遥感实验报告
遥感影像镶嵌实验报告(3篇)
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
遥感实验报告裁剪拼接(3篇)
第1篇一、实验目的本次实验旨在学习遥感影像处理中的裁剪与拼接技术，通过对遥感影像进行裁剪和拼接，提高遥感数据的可用性和分析效率。
二、实验背景遥感技术是获取地球表面信息的重要手段，广泛应用于资源调查、环境监测、灾害评估等领域。
遥感影像经过处理和提取后，才能为实际应用提供有价值的信息。
裁剪与拼接是遥感影像处理中的基本操作，通过对影像进行裁剪和拼接，可以去除无关信息，提高影像的可用性。
三、实验材料1. 遥感影像数据：包括多景遥感影像，如Landsat、Sentinel-2等；2. 裁剪与拼接软件：如ENVI、ArcGIS等；3. 实验环境：计算机、遥感数据处理软件等。
四、实验步骤1. 数据准备（1）选择遥感影像数据，确保影像质量良好、覆盖范围完整；（2）对遥感影像进行预处理，包括辐射校正、大气校正等，提高影像质量。
2. 裁剪操作（1）确定裁剪范围：根据实验需求，选择合适的裁剪范围，如行政区域、研究区域等；（2）使用裁剪工具对遥感影像进行裁剪，生成新的影像。
3. 拼接操作（1）选择拼接方式：根据实际情况，选择合适的拼接方式，如同名像元拼接、重叠区域拼接等；（2）使用拼接工具对遥感影像进行拼接，生成新的影像。
4. 质量评估（1）检查拼接后的影像是否完整，是否存在缝隙、错位等问题；（2）分析拼接区域的地物特征，确保拼接效果良好。
五、实验结果与分析1. 裁剪结果经过裁剪操作，生成了新的遥感影像，去除了无关信息，提高了影像的可用性。
2. 拼接结果经过拼接操作，生成了新的遥感影像，拼接区域地物特征良好，拼接效果满意。
3. 质量评估（1）拼接后的影像完整，无缝隙、错位等问题；（2）拼接区域地物特征良好，拼接效果满意。
六、实验结论通过本次实验，掌握了遥感影像的裁剪与拼接技术，提高了遥感数据的可用性和分析效率。
在实际应用中，可根据具体需求选择合适的裁剪与拼接方法，为遥感数据处理提供有力支持。
七、实验心得1. 裁剪与拼接是遥感影像处理中的基本操作，对于提高遥感数据的可用性具有重要意义；2. 在实际操作中，应根据具体需求选择合适的裁剪与拼接方法，确保拼接效果良好；3. 学习遥感影像处理技术，有助于提高遥感数据的分析和应用水平。
大学遥感实验报告模板
---一、实验基本信息1. 实验名称：（例如：遥感影像地理信息提取实验）2. 实验日期：（例如：2023年10月25日）3. 实验地点：（例如：遥感实验室）4. 实验者：（例如：张三）5. 实验指导教师：（例如：李教授）---二、实验目的与意义1. 实验目的：（例如：掌握遥感影像的基本处理方法，学会利用遥感影像进行地理信息提取，提高遥感图像分析能力。
）2. 实验意义：（例如：本实验有助于学生了解遥感技术在地理信息获取与分析中的应用，为今后从事遥感相关工作打下基础。
）---三、实验原理与内容1. 实验原理：（例如：遥感影像处理的基本原理，包括影像校正、影像增强、图像分类等。
）（例如：）- 影像预处理：对遥感影像进行辐射校正、几何校正等处理。
- 影像增强：对遥感影像进行对比度增强、滤波等处理。
- 图像分类：采用监督分类或非监督分类方法对遥感影像进行分类。
- 地理信息提取：根据分类结果提取相关信息，如土地利用类型、植被覆盖度等。
---四、实验步骤与结果1. 实验步骤：（例如：）- 使用ENVI软件打开遥感影像。
- 对影像进行预处理，包括辐射校正、几何校正等。
- 对预处理后的影像进行增强处理，如对比度增强、滤波等。
- 选择合适的分类方法，对影像进行分类。
- 根据分类结果提取相关信息，如土地利用类型、植被覆盖度等。
2. 实验结果：（例如：）- 预处理后的遥感影像。
- 增强处理后的遥感影像。
- 分类结果图。
- 提取的地理信息数据。
---五、实验分析与讨论（例如：分析实验过程中遇到的问题及解决方法，对实验结果进行评价。
）2. 讨论与总结：（例如：讨论遥感影像处理技术在地理信息获取与分析中的应用，总结实验经验与不足。
）---六、实验结论（例如：通过本次实验，掌握了遥感影像的基本处理方法，学会了利用遥感影像进行地理信息提取，提高了遥感图像分析能力。
）---七、实验反思与建议1. 实验反思：（例如：总结实验过程中的不足，如数据处理速度、分类精度等。
遥感实验报告实验成果
一、实验背景随着遥感技术的不断发展，遥感技术在环境监测、资源调查、灾害预警等领域得到了广泛应用。
本实验旨在通过遥感技术，对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
二、实验目的1. 熟悉遥感图像处理软件的基本操作；2. 掌握遥感图像分类方法；3. 对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
三、实验内容1. 数据准备本实验选用某地区Landsat 8卫星影像作为实验数据，该影像覆盖范围约为1000平方公里，分辨率为30米。
实验过程中，首先对影像进行预处理，包括辐射校正、几何校正和大气校正等。
2. 遥感图像分类（1）选择合适的分类器本实验选用支持向量机（SVM）作为分类器，因为SVM在处理小样本数据时具有较好的性能。
（2）训练样本选择为提高分类精度，需要选择具有代表性的训练样本。
本实验采用随机抽样方法，从预处理后的影像中随机选取1000个样本作为训练样本。
（3）分类结果分析将训练样本输入SVM分类器进行训练，得到分类模型。
然后，将测试样本输入分类模型进行分类，得到分类结果。
3. 分类结果验证为验证分类结果的准确性，采用混淆矩阵对分类结果进行评价。
