遥感实习指导

实习七

实习目的：

理解遥感图像目视解译的基本原理、过程、方法与技巧。掌握计算机遥感制图的基本过程。

实习内容：

使用GIS软件（如ArcGIS）软件对用高分辨率卫星遥感影像目视解译进行城市土地利用分类。并建立分类数据库及制作土地利用专题图。

实习主要步骤：

1．打开Arcmap，调入实习七中的影像文件（hankou2000.img）,并在layer properties 对话框中调整图像的RGB composite为真彩色。

2．打开Arc catalog 建立一新的shapefile, 命名为landuse并设置投影及坐标系为UTM WGS84.

3．回到Arcmap,打开landuse,在editor 工具栏中设为start editing.

4．以图像为底图进行解译，在屏幕上一边解译一边数字化，同时在attribute 对话框中输入土地利用类型，建立对整幅图像所覆盖的区域建立土地利用数据库。

5．制作土地利用专题图。注意专题图的各要件（图名，图例，指北针，比例尺等）需齐全。

6．提交成果。每位同学独立完成一幅土地利用专题图，以shapefile的形式提交（注意：可以输出一幅JPE格式的图件，但还必需有shapefile.）。

遥感实验心得体会

实习心得体会 遥感是一门理论性和实践性都很强大的专业课，需要我们在课堂上学习了理论知识后进行上机实验，以加深对所学知识的了解。 几何纠正这次试验本来是我们上周的自主完成试验，我用自己在网上下载的数据按照试验实验指导书上的要求做了一遍，在选点的时候选择了七个点，完成试验后也不知道怎样判断自己纠正的图像到底对不对，只是发现最终的生成结果中有一个4K大小的东西，结果是我做错了，这次，跟着老师做了一遍试验后，我对ERDAS这个软件有了一定的认识，并且顺利的完成了几何纠正，也意识到上次做实验时我的错误，首先，我打开来的两张图片并不都是img格式的，我没有将他们进行转换就进行的纠正，其次，我并没有完全理解课本上的纠正过程。我们选点的时候要选择六个以上的点，用来完成建模过程，然后其余的点可以用来对建立的模型进行检验以及纠正，我选则的七个点，纠正的结果应该是很差的。 然后，在这次试验课上，老师首先给我们介绍了ERDAS软件，然后，带着我们完成的做了一遍试验，试验由以下几部分组成： （1）显示图像文件（Display Image Files） （2）启动几何校正模块（Geometric Correction Tool） （3）启动控制点工具（Start GCP Tools） （4）采集地面控制点（Ground Control Point） （5）采集地面检查点（Ground Check Point） （6）计算转换模型（Compute Transformation） （7）图像重采样（Resample the Image） （8）保存几何校正模式（Save rectification Model） （9）检验校正结果（Verify rectification Result） 其中，最值得一说的是寻找控制点以及检查点，在寻找过程中，刚开始寻找是很慢的，图像看上去黑乎乎的，完全找不到自己想找的点，后来，顺着河流，道路的交叉点，很顺利的找到了自己想要找的点，在超过六个点以后找点时就方便了很多，在第一张图片上找点自己想要找的点，然后第二张图片上会自动匹配出点的位置，我们要寻找的范围缩小了很多，这时，我们要做的只剩下看看它匹配的准不准，如果不准，我们将点拖动到准确的点上即可。 第一次试验结束了，首先我对ERDAS这个软件有了一个认识，其次，我觉得要完成一个好的试验，我们对理论知识一定要有很深刻的认识，不然我们就像无头苍蝇，成为了一个工具，只是在做，却不知道自己在做什么，自己在哪边做错了也不知道，在自主完成试验之后，老师带领我们在做一遍，我们对试验的认识以及理论知识的了解会上升到另外一个高度，这样的实践教学对我们的学习应该会有很大的帮助。

实验五指导书遥感图像滤波

实验五遥感图像滤波 一、实验目的 1、了解图像滤波中空间信息增强的定义 2、掌握图像空间域滤波最基本的处理方法 3、了解图像频率域滤波中空间信息增强的含义 4、掌握图像频率域滤波基本的方法和过程 二、实验内容 1、对实验区TM单波段数据进行空间滤波处理 2、对图像进行空间域滤波并分析其效果 分析效果可以在“viewer”视窗口，亦可以用假彩色合成的方法对比前后的变换。 3、对实验区TM单波段数据进行频率域滤波处理 4、对图像进行频率域滤波并分析其效果 空间域与频率域的转换，频率图像编辑器的使用，高通和低通滤波，在“viewer”视窗口，亦可以用假彩色合成的方法对比前后的变换。 三、实验条件 电脑、ERDAS9.2软件。厦门市TM遥感影像 四、实验步骤 卷积增强是将整个图像按照像素分块进行平均处理，用于改变图像的空间频率特征。卷积处理的关键在于卷积（核）算子（Kernal）——系数矩阵的选择，常用的卷积算子分为3*3,5*5,7*7三组，每组有包括edge detect（边缘检测）、edge enhance（边缘增强）、low pass （低通滤波）、high pass（高通滤波）、horizonal（水平边缘检测）、vertical（垂直边缘检测）、cross edge detection（交叉边缘检测）、summary等8种不同的处理方式 1、空间域滤波操作 在ERDAS面板上，选择“interpreter”-“spatial enhancement”-“convolution”命令，打开图像卷积对话框，对图像进行空间域滤波。 1）在打开的卷积增强对话框中，加载图像（input file），单波段或合成图像均可。本实验中选择单波段数据。 2）在图像平滑或图像锐化的卷积算子（kernal）选择滤波算子。

