实验五_不同分辨率图像融合
遥感图像融合实验报告
遥感图像融合实验报告遥感图像融合实验报告一、引言遥感图像融合是指将多个不同传感器获得的遥感图像融合为一幅综合图像的过程。
通过融合不同传感器获取的图像，可以获得更全面、更准确的地物信息。
本实验旨在探究遥感图像融合的原理和方法，并通过实验验证其效果。
二、实验目的1. 了解遥感图像融合的原理和意义；2. 掌握常用的遥感图像融合方法；3. 进行实验验证，比较不同融合方法的效果。
三、实验步骤1. 数据准备：选择两个不同传感器获取的遥感图像，如光学图像和雷达图像；2. 图像预处理：对两幅图像进行预处理，包括辐射校正、几何校正等；3. 图像配准：通过图像配准算法将两幅图像对齐，使其具有相同的空间参考系；4. 图像融合：选择合适的融合方法，如基于像素级的融合方法或基于特征级的融合方法，对两幅图像进行融合；5. 结果评价：通过定量和定性的评价指标，对融合结果进行评估。
四、实验结果与分析经过实验，我们得到了融合后的遥感图像。
通过对比融合前后的图像，可以发现融合后的图像在空间分辨率和光谱信息上都有所提高。
融合后的图像能够更清晰地显示地物的边缘和细节，且具有更丰富的颜色信息。
在融合方法的选择上，我们尝试了基于像素级的融合方法和基于特征级的融合方法。
基于像素级的融合方法将两幅图像的像素直接进行融合，得到的结果更加保真，但可能会导致信息的混淆。
而基于特征级的融合方法则通过提取图像的特征信息，再进行融合，可以更好地保留地物的特征，但可能会引入一定的误差。
通过对比不同融合方法的结果，我们可以发现不同方法在不同场景下的效果差异。
在某些场景下，基于像素级的融合方法可能会产生较好的效果，而在其他场景下，基于特征级的融合方法可能更适用。
因此，在实际应用中，需要根据具体场景和需求选择合适的融合方法。
五、实验总结通过本次实验，我们深入了解了遥感图像融合的原理和方法，并进行了实验验证。
遥感图像融合可以提高图像的空间分辨率和光谱信息，使得地物信息更全面、更准确。
遥感实验五_影像镶嵌、裁剪、融合
.设置相交关系(Intersection Method):No Cutline Exists。
.设置重叠图像元灰度计算(select Function):Average。
图2.1.5
点击DataPrep,在弹出的下拉菜单中单击Subset Images，在Input File中输入裁切的底图xianqiang.img，在Output File中设置输出文件路径和文件名，这里保存名为jianqie3.img。
单击From Inquire Box,然后点击AOI，在弹出的Choose AOI中点击Viewer,点击OK。，最后在subset点击OK,步骤如图2.1.6示。
图2.1.6
图2.1.7
在新视图窗口中打开裁切结果，如图2.1.8示。
图2.1.8
同理对全色影像进行剪切。
操作步骤如图2.2.1—2.2.3示。
图2.1.1
图2.2.2
图2.2.3
全色影像裁切效果如图2.2.4示。
图2.2.4
2.3.按已有图像范围裁切(掩膜)
按已有图像的范围从一幅较大图像中裁切一部分图像时，按下图所示方法操作：其中4处为较大图像文件（即待裁切图像），5处为限定范围的图像文件（即裁切范围），6处为结果文件（即裁切后图像），如图2.3.1示。
.Apply—close。
图像拼接线设置，在Mosaic Tool视窗菜单条中选择Set Mode For Intersection按钮 ，两幅图像之间将出现叠加线，单击两幅图像的相交区域，重叠区域将被高亮显示。根据实际需要，选择拼接线模式：
实验五遥感图像的Pansharp融合方法
实习五遥感图像的Pansharp融合方法
一、实习目的
遥感图像的融合意在提高图像空间分辨率，改善图像几何精度，增强特征显示能力，改善分类精度、提供变化检测能力、替代或修补图像数据的缺陷等。
传统的图像融合方法只能有3个波段参与融合。
本实习探讨PCI的一种新的融合方法—Pansharp，它可以实现多个波段的同时融合，融合效果不错。
二、实习准备
数据准备：2004年同一区域的spot影像。
全色分辨率2.5米的影像spot2-5和多光谱分辨率10米的影像spot10。
处理软件：PCI。
三、实习步骤
1．打开PCI软件，在focus中调入spot全色和多光谱影像。
2. 选择Tools\Algorithm Library，打开算法库，找到Pansharp命令。
3. 双击Pansharp命令，出现如下界面，做如图设置。
4. 点击run，完成融合。
在focus中打开融合好的影像，可以查看融合结果。
如图：
四、实习总结
通过实习，深刻理解了图像融合的目的方法和意义。
掌握了用PCI实现影像的Pansharp融合，增强了动手操作能力。
实验五_不同分辨率图像融合
实验五不同分辨率图像融合一实验目的通过本次实验了解图像数据融合的基本原理和基本思路，学会利用ERDAS 软件进行不同分辨率图像之间的融合，并对不同数据融合方法进行分析和比较，掌握不同数据融合方法的基本操作。
二实验原理在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。
在ERDAS 是指分辨率融合(Resolution Merge) 是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。
