实验报告~遥感数字图像处理
遥感图像处理实验报告
遥感图像处理实验报告《遥感图像处理实验报告》摘要：本实验利用遥感技术获取了一幅卫星图像，通过图像处理技术对图像进行了处理和分析。
实验结果表明，遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
引言：遥感图像处理是利用遥感技术获取的图像进行数字化处理和分析，以获取有用的地理信息和环境数据的过程。
本实验旨在通过对遥感图像的处理和分析，探讨遥感图像处理技术在实际应用中的作用和意义。
实验方法：1. 获取卫星图像：选择一幅特定区域的卫星图像作为实验对象，确保图像质量和分辨率满足处理要求。
2. 图像预处理：对原始图像进行预处理，包括去噪、增强、几何校正等操作，以提高图像质量和准确性。
3. 图像分析：利用遥感图像处理软件对图像进行分类、特征提取、变化检测等分析，获取地理信息和环境数据。
4. 结果展示：将处理后的图像结果进行展示和分析，对图像处理技术的应用效果进行评估。
实验结果：经过处理和分析，得到了一幅清晰的遥感图像，并从中提取了有用的地理信息和环境数据。
通过图像分类和特征提取，可以准确地识别出不同地物类型，如建筑物、植被、水体等；通过变化检测，可以发现地表的变化情况，如城市扩张、土地利用变化等。
这些信息对于地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
结论：遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值，通过对遥感图像的处理和分析，可以获取丰富的地理信息和环境数据，为相关领域的决策和规划提供重要的支持。
在未来的研究中，可以进一步探讨遥感图像处理技术的改进和应用，以满足不同领域的需求。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感数字图像处理实习报告含Matlab处理代码
辽宁工程技术大学《数字图像处理》上机实习报告教学单位辽宁工程技术大学专业摄影测量与遥感实习名称遥感数字图像处理班级测绘研11-3班学生姓名路聚峰学号*********指导教师孙华生实习1 读取BIP 、BIL、BSQ文件一、实验目的用Matlab读取BIP 、BIL、BSQ文件，并将结果显示出来。
遥感图像包括多个波段，有多种存储格式，但基本的通用格式有3种，即BSQ、BIL和BIP格式。
通过这三种格式，遥感图像处理系统可以对不同传感器获取的图像数据进行转换。
BSQ是像素按波段顺序依次排列的数据格式。
BIL 格式中，像素先以行为单位块，在每个块内，按照波段顺序排列像素。
BIP格式中，以像素为核心，像素的各个波段数据保存在一起，打破了像素空间位置的连续性。
用Matlab读取各个格式的遥感数据，是图像处理的前提条件，只有将图像读入Matlab工作空间，才能进行后续的图像处理工作。
二、算法描述1.调用fopen函数用指定的方式打开文件。
2.在for循环中调用fread函数，用指定的格式读取各个像素。
3.用reshape函数，重置图像的行数列数。
4.用imadjust函数调整像素的范围，使其有一定对比度。
5.用imshow显示读取的图像。
三、Matlab源代码1.读取BSQ的源代码：clear allclclines=400;samples=640;N=6;img=fopen('D:\sample_BSQ','rb');for i=1:Nbi=fread(img,lines*samples,'uint8');band_cov=reshape(bi,samples,lines);band_cov2=band_cov'; band_uint8=uint8(band_cov2);tif=imadjust(band_uint8);mkdir('D:\MATLAB','tifbands1')name=['D:\MATLAB\tifbands1\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);endfclose(img);2.读取BIP源代码clear allclclines=400;samples=640;N=6;for i=1:Nimg=fopen('D:\MATLAB\sample_BIP','rb');b0=fread(img,i-1,'uint8');b=fread(img,lines*samples,'uint8',(N-1));band_cov=reshape(b,samples,lines);band_cov2=band_cov';%תÖÃband_uint8=uint8(band_cov2);tif=imadjust(band_uint8);mkdir('E:\MATLAB','tifbands')name=['E:\MATLAB\tifbands\tif',int2str(i),'.tif'];imwrite(tif,name,'tif'); %imwrite(A,filename,fmt)tilt=['波段',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);fclose(img);end3.读取BIL的源代码clear allclclines=400;samples=640;N=6;for i=1:Nbi=zeros(lines,samples);for j=1:samplesimg=fopen('D:\MATLAB\sample_BIL','rb');bb=fread(img,(i-1)*640,'uint8');b0=fread(img,1*(j-1),'uint8');bandi_linej=fread(img,lines,'uint8',1*(N*samples-1));fclose(img);bi(:,j)=bandi_linej;endband_uint8=uint8(bi);tif=imadjust(band_uint8);mkdir('D:\MATLAB','tifbands')name=['D:\MATLAB\tifbands\tif',int2str(i),'.tif'];imwrite(tif,name,'tif');tilt=['²¨¶Î',int2str(i)];subplot(3,2,i),imshow(tif);title(tilt);end。
