微波遥感实习报告Word文档格式.docx
- 文档编号:3591864
- 上传时间:2023-05-02
- 格式:DOCX
- 页数:46
- 大小:46.68KB
微波遥感实习报告Word文档格式.docx
《微波遥感实习报告Word文档格式.docx》由会员分享,可在线阅读,更多相关《微波遥感实习报告Word文档格式.docx(46页珍藏版)》请在冰点文库上搜索。
它与中心投影的光学影像有很大的区别。
,其固有的特点表现在斜距显示的近距离压缩、透视收缩、叠掩、阴影及地形起伏引起的影像移位近距离压缩:
雷达相对于等效中心投影的变形与角度有关。
近距离变形大,远距离变形小。
因此,越靠近星下点位置,地物被压缩的情况就越严重。
在斜距显示的图像上,两地物目标之间的距离都缩短了,近距端(雷达波束照射地面距雷达近的一端)要比远距离端缩短得更多,这是雷达构像的几何特性所决定的。
而在地形起伏较大的地区,迎坡面的近距离压缩会更加突出,背坡面会出现远距离拉伸现象。
透视收缩和叠掩:
地距大的地物目标的斜距等于地距小的地物目标的斜距,会使多个地面点在像平面上表现为一个像素,形成叠掩,叠掩区在图像上会呈现出高亮色调。
当坡度大到一定程度时,甚至会出现近端地面点成像在远端地面点之外,形成顶底倒置现象。
阴影:
当雷达波束受高大地物目标阻挡时,位于高大地物目标背面无法接收到电磁波信号,因而也就不会形成雷达回波,故在雷达图像的相应位置上出现暗区,形成阴影。
虚假现象:
多路径散射的结果,同一地物有多种成像路径,从而在影像上出现多个成像,另一原因是因为物体本身具有的速度产生多普勒频移,使得成像坐标与速度为零的情况下的成像坐标产生偏移。
3.1.2辐射特征雷达图像的辐射量是地物对微波散射在图像上的反应,其图像质量主要取决于雷达系统的工作参数(波长、入射角和极化方式)和地域参数(地表粗糙度和地物复介电常数)。
斑点噪声:
斑点噪声的生成,通常是因为相邻地物干涉信息造成,在影像中一般体现为面目标中,明亮相见的点。
斑点是与噪声类似的影像特征,由雷达或者激光等连贯系统所产生的。
因地物或者地物表面对雷达或者激光等电磁波后向反射的干扰,斑点在影像上呈现出随机分布的特点。
影像灰度:
图像亮度代表后向散射强度。
像元内表面越粗糙,后向散射越强。
光滑表面镜面反射,后向散射很弱。
后向散射强度与散射体的复介电常数有关,含水量越大,后向散射越强
3.2典型地物的影像特点分析
根据课堂教学理论知识,对典型地物-道路、桥梁、建筑物和林地进行图像特点的分析。
首先解译出典型地物,然后从不同方面对地物的图像特征进行描述和总结,形成典型地物图像特征表,如果有相应地区的光学遥感影像,将两种数据进行综合分析,提高SAR图像的解译能力。
植被:
影响植被回波的主要因素有含水量、粗糙度、密度、结构、位置、种类以及雷达波束的方向等。
高大植物以体散射为主,在图像表现为颗粒状;
矮小植物表面则较平滑。
一般HH极化方式的得到的回波强于VV极化。
水体:
雷达波对水体比较敏感,平静的水面可产生镜面反射,在图像上表现为深色调。
对河流而言,由于受自然地形的影响,表现为不规则形状。
另外,波段、极化方式和雷达波束方向对河流的识别也有一定的影响,例如X波段同极化图像上河流形态清晰,P波段全极化图像表现略差。
当雷达波速与河岸具有一定夹角时,会产生角反射效应,表现为河流两岸较亮,而中间这是黑色;
当两者平行,河流表现为暗色。
道路和桥梁:
道路由于其材质、表面粗糙度的不同而有着不同的表现。
当道路两侧有干沟、金属护栏、护坡或隔离绿化带时,道路两边会有亮边出现。
桥梁,容易产生角反射器效应,形成强回波,在暗色调的河流背景下非常明显。
建筑物:
