种类型的图像，因而遥感图像几何校正的空间变换一般采用多项式法。（4）确定输出影像范围：输出影像范围定义恰当，纠正后的影像就全部包括在定义的范围内，且能够使空白影像面积尽可能少。否则会造成纠正后的影像未被该范围全部包括，输出影像空白过多。（5）像元空间

13、坐标变换：像元空间坐标变换是按选定的校正函数把原始的数字影像逐个像元地变换到输出影像相应的坐标上去，变换方法分为直接纠正和间接纠正（正解法和反解法）。两张方法的像元灰度赋值略有差别。（6）像元的灰度重采样：重采样过程就是依据未校正图像像元值生成一幅校正图像的过程，原图像中所有栅格数据层将进行重采样，常用方法有最邻近插值法，双线性内插法和三次卷积内插方法。（7）输出纠正数字影像：经过逐个像元的几何位置变换和灰度重采样得到的输出影像数据需要的格式写入纠正后的影像文件。第三章1、辐射增强：是一种通过直接改变图像中的像元的灰度值来改变图像的对比度，从而改善图像视觉效果的图像处理方法。2、直方图均衡化：

14、对图像进行非线性拉伸，重新分配像元值，使一定灰度范围内像元的数量大致相等，原图像上频率小的灰度级被合并，频率高的被拉伸，是亮度集中的图像得到改善，增强图像上大面积地物与周围地物的反差。3、直方图匹配：对图像查找表进行数学变换，使一幅图像某个波段的直方图与另一幅图像对应波段类似，或使一幅图像所有波段的直方图与另一幅图像的所有对应波段类似4亮度反转：对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像，原来亮的地方变暗，原来暗的地方变亮，它是线性拉伸的特殊情况5、降噪处理：利用自适应滤波方法去除图像中的噪声，该技术在沿着边缘或平坦区域去除噪声的同时还可以很好地保持图像中的一些微小的

15、细节6、空间滤波：强调像元与其周围相邻像元的关系，采用空间域中领域处理的方法，在被处理像元周围的像元的参与下进行运算处理7、卷积增强：是通过卷积运算来改变图像的空间频率特征，卷积运算是在空间域上对图像进行领域检测的预算。8、锐化增强：通过对图像进行卷积滤波处理，使整幅图像的亮度得到增强而不改变其专题内容，从而达到图像增强的目的9、聚焦分析：用所选窗口内的像元按照聚焦函数的定义进行运算，可以取领域内所有像元的和、最大值、最小值、均值、中值、标准差等作为新像元的值，从而达到图像增强的目的10、纹理分析（texture analysis）：通过在一定的窗口内进行二次变异分析或三次非对称分析，使雷达图

16、像或其他图像的纹理结构得到增强的方法。 打开方式Main Image InterpreterSpatial Enhancement Texture12、代数运算：根据地物本身在不同波段的灰度差异，通过不同波段之间简单的代数运算产生新的“波段”，来达到突出感兴趣的地物信息、压抑不感兴趣的地物信息的图像增强法。13、植被指数：根据地物光谱反射率的差异做比值运算可以突出图像中的植被特征、提取植被类型或估算绿色生物量，能够提取植被的算法。14、主成分变换：又称K-L变换或霍特林变换，是基于变量之间的相关关系，在尽量不丢失信息前提下的一种线性变换的方法。主要用于数据压缩和信息增强。填空2、直方图均衡化实

17、质上是对图像进行非线性拉伸，重新分配像元值，使一定灰度范围内像元数量大致相等。3、通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异4、亮度反转包含两个反转算法，一个是条件反转（Inverse），另一个是简单反转（Reverse）7、卷积运算主要用于对图像进行平滑和锐化处理。10、非定向边缘检测使用两个常用的滤波器Sobel和Previtt。11、纹理分析的关键是窗口大小的确定和操作函数的定义12、算数运算的基本方法包括加法运算、差值运算、乘法运算、比值运算。13、绿色植物叶子的细胞结构在近红外波段具有高反射性，其叶绿素在红光波段具有强吸收性。因此，在多波段图像中，用红