遥感数字图像处理
遥感数字图像处理第一章1.图像是对客观对象一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。
根据人眼的视觉可视性将图像分为可见图像和不可见图像。
按图像的明暗程度和空间坐标的连续性，将图像分为数字图像和模拟图像。
2数字图像指用计算机存储和处理的图像，是一种空间坐标和灰度均不连续、以离散数学原理表达的图像。
数字图像最基本的单位是像素。
3遥感数字图像是数字形式的遥感图像。
4遥感数字图像处理，是利用计算机图像处理系统对遥感图像中的像素进行系列操作的过程。
主要内容：（1）图像增强：灰度拉伸、平滑、锐化、彩色合成、主成分变换、K-T变换、代数运算、图像融合等压抑、去除噪声，增强整体图像或突出图像中的特定地物的信息，使图像更容易理解、解释和判读（2）图像校正（3）信息提取5遥感数字图像处理系统：硬件系统（计算机、数字化设备、大容量存储设备、显示器和输出设备、操作台）、软件系统（ERDAS IMAGING最突出的特色是专家模拟系统、可视化建模工具以及与ArcGIS软件的高度集成、ENVI 最突出的特色是具有丰富的高光谱数据处理工具和内嵌的IDL开发语言、PCI Geomatica最特出的特色是功能丰富的工具箱和建模系统、ER Mapper遥感图像处理系统最大特点是基于算法的图像处理）6遥感基本知识：物理学、地学、数学、信息理论、计算机技术和地理信息系统第二章1遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程2遥感系统是一个从地面到空中乃至整个空间，从信息收集、存储、传输、处理到分析、判读、应用的技术体系，主要包括遥感实验、信息获取、信息传输、信息处理、信息应用等5个部分。
3传感器是收集和记录电磁辐射能量信息的装置。
按工作方式分为被动、主动方式，按数据的记录方式，分为成像和非成像方式。
4摄影成像：传感器主要是摄影机，在快门打开的一瞬间几乎同时收集目标上所有的反射光，聚焦到胶片上成为衣服影响，并记录下来。
遥感数字图像处理实习报告
遥感数字图像处理实习报告一、引言遥感数字图像处理是一项重要的技术，通过对遥感图像的处理和分析，可以获取地表信息、监测环境变化、进行资源调查等。
本报告旨在总结我在遥感数字图像处理实习中所学到的知识和经验，并对实习过程中的工作进行详细的描述和分析。
二、实习背景在本次实习中，我加入了某遥感数字图像处理公司的团队，负责处理和分析卫星遥感图像。
公司的主要业务包括地表覆盖分类、环境监测、农业调查等。
在实习期间，我主要参与了地表覆盖分类和环境监测方面的工作。
三、实习内容1. 数据获取在实习开始前，我首先了解了卫星遥感图像的获取方式和数据源。
公司与多个卫星数据提供商合作，可以获取高分辨率的多光谱和全色遥感图像。
我通过公司内部的数据平台，获取了一些地区的遥感图像数据，用于后续的处理和分析。
2. 图像预处理在进行地表覆盖分类和环境监测之前，我对获取的遥感图像进行了预处理。
预处理包括图像校正、辐射定标、大气校正等步骤，旨在消除图像中的噪声和偏差，提高图像的质量和准确性。
3. 地表覆盖分类地表覆盖分类是遥感数字图像处理的重要应用之一。
我使用了监督分类和非监督分类两种方法进行地表覆盖分类。
在监督分类中，我利用已知类别的样本数据训练分类器，并对整个图像进行分类。
在非监督分类中，我使用聚类算法对图像进行分割，并根据像素的相似性进行分类。
通过比较两种方法的结果，我发现监督分类在准确性方面表现更好，但非监督分类在处理大规模数据时更高效。
4. 环境监测除了地表覆盖分类，我还参与了环境监测方面的工作。
通过对多时相的遥感图像进行比较和分析，我可以监测地表的变化情况，如城市扩张、植被覆盖变化等。
我使用了变化检测算法和时间序列分析方法，对图像进行处理和分析，得到了地表变化的信息。
5. 结果分析在实习期间，我对处理和分析的结果进行了详细的分析和评估。
我比较了不同分类算法的准确性和效率，评估了地表变化的程度和趋势。
通过对结果的分析，我可以得出一些有关地表覆盖和环境变化的结论，为后续的研究和决策提供参考。
实习三 遥感报告遥感数字图像处理
第四主成分
第五主成分
第六主成分
基本要求与说明：
1．实验原理部分文字阐述要简洁明了，可附相应公式、图解；
2．实验步骤与方法请尽量详细叙述，如果有必要请附相应图形、图像；
3．表格大小和所列条目数可以根据实际情况进行调整与增删即为变换矩阵。保证变换后各主成分互不相关。
4．变换后各主成分图像
变换后各主成分互不相关，且第一，第二，第三主分量包含绝大部分的信息。
第一主成分
第二主成分
第三主成分
第四主成分
第五主成分
第六主成分
二、K-T变换
要求：对多光谱遥感数据“L7ETM+_121-032_123457”进行K-T变换。
四、掌握Envi软件进行图像变换的操作方法
主要实验内容
一、K-L变换
要求：基于相关系数矩阵对多光谱遥感数据“L7ETM+_121-032_123457”进行K-L变换。
1．K-L变换的实现流程
(1)统计原始数据的基本特征
(2)求变换矩阵
(3)变换的后处理
2．原始数据相关系数矩阵
3．相关系数矩阵特征值、特征向量
1．K-T变换矩阵
2．K-T变换后各分量图像及前三个分量的物理意义
