测绘摄影测量毕业设计遥感图像处理
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》摘要：本实验利用遥感技术获取了一幅卫星图像，通过图像处理技术对图像进行了处理和分析。
实验结果表明，遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
引言：遥感图像处理是利用遥感技术获取的图像进行数字化处理和分析，以获取有用的地理信息和环境数据的过程。
本实验旨在通过对遥感图像的处理和分析，探讨遥感图像处理技术在实际应用中的作用和意义。
实验方法：1. 获取卫星图像：选择一幅特定区域的卫星图像作为实验对象，确保图像质量和分辨率满足处理要求。
2. 图像预处理：对原始图像进行预处理，包括去噪、增强、几何校正等操作，以提高图像质量和准确性。
3. 图像分析：利用遥感图像处理软件对图像进行分类、特征提取、变化检测等分析，获取地理信息和环境数据。
4. 结果展示：将处理后的图像结果进行展示和分析，对图像处理技术的应用效果进行评估。
实验结果：经过处理和分析，得到了一幅清晰的遥感图像，并从中提取了有用的地理信息和环境数据。
通过图像分类和特征提取，可以准确地识别出不同地物类型，如建筑物、植被、水体等；通过变化检测，可以发现地表的变化情况，如城市扩张、土地利用变化等。
这些信息对于地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
结论：遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值，通过对遥感图像的处理和分析，可以获取丰富的地理信息和环境数据，为相关领域的决策和规划提供重要的支持。
在未来的研究中，可以进一步探讨遥感图像处理技术的改进和应用，以满足不同领域的需求。
测绘技术中的卫星遥感图像处理方法
测绘技术中的卫星遥感图像处理方法近年来，随着卫星遥感技术的不断发展，图像处理方法在测绘技术中的应用越来越广泛。
卫星遥感图像处理方法在三维地理信息系统、地形分析、环境监测等领域发挥着重要作用。
本文将探讨测绘技术中的卫星遥感图像处理方法及其应用。
一、卫星遥感图像处理概述卫星遥感图像处理是通过遥感卫星获取的图像进行预处理、分类、分割等处理方法。
这些处理方法可以提取出图像中的地理信息，用于地理空间分析和决策支持。
图像处理方法包括预处理、特征提取和分类等步骤。
1. 预处理预处理是指在进行图像处理前对卫星遥感图像进行去噪、辐射定标、大气校正等处理。
首先，去噪是为了去除图像中的噪声干扰，提高图像质量。
辐射定标是将图像的数字值转换为对应地面反射率或辐射亮度值，确保图像数据的准确性。
而大气校正则是通过模型来去除大气散射和吸收对图像的干扰。
2. 特征提取特征提取是指对卫星遥感图像中的地理特征进行提取，如水体、森林、建筑等。
常见的特征提取方法有阈值法、纹理分析、形状分析等。
阈值法是根据图像亮度信息将图像进行二值化，提取出感兴趣的特定对象。
纹理分析是用于描述不同区域的纹理差异，辅助进行土地利用分类和目标检测。
形状分析则是用于提取对象的形状属性，如面积、周长等。
3. 分类分类是将卫星遥感图像中的像素进行分类，将图像分成若干类别，如水域、植被、建筑等。
分类方法包括有监督分类和无监督分类两种。
有监督分类是需要人工提供一些样本，以训练分类器进行分类。
无监督分类则是根据像素之间的相似性进行分类。
此外，还有基于决策树、人工神经网络等方法的分类。
二、卫星遥感图像处理方法的应用卫星遥感图像处理方法在测绘技术中有着广泛的应用。
1. 地表覆盖分类通过卫星遥感图像处理方法，可以对地表覆盖进行分类，如森林、草地、湖泊等。
这对于土地利用规划、生态环境保护等具有重要的意义。
通过分类信息可以更好地了解自然资源的分布情况，并进行目标区域的保护和管理。
遥感图像处理技术在测绘中的应用与方法
遥感图像处理技术在测绘中的应用与方法引言：遥感图像处理技术作为一种重要的数据获取和分析工具，近年来在测绘领域日益受到关注。
通过遥感图像处理技术，可以从卫星、航空器等遥感影像数据中获取测绘所需的地理空间信息，实现高效精准的测绘工作。
本文将探讨遥感图像处理技术在测绘中的应用与方法。
一、遥感图像预处理遥感图像预处理是遥感图像处理的第一步，主要目的是通过一系列处理方法，消除图像中的噪声、增强图像的质量，并使得图像数据能更好地用于后续的分析和应用。
常用的遥感图像预处理方法包括图像平滑、边缘增强和图像融合等。
其中，图像融合技术是将多张图像融合成一张高质量的图像，提高了遥感图像的空间分辨率和光谱分辨率，为后续的测绘工作提供了更好的数据基础。
二、遥感图像分类与识别遥感图像分类与识别是指根据图像中的不同像元特征，将其自动或半自动地分类归类，并实现对地物的自动识别和提取。
这对于测绘工作来说是至关重要的，因为通过遥感图像分类与识别技术，可以大大提高测绘的效率和精度。
常见的遥感图像分类与识别方法包括基于像元的分类、基于对象的分类和基于深度学习的分类等。
这些方法在实际测绘工作中有着广泛的应用。
三、遥感图像变化检测遥感图像变化检测是指通过对不同时间或不同传感器所获得的遥感图像进行对比和分析，寻找出地物或环境在时间上的变化情况，并提供定量或定性的遥感变化信息。
对于测绘工作来说，遥感图像变化检测可以用于城市更新、土地利用变化、地质灾害变化等方面的监测和分析。
常用的遥感图像变化检测方法包括基于差异对比法、基于时间序列法和基于机器学习的方法等。
四、遥感图像配准与纠正遥感图像配准与纠正是指将不同时间、不同传感器或不同分辨率的遥感图像在空间上进行准确对应和纠正，以确保图像数据的准确性和一致性。
在测绘中，遥感图像配准与纠正是非常重要的一步，因为只有准确对应纠正后的图像数据，才能得出精确的测绘结果。
常用的遥感图像配准与纠正方法包括基于特征点匹配法、基于控制点的方法和基于变换模型的方法等。
掌握遥感图像处理技术在测绘技术中的遥感制图方法
