遥感影像解译手册
遥感影像目视解译方法
遥感影像目视解译方法引言遥感影像是利用航空器或卫星等平台获取的地面信息的图像。
目视解译是解析遥感影像的一种方法，它依赖于人眼对图像进行直观分析和判断。
本文将介绍遥感影像目视解译的一些基本方法和技巧。
1. 目视解译概述目视解译是指直接观察和分析遥感影像，根据特定地物和地貌在不同波段上的反射或辐射特性，识别和判断遥感影像中的地物种类、分布和状态。
目视解译通常可以提供一些较高级别的信息，如土地利用分类、植被类型、水体边界等。
2. 目视解译步骤2.1 数据准备在进行目视解译之前，需要准备好相应的遥感影像数据。
常见的遥感影像数据包括多光谱影像、高分辨率影像等。
同时，还需要了解影像的数据源、分辨率、波段等基本信息。
2.2 影像预处理对遥感影像进行预处理可以提高解译的准确性。
常见的预处理操作包括去噪、辐射定标、几何纠正等。
这些操作可以消除影像中的噪声、减少大气影响，并保证影像的几何精度。
2.3 目视解译方法在进行目视解译时，可以采用以下方法进行分析和判断： - 空间解译：根据图像中地物的形状、大小、纹理等空间特征进行解译。
- 光谱解译：利用遥感影像不同波段的反射或辐射特性，对地物进行分类和识别。
- 形态解译：根据地物的形态特征，如轮廓、阴影等，进行解译。
- 上下文解译：根据地物的空间分布、相邻关系等，进行解译和判断。
2.4 解译记录与输出在进行目视解译时，需要记录解译结果和相关信息。
可以使用表格、文本描述等方式进行记录。
解译结果可以输出为矢量图、分类图等形式。
3. 目视解译技巧3.1 借助辅助数据使用辅助数据可以提高目视解译的准确性和效率。
常见的辅助数据包括地形图、土地利用数据、通用土壤分类数据等。
这些数据可以提供额外的信息和参考，帮助解译者进行判断。
3.2 注重细节目视解译需要对遥感影像进行细致的观察和分析。
解译者应该注意影像中地物的细节特征，如纹理、形状、边界等。
细节观察有助于准确识别地物和判断地物类型。
遥感影像目视解译方法
不同解译者在同一遥感影像上可能得出不同的解译结果，影响数据的应用效果和决策的准确性。
解译结果的差异
解译精度与可靠性问题
信息提取与处理的优先级
在目视解译过程中，需要权衡信息提取与处理之间的关系。然而，由于遥感影像的复杂性和多层次性，这一矛盾往往难以解决。
解译速度与质量的平衡
与地理信息系统（GIS）的结合
利用GIS提供的空间信息和分析功能，辅助遥感影像目视解译，提高定位精度和空间分析能力。
遥感影像目视解译与其他领域的交叉研究与应用
与全球定位系统（GPS）的结合
通过GPS获取精确的位置信息，将遥感影像与实地坐标进行匹配，实现精准解译和动态监测。
与计算机视觉和模式识别技术的结合
高光谱与超光谱遥感影像融合
03
时序遥感影像融合
将不同时间拍摄的遥感影像进行融合，提高影像质量、增加信息量并辅助变化检测。
时序遥感影像分析与解译方法
01
时序变化检测
通过对同一地区不同时间拍摄的遥感影像进行比较，检测地物的变化情况，如建筑物拆迁、植被生长等。
02
时序影像序列分析
将多个时序遥感影像进行连续分析和比对，提取地物的动态变化特征，提高解译精度和可靠性。
详细描述
在地貌与地形分析中，主要包括对山脉、丘陵、平原、盆地等地貌形态的识别和分析，通过对这些地貌形态的特征进行提取，可以有效地获取地形地貌的信息，为地质灾害预警和土地资源开发利用提供支持。
地貌与地形分析
总结词
水体识别与分类是遥感影像目视解译的一个重要方向，主要是通过对影像中的水体特征进行分析，将它们分为不同的水体类型并进行分类。
2023
遥感影像目视解译方法
生态学中的遥感影像解译技术使用教程
生态学中的遥感影像解译技术使用教程遥感影像是生态学研究中不可或缺的工具之一，它可以提供大范围、高空间分辨率、多时相的地表信息，帮助科学家们监测和分析地球表面的生态系统。
