ENVI图像配准、融合

envi图像融合

图像融合目录一、图像融合简介 (1)二、TM和SPOT数据融合 (1)1、准备工作 (2)2、读取并显示ERMapper影像 (2)3、调整影像大小 (2)4、进行手动HSI数据融合 (2)5、进行自动HSV数据融合 (3)三、SPOT全色和多光谱图像融合 (3)1、显示两幅影像 (3)2、调整影像以获取相同尺寸的像元大小 (3)3、进行自动HSV数据融合 (4)4、进行主成分变换数据融合 (4)四、进行TM和SAR数据融合 (4)1、显示两幅影像 (4)2、根据SAR影像来配准TM影像 (4)3、使用HSV变换来进行影像融合 (5)4、查看融合后的影像 (5)一、图像融合简介数据融合是将多幅影像组合到单一合成影像的处理过程。

一般使用高空间分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。

图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。

●只有将两幅融合图像进行精确配准，才可能得到满意的结果。

●对于融合方法的选择，取决于被融合图像的特征以及融合目的。

ENVI中提供的融合方法有：HSV变换、Brovey变换、乘积运算（CN）、主成分（PC）变换、Gram-Schmidt Pan Sharpening（GS）。

表1 融合方法说明融合方法适用范围HSV纹理改善，空间保持较好。

光谱信息损失较大，受波段限制Brovey变换光谱信息保持较好，受波段限制乘积运算（CN）对大的地貌类型效果好，同时可用于多光谱与高光谱图像的融合主成分（PC）变换无波段限制，光谱保持好。

第一主成分信息高度集中，色调发生较大变化Gram-Schmidt Pan Sharpening（GS）改进了PCA中信息过分集中的问题，不受波段限制，较好的保持空间纹理信息，尤其能高保真保持光谱特征。

专为最新高空间分辨率图像设计，能较好保持图像的纹理和光谱信息二、TM和SPOT数据融合数据一：lon_spot ：London SPOT数据lon_spot.ers ：ER Mapper的头文件lon_tm ：London Landsat TM数据lon_tm.ers ：ER Mapper的头文件1、准备工作为了在ENVI中进行数据融合，一般要求影像文件含有地理坐标（在这种情况下，空间重采样会自动进行），否则影像必须覆盖同一地理区域，并且有相同的像素大小、影像大小以及相同的方位。

图像自动配准,镶嵌,裁剪与融合

本科生实验报告第五组姓名袁银学号：191401094专业地理科学班级地理科学1902班实验课程名称遥感原理与应用指导教师及职称郑著彬老师实验名称：图像自动配准，融合，镶嵌与裁剪开课学期2020至2021 学年第 2 学期赣南师范大学地理与环境工程学院实验名称：图像自动配准，融合，镶嵌与裁剪第五组一、实验目的• 1.了解图像自动配准的目的和基本方法• 2.学习了Image Registration Workflow图像配准工具的使用• 3.掌握图像融合的基本方法和流程•学习了Gram-Schmidt Pan Sharpening融合方法•学习了不同传感器、相同传感器图像的融合•掌握了图像镶嵌的基本方法•学习了影像无缝镶嵌工具Seamless Mosaic的使用•掌握图像裁剪的基本方法•学习了规则裁剪、和不同情况下的不规则图像裁剪的流程•学习了ENVI中图像裁剪的工具•Open/Save As/Spatial Subset•Toolbox/Regions of Interest/Subset Data from ROIs二、实验准备数据：2.5米空间分辨率、不同成像时间的影像数据2.1米全色、6.8米多光谱的影像数据SPOT4 的10米全色波段和Landsat TM 30mQuickBird全色和多光谱图像两个有地理坐标的TM图像文件TM影像数据Shapefile 矢量数据内容：1图像的空间配准 2图像3不规则图像裁剪手动交互绘制裁剪区域裁剪图像外面矢量文件裁剪图像4利用Seamless Mosaic工具进行图像镶嵌工具：1.Toolbox -> Geometric Correction -> Registration -> Image Registration Workflow2• / Image Sharpening /Gram-Schmidt Pan Sharpening✓3/Regions of Interest/Subset Data from ROIs✓4Mosaicking /Seamless三、实验步骤（一）图像的空间配准（1）选择图像配准的文件○1打开envi5.3（64bit），如图1所示。

