实验三 遥感图像裁剪、镶嵌、融合

实验四遥感图像的拼接、裁剪、融合

一、实习目的与要求

·掌握图像拼接的原理，以及两幅图像拼接的时候需要的条件，掌握拼接技术；

·学习通过ERDAS进行遥感图像规则分幅裁剪，不规则分幅裁剪的实验过程，能够对一幅大的遥感图像按照要求裁剪图像；

·掌握不同分辨率图像的特性，详细理解各种融合方法的原理，以及各种融合方法的优缺点，能够根据不同的应用目的合理选择融合方法，掌握融合的操作过程；

二、实验原理

·图像拼接(mosaic image)是具有地理参考的若干相邻的图像合并成一幅图像或一组图像，需要拼接的图像必须含有地图投影也就是说图像必须经过几何校正处理，虽然所有的输入图像可以具有不同的投影类型，不同的象元大小，但必须有相同的波段数。在进行图像拼接时需要确定一幅参考影像，参考图像作为图像拼接的基准，决定输出图像的地图投影和象元大小和数据类型。

·在实际工作中，经常需要根据研究区域的工作范围对图像进行分幅裁剪，erdas中可以对图像进行规则分幅裁剪(rectangle subset)和不规则分幅裁剪(pdygon subset)，根据实际的应用对图像选择不同的裁剪方式。

·分辨率融合是对不同分辨率的摇杆图像进行融合处理，使处理后的图像既具有较好的空间分辨率又具有多光谱特征，从而增加图像的可解译性。图像分辨率融合的关键是融合前两幅图像的配准以及融合方法的选择只有将不同空间分辨率的图像进行精确的配准才能达到满意的融合效果，而融合的方法的选择主要是由被融合图像的特性以及融合的目的进行选择的，同时需要对融合的原理有正确的认识。

三、实验内容和实验过程

本次试验主要包括遥感图像拼接、遥感图像分幅裁剪、遥感图像分辨率融合。下面分别介绍：

1.图像拼接实验步骤：

（1）启动图象拼接工具,在ERDAS图标面板工具条中，点击Dataprep/Data preparation/Mosaicc lmages—打开Mosaic Tool 视窗。

for Mosaic 对话框或则单击按钮。依次加载窗拼接的图像（如下图）。

接后的图像不会出现拼接线，不会出现明显的差异。

（4）在Mosaic Tool 视窗工具条中，点击工具条，设置输入图像的叠合顺序。

（5）图像匹配设置，点击按钮，进行匹配设置，如下图，选择匹配方法，选择直方图匹配（可以尝试其它几种匹配方法），

（6）点击set然后设置其它参数，匹配的方法是对重叠区域进行匹配的，设置好后确定。

（7）单击工具条点击Set Intersection Mode图标设置图像关系，单击Overlap Function图标，打开Set Overlap Function对话框如下图，设置交叉区域是否有边界线重叠和区域的函数类型，确定。

（8）运行Mosaic 工具在Mosaic Tool视窗菜单条中,点击Process/Run Mosaic —打开Run Mosaic对话框。然后设置输出图像名称，图像输出的区域All，输出时忽略零值，确定

（9）退出Mosaic工具，点击File close.打开viewer窗口进行比较拼接后的图像，分析结果。

2.图像分幅裁剪步骤：

（1）规则分幅裁剪：是指裁剪图像的边界是一个矩形，通过左上角和右下角亮点的坐标就可以确定图像裁剪的位置，具体如下：

①在ERDAS图标面板工具条中，点击DataPrep/Data preparation/subset Image—打开subset Image 对话框；

②在对话框中设置裁剪参数，要裁剪的影像、裁剪后的影像，裁剪的范围以及裁剪的波段数。裁剪范围的选择可以有两种情况，一是在下图所示区域中根据已知的裁剪点的坐标直接输入裁剪，二是在viewer窗口中打开需要裁剪的影像在影像单击右键选择inquire box通过移动矩形框到合适的裁剪位置后单击上面对话框中from inquire box按钮选择裁剪范围；

