遥感辐射增强实验报告
遥感辐射增强实验报告
遥感辐射增强实验报告一、实验目的本实验旨在通过遥感技术对地表辐射进行增强处理，进而提高图像的质量和清晰度，以便更好地进行地表特征提取和分析。
二、实验装置与材料- 计算机- 遥感图像数据三、实验步骤和过程1. 获取遥感图像数据：在实验开始前，我们通过遥感技术获取了一张地表遥感图像数据，包含了不同波段的辐射信息。
2. 数据预处理：我们首先对获取的遥感图像数据进行预处理，包括去噪、灰度校正和波段配准等步骤，以确保图像数据的准确性和可靠性。
3. 辐射增强算法选择：在实验中，我们选择了一种常用的辐射增强算法，即直方图均衡化算法。
该算法能够通过调整图像的像素值分布，增强图像的对比度和细节，从而提高图像的清晰度和质量。
4. 辐射增强处理：我们将选择的辐射增强算法应用于遥感图像数据中的每个波段，分别对每个波段的像素值进行调整和优化，以实现辐射增强效果。
5. 结果分析：最后，我们对经过辐射增强处理后的图像进行分析和评估，比较处理前后图像的差异和改善效果，并进行结果展示和讨论。
四、实验结果经过辐射增强处理后，我们观察到图像的对比度得到了显著提高，细节信息更加清晰可见。
通过增强处理，图像中的地表特征更加突出，有助于后续的地表分类和特征提取等工作。
五、实验总结及思考本实验通过遥感辐射增强处理，成功提高了地表遥感图像的质量和清晰度。
辐射增强技术在地表信息提取和分析中具有重要的应用价值。
然而，我们也应该认识到辐射增强算法的局限性，不同的算法适用于不同的图像和应用场景，需要根据实际需求进行选择。
在今后的实验中，我们可以进一步探索其他辐射增强算法的应用，并结合实际地表特征进行更加深入的分析和研究。
同时，在实验中我们也要注意遥感图像的预处理步骤，以确保图像数据的准确性和可靠性。
六、参考文献[1] L. Fang et al., "Remote sensing image enhancement based on the improved adaptive gamma correction," 2018 IEEE 3rd International Conference on Computer and Communication Systems (ICCCS), Nagoya, 2018, pp. 126-130.[2] P. Nahar, "Image enhancement process in remote sensing," 2016 Iranian Conference on Electrical Engineering (ICEE), Tehran, Iran, 2016, pp. 341-346.。
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习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。
（2）选择T oolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。
2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。
（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。
（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。
点击‘OK’，38区段文件裁剪后如图。
（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。
遥感实习报告(报告)
重庆交通大学测绘工程《遥感原理及应用》实验报告班级：学号：姓名：指导老师：实验室：地理信息中心实验室实验一ENVI 视窗的基本操作一、实验的目的初步了解目前主流的遥感图象处理软件 ENVI 的主要功能模块，在此基础上,掌握视窗操作模块的功能和操作技能,为遥感图像的几何校正等后续实习奠定基础。
二、实验软件与数据软件：Envi遥感图像处理软件。
数据：重庆地区UTM第八波段数据。
三、实验方法与步骤Envi软件的主菜单:这个是ENVI软件的主菜单，其中包括了文件的载入，基本工具栏，以及图像处理的一些必要的功能。
四、实验体会与建议本次实验主要是熟悉Envi软件的菜单，以及一些常用的方法。
还有就是将Envi软件菜单的界面转换成中文菜单。
1、在ENVI安装目录..\RSI\IDL60\products\envi40\menu下建立新文件夹，命名为orgmenu2、拷贝。
.\RSI\IDL60\products\envi40\menu下原有的英文菜单文件display.men、display_shortcut.men和envi。
men到新建的orgmenu目录中进行备份3、拷贝下载的display。
men、display_shortcut.men和envi。
men文件到..\RSI\IDL60\products\envi40\menu中，覆盖原文件。
4、启动ENVI4.0。
实验二遥感图像的几何校正一、实验的目的通过实习操作，掌握遥感图像几何校正的基本方法和步骤,深刻理解遥感图像几何校正的意义。
二、实验软件与数据软件:Envi遥感图像处理软件。
数据：重庆地区UTM第八波段数据以及未经校核的重庆地区jpg图片。