遥感数字图像处理实习1

（1）以多波段组合方式将GeoTIFF格式的白银市TM原始数据转换为ENVI Standard 格式： 利用Basic Tools/Layer Stacking弹出对话框然后Import File，弹出对话框，导入GeoTIFF格式的TM原始数据，选择波段1、2、3、4、5和7， 点击OK，利用Choose选择输出路径及文件名，同时可以利用Reorder Files对输入的文件根据自己的需要进行调换顺序，点击OK输出ENVI Standard格式的数据。 （2）查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息，然后编辑头文件： 利用Basic Tools/Resize Data弹出对话框里面选择要查看的影像，左 边会出现其基本信息，如图所示：也有投影信息，既可以用来看单波段的也可以看合成后整个影像的信息。在对话框下，合成影像的名字上右击，选择Quick Statistics弹出对话框，在此对话框中点击Select Plo下拉菜单，选择单波段或者多波段的直方图，相应的对话框中会出现直方图（在结果与分析中记录），还可以右击选择edit修改横、纵坐标的单位。 同样的在合成影像的名字上右击，选择Edit Head，弹出对话框

然后点击Edit Attributes/Band Name弹出对话框，选中波段输入修改 后名字，点击OK即可进行波段名字的修改。点击Edit Attributes/Wavelengths弹出进行相应的波长的修改。 （3）在View视窗中，利用影像缩小、放大、漫游工具识别影像中的土地利用/土地覆盖类型: 可以结合当地的google earth上高分辨率的遥感影像，进行识别，利用Viewer视窗下Tools/SPEAR/Google Earth/Jump to Location可以在google earth上显示View主视窗中相应选中地物对应的位置。 （4）利用Viewer视窗打开影像，分别选取4、3、2和7、4、2波段组合进行假彩色合成，观察实习内容中所要求地物的色调变化： 利用File/Open Image File，选择第1步合成的ENVI Standard 格式的数据，弹出对话框，在其中选择RGB Color，将R、G、B分别设为4、3、2波段，点击Load Band，在Viewer#1中出现了4、3、2波段组合的假彩色图像，再在此窗口中，点击Display/New Display,弹出Viewer#2，选择RGB Color,将R、G、B分别设为7、4、2波段，点击Load Band，在Viewer#2中出现了7、4、2波段组合的假彩色图像，在Viewer窗口中右击选择Link Displays，弹出对话框，点击OK，可以把两个窗口中同一位置进行连接起来， 即其中一个窗口放大、缩小、漫游到某个位置，另外一个也跟着漫游到其相对应的位置。这样可以进行地物色调变化的对比。 （5）提取6种地物在不同波段的数值（Digital Number，DN），做光谱剖面图： 在Viewer视窗中Tools/Profile/Z Profile(Spectrum)弹出对话框,在其 Options下拉菜单中勾选Plot Key,对话框中出现了Viewer视窗中选中的目标地物的X，Y坐标，然后勾选Collect Spectra，鼠标箭头变为十字箭头，在目标地物中取九个点（本来图上就有一个，总共是十个点），然后在选择File/Save Plot As/ASCII弹出对话框 ，点击Select All Items，利用Choose选择输出路径和文件名，点击 OK，将其保存为.txt格式。选六种地物，重复以上操作，提取不同波段的数值（Digital Number，DN）。将.txt格式的文件用excel打开，然后用插入函数中的average函数求出每种地物的平均DN值，然后做出光谱剖面（光谱图如结果与分析中所示）。 （6）使用Excel制作6种地物的样本特征光谱统计表： 在Excel中分别使用插入函数中的AVERAGE、VAR、STDEV、MAX和MIN函数求出各地物样本DN值在各个波段的平均值、方差、标准差、最大值和最小值。然后，在07版Excel 的“Microsoft Office 按钮”，单击“Excel 选项”。“加载项”，然后在“管理”框中，选择“Excel 加载项”，单击“转到”弹出“加载宏”，在弹出来的对话框中选择“分析工具库”，并点击确定。然后从“工具”中找到“数据分析”，从“数据分析”对话框中选择“协方差”，并导入某种地物需求协方差的数据区域并选择“逐行”进行，最后选择数据输出区域并确定，则可得该地物的协方差矩阵。同理，在从“数据分析”对话框中选择“相关系数”，进行相应操作，可求得相关系数矩阵。（在结果与分析中附有个地物的样本特征光谱统计表）（7）制作散点图： 在Excel中，打开6种地物的样本DN数据（5步骤产生的），选择band2和band4做散