单独的房屋建筑由于4个侧面和顶面总是有两面能受到雷达波束照射,侧面与地面可能形成角反射器,平顶建筑物屋顶大多形成镜面反射,在雷达波照射方向表现为一条细线或一亮点(与建筑物大小和分辨率有关),房屋的另一面无雷达回波,在图像上显示为黑块状(阴影)。
土壤:
土壤的散射特性主要与入射角,地表粗糙度,含水量等有关。
3.3SAR图像计算机分类
利用易康软件对SAR图像进行计算机分类,实验多种分类方法,比较分类结果,研究提高分类效果的方法,对分类结果进行分析和总结。
分类步骤:
预处理:
由于SAR图像噪声较多,故利用ERDAS的Convolution模块对图像进行3*3窗口低通滤波,得到去噪后的图像。
1.多尺度分割。
打开易康软件(规则集模式),建立工程并导入图像后,在ProcessTree
中右键点选
AppendNew,选择Segmentation->
multiresolutionsegmentation(多尺度分割),在右边参数设置界面将ScaleParameter设置为合适的值。
运行该规则,得到新的分割图层。
其他参数包括layerweights(图层权重)、shape和compactness(形状因子)根据需要设置。
此处分割的尺度设置为240。
图1分割的规则集
上述图示中第一行展示了多尺度分割的相关参数,分割尺度240,形状参数shape和compact分别为0.1和0.5。
2.建立类别。
在ClassHierarchy窗口右键InsertClass,定义地物类别。
本次实习,建立了5种类别,包括农田
1、农田
2、林地、道路(田垄)和水系。
图2定义类别
3.在FeatureView视窗选择合适参量,建立分类标准。
在ImageObjectInformation双击新增的SeaReflection特征栏,即可在图像视窗看到类别的显示效果。
调整参数的范围,使得绝大多数属于该类别的地块被划分到该类别之内。
在ProcessTree视窗右键AppendNew建立类别规则,Algorithm选择assignclass来定义类别特征。
图3特征窗口图4图斑特征参数值
4.对于少量小图斑中的地类混杂情况,可使用手动编辑工具快速调整。
对图斑进行分割,对分割后的子块手动赋予类别。
有少量未分类的地物可以通过手动方式添加类别。
图5手动修改前图6手动修改后5.地物分类完毕后,菜单栏Export→ExportResults即可将分割所得各类别的矢量图层逐类导出。
4.实习结果及分析
4.1图像解译结果及分析4.1.1透视收缩
图1距离成像方式,如果山比较平缓,则雷达的波束先达到距离较近的山底,后达到山顶,则会形成透视收缩。
图像上山的坡长要短于实际坡长。
4.1.2叠掩
图2叠掩现象
山的坡度较大的时候,易形成叠掩现象。
有的地物被覆盖,甚至出现顶底倒置现象。
4.1.3阴影
图3阴影
在高程起伏较大的区域,在与雷达方向相反的地物一侧,会有阴影出现,地物成像显示为暗像元。
4.1.4虚假现象
图4虚假现象
由于地物的反射散射或多路径散射的原因,可能会导致图像上出现虚假的目标。
如图所示的桥梁,由于多重散射的原因,出现了多个虚像。
4.1.5斑点噪声
图5斑点噪声
如图所示的图像中,由于雷达成像的周期性导致出现的亮和暗信号相间的像元,即斑点噪声。
4.1.6水系
图6水体
雷达波由于会在水体的表面发生镜面发射,因此回波信号很弱,表现为暗像元。
上图中不规则暗条带即代表水体。
4.1.6建筑
图7建筑
建筑物形状一般比较规则,且和周围地面形成角反射器,这是建筑物识别的最基本特征。
4.1.7道路和桥梁
图8道路和桥梁
道路和桥梁易于和周围地物构成角反射器。
桥梁一般反射很强(硬目标),且会形成多路径散射导致的虚像。
这些使道路和桥梁的识别更简单。
