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 1Bài 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 2Bài 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 3Default 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 4Bài 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 6BÀI 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 8Trình 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 9Chọn 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 EditAdd Area Column
Ở Cửa sổ raster Edit Compute Stats để xem tổng diện tích
Chèn thêm cột tỷ lệ %
Trang 10Kết 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 12BÀI 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 13Bước 5: Ta số hóa tất cả các đối tượng cần giải đoán như hình vẽ sau
Bước 1: Mở ảnh chưa phân loại
Trang 14BÀI 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 15Sau 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 18Ta 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 19Thực 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 20Quan 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 21Bấm 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 22BÀI 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 23Bước 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 24Với 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 25Thông qua bảng kết quả ta có thể tìm ra độ chính xác của người sử dụng, người sản xuất và độ chính xác chung