基于ERDAS IMAGINE的南京市區(qū)植被覆蓋的信息提取

PAGE本科生畢業(yè)論文（設(shè)計(jì)）題目:基于ERDASIMAGINE的南京市區(qū)植被覆蓋的信息提取姓名:學(xué)院:專業(yè):班級(jí):學(xué)號(hào):導(dǎo)教師:職稱:目錄摘要 1關(guān)鍵詞 1Abstract 1Keywords 1引言 11研究概述 21．1課題研究?jī)?nèi)容與主要方法 21．2實(shí)驗(yàn)方案 21．3技術(shù)路線 32遙感圖像的處理與實(shí)現(xiàn) 42．1幾何校正 42．1．1基本原理 42．1．2基本步驟 42．1．3基本方法 42．1．4實(shí)施方案 52．1．5幾何精校正模型 52．1．6在軟件上的實(shí)現(xiàn)過(guò)程： 62．1．7軟件進(jìn)行幾何校正的優(yōu)點(diǎn)： 92．2圖像增強(qiáng) 92．2．1自然色彩變換 92．2．2建立解譯標(biāo)志 112．3植被指數(shù)NDVI的提取 112．3．1植被指數(shù) 112．3．2NDVI的提取 122．4監(jiān)督分類 142．4．1分類的介紹 142．4．2在軟件上的處理 152．5面積的提取 193結(jié)論 20致謝 20參考文獻(xiàn)： 21PAGE1基于ERDASIMAGINE的南京市區(qū)植被覆蓋的信息提取摘要：衛(wèi)星遙感技術(shù)是一項(xiàng)應(yīng)用廣泛的高科技，是當(dāng)代高新技術(shù)的一個(gè)重要組成部分，也是衡量一個(gè)國(guó)家科技發(fā)展水平的重要尺度。隨著遙感技術(shù)的日益發(fā)展，對(duì)所獲取的海量數(shù)據(jù)的處理要求也越來(lái)越高。因此，本文以ERDASIMAGINE系統(tǒng)為操作平臺(tái)，結(jié)合南京市區(qū)的ETM+遙感圖像并進(jìn)行了大量的實(shí)地考察，對(duì)遙感圖像的幾何精校正，圖像融合和監(jiān)督分類等處理過(guò)程做了詳細(xì)的介紹。并按照上述過(guò)程在軟件平臺(tái)上進(jìn)行了成功的處理，獲得了幾何精校正后的遙感圖像，監(jiān)督分類模板等，提取了單一化植被指數(shù)和南京市的植被覆蓋面積。關(guān)鍵詞：遙感；幾何校正；圖像增強(qiáng)；植被歸一化指數(shù)；監(jiān)督分類；ThestudyofvegetationscoverageinformationextractedintheNanjingareabasedontheERDASIMAGINEStudentmajoringinElectronicsandInformationScienceandTechnologyDuYangTutorShenMingxiaAbstract：Thesatelliteremotesensingtechnologywhichisusedinawideregionisanimportantpartofthemoderninnovativeandhightechnologyandanimportantcriterionwhichmeasuresthedevelopmentofacountry.Withthedevelopmentofthistechnologyever-changing,theneedofprocessinglargeamountsofinformationwhicharegotisexpected.Sothispaperpaysattentiontothedetailsofprecisegeometricalcorrection,integration,supervisionandclassificationoftheremotesensingimagesintheERDASIMAGINEsystem,combiningETMandremotesensingimageinNanjingarea,aswellastheon-the-spotinvestigationstimeandtimeagain.Alltheprocessesmentionedabovewerefinishedsuccessfullyonthesoftwareplatform,includingtheimagesafterprecisegeometricalcorrection,thesupervisionandclassificationplatformandsoonaswellastheextractionofsimplifiedvegetationsindexandthecoverageofvegetationsinNanjingarea.Keywords:Remotesensing；geometriccorrection；ImageEnhancement；NDVI；UnsupervisedClassification引言遙感是以航空攝影技術(shù)為基礎(chǔ)，在本世紀(jì)60年代初發(fā)展起來(lái)的一門新興技術(shù)。開始為航空遙感，自1972年美國(guó)發(fā)射了第一顆陸地衛(wèi)星后，標(biāo)志著航天遙感時(shí)代的開始。經(jīng)過(guò)幾十年的發(fā)展，目前遙感技術(shù)已廣泛應(yīng)用于資源環(huán)境、水文、氣象，地質(zhì)地理等領(lǐng)域，成為一門實(shí)用的，先進(jìn)的空間探測(cè)技術(shù)。遙感是利用遙感器從空中來(lái)探測(cè)地面物體性質(zhì)的，它根據(jù)不同物體對(duì)波譜產(chǎn)生不同響應(yīng)的原理，識(shí)別地面上各類地物，具有遙遠(yuǎn)感知事物的意思。也就是利用地面上空的飛機(jī)、飛船、衛(wèi)星等飛行物上的遙感器收集地面數(shù)據(jù)資料，并從中獲取信息，經(jīng)記錄、傳送、分析和判讀來(lái)識(shí)別地物。面對(duì)新的世紀(jì)、新的形勢(shì)，世界各國(guó)政府都在認(rèn)真思考和積極部署新的經(jīng)濟(jì)與社會(huì)發(fā)展戰(zhàn)略。盡管各國(guó)在歷史文化、現(xiàn)實(shí)國(guó)情和發(fā)展水平方面存在著種種差異，但在關(guān)注和重視科技進(jìn)步上卻是完全一致的。這是因?yàn)椋覀兠鎸?duì)的是一個(gè)以科技創(chuàng)新為主導(dǎo)的世紀(jì)，是以科技實(shí)力和創(chuàng)新能力決定興衰的國(guó)際格局。一個(gè)在科學(xué)技術(shù)上無(wú)所作為的國(guó)家，將不可避免地在經(jīng)濟(jì)、社會(huì)和文化發(fā)展上受到極大制約。