《遥感导论》实验指导书

目录 实验一ENVI窗口的基本操作 (1) 实验二认识遥感影像 (7) 实验三图像的彩色增强与色彩变换 (8) 实验四遥感影像的目视解译与制图 (13) 实验五遥感影像的计算机解译 (17)

实验一ENVI窗口的基本操作 一、实验目的 熟悉ENVI软件的窗口操作方法，掌握影像信息、像元信息浏方法，影像上距离和面积量算方法。 二、实验内容 1、熟悉遥感图像处理软件ENVI的窗口基本操作。 2、查看影像信息和像元信息。 3、距离测量与面积测量。 三、实验条件 电脑、ENVI4.5软件，厦门市TM遥感影像。 四、实验步骤 1、启动ENVI软件，界面如图1。 图1 ENVI软件界面 2、打开遥感影像，File → Open Image File，界面如图2。在打开文件对话框中，定位到存放影像数据的文件夹（如：预先下载的厦门市TM影像），打开遥感影像数据。 图2 打开影像文件 3、在自动打开的可用波段列表中，用“Load Band” 装载影像数据，显示三个影像窗口，如图3。 主图像窗口：主图像窗口由一幅以全分辨率显示的图像的一部分组成。该窗口在你第一次载入一幅图像时自动显示。窗口的原始大小由配置文件中（envi.cfg）的参数设置，窗口大小能动态缩放和调整。在主图像窗口中的功能

菜单条包括5 个下拉菜单，控制所有的ENVI 交互显示功能。 滚动窗口：滚动窗口是显示整幅影像的显示窗口，当显示的图像比主图像窗口以全分辨率能显示的图像大时出现滚动窗口，滚动窗口控制着显示在主图像窗口的图像部分。滚动窗口位置和大小初始值在envi.cfg 文件中设置并且可以被修改，也可以动态缩放。 缩放窗口：缩放窗口是一个小的图像显示窗口，显示主图像窗口的一部分。缩放窗口提供无限缩放能力，缩放系数出现在窗口标题栏的括号中。缩放窗口大小能动态地调整，其大小和默认的缩放系数同样在envi.cfg 文件进行设置。

遥感数字图像处理教程实习报告

遥感数字图像处理教程实习报告

《数字图像处理》 课程实习报告 （ 2011 - 2012学年第 1 学期） 专业班级：地信09-1班 姓名：梁二鹏 学号：310905030114 指导老师：刘春国 ---------------------------------------------- 实习成绩： 教师评语： 教 师

签 名 ： 年月日 实习一：图像彩色合成实习 一、实验目的 在学习遥感数字图像彩色合成基础上，应用所学知识，基于遥感图像处 理软件ENVI进行遥感数字图像彩色合成。 二、实验内容 彩色合成：利用TM图像can_tmr.img，实现灰度图像的密度分割、多波 段图像的真彩色合成、假彩色合成和标准假彩色合成。 三、实验步骤 1、显示灰度图像主要步骤： 1、打开ENVI4.7,单击FILE菜单，在下拉菜单中选择open image file 选 项，然后在弹出的对话框中选择can_tmr.img文件，单击打开。 2、在可用波段列表对话框中，选中某一波段图像，选中gray scale单选按 钮，单击LOAD BAND按钮，显示一幅灰度图像。 3、在可用波段列表对话框中，选择其他某一波段图像，进行显示。

4、利用可用波段列表中的display按钮，同时有多个窗口显示多个波段图像。 5、链接显示。利用图像窗口tool菜单下的link子菜单link display实现多图 像的链接显示。如图所示：红色方框。 6、使用tool菜单下的Cursor Location/value和pixel Locator功能在确定像 素的值和位置。

遥感实验

实验二：遥感图像的增强处理 1.实验目的和意义 （1）理解遥感图像的增强处理的方法和原理； （2）理解遥感图像彩色合成的原理，掌握遥感图像彩色合成的方法； （3）掌握遥感图像的增强处理，包括对比度变换（直方图）、空间滤波、HSL变换、多光谱变换（K-L变换，即主成分分析，PCA.；K-T变换，即缨帽变换）。 2、相关实验原理和步骤 （1）图像的彩色合成 A原理：色彩变换（RGB TO IHS）是将遥感图像从红(Ｒ)绿(Ｇ)蓝(Ｂ)三种颜色组成的色彩空间转换到以亮度（I），色度(Ｈ)，饱和度(Ｓ)作为定位参数的色彩空间，以便使图像的颜色与人眼看到的更接近。其中，亮度表示整个图像的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围是0-360；饱和度代表颜色的纯度，取值范围是0-1. B:步骤：Transform-color transform-RGB to HLS，如图： 真彩色与假彩色的对比 真彩色假彩色

