遥感实验报告直方图的修正
直方图修正
实验名称：直方图修正一、实验目的1.对影像进行直方图规定化和均衡化2.利用另外一幅影像进行直方图匹配3.利用直方图统计功能对结果进行分析二、实验内容1.对两幅卫星遥感影像进行规定化并统计分析2.对一幅卫星遥感影像进行均衡化并统计分析三、实验所用的仪器设备计算机和ENVI软件在不同时刻同地的卫星遥感影像2幅四、实验原理1.直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对原始图像作修正的增强方法。
作用：对于在不同时间获取的同一地区或者邻接地区的图像，或者是由于太阳高度角或大气的影响引起差异的图像很有用，特别是对图像镶嵌和变化检测。
2.直方图均衡化:又称直方图平坦化，是将一已知灰度概率密度分布的影响，经过某种变换变成一幅具有均匀灰度概率密度分布的新影像，其结果是是扩大了像元取值得动态范围。
效果:(1) 均衡后每个灰度级的像元频率近似相等。
（2）频率少的灰度级被合并，频率数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
五、实验步骤1.直方图规定化与统计：1)同时打开两幅遥感影像，影像显示号分别为Display#1，Display#2.规划化前影像——Display#2 规划化前影像——Display#12)在Display#2的主影像窗口选择Enhance/Histogram Matching,出现HistogramMatching Input parameter对化框。
3)在“Match To”列表中，选择匹配的直方图的影像显示号Display#1。
4)在Input Histogram/Image/OK得到直方图匹配后的结果。
5)在“Flie/Save Image As/Image file”中得到对话框“Output Display to image File”选择保存所在文件下，保存为”guihua”。
6)在“Basic Tools/statistics/Computer Statistics/Computer Statistics InputFile”,选择所要分析统计的图像文件.例如guihua/OK/Basic Stats/Histograms/OK按Display#1的影像进行匹配后的Display#2 即guihua 规划化前影像——Display#17)在Statistics Results :guihua/ Select Plot/Histogram：All Bands并对三幅图进行分析Guihua直方统计图 Display#2 直方统计图 Display#1直方统计图结果分析：[1].由上显示图—1为规划化后的图，图—2，3为规划化前的图，三幅图每个都有3个波段，图—2，3在灰度值0—255之间变化，图—1在0-210之间变化，图—1，2在灰度值80—170变化较集中。
实验四 图像的直方图修正
imhist(X, map)；%计算和显示索引色图像X的直方图，
map为调 色板；
［counts, x］=imhist(…)%返回直方图数据向量counts和
相应的色彩值向量x，用stem(x, counts) 同样可以显示直方图。
【例】 显示灰度图像‘cameraman.tif’的直方图。
j 0 j 0
k
k
nj N
（5）将sk按照原来的量化值，取最近的进行量化sk→r， 将像素数带入，得到新的灰度级及分布。
实例
假设一幅64×64，8bit灰度图像，其概率分布见下
表，试对其进行直方图均衡化处理。 rk nk Pr(rk)=nk/n
r0=0
r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
3500
3000
2500
2000
1500
1000
500
0
20ቤተ መጻሕፍቲ ባይዱ
40
60
80
100
120
2 imadjust函数
调用格式：J=imadjust(I,[low high],[bottom top],gamma) 说明：J为图像I调整后返回的图像，[low high]为原图像
的灰度范围，[bottom top]为指定变换后的灰度范
790
1023 850 656 329 245 122 81
0.19
0.25 0.21 0.16 0.08 0.06 0.03 0.02
＊重新命名sk，归并相同灰度级的象素数 rk r0=0 r2=2/7=0.29 r3=3/7=0.43 r4=4/7=0.57 r5=5/7=0.71 r6=6/7=0.86 r7=1 nk 790 850 656 329 245 122 81 Pr(rk) Sk计算 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00 Sk舍入 1/7=0.14 3/7=0.43 5/7=0.71 6/7=0.86 6/7=0.86 1 1 1 S3 985 0.24 Sk S0 S1 S2 nsk 790 1023 850 P(sk) 0.19 0.25 0.21