遥感影像解译技术是利用遥感影像数据，通过对图像进行解译，提取和分析信息来获取关于地表特征和变化的有用信息。
本文将简要介绍生态学中常用的遥感影像解译技术，包括图像预处理、分类算法和应用实例。
首先，图像预处理是遥感影像解译的重要步骤。
预处理可以消除图像中的噪声，增强图像的对比度和目标物体的边缘，提供更清晰、可靠的数据。
图像预处理包括辐射校正、大气校正、几何校正和噪声滤波等步骤。
辐射校正旨在将原始图像转换为反射率表征，以消除光照条件的影响。
大气校正是为了消除大气散射的影响，以便更准确地获取地表信息。
几何校正是为了纠正图像几何失真，使地物位置与实际地理位置一致。
噪声滤波可以去除图像中的随机噪声，提高图像质量。
其次，分类算法是遥感影像解译的核心内容。
分类算法是根据图像上的像素值，将其划分为不同的类别，以描述地物类别和分布情况。
常用的分类算法包括监督分类和非监督分类。
监督分类是事先需要提供训练样本，通过对样本进行训练，然后将训练得到的分类器应用到整个图像中。
常用的监督分类算法有支持向量机（SVM）、人工神经网络（ANN）和决策树等。
非监督分类是无需提供训练样本，通过对图像上的像素值进行相似性度量和聚类分析，将图像划分为不同的类别。
常用的非监督分类算法有K-means聚类、最大似然分类和谱聚类等。
最后，生态学中的遥感影像解译技术在许多领域有广泛的应用。
例如，在陆地生态学中，可以利用遥感影像解译技术对植被覆盖和类型进行监测和评估，分析植被变化和演替过程，研究人类活动对生态系统的影响。
在水生生态学中，可以利用遥感影像解译技术监测水体质量，分析水体蓝藻水华的发生与分布规律，评估湖泊和河流的健康状况。
在动物生态学中，可以利用遥感影像解译技术研究动物栖息地的变化，分析迁徙和分布模式，评估威胁和保护策略。
遥感影像解译技术使用指南
遥感影像解译技术使用指南遥感影像解译技术在现代科学和地理信息系统中扮演着重要角色。
它通过获取和解析遥感数据，为环境监测、土地利用规划、资源调查等领域提供了宝贵的信息。
本文将为您提供一份遥感影像解译技术使用指南，帮助您了解和运用这一技术。
一、遥感影像解译简介遥感影像解译是从卫星或航空平台获取的高分辨率图像中提取有用信息的过程。
它能够帮助我们识别地表物体和地貌特征，例如土地利用类型、农作物生长状态、水体面积等。
在解译过程中，我们将遥感影像与现场数据、地理信息系统（GIS）数据进行结合，以获得更准确的结果。
二、获取遥感影像数据在开始遥感影像解译之前，首先需要获取相应的影像数据。
目前，有许多渠道可以获取遥感影像数据，如国家卫星气象中心、国土资源部门等。
您可以选择根据需要和预算选择适合的数据来源。
三、预处理遥感影像在开始解译之前，对遥感影像进行预处理是非常重要的。
预处理包括校正、投影、云层和噪声的去除等步骤。
这些步骤可以帮助我们准确地解译图像，并提高数据的可靠性。
四、选择合适的解译方法在遥感影像解译中，有许多不同的方法可以选择。
根据地物类型和研究目的，可以选择分类、目视解译、目标检测等方法。
分类方法可以将图像中的像素归类为不同的地物类型，目视解译则通过可视化方法直接进行地物辨识，而目标检测可以帮助我们快速发现和识别感兴趣的目标。
五、利用辅助数据为了提高解译结果的准确性，我们可以利用辅助数据，如地形、气象、土壤等环境数据。
这些数据可以与遥感影像进行融合，从而获得更全面的地表分析。
同时，可以将解译结果与现场调查数据相结合，进一步验证和确认解译结果的正确性。
六、验证和评估解译结果解译结果的准确性非常重要，因此我们需要对结果进行验证和评估。
这可以通过现场调查、采样和比较研究等方法来实现。
在验证过程中，我们可以使用地理信息系统（GIS）工具来比较解译结果和实际数据，并计算其精度和可靠性。