③参数设置好后单击ok按钮执行裁剪知道进度条运行完毕，然后重新打开viewer窗口查看裁剪后图像。

（2）不规则分幅裁剪：是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角的坐标确定裁剪位置，需要事先建立一个完整的封闭的闭合多边形，可以使AOI也可以是Arcinfo的多边形，一般选择AOI，裁剪方法如下：

①建立AOI多边形区域

打开需要裁减的原始影像，在菜单栏中选择AOI工具如下图，然后选择，后通过在需要裁减的范围内单击鼠标形成多边形（如下图）的裁剪区域。

②将AOI区域保存，或则保留与窗口中按照规则分幅裁剪的步骤将一些参数输入后，在裁剪范围的输入时选择最下面的按钮AOI，再选择AOI来源从File或Viewer中得到

③参数输入后执行裁剪，后打开裁剪后图像查看。

3.分辨率融合：融合前的需要将图像进行几何校正，高分辨率图像，多光谱图像都要是经过几何校正的图像，下面开始做融合实验：

（1）在ERDAS图标面板中单击Interpreter图标| Spatial Enhanceement | Resolution Merge命令，打开Resolution Merge对话框；

（2）各参数输入：输入高分辨率文件，多光谱文件，输出图像文件，在method框中选

择融合方法，主成分变换融合（Principle component）、乘积变换融合(Multiplicative)和比值变换融合(Brovey Transform)。

（3）选择重采样方法（Resampleing Technique），参数设置好后单击ok执行融合，最后打开viewer窗口查看融合后图像与融合前两幅图像有什么不同。

实验三 遥感图像裁剪、镶嵌、融合

实验四遥感图像的拼接、裁剪、融合 一、实习目的与要求 ·掌握图像拼接的原理，以及两幅图像拼接的时候需要的条件，掌握拼接技术； ·学习通过ERDAS进行遥感图像规则分幅裁剪，不规则分幅裁剪的实验过程，能够对一幅大的遥感图像按照要求裁剪图像； ·掌握不同分辨率图像的特性，详细理解各种融合方法的原理，以及各种融合方法的优缺点，能够根据不同的应用目的合理选择融合方法，掌握融合的操作过程； 二、实验原理 ·图像拼接(mosaic image)是具有地理参考的若干相邻的图像合并成一幅图像或一组图像，需要拼接的图像必须含有地图投影也就是说图像必须经过几何校正处理，虽然所有的输入图像可以具有不同的投影类型，不同的象元大小，但必须有相同的波段数。在进行图像拼接时需要确定一幅参考影像，参考图像作为图像拼接的基准，决定输出图像的地图投影和象元大小和数据类型。 ·在实际工作中，经常需要根据研究区域的工作范围对图像进行分幅裁剪，erdas中可以对图像进行规则分幅裁剪(rectangle subset)和不规则分幅裁剪(pdygon subset)，根据实际的应用对图像选择不同的裁剪方式。 ·分辨率融合是对不同分辨率的摇杆图像进行融合处理，使处理后的图像既具有较好的空间分辨率又具有多光谱特征，从而增加图像的可解译性。图像分辨率融合的关键是融合前两幅图像的配准以及融合方法的选择只有将不同空间分辨率的图像进行精确的配准才能达到满意的融合效果，而融合的方法的选择主要是由被融合图像的特性以及融合的目的进行选择的，同时需要对融合的原理有正确的认识。 三、实验内容和实验过程 本次试验主要包括遥感图像拼接、遥感图像分幅裁剪、遥感图像分辨率融合。下面分别介绍： 1.图像拼接实验步骤： （1）启动图象拼接工具,在ERDAS图标面板工具条中，点击Dataprep/Data preparation/Mosaicc lmages—打开Mosaic Tool 视窗。

遥感影像图像处理流程

遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。 一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。