一般来说，遥感影像的数据融合分为预处理和数据融合两步：1. 预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准(1)几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；(2)影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。
空间配准的精度一般要求在1~2 个像元内。
2. ERDAS 软件提供了三种图像融合方法：1、主成分变换融合(Pinciple Component) 主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地提示提示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。
具体过程是首选对输入的多波段遥感数据进行主成分变换，然后以高空间分辨遥感数据替代变换以后的第一主成分，最后再进行主成分逆变换，生成具有高空间分辨率的多波段融合图像。
2、乘积变换融合(Mutiplicative) 乘积变换融合应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进地合成，即Bi_new=Bi_m*B_h ，其中Bi_new 代表融合以后的波段数值(i=1,2,3,..n) ，Bi_m 表示多波段图像中的任意一个波段数值，B_h 代表高分辨率遥感数据。
《FusionGAN：Agenerativeadversarialnetworkforin。。。
《FusionGAN：Agenerativeadversarialnetworkforin。
Abstract建⽴⽣成器和判别器，⽣成器的⽬的是⽣成⼀张主要是红外信息包含少量可见光信息的融合图像，判别器的⽬的是逼迫融合图像拥有更多可见光图像中的细节信息。
此外还能融合不同分辨率的图像。
1. Introduction总共五段。
第⼀段，为什么要做红外线和可见光的融合。
第⼆段，简短介绍⽬前红外线和可见光的融合⽅法和他们存在的问题。
第三段，提出论⽂⽅法，简短说明原理和优点。
第四段，举了⼀个具体的融合例⼦图⽂并茂的说明。
第五点，总结这篇论⽂的四点贡献，提出图像融合的⽣成对抗⽹络和对应的loss函数、所提⽅法是端到端的、多提⽅法在公共的红外线可见光数据集上做了实验，效果显著、所提⽅法可以融合不同的分辨率图像。
2.Related work2.1. Infrared and visible image fusion（以总分的⽅式介绍传统⽅法）2.2. Deep learning based image fusion（列举⽅法，说明存在问题）2.3. Generative adversarial networks and its variants（由弱到强叙述了GAN的三个⼯作） 2.3.1. Generative adversarial networks（GAN的⾸创） 介绍GAN的原理和不⾜ 2.3.2. Deep convolutional GANs（改进：CNN和GAN的联合，使后者更稳定）（DCGAN） 1.在⽣成器和判别器中都不⽤pooling层 2.在⽣成器和判别器中使⽤batchnormalization 3.去掉CNN中的全连接层 4.⽣成器中激活层使⽤激活函数ReLU，最后⼀层激活层使⽤tanh 5.判别器中所有的激活层使⽤ leaky ReLU激活函数 2.3.3. Least squares GANs（改进：避免梯度消失）(LSGAN) 得在看相关论⽂3. Method 3.1. Problem formulation（问题描述）（精华部分） 红外线和可见光concatenate之后送⼊⽣成器，使⽣成的结果既更像红外线（这是由⽣成器的loss函数决定的），⼜让判别器看起来像可见光。
遥感图像的频率域增强
遥感图象的频率增强与多光谱增强一、实验目的：学习并掌握遥感图象频率域增强的原理与方法，理解频率域增强的意义。
学习和掌握主成分变换，缨帽变换和色彩变换的基本原理与方法，理解三种变换方法处理的效果及意义二、实验内容：频率域平滑频率域锐化主成分变换缨帽变换色彩变换三、实验原理与方法：频率域增强的方法的基本过程：将空间域图象通过傅立叶变换为频率域图象，然后选择合适的滤波器频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图象。
K-L变换是离散（Karhunen-Loeve）变换的简称，又被称作主成分变换。
它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y，表达式为Y=AX对图像中每一个像元矢量逐个乘以矩阵A，便得到新图像中每一个像元矢量。
A的作用是给多波段的像元亮度加权系数，实现线性变换。
由于变换前各波段之间有很强的相关性，经过K-L变换组合，输出图像Y的各分量yi之间将具有最小的相关性，这就是变换矩阵A 的作用K-T变换是Kauth-Thomas变换的简称，也称缨帽变换。