七、解译结果的应用经过准确解译的遥感影像可以应用于众多领域。
遥感影像的处理与解译技巧
遥感影像的处理与解译技巧近年来，随着遥感技术的不断发展，遥感影像成为了科学研究和实际应用中不可或缺的工具。
遥感影像的处理与解译技巧是遥感学习的基础，也是进行图像解译的关键步骤。
本文将就遥感影像的处理与解译技巧展开论述。
一、遥感影像的处理技巧遥感影像的处理是指进一步提取、处理和分析遥感影像中的信息以便更好地应用。
以下是一些常见的处理技巧。
1. 图像预处理图像预处理是对遥感影像进行大气校正、辐射定标、几何校正等一系列操作，目的是消除图像产生过程中的噪声和误差，提高图像的质量和可用性。
2. 影像融合影像融合是指将两幅或多幅遥感影像的信息进行合并，以获得更多细节和更高的空间分辨率。
常用的融合方法有主成分分析、小波变换等。
3. 影像分类影像分类是将遥感影像根据其反射信息划分为不同的类别，以便进一步分析和应用。
常用的分类方法有基于统计的最大似然分类、支持向量机等。
4. 影像变化检测影像变化检测是指对两幅或多幅遥感影像进行对比，找出其中发生变化的地方。
常用的变化检测方法有差异图像法、阈值法等。
5. 影像拼接影像拼接是指将多幅遥感影像拼接成一幅完整的影像，以便进行全景观察和分析。
常用的拼接方法有全局拼接、局部拼接等。
二、遥感影像的解译技巧遥感影像的解译是指通过对影像进行观察和分析，提取地物信息、划定地物类型和边界等。
以下是一些常见的解译技巧。
1. 影像目视解译影像目视解译是通过直接观察遥感影像，凭借解译员的经验和专业知识，识别地物类型和特征。
这是最常用的解译方法，适用于各种地物类型的解译。
2. 物体纹理解译物体纹理解译是通过观察遥感影像中地物的纹理信息，判断地物的类型和特征。
纹理信息可以通过纹理分析等方法提取出来，并用于解译。
3. 影像特征解译影像特征解译是通过观察地物在遥感影像中的特征，如形状、大小、亮度等，判断地物类型和特征。
常用的特征解译方法有变化特征解译、形态学特征解译等。
4. 影像分类解译影像分类解译是将已知类别的地物作为参考样本，通过分类器对遥感影像中的地物进行分类。
TM遥感影像解译技术手册
TM遥感影像解译技术⼿册TM遥感影像解译技术⼿册1、TM遥感影像的数据类型为DAT，我们拿到的⼀景影像中的原始数据有三个⽂件，⼀个是SCENE01⽂件夹，其中包括TM 影像的7个波段，band1到band7，还包括⼀个header.dat的头⽂件，共8个数据，另外的两个是LBL和SELF⽂件，可以⽤记事本打开，记录这景TM影像的⼀些基本信息，如时间、经纬度、像元的⾏列数等。
2、TM影像的打开我们要打开这些TM影像有两个⽅法，⼀是⽤ERDAS打开，⼆是⽤ENVI打开，⾸先我们⽤ERDAS打开，因为TM原始数据为⼆进制DAT数据，⾸先将band1到band7TM的7个波段通过ERDAS 的import模块将其转成ERDAS可以⽤的IMG格式⽂件，⾸先点击菜单条上的import然后在type(类型)中选择Generic Binary（⼆进制），在media⾥选择file，imput⾥选择我们要选择的TM影像波段，如band1，存出⼀个路径，点击OK按钮，我们转出的格式为ERDAS 可以打开的IMG格式，只是在现在是单波影像，分为7个单独的⽂件，不利于我们以后的解译⼯作，需要将这7个波段组合成⼀个⽂件，点击菜单条上的interpreter模块，然后点击Utilities,在弹出的菜单条中选择layer stack,在弹出的窗⼝中选择需要合成的单波段⽂件，然后点击add按钮，重复的将需要合成的7个单波段加⼊到对话框中，在output file中写⼊⽂件名和调整输出路径，输出数据类型为unsignde8 bit,波段组合选择union，然后选中Ignore Zero In Stats复选框（统计忽略0值），点击OK按钮，执⾏波段组合。