18、外/红波段的图像比值运算，结果图像上植被区域具有高亮度值，甚至在绿色生物量很高时达到饱和。14、傅里叶变换可以应用于图像特征提取、空间频率域滤波、噪声的去除、图像恢复、纹理分析等。15、在统计滤波操作中，移动滤波窗口大小被固定为55，而乘积倍数大小可以在4.0、2.0、1.0之间选择简答1、ERDAS提供的辐射增强功能（1）查找表拉伸：是遥感图像对比度拉伸的总和，通过修改图像查找表使图像向远志发生变化（2）直方图均衡化：对图像进行非线性拉伸，重新分配像元值，使一定灰度范围内像元的数量大致相等。（3）直方图匹配：对图像查找表进行数学变换，使一幅图像某个波段或所有波段的直方图与另一幅图像对应波段类

19、似。（4）亮度反转：对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像。（5）去霾处理的目的是降低多波段图像或全色图像的模糊度（6）降噪处理：利用自适应滤波方法去除图像中的噪声。（7）去条带处理是针对Landsat TM的图像特点对其原始数据进行3次卷积，以达到去除扫描条带的目的2、对一个波段的图像进行直方图均衡化的具体步骤以及直方图均衡化的特点步骤：（1）统计原图像每一灰度级的像素数和累计像素数（2）统计每一灰度级xa均衡化后对应的新值，并对其四舍五入取整，得到新灰度值xb（3）以新值代替原灰度值，形成均衡化后的新图像（4）根据原图像像素统计值对应找到新图像像素统计值，做出

20、直方图。特点：各灰度级中像素出现的频率近似相等；原图像上像素出现频率小的灰度级被合并，实现压缩；像素出现频率高的灰度级被拉伸，突出了细节信息。3、直方图匹配的具体实现步骤（1）做出原图像的直方图（2）做出原图像的累积直方图Zb=T(xa)，对原图像进行均衡化变换（3）做出参考图像的直方图或确定参考直方图（4）做出参考累积直方图Zb=G(yc)，进行均衡化变换（5）对于原图像中的每一灰度级xa的累计值Zb，在参考累积直方图中找到对应的累计值G(yc)；如果G为数学公式可直接计算求值，则得到对应的新灰度值yc（6）以新值yc替代原灰度值xa，形成均衡化后的新图像（7）根据原图像像素统计值对应找到新

21、图像像素统计值，做出新直方图4、ERDAS提供的空间增强功能(1) 卷积增强：是通过卷积运算来改变图像的空间频率特征。 (2) 锐化增强：通过对图像进行卷积滤波处理，使整幅图像的亮度得到增强而不改变其专题内容，从而达到图像增强的目的 (3)非定向边缘检测：是卷积增强的一个应用，其目的是突出边缘、轮廓、线状目标信息，起到锐化作用(4) 聚焦分析：用所选窗口内的像元按照聚焦函数的定义进行运算，可以取领域内所有像元的和、最大值、最小值等作为新像元的值，从而达到图像增强的目的 (5)纹理分析：是通过在一定的窗口内进行二次变异分析或三次非对称分析，使图像的纹理结构得到增强(6)自适应滤波：是对图像的AO

22、I进行对比度拉伸，从而达到图像增强的目的(7)统计滤波：是对用户选择图像区域外的像元进行改进处理，从而达到图像增强的目的5、傅里叶变换：首先将遥感图像从空间域转换到频率域，把RGB彩色图像转换成一系列不同频率的二维正弦波傅里叶图像；然后在频率域内对傅里叶图像进行滤波、掩膜等各种编辑，减少或消除部分高频成分或低频成分；最后，再把频率域的傅里叶图像转换到RGB彩色空间域，得到经过处理后的彩色图像。6、傅里叶变换的重要性质：对称性。函数的偶函数分量将对应于傅里叶变换后的偶函数分量，奇函数分量也对应于奇函数分量，但是要引入系数j。加法定理。时域中的加法对应于频率域内的加法。回位移定理。函数的位移变化不