掌握遥感图像处理技术在测绘技术中的遥感制图方法遥感图像处理技术在测绘技术中的遥感制图方法遥感技术是一种通过卫星、航空摄影等手段获取地表信息的技术。
在测绘领域中，遥感图像处理技术被广泛应用于遥感制图方法中，以提供高精度、高分辨率的地图数据。
本文将从遥感图像获取、预处理、分类和制图等方面，探讨遥感图像处理技术在测绘技术中的应用。
一、遥感图像获取遥感图像获取是遥感制图的首要步骤。
它涉及到遥感数据的选取和获取方式的选择。
在选择遥感数据时，我们需要考虑到数据的分辨率、波段、时间和空间等因素。
分辨率决定了图像的清晰度，波段则决定了我们可以观察到的地物类型。
时间和空间分辨力度则决定了我们观察地表现象的时空变化能力。
因此，根据具体的测绘任务需求，我们需要选择适当的遥感数据。
遥感图像的获取方式主要有两种：卫星遥感和航空摄影。
卫星遥感是通过卫星对地球进行常规或特定区域的观测，获取遥感数据。
而航空摄影则是通过飞机或无人机携带遥感传感器，对地面进行高空拍摄。
卫星遥感具有广覆盖区域的特点，适用于大范围的测绘任务；而航空摄影则具有高分辨率和高灵活性的特点，适用于精细测绘任务。
二、遥感图像预处理遥感图像预处理是对原始遥感图像进行校正和增强处理，以提高图像质量和准确性。
常见的预处理方法包括几何校正、辐射校正和大气校正。
几何校正是将遥感图像的地理坐标与地球坐标系统进行一致化，以纠正图像的形变和偏差。
几何校正通常通过地面控制点来实现，利用空间物体在图像与地形模型中的对应关系，进行数学模型的建立和参数估计。
这样可以使图像的位置、角度和比例关系恢复到真实的地理尺度，从而提高遥感图像的精确性。
辐射校正是将遥感图像的数字值转换成反射率或辐射亮度，以消除图像在获取过程中受到的辐射照射和大气散射的影响。
辐射校正的目的是使不同时间、不同条件下获取的遥感图像具备可比性，以便进行地表特征的比较和分析。
大气校正是对遥感图像中存在的大气干扰进行去除或抑制。
遥感图像处理综合课程设计
遥感图像处理综合课程设计一、课程目标知识目标：1. 让学生理解遥感图像的基本概念、成像原理及在地理信息系统中的应用。
2. 使学生掌握遥感图像预处理、增强、分类及解译的基本方法和技巧。
3. 帮助学生了解遥感图像处理软件的操作流程，并熟悉相关功能。
技能目标：1. 培养学生运用遥感图像处理软件进行图像预处理、增强、分类及解译的能力。
2. 培养学生运用遥感技术解决实际地理问题的能力，如资源调查、环境监测等。
3. 提高学生团队协作、沟通表达及分析解决问题的能力。
情感态度价值观目标：1. 培养学生对遥感科学的兴趣和热情，激发学生探索未知世界的欲望。
2. 培养学生严谨、务实的学习态度，提高学生的自主学习能力和创新能力。
3. 增强学生的环保意识，使学生认识到遥感技术在资源环境保护中的重要作用。
本课程针对高年级学生，结合遥感图像处理相关教材，注重理论与实践相结合。
在教学过程中，充分考虑学生的认知水平、学习兴趣和实际需求，设计具有针对性和实用性的教学活动。
通过本课程的学习，期望学生能够掌握遥感图像处理的基本知识和技能，培养解决实际问题的能力，同时提高学生的情感态度价值观。
为确保教学效果，课程目标将分解为具体的学习成果，以便于教学设计和评估。
二、教学内容1. 遥感图像基本概念与成像原理：包括遥感图像的定义、类型、成像过程及其在地理信息科学中的应用。
- 教材章节：第一章 遥感图像概述- 内容列举：遥感图像的定义、分类、成像平台、传感器等。
2. 遥感图像预处理：涉及图像校正、配准、裁剪等操作，为后续图像分析奠定基础。
- 教材章节：第二章 遥感图像预处理- 内容列举：辐射校正、几何校正、图像配准、图像裁剪等。
3. 遥感图像增强：介绍图像增强技术，提高图像质量，突出感兴趣信息。
- 教材章节：第三章 遥感图像增强- 内容列举：直方图增强、空间域增强、频率域增强等。
4. 遥感图像分类与解译：讲解图像分类方法，培养学生解译遥感图像的能力。
测绘工程中的遥感技术与图像处理
测绘工程中的遥感技术与图像处理安徽乾方检测技术有限公司摘要：本文深入探讨了遥感技术与图像处理在测绘工程中的重要性与应用。
遥感技术通过获取远离地面目标的信息，为地图制图、空间数据获取与更新、灾害监测等领域提供高效、准确的数据支持。
图像处理技术在预处理、特征提取、分类与识别等方面发挥关键作用，将遥感数据转化为可用信息。
文章指出了面临的挑战，包括数据处理、高维信息融合等，但随着人工智能与机器学习的发展，图像处理算法将更趋智能。
未来，新一代遥感卫星与传感器技术的创新将为测绘工程提供更详细、全面的信息。
总体而言，遥感技术与图像处理为测绘工程的发展提供了强大支持，有望在科技进步的推动下更好地服务于人类社会的可持续发展。
关键词：测绘工程；遥感技术；图像处理引言随着科技的飞速发展，遥感技术和图像处理在测绘工程领域扮演着日益重要的角色。
遥感技术通过卫星、航空等传感器获取地表信息，为测绘提供了高效、全面的数据支持，拓展了测绘的空间范围和维度。
图像处理技术则通过数学、统计学等方法，将庞大的遥感数据转化为可用信息，为工程提供了精准的分析和决策依据。
本文将深入研究遥感技术与图像处理在测绘工程中的应用，探讨其在地图制图、空间数据获取与更新、灾害监测与应急响应等方面的重要性。
同时，对特征提取、预处理等关键技术进行剖析，指出其在测绘工程中的关键作用。
最后，展望未来，探讨新一代遥感卫星和技术创新对测绘工程的影响，为该领域的可持续发展提供前瞻性思考。
一、遥感技术的基础原理遥感技术是通过传感器获取地球表面信息的一种手段，主要分为被动遥感和主动遥感两大类。
被动遥感是利用地面反射、辐射或散射的电磁波来获取信息，而主动遥感则是通过向地面发射电磁波并测量其返回信号获取信息。
这两种技术在测绘工程中都发挥着重要作用。
遥感技术的基础原理包括电磁波的传播、反射、吸收等过程。
不同波段的电磁波对地物的反射特性各异，因此可以通过多波段的遥感数据获取地表的不同信息。
摄影测量与遥感图像处理实践报告