衛(wèi)星遙感技術(shù)集中了空間、電子、光學(xué)、計(jì)算機(jī)通信和地學(xué)等學(xué)科的最新成就，是當(dāng)代高新技術(shù)的一個(gè)重要組成部分。我國(guó)衛(wèi)星遙感技術(shù)的發(fā)展和應(yīng)用已經(jīng)走過(guò)了多年艱苦探索與攀登的道路。如今，我們欣喜地看到衛(wèi)星遙感應(yīng)用技術(shù)已經(jīng)起步并正在走向成熟和輝煌。眾所周知，近十年來(lái)全球空間對(duì)地觀測(cè)技術(shù)的發(fā)展和應(yīng)用已經(jīng)表明，衛(wèi)星遙感技術(shù)是一項(xiàng)應(yīng)用廣泛的高科技，是衡量一個(gè)國(guó)家科技發(fā)展水平的重要尺度?，F(xiàn)在不論是西方發(fā)達(dá)國(guó)家還是亞太地區(qū)的發(fā)展中國(guó)家，都十分重視發(fā)展這項(xiàng)技術(shù)，無(wú)論在政策、資金，還是在人力、物力上都給予衛(wèi)星遙感以特別的重視和傾斜，寄希望于衛(wèi)星遙感技術(shù)能夠給國(guó)家經(jīng)濟(jì)建設(shè)的飛躍提供強(qiáng)大的推動(dòng)力和可靠的戰(zhàn)略決策依據(jù)。這種希望給衛(wèi)星遙感技術(shù)的發(fā)展帶來(lái)新的機(jī)遇。面對(duì)這種形勢(shì)，我國(guó)衛(wèi)星遙感技術(shù)如何發(fā)展，如何使衛(wèi)星遙感技術(shù)真正成為實(shí)用化、產(chǎn)業(yè)化的技術(shù)，直接為國(guó)民經(jīng)濟(jì)建設(shè)做好先行，是值得我們認(rèn)真思考而且必須做出正確回答的問(wèn)題，同樣它也是當(dāng)前業(yè)界人士關(guān)注的熱門焦點(diǎn)。隨著遙感技術(shù)的迅速發(fā)展，遙感技術(shù)無(wú)論在光譜分辨率、空間分辨率、時(shí)間分辨率等方面都有極大的進(jìn)步，已經(jīng)形成高光譜、高空間分辨率、全天時(shí)、全天候、實(shí)時(shí)/準(zhǔn)實(shí)時(shí)的對(duì)地觀測(cè)能力。這些先進(jìn)的航天遙感技術(shù)為監(jiān)測(cè)全球變化、區(qū)域環(huán)境變化等提供了大量的宏觀、現(xiàn)實(shí)資料，幫助造福人類及其安居環(huán)境。這些技術(shù)的綜合觀測(cè)能力也為農(nóng)業(yè)資源調(diào)查提供了新的手段，特別是遙感在地表資源環(huán)境監(jiān)測(cè)、農(nóng)作物估產(chǎn)、災(zāi)害監(jiān)測(cè)、全球變化等等許多方面具有顯而易見的優(yōu)勢(shì)，并且它正處于飛速發(fā)展中。本課題就是利用遙感軟件RERDASIMGINE將南京市區(qū)的植被覆蓋的地理信息提取，并得到所研究區(qū)農(nóng)作物的生物質(zhì)含量，為職能部門提供宏觀決策的科學(xué)依據(jù)。1研究概述1．1課題研究?jī)?nèi)容與主要方法本課題的研究?jī)?nèi)容是通過(guò)利用ERDASIMAGINE11對(duì)ETM+遙感圖像的處理，對(duì)研究區(qū)的植物進(jìn)行分類，提取出各種植物的面積，并計(jì)算研究區(qū)的植物的生物質(zhì)含量。研究的主要方法是：1.利用所研究區(qū)的遙感數(shù)據(jù)，對(duì)遙感數(shù)據(jù)進(jìn)行預(yù)處理（包括遙感圖像的預(yù)處理、增強(qiáng)處理）；2.利用設(shè)計(jì)的分類器對(duì)處理好的圖像進(jìn)行分類，從而獲得研究區(qū)的每種植物的種植面積；3.用上面獲得的數(shù)據(jù)計(jì)算出研究區(qū)的生物質(zhì)含量。1．2實(shí)驗(yàn)方案（1）對(duì)遙感圖像進(jìn)行預(yù)處理，包括輻射校正、幾何變形改正，消除條帶和噪音等。（2）對(duì)圖片進(jìn)行增強(qiáng)，如對(duì)存在的噪聲信號(hào)進(jìn)行去除（例如：云、霧等），同時(shí)選擇合適的波段進(jìn)行解譯；（3）分析圖面、根據(jù)實(shí)地調(diào)查、專題圖文字資料分析，建立解譯標(biāo)志；（4）利用監(jiān)督分類法進(jìn)行分類。監(jiān)督分類是一種由已知樣本來(lái)外推未知區(qū)域類別的方法，由于利用了人類的先驗(yàn)知識(shí)，因此分類精度較高。在監(jiān)督分類中，首先從圖像數(shù)據(jù)中選擇能代表各類別的樣區(qū)，再對(duì)選擇的樣本依據(jù)所選用的分類器進(jìn)行統(tǒng)計(jì)分析處理，提取出各類別的數(shù)據(jù)特征，并以此為依據(jù)建立適用的判別準(zhǔn)則；然后使用判別準(zhǔn)則逐個(gè)判定各像元點(diǎn)的類別歸屬；最后輸出分類結(jié)果；（5）將各地物面積提取出，并分類進(jìn)行計(jì)算，然后得到所需的全部面積；（6）結(jié)合實(shí)地考察進(jìn)行精度分析。1．3技術(shù)路線首先將遙感圖像結(jié)合已經(jīng)精密矯正過(guò)的電子地圖，進(jìn)行幾何校正，在得到經(jīng)過(guò)校正的遙感圖像后對(duì)其進(jìn)行圖像增強(qiáng)處理，隨后可根據(jù)具體資料標(biāo)出地物，進(jìn)而可提取植被指數(shù)NDVI，或在標(biāo)出地物后進(jìn)行監(jiān)督性分類，將不同的地物分類，獲得它們的面積資料。輸入圖像幾何矯正監(jiān)督分類標(biāo)出地物圖像增強(qiáng)輸入圖像幾何矯正監(jiān)督分類標(biāo)出地物圖像增強(qiáng)處理計(jì)算面積面積輸出NDVI具體資料電子地圖輻射融合提取地物信息圖一技術(shù)路線Figure1Technicalroute1．4采用的軟件處理處理平臺(tái)結(jié)合遙感圖像的處理步驟，決定采用遙感圖像處理軟件ERDASIMGINE。ERDASIMAGINE是美國(guó)ERDAS公司開發(fā)的遙感圖像處理系統(tǒng)。在總體設(shè)計(jì)上,ERDASIMAGINE為不同應(yīng)用層的用戶以模塊化方式提供相應(yīng)的功能。它以IMAGINEEssentials、IMAGINEAdvantage、IMAGINEProfessional及其豐富的專業(yè)化擴(kuò)展模塊為用戶提供了初、高、專等多檔產(chǎn)品,使產(chǎn)品模塊的組合具有極大的靈活性。