遥感实验操作步骤整理
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。
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。
遥感监测总体流程
遥感监测总体流程一、数据获取。
遥感监测嘛，得先有数据才行。
这数据的来源可不少哦。
卫星是个超级厉害的“数据收集小能手”，它在太空里飞呀飞，不停地拍照，就像一个特别爱摄影的朋友，把地球表面的各种情况都记录下来。
还有飞机呢，飞机在大气层里飞的时候，也能收集到很多有用的数据。
这些数据就像是一堆宝藏，各种各样的，有关于地形的，有关于植被的，还有关于城市建筑的等等。
而且这些数据的格式也是五花八门的，就像不同风格的衣服一样，有图像格式的，有数字格式的，我们要把这些数据都收集好，为后面的工作做准备。
二、数据预处理。
拿到数据之后可不能直接就用哦。
就像刚买回来的菜，得洗一洗、切一切才能下锅做饭。
数据预处理就是干这个事儿的。
因为卫星或者飞机收集到的数据可能会有一些小问题。
比如说图像可能有点模糊，就像近视眼没戴眼镜看东西一样。
这时候我们就得想办法让图像变得清晰一点。
还有数据的坐标可能不太对，这就像把东西放错了位置一样，我们要调整好坐标，让数据能准确地对应到地球上的正确位置。
而且不同来源的数据可能尺度不一样，就像大人和小孩站在一起对比，我们得把它们变成差不多的“身材”，这样才能放在一起分析呢。
三、特征提取。
这一步就像是在一群小伙伴里找到有特点的那几个。
在遥感数据里，有好多信息都是隐藏起来的。
我们要通过一些特别的方法把这些隐藏的信息找出来，这就是特征提取啦。
比如说植被，它有自己独特的光谱特征，就像每个人都有自己独特的性格一样。
我们通过分析数据中的光谱信息，就能把植被从整个图像里准确地找出来。
还有水体，它也有和其他东西不一样的地方，我们就可以根据这些不同之处把水体也单独识别出来。
这一步可重要啦，就像找到一把特殊的钥匙，能打开分析遥感数据的大门。
四、分析与解译。
这时候就开始对提取出来的特征进行深度分析啦。
就像侦探破案一样，我们要从这些数据特征里解读出很多有用的信息。
比如说这片植被长得好不好，是不是生病了，就可以通过分析植被的特征数据来判断。
envi遥感实验报告
envi遥感实验报告一、实验目的本次 envi 遥感实验的主要目的是通过实际操作和数据分析，熟悉envi 软件的基本功能和操作流程，掌握遥感图像的预处理、信息提取和分析方法，提高对遥感技术的应用能力和数据处理能力。
二、实验数据本次实验所使用的数据为 Landsat 8 卫星的多光谱遥感影像，包括波段 1-7 以及全色波段。
数据覆盖了_____地区，成像时间为_____。
三、实验环境实验使用的计算机配置为：处理器_____，内存_____，操作系统_____。
Envi 软件版本为_____。
四、实验步骤1、数据导入启动 envi 软件，选择“File”菜单中的“Open Image File”选项。
在弹出的文件选择对话框中，找到并选中要导入的遥感影像文件，点击“打开”按钮。
2、辐射定标在 envi 主菜单中，选择“Radiometric Correction”＞“Radiometric Calibration”。
在弹出的“Radiometric Calibration”对话框中，选择要定标的影像文件，设置输出路径和文件名。
根据影像的传感器类型和波段信息，设置相应的参数，如增益、偏移等。
点击“OK”按钮，完成辐射定标。
3、大气校正选择“Radiometric Correction”＞“Atmospheric Correction”＞“FLAASH Atmospheric Correction”。
在弹出的“FLAASH Atmospheric Correction Input Parameters”对话框中，设置输入影像文件、输出路径和文件名、传感器类型、成像时间、地理位置等参数。
点击“OK”按钮，开始进行大气校正。
4、几何校正选择“Geometric Correction”＞“Registration”＞“Image to Image”。
在弹出的“Image to Image Registration”对话框中，选择基准影像和待校正影像，设置匹配点的数量和分布。
遥感实验报告
遥感实验报告实验名称：遥感图像的预处理和分类实验实验目的：1. 了解遥感图像数据的基本特点和处理方法；2. 学习遥感图像的预处理方法，如去除噪声、增强对比度等；3. 学习遥感图像的分类方法，如像元分类、目标识别等；4. 掌握常用的遥感图像处理和分类工具的使用。
实验设备：1. 个人电脑；2. 遥感图像处理和分类软件，如ENVI、ArcGIS等。
实验步骤：1. 数据采集：从遥感卫星或其他遥感数据源获取一幅遥感图像数据；2. 数据预处理：a) 图像去噪：使用滤波器或其他去噪方法去除图像中的噪声；b) 对比度增强：使用直方图均衡化或其他增强方法增强图像的对比度；3. 图像分类：a) 像元分类：根据像元的光谱特征将图像分为不同的类别；b) 目标识别：在像元分类的基础上，进一步识别图像中的目标；4. 结果分析：对处理和分类后的图像结果进行分析和评价。
实验结果：根据实验步骤进行数据预处理和分类后，得到了处理和分类后的遥感图像结果。
可以根据对比度增强后的图像来提取目标特征，进行目标识别和分析。
也可以根据像元分类的结果来进行土地利用和覆盖分析等应用。
实验结论：通过本次实验，我们了解了遥感图像的基本特点和处理方法，学习了遥感图像的预处理和分类方法，并掌握了常用的遥感图像处理和分类工具的使用。
通过图像预处理和分类，可以更好地提取图像中的目标信息，为后续的应用和分析提供了基础。
参考文献：[1] 张三. 遥感图像处理与应用[M]. 科学出版社, 2018.[2] 李四. 遥感图像分类方法与实践[M]. 电子工业出版社, 2019.。
遥感制图实习报告
遥感图像处理实验报告班级姓名学号实验室成绩评定教师签字专题一: DEM图像进行彩色制图（叙述制图过程并把自己处理结果加载到本文档里）实验目的:1.实验步骤:2.选择File > Open Image File>bhdemsub.img,出现由主图像窗口、滚动窗口和缩放窗口组成的ENVI 图像。
3.选择主图像窗口内的功能菜单Tools>Color Maping>Density Slice, 出现Density Slice对话框。
4.选择Clear Ranges, 清除Defined Density Slice Ranges下的内容。