（2）主成分分析 A原理：主成分变换（Principal Component Analysis）是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解释。ERDAS IMAGE提供的主成分变换功能最多能对256个波段的图像进行转换压缩。 B步骤：transform-principal component-Forward PC Rotation-compute New Statistics and Rotate；如图： 最后得到的分析结果图

（3）缨帽变换练习 A原理：采用缨帽变换可以将ＴＭ图像除热红外波段的6个波段压缩成3个分量，其中的土壤亮度指数分量是6个波段的加权和，反映了总体的反射值；绿色植被指数分量反映了绿色生物量的特征；土壤特征分量反映了可见光和近红外与较长的红外的差值，它对土壤湿度和植物湿度最为敏感。这样的三个分量就是ＴＭ数据进行缨帽变换后的新空间，它可以对植被、土壤等地面景物作更为细致、准确的分析，应用这种处理方法可增强影像上深色区域的信息。 B步骤：transform-tasseled cap-can_tmr.img。如图： （4）锐化处理； A原理：调整图像的锐化程度使地物在图像上的差别便于人眼识别，可达到信息增强的目的。对图像进行锐化增强实际上是利用变换函数把原图像进行灰度级转换，增大相邻像元的灰度值之差，从而达到突出图像细节的目的。B步骤：transform-image sharpening。 具体步骤及其效果图如下所示：

ENVI遥感图像配准实验报告

ENVI遥感图像配准 一、实验目的： 1、掌握ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。 2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。 3、深刻理解和巩固基本理论知识，掌握基本技能和动手操作能力，提高综合分析问题的能力。 二、实验原理 （1）最邻近法 最邻近法是将最邻近的像元值赋予新像元。该方法优点是输出图像仍然保持原来图像的像元值，简单，处理速度快。缺点就是会产生半个像元位置偏移，可能造成输出图像中某些地物的不连贯。适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。

双线性插方法是使用临近4个点的像元值，按照其距插点的距离赋予不同的权重，进行线性插。该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值，在后来的波谱识别分类分析中，会引起一些问题。 示意图： 由梯形计算公式： 故 同理 最终得：

三次卷积插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性插相似，先在Y 方向插四次（或X 方向），再在X 方向（或Y 方向）插四次，最终得到该像元的栅格值。该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域围。适用于航片和遥感影像的重采样。 作为对双线性插法的改进，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，立方卷积法利用了待采样点周围更大邻域像素的灰度值作三次插值。其三次多项式表示为： 我们可以设需要计算点的灰度值f（x,y）为：

遥感地学分析实验报

实验一植被覆盖度反演 一、实验目的 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。通常林冠称郁闭度，灌草等植被称覆盖度。它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义。目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI，本次实验完成植被覆盖度反演。 二、实验数据 实验选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是裁剪出北京市行政区内的范围。Landsat8 OLI影像是从地理空间数据云网站上下载得到的，其成像时间为2013年10月份。与Landsat7的ETM+成像仪相比，OLI成像仪获取的遥感图像辐射分辨率达到12比特，图像的几何精度和数据的信噪比也更高。OLI成像仪包括9个短波谱段（波段1～波段9），幅宽185km，其中全色波段地面分辨率为15m，其他谱段地面分辨率为30m。 三、实验方法 本文反演植被覆盖度所采用的是像元二分模型方法，像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，而遥感传感器观测到的光谱信息(S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。因此，像元二分模型的原理如下：VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息，其中Ssoil 为纯土壤像元的信息, Sveg 为纯植被像元的信息。 改进的像元二分法——遥感信息选择为NDVI VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) 两个参数的求解公式 NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin) NDVIveg=((1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 当区域内可以近似取VFCmax=100%，VFCmin=0% VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) 当区域内不可以近似取VFCmax=100%，VFCmin=0%，当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值；当没有实测数据的情况下，植被覆盖度的最大值和最小值根据经验估算。 其中, NDVIsoil 为裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI 值；而NDVIveg 则代表完全被植被所覆盖的像元的NDVI 值, 即纯植被像元的NDVI 值。 四、实验处理步骤 1、实验处理流程如下图所示

遥感图像实验报告

遥感图像实验报告 一．实验目的 1、初步了解目前主流的遥感图象处理软件ERDAS的主要功能模块。 2、掌握Landsat ETM遥感影像数据，数据获取手段.掌握遥感分类的方法， 土地利用变化的分析，植被变化分析，以及利用遥感软件建模的方法。 3、加深对遥感理论知识理解，掌握遥感处理技术平台和方法。 二．实验内容 1、遥感图像的分类 2、土地利用变化分析，植被变化分析 3、遥感空间建模技术 三．实验部分 1.遥感图像的分类 （1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统； （2）特征判别：对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理； （3）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本；（4）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器； （5）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理；分类图如下：

图1.1 1992年土地利用图 图1.2 2001年土地利用图

（6）结果验证：对分类结果进行评价，确定分类的精度和可靠性。 图1.3 1992年精度图 图1.4 2002年精度图 2.土地利用变化 2．1 两年土地利用相重合区域 （1）在两年的遥感影像中选择相同的区域。 Subset(x:568121~684371,y:3427359~3288369)，过程如下：