23、会引起改变其傅里叶变换的幅值，但会产生一个相位变化。相似性定理。“窄”函数对应于一个“宽”傅里叶变换，“宽”函数对应于一个“窄”傅里叶变换。卷积定理。两个函数卷积的傅里叶变换等于它们各自傅里叶变换的乘积。共轭性。将函数的傅里叶变换的共轭输入傅里叶变换程序得到该函数的共轭。Rayleigh定理。傅里叶变换前后的函数具有相同的能量。8、ERDAS基本代数运算的基本功能：加法运算对同一区域的不同时段图像求平均，这样可以减少图像的加性随机噪声，或者获取特定时段的平均统计特征。差值运算提供了不同波段或不同时相图像间的差异信息，在动态监测、运动目标检测与跟踪、图像背景消除、不同图像处理效果的比较及目标识别

24、等工作中应用较多。乘法运算可用来遮掉图像的某些部分。比值运算可以降低传感器灵敏度随空间变化造成的影响，增强图像中特定的区域；降低地形导致的阴影影响，突出季节的差异。第四章 图像分类一、名词解释1、图像分类：同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。反之，不同类的地物之间具有这些差异。根据这种差异，将图像中的所有像素按其性质分为若干个类别的过程，成为图像的分类。2、非监督分类：非监督分类的前提是假定遥感影像上同类地物在相同的条件下具有相同的光谱特征信息。先对分类过程不施加任何先验知识，仅凭像元的光谱特征，运用迭代自组织数据分析算法，把一组像素按照相似性归成

25、若干类别。3、监督分类：与非监督分类不同，监督分类是在对遥感图像上地物类别属性已经有了先验知识的基础上进行的，即要从图像中选取所要区分的各类地物的样本，建立模板再进行自动识别。4、专家分类系统：是模式识别和人工智能技术的产物。首先利用某一领域内专家的知识和经验建立知识库，然后依据分类目标提出假设，并制定支持假设的规则、条件和变量，然后运用知识库自动进行分类。5、平行六面体法：在多波段遥感图像分类过程中，对于被分类的每一个类别，在各个波段维上都要选取一个变差范围的识别窗口，形成一个平行六面体。属于这一类别的所有空间点，都落在这一多维的平行六面体。6、最大似然：它是应用最广泛的监督分类方法，分类中

26、所采用的判别函数是每个像元值属于每一个类别的概率或可能性。10、分类图像掩膜：只有产生于特征空间 Signature 才可使用本工具，使用时可以基于一个或者多个特征空间模板。如果没有选择集，则当前处于活动状态（位于“”符号旁边）的模板将被使用。如果特征空间模板被定义为一个掩膜，则图像文件会对该掩膜下的像元作标记，这些像元在视窗中也将被显示表达出来。12、直方图绘制：直方图绘制工具通过分析类别的直方图对模板进行评价和比较，可以同时对一个或多个类别制作直方图，如果处理对象是单个类别，就是当前活动类别，如果是多个类别的直方图，就是处于选择中的类别。通过选择不同类别、不同波段绘制直方图，可以分析其特征

27、。17、聚类统计：聚类统计(Clump)是通过地分类专题图像计算每个分类图斑的面积、记录相邻区域中最大图斑面积的分类值等操作，产生一个 Clump 类组输出图像，其中每个图斑都包含 Clump类组属性。18、过滤分析（Sieve）： Sieve 功能是对经 Clump 处理后的 Clump 类组图像进行处理，按照定义的数值大小，删除 Clump 图像中较小的类组图斑，并给所有小图斑赋予新的属性值0。19、去除分析（Eliminate）： 去除分析是用于删除原始分类图像中的小图斑或Clump 聚类图像中的小 Clump 类组，与sieve 命令不同，将删除的小图斑合并到相邻的最大的分类当中，而且

28、，如果输入图像是Clump 聚类图像的话，经过Eliminate 处理后，将小类图斑的属性值自动恢复为Clump 处理前的原始分类编码。20、分类重编码：非监督分类是不知道实地有多少地物类型，总是先多分出较多的光谱类，然后对照实地情况或根据已有知识，最后确定需要的类别，因此就需要将某些光谱上不同的光谱类合并成专业上相同的地物类。二、填空1、监督分类的判别规则可分为无变量和有变量两种。无变量包括特征空间、平行六面体，有变量包括最大似然、最小距离和马氏距离。2、完成监督分类具体分为以下步骤：定义分类模板、评价分类模板、执行监督分类和评价分类结果。3、评价分类模板的工具包括分类预警、可能性矩阵、特征