5.选择Options>Add New Ranges, 其中RangeStart: 1219 ；Range End;1701；#of Ranges:10。
在Density Slice对话框中Defined Density Slice Ranges下出现十组内容。
6.逐个组将Red条依次改为25, 50, 75, 100, 125, 150, 175, 200, 225, 250。
Greeen与Blue不变。
选择Apply按钮, 主图像窗口、滚动窗口和缩放窗口组成的ENVI图像的颜色改变。
选择主图像窗口内的功能菜单File>Save Image As> Image File 出现Output Dispiay to Image File对话框, Output File Type选择JPEG, Enter Output Filename选择保存位置, Compression Facter（0-1）选择0.750.实验结果:专题二: TM与SPOT数据融合（叙述该过程并处理结果加载到本文档里。
注意用两种方法融合的过程）实验目的:1. 进行快速对比度拉伸、直方图执行交互式对比度拉伸和直方图匹配的操作2. 快速滤波、滤波的操作3. ENVI中变换（Transform）菜单功能的了解实验步骤:1. 选择File > Open Image File>Lon.spot文件,点击No Display>new display>load band2. 选择File > Open Image File>Lon.tm文件,点击No Display>new display>load band3. 选择Basic Tools>Resize Data>选择Lon.tm文件>点击OK(弹出对话框, 分别填写内容)4. 选择Basic Tools>Stretch实验结果:专题三: 航片的配准与镶嵌（叙述该过程并处理结果加载到本文档）1配准●图像-图像地面控制点 (Select GCPs: Image-to-Image)●图像-图像配准需要两幅图像均打开。
遥感实验说明
在Viewer2中的选择同名点 在Viewer2中移动连接框，到与Viewer3中对应的同名点位置， 在GCP TOOL中点击，在Viewer4中明显点上点左键，系统在GCP 数据记录表中自动显示该点的地面坐标。 在主窗口和放大窗口中系统会显示GCP #1，表示选择的第一 对同名点，其颜色可以在GCP TOOL中重新设定。 重复1，2两个步骤，直到选择的控制点数满足纠正的数量要求。 当选择了六对同名点后，第七个及以上同名点的选择：只需在 Viewer1中选择一个明显点，其同名点会在Viewer1中自动显示， 如果位置有误差，可以用鼠标左键调整点位，确保选择的是同名点。 系统自动计算得到单点误差和其贡献 全部控制点平差后的精度显示在右上角，只有当Total小于 一个像元时，才满足纠正精度要求，继续后面的重采样。
4、 组合多波段数据 若干个单波段图象文件合成一个多波段图象文件： 第一步 在ERDAS IMAGINE中要先打开"相应的对话框 （"Image Iterpreter"→"Utilities"→" Layer Stack"→ Layer Selection and Stacking对话框 第二步 在Layer Selection and Stacking对话框中，依次选择 并加载（Add）单波段图象 第三步 将选择的多个波段图象组合成一幅多波段图象 Erdas默认打开图像的方式为假彩色(标准假彩色4（R）3（G） 2（B），真彩色3（R）2（G）1（B）)（选择No Strech可以以 原图显示），假彩色的读取文件的顺序是第4、第3和第2层数据。 所以，波段合成时要注意合成的顺序，文件合成的顺序就是Erdas 依次加载的顺序。
（二）、数据输入输出: 1、操作步骤： 1） 选择Import模块，弹出数据输入输出对话框。 2） 选择是进行数据输入(Import)还是数据输出(Export)。 3） 选择要进行转换的数据类型（Type） 4） 选择数据存储的介质。 5） 选择要进行转换的输入数据，并确定输出数据的文件名称 和存储路径。 6） 进行数据转换（必要时要设置一些参数）。
遥感实验操作步骤集合
一、地物光谱反射率的测定1、先检查仪器设备的是否正常，然后进行实验。
2、将参考白板箱打开，放在没有阴影的地方再将探头放在参考白板正上方，由另一位同学操作主机板面。
3、在开始测之前先按1，再按2，将探头放在参考白板正上方主机板面，等主机出现曲线之后按3将探头移至瓷砖地正上方侧一点，等曲线出现后按enter 键测下一点，这样连续测5点4、我们一边操作实验一边记录我们所测的点数的序号。
并随时与主机上的序号对应。
5、将光谱曲线图和光谱反射率图制作出来。
二、几何校正第一步：显示图像文件,nongdatu与nongdacankaotu第二步：启动几何校正模块（Geometric Correction Tool）第三步：启动控制点工具（Start GCP Tools）第四步：采集地面控制点（Ground Control Point）,选点要均匀，并且要是影像图与参考图上的同名地物。
控制点=（n+1）*(n+2)/2，当n=2时，控制点为6第五步：采集地面检查点（Ground Check Point），再在原图上采集9个检查点。
第六步：计算转换模型（Compute Transformation）第七步：图像重采样（Resample the Image）第八步：保存几何校正模式（Save rectification Model）第九步：检验校正结果（Verify rectification Result）三、增强处理1、分辨率融合ERDAS IMAGINE 8.4图标面板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标面板工具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spatial Enhancement→打开Spatial Enhancement对话框→选择Resolution Merge→打开Resolution Merge对话框2、融合后的裁剪3、直方图均衡化ERDAS IMAGINE 8.4图标面板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标面板工具条“Interpreter”图标)→打开Image Interpreter对话框→选择Radiometric Enhancement→打开Radiometric