消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正

通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正

《遥感原理与应用》实验报告——影像融合

实验名称：影像融合 一、 实验内容 1. 对TM 影像和SPOT 影像进行HSV 数据融合。 2. 查阅相关资料用envi 软件实现一种数据融合的方法，如Brovey 、PCA 等。 3. 利用均值、标准差、特征值等参数对上述两种方法的融合效果进行评价。 二、 实验所用的仪器设备，包括所用到的数据 电脑一台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM 影像数据lon_tm 和SPOT 影像数据lon_spot 。 三、 实验原理 1. 定义：图像（影像）融合是指将多余遥感影像按照一定的算法，在规定的地理坐标系中，生成新的图像的过程。 2. 目的： (1) 提高图像空间分辨率 (2) 改善分类 (3) 多时相图像融合用于变化检测 3. 基本原理 (1) HSV 变换法： HSV （hue, saturation, and value ：色调，饱和度，亮度值）。首先将多光谱图像经HSV 变换得到H 、S 、V 三个分量。然后将高分辨率的全色图像代替V 分量，保持H 、S 分量不变。最后再进行HSV 变换得到具有高空间分辨率的多光谱图像。 (2) Brovey 变换法: 对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB 图像的像元将与高分辨率数据的像元大小相同。 4. 评价指标 (1) 均值与标准差 ∑==n i i x n μ1 1 （公式1） () 2 1 2∑=-=n i i μx σ （公式2） 上述两个式子中，n 表示图像总的像素的个数，xi 为第i 像素的灰度值。 (2) 特征值 设 A 是n 阶方阵，如果存在数m 和非零n 维列向量 x ，使得 Ax=mx 成立，则称 m

遥感图像融合方法比较

1 绪论 1.1研究目的及意义 20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。 遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。 遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。 1.2研究现状及发展的趋势 1.2.1研究现状 20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。 1）、融合结构 融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。 2）、融合的层次 图像融合可分为：像元级融合、特征级融合和决策级融合。 像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。 特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融合分为目标状态信息融合和目标特征融合。 决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。

遥感图像裁剪与拼接

遥感图像拼接（镶嵌）与裁剪 一、实验目的与要求 图像镶嵌指在一定数学基础控制下，把多景相邻遥感图像拼接成一个大范围、无缝的图像的过程，在ENVI中提供了透明处理、匀色、羽化等功能。实验要求可以用ENVI解决镶嵌颜色不一致、接边以及重叠区等问题。 图像裁剪的目的是将研究之外的区域去除。常用的方法是按照行政区划边界或者自然区域边界进行图像裁剪；在基础数据生产中，经常还要进行标准分幅裁剪。ENVI的图像裁剪过程，可分为规则裁剪和不规则裁剪。实验要求学生们学会通过ENVI软件对下载的地区图像进行裁剪和拼接，将南京区域裁剪出来。通过本次实验，初步熟悉ENVI和ARCGIS软件，为今后环境遥感学习奠定基础。 二、实验内容与方法 1 实验内容 1)图像拼接：ENVI的图像拼接功能提供交互式的方式将没有地理坐标或者有地理坐标的多幅图像合并，生成一幅单一的合成图像。 2)图像裁剪：通常按照行政区划边界或自然区划边界进行图像剪裁，在基础数据生产中，还经常要进行标准分幅裁剪。

2 实验方法 1)图像拼接 最新ENVI提供了全新的影像无缝镶嵌工具Seamless Mosaic，所有功能集成在一个流程化的界面，它可以： ?控制图层的叠放顺序 ?设置忽略值、显示或隐藏图层或轮廓线、重新计算有效的轮廓线、选择重采样方法和输出范围、可指定输出波段和背景值 ?可进行颜色校正、羽化/调和 ?提供高级的自动生成接边线功能、也可手动编辑接边线 ?提供镶嵌结果的预览 使用该工具可以对影像的镶嵌做到更精细的控制，包括镶嵌匀色、接边线功能和镶嵌预览等功能。 2)图像裁剪 （1）规则分幅裁剪，是指裁剪图像的边界范围是一个矩形，这个矩形的范围获取途径包括行列号、左上角和右下角两点坐标、图像文件、ROI/矢量文件； （2）不规则分幅裁剪，是指裁剪图像的边界范围是一个任意多边形。任意多边形可以是事先生成的一个完整的闭合多边形区域，可以是一个手工绘制的ROI(感兴趣区)多边形，也可以是ENVI支持的矢量文件。