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验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感图像几何精校正实验报告
遥感图像几何精校正实验名称：遥感图像的几何精校正。
实验目的：1.了解和熟悉envi软件的几何校正的原理2.熟悉和掌握envi软件的几何校正的功能和使用方法；3.对自己的图像先找到投影，再另存一幅图像，去掉投影，在其它软件中旋转一角度，用原先的图像作为参考对旋转后的图像进行几何校正，使得其比较精确。
实验原理：几何校正，主要方法是采用多项式法，机理是通过若干控制点，建立不同图像间的多项式控件变换和像元插值运算，实现遥感图像与实际地理图件间的配准，达到消减以及消除遥感图像的几何畸变。
多项式几何校正激励实现的两大步：1. 图像坐标的空间变换：有几何畸变的遥感图像与没有几何畸变的遥感图像，其对应的像元的坐标是不一样的，如下图1右边为无几何畸变的图像像元分布图，像元是均匀且不等距的分布。
为了在有几何畸变的图像上获取无几何畸变的像元坐标，需要进行两图像坐标系统的空间装换。
图1：图像几何校正示意图在数学方法上,对于不同二维笛卡儿坐标系统间的空间转换,通常采用的是二元n次多项式,表达式如下:其中x, y为变换前图像坐标, u, v为变换后图像坐标, aij , bij为多项式系数, n = 1, 2,3, ⋯。
二元n次多项式将不同坐标系统下的对应点坐标联系起来, ( x, y )和( u, v )分别应不同坐标系统中的像元坐标。
这是一种多项式数字模拟坐标变换的方法,一旦有了该多项式,就可以从一个坐标系统推算出另一个坐标系统中的对应点坐标。
如何获取和建立二元n次多项式,即二元n次多项式系数中a和b的求解,是几何校正成败的关键。
数学上有一套完善的计算方法,核心是通过已知若干存在于不同图像上的同名点坐标,建立求解n次多项式系数的方程组,采用最小二乘法,得出二元n次多项式系数。
不同的二元n次多项式,反映了几何畸变的遥感图像与无几何畸变的遥感图像间的像元坐标的对应关系, 其中哪种多项式是最佳的空间变换模拟式,能达到图像间坐标的完全配准,是需要考虑和分析的。
遥感几何校正实验报告
遥感几何校正实验报告遥感几何校正实验报告一、引言遥感技术在地球科学和环境研究中起着至关重要的作用。
遥感图像的几何校正是确保图像的准确性和可用性的关键步骤之一。
本实验旨在通过对遥感图像进行几何校正，探索校正过程中的方法和技术。
二、实验目的1. 了解遥感图像的几何校正原理和意义；2. 掌握几何校正的基本步骤和技术；3. 分析几何校正对遥感图像质量的影响。
三、实验材料与方法1. 实验材料：- 遥感图像数据集；- 几何校正软件。
2. 实验方法：- 导入遥感图像数据集；- 对图像进行几何校正；- 分析校正前后图像的差异。
四、实验过程与结果1. 数据导入：在几何校正软件中导入遥感图像数据集，确保图像能够正确显示。
2. 几何校正：根据几何校正软件的操作指南，按照以下步骤进行几何校正：a) 选择合适的控制点：根据图像中的特征选择控制点，以确保校正的准确性；b) 校正图像：通过对控制点进行配准，对图像进行几何校正；c) 评估校正结果：查看校正后的图像，与原始图像进行对比，评估校正的效果。
3. 结果分析：a) 观察校正后的图像：比较校正前后图像的差异，注意观察图像的形状、位置和尺度是否发生变化；b) 分析校正效果：根据观察结果，评估几何校正的效果。
若图像形状、位置和尺度变化较小，说明校正效果较好；c) 讨论校正结果：讨论校正结果对后续遥感分析的影响，如地物提取、变化检测等。
五、讨论与总结几何校正是遥感图像处理的重要步骤，能够提高图像的准确性和可用性。
本实验通过对遥感图像进行几何校正，探索了校正过程中的方法和技术。
校正后的图像形状、位置和尺度变化较小，说明校正效果较好。
几何校正结果对后续遥感分析有重要影响，能够提高地物提取和变化检测的精度。
然而，几何校正过程中仍存在一些挑战和限制。
例如，控制点的选择和配准的准确性对校正结果至关重要。
此外，校正过程中可能出现图像畸变和信息丢失的情况，需要在校正结果的评估中进行综合考虑。
直方图修正法
重庆交通大学测量与空间信息处理实验报告实验课程：遥感原理及应用实验名称：直方图修正法班级：姓名：学号：实验日期：2012 年11 月17 日实验原理一.直方图均衡化直方图均衡算法是图象增强空域法中的最常用、最重要的算法之一。
目前较常用的增强方法有全局直方图均衡化、局部直方图均衡化两大类。
全局直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图, 然后按均匀直方图修正原图像, 从而获得一幅灰度分布均匀的新图像。
它以概率理论作基础, 运用灰度点运算来实现直方图的变换, 从而达到图象增强的目的。
它的变换函数取决于图像灰度直方图的累积分布函数。
概括的说, 就是把一已知灰度概率分布的图像, 经过一种变换, 使之演变成一幅具有均匀概率分布的新图像。
当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来就显得清晰。