三、实验方法与步骤1、打开ENVI软件将UTM图像和jpg格式的图片载入，上述图像中我们可以看出，12840-8图像下面有图像的地理信息，而重庆城区图片是没有信息说明的.2、选择校正与镶嵌菜单下的校正图像选取控制点（图像到图像）,分别选取基础图像和校正图像，分别在图像上面选择控制点,通过Add Point按钮增加选择的控制点，用这个方法选择5个控制点，单击Show List按钮查看所选控制点的信息3、在控制点选择窗口中选择options菜单，再选择warp file，选择输出校正后的图像文件。
实验三 遥感图像的辐射增强
实验三遥感图像的辐射增强一、目的和要求通过上机操作，掌握线性对比度拉伸、直方图均衡化和直方图规定化三种遥感图像辐射增强处理的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
二、实验内容1.线性对比度拉伸2.直方图均衡化3.直方图匹配三、原理和方法辐射增强是一种通过直接改变图像中像元亮度值来改变图像的对比度，从而改善图像质量的图像处理方法，主要以图像的灰度直方图为分析处理的基础。
常用的辐射增强方法有线性拉伸、线性压缩、分段线性变换、对数变换、指数变换、直方图均衡化直方图规定化等。
本实验将练习线性拉伸、直方图均衡化和直方图匹配操作。
线性对比度拉伸是按比例扩大原始灰度级的范围，改善对比度，提高图像质量的方法。
直方图均衡化是将原始图像的直方图通过变换函数变为均匀的直方图，然后按照均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。
其实质就是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元数量大致相同。
这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。
直方图匹配是指使一幅图像的直方图变换为规定形状的直方图而对图像进行变换的增强方法，常用作图像镶嵌或动态变化研究的预处理工作，可以部分消除太阳高度角或大气影响造成的图像色调差异。
四、实验步骤•线性对比度拉伸1.显示图像启动ERDAS，在Viewer1视窗中打开待处理影像：mobby.img2.Viewer1菜单条：Raster→Contrast→General Contrast→打开ContrastAdjust对话框（图3-1），设置相关参数：→method：Linear→斜率:→截距:或者→Breakpts→打开Breakpoint Editor，然后左键选择断点，通过拖动调整变换直线图3-1 对比度调整图3-2 断点编辑器•直方图均衡化（Histogram Equalization）在ERDAS图标面板中选择Interpreter→Radiometric Enhancement→Histogram Equalization→打开Hitogram Equalization对话框（图3-3）→定义待处理影像文件mobby.img→定义输出文件图3-3直方图均衡化直方图匹配（Histogram Match）在ERDAS图标面板中选择Interpreter→Radiometric Enhancement→Histogram Match→打开Hitogram Match对话框（图3-4）→定义待处理影像文件mosaic_1.img→定义匹配对象文件mosaic_2.img→定义输出文件图3-4直方图匹配五、结果分析和讨论1.认真对比处理前后图像的差别，谈谈三种增强方法的处理效果和直方图的变化情况。
遥感图像辐射增强与光谱增强
遥感图像辐射增强与光谱增强一、实验目的与要求辐射增强处理是通过对单个像元的灰度值进行变换处理来增强处理，如直方图匹配、方图拉伸、去除条带噪声处理。
光谱增强是基于多光谱数据对波段进行变换达到图像增强的处理。
通过此次上机实验，要求同学们：1、掌握交互式直方图拉伸的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
2、理解主成分分析、樱帽变换、色彩空间变换、色彩拉伸方法和操作步骤。
3、掌握利用特征空间视图进行遥感影像分析。
二、实验内容与方法1实验内容（1 ）交互式互式直方图拉伸Linear （线性拉伸）Equalization （直方图均衡化拉伸）Gaussion （高斯拉伸）Square Root （平方根拉伸）Logarithmic （对数拉伸）2 ）主成分分析（3 ）樱帽变换。
（4 ）色彩空间变换（5 ）色彩拉伸2实验方法（1 ）交互式互式直方图拉伸将一个多光谱图像打开并显示在视窗中，在主菜单中，选择 Display → Custom Stretch （或在工具箱中单击）就可以打开交互式直方图拉伸操作面板。
在进行直方图拉伸时，可选择直方图统计的数据范围为全图统计或者当前视图范围内的数据。
（2 ）主成分分析多光谱图像的各个波段之间经常是高度相关的，它们的 DN 值以及显示出来的视觉效果往往很相似。
主成分分析（ Principal Component Analysis, PCA ）就是一种去除波段之间的多余信息、将多波段的图像信息压缩到比原来波段更为有效的少数几个转换波段的方法。
一般情况下，第一主成分（PCI）包含了所有波段中 80% 的方差信息，前三个主成分包含了所有波段中 95% 以上的信息量。
由于各波段之间的不相关，主成分波段可以生成更多颜色、饱和度更好的彩色合成图像。
ENVI 中提供主成分正变换和主成分逆变换。
当使用主成分正变换是， ENVI 可以通过计算新的统计值，或者根据已经存在的统计值进行主成分正变换。
遥感实训报告
一、实训背景随着科技的不断发展，遥感技术作为一门新兴的综合性学科，已经在测绘、农业、林业、环保、城市规划等多个领域得到了广泛应用。