这样我们就可以从ERDAS打开我们组合完成的IMG格式TM影像，包括7个波段。
现在利⽤ENVI打开TM影像的原始⽂件，打开TM影像的路径为，file→open external file→land sat→fast,打开头⽂件header.dat ⽂件，在弹出的对话框中选择RGB color,然后分别选择4、5、3三个波段，点击load band就可以打开TM影像，这种⽅式打开的TM影像是直接有经纬度的，只是由于投影和椭球体的原因使得经纬度与我们需要利⽤的有些偏差，需要下⼀步的将其校正，更改其投影和椭球体。
遥感解译教程
第一部分数据准备包括3个数据：1、GF-1号影像（朱国锋老师提供）2、TM8影像数据（朱国锋老师和刘原峰下载提供辅以自行下载补充）3、县域shp数据（朱国锋老师和刘原峰提供）。
其中GF-1数据用于最终目视及监督分类解译，TM8数据用于对GF-1数据进行预处理时作为基准影像对其进行几何校正，各个县域shp边界用于遥感影像的拼接裁剪等工作。
本次实验以民勤县和金川区为例，因此所需数据均为覆盖两县区的TM8影像、GF-1影像和两县区界shp数据。
GF-1影像：TM8影像：甘肃县区矢量数据：第二部分GF-1影像预处理一．制作TM8基准影像1．波段融合打开ENVI软件，加载下载并解压后的TM8影像的3、4、5波段：File→Open Image File →可按shift或ctrl键选中3、4、5波段→Basic Tools→Layer Stacking→→Import File→选择3、4、5波段→OK→再次选择3、4、5波段→选择存放在Memory→OK→结果文件如下→Load RGB这幅影像即543波段融合后显示的TM8标准假彩色影像，它的突出特点是植被，包括农作物在影像上以红色显示，但具体红色的深浅、亮度、纹理等则取决于植被的类别、生长状况等，不同种类农作物的显示其红色的色调也存在差异。
→（以Imageing格式导出这景影像）File→Save Image As→Image File→选择输出类型为ERDAS IMAGINE→选择保存路径和影像文件名→OK2．重复上述操作，分别将覆盖研究区的其他两景TM8影像的345波段融合并保存ERDAS IMAGEINE格式的影像。
3．拼接覆盖研究县区市的3景TM8影像打开上述两步所导出的3景影像：File→Open Image FileMap→Mosaicking→GeoreferencedImport→Import Files→选择需要拼接的3景影像→→OK→→分别右键点击3幅影像→Edit Entry→→将Background See Through Data Value to Ignore设置为0→→OK→File→Apply→→Memory→OK→Load RGB加载拼接影像→File→Save Image As→Image File→选择输出类型为ERDAS IMAGINE→选择保存路径和影像文件名二．几何校正GF-1影像1．分别加载第一幅待校正的GF-1影像和拼接的基准影像：File→Open Image File→→选中RGB Color→GF-1影像按432波段和成，即把4波段赋以红色（R），3波段赋以绿色（G），2波段赋以蓝色（B）→→点击Display #1→New Display→将TM8基准影像按波段顺序RGB彩色合成，即band1赋以R，band2赋以G，band3赋以B→Map→Registration→Select GCPs：Image to Image→→根据情况选择基准影像（TM8影像）和变形影像即待校正影像（GF-1影像）的显示编号，注意不要选错，以免导致数据错误→→右键点击影像→Geographic Link→→将off转为on，打开地理连接→→找到两幅影像上的同名点，即在两幅影像上相同位置的点→选定后将地理连接关闭→→在Zoom窗口中精确定位到象元精度→→选好确定后→Add Point→→Show List查看所选取控制点的信息→→选择同名点时，应注意尽量避免选择状态时常变动的地物，如水域边界、农田边角拐点等，因为水域水位以及农田边界不确定性和不稳定性，很容易造成人为控制误差，应尽量选择状态相对稳定的地物作为同名点，如道路交叉口，小型建筑物（如桥梁）等。
