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)。
林业遥感与地理信息系统实验报告实验一、ERDAS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ERDAS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．实验步骤：1.打开程序。
2.打开遥感实习数据中的lanier.img3.对图像进行一些基本的操作：○1光标查询○2量测○3数据叠加显示。
同时打开两个图像，在Select Layer To Add对话框中点击Clear Display。
4、显示菜单操作掌握文件显示顺序；显示比例；显示变换操作等。
5、矢量菜单操作矢量文件的生成与编辑：第一步：打开图像文件第二步：创建图形文件第三步：绘制图形要素第四步：保存矢量文件三、实验感受在做实验时，一定要在笔记本上对老师讲解的实验流程做记录。
否则，当自己独立完成实验时会很吃力。
因为实验指导书上有的步骤看不懂，而且软件版本不同，各个图标的位置有所改变，无法完全按照指导书进行实验。
就本实验来说，这都是一些最基本的操作，但由于第一次接触这个软件，就连这些最基本的操作都做了很长时间才变得熟练了。
实验二、数据输入一：实验目的：熟悉并熟练应用该软件的操作。
二：实验内容：1.单波段数据输入2.多波段数据组合三：实验步骤：1）单波段数据输入1.点击工具图标Import, 弹出一个对话框，对其设置参数如下：Type：Generic BinaryMedia: FileInput File: band3.datOutput File: 根据自己起名字。
2. 出现Import Generic Binary Data 对话框，设置参数如下：Data Format: BSQ#Rows:1101#Cols:1474点击OK,就完成了一个单波段的输入。
最后出现的图像是一个灰度图像。
2）ERDAS图标面板菜单条单击main菜单，点击image，打开layer selection and stacking 对话框或在ERDAS图标面板工具条单击interpreter图标，选择utilities\layer stack 命令，打开layer selection and stacking窗口。
1、用添加按钮添加一个单波段文件，如band3.img。
2、用同样的方式添加另一个单波段文件，如band2.img。
3、如要继续添加其它波段，重复上述步骤。
4、将data type的output选项处设置为unsigned 8 bit。
5、output option处选择union(组合)单选按钮。
6、在output file 写上自己的命名并选择将保存的磁盘。
7、单击ok按钮，就完成了波段的组合操作。
三、实验感受本实验主要目的是学会波段输入即不同波段的图层输入。
这里需要关注layer后面的数字就是图层数。
实验三图象基本操作一、：实验目的：熟悉元件的一些基本操作，并采集图像，对所采集的图像进行拼接。
二、：实验步骤：1、图像分幅裁剪：方法一：1)在屏幕的上部点击DataPrep → Subset Image, 勾选File设置参数：Input File: lanier.imgOutput File:自己定义Output: ContinuousULX ULY LRX LRY可以自己设置（它们是指要裁剪矩形的左上角和右下角的坐标，）。
依实验指导书，我设置为 ULX:5.00 LRX:300.00ULY:5.00 LRY:300.00Select layer:可以自己定义，我设置为2:5选择Ignore Zero in Output Stats.点击OK.2)然后打开两个Viewer,点击综合菜单Session → Tile Viewer, 平铺两个视窗。
第一个Viewer 中打开lanier.img ，第二个Viewer 中打开你所做的图像，对两幅图片进行观察。
方法二：利用AOI裁剪图像。
1)绘制AOI 区域。
2)保存所绘制AOI 区域，File→Save，保存到你所想保存的磁盘。
3)点击DataPrep，选择第三个键，打开窗口后打开原文件和你所剪裁的文件，选择AOI，点击OK。
这是你所选的文件将会被剪裁下来，在viewr中显示。
2、图像拼接1)启动功能：DataPrep →Mosaic Image,打开Mosaic Tools 对话框2)加载图像：点击第一行工具图标图纸标识，打开Add Images 对话框，Image filename: wasia1_mss.img选择：Compute Active Area点击Add。
重复前面的设置加载wasia2_mss.img和wasia3_mss.img。
屏幕中将会出现三个白色的矩形的图片拼接在一起。
3)图像匹配设置点击第一行方框工具图标，再点击第二行坐标三角工具图标，打开Color Corretions 对话框。
全部选择，点击OK。
再点击第一行两个方框重叠工具图标，再点击第二行fx工具图标，选择Average. 点击Apply,然后关闭。
运行：Proceess→ Run Mosaic确定输出文件名：自己定义输出图像区域：All此时三个白色的矩形的区域将会附上彩色的图片，这就完成了图像的拼合。