这种变换也是一种线性组合变换，其变换公式为：Y＝BX彩色变换实际上就是根据人眼对色彩的分辨力远远大于对灰度的分辨力，将RGB色彩系统和IHS色彩系统相互转化来提高图像被人眼感知的效果四、实验步骤：（省略）实验原图：傅立叶变换图Butterworth滤波器处理Butterworth 高通滤波器Butterworth 低通滤波器Ideal滤波器Ideal 低通滤波器Ideal 高通滤波器Ideal 低通滤波器处理Ideal 高通滤波器处理Butterworth 高通滤波器处理Butterworth低通滤波器处理实验原图主成分正变换后图像实验原主成分处理后再经逆变换处理后图像实验原图缨帽变换后图像原RGB图像HIS图像五、结果分析和讨论：1．比较滤波处理前后的图像，分析低通滤波和高通滤波处理的效果1)经过高通滤波器处理后的图像，图像被锐化，边缘出现抖动现象，2)经过低通滤波处理后的图像，可以有效的消除噪声，由于高频部分含有大量边缘信息，导致边缘损失，图像边缘模糊。
遥感应用与技术实验报告
遥感科学与技术实验报告专业班级：土地资源管理1801班学号：2018114020118姓名：李向新2020年 6 月 10 日实验二遥感图像几何校正扫描地形图的几何校正第一步：打开ENVI Classic，选择主菜单>File>Open Image File，将taian-drg.tif文件打开，并显示在Display中。
第二步：启动几何校正模块主菜单>Map>Registration>Select GCPs:Image to map，打开几何校正模块。
在Image to Map Registration面板中，选择Beijing_1954_GK_Zone_20，X/Y Pixel Size分别输入4，单击OK，第三步：在Displsy视图中，定位到左上角第一个公里网交互处，从图上读取X：20501000，Y：4003000，填入在Image to Map Registration面板中的E和N，单击Add Point按钮，增加第一个控制点。
在Displsy视图中，向右平移10个公里网，即到X：20511000处，在Image to Map Registration面板中E：20511000和N：4003000。
单击Add Point按钮，增加一个控制点。
当选择3个点时候，Pretict按钮亮起，可以在E和N中输入坐标，单击Pretict按钮自动在图上大致定位，或者选择Options>Auto Pretict，可以自动根据坐标值在图上定位。
同样的方法，在图上均匀添加9个控制点。
在Ground Control Points Selection上，选择Options>Warp File，选择校正文件taian-drg.tif，点击OK。
第四步：在校正参数面板中，校正方法选择多项式（2次）。
重采样选择Bilinear，背景（Background）为0。
Landsat5影像几何校正第一步：打开并显示图像文件打开ENVI Classic，主菜单>File>Open Image File，将SPOT（bldr_sp.img）和TM图像（bldr_tm.img）文件打开，并分别在Display中显示两个影像。
ENVI遥感图像处理与分析实验指导
国土资源与环境学院《遥感图像处理与分析》实验指导书适用专业：地理信息系统二OO 七年八月前言本课程主要是使学生在掌握遥感数字图像原理的基础上，学会相关图像处理软件的应用，从而进一步巩固在理论课学习中所掌握的知识。
为使学生更好地理解和深刻地把握这些知识，必须通过对软件的操作训练，以培养综合运用数字图像解决实际问题的能力。
本课程实验全为综合性实验。
ENVI是一个完善的数字图像处理系统，它具有全面分析卫星和航空遥感影像的能力，它能在各种计算机操作平台上提供强大新颖的友好界面，显示和分析任何数据尺寸和类型的影像。
为培养学生较强的动手能力，掌握不同的专业图像处理系统，有助于学生对专业知识的灵活运用。
通过《遥感原理与方法》课程的学习和对泰坦图像处理系统的操作，同学门在对数字图像的理解上已有了一定有掌握，在此基础上，通过对ENVI的学习，将基本能解决一般的数字图像处理问题。
为今后从事相关工作打下良的理论与实践基础。
本指导书是针对我院地理信息系统专业本科教学特点而编写的，旨在通过本教材的学习，尽快掌握ENVI的一般功能。
本指导书也可作为非地理信息系统专业本科生及研究生遥感图像处理实验参考教材。
目录实验一 ENVI基本功能 (1)一、实验目的 (1)二、实验内容 (1)三、实验原理、方法和手段 (1)四、实验组织运行要求 (1)五、实验条件 (1)六、实验步骤 (1)启动ENVI (1)打开影像文件 (2)熟悉显示窗口 (2)鼠标键的使用方法 (4)显示影像剖面廓线 (4)进行快速对比度拉伸 (6)显示交互式的散点图 (6)加载一幅彩色影像 (7)链接两个显示窗口 (7)选择感兴趣区 (8)对影像进行注记 (10)添加网格 (10)七、思考题 (10)实验二全色影像和矢量叠合显示 (11)一、实验目的 (11)二、实验内容 (11)三、实验原理、方法和手段 (11)四、实验组织运行要求 (11)五、实验条件 (11)六、实验步骤 (12)打开一个全色（SPOT）影像文件 (12)进行交互式的对比度拉伸 (13)彩色制图 (15)像素定位器 (15)显示光标位置处的地理坐标 (15)交互式滤波处理 (16)查看GeoSpot地图信息 (16)打开并叠合DXF矢量文件 (17)基本地图制图 (19)保存和输出影像 (20)七、思考题 (20)实验三影像地理坐标定位和配准 (21)一、实验目的 (21)二、实验内容 (21)四、实验组织运行要求 (22)五、实验条件 (22)六、实验步骤 (23)（一）带地理坐标的数据和影像地图 (23)打开并显示SPOT数据 (23)修改ENVI头文件中的地图信息 (23)光标位置/值 (24)叠合地图公里网 (24)叠合地图注记 (25)输出到影像或Postscript文件 (26)（二）影像到影像的配准 (26)打开并显示Landsat TM影像文件 (26)显示光标位置/值 (26)开始进行影像配准并加载地面控制点 (26)校正影像 (27)（三）影像到地图的配准 (28)（四）对不同分辨率的带地理坐标的数据集进行HSV融合 (28)分别打开TM与SPOT影像 (28)进行HSV变换融合 (28)实验四基于影像自带几何信息的地理坐标定位 (28)一、实验目的 (28)二、实验内容 (29)三、实验原理、方法和手段 (29)四、实验组织运行要求 (30)五、实验条件 (30)六、实验步骤 (30)打开并显示HyMap数据 (30)查看未校正影像特征 (30)查看IGM文件 (31)使用IGM文件对影像进行几何校正 (31)查看GLT文件 (32)使用GLT文件对影像进行几何纠正 (32)使用地图投影创建GLT (32)实验五多光谱遥感影像分类 (34)一、实验目的 (34)二、实验内容 (34)三、实验原理、方法和手段 (34)非监督分类 (34)经典的多光谱监督分类 (34)波谱分类方法 (35)分类后处理 (36)四、实验组织运行要求 (36)五、实验条件 (36)打开影像 (37)查看影像颜色 (37)光标位置/值 (38)查看波谱曲线 (38)非监督法分类 (38)监督法分类 (40)波谱分类方法 (42)分类后处理 (44)将类转换为矢量层 (46)使用注记功能添加分类图例 (47)实验报告 (48)其它说明 (48)实验报告的基本内容及要求 (49)****大学实验报告 (50)实验一 ENVI基本功能实验学时：6学时实验类型：验证性实验要求：必修一、实验目的了解ENVI基本信息、基本概念及其主要特性。
实验五-遥感图像的融合
实验五-遥感图像的融合实验五遥感图像的融合一、实验目的和要求1.理解遥感图像的融合处理方法和原理；2.掌握遥感图像的融合处理，即分辨率融合处理。
二、设备与数据设备：影像处理系统软件数据：TM SPOT 数据三、实验内容多光谱数据与高分辨率全色数据的融合。
分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。
注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。
四、方法与步骤融合方法有很多，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。
打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL选择File>data manage，任意选择3个波段组合，查看效果打开分辨率为30和15的图像下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰选择如下图所示的三个波段选择分辨率高的为15的点击ok，Sensor选择landsat8_oil，Resampling选择三次方的Cubic Convolution，实现融合，选择输出路径为sssrong融合之后的图像如下图，可以发现图像清晰度提高，分辨率变高，图像质量变好五、实验心得多光谱数据与高分辨率全色数据的融合可以使遥感图象既具有较好的空间分辨率，又具有多光谱特征，继而达到增强图象质量的目的，可谓是一举两得。
这次实验虽然比较简单，但是一开始的时候还比较模模糊糊，甚至于连目的都不清楚。
《遥感技术》实验报告
郑州大学水利与环境学院遥感技术实验报告（适用于地理信息系统专业）专业班级： ***********学生姓名： *******学生学号： ***********指导教师： ******实验成绩：***年***月实验一、遥感图像认知与输入/输出的基本操作一、实验要求1.了解遥感卫星数字影像的差异。
2.掌握查看遥感影像相关信息的基本方法。
3.掌握遥感图像处理软件ERDAS的基本视窗操作及各个图标面板的功能。
4.了解遥感图像的格式，学习将不同格式的遥感图像转换为ERDASimg格式，以及将ERDASimg 格式转换为多种指定的格式图像。
5.学习如何输入单波段数据以及如何将多波段遥感图像进行波段组合。
6.掌握在ERDAS系统中显示单波段和多波段遥感图像的方法。
二、实验内容1.遥感图像文件的信息查询。
2.空间分辨率。
3.遥感影像纹理结构认知。
4.色调信息认知。
5.遥感影像特征空间分析。
6.矢量化。
7.遥感图像的格式。
8.数据输入/输出。
9.波段组合。
10.遥感图像显示。
三、实验结果及分析：简述矢量功能在ERDAS中的意义。
矢量功能可以将栅格数据转化为矢量数据。
矢量数据有很多优点：1.矢量数据由简单的几何图元组成，表示紧凑，所占存储空间小。
2.矢量图像易于进行编辑。
3.用矢量表示的对象易于缩放或压缩，且不会降低其在计算机中的显示质量。
四、实验结果及分析：简述不同传感器的卫星影像的特点和目视效果。
SPOT卫星最大的优势是最高空间分辨率达10m，并且SPOT卫星的传感器带有可以定向的发射镜，使仪器具有偏离天底点（倾斜）观察的能力，可获得垂直和倾斜的图像。
