用erdas進行遙感拼接
- 2022-02-22
你先檢查一下你所拼接的兩幅影像的波段數和相關引數是否一致,比如說你一個三波段的和一個六波段的怎麼拼啊。
針對TM影像的一般處理流程
1、影象匯入
在ERDAS的Import/Export模組中,分別匯入TM影象的第1、2、3、4、5、7波段,具體操作步驟為
① 點選import模組,開啟對話方塊
② 選擇type型別為TIFF
③ media為file;
④ 然後選擇輸入、輸出檔名路徑和檔名
⑤ 分別對123457波段進行匯入;
⑥ 在此之前可以選擇session->preference,選擇輸入、輸出主目錄。
2、影象波段合成
在erdas的interpreter模組中將單波段影像進行合成,生成多波段檔案,具體操作步驟為:
interpreter->utilities->layer stack,
① 在出現的對話方塊中import框中依次選擇需要合成的波段,每選擇輸入一個波段用Add新增一次;
② output file選擇匯出檔案路徑及命名檔案。
③ Data type 設為 Unsigned 8 bit;
④ Output option 設定為Union ,選中 ignore zero stats;
⑤ 進行操作。
3、用shape檔案進行影象切割
3。1 Shape檔案製作AOI檔案:
① 在ERDAS中點選Import圖示,出現Import/Export對話方塊
② 選中Imput,Type欄選擇Shapefile,Media欄選擇File,在Input File(*。shp)中確定要轉換的shape檔案,在Output File(*。arcinfo)中確定輸出路徑及名稱,單擊OK按鈕,出現Import Shapefile對話方塊,單擊Import Shapefile Now。
③ 注意此步驟中輸出路徑及輸出名稱均為英文字母
④ 建立拓撲多邊形
⑤ 在Arcgis中開啟ArcToolbox,Data Management Tools—>Topology—>Build,雙擊Build,出現Build對話方塊,在Input 中填入*。arcinfo檔案的路徑,Feature選擇Poly
⑥ 單擊OK按鈕。
⑦ 在ERDAS中開啟一個viewer視窗,開啟arc coverage檔案,新建一個aoi層(New—>AOI Layer)
⑧ View—>Arrange Layers Viewer開啟Arrange Layers Viewer對話方塊,在Vector圖層上單擊右鍵,選擇Show Properties,開啟Properties對話方塊,選中Polygon,點選Apply按鈕。
⑨ 在View視窗中開啟AOI工具欄,先選中內部區域,再點選 ,產生aoi,選中該aoi,單擊File—>Save—AOI Layer as,儲存為aoi檔案。
3。2 用AOI檔案進行對遙感影象切割
在ERDAS圖示面板工具條中單擊Data Prep圖示,Subset,開啟Subset對話方塊。在Subset對話方塊中需要設定下列引數:
⑩ 輸入檔名稱(Input File)
輸出檔名稱(Output File)
單擊AOI按鈕確定裁剪範圍
開啟Choose AOI對話方塊
在Choose AOI對話方塊中確定AOI的來源為File(或Viewer)
如果選擇了檔案(File),剛進一步確定AOI檔案;否則,直接進入下一步
輸出資料型別(Output Data Type)為Unsigned 8 Bit,輸出檔案型別(Output Layer Type)為Themetic
輸出象元波段(Select Layers)為1 :6(表示選擇1-6六個波段)
輸出統計忽略零值,選中Ignore Zero In Output Stats複選框
單擊OK按鈕
4、影象預覽
在開始進行分類之前,需要先仔細檢視合成後的影象,確定衛片所覆蓋的地理區域及海拔範圍,確定主要的地標性元素。由於衛片原始資料的差異,同樣的地表覆蓋物斑塊在不同時期的衛片中或不同地區的衛片中顯示的顏色都可能不同,所以在預覽中,還要熟悉整個範圍內的地表覆蓋型別和不同地物之間的變化。
①開啟顯示視窗,載入裁切後的6通道的影象(4,3,2)或者(4、5、3)、(7,4,2);
②把影象縮小至適合視窗,瀏覽影象,注意河流、城鎮、植被、水體、土壤的分佈;
③選擇特定區域放大,檢視各種不同的地表覆蓋物型別的分佈及色調變化;
根據經驗,在4,3,2(RGB)的波段組合下,各種地表覆蓋物型別的特點如下:
a.森林——森林顯示出棕色、紅色、褐色等一系列多變的色調。在高海拔地區,成熟針葉林為很濃的棕色或暗紅色;在中低海拔地區,森林的顏色多變,從棕色到紅色到暗綠色都有,部分落葉林在冬季呈現出鏽黃色;
b.灌叢和草甸——相對於臨近的森林斑塊,灌叢和草甸呈現出明亮許多的紅色到淺紅色。在高海拔地區,大片的草地在夏季可能為淺紅或鏽紅色,而冬季則呈現青綠色;
c.湖泊、河流——湖泊通常為邊界清晰的黑色斑塊,河流則顯示為黑色或深藍色。在冬季,水面結冰或覆蓋有雪則顯示出不同深淺的紫紅色;