摄影测量与遥感图像处理实践报告摄影测量与遥感图像处理实践报告摄影测量与遥感图像处理学号：学院：2021年9月一、实习任务：1、摄影测量软件a.完成VirtuoZ0系统所带的一对数字摄影图像的内定向、相对定向、绝对定向，并生成核线影像。
156-155b.用生成的核线影像自动生成等高线、正射影像、DEM、并将等高线与正射影像叠合。
c.进行数字影像测图。
调出模型，在立体环境下完成部分测图任务。
(应交成果) 2、遥感图象处理a.用ERDAS软件读出校区的QUICKBIRD影像，将多光谱图像与全色图像进行融合。
并裁减出校区范围的子图象。
b.从前面实习所测的地形图上得到一些控制点，对子图像进行几何校正。
c.分类前对图像进行一些必要的处理（空间增强、辐射增强等），使图像有很好利于分类的视觉效果。
对该图像进行分类，分类后再对图像进行一些分类后处理，最后制作成分类专题图(应交成果)。
如果想得到更理想的分类图,可使用一些新分类方法进行分类处理。
二、实习步骤：1、摄影测量（VirtuoZ0软件的使用）1.本地连接>属性>配置>高级>网络地址的值改为“00E04C3AD92C”2.打开测区，即建立一个测区如e:\1234。
在测区参数的主目录键入e:\1234。
3.将数据准备好。
将已拷贝hamer文件夹下的控制点文件和相机参数文件拷贝到已建好的e:\1234中。
将hamer\images下的一对影象如156-155拷贝到已建好的e:\1234\images中。
3.将测区参数输入并保存。
4。
建一个模型如在e:\1234中建model模型，输入参数并保存。
5.按“处理”菜单中的顺序进行内定向、相对定向、绝对定向、定显示区，生成核线影象。
6.用生成的核线影像自动生成等高线、正射影像、DEM、并将等高线与正射影像叠合。
7.进行数字影像测图。
调出模型，在立体环境下完成测图任务。
2、遥感图像处理（ERDAS软件的使用）1.用import/export读入图象，即将geotiff格式转换成img格式。
使用测绘技术进行遥感图像处理的步骤与技巧
使用测绘技术进行遥感图像处理的步骤与技巧遥感技术在如今的科学领域中扮演着重要的角色，而测绘技术则是遥感图像处理中不可或缺的一部分。
测绘技术通过收集、处理和分析遥感数据，帮助我们理解地球上的自然资源和人类活动的分布情况。
本文将重点探讨使用测绘技术进行遥感图像处理的步骤与技巧。
第一步：数据获取与准备在进行遥感图像处理之前，首先需要获取所需的遥感数据。
这些数据可以通过卫星、航空器或无人机等方式获得。
其中，卫星是最常用的数据获取方式，可以获得全球范围的高分辨率图像。
获取到数据后，还需要对其进行预处理，以滤除噪声和不必要的信息。
第二步：影像校正影像校正是遥感图像处理的一个重要步骤，它用于纠正由于空间几何形变和辐射照度不均匀性而引起的数据偏差。
根据不同的需求，可以采用几何校正、辐射校正和大气校正等方法对图像进行校正，以确保数据的准确性和可比性。
第三步：图像分类与分割图像分类和分割是遥感图像处理的关键步骤，它们用于将图像中的不同对象或地物进行标记和分离。
通常，可以使用传统的分类方法如最大似然法或主成分分析法，也可以采用基于机器学习的分类方法如支持向量机或随机森林等。
而图像分割则可以通过阈值分割、区域生长或水平集等算法来实现。
第四步：特征提取与分析在进行了图像分类和分割后，接下来需要对所得到的地物进行特征提取和分析。
特征提取是通过计算图像中的一些统计信息和形状参数，抽取出地物的特征表示。
常用的特征包括纹理特征、形状特征和光谱特征等。
通过对这些特征进行分析，可以帮助我们更好地理解地物的属性和空间关系。
第五步：精度评定与验证精度评定与验证是遥感图像处理中的最后一步，其目的是评估处理结果的准确性和可靠性。
通过与实地调查数据进行对比，可以判断处理结果的精度并对其进行校正。
常用的评定方法包括混淆矩阵、准确率和召回率等。
除了上述步骤，还有一些技巧可以帮助我们更好地进行遥感图像处理。
首先，需要充分理解图像的特点和数据的含义，对图像进行合理的预处理和校正。
测绘技术中遥感图像处理与分析的最佳实践与技巧
测绘技术中遥感图像处理与分析的最佳实践与技巧遥感图像处理与分析在当今测绘技术中起着至关重要的作用。
随着遥感技术的不断进步和应用的扩大，如何进行高质量的遥感图像处理和分析成为测绘专业人士所面临的重要课题。
本文将探讨一些最佳实践和技巧，以帮助读者在测绘实践中取得更好的成果。
一、精确的图像预处理在遥感图像处理与分析的流程中，图像预处理是一个至关重要的环节。
为了准确地提取出地物的信息，需要对原始图像进行一系列预处理操作。
这包括校正图像的几何和辐射畸变，去除云层和阴影等噪声，以及增强图像的对比度和清晰度。
对于校正几何畸变，常用的方法包括地面控制点法和地物边缘法。
通过选择合适的控制点或地物边缘，可以对图像进行精确的几何校正，提高几何的精度。
去除图像中的云层和阴影是另一个重要的预处理步骤。
这可以通过采用多个波段的多时相影像进行云检测和云去除操作来实现。
同时，利用高分辨率的地面观测数据和数字高程模型可以更准确地去除阴影干扰。
图像增强是提高图像质量和清晰度的关键步骤。
常用的方法包括直方图均衡化、滤波和锐化等。
通过调整图像的亮度、对比度和清晰度，可以突出地物边界和细节特征，更好地支持后续的图像分析和解译。
二、高效的特征提取与分类在遥感图像处理与分析中，特征提取和分类是关键的任务。
通过提取地物的特征信息，并将其分类到不同的类别中，可以实现遥感图像的自动解译和提取目标物体的空间分布。
特征提取是指从遥感图像中提取出与目标物体相关的特征信息，如颜色、纹理、形状和空间关系等。
常用的特征提取方法包括灰度共生矩阵、小波变换和主成分分析等。
通过提取多个特征并进行合理组合，可以得到更全面和准确的地物特征信息。
分类是指将提取得到的地物特征信息分配到不同的类别中。
常用的分类方法包括最大似然分类、支持向量机和人工神经网络等。
在进行分类时，需要选择合适的分类器，并根据实际情况进行参数调整和优化，以提高分类的准确度和鲁棒性。
三、多源数据的融合和分析对于复杂地物的识别和提取，单一源的遥感图像往往难以满足要求。