为了提高学生对遥感技术的认识和实际操作能力，我校地理信息系统专业组织了一次为期两周的遥感实训。
本次实训旨在让学生了解遥感的基本原理，掌握遥感图像的获取、处理、分析和应用方法，培养学生的实践能力和创新精神。
二、实训内容1. 遥感基本原理学习实训初期，我们学习了遥感的基本原理，包括遥感平台、传感器、遥感图像的获取、传输和接收等。
通过学习，我们对遥感技术有了初步的认识，了解了遥感在各个领域的应用。
2. 遥感图像处理软件操作为了让学生熟练掌握遥感图像处理软件，我们选择了ENVI软件作为实训工具。
在实训过程中，我们学习了ENVI软件的基本操作，包括图像读取、显示、图像增强、图像分类、专题图制作等。
3. 遥感图像预处理在实际应用中，遥感图像往往存在噪声、畸变等问题，需要进行预处理。
我们学习了遥感图像的几何校正、辐射校正、图像增强等方法，提高了图像质量。
4. 遥感图像分类与专题图制作遥感图像分类是遥感应用中的重要环节，我们学习了监督分类、非监督分类、决策树分类等方法。
通过实际操作，我们学会了如何制作专题图，为遥感应用提供可视化数据。
5. 遥感应用案例分析为了让学生了解遥感技术在实际应用中的价值，我们选取了几个典型案例进行分析，如土地利用变化监测、森林资源调查、环境监测等。
三、实训过程1. 理论教学实训期间，我们通过课堂讲授、讨论等形式，学习了遥感的基本原理、遥感图像处理软件操作、遥感图像预处理、遥感图像分类与专题图制作等理论知识。
2. 实践操作在掌握了相关理论知识后，我们进行了实践操作。
首先，我们利用ENVI软件对遥感图像进行预处理，包括几何校正、辐射校正、图像增强等。
然后，我们对预处理后的图像进行分类，制作专题图。
最后，我们结合实际案例，分析了遥感技术在各个领域的应用。
3. 讨论与交流在实训过程中，我们积极参与讨论与交流，分享自己的学习心得和经验，共同解决问题。
遥感图像的辐射增强
遥感图像的辐射增强实验报告课程名称：遥感概论年级：实验日期：2015-05-21姓名：学号：班级：实验名称：遥感图像的辐射增强实验序号：成员人数：实验目的：通过上机操作，掌握线性对比度拉伸、直方图均衡化和直方图规定化三种遥感图像辐射增强处理的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
实验内容：1.线性对比度拉伸2.直方图均衡化3.直方图匹配4.完成一份实验报告实验方法和步骤：一线性对比度拉伸①降低原图像的灰度值I 在viewer#1中显示mobby.img, 在viewer#1中单击菜单栏中rastercontrast general contrast,如图1-1：图1-1II 打开如图1-2所示的Contrast Adjust对话框，在下拉列表框中选择线性linear, 斜率slope改为0.2，截距shift为默认值，apply显示图像，如图1-2 所示。
将灰度调小的影像另存为mobby-0.img，打开另存的影像，发现影像和原影像一致，重复调小灰度的操作后，保存影像，就能得到较暗的影像，如图1-2所示。
图1-2生成的降低灰度值之后的影像1-3图1-3②线性对比度拉伸I打开影像，选择Viewer1菜单条的Raster→Contrast→General Contrast→打开Contrast Adjust对话框，选择线性linear,单击breakpts,,打开nreakpoint editor窗口如图1-4所示,增加断点删除断点。
红色图像显示的是红光通，道绿色图像显示的是绿光通道，蓝色图像显示的是蓝光通道，在没进行任何操作时，红绿蓝三个通道的峰值都偏左，灰度较低，可以通过增加断点和移动断点的方法，使红绿蓝三个通道的图像居中，以此对图像进行线性拉伸或收缩，如图1-4所示。
点击image file,单击保存save,保存进行线性拉伸的图像得到如图1-5的影像。
图1-4图1-5 波段一：波段二：波段三：波段四：二直方图均衡化（Histogram Equalization）①定义待处理影像文件在ERDAS图标面板中选择Interpreter→Radiometric Enhancement→Histogram Equalization→打开Hitogram Equalization对话框，如图2-1所示，设置输入影像和输出影像后，单击OK。
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。
5.辐射增强处理—直方图匹配
本科学生实验报告实验课程名称遥感导论实验名称辐射增强处理—直方图匹配开课学期2009 至2010 学年＿第二学期云南师范大学旅游与地理科学学院编印一、实验准备实验名称：辐射增强处理—直方图匹配实验时间：2010年6月5日实验类型：设计性实验1、实验目的和要求：（1）掌握遥感图像辐射增强处理的主要过程；（2）学习增强处理中的直方图的基本方法；（3）进一步熟悉erdas imagine 8.7软件的操作方法。
2、实验材料及相关设备：计算机一台（装有erdas imagine 8.7软件）、《遥感导论》和《遥感实习教程》两课本、《Erdas imagine 中文教程》。
3、实验理论依据或知识背景：一：直方图匹配（Histogram Match）：直方图匹配是对图像查找表进行数学变换，使一幅图像的某个波段的直方图与另一幅图相对应波段类似，或使图像所有波段的直方图与另一图像的所有对应波段类似。