混淆矩阵是一种用于评估分类结果的方法，它能够直观地反映分类精度、召回率和F1值等指标。
四、实验结果与分析1. 分类精度通过计算混淆矩阵，得到分类精度为90.5%。
这说明本实验采用SVM分类器对某地区进行地表覆盖分类的效果较好。
2. 分类结果分析（1）地表覆盖类型分布通过分析分类结果，可以看出该地区地表覆盖类型主要有耕地、林地、草地、水域、建筑用地和未利用地等。
（2）地表覆盖变化分析与历史影像对比，可以看出该地区耕地面积有所增加，林地和草地面积有所减少，建筑用地面积显著增加。
这可能与当地经济发展和城市化进程有关。
3. 分类结果应用（1）环境监测通过地表覆盖分类结果，可以监测该地区土地利用变化，为环境监测提供数据支持。
遥感原理实验报告
一、实验目的1. 理解遥感的基本原理和概念；2. 掌握遥感数据的获取方法及遥感图像的处理技术；3. 了解遥感在环境监测、资源调查等方面的应用；4. 培养遥感图像分析和解译能力。
二、实验原理遥感技术是利用电磁波在地球表面及其大气层中的传播特性，通过遥感器获取地球表面及其大气层的信息，然后进行图像处理、分析和解译，以达到对地球表面及其大气层进行监测、研究和利用的目的。
遥感原理主要包括以下几个方面：1. 电磁波辐射与散射：地球表面及其大气层对太阳辐射的吸收、反射和散射，形成各种电磁波；2. 遥感器：利用电磁波探测地球表面及其大气层的信息；3. 电磁波传播：电磁波在空间传播过程中，会受到大气、云层等因素的影响；4. 遥感图像处理：对遥感数据进行预处理、增强、分类等处理，提高遥感图像的质量和应用效果；5. 遥感图像分析：对遥感图像进行解译、识别和提取信息，实现对地球表面及其大气层的监测和研究。
三、实验内容及步骤1. 实验内容（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像增强：通过对比度增强、亮度增强、滤波等手段提高遥感图像的质量；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
2. 实验步骤（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：利用ENVI软件进行辐射校正、几何校正和大气校正；（3）遥感图像增强：利用ENVI软件进行对比度增强、亮度增强和滤波处理；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
四、实验结果与分析1. 遥感图像的预处理效果通过对遥感图像进行辐射校正、几何校正和大气校正，提高了遥感图像的质量，为后续的图像增强和分类奠定了基础。
遥感学实验报告
一、实验名称遥感影像地理坐标定位和配准二、实验目的1. 熟悉遥感影像地理坐标定位和配准的基本原理。
2. 掌握使用ENVI软件进行遥感影像地理坐标定位和配准的方法。
3. 学会利用全色影像生成影像地图。
三、实验原理遥感影像地理坐标定位是指将遥感影像上的像点坐标转换为地面实际地理位置的过程。
配准则是将不同时间、不同传感器或不同区域的遥感影像进行空间配准，以便进行对比分析。
四、实验内容1. 选取实验数据：选取一幅哈尔滨市TM影像，成像时间为2013年7月19日，分辨率为30m，各波段的波长为0.45～0.52μm、0.52～0.60μm、0.63～0.69μm、0.76～0.90μm、1.55～1.75μm。
2. 影像地理坐标定位：（1）打开ENVI软件，导入实验数据。
（2）在“地理信息”菜单中选择“地理坐标定位”。
（3）设置影像的投影类型为UTM，投影分带为北51区。
（4）输入图像左上角的公里网坐标（9819 8092）和地理坐标（经度125.4941，纬度47.0930）。
（5）点击“确定”进行地理坐标定位。
3. 影像配准：（1）打开ENVI软件，导入实验数据。
（2）在“图像处理”菜单中选择“配准”。
（3）选择“影像到影像配准”。
（4）选择参与配准的影像，设置配准精度。
（5）点击“确定”进行配准。
4. 影像到地图校正：（1）打开ENVI软件，导入实验数据。
（2）在“地理信息”菜单中选择“影像到地图校正”。
（3）选择参与校正的影像，设置校正精度。
（4）点击“确定”进行校正。
5. 生成影像地图：（1）打开ENVI软件，导入实验数据。
（2）在“图像处理”菜单中选择“生成影像地图”。
（3）选择参与生成影像地图的影像，设置地图投影、分辨率等参数。
（4）点击“确定”生成影像地图。
五、实验数据处理及成果1. 成功将哈尔滨市TM影像进行地理坐标定位和配准。
2. 利用ENVI软件生成哈尔滨市TM影像的影像地图。
六、体会及建议1. 通过本次实验，熟悉了遥感影像地理坐标定位和配准的基本原理，掌握了使用ENVI软件进行操作的方法。
遥感实验报告
遥感实验报告引言：遥感技术是利用卫星、飞机等遥感平台获取地球表面信息的一种技术手段。
通过对不同波段的电磁辐射进行探测和分析，遥感技术可以获取地表的空间分布、物质组成以及变化情况等信息。
本次实验旨在通过遥感图像的获取和解译，了解和掌握遥感技术的基本原理和应用。
一、遥感数据获取：1. 数据来源：本次实验使用的遥感数据来源于卫星遥感图像，通过开源的遥感数据平台获得。
2. 数据类型：本次实验使用的遥感数据为多光谱遥感图像，包含多个波段的信息。
通过不同波段的数据分析，可以获取地表的不同特征和信息。
二、遥感图像解译：1. 图像预处理：图像预处理是遥感图像解译的基础工作，包括图像几何校正、辐射校正和大气校正等过程。
这些预处理步骤可以提高图像质量，减少噪声和失真。
2. 地物分类：地物分类是遥感图像解译的关键环节。
通过对遥感图像中的像元进行分类，可以将地表物体分为不同的类别，如水体、植被、建筑等。