遥感影像预处理

遥感影像预处理 预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。 本小节包括以下内容： ? ? ●数据预处理一般流程介绍 ? ? ●预处理常见名词解释 ? ? ●ENVI中的数据预处理 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 图1数据预处理一般流程 各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍

（一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准 影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征： 1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。

遥感影像融合处理方法

遥感影像融合处理方法 摘要：本文介绍了遥感影像数据融合技术，并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法，最后简要描述了融合评价的方式方法等。 关键词：遥感影像融合融合评价 1、前言 将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合，获得色彩信息丰富且分辨率高的遥感融合影像的过程，成为遥感影像融合。全色影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富，为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱影像。通过影像融合既可以提高多光谱影像空间分辨率，又能保留其多光谱特性。 2、遥感影像融合一般步骤 遥感影像信息融合一般流程主要分为两个阶段：图像预处理，图像融合变换。 图像预处理主要包括：几何校正及影像配准。几何校正主要在于去除透视收缩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；影像配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 3 常用融合方式 3.1 IHS融合 IHS（亮度I、色度H、饱和度S）变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据，合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度、色度、饱和度，它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。RGB颜色空间和IHS 色度空间有着精确的转换关系。IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。 3.2 小波融合 小波变换，基于遥感影像的频域分析进行的，由于同一地区不同类型的影像，低频部分差别不大，而高频部分相差很大，通过小波变换对变换区实现分频，在分频基础上进行遥感影像的融合，常用于雷达影像SAR与TM影像的融合。

Photoshop平面图像处理实验报告

Photoshop平面图像处理实验报告 一、实验项目 安徽大学宣传画 二、实验目的 （1）使用Photoshop基本工具实现宣传画制作； （2）利用所学知识使得构图美观，各图层间融合度高，辨识度高； （3）尽可能多的使用不同的方法完成制作； （4）学会使用一些常用工具的快捷键，例如“Alt+滚轮”可改变图像大小，“Ctrl+T”可对对象使用“自由变换”等； （5）习惯在新建图层上进行操作，习惯对需要进行较大改动的图层进行备份； （6）在图像放大的基础上进行精确抠图； （7）对图层边界进行模糊处理，提高融合度； （8）学会对绘制图形及文字添加效果，使其立体化（更加真实），或是（多彩化）更加绚丽； （9）学会对设计的图像进行分解与重组，例如球体就是由一层底色加效果、以及白色高光层组合而成； （10）要注意整体构图中的光影效果，使整体井然有序，而不是杂乱无章； （12）学会合理利用滤镜中的各种效果，设计出最为合适的组合； （13）不要忽视重叠图层的“叠加效果”，合理利用可提升叠加图层的融合度； （14）习惯给图层取名，方便修改。 三、实验步骤

（1）新建文件，打开图片（安徽大学校门）文件，使用移动工具拖曳至新建文件中。 （2）为使得校门朝向满足构图设计，使用“编辑——变换——水平翻转”功能，将其实现左右水平翻转。

（3）利用“磁性套索工具”将大门主体部分选出，再使用“选择——反选”功能，选出该图层中不需要的部分，利用“编辑——清除”使其被清除。 （4）使用“橡皮”工具，调整合适的笔锋、不透明度及流量大小对剩余主体部分多余的边角、门内的空隙进行擦除。 使用“编辑——自由变换”调整大小，移动到设计位置。