（五号宋体。要求根据K-T变换矩阵向量列出变换后前三个分量的表达式并说明其物理意义）
变换后各主成分即是原始数据的加权和，权就是变换矩阵里的各行系数。
第一主成分0.3037*TM1+0.2793*TM2+0.4743*TM3+0.5585*TM4+0.5082*TM5+0.1863*TM6
遥感图像配准实验报告
用SPOT校正TM数据，附操作过程截图和校正后TM影像图片
[体会及建议]
通过本次试验熟悉在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的配准和影像到地图的校正。在实验过程中移动光标，查看坐标值，要小心谨慎注意地图坐标和经纬度之间的关系。以免出现错误。
（2）通过计算机操作与地理知识的结合增强对地理学科的兴趣，为以后继续从事相关工作奠定基础。
（3）树立地理学思想，理解并掌握地理学科的学习、实践的方法。
二、实验内容
遥感图像的几何校正，IHS融合方法。
三、实验准备
（1）IHS融合: IHS融合法是比较常用的一种融合方法。其基本原理是首先将空间分辨率
较低的三个多光谱影像变换到IHS彩色空间，得到明度（I），色别（H）和饱和度（S）三个分量；然后将高空间分辨率影像进行对比度拉伸，达到与I分量具有相同的均值和方差；再将处理后的高空间分辨率影像替换I分量，作IHS逆变换后就得到融合后的影像。
篇三：遥感实验报告
实验报告（实验一）
[实验名称]ENVI窗口的基本作
[实验目的与内容]
实验目的
熟悉ENVI软件的窗口操作方法，掌握影像信息、像元信息浏览方法，影像上距离和面积量算方法。实验内容
1、熟悉遥感图像处理软件ENVI的窗口基本操作。2、查看影像信息和像元信息。3、距离测量与面积测量。
[实验数据处理及成果]
遥感图像配准实验报告
篇一：遥感图像处理实验报告
《遥感数字图像处理》
实习报告
学院：环境与资源学院
班级：地理1002
学号：周颖智
姓名：20101171
西南科技大学环境与资源学院遥感实习…………………......2
遥感图像处理实验报告_2
遥感图像处理实验报告班级 11资环姓名学号实验专题实验室 F楼机房成绩评定教师签字专题一: DEM图像进行彩色制图 (2)（叙述制图过程并把自己处理结果加载到本文档里）专题二: TM与SPOT数据融合 (3)（叙述该过程并处理结果加载到本文档里。
注意用两种方法融合的过程）专题三: 航片的配准与镶嵌 (4)（叙述该过程并处理结果加载到本文档）专题四: 切取某研究区域的操作 (5)（具体要求：卫星影象叠加, 选择其中三波段彩色合成, 采用ROI切取研究区）专题五: 地图制图的方法 (6)（主要是快速制图。
并任选一样例加载制图后结果）专题六: 使用ENVI进行三维曲面的浏览与飞行 (7)（叙述该过程并处理结果加载到本文档里）专题七: 监督分类试验（任选一种监督分类方法, 并叙述 (8)（其过程将其结果加载到本档里）。
实验专题: 专题一: DEM图像进行彩色制图1.加载一幅DEM的灰度图像, 使用系统默认的IDL颜色表来调整屏幕的颜色表。
2.给生成的彩色图像添加图名、格网、比例尺、灰度条、等高线及数值等信息。
3、调整位置, 保存图像。
结果如下图1、实验专题: 专题二: TM与SPOT数据融合2、主图象窗口选择Transform > Image Sharpening > HSV, 从一个打开的彩色图像中选择三个波段进行变换。
3、对原DEM图像进行拉伸处理。
3.将HSV图像重新转换为RGB图像。
分别对应H-R,S-G,拉伸图像-B。
4.加载最终图像, 并保存结果。
结果如图所示:1、实验专题: 专题三: 航片的配准与镶嵌2、加载两幅图像, 其中一幅作为base image, 一幅作为warp image。
3、在主菜单Registration里的Select GCP(Ground Control Points)来选择地面控制点, 并调整误差。
4、执行图像—地图配准。
5、图像镶嵌。
执行Map> Mosaicking > Pixel Based。
遥感图像处理实验报告
《遥感数字图像处理》实习报告学院：环境与资源学院班级：地理1002学号：周颖智姓名： 20101171西南科技大学环境与资源学院遥感实习2013年5月11日目录1、实验目的 (2)2、实验内容 (15)3、实验步骤 (26)4、实验体会 (38)《某地区森林资源遥感动态监测》一、实验目的熟练掌握ENVI4.7软件中对遥感数字图像进行图像预处理、图像分类、分类后处理以及对分类后的图像进行必要的综合分析得到我们想要的信息。
二、实验内容对00年森林资源遥感图像july_00_quac.img进行图像增强处理得到图像00I_K-L.img，然后选择合适的图像分类方法，对增强后的图像进行分类，得到分类后图像00ML1,接着对分类后图像进行分类后处理的最终的分类结果图00MMN。
用同样的遥感图像处理方法得到06年森林资源遥感图像july_06_quac.img的分类结果图06MMN。
最后对分类后处理的图像进行分类精度的评估，当精度符合标准时便可对分类结果图00MMN和06MMN进行波段运算B1-B2，便可以得到00年到06年该地区森林资源的一个动态变化情况图B1-B2。
三、实验步骤（一）、对00年森林资源遥感图像july_00_quac.img进行图像增强处理。
已知我们所学过的遥感图像增强处理的方式有：图像彩色增强、图像拉伸、图像变换以及图像滤波。
1、首先打开00年森林资源遥感图像july_00_quac.img，然后的遥感图像进行彩色增强。
采用真彩色合成的方式来的彩色图像，这里我使用的波段合成方式有：321（真彩色）、432（标准假彩色）、以及其他假彩色合成的方式，542、542、741、742、572和453等，得到如下的彩色图像：321.img（图一）432.img(图二)453.img（图三）742.img（图四）741.img（图五）543.img（图六）542.img（图七）572.img（图八）最后，我选择了542波段合成后的彩色图像542.img。