三、实验感受利用AOI剪裁图像更简单。
实验四、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、实验内容：ERDAS软件中图像预处理模块下的图像几何校正。
三、实验步骤：1、显示图像文件打开两个视窗，将两个窗口进行平铺。
在第一个视窗中打开：tmAtlanta.img在第二个视窗中打开：panAtlanta.img2、启动几何校正模块1)在第一个窗口的菜单条：Raster → Geometric Correction→打开Set Geometric Model 对话框，选择Polynomial, 点击 OK.→同时会打开Geometric Correction Tools对话框和Polynomial Model Properties 对话框。
在该对话框中，定义多项式模型参数及投影参数：Parameters→Polynomial Order: 2Projection→Map Units: Meters点击Apply → Close2)此时将会出现一个窗口，有许多选项，选择第一个，即Existing Viewer → OK →打开Viewer Selection Instruction对话框3、启动控制点工具在Viewer#２图像上点击左键，打开Reference Map Information提示框，这是用于显示Viewer#２图像的投影信息。
点击OK。
整个屏幕将自动变化为：两个主视窗、两个放大窗口、主视窗中两个关联方框、控制点工具对话框、几何校正工具框。
４、采集地面控制点。
1)在GCP Tool对话框工具栏点击箭头图标,进入选择状态.2)在GCP Tool对话框中数据表中第一个Color列设置颜色，尽量选择容易区分的颜色，如：红色。
3)在Viewer#1中寻找明显的地物特征点,左键点击关联方框移动到这个明显地物上．作为输入GCP．4)点击方框后移动方框到确定的标志地物。
点击工具栏中的圆的工具，在标志地物上进行点的确定。
可以在Viewer#3中移动你确定的点。
5)在GCP Tool对话框中数据表中第二个Color列设置颜色。
6)在Viewer#２中寻找你确定的地物特征点,左键点击关联方框移动到这个明显地物上．然后在Viewer#４中寻找与Viewer#3中的定点相同位置的点，点击左键定点。
7)重复上面操作，采集若干点。
5、采集地面检查点1)数据表中选择一个空白行，即点击point＃中的一格，选中这一空白行，这一行呈黄色。
2)在GCP Tool对话框的菜单条中: Edit → Set Point Type → Check3)在GCP Tool对话框的菜单条中确定匹配参数：Edit →Point Matching，打开GCPMatching 对话框，定义参数：1.Correlation Threshold：0.82.选中Discard Unmatched Point→Close4)计算检查点误差：在GCP Tool对话框中点击第四个图标（有钩的那个），误差会显示在GCP Tool对话框的上方。
6、图像重采样1)重采样过程就是依据未校正图像象元值计算生成一幅校正图像的过程，原图像中所有的栅格数据层都将进行重采样。
2)在Geometric Correction Tools对话框中，点击倾斜的“田”的工具图标，3)打开Resample对话框，定义参数如下：Output File: 自己定义Resample Method: Nearest NeighborOutput Corners: ULX, ULY, LRX, LRYOutput Cell Size: X：30， Y：30选择Ignore Zero in Stats.Ok8、检验校正结果打开两个平铺图像视窗：在第一个视窗中打开：自己定义的那个输出文件；在第二个视窗中打开： panAtlanta.img9、建立视窗地理连接关系1)在Viewer#1中：按住右键，出现快捷菜单，点击Geo Link/Unlink2)在Viewer#2中：点击左键，建立与Viewer#1的连接10.打开Viewer#1中的查询光标，观测其在两屏幕中的位置及匹配程度，并注意光标查询对话框中数据的变化。
四、实验感受1.在设置颜色时尽量选择较鲜艳的颜色，这样有利于在图像上确定点。
2.在窗口1选定点后，在窗口2上确定点时一点要尽量的符合。
3.所选的点一定要具有代表性，并尽量分散，不要过于集中。
实验五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、实验内容：卷积增强处理；锐化增强处理；直方图均衡化；色彩变换。
三、实验步骤：1.卷积增强点击屏幕上方的按钮Interpreter →Spatical Enhancement →Convolution，打开Convolution对话框，打开你所需要处理的图片，选择5×5，选择ignore zero in stats,点击Reflection,点击OK。
出图如下：2.非定向边缘增强应用另个比较通用的滤波器（Sobel Prewitt），首先通过两个正交卷积算子分别对图像进行边缘检测，然后将两个正交结果进行平均化处理。
点击Interpreter →Spatical Enhancement →Non-directional Edge，在对话框中选择你所要出来的图像，并命名你所保存的图片。