4.2SAR图像分类结果及分析4.2.1图像去噪
图13*3低通滤波后的图像
相对于原图像,滤波后的噪声点减少很多,同一地物块内的像元值显得更均匀,地物本身的信息更清晰地展现出来。
可以基本确定影像中存在的几种主要地物类型:
农田(2种),道路,水体,林地。
4.2.1特征定义
图自定义的特征[band2-band1]
图自定义特征[band2-band3]通过观察图像的特征,其波段灰度值是最明显的反映地物差别的参数。
而农田区域也有其独特的灰度特征。
农田主要有两种类型,波段灰度直接来看差别不大,因此这里采用了波段间差值作为判断依据的方法。
图规则集
如上图所示,经过多次试验,当[band2-band1]在[0,13]之间的时候,在图像中显示为绿色的农田1能够大部分被提取出来。
当[band2-band1]和[band2-band4]均为负值的时候,农田2能够提取出来。
此种规则不足的地方在于有一些林地区域(图像左上角部分)被错分为农田,因此需要后续做修正。
道路的分割提取采用了Density(密度)特征参量,显而易见的是,道路区域的密度值在三个波段均为0.82以下的值。
(少部分混合图斑除外)基于此,可以做出道路的初步划分。
林地区别于其它地物的非常独特的一点在于其纹理,此处采用Max.diff参量作为提取的标准,Max.diff>
0.075的部分将其作为林地。
由于时间关系,没有做更多的尝试,阈值的设置不够合理,没有能加入多个参量的综合考量,因此林地的计算机分类效果并不令人满意。
水体在道路的分类当中被分类为道路,因此需要将其提取出来。
观察其波段的灰度值可以发现,其各波段灰度均在80以下,可以利用这一标准将水体从道路中分离出来。
依次运行规则之后,需要对部分错分和漏分的图斑进行手动修改,最终分类效果图如下。
图分类结果
如上图所示,基本的几种地物包括道路(田垄为主),水体、农田和林地,能够大致准确分类,2类农田之间的区分大部分都是正确的,可见分类的规则是有效的。
不足的地方在于,道路与周围农田的图斑很多混杂在一起,被错分为农田的的情况相当严重,不得不进行图斑的分割和重定义。
林地有少部分被错分为林地,可见林地的分割需要更具有有效性的的特征和标准。
经过上述规则集运行之后,仍有个别的图斑未被分类,经过观察和目视判断,采用手动分类进行了调整。
综上所述,e-Cognition面向对象的分类方法相比于其他像素级别的分类算法具有许多明显的优势。
其优越性主要体现在地物的空间特征和纹理特征均纳入考量,且规则集的运行的顺序可以带来不同的效果。
在考虑多个特征参量的情况下,又可以从大类中提取小类,做更细的划分。
根据经验知识,操作者能够自定义一些特征,来实现更好的分类效果,这是其独特的优势。
当然,其不足的一点在于人工操作的成分依旧相当之大,在建立规则划分类别的时候,仍需要以经验知识为基础,进行大量的尝试和对比,才能得到较合理的分类结果。
难以做到真正的计算机自动分类。
第二篇:
微波遥感集中实习报告一[精选]
微波遥感集中实习报告
一、实习目的与要求
通过对不同类型的SAR图像进行比较和分析,认识SAR影像的几何和辐射特点,特别是不同类型地物的影像特征,为提高图像解译能力奠定基础;
理解斑点噪声产生原因,熟悉SAR图像滤波方法,以减少斑点噪声的影响,在此基础上,综合利用基础知识和原理对SAR图像进行解译和计算机自动分类。
二、实习内容
1.SAR影像认识和比较
通过对不同数据的比较,分析SAR影像的数据特点,包括SAR影像的辐射特性和几何特性。
SAR影像的辐射特性包括影像上有明显的斑点噪声,这是由于回波的相干性,造成图像明暗变化,有些像元很亮,形成斑点噪声。