遥感数字图像处理
遥感数字图像处理1. 概述遥感数字图像处理是指利用遥感技术获取的各种遥感数据，如航空影像、卫星影像等，进行数字化处理和分析的过程。
遥感数字图像处理在地理信息系统（GIS）领域有着广泛的应用，能够提取出地表覆盖类型、地形和植被等丰富的地理信息，为环境监测、资源管理、农业和城市规划等领域提供重要的数据支持。
2. 遥感数字图像处理的步骤遥感数字图像处理主要包括以下几个步骤：2.1 数据获取数据获取是遥感数字图像处理的第一步，通过卫星、航拍等遥感设备获取地理信息数据。
这些数据以数字图像的形式存在，包括多光谱、高光谱、雷达和激光雷达等数据。
2.2 数据预处理数据预处理是为了消除图像中的噪声和伪影，以及纠正图像的几何和辐射畸变。
常见的数据预处理方法包括辐射校正、几何校正、大气校正等。
2.3 图像增强图像增强是为了使图像更加清晰，突出地物的特征。
常用的图像增强方法包括直方图均衡化、滤波、锐化等。
2.4 特征提取特征提取是为了从图像中提取出具有区别性的特征，以便进行后续的分类和识别。
常见的特征提取方法包括纹理特征、形状特征、频域特征等。
2.5 图像分类图像分类是将图像中的像素划分为不同的类别。
常用的图像分类方法包括基于像元的分类、基于对象的分类、基于深度学习的分类等。
2.6 图像分割图像分割是将图像划分为不同的区域或对象。
常用的图像分割方法包括阈值分割、边缘分割、区域生长等。
2.7 地物提取地物提取是从图像中提取出感兴趣的地物或地物属性。
常见的地物提取方法包括目标检测、目标识别、地物面积计算等。
2.8 结果评价结果评价是对处理结果进行准确性和可靠性的评估。
常用的结果评价方法包括混淆矩阵、精度评定、误差矩阵等。
3. 遥感数字图像处理的应用遥感数字图像处理在各个领域都有广泛的应用，主要包括以下几个方面：3.1 环境监测遥感数字图像处理可以用于环境监测，如水质监测、土壤污染监测等。
通过遥感图像，可以获取水体和土地的信息，分析水质和土壤的污染程度。
遥感影像处理实验报告(3篇)
第1篇一、实验背景与目的随着遥感技术的不断发展，遥感影像已成为获取地球表面信息的重要手段。
遥感影像处理是对遥感影像进行一系列技术操作，以提高影像质量、提取有用信息的过程。
本实验旨在通过实践操作，让学生掌握遥感影像处理的基本原理和常用方法，提高学生对遥感影像数据的应用能力。
二、实验内容与步骤本次实验主要包括以下内容：1. 数据准备：获取实验所需的遥感影像数据，包括光学影像、红外影像等。
2. 影像预处理：对原始遥感影像进行辐射校正、几何校正、图像增强等处理。
3. 影像分割：对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类：对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析：对分类结果进行分析，评估分类精度。
三、实验步骤1. 数据准备- 获取实验所需的遥感影像数据，包括光学影像、红外影像等。
- 确保影像数据具有较好的质量和分辨率。
2. 影像预处理- 辐射校正：对原始遥感影像进行辐射校正，消除大气、传感器等因素对影像辐射强度的影响。
- 几何校正：对原始遥感影像进行几何校正，消除地形起伏、地球曲率等因素对影像几何形状的影响。
- 图像增强：对预处理后的影像进行图像增强，提高影像对比度、清晰度等。
3. 影像分割- 选择合适的分割方法，如基于阈值分割、基于区域生长分割、基于边缘检测分割等。
- 对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类- 选择合适的分类方法，如监督分类、非监督分类等。
- 对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析- 对分类结果进行分析，评估分类精度。
- 分析分类结果中存在的问题，并提出改进措施。
四、实验结果与分析1. 影像预处理结果- 经过辐射校正、几何校正和图像增强处理后，遥感影像的质量得到显著提高，对比度、清晰度等指标明显改善。
2. 影像分割结果- 根据实验所采用的分割方法，成功提取了感兴趣的目标区域，分割效果较好。
3. 影像分类结果- 通过选择合适的分类方法，对分割后的影像进行分类，成功识别了不同的地物类型。
遥感数字图像处理：遥感数字图像处理(62页)
不同波谱分辨率对水铝 反射光谱的获取
时间分辨率
■ 时间分辨率指对同一地点进行遥感来样的时间间隔， 即采样的时间频率，也称重访周期。
■ 遥感的时间分辨率范围较大。以卫星遥感来说，静止 气象卫星（地球同步气象卫星）的时间分辨率为 1次 /0.5小时；太阳同步气象卫星的时间分辨率 2次／天； Landsat为1次／16天；中巴（西）合作的CBERS为1次 ／26天等。还有更长周期甚至不定周期的。
微波遥感与成像
在电磁波谱中，波长在1mm～
1m的波段范围称微波。该 范围内又可再分为毫米波、 厘米波和分米波。在微波 技术上，还可将厘米波分 成更窄的波段范围，并用 特定的字母表示
谱带名称
Ka K
Ku X
微波遥感是指通过微波传
C
感器获取从目标地物发射 或反射的微波辐射，经过 判读处理来识别地物的技
几种遥感图像处理系统简介
■ PCI ■ ERDAS ■ ENVI
PCI简介
■ PCI是加拿大PCI公司的产品，可进行遥感图像的处 理，也可应用于地球物理数据图像、医学图像、雷 达数据图像、光学图像的处理，并能够进行分 析 、制图等工作。它的应用领域非常广泛。