直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的与处理工作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。
二：ERDAS IMAGINE 是一款遥感图像处理系统软件。
二：ERDAS IMAGINE 是美国ERDAS 公司开发的遥感图像处理系统。
它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势。
该软件功能强大，在该行业中是最好的一款软件。
二、实验内容、步骤和结果实验步骤：第一步：打开ERDAS软件；第二步：在ERDAS图表面板菜单条单击Main |Image Interpreter |Radiometric Enhancement |Histo Matching 命令，打开Histogram Matching对话框如下：第三步：在Histogram Matching对话框中，设置下列参数：（1）确定匹配文件（Input File）为wasia1_mss.img。
遥感图像增强实习报告
长 安 大 学
《遥感技术应用》 实习报告
指导教师：王爱萍 实习名称：遥感图像增强 姓 名： 学 号：201226040124 2015 年 4 月 20 日
课程名称：遥感技术应用 班 级：2012260401
实验名称：遥感图像增强 学员姓名：白正伟
实习时间：2015.4.20 一、目的与要求 通过上机操作，了解空间增强、辐射增强等几种遥感图象 增强处理的过程和方法，加深对图象增强处理的理解。
或利用 AOI 定义子区） 5) 6) 7) 8) 9) 输出数据类型为 Float Single 输出数据统计时忽略零值 特征矩阵文件名（Output Text File）为 lanier.mtx 特征数据文件名为 lanier.tbl 需要的主成分数量（Number of Components Desired）为 3
把每种增强方法都做几遍，进行比较，体会一下各种方法的不同效果，要求掌握 General Contrast Tools 常用直方图处理工具和 General Convolution 通用卷积滤波处理，其它的可以自己研究。
（二）利用 Image Interpreter 模块 ERDAS 图像解译模块包含了 8 个方面的功能，依次是遥感图像的空间增强、辐射增强、光谱增强、高 光谱工具、傅立叶变换、地形分析和地理信息系统分析及其它实用工具。本次实习主要是用到 Spatial Enhancement（空间增强）和 Spectral Enhancement（光谱增强） 1． 图像空间增强：利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像的目的， 主要空间增强处理功能如下：卷积增强、非定向边缘增强、聚焦分析、纹理分析、自适应滤波、统计滤 波、分辨率融合、锐化处理
histogram equalization
遥感图像的辐射校正实验报告
遥感图像的辐射校正实验报告1. 实验目的和内容实验目的：（1）复习巩固课堂上所学的对遥感图像的辐射校正，掌握这些校正方法的基本原理和方法，理解遥感图像辐射校正的意义;（2）实际学习对遥感图像进行绝对大气校正、相对大气校正的FLAASH和黑暗像元法;实验内容：（1）绝对大气校正将遥感图像的DN值转换为地表反射率、地表辐射率、地表温度等的方法。
本次实验通过FLAASH法进行绝对大气纠正。
（2）相对大气校正校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
本次实验通过黑暗像元法进行相对大气纠正。
2. 图像处理方法和流程A.绝对大气校正1、加载影像，打开ENVI，file>>open image file，打开L71120038_03820030128_MTL.txt2、辐射定标FLAASH模块需要输入的是经过辐射定标后的BIL/BIP文件，ENVI >> basic tools >>preprocessing > >calibration utilities >> Landsat calibration3、格式转换上述计算得到的存储方式为BSQ，FLAASH大气校正对于波段存储的要求为BIL/BIP格式，ENVI >> basic tools>> convert data (BSQ ,BIL ,BIP)4、FLAASH大气校正（1）ENVI>>basic tools>>preprocessing>>calibration utilities>> FLAASH，选择需要校正的数据。
选用第二种，设置Single scale factor：10。
（2）设置输入与输出文件①进入地理空间数据云，查询影像参数。
点击数据资源—LANDSAT系列数据—输入数据标识进行二次筛选—选择信息②查询图像的基本信息③设置Sensor类型为Landsat TM7，传感器参数被自动填写，影像和传感器参数查询数据相关信息后输入。
遥感数字图像处理辐射定标与大气校正实验报告
经过大气校正后，遥感图像的反射率信息更加准确，地物边缘更加清晰，能够提高遥感图像的精度和可信度。
三、实验结论
本实验通过ENVI遥感图像处理软件进行辐射定标和大气校正实验，掌握了遥感数字图像处理的基本原理和方法，学习了遥感数字图像处理的实验方法和技巧，提高了遥感图像处理的技术水平。经过实验处理后，遥感图像的质量和精度得到了提高，反映了辐射定标和大气校正的重要性和必要性。
（3）实验结果
经过辐射定标后，遥感图像的数字值被转化为反射率或辐射亮度温度值，具有物理意义。