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。
遥感图像处理与分析技术在测绘中的应用案例
遥感图像处理与分析技术在测绘中的应用案例现代测绘技术中，遥感图像处理与分析技术的应用已经成为一个重要的研究方向。
随着遥感技术的发展和进步，我们可以通过遥感图像获得大量的地表信息，并对地理环境进行准确的测量和分析。
本文将通过几个实际的应用案例，详细介绍遥感图像处理与分析技术在测绘中的重要性和应用。
首先，遥感图像处理与分析技术在测绘中的一个重要应用案例是地形测量。
利用遥感图像处理软件，我们可以从航拍图像或者卫星图像中获取地表的高程数据。
通过对图像进行数字高程模型(Digital Elevation Model, DEM)的提取，可以精确地获取地面的高程信息，并生成精细的地形模型。
这些模型可以被广泛应用于城市规划、土地利用等领域，为地面工程、建筑设计等提供重要的参考依据。
其次，遥感图像处理与分析技术在测绘中的另一个重要应用案例是土地覆盖分类。
土地覆盖分类是指将遥感图像中的地表物体按照类别进行分类，以了解和研究地球表面的土地利用现状。
通过地物分类，我们可以获得土地利用的分布情况，研究土地利用变化趋势，为土地管理和决策提供科学依据。
例如，在城市规划中，土地覆盖分类可以帮助我们了解城市的绿地覆盖情况，优化城市绿化布局，改善生态环境。
此外，遥感图像处理与分析技术在测绘中还有许多其他重要的应用案例。
例如，遥感图像监测技术可以用于水域资源的监测与评估。
通过对卫星图像中的水域进行提取和分析，我们可以了解水域的分布、面积和变化，帮助水资源管理和水环境保护。
另外，遥感图像处理技术也可以应用于植被覆盖监测和灾害监测。
通过对植被指数和灾害指标的计算和分析，我们可以及时监测植被的生长状况和灾害的发生情况，为植被保护和灾害管理提供支持。
综上所述，遥感图像处理与分析技术在测绘中的应用案例丰富多样，涉及到地形测量、土地覆盖分类、水域资源监测和植被覆盖监测等多个领域。
通过遥感图像处理与分析技术，我们可以获得大量的地理信息，并对地理环境进行全面、准确的测量和分析。
测绘工程技术专业遥感影像处理技巧遥感影像处理的常用技巧和方法
测绘工程技术专业遥感影像处理技巧遥感影像处理的常用技巧和方法测绘工程技术专业遥感影像处理技巧一、简介遥感影像处理是测绘工程技术专业中非常重要的一门技术，它可以通过获取、分析和解释遥感影像数据，提取出有用的地理信息。
本文将介绍常用的遥感影像处理技巧和方法，帮助测绘工程技术专业的学生更好地应用遥感数据进行测绘工作。
二、影像预处理1. 遥感影像校正：遥感影像通常会受到大气、地物表面的反射等因素的影响，需要进行校正以减少这些干扰因素。
常用的校正方法包括大气校正、辐射校正、几何校正等。
2. 影像去噪：遥感影像中常常存在着各种噪声，如斑点噪声、椒盐噪声等，需要运用图像处理方法对影像进行去噪。
常用的去噪方法有中值滤波、均值滤波、小波去噪等。
3. 影像增强：为了提高遥感影像的质量和可视性，可以对影像进行增强处理。
常用的增强方法有直方图均衡化、拉伸变换、滤波增强等。
三、影像分类与解译1. 影像分类：遥感影像分类是将遥感影像中的像元或像素根据其反射特性进行分类，以获取地物类型、分布等信息。
常用的分类方法包括监督分类、非监督分类、混合分类等。
2. 影像解译：影像解译是根据遥感影像的特征和上下文知识进行地物目标的判断和解释。
常见的解译方法有目视解译、专家解译、自动解译等。
四、影像处理应用1. 土地利用与覆盖变化检测：通过对多期遥感影像进行比较分析，可以检测土地利用与覆盖的变化情况，为城市规划、环境保护等提供依据。
2. 地形与地貌分析：遥感影像可以提供大范围、高分辨率的地形和地貌信息，通过对遥感影像进行分析，可以获取地形高度、坡度、等高线等地形参数，为地质调查和地质灾害防治提供支持。
3. 森林资源监测：利用遥感影像的多光谱信息，可以获取森林植被的分布、生长状况、密度等信息，为森林资源管理和生态环境保护提供参考。
五、总结遥感影像处理技巧是测绘工程技术专业中不可或缺的一部分。
本文介绍了常用的遥感影像处理技巧和方法，包括影像预处理、影像分类与解译以及影像处理的应用。
掌握测绘技术中的遥感数据处理和图像处理方法和技巧
掌握测绘技术中的遥感数据处理和图像处理方法和技巧随着科技的发展和进步，测绘技术也经历了巨大的变革。
其中，遥感技术的出现和应用给测绘工作带来了很多便利和准确性。
然而，要充分发挥遥感数据的作用，就需要对其进行处理和分析。
本文将介绍测绘技术中的遥感数据处理和图像处理方法和技巧。
一、遥感数据处理方法1. 数据获取与准备在进行遥感数据处理之前，首先需要获取相关的数据。
这些数据可以来自卫星、航空摄影、无人机等多种来源。
获取数据后，需要对其进行预处理和准备工作，如校正几何畸变、去除噪声等。
这能够提高后续处理时的质量。
2. 数据融合与分类遥感数据通常包括多个频段或分辨率的图像，因此需要将它们进行融合，提取出图像更加丰富的信息和特征。
常见的数据融合方法包括PCA（主成分分析）、IHS（Intensity-Hue-Saturation）等。
融合后的图像能够更加全面地反映地物的信息。
另外，还需要对融合后的图像进行分类，将图像中的像元分到不同的类别中，以便于后续的分析和应用。
3. 特征提取与分析在遥感图像处理中，特征提取是非常重要的一步。
通过提取地物的特征，能够更好地理解遥感图像中的信息。
常见的特征提取方法包括纹理特征、形状特征、光谱特征等。
在处理和分析过程中，还需要对特征进行分析，找出地物之间的关联性和差异性。
二、图像处理技巧1. 去噪与增强在遥感图像处理过程中，由于数据获取的方式和环境的影响，图像中常常存在噪声。
为了提高图像的质量，需要对图像进行去噪处理。
常见的去噪方法包括均值滤波、中值滤波等。
另外，为了更好地展示图像中的细节和特征，还需要对图像进行增强处理，如对比度增强、直方图均衡化等。