下面先讨论连续变化图像的均衡化问题。
设r 、s 分别表示原图像和增强后图像的灰度。
假设r 被归一化到区间[0,1], 且r =0 表示黑色及 r = 1表示白色。
当r 、s 在[0,1] 之间时,表示像素灰度在黑白之间变化。
灰度变换函数为s=T（r） 0≤r≤1 （1）它满足以下两个条件：(1) T（r）在区间0≤r≤1中为单值且单调递增；(2) 当0≤r≤1时, 0 ≤T（r）≤1；条件(1)中要求T（r）为单值是为了保证反变换存在, 单调条件保证原图各灰度级在变换后仍保持从黑到白( 或从白到黑) 的排列次序；条件(2)保证变换前后灰度值动态范围的一致性。
图1 给出了满足这两个条件的一个变换函数的例子, 由s 到r 的反变换可以表示为：= 0≤s≤1 （2）r-),(1sT即使 T（r）满足条件(1)和(2), 相应的函数)(1sT-也可能不为单值。
一幅图像的灰度级可被视为区间[0,1] 的随机变量。
令)(r p r 和)(s p s 分别代表随机变量 r 和s 的概率密度函数。
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Toolbox->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。
遥感实验报告几何校正
遥感实验报告几何校正1. 引言遥感技术在地球科学领域中起着至关重要的作用，可以提供大量的空间信息。
然而，由于地球曲率、地表高程、投影效果等原因，遥感图像中存在一定的几何失真。
为了解决这些问题，需要对遥感图像进行几何校正，以确保图像的精确度和准确性。
本实验旨在通过软件工具进行遥感图像的几何校正，以便更好地分析和解读遥感图像所提供的信息。
2. 实验目标本实验的主要目标是对给定的遥感图像进行几何校正，达到以下几个具体目标：1. 去除图像中的地理畸变，使图像上的物体形状和比例与现实世界相符合；2. 将图像从传感器坐标系转换到地理坐标系，使图像可以与其他地理数据进行叠加分析；3. 评估图像几何校正的效果，验证几何校正的有效性。
3. 实验步骤3.1 数据准备在实验开始前，我们需要准备一幅遥感图像和其对应的地理坐标信息。
安装并配置合适的遥感图像处理软件，以便进行后续的操作。
3.2 图像去畸变首先，需要对图像进行去畸变处理，以消除地理畸变对图像造成的影响。
根据实际情况选择适合的去畸变算法，对图像进行处理，并保存处理后的图像。
3.3 坐标系转换将处理后的图像从传感器坐标系转换到地理坐标系。
选择合适的坐标转换方法和参数，进行坐标系转换，并保存转换后的图像。
3.4 评估几何校正效果通过对比几何校正前后的图像，评估几何校正的效果。
可以采用多种指标进行评估，如虚拟控制点对比、图像配准精度等。
4. 实验结果经过上述实验步骤，我们成功实现了对遥感图像的几何校正。
通过图像去畸变和坐标系转换，我们得到了一幅与现实世界相符合的几何校正后的遥感图像。
评估几何校正效果时，通过与虚拟控制点对比和图像配准精度的测量，我们发现几何校正的效果符合预期，并且达到了较好的精度要求。
5. 结论与展望本实验通过对遥感图像进行几何校正，成功消除了图像中的地理畸变，实现了图像的空间精确定位。
几何校正的结果具有较高的精度和准确性，可以为后续的遥感图像分析和解读提供可靠的基础。
2022年实验二遥感图像的几何校正与镶嵌实验报告
实验二遥感图像旳几何校正与镶嵌实验报告实验目旳：通过本实验纯熟操作遥感图像解决旳专业软件进行基本图像解决，涉及图像几何校正、镶嵌等。
实验内容：1、熟悉图像几何校正、镶嵌旳基本原理；2、学习图像几何校正具体操作；3、学习图像镶嵌正具体操作。
本实验旳图像几何校正是通过“像图配准”旳方式获取地面控制点旳方里网坐标旳，并对老式旳从纸质地形图上量算坐标旳措施进行改善，运用Auto CAD或Photoshop等软件从扫描后旳电子地形图上直接量算坐标。
实验环节：第一步、熟悉图像几何校正、镶嵌旳基本原理第二步、图像几何校正运营PCI，选择GCPWorks模块，在Source of GCPs选择User Entered Coordinates（顾客输入投影坐标系统），点击Accept后，弹出校正模块：选择第一项加载需要校正旳图像（由实验一措施导出旳125-42.pix ）->点击Default->Load & Close->得到下图：选择第二项，选择Other拟定投影系统：注意输入6度带旳中央经度与向东平移500公里（500000米）：点击Earth Model拟定地球模型：点击Accept：选择第三项采集地面控制点。
在采集地面控制点之前，运用Photoshop软件打开扫描后旳电子地形图。
分别在遥感图像和地形图中找到一种同名点，如下图（可以用放大遥感图）。
然后在地形图中量算出该点旳大地坐标，精确到米，X坐标为6位（要去掉2位6度带旳带号），Y坐标7位（运用测出）。
再将坐标输入到GCP编辑窗口中，并点击Accept as GCP接受为一种控制点。
用同样旳措施采集更多旳地面控制点。
注意：前三个点不显示误差，从第四个点开始才浮现误差。