2.大气校正实验
（1）实验原理
大气校正是指校正遥感图像中由大气介质造成的亮度扰动，以便获取更准确的地物反射率信息。大气校正方法可以分为模型法和基于图像的方法两种。
（2）实验步骤
①打开ENVI遥感图像处理软件，并加载所需的遥感图像；②进入“Atmospheric Correction”模块，选择大气校正方法；③根据遥感图像的波段信息和大气参数，设置大气校正的参数；④进行大气校正，并将结果保存为新的遥感图像。
这是一篇遥感数字图像处理实验报告，重点介绍了辐射定标与大气校正的实验过程和结果。本实验的主要目的是通过数字图像处理的方法对遥感图像进行辐射定标和大气校正，从而提高遥感图像的质量和精度。
一、实验目的
1.了解辐射定标和大气校正的基本原理和方法；
2.掌握遥感数字图像处理软件的使用方法；
3.学习遥感数字图像处理的实验方法和技巧；
4.提高遥感图像处理的技术水平。
二、实验内容
1.辐射定标实验
（1）实验原理
辐射定标是指通过对遥感图像的辐射值进行校正，将其转化为物理量。具体来说，就是将遥感图像中每个像元的数字值转化为反射率或辐射亮度温度值，从而使图像具有物理意义。
遥感实验报告
遥感实验报告遥感实验报告引言：遥感技术是一种通过获取地球表面的电磁辐射信息来获取地表特征的技术。
遥感技术的应用范围广泛，可以用于地质勘探、环境监测、城市规划等领域。
本次实验旨在通过遥感技术获取卫星图像，并对图像进行解译和分析，从而深入了解遥感技术的原理和应用。
实验步骤：1. 数据获取在实验开始前，我们首先需要获取卫星图像数据。
通过合法渠道，我们从国家遥感中心获取了一组高分辨率的遥感图像。
这些图像涵盖了不同地区的城市和农田，以及一些自然景观。
2. 图像预处理获取到的卫星图像需要进行预处理，以提高图像的质量和准确性。
预处理包括图像去噪、边缘增强和色彩校正等步骤。
通过这些预处理步骤，我们可以得到更清晰、更准确的图像数据。
3. 图像解译在预处理完成后，我们开始对图像进行解译。
解译是指根据图像的特征和上下文信息，识别出图像中的不同地物和地貌。
在解译过程中，我们需要借助地理信息系统（GIS）软件和遥感图像解译原理，对图像中的各个区域进行分类和标注。
4. 图像分析解译完成后，我们对图像进行进一步的分析。
通过分析图像中的不同地物和地貌，我们可以得出一些有关该地区的信息。
例如，通过对城市区域的分析，我们可以了解到该地区的人口密度和城市发展情况；通过对农田的分析，我们可以了解到该地区的农作物类型和农业生产状况。
实验结果：通过对卫星图像的解译和分析，我们得出了一些有关地表特征的结论。
例如，在城市区域，我们观察到高密度的建筑群和道路网络，表明该地区经济发展迅速；在农田中，我们观察到不同类型的农作物，如水稻、小麦和玉米，表明该地区的农业生产多样化。
讨论与展望：遥感技术在地球科学和环境科学领域具有广泛的应用前景。
通过遥感技术，我们可以实时监测地球表面的变化，了解自然灾害的发生和演变过程，从而采取相应的措施进行预防和救援。
此外，遥感技术还可以用于环境保护和资源管理，帮助我们更好地理解和保护地球。
结论：本次实验通过遥感技术获取卫星图像，并对图像进行解译和分析，深入了解了遥感技术的原理和应用。
初识遥感影像实验报告(3篇)
第1篇一、实验背景随着遥感技术的不断发展，遥感影像在地理信息科学、环境监测、城市规划等领域得到了广泛应用。
为了深入了解遥感影像的基本原理和应用方法，我们开展了本次遥感影像实验。
通过实验，旨在培养学生对遥感影像的认识，掌握遥感影像处理的基本技能，并能够运用遥感影像进行简单的分析和应用。
二、实验目的1. 了解遥感影像的基本概念和分类。
2. 掌握遥感影像的获取方法和数据格式。
3. 学习遥感影像的基本处理方法，包括图像增强、几何校正和图像分类。
4. 熟悉遥感影像在地理信息分析中的应用。
三、实验内容1. 遥感影像基本概念与分类（1）遥感影像的定义：遥感影像是指通过遥感传感器从地球表面或其他天体表面获取的图像数据。
（2）遥感影像的分类：按获取平台分为航空遥感影像和航天遥感影像；按传感器类型分为光学遥感影像和雷达遥感影像；按应用领域分为资源遥感影像、环境遥感影像和灾害遥感影像等。
2. 遥感影像获取方法（1）航空遥感影像：通过飞机搭载的遥感传感器获取，具有高分辨率、高精度等特点。
（2）航天遥感影像：通过卫星搭载的遥感传感器获取，具有大范围、大动态范围等特点。
3. 遥感影像数据格式（1）TIFF格式：支持多种数据类型，广泛应用于遥感影像处理。
（2）JPEG格式：压缩效果好，但可能损失部分图像信息。
（3）GeoTIFF格式：包含地理信息，便于地理信息分析。
4. 遥感影像处理（1）图像增强：通过对遥感影像进行增强处理，提高图像质量，便于后续分析。
（2）几何校正：将遥感影像进行几何校正，使其符合实际地理坐标。
（3）图像分类：根据遥感影像的灰度值、纹理、光谱等信息，对地表物体进行分类。
5. 遥感影像应用（1）地理信息分析：通过遥感影像进行地形、地貌、土地利用等地理信息的分析。
（2）环境监测：利用遥感影像监测植被覆盖、水质、大气污染等环境问题。
（3）城市规划：通过遥感影像进行城市规划、土地管理等工作。
四、实验步骤1. 准备实验数据：收集遥感影像数据，包括航空遥感影像和航天遥感影像。
遥感影像实验报告
一、实验目的本次实验旨在通过遥感影像处理软件ENVI，学习遥感影像的基本处理方法，掌握遥感影像的辐射校正、几何校正、分类和变化检测等关键技术，提高遥感影像处理能力，为后续遥感应用研究打下基础。