图2.1 截图过程图 图2.2.2 截图过程图

（2）土地利用专题地图如下： 图2.2.3 1992年专题地图 图2.2.4 2001年土地利用图

遥感地学分析读书报告

成像光谱技术研究动态 王立平刘洪博 1 引言 地物的反射辐射光谱特征是遥感的主要物理基础，是开展地球表层物质的物性和空间结构分析，进而加以识别的主要依据。成像光谱技术具有高光谱分辨率、超多波段和图谱合一的特点，在大尺度范围内探测地表物质连续光谱特性的同时，还获取了地物的空间形态和状态信息。成像光谱仪的光谱分辨率越高，所反映地物光谱特征就越精细，甚至可获取与实验室或地面实测光谱类似的曲线，为地物或地物成份的遥感识别奠定了基础。 2 成像光谱技术的发展与现状 成像光谱遥感所用的仪器是成像光谱仪。从世界范围来看，美国的成像技术发展较早，也最具代表性。从20世纪80年代到现在，美国已经研制了三代成像光谱仪。 第一代成像光谱仪的代表是航空成像光谱仪AIS。它由美国国家航空和航天管理局NASA所属的喷气推进实验室JPL设计，已于1984-1986年装在NASA的C-130飞机上飞行。这是一台装有二维、近红外阵列探测器的实验仪器，128个通道，光谱覆盖范围从1.2~2.4μm，并在内华达Cuprite地区的应用中取得很好的效果。 第二代成像光谱仪的代表是机载可见光/近红外成像光谱仪AVIRIS，它有224个通道，使用光谱范围为0.41~2.45μm，每个通道的波段宽约为10nm。曾放在改装后的高空U2飞机上使用．为目前最常用的航空光谱仪之一。 基于NASA仪器的成功应用，也基于采矿工业及石油工业的需求，在AVIRIS之后，地球物理环境研究公司GER又研制了l台64通道的高光谱分辨率扫描仪GERIS。其中63个通道为高光谱分辨率扫描仪，第64通道是用来存储航空陀螺信息。该仪器由3个单独的线性阵列探测器的光栅分光计组成。它与其他仪器的区别是在不同的光谱范围区内，通道的光谱宽度是不同的。

《ENVI》实训指导

《ENVI》实训指导书 ENVI快速入门 一、软件概况介绍： ENVI（The Environment for Visualizing Images）遥感影像处理软件是由美国著名的遥感科学家用IDL开发的一套功能齐全的遥感影像处理软件，它是处理、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。曾获2000、2001年美国权威机构NIMA遥感软件测评第一。 ENVI的应用领域包括：地质、林业、农业、模式识别、军事、自然资源勘探、海洋资源管理、环境和土地利用管理等。 二、ENVI的安装 1、ENVI永久许可 1)ENVI浮动license：服务器版，多个用户可以同时访问一个服务器，服务器需要安装license，客户端不需要安装license，但是需要进行设置。 2)ENVI加密狗：加密狗也需要license安装，但是有灵活、不依赖网卡的特点。 3)ENVI网卡加密：利用网卡号的唯一性进行加密，如果更换机器时，需要将原来的网卡拔下重新安装在新机器上。 2、ENVI临时许可 三、目录结构介绍 一般情况下ENVI安装在RSI文件夹下，完全版本包括IDL60、License等文件夹，ENVI的所有文件及文件夹保存在IDL60\products\ENVI40下。 ?Bin：相应的ENVI运行目录。 ?Data：数据目录，保存一矢量文件夹（一些矢量数据）和一些例子数据（有 些数据有头文件，有些数据没有头文件）。 ?Flt_func：ENVI常规传感器的光谱库文件。例如：aster、modis、spot、tm 等。 ?Help：ENVI的帮助文档。 ?Lib：IDL生成的可编译的程序，用于二次开发。 ?Map_proj：影像的投影信息，文本格式，客户可以进行定制。 ?Menu：ENVI菜单文件，可以进行中、英文菜单互换。并不是所有的英文菜单 都已经汉化，汉化工作我们正在做，以后会陆续推出。 ?Save：应用IDL可视化语言编译好的、可执行的ENVI程序。 ?Save_add：客户自主开发的、可执行程序。 ?Spec_lib：波谱库，不同地区可以有不同的波谱库，用户可以自定义。 四、中文菜单和英文菜单的互换 1、文件互换 在RSI\IDL60\products\envi40\menu目录下，display.men、 display_shortcut.men、envi.men三个文件是ENVI的菜单文件，可以将其（中文或英文）菜单文件备份后，将另外（英文或中文）菜单文件考入此目录下