(最新)ENVI对图像进行配准、校正、拼接、裁剪

目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)（一）基础知识 (2)（二）ENVI操作 (4)二、图像镶嵌（图像拼接） (16)（一）基础知识 (16)（二）ENVI操作 (16)三、图像裁剪 (20)（一）基础知识 (20)（二）ENVI操作 (21)第二部分：下载影像及介绍 (26)（一）基本信息 (26)（二）日期信息 (26)（三）云量信息 (26)（四）空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。

2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。

由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。

简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。

本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。

3、图像选点原则[1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。

[2]特征变化大的地区需要多选。

[3]图像边缘部分一定要选取控制点。

[4]尽可能满幅均匀选取。

[5]保证一定数量的控制点，不是控制点越多越好。

4、数理知识：[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X，Y：校正前该点的位置；x，y：校正后该点的位置[2]最少控制点个数： ( n+1 )²[3]误差计算：RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法（插值算法）[1]最近邻法概念：取与所计算点( x，y )周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近就取哪个亮度值作为 ( x，y )点的亮度值优点：简单易用，计算显小缺点：图像的亮度具有不连续性，精度差[2]双线性内插法概念：取(x，y)点周围的4个邻点，在y方向内插2次，再在x方向内插1次，得到( x，y)点的亮度值 f ( x，y)优点：双线性内插法比最近邻法虽然计算虽有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。

ENVI下的图像融合步骤

ENVI下的图像融合步骤经过对ERDAS和ENVI两种软件中提供的大部分融合方法的对比，发现用ENVI中的Gram-Schmidt Spectral Sharpening方法进行融合能够比较好的保留原多光谱图像的光谱信息，或者使遥感影像的融合保留多光谱影像的增强效果。

1.用Gram-Schmidt Spectral Sharpening方法进行遥感影像融合时，有时需对原多光谱影像进行增强，在ENVI中对影像的增强可使用Enhance中的各种方法，使多光谱影像色彩信息达到需求的效果；增强方法如下图，选取不同的样区进行影像增强所得到的效果不同，在影像增强过程中应选取不同的样区进行尝试；ENVI中影像增强方法2.对遥感影像增强到达满意的效果后，通过File | Save Image As | Image File…保存增强果后的影像；保存窗口，在Output File Type中选择保存的数据类型，通过Choose选择文件的保存路径及文件名；3.进行影像融合，在ENVI主菜单中，通过Transform | Image Sharpening |Gram-Schmidt Spectral Sharpening 进行融合；4.在Select Low Spatial Resolution Multi Band Input File对话框窗口中选择多光谱影像，点击OK确定；Select Low Spatial Resolution Multi Band Input File对话框5.在Select High Spatial Resolution Pan Input Band 对话框中选择高分辨率的影像波段，点击OK确认；Select High Spatial Resolution Pan Input Band 对话框6.在Gram-Schmidt Spectral Sharpen Parameters 中设置融合的参数，Resampling中选择重采样的模型，Choose中选择存储的文件路径和文件名；。

Envi4.7图像融合和裁剪

实验九遥感图像预处理（三）一、实验内容图像融合、镶嵌（2学时）图像裁剪（2学时）二、实验学时4学时二、实验原理、方法和手段图像融合、镶嵌、裁剪原理内容在操作中进行介绍。