Enhancement对话框→选择Histogram Equalization→打开Histogram Equalization对话框4、去相关拉伸ERDAS IMAGINE 8.4图标面板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标面板工具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spectral Enhancement→打开Spectral Enhancement对话框→选择Decorrelation Stretch→打开Decorrelation Stretch对话框四、监督分类1、监督分类打开Image classifier对话框→选择Signature Edito r→打开Signature Edito r→进行分类操作→选择Evaluate→打开Evaluate→选择contingency（模板评价）→选择Classify→打开supervised(分类)2、聚类统计打开Image Interpreter对话框→打开GIS Analysis对话框→选择并打开clump单击OK后得到的结果图3、去除分析打开Image Interpreter对话框→打开GIS Analysis对话框→选择并打开eliminate 单击OK后得到的结果图4、重编码打开Image Interpreter对话框→打开GIS Analysis对话框→选择并打开recode 单击OK 后得到的结果图五、专题图设计与编制1、启动地图编辑器，正式开始制作专题图点击ERDAS图标composer →new map composition→进入new map composition对话框→确定输出文件名new name →选择保存路径→属性值设置→单位选择units：centimeters；→背景色选择background：white →进入专题图制作对话框map composer。
遥感实验1-立体像对
二、 实验原理
1 2 3 4 5 6
单张像片的覆盖面积
航向重叠 立体重叠区 2 1 3 4 5 6
二、 实验原理
2. 旁向重叠度
沿数条互相平行的直线航线对一个广大地区进行的连续的， 布满全区的摄影。它除了有航向重叠外，在相邻航线的诸相 邻像片之间应有一定的旁向重叠。旁向重叠面积与一张像片 的总面积之比叫做旁向重叠度，一般为15％～30％。
二、 实验原理
2）立体像对
采用摄影方法，在不同的摄影站，用同一焦距的航摄仪对同
一地物进行摄影，得到两张类似于视网膜物体形像性质的像 片，这两张像片称作立体像对，简称像对。
像对上的影像有着类似生理视差的一种视差，叫做左右视差。
二、 实验原理
3）人造立体观察
当用双眼去观察一组立体像对时，像片影像的不同左右视差，反映
二、 实验原理
2）安臵航片
将立体镜放在像对上，使立体镜观察基线与像片基线平行，距 离适中。同时用左眼看左像，右眼看右像。
3）镜下观察
开始观察时，可能会有三个相同的影像（左、中、右）出现， 这时要凝视中间清晰的目标（如道路、田地），如该目标在中 间的影像出现双影，可适当转动像片，使影像重合，即可看出 立体。
零立体效应:在立体观察时，将像对向同一方向旋转，并使两片
上的相应方位线平行且与眼基线成90°，则获得一平面图型， 这种效应称为零立体效应。
二、 实验原理
注意事项
（1）在用立体镜观察像对时，应尽可能使相应视线与眼基线在一个平面上。 才能看到清晰的立体，观察时也不致于感到疲劳。 （2）进行立体观察时，像片必须按照摄影时的相应位臵放臵，即重叠部分在 中央，此时产生的是正立体。如果左右两张像片对调，则产生反立体。 （3）在立体观察时，像片的阴影部分尽量对着自己，这样对观察立体有很大 帮助，可以提高立体观察效果。因为人的生理比较适应光线从人的对方照射过 来。
实验二 遥感图像处理软件基本操作
实验二遥感图像处理软件基本操作一、实验目的：熟悉遥感图像处理软件ENVI的基本操作；二、实验设备：计算机、ENVI、TM数据、SPOT数据、Quickbird数据三、实验任务：1、文件的打开、显示、保存与头文件编辑；2、影像与矢量的叠加操作；3、光标查询功能及点位置收集；4、选择感兴趣区域。
四、实验原理：见讲义五、实验步骤：（1）文件的打开、显示、保存与头文件编辑●打开ENVI软件自带示例数据：File →Open Image File →can_tmr（.img格式）。
●文件的两种显示方式Gray Scale和RGB Color。
A、Gray Scale显示方式：Gray Scale→选择任意一波段显示（例：选中TM Band 4 (0.8300)）→No Display →New Display→L oad Band。
B、RGB Color显示方式：RGB Color→选择相应的波段（例：选中TM Band 2-4，依次从4点到2）→No Display→New Display→L oad Band。
文件的保存（利用该方法还可以实现文件的格式转换、影像裁剪）。
A、将波段1、2合并，保存到一个新的文件中。
File→Save File As（选择保存文件的格式）→ENVI Standard→Import File→选中需要合并的文件→OK→Reorder Files...→将文件按照波段的升序排列→OK→OK（文件保存）。
B、将任意勾画的空间区域（即原影像的一个子区域）的影像保存到一个新的文件中。
在主影像窗口：File→Save Image File→Image Files...→Spatial Subset→Image→OK→选择文件格式→输出文件名→OK（文件保存）。
头文件编辑①将波段1、2合并后的文件的头文件用记事本打开；②打开原文件的头文件打开；③将原文件的头文件中的波段信息，复制粘贴至合并后文件的头文件信息中，并保存新的头文件。
遥感实验
实验一遥感图像基本功能一、实验原理1、根据彩色合成法原理，可将红（R）、绿（G）、蓝（B）三原色按一定比例混合形成各种色调的颜色。
2、Basic Tools菜单下的Statistics工具允许生成图像文件的统计记录，以及生成直方图、平均波谱、特征值和其他统计信息。
二、实验内容1、图像合成2、统计分析三、实验步骤1、图像合成（1）打开ENVI 4.7软件，单击File后选择Open Image File，浏览图像所在的路径，找到命名为tm20030326.img的长乐影像图，点击打开。
（2）在弹出的Available Bands List对话框中，单击RGB Color后，选择三原色的合适波段，如R选择Layer_6，G选择Layer_4，B选择Layer_5。