ERDASIMAGINE具有非常友好、方便的多窗口管理功能,提供了圖形化模型構(gòu)造工具,用戶可以對(duì)IMAGINE本身應(yīng)用的功能進(jìn)行客戶化的編輯,滿足自己專業(yè)的獨(dú)特需求。ERDAS系統(tǒng)不但提供了數(shù)據(jù)轉(zhuǎn)換、圖像增強(qiáng)和圖像解譯等常規(guī)的圖像處理功能,還增加了許多功能。譬如在傳統(tǒng)多光譜分類方法基礎(chǔ)之上(最大似然、最大最小距離、模糊分類等分類器),ERDAS提供了專家工程師及專家分類器工具,為高光譜、高分辨率圖像的快速高精度分類提供了可能[2]。2遙感圖像的處理與實(shí)現(xiàn)2．1幾何校正遙感影像的應(yīng)用主要解決兩個(gè)問(wèn)題,一個(gè)是定性,即回答是什么;一個(gè)是定位,即回答在何處,數(shù)量有多少。所以幾何精校正是圖像預(yù)處理的主要內(nèi)容。在以往的工作中,人們發(fā)現(xiàn)幾何精校正是一項(xiàng)繁雜的工作,操作過(guò)程冗長(zhǎng),效率低,精度難以達(dá)到要求。在資源環(huán)境動(dòng)態(tài)監(jiān)測(cè)中,迅速定位、精確定量是重要的,因而基于目前我國(guó)的技術(shù)設(shè)備水平,在微機(jī)上實(shí)現(xiàn)快速定位具有重要的實(shí)用價(jià)值。對(duì)于行掃描成像的TM衛(wèi)星遙感圖像,很多資源與環(huán)境方面的應(yīng)用可能不考慮地形起伏的影響,多采用多項(xiàng)式來(lái)模擬變形,建立起原始圖像畸變的數(shù)學(xué)模型,將圖像空間的原始影像映射到校正空間。2．1．1基本原理對(duì)于ETM+影像,遙感數(shù)據(jù)的幾何精校正是在系統(tǒng)校正的基礎(chǔ)上,利用地面控制點(diǎn)(GroundControlPoint,簡(jiǎn)稱GCP)的大地測(cè)量參數(shù),修正系統(tǒng)校正模型,進(jìn)而形成精確模型,并對(duì)原始影像進(jìn)行處理,最終生成圖像產(chǎn)品的過(guò)程:系統(tǒng)校正是利用衛(wèi)星下行的星歷數(shù)據(jù)、衛(wèi)星軌道和姿態(tài)數(shù)據(jù)、衛(wèi)星傳感器參數(shù)、及預(yù)處理系統(tǒng)中所規(guī)定的地球模型和地圖投影參數(shù),模擬成像時(shí)衛(wèi)星的狀態(tài)及其視域,并產(chǎn)生與輸出圖像網(wǎng)格對(duì)應(yīng)的重定位方程,即系統(tǒng)校正模型,以此為依據(jù)對(duì)影像數(shù)據(jù)進(jìn)行處理的過(guò)程。在上述過(guò)程中,星歷數(shù)據(jù)的偏差,以及預(yù)處理系統(tǒng)對(duì)衛(wèi)星軌道和姿態(tài)參數(shù)的細(xì)化過(guò)程的人為假設(shè),使得經(jīng)系統(tǒng)校正的TM影像仍存在著少量的內(nèi)部誤差和較大的定位誤差。幾何精校正的關(guān)鍵是地面控制點(diǎn)(GCP)的引入。其主導(dǎo)思想是利用地面控制點(diǎn)的大地測(cè)量參數(shù)和控制點(diǎn)在圖像上的坐標(biāo)及系統(tǒng)模型對(duì)該點(diǎn)坐標(biāo)的預(yù)測(cè)值之間的關(guān)系,建立有系統(tǒng)模型與大地測(cè)量坐標(biāo)系之間的聯(lián)系——幾何精校正模型,以此為依據(jù)對(duì)原始影像數(shù)據(jù)進(jìn)行處理。在具體實(shí)現(xiàn)時(shí),精校正模型的形成過(guò)程是地面控制點(diǎn)不斷被引入、系統(tǒng)模型不斷被精細(xì)化的過(guò)程。在這個(gè)過(guò)程中,由于星歷數(shù)據(jù)的偏差和衛(wèi)星軌道及姿態(tài)參數(shù)細(xì)化時(shí)的不確定性所造成的誤差得以糾正,從而使幾何精校正產(chǎn)品具有較高的幾何精度[1]。2．1．2基本步驟ETM+影像幾何精校正可歸納為以下四個(gè)步驟,即:(1)建立原始圖像與校正后圖像的坐標(biāo)系。對(duì)于校正后的圖像要確立坐標(biāo)原點(diǎn)(起始行和列)、像元的大小以及圖像的大小(行數(shù)和列數(shù))。(2)確定GCP,即在原始畸變圖像空間與標(biāo)準(zhǔn)空間尋找控制點(diǎn)對(duì)。(3)選擇畸變數(shù)學(xué)模型,并利用GCP數(shù)據(jù)求出畸變模型的未知參數(shù),然后利用此畸變模型對(duì)原始畸變圖像進(jìn)行幾何精校正。(4)幾何精校正的精度分析。GCP選擇不精確、GCP數(shù)目過(guò)少、GCP分布不合理以及畸變數(shù)學(xué)模型均不能很好地反映幾何畸變過(guò)程,會(huì)造成幾何精校正的精度下降,因此,必須通過(guò)精度分析,找出精度下降的原因,并針對(duì)此進(jìn)行改進(jìn),然后再重新進(jìn)行幾何精校正這一過(guò)程直到滿足精度要求為止。2．1．3基本方法幾何精校正通常的方法有多項(xiàng)式糾正法、共線方程糾正法、DELAUNEY三角形法等。以下分別進(jìn)行討論。多項(xiàng)式糾正法：多項(xiàng)式糾正法是實(shí)踐中經(jīng)常使用的一種方法,因?yàn)樗脑肀容^直觀,并且計(jì)算較為簡(jiǎn)單,特別是對(duì)地面相對(duì)平坦的情況,具有足夠好的糾正精度。該法的基本思想是回避成像的空間幾何過(guò)程,而直接對(duì)圖像變形的本身進(jìn)行數(shù)字模擬。它認(rèn)為遙感圖像的整體變形可以看作是平移、縮放、旋轉(zhuǎn)、仿射、偏扭、彎曲以及更高次的基本變形的綜合作用結(jié)果,因而糾正前后圖像相應(yīng)點(diǎn)之間的坐標(biāo)關(guān)系中可用一個(gè)適應(yīng)的多項(xiàng)式來(lái)表達(dá)。該法對(duì)各種類型傳感器的糾正都是普遍適用的,缺點(diǎn):高階多項(xiàng)式容易造成圖像產(chǎn)生不應(yīng)有的變形。共線方程糾正法：與多項(xiàng)式糾正法不同,該法是建立在圖像坐標(biāo)與地面坐標(biāo)嚴(yán)格變換關(guān)系的基礎(chǔ)之上的,是對(duì)成像空間幾何形態(tài)的直接描述。因而從理論上來(lái)說(shuō),該法比多項(xiàng)式糾正法嚴(yán)密。特別是該法在糾正過(guò)程中還引入了地面高程的信息,因此在地形起伏較大情況下,它比多項(xiàng)式法更能顯出糾正精度上的優(yōu)越性。缺點(diǎn):需要相應(yīng)地區(qū)的DEM。