ENVI实验报告.pptx
合集下载
相关主题
- 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)。
1
三、实验内容
1.遥感数据下载 2.数据格式转化及多波段的合
成 3.图像边框的裁剪 4.图像的镶嵌 6.图像几何校正 7.裁剪 8.监督分类 9.专题出图
四、实验步骤
1.遥感数据下载
输入地名及日期，搜索符合自己通途的数据，查看并下载
2
2.数据格式转化及多波段的合成 由于下载图像的格式 tif 格式，需要转成 img 格式。并将单波段 融合成为多波段，这一步在 erdas 中完成。 tif 转 img
沙漠 [Sienna] 200333 points: 水体 [Blue] 36084 points: (1.99973178 2.00000000) 农田 [Green] 18122 points: (1.99954820 1.99999924) 未利用土地 [Orchid] 57805 points: (1.98700177 2.00000000) 山体 [Purple] 355228 points: (1.84635561 1.96524858)
一、实验目的
ENVI 是一套功能齐全的遥感图像处理系统，是处理、分析并显
示多光谱数据、高光谱数据 和雷达数据的高级工具。此次实习主要是学习一些关于 ENVI 的
基本操作，如：图像预处理，影像分析，图像增强，几何校正，
监督分类以及专题制图等步骤。
二、实验数据
LE714402Байду номын сангаас2000268SGS00.tar.gz
9
8.监督分类 打开裁剪后的图像，以 RGB：543 显示，在 display 中选择Overlay →Region of interest
样本选择完成后，在 Option→Compute ROI Separability，选择分
10
类图像，查看分离性
Input File: 裁剪 ROI Name: (Jeffries-Matusita, Transformed Divergence)
单波段融合成多波段
3
3.图像边框的裁剪 通过主图像窗口-tools-region of interest-roi tool，然后自己在图像 上定义出一块感兴趣区（实际中难于确定严格准确的裁剪界限）。
4
4.图像的镶嵌 Map→mosaicking→georeferenced
启动镶嵌模板
5
6.图像几何校正 设置参数，参数在原始数据中的 txt 中可以查看
ELEVATION_SOURCE = "GLS2000" PROCESSING_SOFTWARE = "LPGS_9.1" EPHEMERIS_TYPE = "DEFINITIVE" SPACECRAFT_ID = "Landsat7" SENSOR_ID = "ETM+" SENSOR_MODE = "SAM" ACQUISITION_DATE = 2000-09-24 WRS_PATH = 144 BAND_COMBINATION = "123456678" PRODUCT_UL_CORNER_LAT = 45.5786828 PRODUCT_UL_CORNER_LON = 84.0750064 PRODUCT_UR_CORNER_LAT = 45.6157964 PRODUCT_UR_CORNER_LON = 87.2821725 PRODUCT_LL_CORNER_LAT = 43.5718357 PRODUCT_LL_CORNER_LON = 84.1739972 PRODUCT_LR_CORNER_LAT = 43.6064525 PRODUCT_LR_CORNER_LON = 87.2726073 PRODUCT_UL_CORNER_MAPX = 271800.000 PRODUCT_UL_CORNER_MAPY = 5051400.000 PRODUCT_UR_CORNER_MAPX = 522000.000 PRODUCT_UR_CORNER_MAPY = 5051400.000 PRODUCT_LL_CORNER_MAPX = 271800.000 PRODUCT_LL_CORNER_MAPY = 4828200.000 PRODUCT_LR_CORNER_MAPX = 522000.000 PRODUCT_LR_CORNER_MAPY = 4828200.000
6
启动校正模块，并利用 google 地球进行校正
7.裁剪 分别打开需要裁剪的图像和所在区域的 shapefile 文件
7
将矢量文件转成 ROI
8
利用 ROI 裁剪图像 选择主菜单→basic tools→subset data via ROIS，选择裁剪图像 在 spatial subset via ROI parameters 中，选择由矢量生成的 ROI， 在“Mask pixels outside of ROI？”项中选择 yes，Mask Background Value 为 0
水体 [Blue] 36084 points: 农田 [Green] 18122 points: (2.00000000 2.00000000) 沙漠 [Sienna] 200333 points: (1.99973178 2.00000000) 未利用土地 [Orchid] 57805 points: (1.99999494 2.00000000) 山体 [Purple] 355228 points: (1.98296692 2.00000000)
未利用土地 [Orchid] 57805 points: 水体 [Blue] 36084 points: (1.99999494 2.00000000) 农田 [Green] 18122 points: (2.00000000 2.00000000) 沙漠 [Sienna] 200333 points: (1.98700177 2.00000000) 山体 [Purple] 355228 points: (1.99987319 2.00000000)
农田 [Green] 18122 points: 水体 [Blue] 36084 points: (2.00000000 2.00000000) 沙漠 [Sienna] 200333 points: (1.99954820 1.99999924) 未利用土地 [Orchid] 57805 points: (2.00000000 2.00000000) 山体 [Purple] 355228 points: (1.98744710 1.99928798)