点击Display，再点击Load RGB。
（3）单击Overlay，选择Annotation，在弹出的Annotation：Text对话框中设置标注的样式，在文本框中输入长乐，设置好后在影像图上点击，即可出现标注。
结果如图1所示。
2、统计分析（1）选择Basic Tools→Statistics→Compute Statistics，将出现Compute Statistics Input File 对话框。
（2）点击tm20030326.img图像，单击OK。
在弹出的Compute Statistics Parameters对话框中，选择Basic Stats、Histograms、Covariance、Covariance Image复选框，点击OK。
即出现Statistics Results：tm20030326.img对话框。
结果如图2—图7所示。
四、实验结果1、图像合成图1 长乐遥感影像合成图2、统计分析图2 统计信息图图3 多波段统计图图4 特征值统计图图5 标准差统计图0100002000030000400005000060000700008000090000114274053667992105118131144157170183196209222235248灰度值DN像元数N p t s图6 波段1统计直方图0100002000030000400005000060000700008000090000114274053667992105118131144157170183196209222235248灰度值DN像元数N p t s图7 波段2统计直方图实验二 图像操作一、实验原理1、感兴趣区ROIs （Region of Interest ）是图像的一部分，它通过在图像上选择或使用诸如设定阈值等其他方法二形成。
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。
(整理)遥感实验ENVI
遥感实验 ENVI在envi5.0中打开modis影像文件HDF---file----open as---eos—modis早打开的图像中1、MODIS影像的辐射校正在ENVI 5.0中打开MODIS影像的HDF文件就已经做了辐射校正，先将文件里的exp文件删掉，仅仅留下hdf，打开HDF文件的方法是File->Open As->MODIS，打开后在数据列表中可以看到三个文件，第一个是发射率Emissive（band20-band36），第二个是辐射率Radiance（band1-band26），第三个是反射率Reflectance（band1-band26），图 1 ENVI5.0打开HDF文件2、几何校正2.1发射率文件的几何校正（1）Georeference Modis工具ENVI5.0下有对特定传感器进行几何校正的工具，其中就有专门针对MODIS数据的几何校正，如图2 Georeference MODIS工具的位置。
图 2 Georeference MODIS工具的位置（2）选择发射率文件双击Georeference MODIS工具，打开输入MODIS数据对话框，选中发射率文件，点击OK，如图3所示。
图 3 输入发射率文件（3）Georeference MODIS参数设置双击上图中选中的反射率文件得到Georeference MODIS parameters对话框中，选择投影信息，见图4，其中要注意保持GCP控制点以及对MODIS影像做双眼皮去除，choose，然后点击OK 保存。
图 4 MODIS几何校正参数设置（4）发射率几何校正参数设置Registration Parameters对话框中，注意分辨率是1000（默认）点击c h o o s e选择保持路径点击OK即可。
图 5 保存几何校正文件（5）几何校正方法建立GCP控制点，如图6，最后开始进行几何校正和双眼皮去除，注意几何校正方法为Triangulation，见图7.图 6 建立GCP控制点（6）发射率几何校正结果图8 发射率几何校正结果2.2反射率文件的几何校正（1）Wrap from GCP：Image to Map Registration工具发射率文件几何校正之后，可以利用导出的GCP控制点来校正其他文件。
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。
遥感实验
实验一Google Earth基本操作实验学时：2学时；实验类型：综合；实验要求：必修一、实验目的了解数字地球基本概念以及遥感在数字地球中的作用，认识多分辨率遥感影像图，掌握Google Earth的基本功能；增强学生对遥感的感性认识，提高学习本门课程的兴趣。
二、实验内容操作Google Earth的基本功能：（1）结合卫星图片与专题地图，以及强大的Google搜索技术，浏览全球地理信息；（2）从太空漫游到邻居一瞥；（3）目的地输入，直接放大;（4）搜索学校，公园，餐馆，酒店;（5）获取驾车指南;（6）提供3D地形和建筑物，其浏览视角支持倾斜或旋转;（7）保存和共享搜索和收藏夹;（8）添加自己的注释。
三、实验要求本实验安排在《遥感概论》理论课第一章上完后进行，要求每人动手操作Google Earth 软件，搜索感兴趣的地方，做好思考题。
四、实验条件（1）硬件环境：GIS实验室，每人1台电脑，宽带网连通；（2）软件环境：Google Earth 5.0中文版。
五、实验步骤1. 进入Google Earth点击桌面的Google Earth图标，即可进入Google Earth了，首先看到的是一旋转的由远到近的地球。
2. Google Earth软件界面及操作技巧Google Earth主界面如图1。
图2图1① 卫星图浏览区，右上角为新版导航控制栏。
② 搜索定位区（搜索Search ），用户可以在这里输入地理名称、坐标来快速定位。
③ 地点信息区（我的位置Places ），通常所说的地标文件就保存在这里。
④ 图层信息区（图层Layers ），现在内容变得非常丰富，地形、三维建筑物、国家地理杂志等精彩内容均包含其中。
视图放大缩小漫游旋转等控制功能都集中在卫星图的右上角区域，如图2。
① 指南针，点击内圈箭头（上下左右四个方向）可以整体移动卫星图；拖动围绕指南针的圆圈来旋转图片方位，点击"N"按钮，恢复"上北下南"的地图方位。
遥感实验 2 ERDAS 视窗的基本操作
实验2 ERDAS 视窗的基本操作一、目的和要求熟悉基本的ERDAS IMAGINE软件的视窗操作二、实验内容（一）．视窗操作1、图象及图形文件的显示；2、图象叠加；3、重要的实用菜单功能；4、矢量图形要素及属性编辑；5、注记文件与注记要素。