二、实验内容1. 辐射校正（1）实验原理：辐射校正是指消除遥感影像中由于传感器、大气、太阳等因素引起的辐射失真，使影像数据真实反映地物辐射特性。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Radiometric Correction”模块；③ 选择“Flattening”方法进行辐射校正；④ 保存校正后的影像数据。
2. 几何校正（1）实验原理：几何校正是指消除遥感影像中由于传感器姿态、地球曲率等因素引起的几何失真，使影像数据真实反映地物空间位置。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Geometric Correction”模块；③ 选择“Warp”方法进行几何校正；④ 输入校正参数，如坐标系统、校正方法等；⑤ 保存校正后的影像数据。
3. 分类（1）实验原理：遥感影像分类是指根据遥感影像数据中地物光谱和纹理信息，将影像分割为不同地物类别的过程。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Classification”模块；③ 选择“Supervised Classification”方法进行监督分类；④ 输入训练样本，设置分类变量；⑤ 选择分类结果输出格式，如分类图层、分类报告等；⑥ 保存分类结果。
4. 变化检测（1）实验原理：遥感影像变化检测是指通过对比同一地区不同时期的遥感影像，分析地物变化信息的过程。
（2）实验步骤：① 打开ENVI软件，导入遥感影像数据；② 选择“Change Detection”模块；③ 选择“Image Difference”方法进行变化检测；④ 输入对比影像，设置变化阈值；⑤ 保存变化检测结果。
三、实验结果与分析1. 辐射校正：通过辐射校正，影像数据的光谱特性得到了有效恢复，地物辐射特性得到了真实反映。
遥感影像辐射校正实习报告
图 4.2-2 同一区域不同波段影像的对比度比较图
（三）多时相影像匹配法 1. 从两张 Spot5 多光谱影像文件中分别提取出其第 3 波段影像。 提取出的影像在 Matlab 中显示如图 4.3-1
（a）基准图像
(b)需校正图像
图 4.3-1，Matlab 中显示的基准图像与需校正图像
2. 伪不变特征点PIFs 的选取
的反射率值，如表 4.1-4：
表 4.1-4:各地物的光谱反射率
植被（树）
石头
土壤
灰度
302
403
310
反射率（%）
5.817
10.537
4.021
3：采用基于 ELC 的大气校正方法，对交大犀浦校区 2006 年 QuickBird 多光谱影像中的第 1 波段影像进行绝对大气校正，可得到的大气校正
以交大犀浦校区 2006 年 QuickBird 多光谱影像中的第 4 波段影像 为参考，采用回归分析法，对第 1 波段影像进行相对大气校正。 （三）、多时相影像匹配法
以交大犀浦校区 2003 年 SPOT5 多光谱影像中的第 3 波段（绿波 段）影像为参考，采用多时相影像匹配法，对交大犀浦校区 2005 年 SPOT5 多光谱影像中的第 3 波段（绿波段）影像进行相对大气校正。 四：实验步骤 （一）、绝对大气校正 1：从 QuickBird 多光谱影像文件中提取出第 1 波段影像 启 动 ERDAS 软 件 在 Viewer #1 中 打 开 影 像 ： quickbird_multi_2006_xipu..img ， 在 ERDAS 软 件 界 面 中 选 择 Interpreter Utilities Layer Stack:如图 4.1-1
择了 9 个点作为伪不变特征点，如表 4.3-2：
遥感影像反差增强实习报告
实习序号及题目实习三：遥感影像反差增强实习人姓名专业班级e-mail地址实习指导教师姓名实习地点实习日期时间实习目的和内容一、实习目的：1、理解遥感影像辐射增强的概念和意义，掌握运用ENVI进行辐射增强的步骤和方法。
2、提高目视解译和提取单波段遥感影像地学信息的能力。
3、初步学会使用ROI和三键鼠标的中键（滚轮）进行像元点数据采集。
二、实习内容：1、单波段影像对比度增强（1）进入ENVI系统，分别按照单波段和彩色模式加载影像数据，利用菜单栏下面的工具条按钮分别选取不同的反差拉伸选项，说明在不同拉伸增强方式下影像中各类地物的显示情况（2）打开实习1截取的典型研究区512×512子区Landsat TM/ETM+/OLI影像，使用Band math工具计算归一化差值植被指数：结果以双精度整型数形式加以存储。
（3）打开NDVI数据及原始Landsat TM/ETM+/OLI子区影像，利用Geographic Link 建立二者之间的链接关系；使用ROI工具分别选取水体、农田样本，利用分段线性拉伸（piece wise linear）方法作交互式对比度拉伸以分别突出水体、农田信息，比较变换前后影像及其直方图中的差异。
2、影像镶嵌（1）镶嵌时进行直方图匹配，使一幅影像的所有波段的直方图与另一幅影像对应波段的直方图达到结构上的匹配。
（2）ENVI 4.X直方图匹配：enhance| histogram matching（3）ENVI 4.X影像镶嵌：Map | Mosaicking | Georeferenced（4）ENVI 5.X影像镶嵌：Toolbox | Mosaicking | Seamless Mosaic（5）输入影像：wasia1_mss.img, wasia2_mss.img（6）输出影像：wasia_match.img（7）比较不进行直方图匹配、用重叠部分进行直方图匹配和用整景影像进行直方图匹配的镶嵌结果。
