ErdasImagine_Методичка. Казанский государственный университет институт инновационных космических технологий лаборатория геоинформационных систем
 Скачать 7.57 Mb.
|
|
Значения спектральной яркости Кол и чество пиксел ов Зона 1 Зона 2 Зона 3 Зона 4 Рис. Гистограммы распределения спектральных яркостей для снимка МСУ-СК дельты Волги (delt1234.bil) По рисунку видно, что значения яркостей в зонах 3 и 4 распределены похожим образом, только в зоне 3 общий диапазон более узкий. Таким образом, синтез 4-2-1 – это более контрастное изображение при прочих равных условиях и такое сочетание зон оптимально для снимков МСУ-СК. Поэтому во многих практических исследованиях зона 3 просто не используется. Теперь поэкспериментируем с параметрами контрастности. Для этого перейдите в диалоговое окно General Contrast, выбрав на панели вьювера Raster →Contrast →General Contrast. Там предложены различные алгоритмы для улучшения контрастности изображения. Попробуйте каждый из методов. Выберите на ваш взгляд наилучший. Чтобы возвращаться к предыдущему виду изображения, используйте команду Undo из меню Raster. Теперь обратимся к району Северное Бутово (юг Москвы), который изображен на снимке ETM+. Вначале для ознакомления рассмотрим его в цветах, близких к естественным, открыв файл со снимком butovo1_57.img в варианте синтеза 3-2-1. Описание основных объектов, изобразившихся на снимке Северное Бутово: На снимке видны южная часть Битцевского лесопарка и северная часть Бутовского лесопарка. В связи со временем съемки (6 октября 1999 г.) леса имеют осеннюю окраску. Более светлыми коричневатыми и красноватыми оттенками изобразились лиственные леса, смешанные леса несколько темнее, а хвойные (в основном еловые) леса имеют коричнево-черный цвет. Разнотравные луга сохраняют зеленый цвет. Темно-серой полосой по диагонали с юго- востока на северо-запад проходит через снимок Московская кольцевая автодорога (МКАД) . Дороги меньшей ширины и улицы изобразились различными оттенками серого, коричневого и светло-желтого цветов (желтый цвет, видимо, определяется обилием отвалов песка и рыжего суглинка на стройплощадках). Районы высотной застройки видны в северо-западном (Ясенево) и юго-восточном (Северное Бутово) углах снимка. Их легко опознать по общему серому цвету, четким границам, и в особенности, по теням, отбрасываемым комплексами многоэтажных домов на северо- северо-запад (дневные снимки Landsat делаются поздним утром по местному времени, поэтому солнце находится на юго-юго-востоке). В Ясенево типична застройка в виде полуколец, 15 образуемых одним или несколькими зданиями изогнутой формы, а в Северном Бутово преобладают замкнутые дворы, образуемые четырьмя и более зданиями. Напротив Северного Бутово через МКАД видно яркое белое пятно нового района, где ведется строительство. В северо-восточном углу виден еще один жилой массив, с высокими домами, определяемыми по большим теням, и несколькими рядами более низких домов, вытянутых с северо-запада на юго-восток, с меньшими тенями. Южнее МКАД и примерно параллельно ей на юго-восток течет река Битца. В Бутовском лесопарке и Северном Бутово на ней имеется несколько прудов, изобразившихся как темные пятна, плохо отличимые по цвету от хвойных лесов. Теперь проследим, как меняется отображение объектов при смене сочетания спектральных зон в синтезе. В новом окне выведите тот же снимок в сочетании зон 4-3-2 (это близко к варианту синтеза 4-2-1 для МСУ-СК). В этом варианте синтеза Битцевские пруды южнее МКАД выделяются темно-синим и серым цветом и хорошо контрастируют с растительностью, изобразившейся различными оттенками красного цвета. Поэкспериментируйте и с другими возможными вариантами синтеза (оставляя параметры контрастности по умолчанию) и отметьте для себя, в каких вариантах какие объекты лучше всего выделяются. Отметим два сочетания: 7-4-1 - контрастное разделение растительных и нерастительных объектов (в данном файле 6- 4-1) 7-2-1 - зоны 2 и 1 обеспечивают близкие к естественным цвета, а зона 7 показывает участки сильного отражения и излучения (в данном варианте синтеза они имеют красный цвет). В частности, видны освещенные и нагретые стороны домов в Северном Бутово и три ярких красных пятнышка, связанные с выделением тепловой энергии (возможно, большие костры или участки сжигания мусора). ВОПРОСЫ К УЧАСТНИКАМ: Удалось ли вам получить снимки в указанных вариантах синтеза и проследить, что происходит с изображением на экране при использовании различных способов изменения контрастности? Каковы наилучшие спектральные зоны у снимков МСУ-СК и ЕТМ+ для выделения водных объектов? 