（二）．数据输入输出三、实验步骤操作前的准备工作：建立自定义的数据输入输出目录A 建立我的工作目录（存放输出（处理过的）数据）。
（不能用汉字字符）B 选择主菜单Session->PreferenceC 在弹出的对话框中选择User Interface & SessionD 在对话框右侧的Default Data Directory 和Default Output Directory分别键入存放已知数据的完整路径及自己建立的工作目录的完整路径。
如：Default Data Directory为F:\useful software\computer software\Important\ERDAS9-2\hlr Default Output Directory为D:\Cody Lyinee设置完成之后点击user save，这样路径设置完毕。
（一）．视窗操作1．图象、图形显示操作（File）：①启动，打开一个窗口，启动程序“打开文件”点击File中的open或者点击快捷键；②确定打开文件的类型、文件名：在此处我们选择文件类型，在文件夹Examples中文件；③设置参数：在“打开文件”操作弹出的对话框中点击“Raster Option”设置图象文件显示的各项参数，特别注意多选中的的选择以及Display as，Layers to Colors 的选择和设置，设置好后点击OK；④打开图象：矢量图形文件的显示操作与上类似。
2. 实用菜单操作（Utility），视窗菜单条中Utility（实用功能）对应有14项命令，选择不同命令进行不同操作：1）光标查询功能（Inquire Cursor）可查询十字光标所在位置像元的纵横坐标、三个波段颜色、灰度值、直方图等信息，并随光标移动实时变化；2）数据叠加显示（Blend,Swipe,Flicker）；Blend透明度Swipe,Flicker是闪烁的意思3）文件信息操作（Layer Info）图象信息显示及图象信息编辑。
遥感实验操作步骤整理
大二阶段遥感实验整理实验一：图像的重采样1、F ile^Open Image File2、B asic Tools — Resize Data(Spatial/Spectral)3、命名文件并选择输出位置T输出文件实验二：三种格式的互相转化1、F ile t Open Image File2、B asic Tools t Convert Data(BSQ,BIL,BIP)3、输出文件并保存实验三：图像数据统计1、F ile t Open Image File2、B asic Tools t Statistics t Compute Statistics (期间可选择统计任一波段或整幅图像的相关信息，包括直方图Histogram 、协方差Covariance 、相关系数Correlation 等)3、输出文件并保存实验四：直方图的建立(结合EXCE)L1、将实验三的成果(统计图)以TXT格式保存到桌面上2、用EXCEL 打开TXT 文件并建立图表实验五：像元数的更改1、F ile t Open Image File2、B asic Tools —Band Math—例：Ba nd Math(float(b1)+50)(X为所要加的像元数量)实验六：散点图的建立与同步图像1、首先加载两幅图2、散点图的建立：在大图像窗口中执行如下操作：Tools — 2D Scatter Plots3、同步图像：在大图像窗口中执行如下操作：Tools —Link —Link Display（目的：比较两幅图同一位置的细节差异）实验七：彩色模式显示1、File —OpenImage File（将灰度级Gray Scale 转换成RGBColor）2、在RGB 的三个框内输入相对应的波段3、导出图片实验八：色彩转换1、Transform—Color Transform （实验以RGB to HSV为例）2、选择好相应波段，“OK”输出（也可将HSV转换回RGB）实验九：密度分割1、File—Open Image File2、在大图像窗口中执行如下操作：Tools—Color Mapping—Density Slice —选择操作波段—Apply 输出（注：由于密度分割只对非背景像元部分进行操作，所以要将像素最小值调成 1 ）实验十：真彩色合成1 、File —Open Image File2、将灰度级Gray Scale转换成RGB Color3、根据红、绿、蓝光波长把相应波段对应输入R、G、B 混合通道中f Load RGB输出真彩色图像实验十一：假彩色合成（步骤与实验十相似，区别在于输入的波段波长并非与红、绿、蓝光波长一一对应）（补充：标准假彩色图像：将近红外波段对应入R通道）实验十二：图像拉伸1、File f Open Image File2、在大图像窗口中执行如下操作：Enhance f实验以〔image〕Linear0-255 为例3、若要调整执行如下操作：Enhance f Interactive Stretching 在新弹出的对话框中执行Stretch Type f Piecewise Linear 实验十三：用Band Math 功能对任一图像进行0-255 拉伸1、大图像窗口：Enhance f〔Scroll 〕Equalization（均衡化）⑴Basic Tools f Compute Statistics （得出max禾口min）⑵ Basic Tools f 在Band Math 中输入：f（255/（max-min）*（b1-a））（其中b1代表所选择的编辑波段，max和min此波段像素最大值和最小值， a 为像素最小值）2、大图像窗口：Enhance f Histogram Matching （直方图匹配）实验十四：图像剪切（目的：利用ROI Tool 建立多边形并将多边形覆盖区域截出）1、File f Open Image File2、Basic TooS^Region of Interest 宀选中ROI Tool 进行截图3、在ROI Tool 窗口中执行如下操作：⑴选中图像⑵ File f Subset Data Via ROIs^Mask Pixels outside of ROI? Yes 实验十五：图像合并1、打开两幅相互之间有坐标联系的图像2、Basic Tools f Mosaicking f Georeferenced3、在Mosaic 窗口中执行如下操作：（l）lnport f将之前选中的两幅图输入⑵File f