常用的分类方法包括监督分类和非监督分类。
3. 特征提取：特征提取是对地物进行进一步分析和描述的过程。
通过提取地物的形状、颜色、纹理等特征，可以对地物进行进一步分类和识别。
三、遥感技术应用：1. 土地利用与覆盖变化研究：通过遥感图像的获取和解译，可以对土地利用与覆盖变化进行研究。
通过对多时相的遥感数据进行对比分析，可以了解土地利用变化的趋势和驱动因素。
2. 自然资源调查与监测：遥感技术在自然资源调查与监测中有着广泛的应用。
通过遥感图像的获取和解译，可以对森林、湿地和土地等自然资源进行调查和监测，为资源管理和保护提供科学依据。
3. 灾害监测与评估：遥感技术在灾害监测与评估中具有重要作用。
通过遥感图像的获取和解译，可以实时监测和评估自然灾害的影响范围和程度，为灾害应对和救援提供决策支持。
结论：本次实验通过遥感图像的获取和解译，了解了遥感技术的基本原理和应用。
遥感技术在土地利用与覆盖变化研究、自然资源调查与监测和灾害监测与评估等方面具有广泛的应用前景。
遥感实验报告
一、实验背景随着科技的飞速发展，遥感技术作为一种获取地球表面信息的重要手段，在地理信息系统、资源调查、环境监测等领域发挥着越来越重要的作用。
为了更好地了解遥感技术的基本原理和应用，我们进行了本次遥感实验。
二、实验目的1. 掌握遥感图像的获取和处理方法；2. 熟悉遥感图像处理软件ENVI的基本操作；3. 学习遥感图像的分类和提取信息的方法；4. 培养团队合作精神和实际操作能力。
三、实验原理遥感技术是利用电磁波对地球表面进行探测和监测的技术。
通过遥感传感器获取的图像数据，可以反映地表物体的物理、化学和生物特性。
遥感图像处理主要包括图像校正、分类、提取信息等步骤。
四、实验内容1. 图像获取实验中，我们使用了ENVI软件，从美国地质调查局（USGS）的地球观测系统数据和信息（EOSDIS）中下载了北京市的Landsat 8卫星影像。
2. 图像校正首先，我们对下载的遥感图像进行了几何校正，以消除图像中的几何畸变。
通过选择地面控制点，将遥感图像与实际地理位置相对应。
3. 图像分类接着，我们进行了遥感图像的分类。
采用监督分类方法，利用ENVI软件中的分类器，对遥感图像进行分类。
分类过程中，我们选取了地物特征明显的区域作为训练样本，以指导分类器进行分类。
4. 信息提取最后，我们利用遥感图像提取了北京市的地物信息，包括水体、植被、建筑等。
通过对提取信息的分析，可以了解北京市的地表环境状况。
五、实验结果与分析1. 图像校正通过几何校正，我们成功地将遥感图像与实际地理位置相对应，消除了图像中的几何畸变。
校正后的图像可以更准确地反映地表物体的真实位置。
2. 图像分类在遥感图像分类过程中，我们共分为三个类别：水体、植被和建筑。
经过分类，我们得到了较为准确的分类结果。
通过分析分类结果，可以看出北京市的水体主要分布在北部地区，植被主要分布在山区和郊外，建筑主要集中在城市中心区域。
3. 信息提取通过对遥感图像提取的地物信息进行分析，我们可以了解到北京市的地表环境状况。
遥感方法对比实验报告
一、实验背景随着遥感技术的不断发展，遥感方法在资源调查、环境监测、城市规划等领域得到了广泛应用。
为了提高遥感图像处理的效果，本文对比了三种常用的遥感方法：基于人工特征的方法、基于深度学习的方法和基于机器学习的方法。
通过对这三种方法的实验对比，旨在为遥感图像处理提供理论依据和实践指导。
二、实验方法1. 数据准备本文选用2019年深圳市宝安区0.2m高分辨率遥感影像作为实验数据。
数据预处理包括辐射校正、几何校正和裁剪等步骤。
2. 实验方法（1）基于人工特征的方法人工特征方法主要利用遥感图像的纹理、颜色、形状等特征进行分类。
本文选取了纹理、颜色和形状三种特征，分别使用灰度共生矩阵（GLCM）、颜色特征和边缘特征进行分类。
（2）基于深度学习的方法深度学习方法利用神经网络自动提取图像特征，具有较好的分类性能。
本文选取了卷积神经网络（CNN）作为深度学习方法，对遥感图像进行分类。
（3）基于机器学习的方法机器学习方法利用统计方法对遥感图像进行分类。
本文选取了支持向量机（SVM）、随机森林（RF）和梯度提升决策树（GBDT）三种机器学习方法进行分类。
三、实验结果与分析1. 分类精度对比本文选取了混淆矩阵和Kappa系数作为分类精度的评价指标。
实验结果表明，三种方法在分类精度方面存在一定差异。
（1）基于人工特征的方法：分类精度相对较低，约为70%。
（2）基于深度学习的方法：分类精度较高，约为85%。
（3）基于机器学习的方法：分类精度介于两者之间，约为80%。
2. 计算效率对比（1）基于人工特征的方法：计算效率较高，但特征提取过程较为复杂。
（2）基于深度学习的方法：计算效率较低，需要大量计算资源。
（3）基于机器学习的方法：计算效率介于两者之间，需要一定计算资源。
3. 实时性对比（1）基于人工特征的方法：实时性较好。
（2）基于深度学习的方法：实时性较差。
（3）基于机器学习的方法：实时性介于两者之间。
四、结论与建议1. 结论通过对三种遥感方法的实验对比，可以得出以下结论：（1）基于深度学习的方法在分类精度方面具有优势，但计算效率和实时性较差。
地面卫星遥感实验报告
一、实验背景随着科技的飞速发展，遥感技术已成为地球观测和科学研究的重要手段。
地面卫星遥感技术作为遥感技术的重要组成部分，在农业、林业、水利、环境监测等领域具有广泛的应用前景。
本实验旨在通过地面卫星遥感技术，对某一区域进行实地观测，分析遥感数据，探讨其在实际应用中的可行性。
二、实验目的1. 熟悉地面卫星遥感的基本原理和操作流程。
2. 掌握遥感图像的预处理、增强和分类方法。
3. 利用遥感数据对某一区域进行环境监测和资源调查。