DELAUNEY三角形法：目前,地理數(shù)據(jù)誤差糾正中通常采用的是最小二乘法。在大多數(shù)情況下,由于最小二乘法本身的局限性,導(dǎo)致由控制點(diǎn)建立起來(lái)的映射不可能將源控制點(diǎn)完全精確地糾正到目標(biāo)控制點(diǎn)的位置上,而在實(shí)際應(yīng)用中有時(shí)又要求糾正要實(shí)現(xiàn)源控制點(diǎn)精確地糾正到目標(biāo)控制點(diǎn)上,此外,當(dāng)源數(shù)據(jù)的變形具有很強(qiáng)的局部性特征,一般的全局坐標(biāo)變換很難達(dá)到良好的糾正效果和精度,因此需要進(jìn)行分塊誤差糾正。其原理是,先由控制點(diǎn)集合將數(shù)據(jù)區(qū)域劃分為三角形格網(wǎng),每個(gè)格網(wǎng)單元中的數(shù)據(jù)作為一個(gè)數(shù)據(jù)塊,每個(gè)格網(wǎng)單元建立該單元自己的糾正變換,該變換由單元的頂點(diǎn)計(jì)算而來(lái),單元內(nèi)的數(shù)據(jù)按照單元自己的變換進(jìn)行糾正,從而使單元內(nèi)的數(shù)據(jù)糾正只與作為單元頂點(diǎn)的控制點(diǎn)有關(guān),實(shí)現(xiàn)了數(shù)據(jù)糾正的局部化。當(dāng)單元是三角形時(shí),采用仿射變換模型。優(yōu)點(diǎn):在保持相應(yīng)精度的同時(shí),速度快。缺點(diǎn):需要較多均勻分布的控制點(diǎn),塊邊界誤差大。綜上，在本課題中宜采用多項(xiàng)式糾正法對(duì)南京市的ETM+遙感圖像進(jìn)行幾何精校正[3]。2．1．4實(shí)施方案選擇糾正坐標(biāo)系糾正坐標(biāo)系:Albers等面積割圓錐投影首先利用ERDASIMAGING的自定義坐標(biāo)系功能,建立AlbersOfNANJING自定義坐標(biāo)系,參數(shù)如下:投影類型:Albers 中央經(jīng)線:120°0′0″E坐標(biāo)原點(diǎn):0°0′0″第一標(biāo)準(zhǔn)緯線:24°00′00″第二標(biāo)準(zhǔn)緯線:36°00′00″緯向偏移:0°經(jīng)向偏移:0°參考橢球:Krasosky2．1．5幾何精校正模型本項(xiàng)工作采用二次完全多項(xiàng)式,即n=2,選取了m(m至少是6)個(gè)地面控制點(diǎn),且滿足m>(n+1)(n+2)/2。原始影像位置以(x,y)表示,x為行號(hào),y為列號(hào),校正影像位置以(X,Y)表示,采用左手坐標(biāo)系。校正變換公式可表示為:（1）其中:,(i=0,1,2,3,4,5)為變換多項(xiàng)式的系數(shù),用最小二乘法原理,可以求解出系數(shù)。因采用的是間接法進(jìn)行影像校正,所以采用下式來(lái)建立校正模型公式:（2）第i點(diǎn)誤差方程形式為:（3）對(duì)于m個(gè)控制點(diǎn),可組成誤差方程：（4）其中設(shè)各個(gè)地面控制點(diǎn)的精度相同,則權(quán)矩陣為單位陣。依據(jù)最小二乘原理,應(yīng)該為最小,得到法方程:（5）由此得到多項(xiàng)式系數(shù)為:其中N=(n+1)×(n+2)/2為必需的控制點(diǎn)數(shù),(m-N)為多余觀測(cè)數(shù)[4]。優(yōu)點(diǎn)是:(1)輸出圖像更平滑,沒有最臨近法可能出現(xiàn)的“鋸齒”效應(yīng);(2)比最臨近法具有更高的空間位置精確性;(3)這種方法常用于圖像的網(wǎng)格大小改變的時(shí)候。缺點(diǎn)是:由于像元被平均,所以雙線性內(nèi)插有低頻、卷積濾波的效果。邊緣被平滑,一些數(shù)據(jù)文件值的極值會(huì)丟失。2．1．6在軟件上的實(shí)現(xiàn)過(guò)程：該系統(tǒng)的圖像預(yù)處理模塊進(jìn)行遙感圖像配準(zhǔn)。步驟為：(1)顯示圖像文件。在ERDAS圖標(biāo)面中雙擊Viewer，在此模塊里打開參考圖像；點(diǎn)擊Datapreparation模塊，在它下面的ImageGeometricCorrection子模塊中，點(diǎn)擊FromImageFile圖標(biāo)，選擇要配準(zhǔn)的圖像，打開偏移圖像。（2)啟動(dòng)幾何校正模塊SetGeometricModel選擇多項(xiàng)式幾何校正模型Polynomial，在下面的對(duì)話框里有個(gè)PolynomialOrder，選擇2就可以，然后單擊Apply應(yīng)用按鈕，關(guān)閉幾何校正模塊。如圖2：圖2幾何校正模塊Figure2SetGeometricModel(3)啟動(dòng)控制點(diǎn)工具。在GCPToolsReferenceSetup對(duì)話框中選擇采點(diǎn)模式，即選擇ExistingViewer單選按鈕；單擊OK按鈕，打開ViewerSelectionInstruction指示器；在顯示作為參考圖像的Viewer中單擊，打開ReferenceMapInformation提示框，單擊OK按鈕，進(jìn)入控制點(diǎn)采集狀態(tài)。(4)采集地面控制點(diǎn)。在參考圖像內(nèi)點(diǎn)擊一個(gè)點(diǎn)，然后轉(zhuǎn)到偏移的圖像內(nèi)找與它相似的點(diǎn)，選夠6個(gè)點(diǎn)后，在GCPTool界面里將出現(xiàn)誤差參數(shù)，由此可以看到所選擇的地面控制點(diǎn)是否準(zhǔn)確。這里需要注意的是這6個(gè)控制點(diǎn)的選擇應(yīng)盡量均勻分布，盡量在全圖范圍里找。而后，每采集一個(gè)輸入GCP，系統(tǒng)就自動(dòng)產(chǎn)生一個(gè)參考GCP，通過(guò)移動(dòng)參考GCP可以逐步優(yōu)化校正模型。如圖3：圖3地面采集點(diǎn)工具Figure3GCPTool(5)采集地面檢查點(diǎn)。以上所采用的GCP的類型均為ControlPoint，用于控制計(jì)算，建立轉(zhuǎn)換模型及多項(xiàng)式方程。而這步所要采集的GCP的類型均是CheckPoint（檢查點(diǎn)），用于檢驗(yàn)所建立的轉(zhuǎn)換方程的精度和實(shí)用性。如果采集的控制點(diǎn)的誤差比較小的話，也可以不采集地面檢查點(diǎn)[5]。(6)計(jì)算轉(zhuǎn)換模型。