Apply实验十六：Landsat 辐射定标1、B asic Tools f Layer Stacking 从整幅图像中选择一个波段，先行进行单波段打包2、Basic Tools f Preprocessing f Calibration Utilities f Landsat TM3、在TM Calibration Parameters 对话框中进行如下操作：⑴根据传感器类型选择：Landsat 4/5/7⑵从头文件中获取Data Acquisition 的时间（实验中图像拍摄时间为2003年1月10日）（注：太阳高度Sun Elevation ）实验十七：大气校正模型1、F ile f Open Image File2、File f Save File As f ENVI Standard 将其1、2、3波段分别另3、Basic Tools f Layer Stacking 将另存的1、2、3 波段同时选中进行打包4、Basic Tools f Convert Data（BSQ,BIL,BIP）将打包的1、2、3波段转换为BIL 格式5、Basic Tools f Preprocessing f Calibration Utilities f FLAASH 在新弹出对话框中执行如下操作：⑴ In put Radia nee Image 选择BIL 文件⑵Sensor Type选择传感器类型：多光谱：Landsat TM5/高光谱⑶Flight Date 飞航日期：2003年1月10日⑷Atmosphere Model 大气模型：Tropical⑸Aerosol Model地物类型：Urban（注：判断标准：大气污染程度）（6）Aerosol Retrieval:” one6、经调整后，Apply 输出（目的：将遥感图像的高维度转化成低维度是图像易于处理）实验十八：图像地理配准1、打开2003.img 和1995.img 两幅广州图像2、用RGB 模式（选择7、5、2 波段）分别倒入两幅图的标准假彩色图像3、Map f Registration f Select GCPs:Image to Image4 、在弹出对话框中选择参照图像Base Image 和波校正图像Warp Image, 单击OK5、选取控制点（control points ）:Add points（在右下方的小窗口图像中选取）6、当选取了所有点后，按Option f WarpFile选择计算差值的方法：（最邻近法"，二次卷积法，三次卷积法）7、单击OK输出配准后图像，单击File f Save GCPs to ASCII保存所选控制点8、将纠正后的图像与参照图像同步连接，对比差异（注：判断点选取好坏的标准：当选了3-4个点之后，在RMSError 后会出现之后选取的点的误差大小，值〉0.5表明误差较大宜重选，反之同理）实验十九：主成分变换1、File f Open Image File2、Transform f Principal Components f Forward Rotation f Compute New Statistics and Rotate（选择要编辑的波段数）（附：①傅里叶变换：Filter f FFT Filter f Forward FFT②缨帽变换：Transform f Tasseled Cap③代数运算（归一化植被指数）：Transform f NDVI）实验二十：图像的监督分类1、File f Open Image File2、用RGB 模式（7、5、2 波段）导入3、在大图像窗口中执行如下操作：⑴Tools f Regio n of In terest f ROI Tool⑵在大窗口中依据自己对地物类型的判别，依次创立相应的“Region”4、C lassification 宀Supervised 宀Maximum Likehood5 、选择2003.img 图像文件6 、在M-L Parameters 窗口中执行如下操作：WSelect All Items( 选择所有创建区域)⑵ Output Rule Images? NO⑶OK输出实验二十一：图像的非监督分类1、F ile — Open Image File2、Classificatio n —Un supervised —K-Mea ns3、选择2003.img 图像文件4、在K-Means Parameters 窗口中执行如下操作：⑴ Number of Classes:16(2) Maximum Iterati on:1⑶OK输出5、Classification —Post Classification —Combine Classes6、选择之前创建的非监督分类文件7、在Combine Classes Parameters 窗口中执行如下操作：⑴选择要合并的两个分层⑵ Add Combination⑶OK输出检查是否成功合并：8、Classification — Post Classification — Class Statistics9、选择合并后的文件，在Class Selection 窗口中查看( 点体？)期中作业：请另存TM第5波段为单波段数据，通过分析其数据信息获得可以表达该波段直方图信息20%-50%的新图像数据，获得的新图像以彩色方式显示，并计算新图像中非背景像元的总面积。
遥感原理及应用实验报告(1)
遥感原理及应用实验报告(1)遥感原理及应用实验报告一、实验目的本次实验的主要目的是通过对遥感原理的学习，了解遥感技术的基本概念和原理，并掌握遥感技术的基本应用。
二、实验原理1.遥感技术的基本概念遥感技术是指利用空间平台载体进行成像和非成像观测的科学与技术，以获取地球自然和人文环境信息的一种技术手段。
遥感技术通过对地物的光谱、空间和时序等特征进行分析，可以反映出地球表面各种信息，是现代研究地球环境的重要工具之一。
2.遥感技术的基本原理遥感技术主要依据电磁波在不同介质中的传播和反射、折射、散射等现象进行信息获取和分析。
遥感技术的主要原理可归纳为以下几个方面：（1）电磁波的能量吸收和反射特性：不同类型的地物对电磁波的吸收和反射特性不同，可用于了解它们的构成和性质；（2）电磁波在不同频段的反射和穿透特性：不同波段的电磁波对不同深度的地物有所区别，用于获取不同深度的地物信息；（3）电磁波传输与遥感器探测原理：了解遥感器的探测方式和数据处理方式，实现对地表信息的提取。
三、实验步骤及结果本次实验主要包括遥感影像解译和遥感应用两个部分。
1.遥感影像解译：采用卫星影像的高精度解译技术，利用专业软件对影像进行解译，获取有用信息。