因而其重复观察能力由26天提高到1~5天，并在不同的轨道扫面重叠产生立体像对，可以提供立体观测地面、描绘等高线，进行立体绘图的和立体显示的可能性。
CBRES的轨道是太阳同步近极地轨道，轨道高度是778km，卫星的重访周期是26天，其携带的传感器的最高空间分辨率是19.5m。
erdas实验报告
erdas实验报告ERDAS实验报告一、引言ERDAS（Earth Resource Data Analysis System）是一种专业的遥感图像处理软件，广泛应用于地理信息系统（GIS）和遥感领域。
本实验旨在探索ERDAS的功能和应用，并通过实际操作来了解其在遥感图像处理中的作用。
二、实验目的1. 熟悉ERDAS软件的界面和基本操作；2. 掌握ERDAS的图像预处理功能，包括图像增强、图像融合等；3. 学习如何进行遥感图像分类和地物提取；4. 了解ERDAS在地理信息系统中的应用。
三、实验步骤1. ERDAS软件的安装和配置：首先，我们需要下载并安装ERDAS软件，并进行必要的配置，如设置数据路径和图像格式等。
2. 图像导入和显示：通过导入遥感图像文件，我们可以在ERDAS中进行图像的显示和浏览。
ERDAS支持多种图像格式，如TIFF、JPEG等。
3. 图像增强：ERDAS提供了多种图像增强算法，如直方图均衡化、滤波等。
我们可以根据需要选择合适的算法来增强图像的质量和细节。
4. 图像融合：ERDAS可以将多幅不同波段或分辨率的遥感图像进行融合，以获得更全面和准确的信息。
这在农业、环境监测等领域具有重要的应用价值。
5. 图像分类和地物提取：ERDAS提供了多种图像分类算法，如最大似然分类、支持向量机等。
通过对遥感图像进行分类，我们可以识别和提取出感兴趣的地物信息。
6. 地理信息系统应用：ERDAS可以与其他GIS软件进行数据交互和集成，以实现更复杂的地理信息分析和可视化。
我们可以将ERDAS处理过的遥感图像导入到GIS软件中进行进一步的分析和展示。
四、实验结果与分析通过对ERDAS软件的实际操作，我们成功导入了一幅遥感图像，并进行了图像增强和融合处理。
通过图像分类算法，我们成功提取出了图像中的建筑物和植被等地物信息。
此外，我们还将处理后的遥感图像导入到GIS软件中，实现了地理信息的可视化和分析。
遥感图像处理实验
遥感图像处理实验目录实验二影像的地理坐标定位和校正实验三使用ENVI进行正射校正实验四图像镶嵌实验五图像融合实验六波段组合计算及图像增强实验七图像分类实验八使用ENVI进行三维曲面浏览与飞行实验九地图制图09级林学四班汤瑞芳20090143 注：本实验报告共分为两部分，其一为实验的详细过程，其二为实验结果的整理及实验心得实验二影像的地理坐标定位和校正实验目的:1）掌握如何在ENVI中对影像进行地理校正2）添加地理坐标3）如何使用ENVI进行影像到影像的几何校正实验内容：1图像文件头文件的修改步骤：1）打开并显示SPOT数据ENVI主菜单中file →open image file，从envidata目录bldr_reg文件夹下的bldr_sp.img文件，从可用波段列表对话框中点击Grey scale，点击Load Band按钮加载这幅影像到一个新的显示窗口中。
2）修改ENVI头文件中的地图信息右击bldr_sp.img—》Map inf，快捷菜单Edit Map Information。
点击Projection/Datum文本旁边的箭头切换按钮，DMS或者DDEG，分别在度分秒和十进制的度之间进行切换。
点击Cancel，推出Edit Map Information对话框。
修改图像的pixel size信息，添加公里网格和地图标注。
保存图像。
file →save image as →image file。
输出路径和输出文件名称2 影像对影像的几何配准利用SPOT图像校正Landsat TM步骤：1）打开TM图像从ENVI主菜单中，选择file →open image file，从envidata目录下的bldr_reg子目录选择bldr_tm.img文件。
在列表中选择band3，点击display#1按钮，并从下拉式菜单中选择new display。
点击Load Band 按钮，把TM的band3波段的影像加载到新显示窗口中。
影像融合的实验报告(3篇)
第1篇一、实验目的1. 了解影像融合的基本原理和意义。
2. 掌握影像融合的基本方法，如Brovey变换、PCA变换等。
3. 学会使用ENVI软件进行影像融合操作。
4. 分析不同融合方法对影像质量的影响。
二、实验原理影像融合是将不同来源、不同时相、不同光谱分辨率或不同波段的遥感影像进行综合处理，以获得更全面、准确、可靠的区域信息。
影像融合的方法主要分为像素级融合、特征级融合和决策级融合。
像素级融合是指对原始影像的像素值进行融合，常用的方法有Brovey变换、PCA变换、Gram-Schmidt变换等。
特征级融合是指对预处理和特征提取后获得的景物信息进行融合，常用的方法有边缘融合、纹理融合等。
决策级融合是指对融合后的影像进行决策，如分类、识别等。
三、实验方法1. 选择实验数据：选择两幅具有相同覆盖区域的遥感影像，一幅为多光谱影像，另一幅为全色影像。
2. 图像预处理：对两幅影像进行预处理，包括几何校正、辐射校正、大气校正等。
3. 影像融合：使用ENVI软件进行影像融合操作，选择不同的融合方法进行实验。
（1）Brovey变换融合：将多光谱影像的三个波段分别与全色影像进行线性组合，得到融合后的影像。
