遥感实验报告.docx

遥感实验报告.docx

《遥感实验报告.docx》由会员分享，可在线阅读，更多相关《遥感实验报告.docx（19页珍藏版）》请在冰豆网上搜索。

遥感实验报告

重庆交通大学

学生实验报告

实验课程名称遥感原理与应用

开课实验室测量与空间信息处理实验室

学院2013年级测绘工程专业1班

学生姓名刘文洋

学号************

开课时间2015至2016学年第1学期

总成绩

教师签名

实验一ENVI视窗的基本操作

一、实验目的

初步了解目前主流的遥感图象处理软件ENVI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、实验内容

视窗功能介绍；文件菜单操作；显示数据；裁剪数据；合并波段

三、实验步骤

1、首先打开ENVI4.7软件，看见的只有菜单栏，如图所示：

2、打开每个下拉菜单浏览其下拉栏中都有哪些功能，比如:

我们如果需要打开遥感文件，则可以选择File下的打开功能openimagefile，打开遥感图像如下图：

裁剪数据打开basictools的resizedata功能，如果需要对图像进行一系列处理，可以利用Transform，Classification等功能进行操作，在后续实验中我们也会用到其中的一些功能进行图像的一系列操作，到时候在详细叙述。

3、再熟悉了ENVI4.7的一些基本知识后我们可以简单地操作下，比如对一组数据分别用GrayScale和LoadRGB导入，看看两幅图的区别以及各自的优缺点。

四、实验结果分析

在这次的实验中，我们简单的熟悉了下ENVI4.7的一些功能，发现它是可以对遥感图像进行图像几何纠正，直方图均衡，监督分类，非监督分类等一系列操作，为我们后续利用软件对遥感图像处理打下了基础。

实验二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，深刻理解遥感图像几何校正的意义。

二、实验内容

ENVI软件中图像预处理模块下的图像几何校正。

利用控制点的选择和编辑来纠正影像。

三、实验步骤

1、导入进行几何纠正的基础遥感影像和待纠正的遥感影像

2、对两幅图像进行裁剪至需要几何纠正的区域。

应用BasicTools中的ResizeData功能，将两幅图像裁剪至指定区域。

（注意：

裁剪下来的两幅图的区域要大致一样才行。

如：

3、选取控制点。

注意选取的控制点间的RMS最大不得大于0.5000，如在选取控制点的过程中遇到大于0.5000的情况，就对RMS最大的点进行调整，遵循原则：

向左；

向上；

，向右；

，向下。

直至每个点的RMS都小于0.5000,在完成了控制点的选取后，将控制点数据保存到制定位置，方便以后查看与修改，本次的控制点数据如下：

4、进行图像纠正，并存盘。

四、实验结果分析

实验结果：

在此次的实验过程中，控制点的选取是至关重要的，如果不能较精确的选择控点校正后的图像有很大的误差，再出现误差后，尽可能的将RMS调到最小；而选择控制点是要图中均匀的选取，不能局部过于密集。

校正后的图像可以和参考图像进行关联对比。

实验三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

直方图均衡化；灰度反转；直方图正态化。

三、实验步骤

1、直方图均衡化处理

（1）ENVI中打开12840-123457影像，GrayScale模式加载第一波段的影像

（2）选择Image窗口中Enhance选项下的ImageEqualization来实现图像的均衡化处理。

2、直方图拉伸

（1）选择Enhance菜单下的InteractiveStretching选项，单击StretchType菜单，选择不同类型，单击Apply应用即可得到不同的拉伸效果。

（2）选择不同类型就可得到不同的效果图

3、图像匹配

（1）以波段6影像作为基准影像，波段1影像作为待匹配影像。

灰度模式加载第一波段的影像；右击第六波段选择LoadBandtoNewDisplay。

（2）选择波段1影响下的Enhance—>HitogrmMatching选项，在弹出的HitogrmMatching对话框中选定Display#2，单击ok按钮，就可以完成两张影像的匹配。

（3）查看图像的直方图，打开第一张图像的enhance中的interctivestrtching选项，显示出原始图像和匹配后图像的影像信息，1号窗口中红色是2号窗口的图像直方图，白色的是对1号窗口处理后的直方图。

四、实验结果分析

1、直方图均衡化结果：

2、直方图拉伸结果

Stretch_TypeLinear

Stretch_TypeGaussian

3、直方图匹配结果

通过本次上机操作，了解辐射增强的过程和方法，加深了图象增强处理的理解。

学会了线性拉伸，直方图的均衡和直方图的匹配，将课本上的内容通过软件应用到实际操作中去，加深了对理论的认识，熟练了实际操作。

总的来说这次的实验相对来说比较简单，在完成了图像增强后，和原始图像比较发现图像更易判读了，这也与书本上学习到的知识相符合。

实验四遥感图像的变换

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

波段比值变换；主成分变换

三、实验步骤

1、波段比值变换

（1）在ENVI中打开12840-123457影像，选择Trasform选项下的BandRations选项，弹出BandRationsInputBands对话框。

在分子Numerator一栏里添加第一波顿，在分母Denomirator一栏里添加地理波顿，单击ok按钮，在SelectedRatrioPairs中出现新增波段时再单击ok按钮即可。

（2）在弹出的Bandratioparameter对话框中选Memory，单击ok

（3）比值是浮点数，影像越暗，两个波段的比值越小，越亮比值越大。

2、主成分分析法

（1）在ENVI开发环境中打开12840-123457中的RGB为321波段的影像。

（2）选择Transform菜单下的PrincipalComponent子菜单下的ForwardPCRotation下的ComputeNewStatisticsandRotate选项，在弹出的PrincipalComponentsInputFile对话框中，在SelectInput中选中Memory1，单击ok。