实验报告四综述

成都信息工程大学遥感图像处理上机报告

1. 实验项目名称 遥感图像光谱增强处理 2. 实验目的 主成分分析：为了去除波段之间多余信息、将多波段的图像信息压缩到比原波段更有效的少数几个转换波段。 主成分逆变换：将主成分变换的图像重新恢复到RGB 彩色空间。缨帽变换：根据多光谱遥感中土壤、植被等信息在多维光谱空间中信息分布结构对图像 做的经验性线性正交变换。图像融合：将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术 等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。 3. 实验原理 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 缨帽变换又称KT 变换。是一种经验性的多波段图像的线性变换,是Kauth 和Thomas(1976) 在研究MSS 图像反映农作物和植被的生长过程时提出的。在研究过程中他们发现MSS 四个波段组成的四维空间中,植被的光谱数据点呈规律性分布,像缨帽状,因此将这种变换命名为缨帽变换。 图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。该技术有基本的体系，主要包括的内容有：图像预处理，图像融合算法，图像融合评价，融合结果。图像融合系统的层次划分为：像素层融合、特征层融合、决策层融合，目前绝大多数融合算法研究都集中在这一层次上。 4. 数据来源

实验五 遥感图像的融合

实验五遥感图像的融合 一、实验目的和要求 1.理解遥感图像的融合处理方法和原理； 2.掌握遥感图像的融合处理，即分辨率融合处理。 二、设备与数据 设备：影像处理系统软件 数据：TM SPOT 数据 三、实验内容 多光谱数据与高分辨率全色数据的融合。 分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。 注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。 四、方法与步骤 融合方法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。ENVI 里除了SFIM 以外，上面列举的都有。 HSV 可进行RGB 图像到HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB 色度空间。输出的RGB 图像的像元将与高分辨率数据的像元大小相同。 打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL 选择File>data manage，任意选择3个波段组合，查看效果

打开分辨率为30和15的图像

下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰

下面进行融合 点击工具栏中的Image Sharpening>Gram-Schmidt Pan Sharpening，在对话框中点击Spectral Subset…改变其波段 选择如下图所示的三个波段

实验三-遥感图像的几何校正和裁剪

实验三、遥感图像的几何校正与裁剪 实验内容： 1.图像分幅裁剪（Subset Image） 2.图像几何校正（Geometric Correction） 1.图像分幅裁剪 在实际工作中，经常需要根据研究工作范围对图像进行分幅裁剪，按照ERDAS IMAGINE 8.4实现图像分幅裁剪的过程，可以将图像分幅裁剪为两类型：规则分幅裁剪，不规则分幅裁剪。 1.1规则分幅裁剪 (以c:\Program File\ IMAGINE 8.4\examples\lanier.img为例) 规则分幅裁剪是指裁剪图像的范围是一个矩形，通过左上角和右上角两点的坐标可以确定图像的裁剪位置，过程如下： 方法一: →ERDAS IMAGINE 8.4 图标面板菜单条：Main→Data Preparation(或单击ERDAS IMAGINE 8.4 图标面板工具条“DataPrep”图标) →打开Data Preparation 对话框

→单击Subset Image按钮，打开Subset对话框 在Subset对话框中需要设置下列参数： →输入文件名（Input File）:lanier.img →输出文件名（Output File）:lanier_sub.img →坐标类型（Coordinate Type）:Map →裁剪范围（Subset Definition）:ULX、ULY、LRX、LRY （注：ULX，ULY是指左上角的坐标，LRX,LRY是指右上角的坐标，缺省状态为整个图像范围） →输出数据类型（Output Data Type）:Unsigned 8 Bit →输出文件类型（Output Layer Type）:Continuous →输出统计忽略零值:Ignore Zero In Output Stats →输出像元波段（Select Layers）:2,3,4