2. 目标检测与识别遥感图像中的地物目标往往是我们需要关注和研究的对象。
因此，目标检测与识别是图像处理中的一个重要任务。
经典的目标检测方法包括边缘检测、模板匹配、物体分割等。
通过这些方法，能够快速准确地定位和提取出遥感图像中的目标。
测绘技术遥感图像处理流程
测绘技术遥感图像处理流程测绘技术在现代社会中扮演着重要的角色，它帮助我们获取和处理地理空间信息，为各行各业的发展提供了关键支持。
其中，遥感图像处理是测绘技术的重要组成部分，它通过利用遥感数据和图像处理技术，对地球表面进行高效、精确的分析和解译。
本文将介绍测绘技术中遥感图像处理的流程，以及它在不同领域中的应用。
测绘技术遥感图像处理流程主要包括数据获取、数据预处理、特征提取与分析三个阶段。
首先，数据获取是整个流程的基础，它涉及到选择、获取并整理遥感数据。
这些数据可以来自各种不同的源头，比如卫星、飞机、无人机等。
在选择数据源时，需要根据需求和应用场景的不同，选择合适的数据来源。
接下来是数据预处理阶段，它是确保数据质量和准确性的关键步骤。
数据预处理包括数据清洗、辐射校正、几何校正和大气校正等过程。
数据清洗主要是去除图像中的噪声和无关信息，以提高后续处理的效果。
辐射校正和几何校正则是为了消除由于传感器非线性响应、光学变形等因素引起的图像畸变。
大气校正则是为了减少大气吸收对遥感图像的影响，提高图像的质量和可用性。
在数据预处理完成后，就可以进行特征提取与分析了。
特征提取与分析是遥感图像处理的核心步骤，它涉及到对图像进行图像增强、分类、目标提取等操作。
其中，图像增强通过调整图像的亮度、对比度、色调等参数，以提高图像的视觉效果和可读性。
分类是将图像中的像素按照其物理属性或者类别进行划分和标记。
目标提取则是从遥感图像中提取出特定目标的轮廓和信息。
除了上述三个阶段，测绘技术遥感图像处理还可以包括后续的数据分析和应用。
数据分析是对处理后的图像数据进行进一步的挖掘和分析，以获得更多有价值的信息。
应用阶段则是将分析结果应用到实际的项目和领域中，比如土地管理、资源调查、环境监测等。
测绘技术遥感图像处理在各个领域中都有广泛的应用。
比如在土地管理领域，遥感图像处理可以用于土地利用分类和监测，以帮助决策者做出合理的土地规划和利用决策。
测绘技术中的遥感影像处理技巧
测绘技术中的遥感影像处理技巧遥感影像处理技巧在测绘技术中扮演着重要的角色。
随着卫星和无人机技术的发展，获取高分辨率的遥感影像已经成为测绘领域中常用的数据源。
然而，如何处理和分析这些遥感影像，以提取有用的地理信息，依然是一个挑战。
本文将介绍几种常用的遥感影像处理技巧，包括图像预处理、特征提取和分类等方面。
一、图像预处理在进行遥感影像分析之前，首先需要进行图像预处理。
这一步骤的目的是去除图像中的噪声、提高图像的清晰度和对比度。
常用的图像预处理技术包括去噪、辐射校正和大气校正等。
去噪是一项关键任务，可以通过滤波器等方法实现。
常用的滤波器包括均值滤波和中值滤波。
均值滤波器通过计算像素周围邻域的平均值来平滑图像，中值滤波器则是通过计算周围邻域的中值来去除噪声。
辐射校正是通过校正图像的辐射亮度，使之更接近实际场景。
在辐射校正过程中，需要考虑遥感系统的辐射传感器和大气条件对图像的影响。
大气校正是在辐射校正的基础上，进一步校正图像中的大气影响。
大气校正可以通过大气传输模型来实现，该模型可以估计出大气对图像的衰减程度，并进行去除。
二、特征提取特征提取是遥感影像处理的一个重要步骤，它可以从图像中提取出与所研究对象相关的地理信息。
常用的特征提取方法包括纹理特征、形状特征和光谱特征等。
纹理特征是描述图像中纹理密度和纹理结构的特征。
常用的纹理特征包括灰度共生矩阵、小波变换和纹理滤波器等。
灰度共生矩阵描述了图像中不同像素灰度值之间的关系，小波变换则可以分解图像的频率和方向信息，而纹理滤波器则可以检测出图像中的纹理特征。
形状特征是描述图像对象形状和空间布局的特征。
常用的形状特征包括周长、面积和形状因子等。
周长是指对象外轮廓的长度，面积是指对象的面积大小，形状因子是指对象的形状与理想形状之间的差异。
光谱特征是描述图像中不同波段的光谱信息的特征。
根据不同波段的反射率差异，可以提取出不同地物类型的光谱特征。
常用的光谱特征包括反射率曲线、光谱指数和主成分分析等。
遥感图像处理课程设计报告
遥感图像处理课程设计报告一、课程目标知识目标：1. 让学生掌握遥感图像的基本概念，理解其成像原理和图像特点；2. 学会运用遥感图像处理软件进行图像预处理、增强和分类等操作；3. 了解遥感图像在实际应用中的领域和作用，如环境监测、资源调查等。
技能目标：1. 培养学生运用遥感图像处理软件进行图像分析的能力；2. 提高学生解决实际问题时，运用遥感图像处理技术进行数据分析和决策的能力；3. 培养学生团队协作和沟通交流的能力。
情感态度价值观目标：1. 培养学生对遥感科学的兴趣和热情，激发他们探索未知世界的欲望；2. 增强学生的环保意识，使他们认识到遥感技术在保护生态环境中的重要性；3. 培养学生具有严谨的科学态度和良好的职业道德，关注遥感技术在实际应用中的伦理问题。
课程性质分析：本课程为高中年级遥感图像处理课程，旨在让学生在掌握遥感基础知识的基础上，学会运用遥感图像处理技术解决实际问题。
学生特点分析：高中年级学生具有一定的计算机操作能力和地理学科知识，对遥感技术有一定的好奇心，但可能对遥感图像处理软件的操作较为陌生。
教学要求：1. 注重理论与实践相结合，让学生在实际操作中掌握遥感图像处理技术；2. 采用案例教学，引导学生运用所学知识解决实际问题；3. 创设互动式教学环境，鼓励学生提问、讨论，培养他们的思维能力和创新能力。
二、教学内容1. 遥感图像基本概念：包括遥感图像的来源、成像原理、图像类型及其特点；2. 遥感图像处理软件介绍：介绍常用的遥感图像处理软件，如ENVI、ArcGIS 等，及其基本功能；3. 遥感图像预处理：包括图像校正、配准、裁剪等操作；4. 遥感图像增强：涉及图像滤波、拉伸、变换等增强方法；5. 遥感图像分类：介绍监督分类、非监督分类等分类方法及其应用；6. 遥感图像在实际应用案例分析：分析遥感图像在环境监测、资源调查、城市规划等领域的应用实例；7. 遥感图像处理综合实践：结合实际案例，指导学生运用遥感图像处理软件进行图像处理和分析。