（2）PCA变换融合：对多光谱影像进行主成分分析，将特征向量与全色影像进行线性组合，得到融合后的影像。
4. 结果分析：比较不同融合方法得到的融合影像，分析其质量、视觉效果和实用性。
四、实验结果与分析1. Brovey变换融合结果：Brovey变换融合后的影像具有较高的空间分辨率和光谱信息，视觉效果较好。
但融合后的影像存在光谱失真现象，部分地物信息丢失。
2. PCA变换融合结果：PCA变换融合后的影像保留了原始影像的大部分信息，但融合后的影像分辨率较低，视觉效果较差。
3. 结果比较：Brovey变换融合方法在保持空间分辨率的同时，较好地保留了光谱信息，视觉效果较好。
PCA变换融合方法在保留大部分信息的同时，降低了影像分辨率，视觉效果较差。
遥感实验指导图像拼接
遥感实验指导图像拼接实验三、图像拼接处理实验⽬的：在遥感实际应⽤中，经常需要研究⼤⾯积的区域的地形，这就需要把多幅影像拼接到⼀起进⾏研究，本实验就是要求学⽣掌握利⽤软件进⾏多幅图像的拼接的主要操作⽅法，并联系拼接的原理，更深刻的掌握该理论。
具体内容和要求：练习⼀、拼接航空像⽚(Mosaic Using Air Photo Images)⼀、设置输⼊图像（Set Input Images）1、Viewer1中打开air-photo-1.img，勾选Fit to frame2、Viewer2中打开air-photo-2.img，勾选Fit to frame3、主⼯具条选择DataPrep图标4、Mosaic Images5、Viewer1中AOI | Tools6、选择Polygon⼯具，画出包含整个图像的斜边框7、File | Save | AOI Layer As8、输⼊template.aoi，OK9、在Mosaic Tool viewer中选择Edit | Add Images10、选择air-photo-1.img11、选择Template AOI，选择Set12、在Choose AOI dialog 中选择File选项13、选择template.aoi，OK14、在Mosaic Tool viewer中选择Edit | Image List，出现Mosaic Image List15、Add，air-photo-2.img16、选择Compute Active Area选项17、Add⼆、标出拼接区（Identify Areas of Intersection）1、选择Input图标，确定当前为输⼊图像状态2、单击Image Matching图标3、Matching Method中选择Overlap Areas，OK4、单击Intersection图标，当前状态为拼接状态5、在两图像重叠部分单击，则⾼亮显⽰6、单击Cutline Selection图标7、使⽤放⼤⼯具观察交接处8、从AOI tool palette选择Line⼯具9、在重叠区域，根据合适位置画出折线，作为拼接线10、单击AOI Cutline图标11、在AOI Source中选择Viewer12、单击Function图标13、Intersection Type选择Cutline Exists14、Select Function选择Cut/Feather15、Apply，Close三、定义输出图像（Define Output Images）1、单击Output图标，当前状态为输出状态2、选择Output Image⼯具3、Define Output Map Area(s)为Union of All Inputs，OK四、运⾏图像镶嵌（Run the Mosaic）1、选择Process | Run Mosaic2、Output File Name为AirMosaic3、勾上Stats Ignore Value选项4、OK5、在Viewer中显⽰练习⼆、卫星影像拼接Mosaic Using LAND SAT Images1、要同⼀个Viewer中打开wasia1_mss.img、wasia1_mss.img、wasia1_mss.img，均勾上Background Transparent，同时均勾掉clear Display（不清除前⾯图像），勾选Background Transparent（背景设置透明）2、主⼯具条选择DataPrep图标，选择Mosaic Images3、在Mosaic Tool viewer中选择Edit | Add Images，在Add Images for Mosaic dialog中，分别选中以上三幅影像加⼊Mosaic Tool viewer中，且均同时选择Compute Active Area 选项，Add。
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。
实验五遥感图像的Pansharp融合方法
实习五遥感图像的Pansharp融合方法
一、实习目的
遥感图像的融合意在提高图像空间分辨率，改善图像几何精度，增强特征显示能力，改善分类精度、提供变化检测能力、替代或修补图像数据的缺陷等。
传统的图像融合方法只能有3个波段参与融合。
本实习探讨PCI的一种新的融合方法—Pansharp，它可以实现多个波段的同时融合，融合效果不错。
二、实习准备
数据准备：2004年同一区域的spot影像。
全色分辨率2.5米的影像spot2-5和多光谱分辨率10米的影像spot10。