29、对象、特征空间到图像掩膜、直方图方法、分离性分析和分类统计分析等工具。4、评价分类结果：执行了监督分类之后，需要对分类效果进行评价，ERDAS 系统提供了多种分类评价方法，包括分类叠加(classification overlay ) 、定义阈值(thresholding)、分类编码 (recode classes)、精度评估(accuracy assessment)等。5、ERDAS中分类处理的方法有：聚类统计、过滤分析、去除分析和分类重编码。6、专家分类系统：专家分类系统又称为基于知识的分类，包括两个核心内容知识库和推理机9、在ERDAS IMAGEING 9.1中分类操作涉及两个模块分类

30、模块和图像解译。12、启动非监督分类模块有两个途径：在ERDAS面板工具中选择DATAPrep | Unsupervised Classification 命令，打开非监督分类对话框。在REDAS面板工具中选择Classifier | Classification | Unsupervised Classification , 打开非监督分类对话框。三、简答1、运用非监督分类对遥感图像进行分类的过程，主要分为以下两个步骤：1）启动非监督分类模块，选择输入、输出影像（1）启动非监督分类模块（2）选择图像处理文件和输出文件设置被分类的图像和分类结果，并选择生成分类模板文件产生一个模板文件。2）设置

31、初始参数，执行非监督分类在非监督分类对话框中分别设置聚类选项和处理选项。（1）选择Classifier | Unsupervised Classification 命令，打开非监督分类对话框，设置输入输出数据，设置聚类选项，确定初始聚类方法和分类数。（2）设置处理选项，确定循环次数和阈值。2、非监督分类分类评价的具体步骤：（1）打开原始图像和分类后的图像。点击ERDAS | Viewer 面板，先后打开原始图像和分类后的图像，在打开分类结果图像时，在 Raster Option 选项卡中取消选中的 Clear Display 复选框，保证两幅图像叠加显示。（2）设置各类别颜色。 打开Radte

32、r Attribute Editer 对话框。 调整字段显示顺序。 设置颜色。(3)确定类别精度并标注类别。 确定类别意义和精度。 标注类别名称和颜色。（4）分类方案的调整。3、监督分类的过程：（一）定义分类模板操作包括分类模板的生成、管理、评价和编辑等，功能主要由分类模板编辑器完成，具体步骤：（1）打开需要分类的影像，点击ERDAS | Viewer面板，打开需要进行分类的影像，并在Raster Option 中设置Red | Green | Blue ，选择 fit to frame。（2）打开分类模板编辑器打开方法有两种：选择 Classifer图标 | Classification |

33、 Signature Editor 命令。打开分类模板编辑器（Signature Editor）对话框。在ERDAS 图标面板菜单条上，选择Main | Image Classification | Classification| Signature Editor 命令，打开分类模板编辑器。（3）调整属性字段在分类编辑器窗口中的分类属性表中有很多字段，可以对不需要的字段进行调整。选择View | Column ，打开 View Signature Column 对话框。（4）选取样本，基于先验知识，需要对遥感图像选取训练样本，包括产生AOI、合并、命名，从而建立样本。考虑到同类地物颜色的差异，

34、因此在采样的过程中队每一地类的采样点不少于10个，选取样本包括产生AOI和建立分类模板两个步骤。（5）保存分类模板，选择Signature Editor面板 | File | Save命令，打开保存对话框，确定是保存所有模板还是只保存被选中的模板，并确定保存分类模板文件的目录和文件名。（二）评价分类模板（1）分类预警评价分类预警评价的步骤：1）产生分类预警掩膜在 Signature Editor 对话框： View Image Alarm 打开Signature Alarm 对话框 选中Indicate Overlap 点击Edit Parallelepiped Limits 按钮 Limit

35、s 对话框 点击SET 按钮 打开Set Parallelepiped Limits 对话框 设置计算方法（Method ）:Minimum/Maximum 选择使用的模板（Signature）:Current OK（关闭set Parallelepiped Limits 对话框） 返回Limits 对话框 Close（关闭 Limits 对话框） 返回 Signature Alarm对话框 OK（执行报警评价，形成报警掩膜） Close（关闭 signature Alarm 对话框） 根据 Signature Editor 中指定的颜色，选定类别的像元显示在原始图像视窗中，并覆盖 在原图像之