一般规定选择15个以上控制点，并且各点旳误差<1个像元，将误差过大旳点删除，直到误差<1个像元为止。
最后，关闭GCP 编辑窗口，选择第五项（如果对整个图像进行几何校正，则第四项可以省略），执行几何校正。
遥感实验报告
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，深刻了解遥感图像几何校正的意义。
在实验过程中，主要理解和体会以下几个问题：（1）遥感图像几何校正的类型，几何校正的原因和目的；（2）遥感图像几何静校正的基本原理；（3）重采样的方法及每种方法的优缺点。
二、实验的基本原理遥感图像几何校正分为两种：①针对引起畸变原因而进行的几何粗校正；②利用控制点进行的几何精校正。
几何精校正实质上是用数学模型来近似描述遥感图像的几何畸变过程，并且认为遥感图像的总体畸变可以看做是挤压、扭曲、缩放、偏移以及更高层次的基本变形的综合作用的结果，利用畸变的遥感图像与标准地图或图像之间的一些对应点（GCP）求得这个几何畸变模型，然后利用此模型进行几何畸变的校正，这种校正不考虑引起畸变的原因。
三、几何精校正的基本步骤1、确定地面控制点。
在原始畸变图像空间与标准空间寻找控制点对。
地面控制点应该在图像上有明显清晰的定位识别标志，地面控制点上的地物不随时间而变化，地面控制点应均匀分布在整幅图像内，且要有一定的数量保证。
2、地面控制点确定后，要在原始畸变图像与标准图像上分别读出各个控制点在图像上的像元坐标(x,y)以及标准图像上的坐标(X,Y)。
3、选择合适的坐标变换函数（几何校正数学模型），建立图像坐标(x,y)与其参考坐标(X,Y)之间的关系式。
利用地面控制点对数据求出模型的未知参数，然后利用模型对原始图像进行几何精校正。
4、几何精校正的精度分析，利用几何校正数学模型计算校正之后的图像误差，检验每个控制点的均方根误差是否小于0.5。
5、确定每一点的亮度值。
根据输出图像上各像元在输入图像中的位置，对原始图像按一定的规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。
常采用的方法是最邻近法，三次卷积内插法，双线性内插法。
四、基本实验要求学会在ERDAS IMAGINE软件中进行图像的几何校正。
五、实验内容1、本实验主要是利用多项式拟合的方法进行的纠正，通常采用数据预处理途经启动几何校正模块。
《遥感原理与应用》实验报告——直方图修正
实验名称：直方图的修正一、实验内容1、对影像进行直方图的均衡化；2、利用另外一幅影像进行直方图的匹配；3、利用直方图统计功能对结果进行分析。
二、实验所用的仪器设备遥感处理ENVI软件，遥感影像bhtmref.img文件三、实验原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本次实验以直方图的均衡化和规定化的方法为主要内容。
1、图象灰度的直方图：横坐标为灰度级，纵坐标为概率建立的图形2、直方图的修正包括：1直方图均衡化 2直方图规定化直方图的均衡化又称平坦化，是将一已知灰度概率密度分布影像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新影像，其结果是扩大了象元取值的动态范围；直方图均衡化后的效果：：①各灰度级所占图像的面积近似相等。
②原图像上频数小的灰度级被合并，频数高的灰度级则保留且不能被分割，因此可以增强图像上大面积地物与周围地物的反差。
③当输出数据分段级较少时，则会产生一些大类地物的大致近似的轮廓。
直方图的规定化是指将原始影像调整到事先规定的已知的形状，以此来对原始影像特定灰度范围进行增强处理。
四、实验步骤1.打开envi 软件，依次选择TM Band 4 ,TM Band3, TM Band 2得到该影像的标准假彩色合成图像，如图一所示：图一图二2、在Basic tools 里选择 statistics → computer statistics → Spectral Subset 选择4、3、2波段→勾选 covariance 、histogram 、output to a statistics (.sta)、output to a Text Report File (.txt)得到直方图及其计算数据如图二所示：由图二的直方图可看到每个灰度级的分布状况，并且有以下数据统计（在输出的txt文件中查看）(二)对bhtmref影像进行均衡化，并与原始图像进行对比1、选择enhance → [image]equalization 得到图像三save image as image file (equ_b.img）→open image file →在available bands list 中依次选择bhtmref1 的4、3、2波段→display #2→new play →load图三图四2、将bhtmref1 重复（一）的步骤得到均衡化后的直方图如图四所示由图四均衡化后的灰度直方图可得到以下数据对比分析：①均衡化后的图像比原始图像轮廓更为清晰，大面积地物与周围地物仍然存在强烈反差，影像效果更加明显。
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。