三、实验内容
1.遥感数据下载 2.数据格式转化及多波段的合
成 3.图像边框的裁剪 4.图像的镶嵌 6.图像几何校正 7.裁剪 8.监督分类 9.专题出图
四、实验步骤
1.遥感数据下载
输入地名及日期，搜索符合自己通途的数据，查看并下载
2
2.数据格式转化及多波段的合成 由于下载图像的格式 tif 格式，需要转成 img 格式。并将单波段 融合成为多波段，这一步在 erdas 中完成。 tif 转 img
沙漠 [Sienna] 200333 points: 水体 [Blue] 36084 points: (1.99973178 2.00000000) 农田 [Green] 18122 points: (1.99954820 1.99999924) 未利用土地 [Orchid] 57805 points: (1.98700177 2.00000000) 山体 [Purple] 355228 points: (1.84635561 1.96524858)
一、实验目的
ENVI 是一套功能齐全的遥感图像处理系统，是处理、分析并显
示多光谱数据、高光谱数据 和雷达数据的高级工具。此次实习主要是学习一些关于 ENVI 的
基本操作，如：图像预处理，影像分析，图像增强，几何校正，
监督分类以及专题制图等步骤。
二、实验数据
LE714402Байду номын сангаас2000268SGS00.tar.gz
9
8.监督分类 打开裁剪后的图像，以 RGB：543 显示，在 display 中选择Overlay →Region of interest
样本选择完成后，在 Option→Compute ROI Separability，选择分
10
类图像，查看分离性
Input File: 裁剪 ROI Name: (Jeffries-Matusita, Transformed Divergence)
单波段融合成多波段
3
3.图像边框的裁剪 通过主图像窗口-tools-region of interest-roi tool，然后自己在图像 上定义出一块感兴趣区（实际中难于确定严格准确的裁剪界限）。
4
4.图像的镶嵌 Map→mosaicking→georeferenced
启动镶嵌模板
5
6.图像几何校正 设置参数，参数在原始数据中的 txt 中可以查看
ELEVATION_SOURCE = "GLS2000" PROCESSING_SOFTWARE = "LPGS_9.1" EPHEMERIS_TYPE = "DEFINITIVE" SPACECRAFT_ID = "Landsat7" SENSOR_ID = "ETM+" SENSOR_MODE = "SAM" ACQUISITION_DATE = 2000-09-24 WRS_PATH = 144 BAND_COMBINATION = "123456678" PRODUCT_UL_CORNER_LAT = 45.5786828 PRODUCT_UL_CORNER_LON = 84.0750064 PRODUCT_UR_CORNER_LAT = 45.6157964 PRODUCT_UR_CORNER_LON = 87.2821725 PRODUCT_LL_CORNER_LAT = 43.5718357 PRODUCT_LL_CORNER_LON = 84.1739972 PRODUCT_LR_CORNER_LAT = 43.6064525 PRODUCT_LR_CORNER_LON = 87.2726073 PRODUCT_UL_CORNER_MAPX = 271800.000 PRODUCT_UL_CORNER_MAPY = 5051400.000 PRODUCT_UR_CORNER_MAPX = 522000.000 PRODUCT_UR_CORNER_MAPY = 5051400.000 PRODUCT_LL_CORNER_MAPX = 271800.000 PRODUCT_LL_CORNER_MAPY = 4828200.000 PRODUCT_LR_CORNER_MAPX = 522000.000 PRODUCT_LR_CORNER_MAPY = 4828200.000
6
启动校正模块，并利用 google 地球进行校正
7.裁剪 分别打开需要裁剪的图像和所在区域的 shapefile 文件
7
将矢量文件转成 ROI
8
利用 ROI 裁剪图像 选择主菜单→basic tools→subset data via ROIS，选择裁剪图像 在 spatial subset via ROI parameters 中，选择由矢量生成的 ROI， 在“Mask pixels outside of ROI？”项中选择 yes，Mask Background Value 为 0
水体 [Blue] 36084 points: 农田 [Green] 18122 points: (2.00000000 2.00000000) 沙漠 [Sienna] 200333 points: (1.99973178 2.00000000) 未利用土地 [Orchid] 57805 points: (1.99999494 2.00000000) 山体 [Purple] 355228 points: (1.98296692 2.00000000)
未利用土地 [Orchid] 57805 points: 水体 [Blue] 36084 points: (1.99999494 2.00000000) 农田 [Green] 18122 points: (2.00000000 2.00000000) 沙漠 [Sienna] 200333 points: (1.98700177 2.00000000) 山体 [Purple] 355228 points: (1.99987319 2.00000000)
农田 [Green] 18122 points: 水体 [Blue] 36084 points: (2.00000000 2.00000000) 沙漠 [Sienna] 200333 points: (1.99954820 1.99999924) 未利用土地 [Orchid] 57805 points: (2.00000000 2.00000000) 山体 [Purple] 355228 points: (1.98744710 1.99928798)