在GeoCorrectionTools對(duì)話框中單擊DisplayModelProperties圖標(biāo)，打開PolynomialModelProperties（多項(xiàng)式模型參數(shù)）對(duì)話框，在多項(xiàng)式模型參數(shù)對(duì)話框中查閱模型參數(shù)，并記錄轉(zhuǎn)換模型。(7)圖像重采樣。在GeoCorrectionTools對(duì)話框中單擊ImageResample圖標(biāo)，打開Resample（圖像重采樣）對(duì)話框，在Resample對(duì)話框中，定義重采樣參數(shù)。本文定義的重采樣參數(shù)為雙線性插值法。如圖4：圖4幾何校重采樣Figure4GeoCorrectionsResample(8)保存圖像配準(zhǔn)模型。在GeoCorrectionTools對(duì)話框中單擊Exit按鈕，退出圖像配準(zhǔn)過(guò)程。(9)檢驗(yàn)配準(zhǔn)結(jié)果?；痉椒ㄊ?，同時(shí)在兩個(gè)窗口中打開兩幅圖像，其中一幅是配準(zhǔn)后的圖像，一幅是當(dāng)時(shí)的參考圖像，通過(guò)窗口地理連接功能及查詢光標(biāo)功能進(jìn)行目視定性檢驗(yàn)。至此配準(zhǔn)工作完成。校正后圖像如圖5：圖5幾何校正后圖像Figure5GeoCorrectedimagine2．1．7軟件進(jìn)行幾何校正的優(yōu)點(diǎn)：采用ERDAS軟件進(jìn)行幾何精校正的優(yōu)點(diǎn)：上述幾何精校正的全過(guò)程在REDASIMAGING8.7中能迅速實(shí)現(xiàn)。ERDASIMAGING將上述過(guò)程形成模塊,使得幾何精校正的操作過(guò)程簡(jiǎn)單化了。ERDASIMAGING8.4強(qiáng)大的模塊化功能,使復(fù)雜的幾何精校正過(guò)程只需輕輕點(diǎn)擊幾個(gè)按鈕,而不必知道幾何精校正模型和重采樣模型即可實(shí)現(xiàn)。ERDASIMAGING8.7是一種方便快捷的遙感圖像處理軟件[6][7]。2．2圖像增強(qiáng)圖像增強(qiáng)是圖像處理和計(jì)算機(jī)視覺中的一個(gè)非常重要的領(lǐng)域，其主要目的是使處理后的圖像對(duì)某種特定應(yīng)用來(lái)說(shuō)，比原圖像更適用，處理的結(jié)果使圖像更適合于人的視覺特性或機(jī)器的識(shí)別系統(tǒng)，以期達(dá)到最好的顯示效果。2．2．1自然色彩變換在這一步驟中我采用了自然色彩變換。變換過(guò)程中關(guān)鍵是３個(gè)輸入波段光譜范圍的確定。這３個(gè)波段依次是近紅外，紅，綠。在ERDAS上步驟為：（1）單擊Main|ImagineInterpreter|SpectralEnhancement|NatureColor命令，打開NatureColor對(duì)話框。如圖6：圖6自然色彩對(duì)話框Figure6NatureColordialogbox（２）在NatureColor對(duì)話框中，需要設(shè)置輸入文件，輸出文件，輸入光譜范圍，輸出數(shù)據(jù)類型，文件坐標(biāo)類型，處理范圍等，確定后單擊OK。得到結(jié)果如圖7：圖7自然色彩圖像Figure7NatureColorimagine2．2．2建立解譯標(biāo)志用遙感圖像處理軟件根據(jù)融合后的影像上各種地物的形狀，材料及實(shí)地調(diào)查核實(shí)，建立解譯標(biāo)志表示地物類型，分析判讀依據(jù)：河流：在圖像表現(xiàn)為黑色條帶狀，極易辨別樹林：樹林主要沿路與溝渠分布，其單個(gè)樹冠輪廓形狀較清晰，并有樹影，色調(diào)明亮道路：藍(lán)白色或藍(lán)色，連續(xù)平行線延伸竹林：多分布于居民住房的周圍，連片分布，比樹林的樹冠輪廓大，內(nèi)部呈現(xiàn)不均勻顆粒狀紋理，色調(diào)偏暗，需參考輔助資料耕地：連片淺綠、綠、藍(lán)、深藍(lán)色調(diào)，各個(gè)地塊內(nèi)部紋理均一，大多形狀規(guī)則草地：色調(diào)均一，形狀規(guī)則，有片狀紋理特征，多分布于單位辦公區(qū)，企業(yè)廠房院內(nèi)園地：內(nèi)部紋理呈球冠狀或小圓顆粒狀，需參考輔助資料青瓦頂房：屬農(nóng)村宅基地，藍(lán)黑色調(diào)，形狀近似長(zhǎng)方形或規(guī)則多邊形，需參考輔助資料石棉瓦頂房：屬農(nóng)村宅基地，亮藍(lán)色調(diào)，形狀近似長(zhǎng)方形或規(guī)則多邊形，需參考輔助資料水泥頂房：屬農(nóng)村宅基地，淺藍(lán)色調(diào)，形狀近似長(zhǎng)方形或規(guī)則多邊形，需參考輔助資料溝渠：黑色的狹長(zhǎng)帶狀，沿道路和耕地田埂分布灘涂：位于江邊池塘：規(guī)則四邊形，呈深黑色的，多分布于河流邊空地：農(nóng)村房屋間的空地[8][9]2．3植被指數(shù)NDVI的提取2．3．1植被指數(shù)植被指數(shù)是遙感監(jiān)測(cè)地面植物生長(zhǎng)和分布的一種方法。由于不同綠色植被對(duì)不同波長(zhǎng)光的吸收率不同,光線照射在植物上時(shí),近紅外波段的光大部分被植物反射,而可見光波段的光則大部分被植物吸收,通過(guò)對(duì)近紅外和紅波段反射率的線性或非線性組合,可以消除地物光譜產(chǎn)生的影響,得到的特征指數(shù)稱為植被指數(shù)。植被指數(shù)經(jīng)過(guò)近20年的發(fā)展,目前有幾十種,但常用的植被指數(shù)有:歸一化植被指數(shù)NDVI(NormalizedDifferenceVegetationIndex)、比值植被指數(shù)RVI(RatioVegetationIndex)、差值植被指數(shù)DVI(DifferenceVegetationIndex)、土壤調(diào)節(jié)植被指數(shù)SAVI(theSoilAdjustedVegetationIndex)、修正型土壤植被指數(shù)MSAVI(ModifiedSoilAdjustedVegetationIndex)等。在遙感應(yīng)用領(lǐng)域,植被指數(shù)已廣泛用來(lái)定性和定量評(píng)價(jià)植被覆蓋及其生長(zhǎng)活力。植被指數(shù)有助于增強(qiáng)遙感影像的解譯力,并已作為一種遙感手段廣泛應(yīng)用于土地利用覆蓋探測(cè)、植被覆蓋密度評(píng)價(jià)、作物識(shí)別和作物預(yù)報(bào)等方面。植被指數(shù)提取的方法很多,最為常用的一種方法是通過(guò)遙感影像處理軟件對(duì)遙感影像不同波段進(jìn)行處理,從而得到各類植被指數(shù)。本課題主要進(jìn)行的是歸一化植被指數(shù)（NDVI）的提取。