16 УПРАЖНЕНИЕ 4 П ОСТРОЕНИЕ КРИВЫХ СПЕКТРАЛЬНОГО ОБРАЗА Цель: научиться строить и сравнивать графики кривых спектрального образа в Multispec Входные данные: Файл butovo1_57.bil, содержащий фрагменты зональных снимков 1, 2, 3, 4, 5, 7, Landsat ETM+, от 6 октября 1999 г. на Северное Бутово. Выходные данные: Графики кривых спектрального образа Последовательность операций: Вывести синтезированный снимок на экран. Построить кривые спектрального образа для отдельных пикселей. Выведите снимок ЕТМ+ на Северное Бутово на экран в варианте синтеза 4-3-2 с параметрами контрастности по умолчанию. Увеличьте изображение до удобного масштаба. Выберите инструмент PROFIL TOOLS В окне SELECT PROFIL TOOLS выберите опцию Spectral и нажмите ОК. Поместите курсор мышки в пределы окна на один из растительных объектов, например, разнотравные луга (ярко-красные области). Щелкните один раз. В окне Spectral Profil отобразится спектральная кривая для выбранного пикселя. Наберите графики спектрального образа по пикселям для разных объектов: смешанных лесов; лиственных лесов; водоемов, зданий, теней зданий. Сравните полученные графики кривых спектрального образа. ВОПРОС К УЧАСТНИКАМ: Чем кривые спектрального образа, построенные по снимку ЕТМ+, отличаются от кривых спектральной отражательной способности на рис. 1? С чем это может быть связано? 17 Ответы на вопросы 2-ого занятия: 1.Какие спектральные зоны МСУ-СК и ЕТМ+ следует выбрать для распознавания зеленой растительности? Обычный ответ - 4-ые (ближние инфракрасные) спектральные зоны для МСУ-СК и ЕТМ+, или 3-я (также ближняя инфракрасная) зона МСУ-СК. Отметим, что в некоторых случаях светлые и сухие почвы также могут иметь высокую спектральную яркость и отражательную способность в ближнем инфракрасном диапазоне, практически такую же, как у растительности. Однако, в отличие от почв, для растительности характерен большой контраст между низкими значениями в красной зоне, связанными с поглощающими свойствами хлорофилла, и высокими значениями в ближней инфракрасной зоне, связанными с отражающими свойствами клеток зеленой растительности (см. рис. 8 в занятии 2). Поэтому целесообразно одновременно использовать значения в красной и ближней инфракрасной зонах (зоны 2 и 4 для МСУ-СК, зоны 3 и 4 для ЕТМ+). В связи со специфической формой кривой спектрально отражательной способности для растительности эффективно использование так называемых вегетационных индексов, построенных на соотношениях значений спектральной яркости или отражательной способности в красной и ближней инфракрасной зонах. Например, используется нормализованный разностный вегетационный индекс (БИК-К)/(БИК+К), который изменяется в пределах от -1 до 1, и имеет положительные и наиболее высокие значения для зеленой растительности (обозначения: БИК - ближняя инфракрасная зона, а К - красная). Используется также простое зональное отношение БИК/К, дающее наиболее высокие значения для густой и зеленой растительности. 2.Каковы наилучшие спектральные зоны у снимков МСУ-СК и ЕТМ+ для выделения водных объектов? Обратитесь еще раз к рис. 8 в занятии 2. По нему видно, что спектральная отражательная способность водных объектов падает до нуля в ближней инфракрасной зоне, тогда как для прочих основных объектов она велика. Поэтому ближняя инфракрасная зона (4-ая для снимков МСУ-СК и ЕТМ+) оптимальна для дешифрирования границводных объектов. В то же время, для изучения распределения взвесей в воде подойдут зоны видимого диапазона (1-2 для МСУ-СК, 1-3 для ЕТМ+), где отражательная способность водных объектов достаточно значительна. 3.