4. 分析遥感数据在相关领域的应用潜力。
三、实验材料与设备1. 实验材料：遥感图像数据、地理信息系统（GIS）软件、遥感数据处理软件等。
2. 实验设备：计算机、投影仪、绘图仪等。
四、实验方法1. 数据采集：选择实验区域，收集相应的遥感图像数据，包括多时相、多分辨率、多波段遥感数据。
2. 预处理：对遥感图像进行几何校正、辐射校正、大气校正等预处理操作，提高图像质量。
3. 增强与分类：利用遥感图像处理软件对预处理后的图像进行增强和分类，提取所需信息。
4. 分析与应用：结合GIS软件，对遥感数据进行分析，探讨其在实际应用中的可行性。
五、实验过程1. 数据采集：选择实验区域，收集遥感图像数据，包括Landsat 8、Sentinel-2等卫星数据。
2. 预处理：对遥感图像进行几何校正、辐射校正、大气校正等预处理操作，消除图像中的噪声和误差。
3. 增强与分类：利用遥感图像处理软件对预处理后的图像进行增强和分类，提取植被、水体、土壤等信息。
4. 分析与应用：结合GIS软件，对遥感数据进行分析，探讨其在以下领域的应用潜力：（1）农业：利用遥感数据监测农作物长势、病虫害、水资源等，为农业生产提供决策依据。
（2）林业：利用遥感数据监测森林资源、森林火灾、生物多样性等，为林业管理提供支持。
（3）水利：利用遥感数据监测水资源、洪水、泥石流等，为水利工程建设提供数据支持。
（4）环境监测：利用遥感数据监测大气污染、水质污染、土壤污染等，为环境保护提供依据。
实验报告遥感影像融合(3篇)
第1篇一、实验背景随着遥感技术的发展，遥感影像在资源调查、环境监测、城市规划等领域发挥着越来越重要的作用。
然而，由于遥感传感器类型、观测时间、观测角度等因素的限制，同一地区获取的遥感影像往往存在光谱、空间分辨率不一致等问题。
为了充分利用这些多源遥感影像数据，提高遥感信息提取的准确性和可靠性，遥感影像融合技术应运而生。
遥感影像融合是将不同传感器、不同时间、不同分辨率的多源遥感影像进行综合处理，以获得对该区域更为准确、全面、可靠的影像描述。
本文通过实验验证了遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。
二、实验目的1. 了解遥感影像融合的基本原理和方法；2. 掌握常用遥感影像融合算法；3. 通过实验验证遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。
三、实验原理遥感影像融合的基本原理是将多源遥感影像数据进行配准、转换和融合，以获得具有更高空间分辨率、更丰富光谱信息的融合影像。
具体步骤如下：1. 影像配准：将不同源遥感影像进行空间配准，使其在同一坐标系下；2. 影像转换：将不同传感器、不同时间、不同分辨率的遥感影像转换为同一分辨率、同一波段的影像；3. 影像融合：采用一定的融合算法，将转换后的多源遥感影像数据进行融合，生成具有更高空间分辨率、更丰富光谱信息的融合影像。
四、实验方法1. 实验数据：选取我国某地区的高分辨率多光谱遥感影像和全色遥感影像作为实验数据；2. 融合算法：选用Brovey变换、主成分分析（PCA）和归一化植被指数（NDVI）三种常用遥感影像融合算法进行实验；3. 融合效果评价：采用对比分析、相关系数、信息熵等指标对融合效果进行评价。
五、实验步骤1. 数据预处理：对实验数据进行辐射校正、大气校正等预处理；2. 影像配准：采用双线性插值法对多光谱影像和全色影像进行配准；3. 影像转换：对多光谱影像进行波段合成，得到与全色影像相同分辨率的影像；4. 影像融合：分别采用Brovey变换、PCA和NDVI三种算法对转换后的多源遥感影像数据进行融合；5. 融合效果评价：对比分析三种融合算法的融合效果，并采用相关系数、信息熵等指标进行定量评价。
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。
遥感认知实习实验报告
一、实验背景随着科技的不断发展，遥感技术在资源调查、环境监测、灾害预警等领域发挥着越来越重要的作用。
为了提高学生的实际操作能力，加深对遥感技术的理解，我们开展了为期一周的遥感认知实习。
本次实习旨在使学生了解遥感技术的原理、应用和发展趋势，培养学生的实际操作能力和团队协作精神。
二、实验目的1. 使学生掌握遥感图像的获取、处理、分析和应用方法；2. 培养学生运用遥感技术解决实际问题的能力；3. 提高学生的团队协作和沟通能力；4. 增强学生对遥感技术的认识，激发学习兴趣。
三、实验内容1. 遥感图像的获取与处理（1）遥感图像的获取：介绍不同遥感平台的成像原理、成像参数及数据特点；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像的增强：通过对比度增强、锐化等手段提高图像质量。
2. 遥感图像的解译与分析（1）遥感图像的目视解译：根据图像特征，识别地物类型、变化信息等；（2）遥感图像的定量分析：运用统计、分类等方法，对地物进行定量分析；（3）遥感图像的动态监测：通过不同时期的遥感图像对比，分析地物变化规律。
3. 遥感技术的应用（1）资源调查：利用遥感技术进行土地利用、植被覆盖、水资源调查等；（2）环境监测：监测大气污染、水质污染、生态环境变化等；（3）灾害预警：地震、洪水、森林火灾等灾害的监测与预警。
四、实验过程1. 实验准备：分组讨论，明确实验目的、任务和分工；2. 数据获取：通过网络下载或实地采集遥感图像数据；3. 数据处理：运用遥感图像处理软件对图像进行预处理、增强、解译等；4. 分析与讨论：根据实验结果，分析地物特征、变化规律等；5. 实验报告撰写：整理实验过程、结果和心得体会。
