ERDAS IMAGINE 遥感图像处理全攻略

本教程将分为以下几个核心部分,并按照实际工作流程组织，让您能够循序渐进地学习。

1. 第一部分：入门基础

   • 什么是ERDAS IMAGINE？
   • 软件界面与核心模块介绍
   • 数据准备：打开、浏览和保存图像

2. 第二部分：核心预处理流程

   • 辐射定标：将DN值转换为辐射亮度/反射率
   • 大气校正：消除大气影响，获得地表真实反射率
   • 几何校正：消除几何畸变，使图像具有精确的地理坐标
   • 图像镶嵌：将多幅图像拼接成一幅无缝的大图像
   • 图像裁剪：根据研究区范围提取感兴趣区域

3. 第三部分：信息提取与分析

   • 监督分类
   • 非监督分类
   • 分类后处理
   • 变化检测

4. 第四部分：专题图制作与成果输出

   • 图像增强与色彩调整
   • 矢量数据编辑与叠加
   • 布局设计
   • 导出与打印

5. 第五部分：学习资源与进阶方向

第一部分：入门基础

什么是ERDAS IMAGINE？

ERDAS IMAGINE是由Hexagon Geospatial（现属Hexagon AB）开发的一款业界领先的遥感图像处理软件，它集成了从数据预处理、信息提取、分析到可视化和制图的全套功能，广泛应用于农业、林业、城市规划、环境监测、国防等领域。

软件界面与核心模块介绍

启动ERDAS IMAGINE后，你会看到其核心界面：

• 菜单栏：包含所有命令，如文件、实用工具、分类、等。
• 工具栏：常用功能的快捷图标，如打开、保存、启动图标面板等。
• 图标面板：这是ERDAS的核心，它将所有功能以模块化的图标形式呈现，双击图标即可启动相应的功能模块。
  • IMAGINE Viewer：图像显示与基本浏览工具。
  • Data Prep：数据准备模块，包含几何校正、镶嵌、裁剪等。
  • Image Interpreter：图像解释/分析模块，包含空间建模、辐射定标、滤波、纹理分析等。
  • Classification：分类模块，包含监督、非监督分类和精度评估。
  • Spatial Modeler：空间建模器，用于构建复杂的图像处理流程。
  • Virtual GIS：虚拟GIS模块，用于三维可视化与分析。

数据准备：打开、浏览和保存图像

这是最基本也是第一步。

• 打开图像：

  1. 双击图标面板中的 IMAGINE Viewer。
  2. 在弹出的窗口中,点击 Open -> Raster Layer。
  3. 浏览并选择你的图像文件（如 .img 格式），点击 OK。
  4. 在 Raster Options 选项卡中，你可以选择需要显示的波段（真彩色合成选择4,3,2波段；假彩色合成选择5,4,3波段）。

• 浏览图像：

  • 导航工具：在Viewer窗口的菜单栏选择 View -> Navigation，可以找到放大、缩小、平移、全图、量测距离、量算面积等工具。
  • 信息工具：点击 Viewer 窗口工具栏上的 “i” 图标，然后在图像上点击，可以查看该像元的坐标、波段值等信息。

• 保存图像：

  1. 在 Viewer 窗口，点击 File -> Save As -> Raster Layer As...。
  2. 在 Output File 中指定保存路径和文件名。
  3. 关键步骤：在 Raster Options 选项卡中，设置 Output Data Type（如 Floating Point 用于反射率，Unsigned 8 Bit 用于分类结果）、Output Layer Type（Continuous 用于连续图像，Thematic 用于分类图）和 Compression（压缩选项）。
  4. 点击 OK 保存。

第二部分：核心预处理流程

预处理是保证后续分析结果准确可靠的关键。

辐射定标

目的：将传感器记录的原始DN值转换为具有物理意义的辐射亮度值或地表反射率。

操作路径：Interpreter -> Radiometric Enhancement -> Calibration

参数说明：

• Source Raster File: 输入原始DN值图像。
• Output File: 输出辐射定标后的图像。
• Sensor Type: 选择你的传感器类型（如Landsat 8 OLI, Landsat 7 ETM+, Sentinel-2等），软件会自动加载相应的定标参数。
• Calibration Type: 选择 Reflectance（反射率）或 Radiance（辐射亮度），通常我们使用反射率进行后续分析。
• Solar Angle Correction: 勾选此项，进行太阳高度角校正，使不同时相的图像更具可比性。

大气校正

目的：消除大气散射和吸收对地物反射信号的影响，获得最接近地表真实情况的光谱反射率，这是定量遥感分析的核心步骤。

常用方法：

• 基于影像本身的方法：如 Dark Object Subtraction (DOS)，最简单快捷，适用于精度要求不高的场景。
  • 路径：Interpreter -> Radiometric Enhancement -> Atmospheric Correction -> Dark Object Subtraction。
• 基于辐射传输模型的方法：如 FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)，精度更高，需要输入大气参数（如能见度、水汽含量等）。
  • 路径：Interpreter -> Radiometric Enhancement -> Atmospheric Correction -> FLAASH。