Чем кривые спектрального образа, построенные по снимку ЕТМ+, отличаются от кривых спектральной отражательной способности на рис. 8? С чем это может быть связано? Полученные кривые спектрального образа очень схематичны и дискретны. Обратите так же ваше внимание на то, что значения спектральной яркости, полученные по снимкам в видимом диапазоне сильно завышены по сравнению со значениями в ближнем инфракрасном диапазоне, как для кривых, построенных по снимку МСУ-СК, так и для кривых, построенных по снимку ЕТМ+. Это связано с влиянием атмосферы, содержащей большое количество водяного пара и пылевых частиц, дающих значительное дополнительное отражение в видимом диапазоне. Наиболее сильно оно в коротковолновом диапазоне - для голубой и зеленой зон ЕТМ+(зоны 1-2), зеленой зоны МСУ-СК (зона 1). Влияние атмосферной дымки постепенно снижается по мере приближения к красной зоне и практически сходит на нет в ближней инфракрасной. 18 У ПРАЖНЕНИЕ 5 К ООРДИНАТНАЯ ПРИВЯЗКА И ГЕОМЕТРИЧЕСКОЕ ТРАНСФОРМИРОВАНИЕ СНИМКОВ ( ПРИВЯЗКА СНИМКА К СНИМКУ ВРУЧНУЮ ). Цель упражнения. Создать набор опорных точек, оценить их качество и использовать для координатной привязки одного снимка к другому. • Геометрическая модель трансформирования. • Географическое связывание вьюверов. • Создание опорных точек. Редактор опорных точек. • Качество преобразования. Ошибки контрольных точек. • Привязка изображения. Проверка точности привязки. • Курсор запросов. Данные: 4. космический снимок tm_atl.img 5. космический снимок pan_atl.img Примечание. Все команды выполняются щелчком по левой кнопки мыши, вызов контекстного меню – щелчком по правой кнопке мыши. 1. Запустите Erdas IMAGINE. Щелкните Пуск → Программы → Erdas IMAGINE 9.х. На главной панели IMAGINE выберите DataPrep → Image Geometric Correction (Подготовка данных → Геометрическая коррекция изображений). В появившемся диалоге выберите From Image File (из файла) и выберите имя файла tmAtlanta.img. Нажмите OK. Вы выбрали нетрансформированный космический снимок Landsat TM. 19 2. В списке моделей трансформирования выберите Polynomial (Полиномиальная) и нажмите OK. 3.В верхней части экрана появилась панель с инструментами геометрической коррекции (GeoCorrection Tools), а в центре – диалог для выбора свойств полиномиального преобразования (Polynomial Model Properties). Используйте полином первого порядка (Polynom Order = 1). 20 Откройте закладку Projection (Проекция). Так как проекция для изображения не определена, на закладке нет данных никакой информации. Нажмите кнопку Set Projection from GSP Tool (Установить проекцию с помощью инструмента работы с опорными точками). В открывшемся диалоге GSP Tool Reference Setup выберите источник получения координат. В данном упражнении выполняется привязка снимка к снимку, поэтому в качестве источника опорных точек выберите Image Layer (New Viewer) (Изображение в новом Вьювере) и нажмите ОК. Выберите снимок panAtlanta.img как опорное изображение (Reference image). Нажмите ОК. Erdas IMAGINE откроет и организует на экране Вьювер с опорным изображением и дополнительные вьюеры с увеличенными изображениями основных Вьюверов, а также GSP Tool (Инструмент работы с опорными точками). 4. Нажмите Apply (Применить) и Close (Закрыть) в диалоге Polynomial Model Properties (Свойства полиномиального преобразования). 5. При открытии редактора опорных точек GSP Tool Reference по умолчанию будет выбрана кнопка Toggle Fully Automatic GCP Editing Mode (Режим автоматического редактирования). Этот режим удобно использовать для предварительной оценки (прогноза) местоположения опорных точек и для уточнения соответствия опорных точек на исходном (Source) и опорном (Referenced) снимке. 6. Перемещайте связующую рамку в обоих вьюверах таким образом, чтобы она покрыла один и тот же опознаваемый объект на снимках (например, хорошо опознаваемый перекресток дорог). 21 Нажмите кнопку Create GCP (Создать опорную точку). Теперь щелчком мыши разместите соответствующие точки в обоих увеличительных окнах Вьюверов. Как только это сделано, можно перейти к опознаванию следующего объекта на снимках и использовать для этого кнопку Select GCP (она автоматически перетащит связующую рамку к указанному во Вьювере объекту и отобразит увеличенный фрагмент изображения в увеличенном окне Вьювера). После ввода трех опорных точек, при нажатой кнопке Toggle Fully Automatic GCP Editing Mode, Erdas IMAGINE при вводе опорной точки в одном окне Вьювера автоматически определит приблизительное (вероятное) местоположение этой точки во втором Вьювере. 