36、上， 形成一个报警掩膜。2）利用 Flicker 功能查看报警掩膜 3）删除分类报警掩膜 视窗菜单条： ViewArrange Layers 菜单 打开 Arrange Layers 对话框 右键点击 Alarm Mask 图层 弹出 Layer Options 菜单选择 Delete Layer Alarm Mask图层被删除 App1y （应用图层删除操作） 提示 verify Save on C1ose N0 Close （关闭 Arrange Layers 对话框）（2）可能性评价（3）分类的分离性（三）进行监督分类执行监督分类的具体步骤：ERDAS 图标面板菜单条：MainImage

37、 ClassificationClassification菜单 或ERDAS 图标面板工具条：点击Classifier 图标Classification 菜单 Supervised Classification 菜单项 Supervised Classification 对话框 在 Supervised Classification 对话框中，需要确定下列参数： 确定输入原始文件（Input Raster File） 定义输出分类文件（Classified File） 确定分类模板文件（Input Signature File） 选择输出分类距离文件：Distance File （用于分类结果

38、进行阈值处理） 定义分类距离文件（Filename ） 选择非参数规则(Non_parametric Rule)选择叠加规则(Overlay Rule) 选择未分类规则(Unclassified Rule)选择参数规则(Parametric Rule)不选择Classify zeros （分类过程中是否包括0 值） 说明：在 Supervised Classification 对话框中，还可以定义分类图的属性表项目： 点击Attribute Options 按钮 打开Attribute Options 对话框 通过Attribute Options 对话框，可以确定模板的哪能些统计信息将被包括

39、在输出的分类图像层中。这些统计值是基于各个层中模板对应的数据计算出来的，而不是基于被分类的整个图像。 在Attribute Options 对话框上作出选择 OK （关闭Attribute Options 对话框）OK（执行监督分类，关闭supervised Classification 对话框）4、产生AOI的方法：（1）应用AOI绘图工具在原始图像上获取无论是在原图像还是在下面要讲的特征空间图像中，都是产主 AOI 区域来作为分类模板信息的来源 。 打开Rster工具面板，进入AOI绘制状态，在窗口中选择一种典型地物训练样地，绘制一个多边形AOI。 （2）应用 AOI 扩展工具在原始图像获

40、取分类模板信息 扩展生成 AOI 的起点是一个种子像元。与该像元相邻的像元被按照各种约束条件来考 察，如空间距离、光谱距离等。如果被接受，则与原种子一起成为新的种子像元组，并重新计算平均值，再进行下一步的判断。具体步骤：单击Viewer | AOI | Seed Properties命令，打开 Region Growing Properties对话框。设置相邻像元扩展方式，即在AOI区域周围搜索相邻像元的方式，可以选择周围4个方向进行搜索，也可以选择向周围8个方向进行搜索。设置约束条件，设置最大可搜索的像元面积或者最大可搜索的像元距离。设置光谱距离。Region Grow Option 对话框

41、对应于Region Growing Properties 面板中的option按钮，光谱距离是建立模板时的重要指标，光谱距离的大小，直接影响到各类别之间的可分离程度，具体数值大小根据遥感信息源以及研究区域判定。在Viewer窗口的Rster 的工具面板中，进入生成扩展AOI生成状态，在图像窗口选择一个颜色区域，单击系统将依据定义的区域扩展条件自动扩展生成一个AOI。（3）应用查询光标扩展方法，该方法最大的差别在于设置种子像元的方法不同。单击Viewer | AOI | Seed Properties 命令，打开 Region Growing Properties窗口。选择Utility | I

42、nquiry Cursor 命令，打开Inquiry Cursor对话框或者单击原始图像工具条上的光标按钮，打开Inquiry Cursor 对话框。在原始图像窗口出现十字查询光标，此时移动光标Inquiry Cursor 对话框的坐标值和各波段数值均发生相应变化。单击Region Growing Properties | Grow at Inquire，则在原始图像上会自动产生一个新的AOI.（4）在特征空间图像上生成 生成特征空间图像选择Classifier图标 | Signature Editor | Feature | Creat | Frature Space Layer命令，打开F