遥感数字图像处理实验报告(二)
遥感数字图像处理实验报告（二）姓名：学号：班级：指导老师：1）项目名称：熟悉遥感软件、图像预处理2）实验目的：1. 熟悉遥感软件的使用，了解图像大小、投影、直方图等信息查看方法，了解相关软件的各项功能；2. 掌握遥感图像的几何精校正方法及步骤。
3）实验原理：几何校正就是将图像数据投影平面上，使其符合地图投影系统的过程。
而将地图坐标系统赋予到图像的过程，称为地理参考。
由于所有的地图投影系统都尊从于一定的地图坐标系统，所以几何校正的过程包含了地理参考过程。
对图像进行几何校正就是赋予其完整的地图坐标系统。
4）数据来源及数据基本信息：（下载源、波段数、对应的波长、分辨率、投影、地区）待校正图像来自Google Earth 2004年9月15日的影像，大致位置在东经116度20分，北纬33度57分，使用的是 DIGITAL GLOBLE 的QUICK BIRD卫星影像的0.6米分辨率的航拍照片，三波段，无投影。
待校正图像。
参考图像数据来自国际科学数据服务平台，Landsat5 2010年9月18日的图像，图像共7个波段，波段1-5和波段7的空间分辨率为30米，6波段（热红外波段）的空间分辨率为120米。
对应的波段、波长、分辨率、主要作用如表：图像采用的投影为WGS 84投影，条带号为122，行编号为36，覆盖豫东、皖北、苏北、鲁西四省交界地区。
5）实验过程：1）多波段合成：对参考图像数据进行波段组合2）打开图像，用两个Viewer窗口分别打开待校正图像和参考图像，查看其投影信息：待校正图像投影信息（无投影）参考图像投影信息（有投影）几何校正：————弹出图1窗口，点击Slecte Vewer——点击Viewer1，弹出图2窗口图1图4图3图2选择Polynomial多项式模型，OK——Polynomial Order选1，Map Units 选Meters，Apply, Close，弹出图3窗口，OK——点击Viewer窗口，选择要参考图像，弹出图4，点击OK，进入采点界面，开始采集地面控制点图5 图6图7采点完成后点击Geo Correction Tools 如(图5)中图标，弹出图6 对话框，输入保存路径，保存校正后的图像。
遥感图像校正实验报告
遥感图像校正实验报告1. 引言遥感图像是通过卫星、飞机等遥感平台获取的地球表面的图像信息，具有广泛的应用价值。
然而，由于地球表面的复杂性和遥感平台的特点，遥感图像中可能存在各种影响因素，如大气、地形、光照等。
为了准确地利用遥感图像进行地物分类、资源监测等应用，需要对遥感图像进行校正。
本实验旨在探索并应用遥感图像校正方法，提高遥感图像的质量和准确度。
2. 实验目标本实验的主要目标是：- 理解遥感图像校正的原理和流程；- 掌握遥感图像校正的常用方法；- 运用所学的遥感图像校正方法，对实验数据进行校正，并评估校正效果。
3. 实验步骤3.1 数据准备本实验使用的遥感图像数据是卫星传感器获得的多光谱图像，包含了红、绿和蓝三个波段的数据。
数据提供了RAW格式的图像文件，需要进行预处理和格式转换，以便进行后续的遥感图像校正实验。
3.2 大气校正大气是遥感图像中主要的影响因素之一，大气校正是遥感图像校正中的重要步骤。
本实验采用了大气校正模型，通过计算大气透射率和反射率，对图像进行校正。
3.3 辐射校正辐射校正是遥感图像校正的另一个重要步骤，其目的是消除图像中的辐射差异，使得不同波段的图像能够进行有效的比较和分析。
本实验使用了辐射校正模型，通过计算辐射矫正系数，将原始图像转换为辐射校正后的图像。
3.4 几何校正几何校正是遥感图像校正的最后一步，其目标是消除图像中的几何形变，使得图像中的特征能够准确地对应地面的实际位置。
本实验使用了几何校正模型，通过对图像进行平移、旋转和缩放等操作，实现图像的几何校正。
4. 实验结果和讨论经过上述的步骤，我们成功地对实验数据进行了遥感图像校正。
校正后的图像显示出更好的质量和准确度，可以更好地用于地物分类和资源监测等应用。
然而，值得注意的是，遥感图像校正是一个复杂的过程，涉及到多个影响因素和数学模型。
在实际应用中，应根据具体需求和数据特点，选择合适的校正方法和参数，以达到最佳的校正效果。
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验报告引言遥感技术作为一种获取地球表面信息的重要手段，已经在农业、环境、城市规划等领域得到广泛应用。
本实验旨在通过遥感图像处理，探索图像处理算法的应用效果，并分析其在实际应用中的潜力。
一、图像预处理图像预处理是遥感图像处理的第一步，其目的是消除图像中的噪声、增强图像的对比度和清晰度。
在本实验中，我们使用了直方图均衡化和中值滤波两种常见的图像预处理方法。
直方图均衡化是一种通过调整图像像素的灰度分布来增强图像对比度的方法。
通过对图像的灰度级进行重新分配，使得图像的灰度分布更加均匀，从而使得图像的细节更加清晰。
实验结果显示，直方图均衡化对于遥感图像的对比度增强效果显著。
中值滤波是一种常见的图像去噪方法，其原理是通过计算像素点周围邻域的中值来替代该像素点的值，从而消除图像中的噪声。