■ PCI拥有最齐全的功能模块：常规处理模块、几 何校正、大气校正、多光谱分析、高光谱分析、 摄影测量、雷达成像系统、雷达分析、极化雷达 分析、干涉雷达分析、地形地貌分析、矢量应用、 神经网络分析、区域分析、GIS联接、正射影像 图生成及DEM提取（航片、光学卫星、雷达卫 星）、三维图像生成、丰富的可供二次开发调用 的函数库、制图、数据输入/输出等四百多个软 件包。
多波段数字图像的数据格式
■BIP方式（band interleaved by pixel） 在一行中，每个像元按光谱波段次序进 行排列，然后对该行的全部像元进行这 种波段次序排列，最后对各行进行重复。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实验报告引言遥感技术作为一种获取地球表面信息的重要手段，已经在农业、环境、城市规划等领域得到广泛应用。
本实验旨在通过遥感图像处理，探索图像处理算法的应用效果，并分析其在实际应用中的潜力。
一、图像预处理图像预处理是遥感图像处理的第一步，其目的是消除图像中的噪声、增强图像的对比度和清晰度。
在本实验中，我们使用了直方图均衡化和中值滤波两种常见的图像预处理方法。
直方图均衡化是一种通过调整图像像素的灰度分布来增强图像对比度的方法。
通过对图像的灰度级进行重新分配，使得图像的灰度分布更加均匀，从而使得图像的细节更加清晰。
实验结果显示，直方图均衡化对于遥感图像的对比度增强效果显著。
中值滤波是一种常见的图像去噪方法，其原理是通过计算像素点周围邻域的中值来替代该像素点的值，从而消除图像中的噪声。
在本实验中，我们使用了3x3的中值滤波器对遥感图像进行滤波处理。
实验结果表明，中值滤波能够有效地去除图像中的椒盐噪声和高斯噪声，使得图像更加清晰。
二、图像分类图像分类是遥感图像处理的核心任务之一，其目的是将遥感图像中的像素点按照其特征分类到不同的类别中。
在本实验中，我们使用了支持向量机（SVM）算法进行图像分类。
支持向量机是一种常用的机器学习算法，其通过构建一个最优超平面来实现分类。
在图像分类中，我们将遥感图像中的每个像素点看作一个数据样本，其特征由像素的灰度值和纹理信息组成。
通过对训练样本进行学习，支持向量机能够建立一个分类模型，从而对测试样本进行分类。
实验结果显示，支持向量机在遥感图像分类中表现出较高的准确性和鲁棒性。
通过调整支持向量机的参数，我们可以得到不同的分类结果。
此外，支持向量机还能够处理高维数据和非线性分类问题，使其在遥感图像处理中具有广泛的应用前景。
三、图像变换图像变换是遥感图像处理中的重要环节，其目的是将图像从一个空间域转换到另一个空间域，从而提取图像中的特征信息。
在本实验中，我们使用了小波变换和主成分分析两种常见的图像变换方法。
遥感数字图像处理实验报告
遥感数字图像处理及应用实验报告姓名：学号：专业：学院：学校：实验一遥感图像统计特性一、实验目的掌握遥感图像常用的统计特性的意义和作用，能运用高级程序设计语言实现遥感图像统。
二、实验内容编程实现对遥感图像进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。
三、实验原理1.均值像素值的算术平均值，反映图像中地物的平均反射强度。
公式为：2.方差像素值与平均值差异的平方和，反映了像素值的离散程度。
也是衡量图像信息量大小的重要参数。
公式为：3.相关系数反映了两个波段图像所包含信息的重叠程度。
f,g为两个波段的图像。
公式为：四、实验数据及图像显示：原始图像：运行结果：实验二遥感图像增强处理一、实验目的掌握常用遥感图像的增强方法，能运用高级程序设计语言实现遥感图像的增强处理。
二、实验内容编程实现对遥感图像的IHS 变换、IHS 逆变换、进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。
三、实验原理：1.IHS变换2.SPOT图像真彩色模拟模拟真彩色：通过某种形式的运算得到模拟的红、绿、蓝三个通道，然后通过彩色合成近似的产生真彩色图像。
（1）SPOT IMAGE 公司提供的方法该方法实际上是将原来的绿波段当作蓝波段，红波段（0.61-0.68 μm）仍采用原来的波段，绿波段用绿波段、红波段、红外波段的算术平均值来代替。
（2）ERDAS IMAGING 软件中的方法此法将原来的绿波段当作蓝波段，红波段仍采用原来的波段，绿波段用绿波段、红外波段按3：1 的加权算术平均值来代替。
四、实验数据及图像显示原始图像：ISH变换所的图像：SPORT真彩色图像：实验三遥感图像融合一、实验目的掌握多源遥感图像融合的原理与方法，能运用高级程序设计语言实现遥感图像的融合。
二、实验内容选择IHS 变换、PCA 变换和Brovey 变换三种方法中的一种，编程实现多源遥感图像融合，即将低空间分辨率的多光谱图像与高空间分辨率的全色图像实现融合。
【报告】遥感图像处理实验报告
【关键字】报告遥感图像处理实验报告篇一：遥感数字图像处理实验报告设计重庆交通大学遥感数字图像处理实验报告实验课程：数字图像处理实验名称：设计所有遥感数字图像处理的实验班级：实验一：遥感图像合成和显示增强一、目的和要求1. 目的掌握图像合成和显示增强的基本方法，理解存储的图像数据与显示的图像数据之间的差异。
2. 要求熟练根据图像中的地物特征进行合成显示、拉伸、图像均衡化等显示增强操作。
理解直方图的含义，能熟练利用直方图进行多波段的图像显示拉伸增强处理。
2、实验内容1. 图像的彩色合成显示2. 图像的基本拉伸方法3. 图像均衡化方法4. 图像规定化三、实验步骤四、实验体会实验二：遥感图像的几何精纠正一、目的和要求1.目的使用多项式方法对TM遥感图像进行几何精纠正。
2.要求能熟练根据地图、GPS测点数据或具有投影的图像对遥感图像进行几何精纠正。
能够正确地选择几何纠正中的各种参数。
能够对纠正结果进行评估。
掌握几何精纠正的基本方法和操作要点。