【论文】测绘工程毕业论文遥感毕业设计
【关键字】论文本科毕业设计（论文）题目遥感图像分类方法研究院（系部）测绘与国土信息工程学院专业名称测绘工程年级班级学生姓名指导教师20年月日摘要遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。
遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。
遥感图像分类主要有两类分类方法：一种是非监督分类方法，另一种是监督分类方法。
非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。
非监督分类由于不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。
而监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。
从传统的基于贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。
但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。
本文在对国内外遥感图像分类方法研究的进展进行充分分析的根底上，应用最大似然分类法、ISODATA分类法对鹤壁市Geoeye遥感图像进行了分类研究。
在对分类实现中，首先对分类过程中两个必不可少的，并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍这两种方法的分类实验；最后分别分析分类结果图和采用混淆矩阵和kappa 系数对两种方法的分类结果进行精度评价。
两种分类方法的分类总体精度计算都达到80％以上，满足分类要求。
通过综合分析发现本次研究ISODATA方法分类精度较低，最大似然法分类精度较高。
关键词：图像分类，最大似然法，ISODA TA分类法，分类精度ABSTRACTRemote sensing（RS）image classification is always a pivotal part of remote sensing study. How to improve the accuracy of RS interpretation is an urgent problem in RS application.Classification of remote sensing image using computer is data disposal of remote sensing image pixels by computer. There are mainly two methods: non-supervised classification, and supervised classification. Non-supervised classification is a clustering process, while supervised classification is a study and training process, and it needs preliminary knowledge. Because non-supervised classification can not ascertain attribute of sorts, its value is very little by direct used and applied. While supervised classification methods emerged in endlessly with development of new methods and technique. From traditional maximum likelihood classification(MLC) based on Byes to decision tree classification and artificial neural network(ANN) classification being studied and used now, they all enhance accuracy, improve effect and application to a great extent. Whereas different ways are different advantage and disadvantage, classification effect is affected by some factors.Based on world RS image classification methods analysis, this paper applied MLC, and ISODA TA classification to study classification of the Hebi city’s RS image. Within classification carried out, first classification samples and features have been researched in detail, which are two absolute necessary steps that affect classification in the process .Afterward this paper concretely introduced experiment of two classification process. Finally this paper