d.城鎮——很明顯的比較亮的灰色或青灰色斑塊,通常可見有規則的灰色線條(公路)穿過;
e.農田——顏色多變的綠色、灰色、淡紫色、淺紅色斑塊,通常沿河谷兩側不規則分佈,在平原區則大片分佈。河道邊的水田往往顯示出富含水分的青灰色。
5、 影象分類
5。1 進行非監督分類
步驟:
第1步:啟動非監督分類
在ERDAS圖示面板工具條中單擊Classifier圖示,開啟Classification 對話方塊,單擊Unsupervised Classification 按鈕,開啟Unsupervised Classification對話方塊
第2步:進行非監督分類
在Unsupervised Classification對話方塊中進行下列設定:
① 確定輸入檔案(Input Raster File)(要進行分類的檔案);
② 確定輸出檔案(Output File)(產生的分類檔案),檔名定為ppprrr_YYYYMMDD_123457_unsupervised_15。img;
③ 選擇生成分類模板檔案Output Signature Set,確定模板檔名稱,命名同上;
④ 確定聚類引數(Clustering Options),需要確定初始聚類方法與分類數:
⑤ 預設選擇Initialize from Statistics(按照影象的統計值產生自由聚類);
⑥ 確定初始分類(Number of classes)為15(分為15類);
⑦ 單擊Initializing Options按鈕,開啟File Statistics Options對話方塊,設定一些統計引數,一般採用預設值;
⑧ 單擊Color Scheme Options按鈕,開啟Output Color Scheme Options對話方塊,設定分類影象彩色屬性,此處單擊Approximate True Color,採用RGB對應453波段合成。
⑨ 其他引數採用預設值。
⑩ 單擊OK按鈕(關閉Unsupervised Classification對話方塊,執行非監督分類)。
5。2 定義分類模板
(1)步驟:
Main->Image Classification->Classification->Signature Editor,開啟分類模板編輯器。在Viewer視窗下的Raster下開啟Tools圖示,選擇多邊形AOI繪製。
(2)定義模板原則
①必須在分類之前就知道研究區域的森林型別、覆蓋範圍以及影象的疊和現象,以保證輸出分類的連續性。
②當建立訓練區時,對於每一個類別都有一些子類,每個子類選擇的AOI區域應該不少於5個,並且每個AOI區域內象素的顏色型別一致,跳躍不能很大,即不出現雜色。
5。3 執行監督分類
① 依次選擇:Main->Image Classification->Classification->Supervised Classification,開啟監督分類對話方塊。
② 輸入原始檔案
③ 定義輸出檔案
④ 確定分類模板檔案
⑤ 選擇輸出分類距離檔案為Distance File
⑥ 定義分類距離檔案
⑦ 選擇非引數規則(Non-Parametric Rule)為Feature Space
⑧ 選擇疊加規則(Overlay Rule)為Parametric Rule
⑨ 選擇未分類規則(Unclassified Rule)為Parametric Rule
⑩ 選擇引數規則為Maximum Likelihood(即最大似然法)
取消選中Classify zeros複選框
OK執行監督分類。
5。4 後期檢查修正
開啟兩個viewer視窗,進行連結(選擇link工具)。並可以選擇aoi的顯示功能檢查子類選擇的正確性。反覆驗證、修改模板。
5。5 重新分類
重複以上步驟,重新分類,達到最佳分類結果
6、 影象拼接
7、分類重編碼
將分類結果影象進行分類重編碼,減少分類數量。判斷每個分類的專題屬性,對相近或類似的分類透過影象重編碼進行合併,並定義分類名稱和顏色。
① Main->Image Interpreter->GIS Analysis->Recode
② 確定輸入、輸出檔案;
③ 設定新的分類編碼(Setup Recode),開啟Thematic Recode表格,根據需要改變“New Value”欄位取值(直接輸入);
④ 單擊OK;
⑤ 單擊OK
8、 濾波① Image Interpreter | GIS Analysis。。。 | Eliminate。。。;
② 輸入檔案為“。。_ clp4。img”,輸出檔案為“。。。_ elim25。img”;
③ “Minimum”選擇“25”;(因為象素解析度為28。5M,25個象素接近於2公頃;這樣最小圖斑為2公頃)
④ “Output”選擇“8bit”
但是你舉得例子是分析煤炭使用量,對於每個區,1-100噸的著綠色,101-500噸著紅色,這好像是符號化的問題吧,具體哪個區是1-100噸,哪個區是101-500噸的,是已知的還是要根據影像光譜特徵計算機分類得到的,建議把問題說詳細一些。