SAR影像的几何特点包括斜距显示的近距离压缩、透视收缩和叠掩以及雷达阴影,近距离压缩是因为SAR影像是侧视投影距离成像,地距上等长的物体斜距成像之后会表现为成像点近的地物成像较短,远的地物成像较长,这种现象在平地时可通过等效中心投影消除,但在山地等有高低起伏的地形即使以地距显示也无法消除这种压缩现象;
透视收缩是指在山地前坡方向或是其他有高度起伏的地物,坡度较缓时,近距离时图像收缩更大,而叠掩现象也是主要发生在山地前坡以及其他有起伏的地物上,坡度较大时,会出现顶底重叠甚至顶底倒置的现象,不仅如此,信息之间还会相互叠加,导致信息被掩盖,叠掩现象在城市地区影像解译方面影响较大;
雷达阴影是由于波束无法到达后向区域,造成阴影现象。
2.不同类型SAR数据的比较分析
首先有同一地区光学与雷达影像,对比分析发现,光学影像更符合人眼的视觉效果,较易解译,雷达影像存在一定的几何变形,并且还会出现许多亮点——斑点噪声,这是其固有属性,对比光学影像,在几何上有不一致,解译也较困难。
比较星载机载获取的同一地区的雷达影像,发现也有不同。
由于平台不同,影像也表现出了不同的特点。
机载雷达影像表现出更明显的明暗条带间变化,这是因为星载平台入射角要小于机载雷达,所以星载影像照度更均匀,机载雷达影像则明显受天线方向图的影响,并且机载平台不如星载平台稳定,几何变形更大。
再通过比较不同波段的雷达影像以及不同极化方式的雷达影像,分析波长和极化方式对成像的影响。
3.SAR影像滤波
由于SAR影像的固有特性——斑点噪声的存在,雷达影像在利用时总是需要先进行滤波处理。
此处利用不同窗口大小、不同滤方法来实现雷达影像滤波,并对其进行定性定量评价。
4.SAR影像的解译判读和分类
这里先对雷达影像进行目视解译判读,再利用软件实现基于像元的SAR影像分类和面向对象的SAR影像分类。
可以发现基于像元的方法是很难得到令人满意的分类效果的,基于对象的方法有所改进,但仍有不足,需要结合其他更多的信息,如图像纹理、阴影、分布位置、形状大小和与周边地物的关系来帮助解译和正确分类。
三、实习步骤
1.不同SAR数据的读取比较和特点分析
合成孔径雷达成像是距离成像,正因其特殊的成像方式,图像有其特有、固有的特点。
下面将通过比较光学影像与SAR影像的区别、机载星载SAR影像以及不同波段、不同极化方式下SAR成像的区别来对SAR影像的成像特点进行分析总结。
1.1光学影像与SAR影像的比较
图1光学影像
图2SAR影像
光学影像与人眼视觉相近,是中心投影,并且像元灰度值与地表真实反射率有关;
SAR影像是距离成像,斜距投影,像元灰度与地物的散射系数散射截面有关。
根据它们成像原理的不同,可由图像很明显的看出,SAR影像中较亮的像元主要是建筑和管线,主要是由于角反射和谐振作用等。
SAR影像另一个与光学影像不同的明显特点是:
放大SAR影像可以看到较明显的亮点——斑点噪声,而光学影像没有这种现象。
这主要是因为雷达向地物发射电磁波,地物散射回波会有相干性,相干波造成了这种有明有暗的斑点噪声,这是SAR影像固有的特征,可以通过一定的方法减弱斑点噪声的影响。
图3斑点噪声
1.2机载与星载SAR影像比较
图4农大机载SAR影像
图5星载SAR影像
对比机载与星载的SAR影像对同一地区的观测可以很明显发现一个特点:
机载SAR影像有很明显的明暗变化,这体现了天线方向图的影响。
在SAR系统发射功率、调制波形和天线增益一定的前提下影响机载SAR图像强度的主要因素是天线方向图和作用距离。
雷达天线方向图表征了雷达天线辐射特性与空间角度的关系。
沿雷达天线方向图的主瓣中心方向,SAR成像强度最大、信噪比最高;
从主瓣中心向方位向两侧,成像强度依次减弱,且夹角大于半功率角后,强度减弱加剧。