-遥感图像增强处理--辐射增强处理
遥感图像增强处理--辐射增强处理地质系09资源勘查0910105025殷祥2012-5-17遥感图像增强处理--辐射增强处理一、实验目的：掌握在ERDAS中进行辐射增强处理方法（Radiometric Enhancement）。
二、实验内容及实习步骤：点击Interpreter/Radiometric Enhancement，进行操作。
辐射增强命令辐射增强功能LUT Stretch：查找表拉伸通过修改图像查找表（Lookup Table）使输出图像值发生变化，是图像对比度拉伸的总和。
Histogram Equalization:直方图均衡化对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等Histogram Match:直方图匹配对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似，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值处理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: 降噪处理利用自适应滤波方法去除图像噪声Destripe TM Data:去条带处理对Landsat TM图像进行三次卷积处理去除条带具体操作：打开ERDAS IMAGINE 中的Interpreter/Radiometric Enhancement在按上出现的菜单，对上述的辐射增强命令一一尝试一遍（1）LUT Stretch：查找表拉伸单击快捷菜单中的LUT Stretch，在弹出的窗口中作如右图所示的设置，然后单击OK，于是就可以得到成果对比图，如下第二张图所示1-11-2下面的操作类似于（1）中的操作（2）Histogram Equalization: 直方图均衡化2-12-22-3(3) Histogram Match:直方图匹配3-1-13-1-23-1-33-2-13-2-23-2-3(4) Brightness Inverse: 亮度反转4-1-14-1-24-2-14-2-2（5）Haze Reduction: 去霾处理5-15-2（6）Noise Reduction: 降噪处理6-16-2（7）Destripe TM Data:去条带处理7-1--7-2三，实验小结：通过本次实验，发现辐射增强处理的效果明显，具体它用在什么地方，还需在以后的学习当中认真领悟--。
卫星遥感解析实验报告(3篇)
第1篇一、实验目的1. 理解卫星遥感的基本原理和图像处理方法。
2. 掌握遥感图像的预处理、增强和解析技术。
3. 通过实验加深对遥感数据在资源调查、环境监测和灾害预警等方面的应用认识。
二、实验背景随着遥感技术的发展，卫星遥感已成为资源调查、环境监测和灾害预警等领域的重要手段。
本实验以某地区遥感影像为数据源，通过图像处理和分析，提取地物信息，为相关领域提供技术支持。
三、实验内容1. 遥感图像预处理（1）图像校正：对遥感影像进行几何校正，消除由于传感器姿态、地球自转和地球曲率等因素引起的图像畸变。
（2）图像辐射校正：对遥感影像进行辐射校正，消除由于大气、传感器等因素引起的辐射畸变。
2. 遥感图像增强（1）直方图均衡化：提高遥感影像的对比度，使图像细节更加清晰。
（2）对比度拉伸：调整遥感影像的对比度，使地物信息更加突出。
3. 遥感图像解析（1）地物分类：利用遥感影像的地物波谱特征，对地物进行分类，提取所需信息。
（2）地物变化检测：对比不同时期的遥感影像，检测地物变化情况。
（3）灾害预警：根据遥感影像信息，对自然灾害进行预警。
四、实验步骤1. 数据准备：收集实验所需遥感影像，包括几何校正、辐射校正后的影像。
2. 图像预处理：对遥感影像进行几何校正和辐射校正。
3. 图像增强：对遥感影像进行直方图均衡化和对比度拉伸。
4. 地物分类：利用遥感影像的地物波谱特征，对地物进行分类。
5. 地物变化检测：对比不同时期的遥感影像，检测地物变化情况。
6. 灾害预警：根据遥感影像信息，对自然灾害进行预警。
五、实验结果与分析1. 遥感图像预处理效果：经过几何校正和辐射校正，遥感影像的地物信息得到了有效恢复。
2. 遥感图像增强效果：通过直方图均衡化和对比度拉伸，遥感影像的对比度得到了显著提高，地物信息更加清晰。
3. 地物分类效果：根据遥感影像的地物波谱特征，成功地对地物进行了分类，提取了所需信息。
4. 地物变化检测效果：对比不同时期的遥感影像，成功检测到了地物变化情况。
- 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)。
4.完成一份实验报告
三、原理和方法
辐射增强是一种通过直接改变图像中像元亮度值来改变图像的对比度，从而改善图像质量的图像处理方法，主要以图像的灰度直方图为分析处理的基础。常用的辐射增强方法有线性拉伸、线性压缩、分段线性变换、对数变换、指数变换、直方图均衡化直方图规定化等。本实验将练习线性拉伸、直方图均衡化和直方图匹配操作。
→method：Linear
→斜率:
→截距:
或者→breakpts→打开breakpointeditor，然后左键选择断点，通过拖动调整变换直线
图4-1对比度调整图4-2断点编辑器
?直方图均衡化（histogramequalization）