处理软件：PCI。
三、实习步骤
1．打开PCI软件，在focus中调入spot全色和多光谱影像。
2. 选择Tools\Algorithm Library，打开算法库，找到Pansharp命令。
3. 双击Pansharp命令，出现如下界面，做如图设置。
4. 点击run，完成融合。
在focus中打开融合好的影像，可以查看融合结果。
如图：
四、实习总结
通过实习，深刻理解了图像融合的目的方法和意义。
掌握了用PCI实现影像的Pansharp融合，增强了动手操作能力。
图像融合的实验报告
图像融合的实验报告实验报告：图像融合一、实验目的本实验的目的是研究和实践图像融合的方法，探究图像融合在多种应用中的作用和效果。
二、实验原理图像融合是将两幅或多幅图像以某种方式进行合成，生成一幅新的图像，使之具有源图像的一些特征和信息。
在图像融合中，常使用的方法包括像素级融合和特征级融合。
像素级融合是将不同图像中的像素点通过某种算法进行融合，产生新的像素值；特征级融合则是将不同图像中的特征提取出来，然后进行融合得到新的特征。
三、实验步骤1. 收集源图像：从不同角度和距离拍摄相同目标的不同图像，作为源图像；2. 图像预处理：对源图像进行预处理，包括灰度化、图像增强、去噪等操作，以便提取和融合图像的特征；3. 特征提取：使用特征提取算法，如边缘检测、角点检测等，从源图像中提取出不同的特征；4. 图像融合：根据所选的融合方法，将不同图像的像素点或特征进行融合；5. 融合结果评估：对融合结果进行评估，包括图像质量评估、信息保留度评估等。
四、实验结果与分析经过以上步骤，我们将图像进行了融合，并得到了融合后的图像。
对融合后的图像进行质量评估发现，融合后的图像与原图相比，整体上有明显的信息保留，且清晰度较高，细节丰富。
这说明我们所选择的特征融合方法在一定程度上是有效的。
五、实验应用图像融合在多个领域有着广泛的应用。
在军事领域，图像融合可以用于红外图像和可见光图像的融合，以提高目标探测和识别的准确率。
在医学领域，图像融合可以将不同类型的医学图像进行融合，帮助医生更准确地进行诊断和治疗。
在遥感领域，图像融合可以将多源的遥感图像融合，提高地物的分类精度和信息提取能力。
六、实验总结本实验通过对图像融合的研究和实践，了解了图像融合的原理和方法，并在实验中得到了一定的实际经验。
图像融合在多个领域都有重要的应用，可以提高图像质量、增强图像信息特征、准确识别目标等。
未来，我们可以进一步研究更多的图像融合方法，优化融合结果，并在更多领域中应用图像融合技术。
DIP作业指导书
篇一：dip指导书《数字图像处理》实验指导书实验一、数字图像获取实验二、图像的傅立叶变换实验三、图像增强实验四、图像压缩实验五、图像融合实验一、数字图像获取一、实验目的1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法； 2修改图像的存储格式。
二、实验原理用扫描仪获取图像也是图像的数字化过程的方法之一。
扫描仪按种类可以分为手持扫描仪，台式扫描仪和滚筒式扫描仪（鼓形扫描仪）。
扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。
各类扫描仪都标明了它的光学分辨率和最大分辨率。
分辨率的单位是dpi，dpi是英文dot per inch 的缩写，意思是每英寸的像素点数。
扫描仪工作时，首先由光源将光线照在欲输入的图稿上，产生表示图像特征的反射光（反射稿）或透射光（透射稿）。
光学系统采集这些光线，将其聚焦在ccd上，由ccd将光信号转换为电信号，然后由电路部分对这些信号进行a/d转换及处理，产生对应的数字信号输送给计算机。
当机械传动机构在控制电路的控制下，带动装有光学系统和ccd的扫描头与图稿进行相对运动，将图稿全部扫描一遍，一幅完整的图像就输入到计算机中去了。
图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。
为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的rgb 三条彩色光带分别照到各自的ccd上，ccd将rgb光带转变为模拟电子信号，此信号又被a/d 变换器转变为数字电子信号。
至此，反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号，最后通过串行或者并行等接口送至计算机。
图像融合处理课程设计
图像融合处理课程设计一、教学目标本课程的教学目标是使学生掌握图像融合处理的基本原理、方法和技巧，能够运用相关工具进行图像融合处理操作，提高学生在图像处理领域的实践能力和创新能力。
知识目标：使学生掌握图像融合的定义、分类和基本原理；了解图像融合处理的主要方法和技术；理解图像融合处理在实际应用中的重要性。
技能目标：使学生能够熟练使用图像融合处理工具软件；能够独立完成图像融合处理的基本操作；能够根据实际需求选择合适的图像融合方法。
情感态度价值观目标：培养学生对图像融合处理技术的兴趣，增强学生对图像处理领域的热爱；培养学生敢于创新、勇于实践的精神，提高学生在实际应用中解决问题的关键能力。
二、教学内容本课程的教学内容主要包括图像融合处理的基本原理、方法和应用。
1.图像融合的定义、分类和基本原理：介绍图像融合的定义和分类，讲解图像融合的基本原理。