TM遥感影像解译技术手册
TM遥感影像解译技术手册1、TM遥感影像的数据类型为DAT，我们拿到的一景影像中的原始数据有三个文件，一个是SCENE01文件夹，其中包括TM影像的7个波段，band1到band7，还包括一个header.dat的头文件，共8个数据，另外的两个是LBL和SELF文件，可以用记事本打开，记录这景TM影像的一些基本信息，如时间、经纬度、像元的行列数等。
2、TM影像的打开我们要打开这些TM影像有两个方法，一是用ERDAS打开，二是用ENVI打开，首先我们用ERDAS打开，因为TM原始数据为二进制DAT数据，首先将band1到band7TM的7个波段通过ERDAS 的import模块将其转成ERDAS可以用的IMG格式文件，首先点击菜单条上的import然后在type(类型)中选择Generic Binary（二进制），在media里选择file，imput里选择我们要选择的TM影像波段，如band1，存出一个路径，点击OK按钮，我们转出的格式为ERDAS 可以打开的IMG格式，只是在现在是单波影像，分为7个单独的文件，不利于我们以后的解译工作，需要将这7个波段组合成一个文件，点击菜单条上的interpreter模块，然后点击Utilities,在弹出的菜单条中选择layer stack,在弹出的窗口中选择需要合成的单波段文件，然后点击add按钮，重复的将需要合成的7个单波段加入到对话框中，在output file中写入文件名和调整输出路径，输出数据类型为unsignde8 bit,波段组合选择union，然后选中Ignore Zero In Stats复选框（统计忽略0值），点击OK按钮，执行波段组合。
这样我们就可以从ERDAS打开我们组合完成的IMG格式TM影像，包括7个波段。
现在利用ENVI打开TM影像的原始文件，打开TM影像的路径为，file→open external file→land sat→fast,打开头文件header.dat文件，在弹出的对话框中选择RGB color,然后分别选择4、5、3三个波段，点击load band就可以打开TM影像，这种方式打开的TM影像是直接有经纬度的，只是由于投影和椭球体的原因使得经纬度与我们需要利用的有些偏差，需要下一步的将其校正，更改其投影和椭球体。
- 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)。
遥感影像解译手册河南省环境监测中心2012.121 生态遥感监测与评价工作流程 (1)1.1 生态遥感监测与评价的主要目标包括： (1)1.2 工作流程 (1)1.3 提交成果 (2)2 遥感影像处理 (2)2.1 遥感影像简介 (2)2.2 遥感影像准备 (2)2.3 原始影像导出 (4)2.4 波段合成与分离 (6)2.5 影像校色处理 (8)2.6 地图投影 (10)3 几何纠正 (20)3.1 几何纠正简介 (20)3.2 几何纠正基本步骤 (21)3.3 质量检查 (25)3.4图像拼接 (26)4 遥感解译 (27)4.1 土地利用/覆盖数据的解译 (27)4.2 具体操作 (29)5 检查 (31)1 生态遥感监测与评价工作流程1.1 生态遥感监测与评价的主要目标包括：（1）利用前年Landsat TM数据监测全国土地利用/覆盖分布；（2）对全国生态环境质量进行评价，并分析前年间全国生态环境质量空间分布及变化趋势；（3）结合近几年间我国社会、经济、环境、人类活动因子，分析生态环境重大变化区域的脆弱机制，为制定生态保护和恢复的对策提供依据。