五、实验结果与分析1. 实验结果（1）通过遥感图像预处理，提高了图像质量；（2）利用遥感图像解译，识别出地物类型、变化信息等；（3）通过遥感图像定量分析，获得了地物属性信息；（4）了解了遥感技术在资源调查、环境监测、灾害预警等领域的应用。
遥感变化监测实验报告
一、实验目的本次实验旨在通过遥感技术对某区域进行变化监测，分析该区域在特定时间段内的变化情况，验证遥感技术在环境监测和资源调查中的应用价值。
二、实验原理遥感变化监测是利用遥感影像分析技术，通过对同一地区在不同时间获取的遥感影像进行比较，识别和分析区域内的变化信息。
实验主要采用以下原理：1. 光谱分析：遥感影像的光谱信息反映了地表物质的物理和化学特性，通过分析光谱变化可以识别地表物质的变化。
2. 图像处理：通过图像增强、滤波、分类等方法对遥感影像进行处理，提高图像质量和信息提取能力。
3. 变化检测：通过比较不同时间遥感影像的相似性，识别和分析区域内的变化信息。
三、实验数据实验数据包括以下内容：1. 遥感影像：选择不同时间段的遥感影像，如Landsat、Sentinel-2等。
2. 地理信息系统（GIS）数据：包括研究区域的行政区划、道路、水体等地理要素。
四、实验步骤1. 数据预处理：对遥感影像进行辐射校正、几何校正等预处理，确保影像质量。
2. 图像处理：对遥感影像进行增强、滤波等处理，提高图像质量和信息提取能力。
3. 变化检测：采用图像差异法、变化向量分析（CVA）等方法，识别和分析区域内的变化信息。
4. 结果分析：对变化信息进行分类、统计分析，揭示区域变化规律。
五、实验结果与分析1. 变化区域识别：通过变化检测，识别出研究区域内的变化区域，如城市扩张、土地退化、水体变化等。
2. 变化类型分析：对变化区域进行分类，分析不同类型变化的空间分布和时序变化规律。
3. 影响因素分析：结合GIS数据和社会经济数据，分析影响区域变化的主要因素。
六、结论1. 遥感变化监测技术可以有效识别和分析区域内的变化信息，为环境监测、资源调查等领域提供科学依据。
2. 实验结果表明，遥感技术在城市扩张、土地退化、水体变化等领域的监测具有显著优势。
3. 遥感变化监测技术具有广泛应用前景，可为政府部门、企业和科研机构提供决策支持。
遥感实验报告
遥感实验报告一、实验目的。
本实验旨在通过遥感技术对地球表面进行观测和数据获取，以探究遥感技术在环境监测、资源调查和自然灾害预警等方面的应用。
二、实验原理。
遥感技术是利用卫星、飞机等远距离传感器获取地球表面信息的一种技术手段。
通过接收地面反射、辐射或散射的电磁波，可以获取地表地貌、植被覆盖、土地利用等信息。
三、实验步骤。
1. 选择合适的遥感影像数据，包括多光谱影像、高光谱影像等。
2. 对影像数据进行预处理，包括辐射定标、大气校正等。
3. 利用遥感软件进行影像解译，提取地表信息。
4. 对提取的地表信息进行分析和应用，如环境监测、资源调查等。
四、实验结果与分析。
通过实验，我们成功获取了地表的多光谱影像数据，并对其进行了预处理和解译。
最终得到了地表的植被覆盖、土地利用等信息。
这些信息对于环境监测、资源调查等方面具有重要意义。
五、实验结论。
遥感技术在地球科学领域具有重要的应用价值，能够为环境保护、资源管理等提供有力支持。
通过本次实验，我们深入了解了遥感技术的原理和应用，对其在实际工作中的应用有了更深刻的认识。
六、实验总结。
本次实验不仅让我们掌握了遥感技术的基本原理和操作方法，还加深了我们对地球表面信息获取和分析的认识。
未来，我们将进一步学习遥感技术，探索其更广泛的应用领域，为地球科学研究和环境保护做出更大的贡献。
七、参考文献。
1. 《遥感原理与应用》，XXX，XXX出版社，2018年。
2. 《遥感技术在环境监测中的应用》，XXX，XXX期刊，2020年。
以上为本次遥感实验的报告内容，希望对大家有所帮助。
感谢各位的阅读和支持！。
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。
遥感实验报告非监督分类
一、实验背景随着遥感技术的飞速发展，遥感数据在资源调查、环境监测、灾害评估等领域发挥着越来越重要的作用。
遥感图像的分类是遥感应用中的一项基础性工作，它将遥感图像中的像素根据其光谱特性划分为不同的类别，从而实现对地表地物的识别和提取。
非监督分类作为遥感图像分类的一种重要方法，因其无需预先设定分类类别，能够自动将相似像素归为一类，在遥感图像处理中具有广泛的应用。
二、实验目的1. 理解非监督分类的原理和方法；2. 掌握利用ENVI软件进行非监督分类的步骤；3. 分析不同非监督分类方法的效果，比较其优缺点；4. 将非监督分类应用于实际遥感图像处理，提取地表地物信息。
三、实验原理非监督分类，也称为聚类分析或无监督分类，是一种基于像素光谱特征自动将像素归为不同类别的分类方法。
其主要原理是：将像素按照其光谱特征相似性进行聚类，使得同一类别的像素之间的距离尽可能小，而不同类别的像素之间的距离尽可能大。
常用的非监督分类方法包括：1. K-Means聚类算法：将像素按照其光谱特征分为K个类别，使得每个类别内部的像素距离最小，不同类别之间的像素距离最大。
2. ISODATA聚类算法：在K-Means聚类算法的基础上，引入了噪声点和边界点的概念，使得聚类结果更加合理。
3. 密度聚类算法：基于像素空间分布密度进行聚类，适用于地表地物分布不均匀的情况。
四、实验步骤1. 数据准备：选择合适的遥感图像作为实验数据，并进行预处理，如辐射校正、几何校正等。
2. 选择分类方法：根据实验需求和图像特点，选择合适的非监督分类方法。
3. 参数设置：设置聚类数量、迭代次数等参数，以影响聚类结果。
4. 分类执行：利用ENVI软件进行非监督分类，生成分类结果图。
5. 分类结果分析：分析分类结果，评估分类效果，并根据需要调整参数。