在eRDAs图标面板中选择Interpreter→Radiometricenhancement→histogramequalization→打开hitogramequalization对话框（图3-3）
→定义待处理影像文件mobby.img
→定义输出文件
图4-3直方图均衡化
?直方图匹配（histogrammatch）
在eRDAs图标面板中选择Interpreter→Radiometricenhancement→histogrammatch→打开hitogrammatch对话框（图3-4）
→定义待处理影像文件mosaic_1.img
线性对比度拉伸是按比例扩大原始灰度级的范围，改善对比度，提高图像质量的方法。直方图均衡化是将原始图像的直方图通过变换函数变为均匀的直方图，然后按照均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。其实质就是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元数量大致相同。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。
b-2)
图（b-2）
→执行旋转命令
旋转后的图像（如图b-3）
:
5、实验过程：
（一）几何精校正：
eRDAs图标面板工具条：点击Viewer→打开参照图像→点击Viewer→打开需要校正图像→点击Viewer→打开参照的图像（如图1-1）
图（1-1）
→在参照图像窗口中点击Raster→点击geometriccorrection→点击polynomial(如图
1-2)
图（1-2）
→点击oK，执行命令
→弹出polynomialmodelproperties对话框
→polynomialorder选择2，即选取2次方来进行校正（如图1-3）
图（1-3）
→点击projection中的setprojectionfromgcpTool
→如图（1-4）
图（1-4）
→点击oK
竭诚为您提供优质文档/双击可除
遥感辐射增强实验报告篇一：实验Fra bibliotek遥感图像的辐射增强
实验四遥感图像的辐射增强
一、目的和要求
通过上机操作，掌握线性对比度拉伸、直方图均衡化和直方图规定化三种遥感图像辐射增强处理的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
二、实验内容及要求
1.线性对比度拉伸
2.直方图均衡化
直方图匹配是指使一幅图像的直方图变换为规定形状的直方图而对图像进行变换的增强方法，常用作图像镶嵌或动态变化研究的预处理工作，可以部分消除太阳高度角或大气影响造成的图像色调差异。
四、实验步骤
?线性对比度拉伸
1.显示图像
启动eRDAs，在Viewer1视窗中打开待处理影像：mobby.img
2.Viewer1菜单条：Raster→contrast→generalcontrast→打开contrastAdjust对话框（图3-1），设置相关参数：
2、实验目的：学会运用eRDAs对图像进行几何精校正、辐射校正
3、实验原理：几何校正：利用地面控制点对各种因素引起的遥感图像几何畸变进行纠正。起原理用gcp对原始卫星图像的几何畸变进行数学建模，建立原始的畸变图像空间与地理制图ongoing标准空间之间的某种对应关系，利用这种对应关系把畸变空间中的全部元素变换到纠正被纠正图像空间中去，从而实现几何精校正。
辐射校正：包括传感器的辐射校正、大气校正、照度校正以及条纹和斑点的判定和清除。在实验中需运用eRDAs对图像进行几何精校正以及辐射校正。
4、数据来源：
图像一：经过波段组合的LAnDsAT的7波段eTm图像，为20XX-08-15的重庆万州区图像。来源：国际科学数据服务平台，分辨率为30×30，投影类型为
→定义转换方法：RigorousTransformation（如图a-1）
图（a-1）
处理后的图像如图（a-2）：
图（a-2）
旋转角度：
eRDAs图标面板工具条：点击Dataprep图标→点击Imagegeometriccorrection→点击FromImageFile→输入旋转的图像文件：touying.img(如图
→点击polynomialmodelproperties对话框中的Apply
→打开gcpToolReferencesetup对话框（如图1-4）
→定义输出图像（outputprojection）:包括投影类型和投影参数
→定义投影类型（categories）:uTmclark1866north
→定义输出图像单位（units）:meters
→定义输出像元大小（outputcellsize:x:81.353629Y:88.967209→采用纯采样方法(Resamplemethod):nearestneighbor
→定义匹配对象文件mosaic_2.img
→定义输出文件
图4-4直方图匹配
五、结果分析和讨论
1.认真对比处理前后图像的差别，谈谈三种增强方法的处理效果和直方图
的变化情况。
篇二：遥感图像的辐射增强
遥感图像的辐射增强实验报告
篇三：遥感图像几何精校正、辐射校正实验报告
遥感图像处理实验报告
1、实验名称：遥感图像几何精校正、辐射校正
uTm控制网为wgs84.图像二（被校正图像）：把图像一进行投影转换并旋转一定的角度
投影转换：
eRDAs图标面板工具条：点击Dataprep图标→ReprojectImages对话框
→确定输入图像文件（InputFile）:boduan.img
→定义输出图像文件（outputFile）:touying.img