雷达天线方向图影响导致机载SAR图像沿距离向呈现中间亮、两侧暗,中间信噪比高、两侧信噪比低的特点,所以我们从农大的机载影像上也可以看到“暗—亮—暗”这样的变化。
图6机载与星载影像对同一地区观测
并且由影像也可以看出斜距成像的特点。
先由图像中的阴影和透视收缩判断观测方向是从左上角观测,图像在靠近观测附近的田地宽度明显小于远离观测点的田地,表现出近距离压缩;
一些地物表现出高低起伏时,会出现雷达阴影;
图上的建筑物还表现出了透视收缩,房子的一侧明显窄于另一侧,有的较低矮地物也反映出叠掩现象。
机载与星载影像的对比,可以发现:
1)星载雷达由于入射角的范围更窄,没有机载雷达如此明显地受天线方向图的影响,所以,星载影像照度更均匀,图像条带间变化不大;
2)星载平台比机载平台更稳定,几何变形也更小。
总结雷达斜距成像的特点,发现突出表现为近距离压缩、透视收缩、叠掩和阴影的影响。
透视收缩在图上常表现为山坡长度看起来比实际短,这是因为有坡度存在但是坡度较缓时,电磁波先到坡底再到坡底,但距离比平地要短了,因为回波时间的影响;
而叠掩是坡度较大时,雷达发射的电磁波先到坡顶再到坡底,出现了顶底倒置现象,并且其中的信息重叠在了一起,所以称为叠掩。
下面为透视收缩、叠掩和阴影的例子。
图7缓坡的透视收缩
图8山地的叠掩
图9高楼的叠掩
雷达影像的几何特点中除叠掩、透视收缩外,还有一些值得关注的地方:
1)SAR影像在强反射面附近易出现虚假现象或是旁瓣效应。
比如水面上的桥,由于虚假现象,水面反射与桥之间可能会产生角反射器效应,得到多重回波信号,所以产生了多个桥边缘的影像,如下图所示;
2)由于SAR是距离成像,考虑到多普勒效应,当成像时像元内有运动目标,它们之间存在相对运动,所以最后运动目标成像就不在其真实应在的位置,会有所偏移,并且运动速度越快,偏移量越大,所以可以看到在公路或是桥上的运动的汽车,成像不在桥上,而是偏移到了各种地方,如下图所示。
图10桥的虚假现象和运动目标的偏移
1.3不同波段SAR影像对比
不同波段对雷达色调的影响主要表现在对地表粗糙度的衡量以及穿透深度的影响,波长越长,可穿透深度就越大。
此处C波段波长略长于X波段,所以很明显的,在图像的左上角部分红圈部位,C波段由于穿透能力优于X波段,可以看到更深层介质的散射。
图11C波段雷达影像
图12X波段雷达影像
1.4不同极化方式的SAR影像对比
图13四种极化方式的SAR影像
不同极化方式下,地物的散射特性表现会有所不同,所以多极化可以提供更多的信息。
比如相对光滑表面在VV极化下的散射强于HH极化;
对于有一定高度的建筑群,HH极化散射强度大于VV极化;
交叉极化的回波强度一般要小于同极化的,所以由多极化信息,可帮助判断地物散射体类型、视向散射方向等。
2.SAR影像斑点噪声及处理方法
由之前对SAR成像原理的分析可知,SAR影像的固有特点就是斑点噪声。
而在课程的学习中,我们学到的关于减弱SAR斑点噪声的方法包括多视处理和图像滤波。
这次实习运用的方法主要是滤波。
在ERDAS中,用于雷达影像滤波的方法包括均值滤波、中值滤波、Lee-Sigma滤波、局域滤波、Lee滤波、Frost滤波和Gamma-Map(最大后验概率)滤波。
传统的滤波方法包括均值滤波和中值滤波,它们的优势在于算法简单、速度快,但考虑到相干性斑点噪声是乘性噪声,这两种方法理论上都不太合适。
而sigma滤波、Lee滤波和Frost滤波均考虑到相干性噪声的乘性特点设计的,在雷达噪声滤波中也是应用十分广泛。
下面将利用ERDAS中的滤波功能对一幅斑点噪声明显的图像进行滤波,并对结果进行定性定量的评价。
首先确定最佳滤波窗口大小,选取Lee-Sigma滤波方法,改变窗口大小(注意窗口大小只能是奇数),得到滤波后的结果,如下图。