evaluated accuracy of different ways according to analysis of classification image, the confusion matrix and Kappa coefficient. Two ways’ overall accuracy are both more 80% and so satisfied. By comparison, we find ISODATA classification is not prior to the maximum likelihood classification . Keywords: Image Classification, Maximum likelihood, ISODATA classification, Classification Accuracy目录1 绪论1.1 研究背景与意义遥感（Remote Sensing，简称 RS）是一种远离目标，通过非直接接触而判定、测量并分析目标性质的技术，它实现了空间（或地表）图像信息的采集与处理。
测绘技术中的遥感影像处理方法分享
测绘技术中的遥感影像处理方法分享遥感是一种通过获取远距离传感器所感应到的能量并进行分析来获取地面信息的技术。
遥感技术在测绘领域中起着重要的作用，可以提供大面积、多时相的地貌、植被覆盖、土地利用等信息。
而遥感影像处理方法的正确应用和选择对于准确获得地理信息数据至关重要。
本文将分享一些常见的遥感影像处理方法，希望对读者在测绘技术中的应用有所帮助。
一、图像预处理在进行遥感影像处理之前，首先需要进行图像预处理。
图像预处理可以去除图像中的误差、噪声，并对图像进行增强，以提高后续处理的准确性。
常见的预处理方法包括图像去噪、辐射校正、几何校正、大气校正等。
1. 图像去噪遥感影像中常常存在着各种噪声，如椒盐噪声、高斯噪声等。
图像去噪是一种常用的预处理方法，可以提高图像质量。
常见的图像去噪方法包括中值滤波、均值滤波、自适应滤波等。
2. 辐射校正辐射校正是指通过对图像进行光谱反射率修正，从而消除地物在不同照明条件下的差异。
辐射校正的方法有很多，如最小二乘法、定标相关法、直方图匹配法等。
3. 几何校正几何校正是指通过对图像几何形状的调整，使得图像与实地的几何关系相符。
几何校正方法主要包括标定、投影变换、扭曲校正等。
4. 大气校正大气校正是指通过去除大气对遥感图像的干扰，从而得到无大气影响的表观反射率。
常见的大气校正方法有大气校正推断法、大气射线反演法等。
二、特征提取在图像预处理之后，还需要进行特征提取，以获取具体的地理信息。
特征提取是从原始影像中提取出与地理对象有关的特征，如道路、建筑物、水体等。
常见的特征提取方法包括阈值分割、边缘检测、目标识别等。
1. 阈值分割阈值分割是一种简单但有效的特征提取方法。
通过设置特定的灰度级别阈值，将图像分成不同的区域，以区分不同的地物。
然后可以根据分割后的结果做进一步处理。
2. 边缘检测边缘检测是一种常用的特征提取方法，可以将图像中的目标物体的边缘提取出来。
常见的边缘检测算法有Sobel算子、Canny算子等。
- 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)。
（
先打开一个单波段图像“bldr_sp”然后点击Enhance中Interactive stretching—stretch type—Equalization拉伸范围设置在15~137点击Apply，如图53
图53
（
先打开一个单波段图像“bldr_sp”然后点击Enhance中Interactive stretching—stretch type—Square Root输入最小值15最大值165然后点击Apply如图54
5在窗口Available Bands List中点击Display#1按钮，并从下拉式菜单中选择New Display生成新的显示窗口Display#2
6在窗口Available Bands List中点击File下拉菜单中的Open Image File，选择bldr_sp.hdr文件打开，选中并点击Load Band按钮将校正影像加载到一个新的显示窗口Display#2中
图2图4
图3
图5
图6
图7
5
从ENVI主菜单中，选择Map中Registration中的select GCPs：Image to Image如图8并出现新的窗口Image to Image Registration
图8
②在Image to Image Registration中，点击选择Display#2，作为Base Image，点击Display#1，作为Warp Image如图9，并点击OK按钮进入配准程序进行配准界面如图10
①选择主菜单上的Basic Tools下拉菜单的Resize Data (Spatial/Spectral)如图27
②在上部弹出的Resize Data Input File窗口中选择一个图像然后点击Spatial Subest按钮弹出Select Spatial Subest窗口，更改图像属性信息（如图28）后点击OK
ENVI是一个完整的遥感图像处理平台，其软件处理技术覆盖了图像数据的输入/输出、图像定标、图像增强、纠正、正射校正、镶嵌、数据融合以及各种变换、信息提取、图像分类、基于知识的决策树分类、与GIS的整合、DEM及地形信息提取、雷达数据处理、三维立体显示分析等。
通过此次毕业设计，我才真正领略到ENVI软件的功能强大和方便。遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。它是快速、便捷、准确地从影像中提取信息的首屈一指的软件解决方案。这也是在现代测绘中所需要的。
图18
在主影像窗口菜单中，选择tools中cursor location/value，或者主影像窗口直接右键选择cursor location/value也可以查看如图19
图19
3.
