Erdas Imaging区域水体提取

一、图像预处理

1.波段导入

Erdas面板工具条选择view,打开新窗口，在新窗口中导入波段：

2.图像增强处理

Erdas面板工具条中选择Interpreter—Radiometric Enhancement，选择合适的图像增强命令：

图像增强命令对应功能如下：

辐射增强命令	功能
LUT Stretch:查找表拉伸	通过修改图像查找表使输出图像发生变化
History Equalization:直方图均衡化	通过修改图像直方图来改善图像的质量
History Match:直方图匹配	对图像查找表进行数学变换，常用于图像拼接处理
Brightness Inverse:亮度反转	对图像亮度范围进行线性及非线性取反处理
Haze Reduction:去霾处理	降低多波段图像及全色图像模糊度的处理方法
Noise Reduction:降噪处理	采用自适应滤波方法去除图像噪声
Destripe TM Data:去条带处理	对图像进行三次卷积处理去除条带

3.图像去云

1）稀薄的霾

可通过大气校正去除：

2）薄云

通过同态滤波去除：

3）不透厚云：插值或替换

4.多波段组合

ERDAS面板工具中选择interpreter—Utilities—Layer Stack

打开Layer Selection and Stacking,在input file中将9个波段的数据依次导入点击Add，导出数据重命名，导入数据类型与导出数据类型一致，导出设置选择联合，并选择忽略零值。点击OK。

二、图像裁剪

1.规则分幅裁剪：指裁剪图像的边界是一个矩形，通过左上角和右下角两点的坐标可确定图像的裁剪位置，操作如下：

①ERDAS图标面板工具条选择interpreter-Utilities-subset, 打开subset,在input file中将所需波段的数据依次导入点击Add，导出数据重命名，导入数据类型与导出数据类型一致，坐标类型为File,确定裁剪范围在ULX和ULY、URX和URY中分别输入需要的数值，输出数据类型与输入数据类型一致， 输出文件类型为连续型，输出统计忽略零值，输出象元波段选择需要的波段。

2.不规则分幅裁剪（AOI多边形裁剪）：指裁剪图像的边界是任意多边形，无法通过左上角和右下角两点的坐标确定图像的裁剪位置，而必须事先生成一个完整的闭合多边形区域，例如生成 AOI多边形。操作如下：

打开view视窗，在视窗中打开需要裁剪的图像，并应用AOI工具绘制多边形AOI：

                      

将多边形AOI保存在文件中（*.aoi ），在Erdas面板工具条中选择：Main—Data Preparation—Subset Image，打开Subset Image对话框，

在Choose AOI对话框中确定AOI的来源（AOI Source） : File（或Viewer），如果选择了文件（File），则进一步确定AOI文件，否则，直接进入下一步。

输出数据类型（Output Data Type）:Unsigned 8 Bit；输出像元波段（Select Layers）:1:6（表示选择1,2, 3, 4, 5,6六个波段）

三、水体提取

本实验采用的是Landsat8OIL影像数据包括 11个波段，其中波段8为分辨率为15m的全色波段，波段介绍如下：

	波段名称	波长范围 (µm)	空间分辨率 (m)
陆地成像仪OLI	Band 1（海岸波段，可见光）	0.43 – 0.45	30
	Band 2（蓝波段，可见光）	0.45 – 0.51	3030
	Band 3（绿波段，可见光）	0.53 – 0.59	30
	Band 4（红波段）	0.64 – 0.67	30
	Band 5（近红外波段）	0.85 – 0.88	30
	Band 6（短波红外1）	1.57 – 1.65	30
	Band 7（短波红外2）	2.11 – 2.29	30
	Band 8（全色波段）	0.50 – 0.68	15
	Band 9（卷云波段）	1.36 – 1.38	30
热红外传感器TIRS	Band 10 (热红外1)	10.6 – 11.19	100
	Band 11 (热红外2)	11.5 – 12.51	100

波段组合用途如下：

RGB	主要用途
4、3、2（红绿蓝）	自然真彩色
7、6、4	城市
5、4、3	标准假彩色图像，植被
6、5、2	农业
7、6、5	穿透大气层
5、6、2	健康植被
5、6、4	陆地/水
7、5、3	移除大气影响的自然表面
7、5、4	短波红外
6、5、4	植被分析

1.利用水体指数对水体信息进行增强：

归一化水体提取指数              NDWI=（绿光-近红外）/（绿光+近红外）；

改进的归一化差异水体指数   MNDWI=（绿光-中红外）/（绿光+中红外）；

归一化植被差值指数             NDVI= （近红外-红光）/（近红外+红光）；

归一化植被差值指数取反      INDVI=（红光-近红外）/（红光+近红外）；

增强型植被指数                    EVI=2.5×（近红外-红光）/（近红外+6×红光-7.5×蓝光+1）

2.建立水体提取模型

打开模块编辑器：Erdas面板工具条选择Modeler—Moder Maker，建立差值植被指数计算模型

以NDVI为例：

step1：导入所需波段的组合波段

组合波段：多波段组合：ERDAS图标面板工具条选择interpreter—Utilities—Layer Stack,打开Layer Selection and Stacking,在input file中将9个波段的数据依次导入点击Add，导出数据重命名，导入数据类型与导出数据类型一致，导出设置选择联合，并选择忽略零值。点击OK。

step2：建立模型

①打开模块编辑器：ERDAS图标面板工具条选择Modeler-Moder Maker，点击模块工具栏绘制流程图建立归一化植被指数计算模型：

②将组合波段数据导入：

③在功能框中输入计算公式，此处分子计算公式计算应为第四波段减去第三波段

④运行结果选择暂存

⑤在功能框中输入计算公式，此处分母计算公式计算应为第四波段加上第三波段

⑥运行结果选择暂存

⑦在功能框中输入计算公式，此处归一化植被指数计算公式计算应为差值结果比和值结果，波段结果为避免分母出现为零的结果，计算公式需要选择EITHER<>IF<>,输入以下公式，点击OK

⑧设置输出数据格式，由于归一化植被指数区间为（-1，1），因此输出数据类型需要改为浮点型。点击OK

⑨将图像用Arcgis打开，查看区间范围，验证归一化植被指数是否在（-1，1）之间