高分辨率遥感图像融合方法的比较正式

包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月

摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；

如何在ERDAS中实现用矢量线界裁切遥感影像

总结一下利用Erdas和Arcgis来随意图形分割影像图： 影像图格式为tif随意图形格式随意（就当shape格式） 一：合并影像图： 由于影像图的分割需要，则要全部覆盖shape格式的边界。分Erdas和Arcgis两种合并法： Erdas合并：①打开Erdas，再打开viewer窗口(注意：再打开图层时，要将raster option的no stretch 和background transparent前打勾，这样图层就不会失真)。 ②打开需要合并的图：files of type选择，选择对应的的图层 ③在窗口viewer—raster—mosaic images,弹出mosaic tool窗口 ④在窗口mosaic tool—process—run mosaic，弹出窗口 ⑤在窗口output file nam选择files of type为tif格式，存放路径自己选择，点击ok完成 Arcgis合并: ①打开Arcgis(Arcmap), 加入要合并的图层 ②ArcToolBox—datamanagementtools—raster—mosaic或mosic to new rastevr 然后按需求选择input raster 和 output raster还有名称。 二：生成分割边界： ①先用arcmap打开shape图，选中shape边界 ②ArcToolBox—conversion tools—to coverage—feature to class coverage然后按需求选择input feature classse和在output coverage填入存储路径，点击ok完成，生成coverage格式。 ③然后在Erdas用窗口viewer打开coverage图和tif图。

ENVI实验报告

实验报告 课程名称：系部名称：测绘工程学院专业班级：遥感科学与技术 11-1班学生姓名：学号： 指导教师：田静 实验报告1 实验报告 2 篇二：envi上机报告 《遥感软件应用与开发》 实验指导书、作业 系部名称：测绘工程学院 专业班级：遥感科学与技术11-1班 学生姓名： 学号： 指导教师：田静 测绘工程学院 目录 《遥感软件应用与开发》课程实验指导书???????????错误！未定义书签。 实验一：envi软件安装与基本功能操作?????????????3 实验二：影像的地理坐标定位和校正??????????????19 实验三：图像融合、图像镶嵌、图像裁剪 ???????????25 实验四：图像分类 ?????????????????????31 实验报告： ???????????????????????37 实验报告1： ????????????????????????38 实验报告2： ????????????????????????41 实验报告3： ????????????????????????44 实验报告4： ????????????????????????47 实验一：envi软件安装与基本功能操作 一、实验目的 熟悉遥感数据图像处理软件envi的安装过程，了解envi基本信息、基本概念及其主要 特性。对envi操作界面有一个基本的熟悉，对各菜单功能有一个初步了解，为后面的实验作 好准备。 二、实验学时 2学时 三、实验类型 实践 四、实验原理及内容 （1）遥感图像处理软件envi界面总体介绍 （2）envi软件能识别的图像类型介绍 （3）各种图像文件的打开 重点： envi能识别的文件类型 学生可自行阅读帮助文件学习。 五、实验步骤 1．envi的安装 2．遥感图像处理软件envi界面介绍

(完整版)卫星图像处理流程

卫星图像处理流程 一．图像预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 图1 消除噪声前

图2 消除噪声后 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。 图3 去条纹前

图4 去条纹后 图5 去条带前

图6 去条带后 2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正 通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。（1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。

遥感实验五_影像镶嵌、裁剪、融合

遥感实验五数字图像处理 ------------图像镶嵌、裁切及融合 一、实验目的 学会图像镶嵌、图像裁切及图像融合等技术，通过实际影像的操作，制作可用于实际工作的某区域遥感图像，为下一次实验准备数据。 二、实验数据 某区域的遥感图像：11942E20000504.rar、11943E20010304.rar； 某区域的范围：xianyou.shp 三、实验内容及主要步骤 1、图像镶嵌 注：要镶嵌的两幅或多幅影像要求具有相同的投影信息，如果不同，则需要首先统一。ERDAS IMAGINE中提供了投影转换的工具，点击、选择Reproject Images；或者，也可以在ArcGIS的ArcToolbox中选择Projections and Transformations/Raster/Project Raster进行转换。以下以ERDAS IMAGINE 软件为例进行投影转换。 1.1.投影定义和转换 在ERDAS中，点击DataPrep,在下拉选项卡中点击Rejection Images,在Input File中输入需要进行投影转换的影像数据——福建某地区2000年5月30米分辨率的的多光谱影像（本例以TM4、3、2波段为例）。在Output File设置保存路径和输出文件名。在Categories中点击右侧的小地球标志进行投影定义。投影参数设置如下图1.1示，点击OK，完成投影转换。本图及以下各图均将WGS-84投影转换成Gauss Kruger投影。