三、实验数据实验数据：第四章：遥感图像预处理四、实验步骤1. 图像融合数据：第四章：遥感图像预处理\5-图像融合。

图像融合是将低空间分辨率的多光谱图像或高光谱数据与高空间分辨率的单波段重新采样，生成一幅高分辨率多光谱遥感图像的图像处理技术。

使得处理后的图像既有较高的空间分辨率，又具有多光谱特征。

ENVI中提供了两种融合方法：HSV变换和Brovey变换。

这两种方法均要求数据具有地理参考或者具有相同的尺寸，RGB输入波段必须为无符号8-bit数据或从打开的彩色display中选择。

两种方法基本类似，下面介绍Brovey变换操作过程。

操作过程：1. 打开融合的两个文件：TM-30m.img和bldr_sp.img（分别在两个display 窗口中显示），将TM-30m.img以RGB格式显示在display窗口中。

2. 选择主菜单→transform→image sharpening→color normalized(brovey),在select input RGB对话框中，有两种选择方式（如第一图）：可用波段列表中选择或display窗口中选择，选择display#1窗口中的RGB，单击OK按钮。

3. 选中相应波段，双击，进入color normalized（brovey）对话框(如第二图),在color normalized（brovey）对话框中，选择重采样方式（resampling）和输入文件路径及文件名，单击OK按钮输出结果。

融合后结果如下，可以对两幅图像链接进行比较。

对于多光谱图像，ENVI可以利用以下融合技术：Gram-Schmidt：能保持融合前后图像波谱信息的一致性。

Color normalized:要求数据具有中心波长和FEHM主成分（PC）变换下面介绍参数相对较多的Gram-schmidt操作过程。

ENVI对图像进行配准校正拼接裁剪

ENVI对图像进行配准校正拼接裁剪ENVI在图像处理领域被广泛应用，其中配准、校正、拼接和裁剪是常见且重要的操作。

本文将介绍ENVI在图像配准校正拼接裁剪方面的基本原理和操作步骤。

一、图像配准图像配准是将多幅图像对准到一个统一的坐标系统中，使它们具有相同的尺度、旋转和平移。

ENVI提供了多种图像配准方法，包括基于特征点匹配的自动配准和基于控制点辅助的手动配准。

1. 自动配准ENVI的自动配准功能利用图像中的特征点进行匹配，通过计算特征点的几何变换关系来实现配准。

使用该功能时，首先选择一个参考图像，然后选择其他需要配准的图像。

ENVI将自动检测并匹配这些图像中的特征点，并计算图像之间的几何变换关系，最终实现图像的配准。

2. 手动配准对于某些情况下自动配准效果不佳或需要更精确的配准结果的场景，ENVI提供了手动配准功能。

该功能需要用户手动在图像中添加控制点，根据已知的地理坐标信息进行匹配。

通过选择足够数量的控制点，并进行几何变换，可以实现更准确的图像配准结果。

二、图像校正图像校正是指通过去除图像中的变形、噪声、光照等因素，使得图像更加准确和清晰。

ENVI提供了多种图像校正方法，如大气校正、几何校正等。

1. 大气校正在遥感图像处理中，大气校正是一个重要的步骤。

ENVI提供了不同的大气校正模型，如基于大气遥感参数的MODTRAN模型、Atmospheric and Topographic Correction (ATCOR)模型等。