在本实验中，我们使用了3x3的中值滤波器对遥感图像进行滤波处理。
实验结果表明，中值滤波能够有效地去除图像中的椒盐噪声和高斯噪声，使得图像更加清晰。
二、图像分类图像分类是遥感图像处理的核心任务之一，其目的是将遥感图像中的像素点按照其特征分类到不同的类别中。
在本实验中，我们使用了支持向量机（SVM）算法进行图像分类。
支持向量机是一种常用的机器学习算法，其通过构建一个最优超平面来实现分类。
在图像分类中，我们将遥感图像中的每个像素点看作一个数据样本，其特征由像素的灰度值和纹理信息组成。
通过对训练样本进行学习，支持向量机能够建立一个分类模型，从而对测试样本进行分类。
实验结果显示，支持向量机在遥感图像分类中表现出较高的准确性和鲁棒性。
通过调整支持向量机的参数，我们可以得到不同的分类结果。
此外，支持向量机还能够处理高维数据和非线性分类问题，使其在遥感图像处理中具有广泛的应用前景。
三、图像变换图像变换是遥感图像处理中的重要环节，其目的是将图像从一个空间域转换到另一个空间域，从而提取图像中的特征信息。
在本实验中，我们使用了小波变换和主成分分析两种常见的图像变换方法。
遥感图像的几何校正实验
遥感图像的几何校正实验报告10计测一100313115 赖冠宇一、实验目的通过实习操作，掌握遥感图像几何校正的基本原理和和方法，理解遥感图像几何校正的意义。
二、实验环境操作系统：Windows XP软件：Erdas 8.5三、实验内容ERDAS软件中图像预处理模块下的图像几何校正。
几何校正的必要性：由于遥感平台位置和运动状态的变化、地形起伏、地球表面曲率、大气折射、地球自转等因素的影响，遥感图像在几何位置上会发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变，称为遥感图像的几何畸变。
产生畸变的图像给定量分析及位置配准造成困难，因此在遥感数据接收后需要对图像进行几何校正以使其能够反映出接近真实的地理状况。
几何校正的原理：遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数学函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像。
几何校正是指消除或改正遥感影像几何误差的过程。
遥感影像的几何畸变，大体分为两类：①内部畸变。
由传感器性能差异引起，主要有：比例尺畸变（a），可通过比例尺系数计算校正；歪斜畸变（b），可经一次方程式变换加以改正；中心移动畸变（c），可经平行移动改正；扫描非线性畸变（d），必须获得每条扫描线校正数据才能改正；辐射状畸变（e），经2次方程式变换即可校正；正交扭曲畸变（f），经3次以上方程式变换才可加以改正；②外部畸变。
由运载工具姿态变化和目标物引起。
包括：由运载工具姿态变化（偏航、俯仰、滚动）引起的畸变，如因倾斜引起的投影畸变（g），可用投影变换加以校正；因高度变化引起的比例尺不一致（h），可用比例尺系数加以改正；由目标物引起的畸变，如地形起伏引起的畸变（i），需要逐点校正；若因地球曲率引起的畸变（j），则需经2次以上高次方程式变换才能加以改正。
多光谱、多时相影像配准和遥感影像制图，必须经过上述几何校正。
遥感图像的正射校正实验报告
遥感图像的正射校正
实验报告
一、实验目的
通过实习操作，掌握遥感图像正射校正的基本原理和和方法，理解遥感图像正射校正的意义。
二、实验环境
操作系统：Windows XP
软件：ENVI4.7
三、实验内容
首先打开实验数据，数据图显示如下：
进行正射校正，进行如下的操作，选择第二种模式
通过导进外部测量控制点来进行控制点的采样工作
找到扩展名为.pts的文件导进去，点击show list查看控制点的选择精度
点击predict查看控制点的分布状况
进行如下选择进行正射校正工作
点击确定即可，在弹出来的对话框中点击select dem file按钮，导入一个dem数据
点击ok即可，对剩下来的对话框进行如下所示的设置，修改一些参数，如下图：
点击确定按钮即可
对于正射校正好的图像进行和原始数据图像进行比较，在原始图像上右击，选择第二个选项
在弹出来的对话框中进行如下修改：
选择一个点对正射校正过的图像和原始数据图像进行比较，看看那里不同
四、实验总结
从实验看出，ENVI的正射校正功能具有操作简单、灵活和支持的传感器多等特点。
几何校正遥感图像实验报告
遥感图像的几何校正一、实验目的：通过实习操作，理解遥感图像几何校正的基本原理和意义，掌握遥感图像几何校正的基本方法和步骤，熟悉ERDAS软件中图像几何校正的操作流程。
二、实验原理：遥感图像的几何校正是指消除原始图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像的过程，分为几何粗校正和精校正两种。
这种方法的基本过程是利用有限个地面控制点的已知坐标，按最小二乘法求解多项式的系数，然后将各像元的坐标带入多项式进行计算，从而求得纠正后的坐标。
二是对坐标变换后的像素亮度值进行重采样，常用的灰度值重采样方法有最邻近像元法、双线性内插法、双三次卷积法三种。