NDVI是用于檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度和消除部分輻射誤差等；其取值為：-1<=NDVI<=1，負(fù)值表示地面覆蓋為云、水、雪等，對(duì)可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大；NDVI的局限性表現(xiàn)在，用非線性拉伸的方式增強(qiáng)了NIR和R的反射率的對(duì)比度。對(duì)于同一幅圖像，分別求RVI和NDVI時(shí)會(huì)發(fā)現(xiàn)，RVI值增加的速度高于NDVI增加速度，即NDVI對(duì)高植被區(qū)具有較低的靈敏度；NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、枯葉、粗超度等，且與植被覆蓋有關(guān)。是目前應(yīng)用最廣泛的植被指數(shù)。歸一化植被指數(shù)NDVI定義是：（其中NIR代表近紅外波段,Red代表紅波段）要計(jì)算NDVI,就是在遙感處理軟件中,計(jì)算近紅外波段與紅波段之差,再除以兩個(gè)波段之和。利用遙感影像處理軟件提取植被指數(shù)流程一般為:(1)使用遙感處理軟件打開遙感圖像。(2)依據(jù)植被指數(shù)公式,對(duì)圖像不同波段進(jìn)行波段計(jì)算。(3)生成植被指數(shù)影像文件。在植被指數(shù)的提取過(guò)程中易出現(xiàn)下列問(wèn)題：（1）在計(jì)算歸一化植被指數(shù)NDVI時(shí),此時(shí)若采用NDVI公式直接進(jìn)行波段計(jì)算,如果NIR+RED(近紅外波段+紅波段)的值為零時(shí),對(duì)這些點(diǎn)的計(jì)算就會(huì)產(chǎn)生結(jié)果溢出的現(xiàn)象。此類情況在干旱區(qū)植被覆蓋度較低的遙感影像處理中較為常見。（2）生成NDVI植被指數(shù)影像圖時(shí),如果不進(jìn)行適當(dāng)處理,在對(duì)生成的植被指數(shù)影像文件分析判讀時(shí),就會(huì)與實(shí)測(cè)數(shù)據(jù)產(chǎn)生很大的誤差。特別要注意的是,在計(jì)算植被覆蓋面積、生物量估算、圖像分類等過(guò)程中,衛(wèi)星影像中的這些點(diǎn)就有可能被忽略,計(jì)算結(jié)果的精度就無(wú)法保證[10]。2．3．2NDVI的提取ERDASIMAGINE中的Modeler是一個(gè)面向目標(biāo)的圖形模型語(yǔ)言,用戶可據(jù)此設(shè)計(jì)出高級(jí)的空間分析模型,實(shí)現(xiàn)復(fù)雜的分析和處理功能,整個(gè)過(guò)程只需用其提供的工具欄在窗口中繪出模型的流程圖、指定流程圖的意義、所用參數(shù)等,即可完成模型的設(shè)計(jì),無(wú)需進(jìn)行具體而復(fù)雜的編程過(guò)程。ERDASIMAGINE為用戶提供了高層次的設(shè)計(jì)工具和手段,同時(shí)可使用戶將更多的精力集中在專業(yè)領(lǐng)域的研究。利用ERDAS遙感軟件的圖像處理中的條件判斷功能,對(duì)影像各運(yùn)算波段中的值采取邏輯判斷處理,即對(duì)植被指數(shù)波段運(yùn)算公式中分母值為零的情況特殊處理,以避免運(yùn)算結(jié)果產(chǎn)生溢出的情況。在ERDASIMAGINE的Modeler的波段運(yùn)算中,采用以下語(yǔ)句:EITHER<arg1>IF(<test>)OR<arg2>OTHERWISE此語(yǔ)句的語(yǔ)法描述是:如果測(cè)試條件<test>成立,則返回<arg1>的值.如果條件<test>不成立,則返回<arg2>的值?，F(xiàn)以提取歸一化植被指數(shù)(NDVI)為例,在ERDAS中提取植被指數(shù)處理過(guò)程如下:(1)打開模塊編輯器(ModelerMaker)進(jìn)行圖像模塊編輯。(2)根據(jù)模塊,點(diǎn)擊模塊工具欄繪制流程圖。(3)在功能框中分別計(jì)算出NIR-Red和NIR+Red,這即是計(jì)算出近紅外光與紅光之差和近紅外光與紅光之和，并將兩個(gè)運(yùn)算結(jié)果分別保存在兩個(gè)內(nèi)存影像文件中。在設(shè)置后如下圖8：圖8模型編輯器Figure8ModelerMaker(4)通過(guò)ERDAS的功能定義(FunctionDefinition)中的條件選項(xiàng)(Conditional)中的Either條件判斷語(yǔ)句對(duì)合并計(jì)算的功能框進(jìn)行條件判斷處理:EITHER0IF($n14_memory==0.0)OR($n15_memory/$n14_memory)OTHERWISE(其中,$n15_memory:近紅外波段+紅外波段生成的內(nèi)存影像文件;$n14_memory:近紅外波段-紅外波段生成的內(nèi)存影像文件)，此語(yǔ)句執(zhí)行的功能為:如果近紅外波段+紅外波段的值為零,則生成的圖像文件此點(diǎn)的值為零;否則(近紅外波段+紅外波段的值不為零),進(jìn)行$n15_memory/$n14_memory。如圖9：圖9功能定義Figure9FunctionDefinition(5)將運(yùn)算結(jié)果輸出成NDVI影像磁盤文件。至此,遙感影像NDVI值的提取就已完成[11]。提取的NDVI如圖10：圖10NDVI圖像Figure10NDVIImagine2．4監(jiān)督分類2．4．1分類的介紹多光譜遙感圖像分類是基于不同類型地表覆蓋在各個(gè)波段的光譜反射特性差異,通過(guò)對(duì)各類地物的光譜特征分析來(lái)選擇特征參數(shù),計(jì)算各個(gè)像元不同波段的灰度值的統(tǒng)計(jì)特征,將相似的像元進(jìn)行聚類,再劃分到各個(gè)子空間中去,從而實(shí)現(xiàn)分類。目前所用遙感圖像分類方法主要有非監(jiān)督分類和監(jiān)督分類。非監(jiān)督分類（UnsupervisedClassification）是在沒有先驗(yàn)類別知識(shí)作為樣本的條件下,根據(jù)圖像本身像元間的統(tǒng)計(jì)特征及自然點(diǎn)群的分布情況來(lái)劃分地物類別的分類處理。使用該方法時(shí)，原始圖像的所有波段都參與分類運(yùn)算，分類的結(jié)果往往是各類象元數(shù)大體等比例。由于人為干預(yù)較少，非監(jiān)督分類過(guò)程的自動(dòng)化程度較高[12]。