用户可以根据实际需求选择合适的大气校正方法对图像进行校正，以消除大气干扰，还原地物的真实信息。

2. 几何校正几何校正是指将图像中的地物从图像坐标转换为地理坐标，使得图像与实际地理位置相符。

ENVI提供了自动几何校正功能，可以使用地面控制点或地面矢量数据进行几何校正。

通过选择合适的校正方法和参考数据，可以将图像校正为具有地理坐标的图像。

三、图像拼接图像拼接是将多幅图像按照空间位置进行组合，生成一幅更大尺寸的图像。

资源三号ENVI软件正射纠正和融合方法

ENVI软件正射纠正和融合
一、正射纠正
1.打开影像
2.显示待纠正影像：Load Band
3.用RPC模型进行正射纠正
先对正视影像进行正射纠正。

4.设置各项参数
上述对话框中，从左到右分别表示：采样方法
输入DEM：在无控的情况下，选用前后视提取的DEM结果。

设置输出路径和文件名。

投影方式：建议不修改
分辨率：2.1和2.1Metre，其中，正视影像为2.1m，多光谱为5.8m。

OK！完成正射纠正。

二、融合
融合方法选择：融合方法有很多种，对不同的影像也会有不同的
效果，不能说某一种方法绝对好会绝对不好，在这里也只是一个建议。

在ENVI软件中，可以选择Gram‐Schmidt Spectral Sharpening。

依次选择多光谱和全色影像。

方法选第一种，然后设置重采样方法和输出路径、文件名。

完成融合。

如何处理测绘技术中的遥感影像配准和融合问题

如何处理测绘技术中的遥感影像配准和融合问题遥感影像配准和融合是测绘技术中一个重要且复杂的问题。

在测绘领域，遥感影像的获取和处理是不可或缺的一环。

遥感影像的配准和融合能够为地理信息系统的建设和应用提供精确和全面的数据，因此在测绘工作中具有重要的意义。

一、遥感影像配准问题1. 影像配准的概念和意义在遥感影像处理中，配准是指将不同时间、不同分辨率或不同类型的遥感影像进行准确对齐的过程。

影像配准的目的是实现不同影像之间的空间对应关系，以便进行比较分析和地理信息提取。

配准精度的高低直接影响到地理信息的准确性和可靠性。

2. 遥感影像配准方法当前，常用的遥感影像配准方法主要包括基于特征点的配准方法和基于控制点的配准方法。

基于特征点的配准方法利用影像中的显著特征点，如建筑物角点、河流交叉口等，通过提取并匹配这些特征点来实现影像的配准。

而基于控制点的配准方法则通过事先选取一些具有明确地理位置的控制点，并在待配准影像中搜索对应点来实现影像配准。

3. 遥感影像配准的挑战遥感影像配准过程中会遇到一些挑战，如不同影像之间光谱、几何和分辨率的差异，地表变化引起的配准不一致等。

这些问题会影响配准的精度和效果。

而且，由于影像中存在噪声和遮挡，配准算法在实际应用中也会受到局限。

二、遥感影像融合问题1. 影像融合的概念和作用遥感影像融合是指将多幅不同波段或不同传感器获取的遥感影像进行融合，以得到一幅包含更丰富信息的复合影像。

影像融合可以提高影像的空间分辨率、光谱信息和时间特性，有助于提高对地观测和信息提取的精确性和综合能力。

2. 遥感影像融合方法目前常用的遥感影像融合方法主要包括基于变换的方法和基于降维的方法。

基于变换的方法包括主成分分析、小波变换、整体变换等，通过对影像进行变换和重构来实现融合。

而基于降维的方法则利用数学模型对遥感数据进行分析和处理，通过降低数据维度以实现融合。

3. 遥感影像融合的挑战影像融合过程中也会面临一些挑战。

ENVI中的各种融合方法

融合方法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。

ENVI里除了SFIM以外，上面列举的都有。

HSV可进行RGB图像到HSV色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB色度空间。

输出的RGB图像的像元将与高分辨率数据的像元大小相同。

Brovey锐化方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。

彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。

函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。

输出的RGB图像的像元将与高分辨率数据的像元大小相同。

用Gram-Schmidt 可以对具有高分辨率的高光谱数据进行锐化。

第一步，从低分辨率的波谱波段中复制出一个全色波段。

第二步，对该全色波段和波谱波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段。

第三步，用Gram-Schmidt 变换后的第一个波段替换高空间分辨率的全色波段。

最后，应用Gram-Schmidt反变换构成pan锐化后的波谱波段。

用PC 可以对具有高空间分辨率的光谱图像进行锐化。

第一步，先对多光谱数据进行主成分变换。

第二步，用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真。

第三步，进行主成分反变换。

函数自动地用最近邻、双线性或三次卷积技术将高光谱数据重采样到高分辨率像元尺寸。

CN波谱锐化的彩色标准化算法也被称为能量分离变换（Energy Subdivision Transform），它使用来自锐化图像的高空间分辨率（和低波谱分辨率）波段对输入图像的低空间分辨率（但是高波谱分辨率）波段进行增强。