遥感图像地学分类实验指导

遥感图像分类 一、背景知识 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。 非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。 二、实验目的 理解并掌握图像分类的原理，学会图像分类的常用方法：人工分类（目视解译）、计算机分类（监督分类、非监督分类）。能够针对不同情况，区别使用监督分类、非监督分类。理解计算机分类的常用算法实现过程。熟练掌握遥感图像分类精度评价方法、评价指标、评价原理，并能对分类结果进行后期处理。 三、实验内容（6课时） 1.非监督分类（Unsupervised Classification)； 2.监督分类（Supervised Classification)； 3.分类精度评价（evaluate classification）； 4.分类后处理（Post-Classification Process）； 四、实验准备 实验数据： 非监督分类文件：germtm.img 监督分类文件：tm_860516.img 监督模板文件：tm_860516.sig 五、实验步骤、方法 1、非监督分类（Unsupervised Classification)

遥感图像处理实习总结

遥 感 实 习 总 结 专业：摄影测量与遥感技术班级： 姓名： 学号：

为期两周的遥感数字图像处理结束了，在老师的精心安排下，我们全身心的投入到这次实习中。虽然是满天的时间，但是由于教室还有其他人占用并不能在那全天使用，所以说是两周实习但是我们能用是时间依然很少，我们要力抓每一分每一秒，熟练操作遥感数字图像处理软件。整个实习是以黄河水院为基础图形。通过格式变换、几何校正、图像剪裁、图像分类，以及最后的专题地图制作。 实习的过程简单又复杂，简单的是，只要动手，计算机几乎自动化的替你操作，复杂的是，在操作过程中，又有好多选项和注意的事项，有很多参数的设置很有讲究。所以在练习中我遇到好多问题，并通过解决这些问题进一步加深了对软件和课本知识的理解。 首先我们进行的是数据预处理。我们需要进行遥感图像的几何校正。由于各种误差所以遥感图像存在着几何变形，因此需要在操作前进行几何校正。流程如下：第一步：显示图像文件（打开两个视窗窗口），第二步：启动几何校正模块，第三步：启动控制点工具，第四步：地面控制点（GCP）的采集，第五步：采集地面检查点，第六步：图象重采样，第七步：保存几何校正模式。其中最关键最难的就属地面控制点的采集，我们使用的是二次多项式，所以得选取六个控制点然后再选出六个检查点。但是图像存在着误差，而我们要把误差控制在一个像素以内，这就更加困难了。在进过长时间的摸索和练习，精度慢慢的就达到了，但是

图纠正后依旧不是很好，在询问同学后发现原来是点的分布不是很均匀，所以导致了图的变形。在图的校正后就得进行图范围的裁剪得到所需的范围。裁剪有两种方法一种是规则分幅裁剪，一种是不规则分幅裁剪。规则分幅裁剪需要知道坐标，而不规则分幅裁剪则只需要在图上手选出需要裁剪的范围。而我们没有坐标只能用不规则分幅裁剪。 第二项就是图象增强处理，主要包括：空间、辐射、光谱增强处理的主要方法。空间增强：包括卷积增强处理，辐射增强：直方图均衡化处理，光谱增强：主成份变换、缨穗变换、色彩变换。这一项比较简单，通过指导书和上课的学习，这些增强只要知道步骤就能很快完成。 第三项我认为也是最关键的一项，遥感图像的分类，所谓的遥感图像的分类就是通过人工目译或计算机自动分类处理相结合识别出地物属性。我们做的分类是非监督分类，在进行的分类评价时，应用分类叠加方法来评价分类结果、分类精度及定义时应注意分类文件在上，而且取消栅格参数中清楚选示选项，以使两图像叠加显示。非监督分类步骤如下：第一步：显示原图像与分类图像，第二步：打开分类图像属性并调整字段显示顺序，第三步：给各个类别赋相应的颜色，第四步：不透明度设置，第五步：确定类别专题意义及其准确程度，第六步：标注类别的名称和相应颜色，第七步：将相同的类进行合并，最后分为五大类：建筑物、道路（空闲地）、水系、草地和灌木林。

