遙感模型實習

1、第一部分：大冶研究區(qū)土地使用情況分析第二部分：葉綠素濃度反演建模第三部分：QuickBird數(shù)據(jù)融合后分類提取實驗3.1影像融合由于數(shù)據(jù)較大，且影像的下部不太清晰有云霧或霾，因此首先截取兩個影像一個相同的部分。用于融合的為多光譜影像wq05may02_m.img和全色影像whdxp.img，分辨率分別為2.4米和0.6米。首先載入多光譜影像wq05may02_m.img，在主影像窗口菜單OverlayVectors，新建一個矢量層，在Scroll窗口畫出裁剪區(qū)域，將裁剪矢量另存為shapefile文件。再將剛保存的shapefile文件打開，投影設置為默認，和兩幅影像的一致。再在Vector

2、Window #x中主菜單，F(xiàn)ile，輸出當前活動層到ROI，在出現(xiàn)的對話框中選擇多光譜影像，點擊Ok，在出現(xiàn)的對話框中選擇第一個，輸出所有記錄到一個ROI，點擊OK。在主影像窗口菜單中載入剛剛輸出的ROI用于裁剪，分別裁剪兩個文件，分別為subm.img和subpan.img。影像融合這里采用Pan Sharpening這個工具。ENVI4.8主菜單SpectralSPEAR ToolsPan Sharpening。高分辨率選擇subpan.img，低分辨率選擇subm.img（選擇第四波段，因為第四波段方差大，信息量大），輸出文件名為subm_pansharp.img。進入下一步。接下來進

3、行兩幅影像的配準，這里選擇自動選點，Use seed points前面不打勾。進入下一步檢查一下配準的誤差，將校正多項式次數(shù)改為2，并將控制點按照誤差大小排序，發(fā)現(xiàn)有三個點誤差較大，ENVI已經(jīng)用紅色標出，這里把這三個點刪除，至此所有的點都變?yōu)榫G色底可以看到單點誤差小于0.5個像素，整體誤差小于0.2像素。點擊進行配準，之后選擇融合方法為Gram-Schmidt，點擊進行融合融合完成。下圖中，左邊為融合后的圖像，右邊為融合前的圖像。3.2完成3種方法分類：3.2.1監(jiān)督分類（一種，如最大似然法、神經(jīng)網(wǎng)絡、支持向量機等）利用MapGIS K9軟件進行監(jiān)督分類。首先打開融合后的影像subm_pan

4、sharp.img。點擊主菜單的影像分類AOI編輯。點擊啟動編輯，在出現(xiàn)的影像AOI類列表視圖的編輯中新建類，進行AOI編輯。載入的是標準假彩色合成圖像，水體一般呈黑色，當然有一些建筑物的頂部和道路也呈現(xiàn)黑色，但水體一般面積較大，形狀不規(guī)則，受到污染的水體可以從其周邊建筑和形狀判斷但顏色不鮮明。植被由于近紅外波段有較高的反射率所以呈現(xiàn)紅色，在山區(qū)，會出現(xiàn)一些黑色斑點。裸地在圖像上呈現(xiàn)灰色。居民區(qū)的由建筑物，道路，廣場，及基礎設施等組成，十分復雜，選樣本時要多幾個樣本，兼顧各種類別。選擇樣本之后，在影像AOI類列表視圖中單擊模板進行保存。也要另存為文件。下圖為選擇的樣本，綠色為植被，藍色為水體，

5、黃色為裸地，灰色為居民區(qū)。接下來進行監(jiān)督分類，這里用最大似然法，主菜單影像分類監(jiān)督分類最大似然法，設置輸入輸出文件。下圖為最大似然法的分類結果。3.2.2非監(jiān)督分類（一種，IsoData）3.2.3面向對象分類均要求分別完成至少一種方法的提取；利用ENVI4.8EX軟件啟動ENVI EX，打開融合后的影像subm_pansharp.img。在Workflows中選擇Feature Extraction，進入面向對象特征提取模塊，然后進入圖像分割，經(jīng)過預覽發(fā)現(xiàn)，分割水平為70的時候分割效果較好，點擊next然后進入合并，合并水平設置為90.接下來設置閥值。這里設為無閥值（默認）下一步計算屬性，按

6、照默認設置，進入下一步設置分類方法或選擇直接輸出矢量，由于需要分類，這里選擇根據(jù)樣本分類，（第二個利用規(guī)則分類）下一步是監(jiān)督分類，需要選擇不同的類別的樣本，這里建立四類：植被，水體，裸地和居民區(qū)（含各類建筑，道路，及其他基礎設施，但不含植被水體）。特征對象的選擇可以根據(jù)預覽分類結果進行修改。點擊next進行分類。下一步設置輸出的分類結果，分別輸出分類矢量和分類影像，并對分類矢量進行平滑處理最后出現(xiàn)特征提取的報告和統(tǒng)計。下圖是分類前后的影像，紅色為水體，黃色為居民區(qū)，綠色為植被，紫色為裸地。3.3精度評價，輸出混淆矩陣、總體精度、Kappa系數(shù)等；3.3.1最大似然法精度評價遙感影像分類精度評價

7、報告:原始影像文件: F:RS遙感文件應用模型實習數(shù)據(jù)選題subm_pansharp.img分類影像文件: 表1：誤差矩陣= 已分參考 水體 植被 裸地 居民區(qū) 總計 未分類 0 0 0 0 0 水體 399952 0 0 4 399956 植被 1 762293 0 0 762294 裸地 0 125 24120 2984 27229 居民區(qū) 8530 2751 389 193536 205206 總計 408483 765169 24509 196524 1394685= 表2：制圖精度= 水體 植被 裸地 居民區(qū) 0.98 1.00 0.98 0.98= 表3：總體精度指標= 總體精度= 0.99 Kappa系數(shù)= 0.993.3.2非監(jiān)督分類精度評價3.3.3面向對象分類精度評價選四類的樣本作為真實ROI。打開融合后的影像，對水體，植被，裸地，居民區(qū)分別選取一些樣本，作為地表真實ROI。ENVI主菜單classificationPost Classification Confusion MatrixUsing Ground Truth ROIs。選擇分類文件為面向對象分類的結果。ENVI已經(jīng)自動為同名的類別匹配，如果名稱不一樣可以手動Add Combination