1）选择好两个已经经过几何校正的图像如图20
图20
图21
2）在主菜ed（如图21），点选后弹出图像镶嵌窗口（如图22）
图36
5）图像融合（HSV反变换）：选择主菜单的Transform下拉菜单的Color Transforms的下拉菜单的HSV to RGB对HSV影像和拉伸影像进行融合处理（如图37），在弹出对话框上进行如图38，图39的操作。对融合图像进行生成并保存。生成如图40所示的图像。
图37
图38图39
图40
点Apply，得出伪彩色合成结果图49
图48图49
（
先打开一个单波段图像“bldr_sp”然后点击Enhance中Interactive stretching—stretch type—Piecewise Linear,然后根据所需调整如图50，点击Apply得到成果图51
图50
图51
（
先打开一个单波段图像“bldr_sp”然后点击Enhance中Interactive stretching—stretch type—Gaussian，然后设置拉伸范围15~127，点击Apply效果如图52
2打开Bldr_tm.img标准影像
3在窗口Available Bands List中选择“RGB Color”对比度清晰的三个波段以显示一幅彩色影像，本人所采用的分别为5、2、1三个波段分别加入到R、G、B三个通道中，显示彩色影像
4点击点击Load Band按钮，将影像加载到新窗口Display#1中
图41
图42
图43
图44
图45
5.
（
先打开一个单波段图像“bldr_sp”然后点击Enhance中Interactive stretching—stretch type—Linear，然后根据图像情况进行拉伸调整，图像暗与亮调整如图46
通过空间域增加图像黑白对比能突出地物如图47
图46
图47
（
打开前面所做过几何修正的遥感图像“校正图像”，在显示窗口选择Overlay中的Density Slice，然后设置MIN值和MAX值如图48
⑵自动融合
打开两个待融合影像‘矫正图像’和‘bldr_sp.hdr’直接选择主菜单的Transform下拉菜单的Image Sharpening下的HSV命令（如图41）。并按照图42，图43，图44步骤完成图像的自动完成。并生成图45所示的融合成果像片（在两幅图像有相同地理坐标系统的情况下，该融合方法不需要在融合前需调整两幅图像分辨率一致，尺寸一致，ENVI系统会自动完成这一过程，输出图像的分辨率与高分辨图像保持一致；否则需要对图像进行处理以保证融合的影像地理位置相同，行列数相同）
上述步骤所达到的效果如图1所示
图1
从ENVI主菜单中，选择Map中Customize Map Projections，定义坐标系根据图2，图3，图4，图5操作，即可定义新的坐标系
在可用波段列表中，右键map info选择Edit Map Information如图6
出现对话框后，点击“Change projection”，修改坐标信息，选择刚刚建立好的北京54坐标系，点击OK.如图7
图12
⑤点选上图窗口上的Options下拉菜单的Order Points by Error选项计算刺点精度并排序，选择精度较低的点位按Delete删除，直到精度都符合要求。如图13，图14
图13图14
7保持地面控制点坐标：从Ground control points selection中，选择File中的Save GCPs to ASCII，输入文件名zybcd.txt，如图15
图25图26
4.
图像融合分手动融合和自动融合
⑴手动融合：
1）打开融合的两个文件，将经校正的低分辨率多光谱图像即‘校正图像’显示在Display#1中，将低光谱高分辨率影像即bldr_sp.hdr显示在Display #2中。
2）图像裁剪和重采样：将两幅图像分别进行剪切，以更改成同样的大小和分辨率，以方便后面的图像变换以及拉伸和融合处理。
③在Resize Data Input File窗口下再次点击OK弹出新的Resize Data Parameters窗口，命名为‘裁剪1’保存并生成图像（如图29）。同样在将低光谱高分辨率影像裁剪成同样尺寸大小的图像并命名为‘裁剪2’保存。如图30
图27
图28
图29
图30
3）HSV变换：选择主菜单的Transform下拉菜单的Color Transforms的下拉菜单的RGB to HSV对彩色影像的裁剪1进行HSV变换如图31，图32，图33，完成并生成一个HSV图像。
图15
6)
从ground control points selection中，选择option的Warp File如图16
图16
选择OK后，进行校正参数设置，图像范围，保持校正后图像名为“校正图像”如图17
图17
7
在可用波段中，显示几何校正成果“校正图像”，选择New diplay，加载一个display#3的显示窗口中如图18
3）点击Import中的Import File加入2个需要镶嵌图像如图23
4）点选Pixel Mosaic x 2608窗口中File下拉菜单的Apply进行图像的镶嵌处理如图24
图22图23
图24
5）点选后出现窗口（如图25）将镶嵌后图像命名为“镶嵌图像”并点击OK保存，且会自动弹出镶嵌后的图像窗口Display#4，如图26
图9 图10
③通过鼠标放置在两幅影像的相同地物点上，来添加单独的地面控制点，在Ground Conrtol Points Selection中，点击add point，把地面控制点添加到列表中，至少添加5个地面控制点。如图11
图11
④点击Ground Conrtol Points Selection窗口中的Show List按钮显示刺出的控制点列表，如图12
附录..................................................................................................................29
遥感图像处理
一、设计的目的与任务
1
本次毕业设计是在专业课程《摄影测量学基础》与《遥感原理与应用》结束之后进行的，主要是对学生课堂所学的理论知识，对所学知识进行一次综合性实践和应用，初步掌握设计的方法和过程，掌握运用所学知识处理和解决摄影测量与遥感生产实际问题的方法和技巧。通过毕业设计，培养理论联系实际、综合分析问题、解决问题的能力，掌握科学实验方法，基本和专业的测绘操作技能。
图54
（
打开2个不同的图像，如校正图像和bldr_sp
然后Display #1主窗口点击Enhance—Histogram matching选择点击OK
如图55，效果图为图56
图55图56
（
在主菜单中分别点击transform中的NDVI弹出如图57。然后选择bldr_tm.img,点击OK