该功能仅对包含在锐化图像波段的波谱范围内的输入波段进行锐化，其他输入波段被直接输出，不发生变换。

如何进行卫星图像融合与配准

如何进行卫星图像融合与配准卫星图像融合与配准是遥感技术中常用的图像处理方法，通过将不同传感器获取的卫星图像进行融合和配准，可以提高图像的质量和准确性，为遥感应用提供更准确的数据支持。

本文将探讨如何进行卫星图像融合与配准，并介绍相关的算法和技术。

一、卫星图像融合卫星图像融合是将不同传感器获取的图像融合为一幅综合图像的过程。

这样做的目的是为了获得更全面、更准确的信息。

卫星图像融合主要有两种方法：基于物体和基于像素。

基于物体的融合方法是将不同传感器获取的图像分割为不同的物体，然后通过特定的规则和算法将这些物体融合为一幅图像。

这种方法的优点是能够提取出图像中的物体并进行准确的匹配，缺点是算法比较复杂，计算量比较大。

基于像素的融合方法是将不同传感器获取的图像进行像素级别的融合。

这种方法的优点是计算简单，速度快，缺点是无法准确提取物体信息。

常用的基于像素的融合方法有加权平均法、PCA方法和小波变换方法等。

加权平均法是将不同传感器获取的图像按照一定的权重进行加权平均，得到融合后的图像。

PCA方法是利用主成分分析的原理将多个波段的图像降维，然后进行融合。

小波变换方法是利用小波变换将多个波段的图像进行分解和重构，得到融合后的图像。

二、卫星图像配准卫星图像配准是指将不同时间或不同传感器获取的卫星图像进行空间对应的过程。

这样做的目的是为了获得准确的位置信息，实现图像的精确比较和分析。

卫星图像配准主要分为几何配准和基于特征的配准。

几何配准是指通过图像的几何特性进行配准的方法。

常用的几何配准方法有地面控制点法和基于坐标转换的方法。

地面控制点法是通过选取地面上已知位置的控制点，将其在图像上进行标注，然后利用控制点之间的关系进行配准。

基于坐标转换的方法是通过将两幅图像的坐标系转换到同一坐标系，然后进行配准。

基于特征的配准是指利用图像中的特征进行配准的方法。

常用的基于特征的配准方法有SIFT特征匹配法和SURF特征匹配法。

SIFT特征匹配法是利用尺度不变特征变换来提取图像中的特征点，然后通过匹配特征点来进行配准。

ENVI形态学滤波+图像融合实验报告

目录ENVI形态学滤波实验报告 (2)一.技术流程图 (2)二.目的及内容 (3)2.1目的 (3)2.2 内容 (3)三.降噪处理 (3)四.图像二值化 (5)五.形态学滤波处理图像 (6)遥感图像融合实验报告 (9)一．技术流程图 (9)二．目的及内容 (10)2.1 目的 (10)2.2 内容 (10)三．图像几何校正 (10)3.1打开图像 (10)3.2采集地面控制点 (11)3.3选择校正参数并输出结果 (12)四．图像自动配准 (14)五．图像融合 (15)六．疑问及解决方案 (17)七．总结 (17)ENVI形态学滤波实验报告一.技术流程图卷积滤波对图像降噪图像二值化开启(opening)处理腐蚀（erode）处理图1技术流程图二.目的及内容2.1目的学会图像增强中的滤波功能，掌握腐蚀、膨胀、开启和关闭等滤波操作，并高通滤波、低通滤波，robert等滤波的处理。