（3）在ForwardPCParameters对话框的choose选项设定输出路径，记的SeletedOutputPCBands对话框，将NumberofOutputPCBands的参数改为5（生成新的主成分影像，主分量个数为5）单击ok。

（4）在二用的波段列表中，依次打开主分量影像。

其中PC1为第一主分量影像，信息量最丰富，噪声最少；其次是第二主分量PC2，以此类推。

四、实验结果分析

1、波段比值变换结果

2、主成分分析法结果

PCBand1

PCBand3

本次实验对波段比值变换和主成分分析法进行了操作，可以看出这两种方法都可以增强地物间的差异，特别是波段比值变换，使得地物之间的差异显得更加明显，而主成分分析法可以减少噪声，使得图像更加清晰，使得提取图像上的信息变得容易了许多，在完成的实验后的五个波段里面，第一波段的噪声最少，越往后面的波段噪声就越来越多，图像变得模糊，从PCEigenvalues图中的折线也能得出这样的事实。

实验五遥感信息的融合

一、实验目的

通过上机操作，初步掌握遥感信息复合的方法，深入理解遥感信息复合在信息解译中的意义。

二、实验内容

多光谱数据与高分辨率全色数据的融合。

分辨率融合是遥感信息融合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。

三、实验步骤

（1）加载12840-8高分辨率影像

（2）导入12480-123457数据的真彩色影像。

（3）单击Transform—>ImageSharpening—>HSV，选中12840-8图像高分辨率图像，选中真彩色影像为多光谱影像。

（4）输入处理结果路径，选择重采样方法，打开融合后影像#2.可以看出结果既有光谱信息，色彩丰富，又有高空间分辨率的特点。

四、实验结果分析

实验结果：

完成这次试验后，我们清楚地知道了可以应用这种办法使得一张图像既具有全色图像的高分辨率的特点，又可以使其拥有多光谱影像的色调和饱和度。

若使得一张图像拥有上述两种特点，那么我们就可以从这张图像上获取更多的有用的信息，补充了单一传感器的不足。

实验六遥感图像分类---监督分类

一、实验目的

理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。

二、实验内容

ENVI遥感图像监督分类：

1.最小距离法；2.最大似然法

三、实验步骤

1、首先打开实验二所裁剪过后的12840-123457文件，打开RGB图像。

2、通过#1下的菜单栏中的overlay→regionofinterest→zoom，在ROI_Type中输入民称水体。

然后选择newregin，分别按照上面步骤输入植被、裸地、居民地，然后对这四项的颜色进行选择。

3、然后对水体，植被、裸地、居民地四项进行编辑，选择zoom选项，然后用鼠标左键进行划线，划线完成后，点击右键，闭合。

再点击一次右键，则系统自动进行填充。

4、完成第三步后，选择options→competeROIseparability→原始图像→selectallitems→ok。

5、点击classification→supervised→minimumdistance→选择原始图像→ok→selectallitems→保存→ok。

6、最后来计算混淆矩阵：

classification→postclassification→confusionmatrix→usinggroundtruthROIS。

四、实验结果分析

监督分类后图像：

混淆矩阵：

完成这次实验后，使得我们熟悉了监督分类的操作步骤，在这次的实验中，可以看出监督分类的步骤也不算太复杂，只需要在对水体、植被、居民地等进行勾勒是需要比较小心才行，而且在完成了监督分类后，若对完成后的图像的颜色不是很满意是，可以在zoom的color栏里进行调整。

总之在完成一次实验的过程中，细心和耐心非常重要。

实验七遥感图像分类---非监督分类

一、实验目的

进一步理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的，同时深刻理解监督分类与非监督分类的区别。

二、实验内容

ENVI遥感图像非监督分类。

三、实验步骤

1、打开裁剪过后的实验数据

2、选中classification→unsuperived→IsoDate→OK。

3、原始图像上打开overlay→classfication→打开前面分类后的影像→OK。

4、点击option→Editclassname/color→进行编辑→file—save。

5、点击classification→postclassification→combineclass→OK。

然后进行颜色的修改。

6、点击classification→postclassification→clumpclass。

7、点击classification→postclassification→minimummatris→usinggroundtruthROIs

四、实验结果分析

非监督分类结果：

混淆矩阵：

通过这次非监督分类的实验，我们熟悉了非监督分类的操作步骤，也复习了书本上所学习到的理论知识。

在完成监督分类和非监督分类两次试验后，我们发现它们两者的区别在于人为的干扰，很明显监督分类需要人的先验知识更多，而非监督分类则是不需要的。

完成这次实验后，让我们对于图像的分类有了更深的了解与掌握。

实验八遥感图像分类后处理

一、实验目的

对分类影像进行后续编辑，进一步提高分类精度；提取混淆矩阵报告，定量分析分类质量。

二、实验内容

分类后处理，混淆矩阵生成

三、实验步骤

在完成分类处理后，我们需要进行混淆矩阵的计算，步骤十分简单：

点击classification→postclassification→confusionmatrix→usinggroundtruthROIS→选择图像→ok。

四、实验结果分析

监督分类混淆矩阵：

非监督分类混淆矩阵：

其实计算混淆矩阵在ENVI4.7里面很容易实现，只需要按照上述的实验步骤进行操作就行了。

混淆矩阵的作用在于检验分类处理的精度，通过混淆矩阵，我们可以发现某一类别错误分类和正确分类的个数，也可以计算用户精度、实验精度、平均精度、总体精度等，检验我们的分类处理是否符合要求。