2.图像融合处理的主要方法和技术：介绍常见的图像融合方法，如像素级融合、特征级融合和决策级融合等；讲解图像融合技术的具体实现过程。
3.图像融合处理在实际应用中的重要性：通过实例分析，使学生了解图像融合技术在现实生活中的广泛应用及其重要性。
4.图像融合处理工具软件的使用：介绍常用的图像融合处理工具软件，如Enhance、Photoshop等，并讲解基本操作方法。
三、教学方法为了提高教学效果，本课程将采用多种教学方法相结合的方式进行教学。
1.讲授法：通过讲解图像融合处理的基本原理、方法和应用，使学生掌握相关知识。
2.案例分析法：通过分析实际案例，使学生了解图像融合技术在现实生活中的应用及其重要性。
3.实验法：让学生亲自动手进行图像融合处理操作，提高学生的实践能力。
4.讨论法：在课堂上引导学生进行讨论，激发学生的思考和创新能力。
四、教学资源为了支持本课程的教学，我们将准备以下教学资源：1.教材：选用权威、实用的教材，为学生提供系统的学习资料。
2.参考书：提供相关的参考书籍，丰富学生的知识体系。
- 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)。
实验五不同分辨率图像融合
一实验目的
通过本次实验了解图像数据融合的基本原理和基本思路，学会利用ERDAS软件进行不同分辨率图像之间的融合，并对不同数据融合方法进行分析和比较，掌握不同数据融合方法的基本操作。
二实验原理
在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。
在ERDAS是指分辨率融合(Resolution Merge)是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。
一般来说，遥感影像的数据融合分为预处理和数据融合两步：
1.预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准
（1）几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；
（2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。
空间配准的精度一般要求在1~2个像元内。
2.ERDAS软件提供了三种图像融合方法：
1、主成分变换融合(Pinciple Component)
主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地提示提示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。
具体过程是首选对输入的多波段遥感数据进行主成分变换，然后以高空间分辨遥感数据替代变换以后的第一主成分，最后再进行主成分逆变换，生成具有高空间分辨率的多波段融合图像。
2、乘积变换融合(Mutiplicative)
乘积变换融合应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进地合成，即Bi_new=Bi_m*B_h，其中Bi_new代表融合以后的波段数值(i=1,2,3,..n)，Bi_m表示多波段图像中的任意一个波段数值，B_h代表高分辨率遥感数据。
乘积变换是由crippen的4种分析技术演变而来的，cippen研究表明：将一定亮度的图像进行变换处理时，只有乘法变换可以使其色彩保持不变。
3、比值变换融合(Brovey Transform)
比值变换融合是将输入遥感数据的3个波段按照下列公式进行计算，获得融合以后各波段的数据：Bi_new=[Bi_m/(Br_m+Bg_m+Bb_m)]*B_h，其中Bi_new代表融合以后的波段数值(i=1,2,3)，Br_m,Bg_m,Bb_m分别代表多波段图像中的红绿蓝波段数值，Bi_m表示红、绿、蓝3波段中的任意一个，B_h代表高分辨率遥感数据。
三实验内容
数据融合：主成分变换融合(Pinciple Component)，乘积变换融合(Mutiplicative)，比值变换融合(Brovey Transform)
四实验数据
五实验步骤
1、比值变换融合
启动ERDAS IMAGINE 9.2——Interpreter——Spatial Enhancement——Resolution Merge——设置Resolution Merge对话框如下：
点击OK后，出现以下进度条：
进程结束后点击OK即可。
可以打开比较比值变换融合后的图像和原图像：
原图像数据：比值变换融合后图像：
2、主成分变换融合
参照比值变换融合的思路和步骤进行主成分变换融合，在Method中选择Pinciple Component，点击OK运行后可查看并比较与比值变换结果的差异：
主成分变换融合图像：比值变换融合图像：
3、乘积变换融合
同理参照以上变换融合实验的步骤完成乘积变换融合，在Method中选择Mutiplicative，点击OK运行后可以查看结果并对实验结果进行对比，更加鲜明的理解不同融合方法的效果：
乘积变换融合图像：主成分变换融合图像：比值变换融合图像：
六实验结果及分析
通过本次实验了解了有关数据融合的相关理论知识，并理解了不同数据融合方法的原理和思路及其操作程序，顺利完成了相关实验任务。
在对原图像和不同数据融合方法产生的融合后图像进行对比后更加鲜明的看到了结果图像的效果，并且了解了不同数据融合方法的意义。