遥感地学分析读书笔记

绪论 根据遥感信息的利用方式和效应，可以把遥感技术的发展划分为四个阶段： 1.瞬时信息的定性分析 2.空间信息的定位分析 3.时间信息的趋势分析 4.环境信息的综合分 析，即多种来源信息的复合分析 第一章遥感信息的地学评价 （一）遥感信息的属性 1.遥感信息的多源性（平台、载体的多层次，波段不同，视场不同，时间不同） 2.遥感信息的物理属性（不同的空间分辨率、波普分辨率、时间分辨率） （二）遥感研究对象的地学属性 1.空间分布 2.波谱反射和辐射特征 3.时相变化 二、遥感信息地学评价的标准 （一）空间分辨率 空间分辨率又可称为地面分辨率，指一个影像上能够详细区分的最小单元的尺寸或大小。空间分辨率有三种表示形式： （1）象元，每个象元的大小在地面上对应的范围，即在地表与一个象元大小相当的尺寸，用米表示。 （2）象解率，指胶片上1毫米间隔内包含的线对数，用线对/毫米来表示。 （3）视场角，指电子传感器的瞬时视域，用豪弧度表示。视场角小，得到的光通量小，空间分辨率低；反之，空间分辨率高。 （二）波谱分辨率 波普分辨率指传感器所用的波段数目、波段波长以及波段宽度。也就是选择的通道数、每个通道的波长、带宽，这三个因素决定波普分辨率。 对于传感器波谱分辨率的选择，有两种情况。在实验过程中，分析波谱特征时，光谱波段分得愈多愈细、频带宽度愈窄，所包含的信息量就愈大，针对性愈强，则易于鉴别细微差异，因而在实验室研究中多光谱波段往往可以发展到十几、甚至几十个波段.但是在实际应用中，便要对之进行综合归纳。因为波段分得愈细，各波段数据间的相关性就愈大，增加了信息的冗余度，未必能达到预期识别效果。同时波段愈多，数据量愈大，给数据传输、数据处理和鉴别带来困难。 （三）时间分辨率 时间分辨率指对同一地区遥感影像重复覆盖的频率。 第二节陆地卫星系列的地学评价 (三)火箭遥感的特点 1. 火箭可以选择最有利的时机 2.火箭资料有快速、大面积同步覆盖的特点 3.火箭灵活、方便，发射简单，准备时间短，发射架小，可以移动 4.成本较低，并可根据用户的需要来设计 5.摄影处理设备简单 二、航空遥感的特点 航空遥感作为遥感立体观测系统中不可缺少的一部分，有其明显的特点。 1.航空遥感空间分辨率高、信息容量大，主要服务于较大比例尺的区域资源与环 境详查，以及解决工程技术上的具体问题，其经济与社会效益明显。 2，航空遥感灵活、方便，适用于专题遥感研究。它可以根据用户的需求，灵活选择具有一定空间分辨率、波谱分辨率、时间分辨率的遥感信息，设计航空遥惑飞行的方案和路线等。获得图象较为方便，成本不高。

太原理工大学遥感原理与应用实验指导书

《遥感原理与应用》实验指导书 矿业工程学院 测绘科学与技术系

实验一、遥感图像几何校正（2学时）实验二、遥感图像辐射增强（2学时）实验三、遥感图像非监督分类（2学时）

实验一、遥感图像几何校正（2学时）

原理与方法简介遥感影像由于遥感平台位置和运动状态变化、地形起伏、地球表面曲率、大气折射、地球自转等诸多因素的影响而产生与地面目标位置和（或）形状方面的不相一致的几何畸变，通过一定的数学算法，使这种畸变消除或接近消除，这就是几何校正。常用的几何校正计算方法主要有以下三种： 1）邻域法（Nearest neighbor ）——将最接近的像元值赋予输出像元（图1.1）； Figure1.1Nearest Neighbor 邻域法优点：极值和一些细节不会丢失，对植被分类、查找具线性特征的边界或侦测湖水的混浊度和温度是重要的。该方法适用于分类之前，计算速度快，适合于具有定性和定量特点的专题图像研究。 其缺点是：从较大的栅格重采样到较小栅格时会出现阶梯状斜线；可能会丢失或重复一些数值；用于线形专题图（如道路、水系）可能引起线状网络数据断开或出现裂隙。 2）双线性内插法（bilinear interpolation ）——利用二次样条函数计算2×2窗口中的4个像元值并赋予输出像元（图1.2）。 Figure1.2Bilinear Interpolation 113V dy D V V V m +?-= 224V dy V V Vn +?-=

m m n V dx D V V Vr +?-=或：i i i i i i i r V D y D x D V W V ??-?-==∑∑==41241))((W i ——权重因子 Δx i ，Δy i ——r 点与i 点的坐标变化 V i ——i 像元值 双线性内插法的优点是：图像较平滑，不会出现阶梯现象，空间精度较高，常用于需要改变像元大小的场合，如SPOT/TM 的融合。 其缺点是：由于像元作过平均计算，相当于低通滤波（Low-frequency convolution ）的效果，边界平滑，某些极值会丢失。 3）立方卷积内插法（Cubic convolution ）——利用三次函数计算4×4窗口中的像素值并赋予输出像素（图1.3） 。 Figure 1.3Cubic Convolution 类似于双线性内插，只是所用窗口为4*4，而非2*2，即对16个像元作平均运算而得出输出像元的数据文件值。 ]} 2)2,2([*)2,2(]1)2,1([*)2,1()]2,([*)2,(]1)2,1([*)2,1({4 1--++-+++ --++-+++ -+-++ +-+--+-=∑=n j i d f n j i V n j i d f n j i V n j i d f n j i V n j i d f n j i V V i r 其中：i=int(x r )，j=int(y r ) d(i ，j)——(i ，j)和(x r ,y r )坐标距离 V(i ，j)——(i ，j)像元值 V r ——输出像元数据文件值