三、主要仪器：ERDAS软件，计算机四、实验过程和步骤：1.显示图像文件（Display Image Files）首先，在ERDAS图标面板中点击Viewer图标两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置，操作过程如下：ERDAS图标面板菜单条：Session→Title Viewers然后，在Viewer1中打开需要校正的Lantsat图像：tmAtlanta,img在Viewer2中打开作为地理参考的校正过的SPOT图像：panAtlanta,img2.启动几何校正模块（Geometric Correction Tool）Viewer1菜单条：Raster→ Geometric Correction→打开Set Geometric Model对话框（图1-1）→选择多项式几何校正模型：Polynomial→OK→同时打开Geo Correction Tools对话框（图1-2）和Polynomial Model Properties对话框（图1-3）。
在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：→定义多项式次方（Polynomial Order）:→定义投影参数：（Projection）:→Apply→Close→打开GCP Tool Referense Setup 对话框（图1-4）图1-1 Set Geometric Model对话框图1-2 Geo Correction Tools对话框图1-3 Polynomial Properties对话框图1-4 GCP Tool Referense Setup 对话框3.启动控制点工具（Start GCP Tools）图1-5 Viewer Selection Instructions首先，在GCP Tool Referense Setup对话框（图1-4）中选择采点模式：→选择视窗采点模式：Existing Viewer→OK→打开Viewer Selection Instructions指示器（图1-5）→在显示作为地理参考图像的Viewer2中点击左键→打开Reference Map Information 提示框（图1-6）；→OK→此时，整个屏幕进入控制点采点状态（图1-7）。
- 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)。
实验名称：直方图的修正
一、实验内容
1.对影像进行直方图均衡化。
2.利用另外一幅影像进行直方图匹配。
二、实验所用的仪器设备，包括所用到的数据
电脑一台，遥感影像处理软件（ENVI4.3），bhtmref遥感影像
三、实验原理
（一）直方图的均衡化
1.定义：又称直方图的平坦化。
是将一已知的灰度概率密度分布的影像，经过某种变换，变成
一幅具有均匀灰度概率密度分布的新影像，结果是扩大了像元取值的动态范围。
2.直方图均衡的效果：
（1）均衡后每个灰度级的像元频率近似相等
（2）频数少的灰度级被合并，频数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
（二）直方图的规定化
1.定义：是使原影像灰度直方图变成规定形状的直方图而对原始影像做修正的增强方法。
2.原理：先对原始影像进行均衡化，再对希望影像进行均衡化，由原始影像均衡化的灰度级得
到希望影像的灰度级。
3.作用：对于在不同时间获取的同一地区或者邻接地区的影像，或者是由于太阳高度角或大气
的影响引起差异的影像很有用，特别是对影像镶嵌和变化检测。
四、实验步骤及其结果分析
（一）直方图均衡化
1.实验步骤：
（1）打开bhtmref遥感影像，显示如图一所示。
（2）在Image窗口菜单上点击Enhance/[Image]Equalization，得到结果影像（图2）。
（3）点击New Display，在image窗口菜单上点击Enhance/[Zoom]Equalization,得到结果影像（图3）。
图1.TM432（RGB）合成影像图2.图1Image窗口均衡化结果影像图3.图1 Zoom窗口均衡化影像结果
2.结果及分析：
（1）图2比图1更清晰。
通过对两幅图的比较，发现图2相邻地物之间的对比更加明显。
从表一中比较图1和图2的基础数据，可以得到以下结果：
从灰度级的最值的差异度可以看出，图二灰度级的最值差绝对值更大，这说明对比度更大。
图2的灰度平均值比图1大很多，这说明图2 的亮度更高。
另外，图2比图1的协方差也大出很多，说明图2的离散程度更高，像素更集中。
直方图均衡化处理之后，原来比较少的像素的灰度会被分配到别的灰度中去，像素相对集中，处理后灰度范围变大，对比度变大，所以图二更清晰。
（2）针对同一影像（图1），都进行均衡化操作，得到的结果影像（图2和图3）效果不一样。
原因在于均衡化操作的对象不一样。
图2是图1在Image窗口下进行的均衡化，图3是图1在Zoom窗口下进行的均衡化。
Image窗口点集较Zoom窗口多，因此Image窗口影像在均衡化的时候计算的归一化灰度范围与Zoom窗口的不同，这导致了图2和图3的差异。