43、rature Space Layer对话框，进行一系列设置。关联原始图像与特征图像，选择Signature Editor | Feature | View | Linked Cursor，打开Linked Cursor对话框，进行设置将两个窗口关联起来。确定图像类型在特征空间的位置，并在特征图像上绘制AOI区域。5、影像结果评价：（一）分类叠加（二）精度评估分类精度评估师将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对比的途径之一。具体过程如下：在Viewer中打开分类前的原始图像，以便进行精度评估。在ERD

44、AS图标面板菜单中，选择Main | Image Classification | Classification或ERDAS图标面板工具条，点击Classifier图标的Classification菜单。选择Accuracy Assessment 菜单项，打开Accuracy Assessment对话框。将原始图像视窗与精度评估视窗相连接。Accuracy Assessment 对话框： 工具条：点击Select Viewer 图标（或菜单条：选择View 菜单的 Select Viewer） 将光标在显示有原始图像的视窗中点击一下 原始图像视窗与精度评估视窗相连接在精度评估对话框中设置随机点

45、的色彩Accuracy Assessment 对话框： 菜单条View Change Colors 菜单项打开Change color 面板 在Points with no Reference 确定没有真实参考值的点的颜色 在Points with Reference 确定有真实参考值的点的颜色 OK产生随机点显示随机点及其类别输入参考点的实际类别值设置分类评价报告输出环境及输出分类评价报告Accuracy Assessment 对话框： Report Options 通过点击确定分类评价报告的参数 ReportAccuracy Report （产生分类精度报告） ReportCell Rep

46、ort （报告有关产生随机点的设置及窗口环境） 所有报告将显示在ERDAS 文本编辑器窗口，可以保存为本文件 FileSave Table （保存分类精度评价数据表） Fileclose （关闭Accuracy Assessment 对话框） 通过对分类的评价，如果对分类精度满意，保存结果。如果不满意，可以进一步做有关的修改，如修改分类模板等，或应用其它功能进行调整。6、分类后处理（一）聚类统计ERDAS 图标面板菜单条：MainImage InterpreterGIS Analysis ClumpClump 对话框 或ERDAS 图标面板工具条：点击Interpreter 图标GIS Ana

47、lysis ClumpClump 对话框 Clump 对话框中，需要确定下列参数： 确定输入文件（Input File） 定义输出文件（Output File） 文件坐标类型（Coordinate Type： 处理范围确定（Subset Definition） （缺省状态为整个图像范围，可以 应用Inquire Box 定义子区） 确定聚类统计邻域大小（Connect Neighbors）:8 （统计分析将对每个像元四周的8 个 相邻像元进行） OK （关闭Clump 对话框，执行聚类统计分析）（二）过滤分析ERDAS 图标面板菜单条：Mainlmage InterpreterGIS Anal

48、ysis Sievesieve 对话框 或ERDAS 图标面板工具条：点击Interpreter 图标GIS Analysis Sievesieve 对话框 在 Sieve 对话框中，需确定下列参数： 确定输入文件（Input File） 定义输出文件（Output File） 文件坐标类型 (Coordinate Type) 处理范围确定 (Subset Definition) (缺省状态为整个图像范围，可以应用Inquire Box 定义子区) 确定最小图斑大小（Minimum Size ） OK （关闭sieve 对话框，执行过滤分析）（三）去除分析ERDAS 图标面板菜单条：MainI

49、mage InterpreterGIS Analysis Eliminate Eliminate 对话框 或ERDAS 图标面板工具条：点击Interpreter 图标GIS Analysis Eliminate Eliminate 对话框 在Eliminate 对话框中，需要确定下列参数： 确定输入文件（Input File） 定义输出文件（Output File） 文件坐标类型（Coordinate Type） 处理范围确定（Subset Definition）（缺省状态为整个图像范围，可以 应用Inquire Box 定义子区） 确定最小图斑大小（Minimum） 确定输出数据类型（Ou