2.2 内容1)用卷积滤波对图像进行降噪处理。

2)图像二值化。

3)用形态学滤波处理图像。

三.降噪处理打开图像，原始图像如图二所示：图2 原始图像使用卷积滤波中的中值滤波进行处理，参数配置如图3所示：图3 中值滤波参数设置降噪后的影像,如图4所示:图4 降噪后的影像四.图像二值化利用ENVI中的band math输入表达式：(b1 lt 110)*0 + (b1 gt 110)*1来对图像进行二值化。

得到二值化之后的图像如图5所示:图5 二值化后的图像对图像的灰度值进行统，如图6所示：图6 二值化统计结果五.形态学滤波处理图像首先对二值化图像进行开启（opening）处理，参数配置如图7所示：图7 opening参数配置进行opening操作的图像如图8所示：图8 opening操作后的图像在对Opening后的图像进行腐蚀(Erode)操作，参数配置如图9所示：图9 Erode 参数配置腐蚀操作后的图像如图10所示：图10 Erode后得到的图像遥感图像融合实验报告一．技术流程图QuickBird高分辨率影像TM低分辨率影像以QuickBird影像为基准进行几何校正图像自动配准图像融合总结图1 技术流程图二．目的及内容2.1 目的对低分辨率TM影像和高分辨率Quickbirds影像进行融合。

ENVI下的图像融合方法高保真融合高光谱融合

ENVI下的图像融合方法高保真融合高光谱融合(2011-07-27 08:33:41)转载▼图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。

图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。

只有将两幅融合图像进行精确配准，才可能得到满意的结果。

对于融合方法的选择，取决于被融合图像的特征以及融合目的。

ENVI中提供融合方法有：∙HSV变换∙∙Brovey变换∙这两种方法要求数据具有地理参考或者具有相同的尺寸大小。

RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。

这两种操作方法基本类似，下面介绍Brovey变换操作过程。

（1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。

（2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。

（3）选择Display窗口中选择RGB，单击OK。

（4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。

对于多光谱影像，ENVI利用以下融合技术：∙Gram-Schmidt∙∙主成分（PC）变换∙∙color normalized (CN)变换∙∙Pan sharpening∙这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。

envi图像处理基本操作

envi图像处理基本操作主要介绍利用envi进行图像处理的基本操作，主要分为图像合成、图像裁减、图像校正、图像镶嵌、图像融合、图像增强。

分辨率：空间分辨率、波谱分辨率、时间分辨率、辐射分辨率。

咱们平时所说的分辨率是指？怎么理解？1、图像合成对于多光谱影像，当我们要得到彩色影像时，需要进行图像合成，产生一个与自然界颜色一致的真彩色（假彩色）图像。

对于不同类型的影像需要不同的波段进行合成，如中巴CCD影像共5个波段，一般选择2、4、3进行合成。

（为什么不选择其他波段？重影/不是真彩色）。

SOPT5影像共7个波段，一般选择7、4、3三个波段。

操作过程以中巴资源卫星影像为例中巴资源卫星影像共有五个波段，选择2、4、3三个波段对R、G、B赋值进行赋值。

在ENVI中的操作如下：（1）file open image file打开2、3、4三个波段，选择RGB，分别将2、4、3赋予RGB。

（2）在#1窗口file---〉save image as-image file。

（3）在主菜单中将合成的文件存为tiff格式（file-save file as-tiff/geotiff）即可得到我们需要的彩色图像。

2、图像裁减有时如果处理较大的图像比较困难，需要我们进行裁减，以方便处理。

如在上海出差时使用的P6、SOPT5，图幅太大不能直接校正需要裁减。

裁减图像，首先制作AOI文件再根据AOI进行裁减。

一般分为两种：指定范围裁减、不指定范围裁减。

不指定范围裁减在ENVI中的操作如下：（1）首先将感兴趣区存为AOI文件file open image file打开原图像选择IMAGE窗口菜单overlay region of interesting 选择划定感兴趣区的窗口如scroll，从ROI_Type菜单选择ROI的类型如Rectangle，在窗口中选出需要选择的区域。

