1. Trang chủ
  2. » Công Nghệ Thông Tin

Giải đoán ảnh viền thám bằng ERDAS IMAGINE

27 1,8K 3

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 27
Dung lượng 3,45 MB

Nội dung

Tài liều hướng đẫn chi tiết cài đặt phần mền ERDAS IMAGINE và giả đoán ảnh viển thám bằng phần mền ERDAS IMAGINE. Tài liệu trình bày một cách chi tiết dẽ hiểu kể cả các thủ thuật sẽ giúp ích rất nhiều công việc, nghiên cứu và học tập

Trang 1

Bài 1

Cài đặt Erdas

Bước 1: Mở thư mục Crack gồm 2 file Lisence và Erdas.exe Mở file Lisence và thay dòng chữ this host bằng tên máy tính của mình

Bước 2: Tiến hành cài đặt chương trình

Bước 3: Copy 2 file của thư mục Crack vào thư mục chạy của chương trình trong ổ C

Bước 4: Làm theo trình tự sau

Start Menu\Programs\Leica Geosystems\Licensing Tools\FlexLM Tools

Go to the tab "Config Services" and setup the flexlm service

+ Service Name: ERDAS <or whatever you want>

+ Path to the lmgrd.exe file: C:\Program Files\Leica Geosystems\Shared\Bin\NTx86\Lmgrd.exe

+ Path to the license file: C:\Program Files\Leica Geosystems\Shared\Bin\NTx86\license.dat

+ Path to the debug log file: <anything folder will do>

Check "Start Server at Power up" and "Use Services"

Click "Save Service"

Go to the tab "Start/Stop/Reread" and click on "Start Server"

Bước 5: Sau khi làm xong chạy trương trình Erdas

Hiện lên hộp thoại lựa chọn Specify the License Server (Floating License) Và đánh tên máy tính của mình vào hộp thoại Bấm continue là chương trình đã sử dụng được

-Chúc cài đặt thành công -

Trang 2

Bài 2 Nhập ảnh viễn thám vào Erdas

1 Nhập ảnh của vệ tinh Landsat định dạng TM Landsat 7 HDF

+ Vào Import, sau đó chọn Type: TM Landsat 7 HDF

+ Input file: Chọn file ảnh cần nhập ( L1G)

+ Output file: Chọn nơi lưu file ảnh sau khi nhập

Sau đó bấm Ok

+ Xem ảnh vừa nhập: Viewer/ Classic viewer Trong cửa sổ Viewer, chọn file/ Open/ Raster layer Chọn ảnh dạng (.img) vừa tạo được

2 Nhập ảnh vệ tinh Landsat định dạng Geotiff

+ Vào Import, sau đó chọn Type: GeoTIFF

+ Input file: Chọn file ảnh cần nhập ( TIFF)

+ Output file: Chọn nơi lưu file ảnh sau khi nhập

Làm như vậy cho hết tất cả các Band màu: B10, B20…

3 Tổ hợp màu từ các Band

Các ảnh sau khi nhập từ các Band khác nhau sẽ tạo ra các Band tương ứng dưới dạng tye (.img) Tiếp theo ta phải tổng hợp màu cho ảnh

từ các Band màu vừa tạo

+ Chọn Interpreter/ Utilities/Layer Stack

+ Hộp thoại Layer Selection and Stacking:

- Input file: Mở tất cả các Band màu (.img): Từ B10, B20… Mở từng ảnh một và bấm add

- Output file: Chọn nơi lưu ảnh sau khi tổng hợp các Band màu Bấm Ok

Trang 3

Default Data Directory: Đường dẫn vào thư mục mặc định để lấy

dữ liệu

Default Input Directory: Đường dẫn tới thư mục mặc định để xuất kết quả ra

* Xem thông tin ảnh đang mở

+ Mở ảnh cần xem thông tin

+ Chọn công cụ trên cửa số xem ảnh

Ta sẽ xem được thông tin ảnh mở: Hệ quy chiếu, số Band ảnh, dung lượng ảnh…

Trang 4

Bài 3

CẮT ẢNH

1 Cắt ảnh theo Cbox

Đầu tiên mở cửa sổ xem ảnh ( Viewer)