FLAASH操作要点：

1. 输入文件：选择辐射定标后的反射率图像。
2. 传感器与平台信息：正确选择传感器类型和飞行日期时间。
3. 中心坐标：输入图像中心的经纬度。
4. 传感器海拔高度：通常为0。
5. 模型海拔：输入研究区的平均高程。
6. 大气模型：根据季节和地理位置选择（如Mid-Latitude Summer）。
7. 气溶胶模型：根据能见度或气溶胶浓度选择（如Rural, Urban）。
8. 初始反射率值：通常设为0。

几何校正

目的：消除因传感器姿态、地形、地球曲率等因素引起的几何畸变，将图像校正到标准的地理坐标系下，使其能与GIS数据（如矢量、DEM）精确叠加。

操作路径：Data Prep -> Geometric Correction

步骤：

1. 选择模型：在弹出的窗口中选择多项式模型，对于大多数卫星影像，二阶或三阶多项式足够。
2. 选择图像：选择需要校正的图像。
3. 选择GCPs：选择 Viewer 作为显示窗口，然后选择 Image Display 作为参考图像来源。
4. 采集控制点：
   • 在待校正图像上点击一个明显地物（如道路交叉口、水库拐角）。
   • 在参考图像（可以是已经校正好的影像、底图或高精度矢量数据）上找到同一地物并点击。
   • 至少需要采集 6个以上 的GCPs，且要均匀分布在图像的四周和中央，GCPs的RMS误差应尽可能小（通常小于1个像素）。
5. 重采样：选择重采样方法。
   • Nearest Neighbor：适用于分类图，保持原始值不变。
   • Bilinear Interpolation：适用于连续图像，平滑效果好。
   • Cubic Convolution：精度最高，但计算量大。
6. 设置输出：定义输出图像的地图投影、像元大小和范围，然后运行。

图像镶嵌

目的：将两幅或多幅已进行几何校正的图像拼接成一幅无缝的图像。

操作路径：Data Prep -> Mosaic Images

步骤：

1. 添加图像：点击 Add Images，将所有需要拼接的图像添加进来。
2. 设置顺序：图像列表的顺序决定了重叠区域的优先级，列表中靠上的图像会覆盖靠下的图像，通常将云量少、时相新的图像放在上面。
3. 设置重叠区：选择 Set Overlap Options，通常选择 Cutline（使用镶嵌线），软件会自动生成一条最佳镶嵌线，以避免将地物“一刀切”。
4. 色彩平衡：勾选 Color Corrections -> Color Balance，选择 Adjust Mosaic，软件会自动调整重叠区两侧图像的色彩，使其过渡自然。
5. 设置输出：定义输出文件名、背景值（通常为0）和重采样方法，然后运行。

图像裁剪

目的：从一幅大图像中提取出你感兴趣的研究区域。

操作路径：Data Prep -> Subset Image

按AOI裁剪

1. 在 Viewer 中打开图像，使用绘图工具（多边形、矩形等）绘制你的研究区范围，并保存为 .aoi 文件。
2. 启动 Subset Image 工具。
3. Input File: 选择要裁剪的大图像。
4. Output File: 定义输出文件名。
5. AOI File: 选择你刚刚保存的 .aoi 文件。
6. 点击 OK。

按矢量边界裁剪

1. 确保你的矢量文件（如Shapefile）与研究区图像具有相同的坐标系。
2. 启动 Subset Image 工具。
3. Input File: 选择要裁剪的大图像。
4. Output File: 定义输出文件名。
5. 在 AOI 选项卡中，选择 Select from Input File，然后点击 AOI Tool，在弹出的窗口中选择 Import -> Vector Layer，加载你的矢量文件。
6. 点击 OK。

第三部分：信息提取与分析

监督分类

目的：根据已知地物的训练样本，让计算机自动识别图像中具有相似特征的其他地物。

操作路径：Classification -> Signature Editor (定义样本) -> Supervised Classification (执行分类)

步骤：

1. 打开图像和样本编辑器：在 Viewer 中打开分类用的图像（通常是假彩色合成影像），同时启动 Signature Editor。
2. 创建AOI并计算光谱特征：
   • 在 Viewer 中，选择一种绘图工具（如多边形），在图像上勾画一种地物（如“水体”）的样本区域。
   • 将该AOI添加到 Signature Editor 中，软件会自动计算该区域的光谱统计特征（均值、协方差矩阵等），这就是“签名”。
   • 重复此步骤,为所有感兴趣的地类（如“林地”、“建筑”、“裸地”）创建样本。
3. 评估样本：在 Signature Editor 中，查看各签名的分离度（如 Transformed Divergence），值越大表示两类地物越容易区分，通常要求大于1500，如果分离度不够，需要返回 Viewer 中增加或调整样本。
4. 执行分类：
   • 启动 Supervised Classification 工具。
   • Input Raster File: 输入图像。
   • Input Signature File: 选择你在 Signature Editor 中保存的签名文件。
   • Output Clustered Raster File: 输出初步分类结果。
   • Output Signature Set File: 输出分类后的签名文件。
   • Classification Rule: 选择分类算法，常用 Maximum Likelihood（最大似然法）。
   • 点击 OK。
5. 重分类：初步分类结果会包含很多小图斑，需要通过 Clump (小图斑聚合), Sieve (筛除小图斑), Eliminate (合并小图斑) 等工具进行后处理，得到更平滑的分类图。