7. Смените цвет маркеров опорных точек с белого на любой другой. Для этого щелкните прямоугольник цвета (Color) в таблице опорных точек и выберите новый цвет для отдельной опорной точки или выберите несколько строк (т.е. точек) и установите цвет для всех выбранных 22 8.По аналогии с первой, наберите еще 8 опорных точек. Постарайтесь расположить их равномерно по всему снимку. В редакторе опорных точек возможно удаление и редактирование опорных точек. Для удаления точки выберите соответствующую строку в таблице, а затем используйте функцию контекстного меню строк Delete Selection (Удалить выбранное), нажав правую кнопку мыши на первом столбце Point#. 9.Оцените матрицу трансформирования. Для этого превратите некоторые опорные (GCP) точки из опорных (Control) в контрольные (Check). Их разница в том, что контрольные точки не используются при вычислении матрицы трансформирования, что позволяет использовать контрольные точки для независимой оценки точности трансформирования по величине ошибки контрольных точек (RMS error) и среднеквадратичной ошибке по всем ним (Total). Выберите любые четыре опорные точки в таблице CellArray (выбранные точки подсветятся желтым). В меню редактора опорных точек выберите Edit →Set Point Type→Check (Редактировать →Установить точки→Контрольная). Содержимое столбца Type (Тип точки) изменится. 10.Нажмите кнопку Compute Error Check Points (Вычислить ошибки для контрольных точек). Ошибки опорных точек (Control Point Error) будут заменены на ошибки контрольных точек (Check Point Error). Для того, чтобы снова посмотреть ошибки опорных точек, щелкните кнопку Solve Geometric Model with Control Points (Рассчитать модель по контрольным точкам) – значение Total RMS изменится. 23 11.Если среднеквадратическая ошибка слишком велика, Вы можете удалить опорную точку с наибольшим вкладом. Для этого выбирают точку (строку в таблице) и используют функцию Delete Selection (Удалить выделенное) из контекстного меню Вы можете удалять и создавать новые точки, пока среднеквадратическая ошибка не станет приемлемой. трансформирование полиномом первого порядка требует использования, как минимум, 3-х опорных точек. Во время редактирования опорных точек следует иметь в виду, что большая ошибка точки (point RMS Error)указывает лишь на то, что заданное преобразование не может точно совместить исходную точку с опорной, что чаще указывает на ошибку ввода. Если Вы абсолютно уверены, что положение в обоих Вьюверах верно, то такое положение точек должно остаться неизменным, несмотря на большую величину ошибки в этой точке. 12.Когда Вы достигнете желаемой точности опорных точек, сохраните их. Для этого выберите File →Save Input (Файл→Сохранить исходные точки), затем File→Save Reference (Файл →Сохранить точки на опорном изображении). Можно ответить Yes, чтобы сохранить опорные точки в структур файла .img. 13.На панели инструментов геокоррекции (Geo Correction Tools) щелкните кнопку Display Resample Image Dialog . В появившемся окне Resample (Передискретидизация) задайте имя выходного файла xrectify.img. укажите метод билинейной интерполяции (Bilinear Interpolation) в строке Resample Method (Метод Передискретидизации). Включите флажок Ignore Zeros in Stats. (Игнорировать нули при расчете статистики). Убедитесь, что информация о проекции есть в верхней части диалога. Нажмите ОК, чтобы начать трансформирование. 14.После завершения процесса, нажмите ОК в окне со строкой состояния процесса. закройте диалог геокоррекции (GeoCorrection dialog boox) кнопкой Exit (Выход). Если вы вносили какие-то изменения в редакторе опорных точек после последнего сохранения, вам будет предложено их сохранить. Нажмите Yes (Да) для сохранения текущей модели и назовите ее xrectify.gms. Во Вьювере, где было прежде открыто нетрансформированное изображение, откройте изображение xrectify.img. Закройте Вьювер, содержащий изображении panAtlanta.img. 24 15.Используя курсор запросов (Inquire Cursor), проверьте, как прошел процесс трансформирования. Затем используйте функцию GeoLink-Unlink контекстного меню. Следуя появившейся подсказке, щелкните во вьювере с изображением panAtlanta.img, т.е. свяжите оба вьювера географически. 16. Проверьте соответствие координат нескольких легко опознаваемых точек на снимках, для этого используйте запросный курсор, функции Zoom (Масштабировать) и Roam (Перемещать). |