同理，对裁切的多光谱小图进行投影转换，原理及步骤亦同上，图1.2示。 图1.2 对全色波段影像数据tm11942_8进行投影变换，原理同多光谱影像投影变换，但在erdas 中进行投影转化时由于在选择categories时，选择了南半球国家投影类别发生错误，结果显示为一“倒像”，故tm11942_8影像采用ArcGIS软件进行投影转换，转换目的主要是讲投 影信息中的Datum转成Krasovskv。

遥感图像光谱增强处理实验报告

一、实验名称 遥感图像光谱增强处理 二、实验目的 对图像进行主成分分析、主成分变换以及主成分百分比计算；观察图像在不同色彩空间之间相互转换的结果异同，对图像进行融合，用MODEL MAKER 建模方式进行图像处理。 通过以上操作初步掌握图像光谱增强处理过程，进一步理解影像光谱增强中不同增强方法的原理及其增强效果的差异。 三、实验原理 光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。 主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。对于增强信息含量、隔离噪声、减少数据维数非常有用。 使用Color Transforms 工具可以将3-波段红、绿、蓝图像变换到一个特定的彩色空间，并且能从所选彩色空间变换回RGB。两次变换之间，通过对比度拉伸，可以生成一个色彩增强的彩色合成图像。 图像融合是将多幅影像组合到单一合成影像的处理过程。它一般使用高空间分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。 四、数据来源 本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。

五、实验过程 1.主成分分析 1）打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，点击Load Band 在主窗口加载影像。 2）主菜单选择Transforms—>Principal Components—>Forward PC Rotation —>Compute New Statistics and Rotate。在弹出的Principal Components Input File 对话框中，选择图像。 3)在Forward PC Rotation Parameters对话框中在输入统计系数，选择计算矩阵（选择协方差矩阵），输出统计文件及路线，统计波段数等相关参数的设置，单击Ok。

遥感影像处理步骤

一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正

通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正

(最新)ENVI对图像进行配准、校正、拼接、裁剪

目录 第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2) 一、图像配准与校正 (2) （一）基础知识 (2) （二）ENVI操作 (3) 二、图像镶嵌（图像拼接） (15) （一）基础知识 (15) （二）ENVI操作 (15) 三、图像裁剪 (18) （一）基础知识 (18) （二）ENVI操作 (19) 第二部分：下载影像及介绍 (23) （一）基本信息 (23) （二）日期信息 (24) （三）云量信息 (24) （四）空间信息 (24)

第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 一、图像配准与校正 （一）基础知识 1、图像配准 就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。 2、几何校正 是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。 由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。 简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。 本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。 3、图像选点原则 [1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉 处、海岸线弯曲处、飞机场、城廓边缘等。 [2]特征变化大的地区需要多选。 [3]图像边缘部分一定要选取控制点。 [4]尽可能满幅均匀选取。 [5]保证一定数量的控制点，不是控制点越多越好。 4、数理知识： [1]多项式模型 x=a 0+a 1 X+a 2 Y+a 3 X2+a 4 XY+ a 5 Y2+....