非监督分类

目的：在没有先验知识的情况下，根据图像像元光谱特征的相似性，自动将图像划分为若干个类别，用户需要在分类后对每个类别进行实地解译，赋予其地物意义。

操作路径：Classification -> Unsupervised Classification

步骤：

1. 启动 Unsupervised Classification 工具。
2. Input Raster File: 输入图像。
3. Output File: 输出分类结果。
4. Number of Classes: 设置你期望的分类数量，可以设置得比实际地物多（如15-20类），以便后续合并。
5. Initialization Options: 选择 ISO DATA 算法。
6. 点击 OK 运行。
7. 类别合并与解译：在 Signature Editor 或 Classified 显示模式下，对比不同类别的光谱曲线，将光谱相似的地物类别合并，并对最终类别进行命名和颜色赋值。

变化检测

目的：比较两个不同时相的图像，识别地表覆盖发生变化的区域。

常用方法：分类后比较法

步骤：

1. 选择两个时相的影像（如2025年和2025年）。
2. 确保一致性：对两期影像进行完全相同的预处理（辐射定标、大气校正、几何校正、裁剪等），确保它们具有可比性。
3. 分别进行分类：使用相同的方法（最好是监督分类，且训练样本尽量一致）对两期影像进行分类，得到两个分类图。
4. 变化矩阵分析：
   • 启动 Matrix 工具（通常在 Utilities 或 Classification 菜单下）。
   • From Raster File: 选择较早时期的分类图。
   • To Raster File: 选择较晚时期的分类图。
   • Output File: 定义输出矩阵文件。
   • 运行后,会生成一个混淆矩阵，详细显示了每个像元从A类变为B类的数量，可以清楚地看到“多少林地变成了建筑”。

第四部分：专题图制作与成果输出

图像增强与色彩调整

在 Viewer 中，可以通过 Raster -> Attributes 打开属性工具，对图像的直方图进行拉伸、调整色彩平衡、设置透明度等，以获得最佳的视觉效果。

矢量数据编辑与叠加

• 编辑矢量：启动 Vector 模块，可以创建、编辑点、线、面矢量数据。
• 叠加显示：在 Viewer 中，点击 File -> Open -> Vector Layer，将矢量文件加载进来，可以调整矢量图层的颜色、线型、填充样式和显示顺序。

布局设计

目的：将图像、图例、比例尺、指北针、标题等元素组合在一起，形成一幅专业的专题地图。

操作路径：Layout -> Layout

步骤：

1. 启动 Layout，选择一个模板（或新建一个）。
2. 将 Viewer 窗口中的图像、矢量图层、图例、比例尺、文本等元素拖拽到布局页面中。
3. 右键点击每个元素,可以修改其属性，如大小、位置、字体、样式等。
4. 精心调整各个元素的位置和大小,使其布局美观、信息完整。

导出与打印

• 导出为图片：在 Layout 窗口，点击 File -> Export，可以导出为 PDF, JPEG, TIFF 等格式，方便分享和汇报。
• 打印：可以直接连接打印机进行打印。

第五部分：学习资源与进阶方向

学习资源

• 官方资源：
  • Hexagon Geospatial 官网：提供软件试用版、白皮书和技术支持。
  • ERDAS IMAGINE 帮助文档：软件自带的帮助文档是最权威、最全面的学习资料，按模块详细介绍了每个工具的参数和用法。
• 在线教程与视频：
  • Bilibili / YouTube：搜索 "ERDAS IMAGINE 教程"，有大量国内外的视频教程，从入门到进阶非常齐全。
  • 知乎/CSDN：搜索相关关键词，可以找到很多技术博客和经验分享。
• 书籍：
  • 《遥感数字图像处理》（第三版）- John A. Richards 等：遥感图像处理的经典理论书籍。
  • 《ERDAS IMAGINE 遥感图像处理方法》：一些高校或机构会出版针对性的教材。

进阶方向

当你掌握了基础操作后,可以探索以下更高级的功能：

• 空间建模器：学习使用 Spatial Modeler，通过拖拽功能模块来构建复杂的、可重复的图像处理流程，极大提高工作效率。
• 面向对象分类：对于高分辨率影像，像元分类效果不佳，可以学习使用 eCognition（同样是Hexagon产品）或ERDAS中的面向对象工具，通过分割影像为对象，利用对象的形状、纹理、光谱等多特征进行分类。
• 光谱分析：深入学习地物光谱特性，利用 Spectral Analyst 等工具进行地物识别和矿物填图等。
• InSAR处理：如果需要，可以学习ERDAS中的InSAR模块，用于地形测绘和地表形变监测。

也是最重要的一点：实践！

遥感图像处理是一门实践性极强的学科,请务必找一套你自己的数据（例如从USGS EarthExplorer下载Landsat或Sentinel数据），跟着本教程的步骤，一步步操作，遇到问题时，多思考、多查阅资料、多搜索解决方案，祝你学习顺利！