五、实验结果与分析以某地区Landsat 8遥感图像为例，采用K-Means聚类算法进行非监督分类，将图像分为5个类别。
武大遥感实验报告
一、实验背景遥感技术是一种通过获取和解释地球表面的信息的方法，它使用传感器从遥远的地方获取数据，以帮助我们了解地球的变化和特征。
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。
为了深入了解遥感技术，提高遥感数据处理和分析能力，我们进行了本次遥感实验。
二、实验目的1. 熟悉遥感图像处理软件ENVI的基本操作；2. 掌握遥感图像的预处理方法；3. 学习遥感图像的几何校正和配准；4. 掌握遥感图像的分类和制图；5. 分析遥感图像信息，为实际应用提供依据。
三、实验内容1. 实验一：ENVI软件基本操作（1）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；（2）查看影像信息和像元信息；（3）距离测量与面积测量。
2. 实验二：遥感图像预处理（1）了解遥感图像的预处理方法，包括辐射校正、几何校正、图像增强等；（2）对遥感图像进行辐射校正，消除传感器噪声和大气影响；（3）对遥感图像进行几何校正，消除图像几何畸变；（4）对遥感图像进行增强，提高图像信息量。
3. 实验三：遥感图像几何校正和配准（1）熟悉遥感图像的几何校正方法，包括基于控制点校正、基于多项式校正等；（2）对遥感图像进行几何校正，消除图像几何畸变；（3）对遥感图像进行配准，实现多景遥感图像的拼接。
4. 实验四：遥感图像分类和制图（1）了解遥感图像的分类方法，包括监督分类、非监督分类等；（2）对遥感图像进行分类，提取地物信息；（3）根据分类结果，制作遥感图像专题图。
5. 实验五：遥感图像信息分析（1）分析遥感图像信息，提取地物特征；（2）结合实际情况，为实际应用提供依据。
四、实验结果与分析1. 实验一：通过实验，我们掌握了ENVI软件的基本操作，能够查看影像信息和像元信息，进行距离测量和面积测量。
2. 实验二：通过实验，我们了解了遥感图像的预处理方法，对遥感图像进行了辐射校正、几何校正和图像增强，提高了图像信息量。
3. 实验三：通过实验，我们掌握了遥感图像的几何校正和配准方法，消除了图像几何畸变，实现了多景遥感图像的拼接。
遥感实验报告
遥感原理与应用实验报告姓名：班级：实验报告（实验一）[实验名称]ENVI窗口的基本操作[实验目的与内容]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。
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。
1、哈尔滨市TM影像成像的时间、分辨率 30m ，各波段的波长。
波段名称：波段：(um)Band 1 Coastal 0.433–0.453Band 2 Blue 0.450–0.515Band 3 Green 0.525–0.600Band 4 Red 0.630–0.680Band 5 NIR 0.845–0.885Band 6 SWIR 1 1.560–1.660Band 7 SWIR 2 2.100–2.300Band 8 Pan 0.500–0.680Band 9 Cirrus 1.360–1.390 Array 2、哈尔滨市TM影像使用的投影类型 UTM 、投影分带北52区。
3、哈尔滨市TM影像使用的坐标系，图像左上角的公里网坐标176685 5221815、地理坐标124º4′30"E，47º0′15"N 。
4、测量狗岛的周长 14233.5074 m面积 4635450 m2。
[体会及建议]通过本次实验我学会对于ENVI的使用，会加载遥感图像，能够用ENVI测量长度与距离，熟悉了ENVI的基本操作。
实验报告（实验二）[实验名称]遥感影像地理坐标定位和配准[实验目的与内容]目的：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。
掌握使用ENVI生成影像地图的步骤，学会利用全色影像和多光谱影像进行HSV融合的步骤。
内容：本实验主要涉及遥感图像处理中影像校正、配准功能，通过实验进一步掌握这类处理的理论原理。
卫星海洋遥感实验报告(3篇)
第1篇一、实验背景随着海洋资源的日益开发和海洋环境问题的日益突出，海洋遥感技术作为一项重要的探测手段，在海洋科学研究和海洋资源管理中发挥着越来越重要的作用。
本实验旨在通过卫星海洋遥感技术，对海洋环境进行观测和分析，为海洋科学研究和海洋资源管理提供数据支持。
二、实验目的1. 了解卫星海洋遥感的基本原理和方法。
2. 掌握卫星海洋遥感数据的获取和处理技术。
3. 分析卫星海洋遥感数据在海洋环境监测中的应用。
4. 提高对海洋环境变化的认识和应对能力。
三、实验内容1. 卫星海洋遥感基本原理- 卫星海洋遥感是利用卫星平台对海洋进行观测的技术，通过遥感传感器获取海洋表面的物理、化学和生物信息。
2. 卫星遥感数据获取- 利用遥感卫星获取海洋遥感数据，包括可见光、红外、微波等波段。
3. 卫星遥感数据处理- 对获取的遥感数据进行预处理，包括辐射校正、几何校正、大气校正等。
4. 海洋环境监测与分析- 利用处理后的遥感数据，对海洋环境进行监测和分析，包括海表温度、海洋污染、海洋动力环境等。
四、实验步骤1. 数据准备- 选择合适的遥感卫星数据，如Landsat、MODIS、SeaWiFS等。
2. 数据预处理- 对遥感数据进行辐射校正、几何校正、大气校正等预处理。
3. 数据处理- 利用遥感数据处理软件（如ENVI、ArcGIS等）进行数据处理。
4. 数据分析- 利用遥感数据分析软件（如IDL、Python等）对遥感数据进行统计分析。