能够自定义地图投影并进行图像的投影转换。
2、实验内容1. 对TM图像进行几何精纠正。
2. 自定义地图投影。
3. 转换图像的投影。
三、实验步骤四、实验体会实验三：图像变换一、目的和要求1.目的掌握图像变换的基本操作方法，对比变换前后图像差异，理解不同变换方法之间的区别。
2.要求能够根据图像的特征设定傅里叶变换的滤波器，消除图像中的条纹。
能够解释主成分变换后的图像，利用主成分变换消除图像中的噪声。
能够利用KT变换结果进行图像合成、解释地物信息。
熟练利用代数运算产生不同的波段组合。
利用彩色变换进行图像的合成和融合。
能够解释变换后的图像，并根据工作目的选择合适的图像变换方法。
2、实验内容1. SPOT图像的傅里叶变换。
2. TM图像的主成分变换。
3. TM图像的代数变换。
4. ETM 图像的彩色变换。
三、实验步骤四、实验体会篇二：遥感图像处理实验报告格式遥感图像处理班级：学号：姓名：指导教师：实验报告目录一、实验目的 (3)2、实验时间 (3)三、实验地点 (3)四、实验内容 (3)1.图像j50e023013和j50e024013的校正 (3)2.校正后图像的裁剪 (3)3.图像裁剪后的拼接 (5)4.图像pinjie校正spot图像 (7)5.校正后的spot图像校正图像etm+ (10)6.校正后图像的融合 (12)7.融合图像的分类 (13)五、实验体会 (14)一、实验目的：（1）了解遥感软件的基本结构，并能熟练地运用该软件处理遥感数据。
实验报告~遥感数字图像处理
实验报告~遥感数字图像处理本科学⽣综合性、设计性实验报告姓名学号专业班级实验课程名称遥感数字图像处理云南省保⼭市近⼆⼗年来的植被变化⼀、实验准备实验名称：云南省保⼭市近⼆⼗年来的植被变化实验时间：2014年6⽉25⽇星期四⾄2014年6⽉26⽇星期四实验类型：□验证实验√综合实验□设计实验1、实验⽬的和要求：本实验基于1989—2014年保⼭市植被指数（NDVI）时间序列数据，采⽤时序变化趋势和空间分析法，对保⼭市植被的时空变化过程及保护成效进⾏了定量分析。
本研究基于1989~2014年的NDVI数据，分析保⼭地区的植被变化过程，监测保护效果，为当地可持续发展和保护区⽣态环境建设提供理论⽀持。
Landsat4~5,Landsat7,Landsat8系列影像，ENVI5.0，ARCGIS,EDARS操作软件3、实验理论依据或知识背景：植被覆盖度是反映地表信息的重要参数测量植被覆盖度的⽅法可分为地表实测和遥感监测两类由于具有显著的时空分异特性,因⽽利⽤遥感资料已成为估算尤其对⼤⾯积)的主要⼿段为了完成⼤范围地区的植被覆盖度监测,⽬前使⽤较多的遥感测量⽅法有回归模型法、植被指数法以及像元分解模型法等, 其中基于NDVI植被指数和像元分解模型的植被覆盖度遥感估算是⼀种⽐较新的区域植被覆盖度遥感估算⽅法。
保⼭地区是⼀个以⼭地⼭区为主、⾃然环境条件错综复杂的区域,随着经济的快速发展,⼟地利⽤⽅式和⼟地覆盖类型也发⽣了很⼤的变化,为了准确估计⼟地覆盖变化,本⽂根据植被指数估算植被覆盖度的原理,基于NDVI植被指数和改进后的像元⼆分模型对福州地区的植被覆盖度进⾏了遥感估算,对估算结果进⾏了初步验证,并对福州地区植被覆盖的时空变化特征进⾏了分析。
⼆、实验内容、步骤和结果本次研究,结合研究⽬标和实际情况,综合权衡各种因素后,主要采⽤的卫星遥感影像为保⼭地区三个时相的Landsat TM影像,成像时间分别为1989年和2000年、2014年,影像分辨率为30m,影像已经过⼤⽓校正、⼏何精校正及裁减处理1此外,本研究还收集到了2000年保⼭地区1B100 000⼟地利⽤图。
遥感数字图像处理实验报告(五)
遥感数字图像处理实验报告（实验五）姓名：学号：班级：指导老师：1）项目名称：遥感图像光谱增强处理2）实验目的：实验ERDAS软件进行如下实验并掌握其操作方法1.主成份分析，主成份逆变换，主成份占总能量的百分比计算；2.RGB-HIS相互转换，图像融合，用MODEL MAKER 建模方式进行图像处理。
3）实验原理：ERDAS IMAGINE 是美国 ERDAS 公司开发的专业遥感图像处理与地理信息系统软件。
它是以模块化的方式提供给用户的，可使用户根据自己的应用要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。
本次试验所涉及的均为该软件有关图像运算的一些功能。
4）数据来源及数据基本信息：数据来自国际科学数据服务平台，Landsat5 2010年9月18日的图像，图像共7个波段，波段1-5和波段7的空间分辨率为30米，6波段（热红外波段）的空间分辨率为120米。
对应的波段、波长、分辨率、主要作用如表：图像采用的投影为WGS 84投影，条带号为122，行编号为36，覆盖豫东、皖北、苏北、鲁西四省交界地区。
5）实验过程：主成份分析（PCA, Principal Component Analysis）：是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。
ERDAS IMAGING 提供的主成份变换功能最大可以对含有256个波段的图像进行转换压缩。