解译结果主要包括场地牧草的种类、植被覆盖程度、植被指数等信息。
2.遥感应用：利用遥感数据和分析结果，实现对地球环境变化的监测和预警。
应用结果主要包括草原植被退化与恢复、水资源分析与管理等信息分析。
四、实验结论本次实验通过对遥感原理与应用实现的学习和实践，了解了遥感技术的基本概念、原理和应用，掌握了遥感技术的基础操作与处理方法。
同时，通过遥感数据的分析，对草原植被的生态环境进行了监测和预警，对于推动生态文明建设和可持续发展具有重要意义。
基础遥感实验操作
实验一遥感图像几何校正实验原理：我们得到的数据往往是根据卫星轨道公式将卫星的位置、姿态、轨道及扫描特征作为时间函数加以计算，进行纠正，但是由于遥感器的位置及姿态的测量值精度不高，其校正的图像还存在着不小的几何变形，所以需要利用地面控制点和多项式纠正模型，进行几何精纠正。
实验目的：纠正这些系统以及非系统性因素引起的图像变形，从而使之实现与标准图像或地图的几何整合。
几何精纠正主要步骤：1.选取地面控制点（GCP）2.多项式纠正模型3.重新取样以及内插方法4.纠正精度检验5.选点的基本要求控制点在工作范围内应均匀分布，否则会导致图像的扭曲变形，控制点应该在容易分辨、相对稳定、特征明显的位置，如道路交叉口、河流弯曲或分叉处、海岸线弯曲处、飞机跑道等。
控制点之间避免构成直线。
图像的纠正精度要求其平均误差RMSE（平均误差平方和的平方根）<1。
步骤：在ENVI 主工具栏中选择Registration > Image to Map.出现Image to Map Registration 对话框。
在“Select Registration Projection ”列表中选择UTM 投影,在标有 “Zone ” 的文本框里输入区域号17，点击OK在地图上选择明显地物点后，右键选择Pixel locator ，点击Export ，该点地理坐标会分别输出到GCP 窗口的E 、N 中在图像窗口找到该点，在缩放窗口里特定像元上，点击鼠标左键，定位在指向像元的光标处，在Ground Control Points Selection 对话框中点击Add Point，选择三个点后可以使用预测功能来进行选点，选择完毕后show list 可以通过option来从大到小来排列error，对于误差较大的可以进行修改。
也可以通过Ground Control Points Selection 对话框中选择File〉Restore GCPs from ASCII，导入已经选好的GCP。
- 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)。
大二阶段遥感实验整理实验一：图像的重采样1、Fil e→Open Image File2、Basic Tools→Resize Data(Spatial/Spectral)3、命名文件并选择输出位置→输出文件实验二：三种格式的互相转化1、File→Open Image File2、Basic Tools→Convert Data(BSQ,BIL,BIP)3、输出文件并保存实验三：图像数据统计1、File→Open Image File2、Basic Too ls→Statistics→Compute Statistics（期间可选择统计任一波段或整幅图像的相关信息，包括直方图Histogram、协方差Covariance、相关系数Correlation等）3、输出文件并保存实验四：直方图的建立（结合EXCEL）1、将实验三的成果（统计图）以TXT格式保存到桌面上2、用EXCEL打开TXT文件并建立图表实验五：像元数的更改1、Fil e→Open Image File2、Basic Too ls→Band Math→例：Band Math(float(b1)+50)（X为所要加的像元数量）实验六：散点图的建立与同步图像1、首先加载两幅图2、散点图的建立：在大图像窗口中执行如下操作：Tools→2D Scatter Plots3、同步图像：在大图像窗口中执行如下操作：Tools→Link→Link Display(目的：比较两幅图同一位置的细节差异)实验七：彩色模式显示1、File→Open Image File(将灰度级Gray Scale转换成RGB Color)2、在RGB的三个框内输入相对应的波段3、导出图片实验八：色彩转换1、Transfor m→Color Transform（实验以RGB to HSV为例）2、选择好相应波段，“OK”输出（也可将HSV转换回RGB）实验九：密度分割1、Fil e→Open Image File2、在大图像窗口中执行如下操作：Tool s→Color Mapping→Density Slice→选择操作波段→Apply输出（注：由于密度分割只对非背景像元部分进行操作，所以要将像素最小值调成1）实验十：真彩色合成1、File→Open Image File2、将灰度级Gray Scale转换成RGB Color3、根据红、绿、蓝光波长把相应波段对应输入R、G、B混合通道中→Load RGB输出真彩色图像实验十一：假彩色合成（步骤与实验十相似，区别在于输入的波段波长并非与红、绿、蓝光波长一一对应）（补充：标准假彩色图像：将近红外波段对应入R通道）实验十二：图像拉伸1、Fil e→Open Image File2、在大图像窗口中执行如下操作：Enhanc e→实验以〔image〕Linear0-255为例3、若要调整执行如下操作：Enhance→Interactive Stretching在新弹出的对话框中执行Stretch Type→Piecewise Linear实验十三：用Band Math功能对任一图像进行0-255拉伸1、大图像窗口：Enhance→〔Scroll〕Equalization(均衡化)⑴Basic Tools→Compute Statistics（得出max和min）⑵Basic Tools→在Band Math中输入：f(255/(max-min)*(b1-a)) （其中b1代表所选择的编辑波段，max和min此波段像素最大值和最小值，a为像素最小值）2、大图像窗口：Enhanc e→Histogram Matching（直方图匹配）实验十四：图像剪切（目的：利用ROI Tool建立多边形并将多边形覆盖区域截出）1、Fil e→Open Image File2、Basic Tool s→Region of Interest→选中ROI Tool进行截图3、在ROI Tool窗口中执行如下操作：⑴选中图像⑵File→Subset Data Via ROIs→Mask