5. 结果展示- 利用可视化工具（如图表、地图等）展示实验结果。
五、实验结果与分析1. 海表温度分析- 通过遥感数据获取的海表温度数据，分析海洋热力环境变化。
2. 海洋污染分析- 利用遥感数据监测海洋污染情况，如油膜、赤潮等。
3. 海洋动力环境分析- 分析海洋动力环境变化，如海流、波浪等。
六、实验结论1. 卫星海洋遥感技术在海洋环境监测中具有重要作用。
2. 通过遥感数据预处理和数据分析，可以获取海洋环境变化信息。
- 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)。
重庆交通大学学生实验报告实验课程名称遥感原理与应用开课实验室测量与空间信息处理实验室学院2013 年级测绘工程专业1班学生姓名文洋学号631301040126开课时间2015 至2016 学年第 1 学期目录实验一ENVI 视窗的基本操作 (2)实验二遥感图像的几何校正 (4)实验三遥感图像的增强处理 (8)实验四遥感图像的变换 (12)实验五遥感信息的融合 (15)实验六遥感图像分类--- 监督分类 (17)实验七遥感图像分类--- 非监督分类 (19)实验八遥感图像分类后处理 (22)实验一ENVI 视窗的基本操作一、实验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、实验容视窗功能介绍；文件菜单操作；显示数据；裁剪数据；合并波段三、实验步骤1、首先打开ENVI4.7软件，看见的只有菜单栏，如图所示：2、打开每个下拉菜单浏览其下拉栏中都有哪些功能，比如:我们如果需要打开遥感文件，则可以选择File下的打开功能open image file，打开遥感图像如下图：裁剪数据打开basic tools的resize data功能，如果需要对图像进行一系列处理，可以利用Transform，Classification等功能进行操作，在后续实验中我们也会用到其中的一些功能进行图像的一系列操作，到时候在详细叙述。
3、再熟悉了ENVI4.7的一些基本知识后我们可以简单地操作下，比如对一组数据分别用Gray Scale和Load RGB导入，看看两幅图的区别以及各自的优缺点。
四、实验结果分析在这次的实验中，我们简单的熟悉了下ENVI4.7的一些功能，发现它是可以对遥感图像进行图像几何纠正，直方图均衡，监督分类，非监督分类等一系列操作，为我们后续利用软件对遥感图像处理打下了基础。
实验二遥感图像的几何校正一、实验目的通过实习操作，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、实验容ENVI 软件中图像预处理模块下的图像几何校正。
利用控制点的选择和编辑来纠正影像。
三、实验步骤1、导入进行几何纠正的基础遥感影像和待纠正的遥感影像2、对两幅图像进行裁剪至需要几何纠正的区域。
应用Basic Tools中的Resize Data功能，将两幅图像裁剪至指定区域。
（注意：裁剪下来的两幅图的区域要大致一样才行。
如：3、选取控制点。
注意选取的控制点间的RMS最大不得大于0.5000，如在选取控制点的过程中遇到大于0.5000的情况，就对RMS最大的点进行调整，遵循原则：X，向右；0>>Y，向下。
直至每个点的RMS都小于<Y,向上；0X,向左；0<0.5000,在完成了控制点的选取后，将控制点数据保存到制定位置，方便以后查看与修改，本次的控制点数据如下：4、进行图像纠正，并存盘。
四、实验结果分析实验结果：在此次的实验过程中，控制点的选取是至关重要的，如果不能较精确的选择控点校正后的图像有很大的误差，再出现误差后，尽可能的将RMS调到最小；而选择控制点是要图中均匀的选取，不能局部过于密集。
校正后的图像可以和参考图像进行关联对比。
实验三遥感图像的增强处理一、实验目的通过上机操作，了解空间增强、辐射增强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。
二、实验容直方图均衡化；灰度反转；直方图正态化。
三、实验步骤1、直方图均衡化处理（1）ENVI中打开12840-123457影像，Gray Scale模式加载第一波段的影像（2）选择Image窗口中Enhance选项下的Image Equalization来实现图像的均衡化处理。
2、直方图拉伸（1）选择Enhance菜单下的Interactive Stretching选项，单击Stretch Type 菜单，选择不同类型，单击Apply应用即可得到不同的拉伸效果。
（2）选择不同类型就可得到不同的效果图3、图像匹配（1）以波段6影像作为基准影像，波段1影像作为待匹配影像。
灰度模式加载第一波段的影像；右击第六波段选择Load Band to New Display。
（2）选择波段1影响下的Enhance—>Hitogrm Matching选项，在弹出的Hitogrm Matching对话框中选定Display #2，单击ok按钮，就可以完成两影像的匹配。
（3）查看图像的直方图，打开第一图像的enhance中的interctive strtching 选项，显示出原始图像和匹配后图像的影像信息，1号窗口中红色是2号窗口的图像直方图，白色的是对1号窗口处理后的直方图。
四、实验结果分析1、直方图均衡化结果：2、直方图拉伸结果Stretch_Type LinearStretch_Type Gaussian 3、直方图匹配结果通过本次上机操作，了解辐射增强的过程和方法，加深了图象增强处理的理解。
学会了线性拉伸，直方图的均衡和直方图的匹配，将课本上的容通过软件应用到实际操作中去，加深了对理论的认识，熟练了实际操作。