针对图1进行均衡化操作，图2和图3的灰度平均值不一样，所以反映在影像上表现为亮度不一样。
表1.图1图2图3的直方图统计基础数据表
Basic states Min Max Mean Stdev Num Eigenvalue
Band1 6 38 16.616413 3.565327 1 22.992189
图1 Band2 4 41 18.365726 4.701562 2 6.009075 Band3 3 56 26.346813 4.696301 3 1.085246
Band1 0 255 107.175507 73.988905 1 11300.351870 图2 Band2 0 255 110.478828 69.061010 2 3526.282559 Band3 0 255 109.183197 68.776277 3 147.322998
Band1 0 255 98.285122 64.861383 1 8021.201875 图3 Band2 0 255 141.440071 58.776028 2 3551.969030 Band3 0 255 145.381351 63.396689 3 107.589773
图4.图1对应的直方图图5. 图2对应的直方图图6. 图3对应的直方图
（二）直方图规定化
1.实验步骤
（1）同时打开两幅遥感影像，如图1和图2.其影像显示号分别为Display#1,Display#2。
（2）在Display#1的主影像窗口选择Enhance/Histogram Matching,出现Histogram Matching
Input parameters 对话框。
（3）在“Match To”列表中，选择要匹配的直方图的影像显示号：Display#2。
（4）在“Input Histogram”下面，选择输入直方图的来源：“Image”。
（5）点击“OK”。
得到直方图匹配后的结果如图3所示。
（6）利用直方图统计工具对匹配后的影像及参考影像进行直方图统计，比较直方图形状及各相关参数的差异。
图1 t1时刻获得的遥感影像（TM432（RGB））图2 t2时刻获得的遥感影像（TM432（RGB））图3 以图2为参考影像对图1进行规定
化得到的结果影像
图4 图1的遥感影对应的直方图图5 图2的遥感影像对应的直方图图6 图3的遥感影像对应的直方图
（三）直方图规定化分析
对比图1和图3，可以看到与原始影像比较规定化后的影像亮度变暗，清晰度增加。
分别对比图1，图2和图3，可以看到直方图规定化后的影像图3与选择的匹配影像图2接近，与原始影像图1差异明显。
通过直方图统计可以得到图1，图2和图3对应的直方图图4，图5，图6,，对比可得：直方图图4与图5，图6无论从形状还是分布都有很大差异，而直方图图5和图6的形状和分布比较接近。
据此，可初步解释规定化后影像变化的原因。
通过分析图1，图2，图3遥感影像的基本统计量，如表1，可得：图3的平均值（Mean）和标准差（Stdev）均小于原始影像图1，故经过直方图规定化后的遥感影像图3较原始影像图1更清晰但亮度变暗。
图3与图2相比，平均值（Mean）、标准差（Stdev）和特征值（Eigenvalue）
数值接近且波动基本一致但与图1无论是数值还是波动都相差很大，故经过直方图规定化后的影像图3与匹配影像图2接近，与原始影像差异明显。
综上分析，我们得出直方图规定化后影像变化的现象和实质。
正是基于这种变化决定了直方图规定化在处理不同时间和其他因素导致的影像差异的恢复、检测和影像镶嵌的重要意义。
表1 图1,2,3遥感影像基本统计量
Basic Stats Min Max Mean Stdev Num Eigenvalue
图1 Band 1 0 255 118.89526 49.643227 1 6663.969109 Band 2 0 255 169.97121 59.218481 2 2391.830456 Band 3 0 255 168.381306 56.11772 3 64.677479
图2 Band 1 0 255 116.244102 43.714687 1 3482.550655 Band 2 0 255 118.480747 39.350941 2 1522.749008 Band 3 0 255 117.268738 39.904574 3 46.545845
图3 Band 1 0 207 104.913967 44.900029 1 2955.363878 Band 2 0 177 109.056286 34.209622 2 1593.496517 Band 3 0 176 104.29583 37.515586 3 44.869621
五、实验中所遇到的问题及其解决的方法
本次实验过程中比较顺利，达到了预期的效果和目的。
遇到的最大问题在于写实验报告过程中分析和讨论即如何解释现象的原因和如何通过数据分析现象的本质。
我们小组通过认真的分析和讨论，基本建立了此次实验的解释，但在数据的筛选和表达形式方面还值得完善。
衷心希望老师给于我们此次实验批评指正！
附表：实验组成员分工明细。