Pixels outside of ROI? Yes 实验十五：图像合并1、打开两幅相互之间有坐标联系的图像2、Basic Tool s→Mosaicking→Georeferenced3、在Mosaic窗口中执行如下操作：⑴Inport→将之前选中的两幅图输入⑵Fil e→Apply实验十六：Landsat辐射定标1、Basic Tool s→Layer Stacking从整幅图像中选择一个波段，先行进行单波段打包2、Basic Tool s→Preprocessing→Calibration Utilities→Landsat TM3、在TM Calibration Parameters对话框中进行如下操作：⑴根据传感器类型选择：Landsat 4/5/7⑵从头文件中获取Data Acquisition的时间（实验中图像拍摄时间为2003年1月10日）（注：太阳高度Sun Elevation）实验十七：大气校正模型1、Fil e→Open Image File2、Fil e→Save File As→ENVI Standard将其1、2、3波段分别另存3、Basic Tools→Layer Stacking将另存的1、2、3波段同时选中进行打包4、Basic Tools→Convert Data(BSQ,BIL,BIP)将打包的1、2、3波段转换为BIL格式5、Basic Tool s→Preprocessing→Calibration Utilities→FLAASH 在新弹出对话框中执行如下操作：⑴Input Radiance Image选择BIL文件⑵Sensor Type选择传感器类型：多光谱：Landsat TM5/高光谱⑶Flight Date飞航日期：2003年1月10日⑷Atmosphere Model大气模型：Tropical⑸Aerosol Model地物类型：Urban(注：判断标准：大气污染程度)⑹Aerosol Retrieval:None6、经调整后，Apply输出（目的：将遥感图像的高维度转化成低维度是图像易于处理）实验十八：图像地理配准1、打开2003.img和1995.img两幅广州图像2、用RGB模式（选择7、5、2波段）分别倒入两幅图的标准假彩色图像3、Ma p→Registration→Select GCPs:Image to Image4、在弹出对话框中选择参照图像Base Image和波校正图像Warp Image,单击OK5、选取控制点（control points）:Add points(在右下方的小窗口图像中选取)6、当选取了所有点后，按Option→Warp File选择计算差值的方法：（最邻近法√，二次卷积法，三次卷积法）7、单击OK输出配准后图像，单击File→Save GCPs to ASCII保存所选控制点8、将纠正后的图像与参照图像同步连接，对比差异（注：判断点选取好坏的标准：当选了3-4个点之后，在RMS Error 后会出现之后选取的点的误差大小，值﹥0.5表明误差较大宜重选，反之同理）实验十九：主成分变换1、File→Open Image File2、Transfor m→Principal Components→Forward Rotation→Compute New Statistics and Rotate(选择要编辑的波段数)（附：①傅里叶变换：Filter→FFT Filter→Forward FFT②缨帽变换：Transform→Tasseled Cap③代数运算（归一化植被指数）：Transform→NDVI)实验二十：图像的监督分类1、File→Open Image File2、用RGB模式（7、5、2波段）导入3、在大图像窗口中执行如下操作：⑴Tool s→Region of Interest→ROI Tool⑵在大窗口中依据自己对地物类型的判别，依次创立相应的“Region”4、Classification→Supervised→Maximum Likehood5、选择2003.img图像文件6、在M-L Parameters窗口中执行如下操作：⑴Select All Items(选择所有创建区域)⑵Output Rule Images? NO⑶OK输出实验二十一：图像的非监督分类1、File→Open Image File2、Classification→Unsupervised→K-Means3、选择2003.img图像文件4、在K-Means Parameters窗口中执行如下操作：⑴Number of Classes:16⑵Maximum Iteration:1⑶OK输出5、Classification→Post Classification→Combine Classes6、选择之前创建的非监督分类文件7、在Combine Classes Parameters窗口中执行如下操作：⑴选择要合并的两个分层⑵Add Combination⑶OK输出检查是否成功合并：8、Classification→Post Classification→Class Statistics9、选择合并后的文件，在Class Selection窗口中查看(点体？)期中作业：请另存TM第5波段为单波段数据，通过分析其数据信息获得可以表达该波段直方图信息20%-50%的新图像数据，获得的新图像以彩色方式显示，并计算新图像中非背景像元的总面积。
（注：直方图信息种类：DN灰度值Npts像元数Total累计像元数Percent对应像元所占面积百分比Acc Pct累计百分比）1、File→Open Image File2、Basic Tools→Layer Stacking另存第5波段3、Basic Tools→Statistics→Compute Statistics统计第5波段直方图信息：⑴在Dims: Full Scene(2370048 points)可知整幅图像共有2370048个像素点⑵DN 0/Npts 871686可知灰度值为0时的像素数为87686个，即图像中背景部分包含了871686个像元数⑶2370048-871686=1498362即图像非背景部分像元数为1498362个⑷1498362×（0.5-0.2）=449508.6求得结果为题目要求的新图像中20%-50%的数据像元数⑸为了确保20%和50%所对应的数据像元数不至为0，看（1498362×0.2+871686）和（1498362×0.5+871686）所得结果对应Npts(像元数)是否为0，若为0，则需要在Total(累计像元数)中往后取值直到Npts不为0为止；若不为0则就取计算而得的值。