总的来说这次的实验相对来说比较简单，在完成了图像增强后，和原始图像比较发现图像更易判读了，这也与书本上学习到的知识相符合。
实验四遥感图像的变换一、实验目的通过上机操作，了解空间增强、辐射增强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。
二、实验容波段比值变换；主成分变换三、实验步骤1、波段比值变换（1）在ENVI中打开12840-123457影像，选择Trasform选项下的Band Rations选项，弹出Band Rations Input Bands对话框。
在分子Numerator一栏里添加第一波顿，在分母Denomirator一栏里添加地理波顿，单击ok按钮，在Selected Ratrio Pairs中出现新增波段时再单击ok按钮即可。
（2）在弹出的Band ratio parameter对话框中选Memory，单击ok（3）比值是浮点数，影像越暗，两个波段的比值越小，越亮比值越大。
2、主成分分析法（1）在ENVI开发环境中打开12840-123457中的RGB为321波段的影像。
（2）选择Transform菜单下的Principal Component子菜单下的Forward PC Rotation下的Compute New Statistics and Rotate选项，在弹出的Principal Components Input File对话框中，在Select Input中选中Memory1，单击ok。
（3）在Forward PC Parameters对话框的choose选项设定输出路径，记的Seleted Output PC Bands对话框，将Number of Output PC Bands的参数改为5（生成新的主成分影像，主分量个数为5）单击ok。
（4）在二用的波段列表中，依次打开主分量影像。
其中PC1为第一主分量影像，信息量最丰富，噪声最少；其次是第二主分量PC2，以此类推。
四、实验结果分析1、波段比值变换结果2、主成分分析法结果PC Band 1PC Band 3本次实验对波段比值变换和主成分分析法进行了操作，可以看出这两种方法都可以增强地物间的差异，特别是波段比值变换，使得地物之间的差异显得更加明显，而主成分分析法可以减少噪声，使得图像更加清晰，使得提取图像上的信息变得容易了许多，在完成的实验后的五个波段里面，第一波段的噪声最少，越往后面的波段噪声就越来越多，图像变得模糊，从PC Eigenvalues图中的折线也能得出这样的事实。
实验五遥感信息的融合一、实验目的通过上机操作，初步掌握遥感信息复合的方法，深入理解遥感信息复合在信息解译中的意义。
二、实验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融合的一个主要方法，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。
三、实验步骤（1）加载12840-8高分辨率影像（2）导入12480-123457数据的真彩色影像。
（3）单击Transform—>ImageSharpening—>HSV，选中12840-8图像高分辨率图像，选中真彩色影像为多光谱影像。
（4）输入处理结果路径，选择重采样方法，打开融合后影像#2.可以看出结果既有光谱信息，色彩丰富，又有高空间分辨率的特点。
四、实验结果分析实验结果：完成这次试验后，我们清楚地知道了可以应用这种办法使得一图像既具有全色图像的高分辨率的特点，又可以使其拥有多光谱影像的色调和饱和度。
若使得一图像拥有上述两种特点，那么我们就可以从这图像上获取更多的有用的信息，补充了单一传感器的不足。
实验六遥感图像分类--- 监督分类一、实验目的理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。
二、实验容ENVI 遥感图像监督分类：1.最小距离法；2.最大似然法三、实验步骤1、首先打开实验二所裁剪过后的12840-123457文件，打开RGB图像。
2、通过#1下的菜单栏中的overlay →region of interest→zoom，在ROI_Type中输入民称水体。
然后选择new regin，分别按照上面步骤输入植被、裸地、居民地，然后对这四项的颜色进行选择。
3、然后对水体，植被、裸地、居民地四项进行编辑，选择zoom选项，然后用鼠标左键进行划线，划线完成后，点击右键，闭合。
再点击一次右键，则系统自动进行填充。
4、完成第三步后，选择options→compete ROI separability→原始图像→select all items→ok。
5、点击classification→supervised→minimum distance→选择原始图像→ok →select all items→保存→ok。
6、最后来计算混淆矩阵：classification→post classification→confusion matrix→using ground truth ROIS。
四、实验结果分析监督分类后图像：混淆矩阵：完成这次实验后，使得我们熟悉了监督分类的操作步骤，在这次的实验中，可以看出监督分类的步骤也不算太复杂，只需要在对水体、植被、居民地等进行勾勒是需要比较小心才行，而且在完成了监督分类后，若对完成后的图像的颜色不是很满意是，可以在zoom的color栏里进行调整。
总之在完成一次实验的过程中，细心和耐心非常重要。
实验七遥感图像分类--- 非监督分类一、实验目的进一步理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的，同时深刻理解监督分类与非监督分类的区别。