+ Utility/ Inquire Box Chọn select để di chuyển và phóng to và thu nhỏ vùng box cắt

+ Dataprep/Subset Image

Chọn Input file: Chọn file ảnh cần cắt

Output file: Nơi lưu file ảnh

Click from Inquire Box

- Lưu file: file/save/top layer as: với tên khác

- Tạo AOI layer (.aoi) bằng cách: AOI/Tools, nhấp biểu tượng mũi tên, tích chuột vào vùng cần cắt/nhấp biểu tượng

- File/save/AOI layer as

- Dataprep/Subset Image

+ Chọn Input file: Chọn file ảnh cần cắt

+ Output file: Nơi lưu file ảnh

+ Nhấp vào AOI, chọn file AOI mới lưu/ok/ok

Trang 5

- AOI/Tools, nhấp biểu tượng mũi tên, tích chuột vào vùng cần cắt/nhấp biểu tượng

- File/save/AOI layer as

- Dataprep/Subset Image

+ Chọn Input file: Chọn file ảnh cần cắt

+ Output file: Nơi lưu file ảnh

+ Nhấp vào AOI, chọn file AOI mới lưu/ok/ok

Trang 6

BÀI 4 PHÂN LOẠI ẢNH

1 Phân loại ảnh không kiểm định

A Các bước phân loại chính

Bước 1: Mở ảnh cần phân loại

Bước 2: Phân loại ảnh

Trình lệnh: Classifier\ Unsupervised Classification…

Trong hộp thoại Unsupervised Classification ta cài đặt các thông số sau:

- Input Raster File: Ta chọn file ảnh cần phân loại

- Output Cluster Layer: Ta chọn tên lưu file phân loại: Vd như: phanloaikhongkiemdinh.img

Trang 7

- Output Signature Set: Ta đặt giống tên giống Output Cluster Layer: Vd như: phanloaikhongkiemdinh.sig

- Number of Classes: Là số đối tượng trong ảnh hay là số đối tượng cần phân loại, ví dụ ở đây là ta chọn 4 đối tượng

- Initializing Options…: Chọn như hình sau

Chọn Principal Axis, trong mục Std.Deviations: chọn 2

- Color Scheme options: Chọn như hình vẽ sau

- Trong mục Processing Options chọn như hình vẽ

- Bấm OK Đợi kết quả phân loại!!!!!

Bước 3: Xem kết quả phân loại và chỉnh sửa

Trang 8

Trình lệnh: Raster\ Atribute…: Ta sẽ thay đổi màu đối tượng, đặt tên đối tượng và tạo thêm trường dữ liệu mới cho đối tượng như trên ảnh

B Một số chú ý chính

* Gộp các đối tượng:

- Trình lệnh: Interpreter\ GIS analysis\Recode…Hiện ra hộp thoại:

Input File: Chọn file ảnh phân loại, Ouput File đặt tên là phanloaikhongkiemdinhgop.img

Chọn Setup Recode, hiện thị bảng lựa chọn sau:

Trang 9

Chọn đối tượng cần chuyển: Ví dụ ta đây là đối tượng 4, sau đó ở

New Value sẽ chọn đối tượng mà định gộp vào ta đây chọn là 2 Bấm

Change Selected Rows Ta thấy đối tượng 4 sẽ gộp thành đối tượng 2

Bấm OK\OK

* Tạo thêm trường và một số phép tính trong Erdas

Mở file kết quả phân loại

Raster /Attribute  Chỉnh sửa column, chèn thêm 1 cột màu

dự trữ

nhập thông tin vào Class names

Copy thông số Color qua cột màu dự trữ Sau đó chỉnh sửa màu ở

Color sao cho có thể dễ dàng nhận biết được sự khác biệt giữa các class

Để biết thêm thông tin về diện tích và tỷ lệ giữa các khu vực ta

chèn thêm cột diện tích, tỷ lệ:

Chèn thêm cột diện tích : Ở Cửa sổ raster EditAdd Area Column

Ở Cửa sổ raster Edit Compute Stats để xem tổng diện tích

Chèn thêm cột tỷ lệ %

Trang 10

Kết quả phân loại

* Xóa bỏ đối tượng thừa trên Arcmap

Khi mở ảnh phân loại trên Arcmap sẽ xuất hiện tượng như sau:

Có những đối tượng không có giá trị, tức là giá trị bằng 0 Ta phải

loại bỏ nó theo trình tự lệnh sau:

- Spatial analyst\ Raster calculator:

+ Nhập dòng lệnh thứ nhất: phanloai1=([đối tượng]) Bấm

Evaluate

Trang 11

+ Nhập dòng lệnh thứ hai:

phanloai2=con([phanloai1]>0,[phanloai1]) Bấm Evaluate

- Sau khi thực hiện xong lệnh đối tượng có giá trị bằng 0 đã bị loại

bỏ và bảng thuộc tính như sau:

Trang 12

BÀI 5 PHÂN LOẠI BẰNG MẮT THƯỜNG Giải đoán bằng mắt thực chất là số hóa các đối tượng về dạng vector trên Erdas

Bước 1: Mở ảnh cần phân loại

Bước 2: Tạo một file vector mới theo trình lệnh sau:

File/ New/ Vector layer: Đặt tên file là: giaidoanbangmat.shp ( Chú

ý chọn đuôi là Shapefile) Tiếp tục chọn Polygon cho lựa chọn tiếp theo

Bước 3: Sử dụng các công cụ trên thanh Tool Vector để số hóa các đối tượng

Thanh công cụ như sau:

Bước 4: Vào Vector/ Attributes Sau đó là Edit/Column Attributes

để tạo trường cơ sở dữ liệu cho các đối tượng Ta thêm một trường cơ sở

dữ liệu nữa là tên loại hiện trạng, bằng cách bấm vào New trong hộp thoại Ta sẽ chọn các thông số như hình vẽ sau

Số hóa đối tượng vùng

Trang 13

Bước 5: Ta số hóa tất cả các đối tượng cần giải đoán như hình vẽ sau

Bước 1: Mở ảnh chưa phân loại

Trang 14

BÀI 6 PHÂN LOẠI CÓ KIỂM ĐỊNH

1 Lấy mẫu

Bước 1: Mở ảnh phân loại

Bước 2: Classifier\Signature editor Hiện lên hộp thoại

Bước 3: Vào Ultility\Inquire Cursor (Chrl-I)

Bước 4: AOI\ Seed properties Hiện lên hộp thoại

Ta sẽ chọn biểu tượng theo dấu mỗi tên Phần Spectral Eluclidean Distance: Ta chọn từ 2- 20

Bước 5: Di chuyển con đường giao của con chuột đến vùng lấy mẫu, sau đó bấm Grow at Inquire Tiếp theo bấm vào biểu tượng như hình vẽ

Trang 15

Sau khi làm xong xuất hiện hộp thoại như sau là được:

Làm tương tự cho các vùng lấy mẫu khác cho hết các đối tượng nghiên cứu Trong bài thực hành này ta phân ra thành 5 đối tượng nghiên cứu như hình vẽ:

Bước 6: Ta thay đổi thuộc tính bảng đối tượng cho các đối tượng, đặt tên cho các đối tượng tương ứng với Class 1 cho đến Class 5: Theo thứ tự là đất trống, dân cư, đất nông nghiệp, khu vực giao thông và rừng

Trang 16

- Cách thứ nhất: Thực hiện trình lệnh: Evaluate\Separability mở hộp thoại ta chọn như hình vẽ:

Rồi bấm OK Ta hiện lên bảng kết quả sau:

Ta có bảng đánh giá độ chính xác của việc lấy mẫu như sau: Nếu giá trị kiểm tra: 1000- 2000: Thì việc lấy mẫu là tốt

500 – 1000: Việc lấy mẫu đạt mức trung bình 0- 500: Việc lấy mẫu đạt mức kém

Trang 17

- Cách thứ hai là xem qua biểu đồ đánh giá:

Chọn vào biểu tượng giống mũi tên màu đỏ, ta sẽ được biểu đồ như sau:

Nếu sự chênh lệch giữa các đối tượng càng lớn thì việc lấy mẫu đạt kết quả tốt

- Cách thứ 3: Là xem qua đồ thị để đánh giá

Chọn biểu tượng như hình mũi tên sau đó ta sẽ có bảng lựa chọn như hình vẽ sau:

Trang 18

Ta sẽ được 7 biểu đồ tương ứng với 7 Band màu như hình vẽ

Nếu biểu đồ phân bố nhiều đỉnh, các nhóm nhiều thì độ chính xác thấp ngược lại nếu biểu đồ phân bố chuẩn thì việc chọn mẫu là tốt

- Cách thứ 4: Thông qua biểu đồ dạng phổ

Thực hiện trình lệnh: Feature/Create/feature space layers Chọn file ảnh cần phân loại Và chọn như hình vẽ sau, rồi bấm Ok

Mở ảnh phổ vừa tạo ra trên cửa sổ khác

Trang 19

Thực hiện trình lệnh: Signature editor/Feature/object Chọn các chỉ tiêu như hình dưới đây:

Chú ý: Viewer là vị trí cửa sổ mở file ảnh phổ Nhớ phải select All tất cả đối tượng trong hộp Signature Editor

Ta sẽ được kết quả sau:

Trang 20

Quan sát nếu các vòng tròn elip không giao nhau thì việc chọn mẫu

là tốt

3 Phân loại đối tượng

- Thực hiện trình lệnh: Classify\Supervised, hiện lên hộp thoại như sau:

Trang 21

Bấm OK Ta sẽ được ảnh phân loại theo phương pháp kiểm định

4 Phương pháp lấy mẫu khác

- Mở ảnh phân loại

- Bật hộp thoại Signature Editor

- Thực hiện trình lệnh: AOI/ Tool lôi bộ công cụ ra, sử dụng công

cụ để số hóa vùng mẫu sau đó bấm vào nút Add trên Signature Editor trên hình vẽ: Số hóa và Add tất cả các đối tượng Sau đó lưu dưới dạng file dạng Sig

- Sau đó vào: View/ Image Alarm Trong Edit parallel chọn Set Trong hộp thoại tiếp theo ta lấy Stdv là: 2 Sau đó chọn OK

- Muốn tìm hai chỗ trùng nhau giữa 2 đối tượng ta dùng Shift chọn

2 đối tượng rồi tick vào Indicate Overlap, bấm Ok là xong Các đối tượng trùng càng ít càng tốt Đây cũng là một cách lấy mẫu trong phân loại có kiểm định

Trang 22

BÀI 7: ĐÁNH GIÁ MẪU TRÊN ERDAS

1 Tạo file “.txt” nhập các điểm tọa độ đánh giá mẫu

- Sử dụng máy định vị xác định tọa độ ngoài thực tế tương ướng với hiện trạng nào, ghi dưới dạng file “.tx” theo cấu trúc sau:

Ta được kết quả sau, ở ví dụ tôi chọn 30 điểm:

Trang 23

Bước 3: Trong trường Reference của hộp thoại Accurency Assesment click chuột trái để chọn tất, sau đó click chuột phải chọn Import/ Chọn file txt Sau đó chọn Option

Lựa chọn các thông số như hình vẽ sau:

Trang 24

Với Field: Ta sẽ chọn trường tương ứng với code ghi tên hiện trạng trong file “.txt”

Bước 4: View/ Select Viewer Click vào ảnh phân loại cần kiểm định Tiếp theo View/ Show all thì toàn bộ các điểm hiện lên trên ảnh phân loại Cuối cùng ta sẽ vào Report/ Accuracy Report Ta sẽ được bảng kết quả sau đây:

Trang 25

Thông qua bảng kết quả ta có thể tìm ra độ chính xác của người sử dụng, người sản xuất và độ chính xác chung

Ngày đăng: 23/03/2016, 16:43

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w