在ROI窗口file Save ROIs将感兴趣区存为ROI文件。

envi图像融合实习报告

Envi图像融合实习报告介绍本文是我在进行Envi图像融合实习期间的实习报告。

Envi图像融合是一种将来自多个传感器或多个波段的图像进行融合的技术，以提取更多的信息或改善图像质量。

本次实习我主要学习了图像融合的原理和Envi软件的使用方法，并完成了一些实际的图像融合任务。

实习目标在实习开始之前，我制定了以下实习目标：1.了解图像融合的基本原理；2.学习Envi软件的使用方法；3.完成一些实际的图像融合任务。

实习过程第一步：学习图像融合原理在开始实际操作之前，我首先了解了图像融合的基本原理。

图像融合可以分为像素级融合和特征级融合两种方法。

像素级融合是将来自不同传感器的图像像素直接融合，特征级融合则是利用图像的特征进行融合。

我学习了这两种方法的优缺点以及适用场景。

第二步：学习Envi软件使用方法Envi是一款专业的遥感图像处理软件，它提供了丰富的图像处理和分析功能。

在实习中，我学习了Envi软件的基本操作方法，包括图像加载、增强、融合等功能的使用。

我还学习了如何调整图像的参数，以及如何根据图像的特点选择合适的融合方法。

第三步：完成实际的图像融合任务在对Envi软件有了一定了解之后，我开始进行实际的图像融合任务。

我选择了一组来自不同传感器的遥感图像进行融合。

首先，我加载了这些图像，并进行了预处理，包括去除噪声、校正图像偏移等。

然后，我根据图像的特点选择了适合的图像融合方法，并进行了融合操作。

最后，我对融合后的图像进行了评估，包括分析融合效果和比较与原始图像的差异。

实习成果通过这次实习，我取得了以下成果：1.对图像融合的原理有了更深入的了解；2.掌握了Envi软件的基本使用方法；3.完成了一些实际的图像融合任务，并取得了较好的效果。

总结这次Envi图像融合实习使我对图像处理和Envi软件有了更深入的了解。

通过实践，我不仅学到了理论知识，还锻炼了实际操作的能力。

这对我的学习和未来的研究工作都具有重要意义。

envi 融合方法

envi 融合方法
envi融合方法是指将多个遥感影像数据融合在一起，以提高图像的空间分辨率和信息内容。

envi融合方法常用的包括以下几种：
1. 像元级融合（Pixel-level Fusion）：将不同波段的遥感影像数据直接融合在像素级别，常用的方法有加权平均法、PCA融合法和IHS融合法等。

2. 特征级融合（Feature-level Fusion）：根据遥感影像的特征信息，对不同波段的影像进行特征提取和融合，常用的方法有小波变换融合法、高通滤波融合法和小区域融合法等。

3. 决策级融合（Decision-level Fusion）：根据遥感影像的分类结果，对不同波段的分类结果进行融合，常用的方法有投票法、逻辑回归融合法和支持向量机融合法等。

envi融合方法可以根据具体需求选择合适的方法进行融合，以达到更好的图像质量和信息解译效果。

(最新)ENVI对图像进行配准、校正、拼接、裁剪

目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)（一）基础知识 (2)（二）ENVI操作 (4)二、图像镶嵌（图像拼接） (16)（一）基础知识 (16)（二）ENVI操作 (16)三、图像裁剪 (20)（一）基础知识 (20)（二）ENVI操作 (21)第二部分：下载影像及介绍 (26)（一）基本信息 (26)（二）日期信息 (26)（三）云量信息 (26)（四）空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。