分析滤波结果发现,3*3时还是有很多斑点噪声,5*5时图像已经开始出现边缘模糊现象,7*7时许多特征都模糊得很严重了,所以最后选择5*5为最适窗口大小。
图14不同滤波窗口大小效果比较
然后对原始影像做均值滤波、中值滤波、Lee-sigma滤波、局域滤波、Lee滤波、Frost滤波和Gamma-Map(最大后验概率)滤波,窗口大小均为5*5,处理效果如下:
图15不同滤波方法的比较
经过滤波处理后,图像的灰度直方图均发生了变化,希望选取的方法能对原始图像的信息有最大的保留,反映在直方图上就应该是对原始的灰度区间能有最佳保持,从这个角度认为Lee-Sigma滤波、局部滤波和Gamma-Map(最大后验概率)滤波效果最好。
从定量角度来说,可以计算滤波后图像的均值方差,从而求解出均方误差,一般认为均方误差越小,噪声越小;
并可求解出峰值信噪比,峰值信噪比越大,图像信息越多;
还可求出等效视数,等效视数越大,滤波器效果越好;
最后可求出辐射分辨率,辐射分辨率大小与消除了多少斑点噪声相关。
根据这些定量指标与噪声处理效果的关系,给它们分别赋权,形成一个最终的评价指标,根据这个指标对以上的滤波方法进行定量的评价。
这里我是用matlab编程计算的,最后计算出来的结果表明,局域滤波效果最好,sigma滤波次之,frost滤波效果最差,这也是从图中可以目视看出来的,所以定量评价能与目视定性描述相吻合。
图16定量评价滤波效果
3.雷达影像的判读解译
由于合成孔径雷达是侧视投影,距离成像,与人眼效果相类似的光学图像差别较大,也给人工目视解译判读带来困难。
此处使用前面提到的4种极化图像进行四波段影像合成,然后在目视判读以及监督分类时利用假彩色合成帮助我们的人工解译。
下面将以基于像元的雷达影像解译、面向对象的雷达影像解译与人工目视判读效果进行比较,来分析不同解译方法实际在雷达影像上的应用效果如何。
3.1雷达影像的目视判读先将4种极化的影像波段合成。
使用的是ERDAS中的Import功能将raw格式的图像以二进制文件的格式读入,输出为img格式方便后续的处理利用;
再利用layerstacking功能把4种极化图像当成四个波段合成为一幅图像。
目视解译时,可以把四个波段假彩色合成帮助解译。
在观察不同种波段的假彩色合成效果后,我认为241合成效果最佳(1-HH,2-HV,3-VH,4-VV),合成效果如下:
图17假彩色合成结果
并且在目视判读时,不仅要根据其灰度值判断,还要结合地理位置分布和形状、阴影等来实现更准确地分类。
如上图所示,右边黑色、呈块状分布、间隔灰红色地物的应该是鱼塘或水田,首先水塘这一类地物由于镜面反射,灰度值会很低,常在图像上呈黑色,其次由它的形状是面状块状的加上它分布在山脚平原处,中间有小路穿过就可以判断它应该是水塘之类的。
图像上左右两侧能看出明显起伏形态的应当是山地,由它的高低起伏的形态和纹理等可以看出来,并且注意到影像左边的山地有一面很亮,但较窄,说明这边是观测方向并且发生了透视收缩。
特别的是在这幅假彩色合成的影像上有一些有高低起伏但不是很大,呈蓝绿色的地物,我认为那应该是房屋,首先它的形状有规则并且聚集分布,且存在阴影,很明显地体现出建筑的特征,再结合课本知识,建筑密集地区对HH的散射强度明显更大,而假彩色合成中HH是蓝波段,这恰好吻合,所以我将其判读为房屋。
最后再由形状和起伏可以在图上找到几条明显的交通管线。
3.2基于像元的雷达影像分类
按照
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 微波遥感 实习 报告
![提示](https://static.bingdoc.com/images/bang_tan.gif)