50、tput） OK(关闭 Eliminate 对话框，执行去除分析)（四）分类重编码ERDAS 图标面板菜单条：MainImage InterpreterGIS Analysis RecodeRecode 对话框 或ERDAS 图标面板工具条：点击Interpreter 图标GIS Analysis Recode Recode 对话框 在Recode 对话框中，需要确定下列参数： 确定输入文件(Input File) 定义输出文件(Output File) 设置新的分类编码(Setup Recode):点击Setup Recode 按钮 打开Thematic Recode 表格 根据需要改变Ne

51、w value 字段的取值（直接输入） OK （关闭Thematic Recode 表格，完成新编码输入） 确定输出数据类型（Output） OK （关闭）Recode 对话框，执行图像重编码，输出图像将按照New Value 变换专题 分类图像属性，产生新的专题分类图像）可以在视窗中打开重编码后的专题分类图像，查看起分类属性表： 。7、专家分类器由两部分组成，其一是知识工程师，其二是知识分类器，知识工程师为拥有第一手数据和知识的专家提供一个用户界面，让专家把知识应用于确定变量、规则和感兴趣的输出类型，生成层次决策树，建立知识库。知识分类器则为非专家提供一个用户界面，以便应用知识库并生成输出分

52、类。8、知识编辑窗口放置的是决策树，色彩方案在决策树中，不同的颜色具有不同的意义。绿色：表示假设，假设代表的是输出分类，也许有中间假设，它不是最终的输出分类；黄色：表示规则，一条或多条规则定义一个假设，规则为真时假设就为真；蓝色：表示条件，一个或多个条件定义一条规则，所有条件为真时规则才能成立。第五章 高光谱图像处理一、填空题：1、（大气校正）是高光谱遥感图像处理的关键技术之一，是进行高光谱遥感数据定量分析、特征提取、辐射比图像转换和光谱重建等研究的基础。2、ERDAS IMAGINE9.1提供了三个剖面工具，即（光谱剖面）、（空间剖面）、（三维空间剖面）。3、ERDAS IMAGINE9.1

53、光谱数据库：提供了三个光谱库：（美国喷气推进实验室）、（美国地质测量局）和（ERDAS自己建立的地物光谱库），包括大量地物特别是矿物的特征谱线4、（内在平均相对反射率）和（对数残差）都是基于图像特征的反射率反演模型。二、名词解释1、高光谱分辨率遥感（高光谱遥感）：是在电磁波普的紫外、可见光、近红外和中红外波段范围内，获取许多非常窄且光谱连续的影像数据的技术。2、归一化处理：是将每一个像元的光谱值统一到整体平均亮度水平，以减小亮度差异。当图像亮度过于集中，差异较大时，可通过此功能改善图像对比度，从而改善图像质量。4、剖面曲线：通常用平面坐标曲线表示，以波长为横坐标，反射率为纵坐标，它可以直观地反

54、映地物反射率随波长变化的特征，为地物识别、影象信息提取提供依据，是遥感图象分析的基础。5、光谱剖面曲线：描述的是某一像元在所有波段的光谱值的变化。6、空间剖面：反映的是影像上两点之间的横断面亮度值，通过它用户可以看到单波段或多波段连续像元的反射值变化。7、三维空间剖面：可以直观地显示空间数据集的光谱值的空间起伏状况。8、像元均值：计算的是每个像元的平均光谱值，并将计算结果值调整到0255之间。无论输入波段有几个，得到的都是单波段图象。像元均值功能可以根据像元与周围像元集的亮度值比较，检测出异常像元，可以直观地检查坏像元，用来评价传感器的性能。9、光谱均值：计算的是每一波段的像元集的平均光谱值。10、对数残差：是由Gree 和Graig等提出的一种基于图像特征的反射率反射模型，得到地物反射率的对数形式。该功能对太阳辐射衰减、大气影响以及地形的影响有一定的校正作用。三、简答题1、高光谱图像的特点：（1）、波段多，光谱分辨率高，光谱间相关性较强。 （2）、空间分辨率高。高的光谱分辨率和空间分辨率是遥感技术发展的两个方向，这两个方向有趋于统一的趋势。 （3）、由于多段多，狭窄且连续，使得高光谱数据量巨大、数据冗余严重。2、评价影象质量时，为何考虑噪声比？ 答：在评价影象质量时，各通道数据的噪声比是一个非常重要的评价量。噪声的大小决定了地物识别的精度，为了探测地物的吸收