2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。

由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。

简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。

本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。

3、图像选点原则[1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。

[2]特征变化大的地区需要多选。

[3]图像边缘部分一定要选取控制点。

[4]尽可能满幅均匀选取。

[5]保证一定数量的控制点，不是控制点越多越好。

4、数理知识：[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X，Y：校正前该点的位置；x，y：校正后该点的位置[2]最少控制点个数： ( n+1 )²[3]误差计算：RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法（插值算法）[1]最近邻法概念：取与所计算点( x，y )周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近就取哪个亮度值作为 ( x，y )点的亮度值优点：简单易用，计算显小缺点：图像的亮度具有不连续性，精度差[2]双线性内插法概念：取(x，y)点周围的4个邻点，在y方向内插2次，再在x方向内插1次，得到( x，y)点的亮度值 f ( x，y)优点：双线性内插法比最近邻法虽然计算虽有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。

ENVI形态学滤波+图像融合实验报告

目录ENVI形态学滤波实验报告 (2)一.技术流程图 (2)二.目的及内容 (3)2.1目的 (3)2.2 内容 (3)三.降噪处理 (3)四.图像二值化 (5)五.形态学滤波处理图像 (6)遥感图像融合实验报告 (9)一．技术流程图 (9)二．目的及内容 (10)2.1 目的 (10)2.2 内容 (10)三．图像几何校正 (10)3.1打开图像 (10)3.2采集地面控制点 (11)3.3选择校正参数并输出结果 (12)四．图像自动配准 (14)五．图像融合 (15)六．疑问及解决方案 (17)七．总结 (17)ENVI形态学滤波实验报告一.技术流程图卷积滤波对图像降噪图像二值化开启(opening)处理腐蚀（erode）处理图1技术流程图二.目的及内容2.1目的学会图像增强中的滤波功能，掌握腐蚀、膨胀、开启和关闭等滤波操作，并高通滤波、低通滤波，robert等滤波的处理。

2.2 内容1)用卷积滤波对图像进行降噪处理。

2)图像二值化。

3)用形态学滤波处理图像。

三.降噪处理打开图像，原始图像如图二所示：图2 原始图像使用卷积滤波中的中值滤波进行处理，参数配置如图3所示：图3 中值滤波参数设置降噪后的影像,如图4所示:图4 降噪后的影像四.图像二值化利用ENVI中的band math输入表达式：(b1 lt 110)*0 + (b1 gt 110)*1来对图像进行二值化。

得到二值化之后的图像如图5所示:图5 二值化后的图像对图像的灰度值进行统，如图6所示：图6 二值化统计结果五.形态学滤波处理图像首先对二值化图像进行开启（opening）处理，参数配置如图7所示：图7 opening参数配置进行opening操作的图像如图8所示：图8 opening操作后的图像在对Opening后的图像进行腐蚀(Erode)操作，参数配置如图9所示：图9 Erode 参数配置腐蚀操作后的图像如图10所示：图10 Erode后得到的图像遥感图像融合实验报告一．技术流程图QuickBird高分辨率影像TM低分辨率影像以QuickBird影像为基准进行几何校正图像自动配准图像融合总结图1 技术流程图二．目的及内容2.1 目的对低分辨率TM影像和高分辨率Quickbirds影像进行融合。

envi图像融合

图像自动配准,镶嵌,裁剪与融合

(最新)ENVI对图像进行配准、校正、拼接、裁剪

ENVI下的图像融合步骤

Envi4.7图像融合和裁剪

ENVI对图像进行配准校正拼接裁剪

资源三号ENVI软件正射纠正和融合方法

如何处理测绘技术中的遥感影像配准和融合问题

ENVI中的各种融合方法

如何进行卫星图像融合与配准

ENVI形态学滤波+图像融合实验报告

ENVI下的图像融合方法 高保真融合 高光谱融合

envi图像处理基本操作

envi图像融合实习报告

envi 融合方法

(最新)ENVI对图像进行配准、校正、拼接、裁剪

ENVI形态学滤波+图像融合实验报告

ENVI下的图像融合方法高保真融合高光谱融合