監(jiān)督分類(SupervisedClassification)又稱為訓(xùn)練區(qū)分類,是基于統(tǒng)計(jì)方法對(duì)遙感圖像分類的,也是目前應(yīng)用較多、算法較為成熟的分類方法。它利用對(duì)地面樣區(qū)的實(shí)況調(diào)查資料,從已知訓(xùn)練樣區(qū)得出實(shí)際地物的統(tǒng)計(jì)資料,然后再用這種統(tǒng)計(jì)資料作為圖像分類的判別依據(jù),并依一定的判別準(zhǔn)則對(duì)有圖像像元進(jìn)行判別處理,使得具有相似特征并滿足一定識(shí)別規(guī)則的像元?dú)w并為一類,如此完成對(duì)整幅圖像的處理。其中的監(jiān)督分類模塊具有最小距離法、最大似然法、馬氏距離法3種判別規(guī)則。通常在針對(duì)TM/ETM,SPOT等遙感數(shù)據(jù)進(jìn)行分類時(shí),采用最大似然法為判別規(guī)則。遙感圖像分類就是基于圖像像元的數(shù)據(jù)文件值,將像元?dú)w并成有限幾種類型、等級(jí)或數(shù)據(jù)集的過(guò)程。常規(guī)圖像分類主要有非監(jiān)督分類與監(jiān)督分類2種方法。監(jiān)督分類比非監(jiān)督分類更多地可由用戶來(lái)控制,在ERDASIMAGINE監(jiān)督分類過(guò)程中,首先選擇可以識(shí)別或者借助其它信息可以斷定其類型的像元建立模板,然后基于模板使計(jì)算機(jī)系統(tǒng)自動(dòng)識(shí)別具有相同特征的像元。對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)后再對(duì)模板修改,多次反復(fù)后建立一個(gè)比較準(zhǔn)確的模板,并在此基礎(chǔ)上最終進(jìn)行分類。模板產(chǎn)生后,用模板編輯器(SignatureEditor)來(lái)觀看每個(gè)模板的內(nèi)容,對(duì)其進(jìn)行評(píng)價(jià),測(cè)試確定模板數(shù)據(jù)是否真正代表每一類別將要分類的要素,在分析模板之后,可能需要對(duì)這些模板進(jìn)行合并、刪除,去掉冗余波段或加上新的數(shù)據(jù)波段,或進(jìn)行其它提高分類效果的操作。許多情況下,必須經(jīng)過(guò)多次訓(xùn)練才能生成所希望的模板。這些操作就是分類模板的評(píng)價(jià)過(guò)程,分類模板評(píng)價(jià)是ERDASIMAGINE監(jiān)督分類中必不可少且非常重要的一個(gè)過(guò)程,所建立的分類模板質(zhì)量的高低直接影響著監(jiān)督分類的結(jié)果。此次分類采用的圖像是遙感數(shù)據(jù)是南京地區(qū)2001年7月17日的ETM+影像,軌道號(hào)為120/38,共8個(gè)波段,其中全色波段1個(gè),多光譜波段7個(gè)。全色波段空間分辨率為15m,多光譜波段空間分辨率為30m(除TM6空間分辨率為60m外)。從影像中選取有山體植被陰影和水體的區(qū)域作為研究對(duì)象,影像平均云量小于1%。南京市區(qū)有山有水、有緩坡又有陡坡,由于不同地形部位的影響,太陽(yáng)輻射到達(dá)地面后發(fā)生再分配,因而在圖像上形成了陰陽(yáng)向背、色調(diào)深淺不一的差異,造成植被光譜特征差異很大。如果采用常規(guī)的監(jiān)督分類法,訓(xùn)練樣本的選取不僅工作量大而且很難獲取所有樣本,從而影響分類精度[20]。本研究采用了非監(jiān)督分類與監(jiān)督分類相結(jié)合的改進(jìn)方法。首先,利用融合后的ETM+圖像進(jìn)行非監(jiān)督分類,獲得初始模板;然后通過(guò)實(shí)地調(diào)查、并以原始圖像、土地利用圖及其它相關(guān)數(shù)據(jù)為參考,確定模板中每一類別的專題意義,刪除不能正確反映地

物光譜特征的樣本,增補(bǔ)遺漏樣本,并對(duì)同一類樣本進(jìn)行合并。經(jīng)反復(fù)調(diào)整,使模板能夠準(zhǔn)確地反映地物光譜信息,最后以調(diào)整好的模板為基礎(chǔ)進(jìn)行監(jiān)督分類,并對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)[13]。2．4．2在軟件上的處理軟件ERDASIMAGINE使用ISODATA算法（基于最小光譜距離公式）來(lái)進(jìn)行非監(jiān)督性分類。聚類過(guò)程始于任意聚類平均值或一個(gè)已有分類模板的平均值；聚類每重復(fù)一次，聚類的平均值就更新一次，新聚類的均值再用于下次聚類循環(huán)。ISODATA實(shí)用程序不斷重復(fù)，直到最大循環(huán)數(shù)已達(dá)到設(shè)定閾值，或者兩次聚類結(jié)果相比達(dá)到要求百分比的象元類別已經(jīng)不發(fā)生變化。ERDASIMAGINE的監(jiān)督分類是基于分類模板（ClassificationSignature）來(lái)進(jìn)行的，而分類模板的生成、管理、評(píng)價(jià)和編輯等功能是由分類模板編輯器（SignatureEditor）來(lái)負(fù)責(zé)的，毫無(wú)疑問(wèn)，分類模板編輯器是進(jìn)行監(jiān)督分類一個(gè)不可缺少的組件。在分類模板編輯器中生成分類模板的基礎(chǔ)是原圖像和其他空間圖像。鑒于研究地區(qū)的特點(diǎn)，首先進(jìn)行非監(jiān)督性分類，以獲得初始的模板，再進(jìn)行監(jiān)督性分類[19]。（1）在ERDAS圖標(biāo)面板工具條中單擊Dataprep圖標(biāo)打開DataPreparation對(duì)話框，在對(duì)話框中單擊UnsupervisedClassification按鈕，打開UnsupervisedClassification對(duì)話框。（2）在對(duì)話框中進(jìn)行設(shè)置，設(shè)置內(nèi)容包括：輸入/輸出文件，生成分類模板，確定聚類參數(shù)，確定初始分類數(shù)，確定處理參數(shù)，確定循環(huán)次數(shù)和循環(huán)閾值等等[14]。設(shè)置后的對(duì)話框如下圖10：圖11非監(jiān)督性分類Figure11UnsupervisedClassification(3)點(diǎn)擊OK按鈕，執(zhí)行非監(jiān)督性分類。獲得的模板如下圖12：圖12模板編輯器Figure12SignatureEditor其次，在已獲得的分類模板上進(jìn)行監(jiān)督性分類[15]。打開SignatureEditor，打開通過(guò)非監(jiān)督分類得到unclass.sig。