工作报告之envi彩色增强实验报告

envi彩色增强实验报告 【篇一：envi图像增强实验：】 envi图像增强及变换实验指导书： 一、打开.img文件 1． 2．从 windows 任务栏选择：start programs envi 3.2 envi 3.2 。当程序成功地载入和运行时，出现 eniv 主菜单。选择 file open image file. 当出现 enter data filename 对话框，点击文件名，再点击“ok” 或“open” 以打开选择的文件。如：can.img，此时会显示available bands list窗口. 二、显示单波段的灰白影像和多波段的彩色影像显示一幅灰阶图象 3． 4． 5．从 available bands list 内，选择“gray scale” 切换按钮。点 击需要的波段名，它将显示在一个标签为“selected band:” 的小文 本框中。在窗口底部点击“load band”，来导入波段到显示，并出 现一个图像窗口和相 应的缩放/滚动窗口。 显示一幅彩色合成图象 1. 从 available bands list 内，选择“rgb color” 切换按钮。 2. 在序列中点击所需要显示的红、绿和蓝波段名（或在每个r、g 或 b 波段使用切换按钮）。 3. 一旦波段名导入到标签为“r:”、“g:”、“b:” 的文本框中，点击“load rgb” 来显示彩色合成图像。envi 用 2% 的系统默认线性拉伸 值来显示所有图像。 三、图像增强： 在灰阶影像和彩色影像上分别利用主窗口的菜单enhance选项下的linear、linear0-255、linear2％、gaussian、equalization、 square root 各种增强方式的效果，以及熟练掌握并理解interactive stretching操作和意义。 四、图像变换： band ratios (波段比)

实验六 图像融合

实验六、图像融合 一、实验目的 1熟悉图像融合的意义和用途，理解图像融合的原理； 2掌握图像融合的一般方法； 3掌握运用MA TLAB软件进行图像融合的操作。 二、实验原理 图像融合的目的把来自多传感器的数据互补信息合并成一幅新的图像,以改善图像的质量。图像融合最简单的理解就是两个（或多个）图像间的相加运算。这一技术广泛应用于多频谱图像理解和医学图像处理等领域。主要分为空域和频域相加。 本实验主要应用MA TLAB软件进行两幅图像的融合。方法有： 1图像直接融合； 2图像傅立叶变换融合； 3图像小波变换融合。 图像融合的MA TLAB程序如下： 1）调入、显示两幅图像的程序语句 load tartan; X1=X;map1=map; Load sinsin; X2=X;map2=map; %打开图像 Subplot(1 2 1) Image(X1),colormap(map1); Title(‘图像map1’) Subplot(1 2 2) Image(X2),colormap(map2); Title(‘图像map2’) %显示两幅图像 2）两幅图像直接融合的程序语句 figure,subplot(1 3 1) image((X1+X2)/2),colormap(map2); %在空域内直接融合 title(‘两图像直接相加融合’) %显示融合后的图像，并命名为“两图像直接相加融合” 3）两幅图像傅立叶变换融合的程序语句 F1=fft2(X1); F2=fft2(X2); %分别计算两幅图像的快速傅立叶变换 X=abs(ifft2(F1+F2)/2); %两幅图像在频域内相加后的傅立叶逆变换 Subplot(1 3 2) Image(X),colormap(map2); %显示融合后的图像 Title(‘两幅图像傅立叶变换融合’) %给融合后的图像命名并显示在图上 4）两幅图像小波变换融合的程序语句 [C1,L1]=wavedec2(X1,2, ‘sym4’); [C2,L2]=wavedec2(X2,2, ‘sym4’); %分别对两幅原图像进行小波分解 C=C1+C2; %对分解系数进行融合 X=waverec2(C,L1, ‘sym4’); %对融合后的信号进行图像重构 Subplot(1 3 3) Image(X/2),colormap(map2); %显示经过小波变换融合后的图像 Title(‘两图像小波变换融合’) %给融合后的图像命名并显示在图上

遥感数据预处理

遥感讲座——遥感影像预处理 据预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。下面是预处理中比较常见的流程。 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍 （一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准

影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征： 1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。 （2）建立几何校正模型 地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS）根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。 （3）图像重采样 重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行列号不是或不全是正数关系。因此需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。常用的内插方法包括： 1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图像仍然保持原来的像元值，简单，处理速度快。但这种方法最大可产生半个像元的位置偏移，可能造成输出图像中某些地物的不连贯。 2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。 3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用三次卷积函数进行内插。这种方法对边缘有所增强，并具有均衡化和清晰化的效果，当它仍然破坏了原来的像元值，且计算量大。 一般认为最邻近法有利于保持原始图像中的灰级，但对图像中的几何结构损坏较大。后两种方法虽然对像元值有所近似，但也在很大程度上保留图像原有的几何结构，如道路网、水系、地物边界等。