遥感反演地表温度

遥感地学分析 实验报告 成绩： 姓名： 学号： 班级： 题目：

课程实验报告要求 一、实验目的 掌握并熟悉band math的操作，对建筑用地分离用的几个建筑指数；学会面对对象分类；学会反演地表温度。 二、实验准备 软件准备： 数据准备：中等分辨率数据AA、高分辨率数据、热岛监测band6 三、实验步骤 1.中等分辨率数据中城市范围的提取： （1）加载数据AA，首先在BAND MATH里面计算图像的NDVI值其公式：(float(b1)-float(b2))/(float(b1)+float(b2))，正确输入公式后点击OK； 在接下来的界面中为公式中b1和b2赋予相应的波段，及近红外波段和红色波段，选择合适的路径即可点击OK； 结果如图：

（2）同样用上述发放计算图像的归一化建筑指数（NDBI值），公式同样使用前面所用，但是后面给b1和b2赋予第五和第四波段就行，同样选择合适的路径即可； 结果如图：

（3）利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数（MNDBI），MNDBI= NDBI+(1-NDVI)，首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段； 结果如图：

（3）同样使用上述方法计算城镇用地指数（ULI）计算公式为ULI=NDBI and NDVI，同样在BAND MATH中输入公式并赋予相应的波段，在设置好输出路径即可； 结果如图：

（4）三种指数的阈值的设置，通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值；通过查看NDBI的阈值设置为，并将其在band math中进行二值化； 通过查看MNDBI的阈值设置为，并将其在band math中进行二值化；

利用ENVI软件进行遥感图像的融合和增强实习报告

遥感图像处理实习报告实验内容：影像融合与增强 班级：测绘1102班 学号： 1110020213 姓名： 指导老师：陈晓宁、黄远程、竞霞、史晓亮 西安科技大学 测绘科学与技术学院 二零一三年一月 实习三影像融合与增强

一、实习内容： 1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点； 2.熟悉ENVI图像增强操作； 3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。 二、实习目的： 1.了解和认识各种图像融合方法的原理、内容及要点； 2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较； 3.学习利用ENVI软件进行各种图像增强处理操作； 4.学会定性、定量分析比较图像融合的差异。 三、实习步骤： 1.图像融合： 三波段融合： HSV和Color Normalized (Brovey)变换： 1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中； 2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1； 3）在ENVI的主菜单选择Transform → Image Sharpening → HSV； 4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。 5）从High Resolution Input File对话框中选择全色影像，点击OK。 6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合； 与上述方法类似，选择Transform → Image Sharpening → Color Normalized (Brovey)，使用Brovey进行融合变换。 多光谱融合： Gram-Schmidt、主成分（PC）和color normalized (CN)变换

遥感地学分析复习题2012

题型： 1、简答题：地表温度反演20分；简答10分。 2、判断题：2 x 10 = 20分； 3、填空题：2 x 10 = 20分； 4、选择题：2 x 5 = 10分； 5、名词解释：4 x 5 = 20分。 名词解释： 1、植被指数：多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。 2、红边：反射光谱的一阶微分最大值所对应的光谱位置，对应红光区外叶绿素吸收减少部位到近红外高反射肩之间，健康植物的光谱响应陡然增加的（量度增加约10倍）的这一窄条区。通常位于0.68~0.75μm之间。 3、遥感地学分析：建立在地学规律基础上的遥感信息处理和分析模型，其结合物理手段、数学方法和地学分析等综合型应用技术和理论，通过对遥感信息的处理和分析，获得能反映地球区域分异规律和地学发展过程的有效信息的理论方法。 4、叶面积指数LAI：单位土地面积上的柱体内全部植物叶子面积（仅叶片向上半面）之和。 5、叶倾角：叶子向上半面某一点上的法线方向与Z轴（垂直于水平面指向天空）的交角，称为叶子在该点的倾角。 6、光合有效辐射：植物光合作用是植物叶片的叶绿素吸收光能和转化光能的过程。植物光合作用所能利用的仅仅是太阳光的可见光部分（0.4~0.7um），这个波长范围的太阳辐射也称为光合有效辐射 7、劈窗算法：是利用相邻两个热红外通道来进行地表温度反演的方法，是目前为止发展最为成熟的地表温度反演算法。 8、水体富营养化：当大量的营养盐进入水体后，在一定条件下引起藻类的大量繁殖，而后在藻类死亡分解过程中消耗大量溶解氧，从而导致鱼类和贝类的死亡。这一过程称为水体的富营养化。 填空题： 1、水体的反射光谱特性三方面的贡献：包含水表面反射、水体底部物质反射及水中悬浮物质的反射3方面的贡献。 2、1.3um以外植物含水量的三个吸收波段：1.4、1.9和2.7um。 3、Landsat TM缨帽变换为6维空间，前三维分量有意义，包括： 亮度，反映总体亮度变换 绿度GVI，反映地面植物的绿度 湿度 4、对水体的反射波谱影响最大的4个组分：纯水、浮游植物、悬浮物、黄色物质。 5、维恩位移定律：地面物体的温度在300k 时，辐射峰值波长在9.7um 附近。