調(diào)整分類屬性字段。在ViewSignatureColumns窗口中調(diào)整字段選項(xiàng)，可突出作用比較大的字段。結(jié)合實(shí)地考察的地物情況在遙感圖像上應(yīng)用AOI繪圖工具修改分類模板并應(yīng)用加載，合并，命名，建立新的分類模板。鑒于課題只需要提取出南京市的植被覆蓋，所以對(duì)分類的處理只要進(jìn)行對(duì)應(yīng)的處理。獲得的相應(yīng)模板如下圖13：圖13獲得的模板Figure13AcquiredSignature執(zhí)行監(jiān)督性分類。在SupervisedClassification對(duì)話框中定義原始文件，輸出分類文件，分類模板文件，分類規(guī)則等選項(xiàng)后點(diǎn)擊OK按鈕。對(duì)話框如下圖14：圖14監(jiān)督性分類Figure14SupervisedClassification分類后的圖片如下圖15：圖15監(jiān)督性分類圖片F(xiàn)igure15SupervisedClassificationImagine其中綠色面積是植被的覆蓋[16]。評(píng)價(jià)分類結(jié)果執(zhí)行了監(jiān)督性分類后，需要對(duì)分類效果進(jìn)行評(píng)價(jià)（EvaluateClassification），ERDAS系統(tǒng)提供了多種分類評(píng)價(jià)方法包括分類疊加（ClassificationOverlay）、定義閾值（Thresholding）、分類重編碼（AccuracyAssessment）等。下面著重進(jìn)行閾值處理的介紹。閾值處理方法可以確定哪些象元最可能沒有被正確分類，從而對(duì)監(jiān)督分類的初步結(jié)果進(jìn)行優(yōu)化。用戶可以對(duì)每個(gè)類別設(shè)置一個(gè)距離閾值，將可能不屬于它的象元（在距離文件中的值大于設(shè)定閾值的象元）篩選出去，篩選出的象元在分類圖像中將被賦予另一個(gè)分類值。具體步驟如下：顯示分類圖像并啟動(dòng)閾值處理。在ERDAS中打開Threshold窗口。確定分類圖像和距離圖像。在OpenFiles對(duì)話框中確定分類圖像和距離圖像。視圖選擇和直方圖的計(jì)算。選擇類別并確定閾值。在選定類別的DistanceHistogram中拖動(dòng)HistogramX軸上的箭頭到想設(shè)置為閾值的位置，Threshold窗口中的Chi-square值自動(dòng)變化，表明該類別閾值設(shè)定完成。因?yàn)楸菊撐氖菫榱颂崛∧暇┦械闹脖桓采w，而在考察與論證后發(fā)現(xiàn)在湖水分類層中有和植被層有重疊，所以需要調(diào)整湖水層閾值[17]，調(diào)整過(guò)程如下圖16:圖16閾值處理Figure16Threshold在將閾值調(diào)整后，顯示閾值處理圖像，其中綠色部分是南京市區(qū)的植被覆蓋區(qū)域.如下圖17：圖17閾值處理后圖片F(xiàn)igure17ThresholdedImagine保存閾值處理。2．5面積的提取在閾值處理的圖像工具板上執(zhí)行色彩聚類統(tǒng)計(jì)命令，并在生成的聚類面板上將圖像分類的面積提取出來(lái)[18]，如下圖18：圖18面積提取Figure18areaextraction讀圖，可從上圖得出植被的覆蓋面積為9555.78公頃。3結(jié)論已經(jīng)解決的問(wèn)題:(1)在遙感圖像進(jìn)行了幾何精校正和圖像增強(qiáng),完成了遙感圖像的與處理。(2)對(duì)預(yù)處理后的圖像進(jìn)行了監(jiān)督分類和NDVI的提取，完成了對(duì)于南京市植被覆蓋的面積的提取，并對(duì)監(jiān)督分類進(jìn)行了閾值處理的調(diào)節(jié)。由于本人知識(shí)基礎(chǔ)和時(shí)間的限制，在研究中有一些方面還有待深入和完善。今后的研究作如下設(shè)想:(1)在監(jiān)督性分類時(shí)，劃分出更多的地物進(jìn)行識(shí)別，豐富信息的采集。(2)所分析的地物當(dāng)中有一部分的地物屬于“同譜異物或同物異譜”現(xiàn)象，存在明顯的誤差，需要進(jìn)行實(shí)地考察和分析。(3)采用多種評(píng)估方法對(duì)監(jiān)督性分類的效果進(jìn)行評(píng)估，盡量減少人為誤差對(duì)結(jié)果的影響。致謝感謝沈老師的大力幫助和已經(jīng)畢業(yè)的張俊峰學(xué)長(zhǎng)所做的指導(dǎo)。正是他們的幫助使我解決了一個(gè)又一個(gè)的難題，并養(yǎng)成了踏踏實(shí)實(shí)的工作習(xí)慣。再次感謝他們，并感謝母校四年的培養(yǎng)。參考文獻(xiàn)：[1]劉志麗，陳曦.基于ERDASIMAGING軟件的TM影像幾何精校正方法初探[J].干旱區(qū)地理，2001，（4）：353-358.[2]楊金香,程學(xué)豐.基于ERDASIMAGINE操作平臺(tái)的遙感圖像處理[J].測(cè)繪與空間地理信息，2006，(2)：107-110.[3]黨安榮,王曉棟,等.ERDASINMAGINE遙感圖像處理方法[M].北京:清華大學(xué)出版社,2003.[4]辛海強(qiáng),等.ERDASINMAGINE軟件在森林分類工作中的應(yīng)用[J].測(cè)繪科學(xué),2003,28(2).[5]戴昌達(dá),姜小光,等.遙感圖像應(yīng)用處理與分析[M].北京:清華大學(xué)出版社,2004.[6]李崇貴，李春干.森林資源監(jiān)測(cè)Spot5遙感圖像幾何精校正方法研究[J].北京林業(yè)大學(xué)學(xué)2004，（5）：22-25.[7]李春干,譚必增.紅樹林資源調(diào)查的遙感圖象處理方法研究[J].中南林業(yè)調(diào)查規(guī)劃.2003,(2):24-27.[8]張京紅,劉安麟,李登科,鄧?guó)P東,卓靜.ERDASIMAGINE監(jiān)督分類模板評(píng)價(jià)的研究[J].陜西氣象.2004,(3):37-39.[9]陸宇紅,馬林波,韓嘉福.遙感影像的融合SPOT全色波段和多光譜影像的融合[J].測(cè)繪與空間地理信息.2004,(6):10-12.[10]李登科,張京紅,戴進(jìn).遙感圖像處理系統(tǒng)ERDASIMAGINE及其應(yīng)用[J].陜西氣象.2002,(2):20-22.[11]劉禮,于強(qiáng).分層分類與監(jiān)督分類相結(jié)合的遙感分類法研究[J].林業(yè)調(diào)查規(guī)劃.2007,(4):37-39.[1