具体步骤如下：Main —— image interpreter —— spectral enhancement —— principal comp ——principal components 对话框，并进行如下参数设置，如图：点击tools——edit text files 打开对话框，其中显示有各波段能量250.879945226353142.35099348637618.436418108432355.5777731988779483.2445004061740521.1614649640590940.7869031272060705使用计算器计算：250.879945226353 / (250.879945226353 + 142.350993486376 + 18.43641810843235 + 5.577773198877948 + 3.244500406174052 + 1.161464964059094 + 0.7869031272060705)= 250.879945226353 / 422.4379985174785145 = 59.388583912148413833934608092912%去相关拉伸（Decorrelation Stretch）：去相关拉伸是对图像的主成分进行对比度拉伸处理，而不是对原始图像进行拉伸，在操作时只需输入原始图像就可以了，系统将首先对原始图像进行主成分变换，并对主成分图像进行对比度拉伸处理，然后进行主成分逆变换，依据当时变换的特征矩阵，将图像恢复到RGB彩色空间，达到图像增强的目的。
2022年遥感原理实验报告遥感图像处理
《遥感原理》实验报告实验名称：遥感图像解决专业：地理信息科学学号：姓名：指引教师：1、实验目旳（1）理解彩色旳基本特性和互相关系；掌握三原色及其互补色，掌握加色法；（2）学习掌握图像直方图变化与图像亮度变化旳关系；掌握图像线性拉伸旳措施和过程；（3）理解遥感图像彩色合成旳基本原理；掌握选用不同旳合成方案产生不同旳合成效果旳措施，从而达到突出不同目旳地物旳目旳；（4）理解空间滤波旳操作过程和空间滤波对图像产生旳效果；（5）理解并掌握K-L变换旳过程和措施；进一步理解K-L变换产生旳解决效果和解决意义；（6）理解和掌握缨帽变换旳过程和解决效果；（7）理解和掌握彩色空间变换旳过程和措施。
2、实验材料Photoshop CS6、ENVI5.1、CAI软件和光盘文献3、实验内容与过程3.1 遥感图像旳光学合成原理彩色旳基本特性：明度、色调和饱和度为彩色旳基本特性。
明度是指色彩旳明亮限度，是人眼对光源或物体明亮限度地感觉，彩色光亮度越高，人眼感觉就越明亮，即有较高旳明度。
明度旳高下取决于光源光强及物体表面对光旳反射率。
色调是色彩彼此互相辨别旳特性，色调取决于光源旳光谱构成和物体表面旳光谱反射特性。
饱和度是色彩纯洁性，取决于物体表面反射光谱旳选择性限度，反射性光谱越窄，即光谱旳选择性越强，彩色旳饱和度就越高。
明度、色调和饱和度三者旳关系可以用颜色立体来表述。
非彩色，即黑白色只用明度描述，不使用色调、饱和度。
红橙黄绿青蓝紫多种颜色构成彩图。
在遥感上，彩色图比非彩色图较易辨认地物。
白色、黑色和多种灰色构成黑白图象，当物体对可见光旳各个波长旳反射无选择性时，体现为黑色或灰色。
3.2 遥感图像旳线性拉伸打开ENVI>点击菜单栏旳“Custom Stretch”按钮>选择”Linear”等进行线性拉伸；或者直接在菜单栏上选择“Linear”“Linear2%”“Linear5%”原图：线性拉伸后：Linear:Linear 1%:当拉伸效果为1%时，显示效果得到了很大改善。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本科学生综合性、设计性
实验报告
姓名学号
专业班级
实验课程名称遥感数字图像处理
云南省保山市近二十年来的植被变化
一、实验准备
实验名称：云南省保山市近二十年来的植被变化
实验时间：2014年6月25日星期四至2014年6月26日星期四
实验类型：□验证实验√综合实验□设计实验
1、实验目的和要求：
本实验基于1989—2014年保山市植被指数（NDVI）时间序列数据，采用时序变化趋势和空间分析法，对保山市植被的时空变化过程及保护成效进行了定量分析。
本研究基于1989~2014年的NDVI数据，分析保山地区的植被变化过程，监测保护效果，为当地可持续发展和保护区生态环境建设提供理论支持。
Landsat4~5,Landsat7,Landsat8系列影像，ENVI5.0，ARCGIS,EDARS操作软件
3、实验理论依据或知识背景：
植被覆盖度是反映地表信息的重要参数测量植被覆盖度的方法
可分为地表实测和遥感监测两类由于具有显著的时空分异特性,因而利用遥感资料已成为估算尤其对大面积)的主要手段为了完成大范围地区的植被覆盖度监测,目前使用较多的遥感测量方法有回归模型法、植被指数法以及像元分解模型法等, 其中基于NDVI植被指数和像元分解模型的植被覆盖度遥感估算是一种比较新的区域植被覆盖度遥感估算方法。
保山地区是一个以山地山区为主、自然环境条件错综复杂的区域,随着经济的快速发展,土地利用方式和土地覆盖类型也发生了很大的变化,为了准确估计土地覆盖变化,本文根据植被指数估算植被覆盖度的原理,基于NDVI植被指数和改进后的像元二分模型对福州地区的植被覆盖度进行了遥感估算,对估算结果进行了初步验证,并对福州地区植被覆盖的时空变化特征进行了分析。
二、实验内容、步骤和结果
本次研究,结合研究目标和实际情况,综合权衡各种因素后,主要采用的卫星遥感影像为保山地区三个时相的Landsat TM影像,成像时间分别为1989年和2000年、2014年,影像分辨率为30m,影像已经过大气校正、几何精校正及裁减处理1此外,本研究还
收集到了2000年保山地区1B100 000土地利用图。
312研究方法
31211 NDVI 植被指数1植被指数(Vegetation In-dex),又称光谱植被指数,是指由遥感传感器获取的多光谱数据,经线性和非线性组合而构成的对植被有一定指示意义的各种数值[5]1研究表明,植被指数与植被覆盖度具有密切的相关关系,其中规一化植被指数(NDVI)是植被生长状态及植被覆盖度的最佳指示因子[6]1TM影像中NDVI的计算公式为:
NDVI=TM4 -TM3TM4+TM3(3 -1)式中,TM4和TM3分别为Landsat TM影像的第四近红外)和第三(红)波段亮度值131212植被覆盖度1像元二分模型[7 -9]假设像元只由两部分组成:植被覆盖地表和无植被覆盖地表,遥感传感器观测到的光谱信息也只由这两个组分因子线性加权合成,它们各自的面积在像元中所占的比率即为因子的权重,其中植被覆盖地表占像元的
百分比即为该像元的植被覆盖度,因而可以使用此模型来估算植被覆盖度1其计算公式为:
fc=(S-Ssoil)/(Sveg-Ssoil)(3 -2)其中Ssoil与Sveg是像元二分模型的两个参数,因此只要知道这两个参数就可以根据以上公式利用遥感信息来估算植被覆盖度1由于归一化植被指数(NDVI)也是一种由遥感传感器所接收的地物光谱信息推算而得的反映地表植被状况的定量值1根据像元二分模型,一个像元的NDVI值可以表达为由绿色植物部分所贡献的信
息NDVIveg与由裸土部分所贡献的信息NDVIsoil这两部分组成,同样满足公式(2 -2)的条件,因此可以将NDVI代入公式(3 -2),得:
fc=(NDVI-NDVIsoil) /(NDVIveg-NDVIsoil)
(3 -3)
其中,NDVIsoil为无植被覆盖区域(裸土)的NDVI
值,NDVIveg为完全植被覆盖区域的NDVI值1
NDVIsoil与NDVIveg的计算公式为:
NDVIsoil=( fcmax#NDVImin-NDVImax)/( fcmax-fcmin)
NDVIveg=[(1 -fcminNDVImax-(1 -fcmax)NDVImin]/( fcmax-fcmin)
(3 -4)
fcmax、fccmin为区域中像元植被覆盖度可能的最
大值与最小值,NDVImax、NDVImin为图像中ND-
VI在给定置信度的置信区间的最大值与最小值,由
于福州地处亚热带地区,通常情况下植被覆盖度的
最大值都可以取100%,植被覆盖度的最小值一般都
取0,将fcmax=100%,fcmin=0代入公式(3 -4)得:
NDVIsoil=NDVImin
NDVIveg=NDVImax(3 -5)
计算流程如下图所示
实验结果
1989-2002保山植被变化如图所示
三、实验小结
1、实验中出现过的问题（或错误）、原因分析
问题一：NDVI是归一化植被指数，它的取值范围是-1—1，如何理解？
分析：对于陆地表面覆盖来说，云、雨、雪在可见光比近红外波段有较高的反射作用，所以NDVI为负值；岩石、裸土的NDVI一般为0；有植被覆盖的地方一般大于0。
问题二：导入ENVI进行查看，发现未拼接重投影之前影像数据范围为-3000—0.99880，拼接重投影之后影像数据范围在-3000—9988。
是数据值发生了改变吗？分析：ENVI —Basic Tool —Preprocessing —Data-Specific Utilities —View HDF Attribute
（在envi里面查看NDVI波段参数）
可以发现它的有效值范围为（-2000—10000），因此数据值-3000是无效值，其他的值是乘以了10000这个系数（scale_factor），因此在拼接重投影过程中ndvi值并没有发生变化。
还有些值如32767等表示有云。
问题三：按上面所述，它的根本值没有发生改变，但是毕竟一部分数值已经扩大了啊，怎么处理比较合理？
分析：ENVI —Basic Tools —Band Math
（波段运算，把负值去掉）
在弹出的对话框Band Math中，Enter an expression：(b1 lt 0)*0+(b1 ge 0)*(b1*0.0001)。
这个公式意思就是：要是值小于0 就乘以0，使其变为0；同时，值大于等于0的话就乘以0.0001这个系数。
这样就OK了。
关于B1 代表所选的那个影像。
3、保证实验成功的关键问题
如何通过NDVI来计算植被覆盖度？
方法：一般都是用的像元二值模型。
利用NDVI值得到植被覆盖度。
公式：fc = (NDVI - NDVIsoil)/( NDVIveg - NDVIsoil)
取NDVIsoil = NDVImin, NDVIveg = NDVImax。
（1）得到NDVI数据
（2）查出NDVI影像的最大最小值：在scroll 窗口右键—Quick Statistics 对于最小值，由于是计算植被覆盖度，植被的NDVI应该是大于0 ，因此应该选择大于0的最小值。
对于最大值，最大值不是1（红光波段反射率不等于0），因此应该选择数量大于0值小于1的最大值。
注意：最大最小值提取需要设置置信度。
如果置信度是0，则NDVImin取所有像元中最小的值，NDVImax取所有像元中最大的；如果取置信度是1 ，则NDVImin取像元中像元值累计概率1%附近的像元值，NDVImax取99%附近的那个像元值（注意是像元值的累积概率：累计概率=累积像元个数/总像元个数），同理其他也一样。
问题：置信度如何获得？
（3）波段计算：Basic Tool —Band match
输入计算公式：float（（b1-minb1）/（maxb1-minb1））
4、本实验改进措施：
在使用ArcGIS桌面导入导出数据时，因为默认使用ArcGIS创建的要素类等其他对象系统都会创建一个ObjectID字段，是一个唯一标识，使用这个ObjectID，可能会记录相应的ObjectID来对应指定的要素，但是在数据导入导出的过程中，尤其是导入，这些ObjectID重排，无法来使用这个ObjectID，
改进措施：使用导入导出应该都是使用的Import/Export工具，该工具是重排ObjectID，使用直接对数据集或者要素类对象Copy/Paste，使用这种方式就不会对ObjectID重排。
参考文献：《遥感数字图像处理教程》
《遥感原理与应用》
5、对实验自我评价：
在此，首先感谢老师的耐心指导，在本人的不懈努力之下，虽然此次实验波折很多，但还是基本完成这次实验。
收获颇丰，很高兴。
指导教师评语及得分：
得分：签名：年月日。