1.2 工作流程生态遥感监测与评价的具体流程如图1。
图11.3 提交成果主要有四部分：（1）影像，以县和整景为单位，两类；（2）解译数据，以省为单元的当年现状图层及动态图层；（3）生态报告；（4）地面核查数据，照片、数据库、报告。
2 遥感影像处理2.1 遥感影像简介遥感是通过遥感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息（如电场、磁场、电磁波、地震波等信息），并进行提取、判定、加工处理、分析与应用的一门科学和技术。
遥感，从字面上来看，可以简单理解为遥远的感知，泛指一切无接触的远距离的探测；从现代技术层面来看，“遥感”是一种应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。
遥感影像，凡是只纪录各种地物电磁波大小的胶片（或相片），都称为遥感影像，在遥感中主要是指航空像片和卫星像片。
本次生态遥感监测与评价利用前年Landsat TM影像进行解译获得数据。
2.2 遥感影像准备首先建立几个文件夹：（1）原始影像：用于存储从总站分发的未经几何纠正的影像。
（2）待纠影像：用于存储由原始影像进行波段合成操作产生的未经几何纠正的影像。
（3）控制影像：用于存储由总站分发的具有坐标和投影的影像，这种影像作为待纠影像纠正时的控制影像。
（4）纠正影像：用于存储配准好的影像；（5）矢量化：用于存储矢量数据。
数据准备（1）数据源选择和购买：由中国环境监测总站统一购买前年度Landsat TM遥感影像。
（2）原始数据影像质量检查a 质检主要项目是：时相、云量、拉伸、断线等。
b 影像资料的质量要求：时相要求，按照ROW号(如图2)…ROW号在（21－32），时相要求？年6月份－9月份；…ROW号在（33－40），时相要求？年5月份－10月份；…ROW号在（40－47），时相要求？年11、12或2007年1月份；…特殊地区青藏高原区要求？年6月份－9月份；如图2。
图2c 云量要求：单景影像平均云量小于10%，但受人为干扰影响比较小的不易发生变化的区域，可适当放宽；同时受人为干扰影响比较大易发生态变化的区域要求尽量没有云覆盖。
d 波段组合：432 RGB类。
2.3 原始影像导出实现软件：Erdas9.1。
过程：见图3至图4。
图3（1）打开erdas9.1，点击Import按钮，打开Import/Export对话框，设置如图3；（2）Type右侧的下拉菜单，选择TM Landsat Acres Fast Format 选项；（3）点击Media右侧的下拉菜单，选择File选项；（4）点击Input File:(*)下面的浏览按钮，找到原始影像所在的文件夹，选择任何一个波段影像，如band4.dat；（5）点击Output File;(*.img)下面的浏览按钮，打开Output Files 对话框；（6）在Output File对话框中，点击Look in右侧的浏览按钮，找到“待纠影像”文件夹，在File nane右侧的空白栏中输入合成影像的名称，命名原则是：Path+Row+接收时间（ACQUISITION DATE），然后两次点击OK按钮。
回到Import/Export对话框中，点击OK按钮。
（注：影像的Path 、row和接收时间一般在header.dat文件中寻找。
）图4（7）进入Landsat TM对话框，可以点击Preview Options按钮查看有关信息，也可以点击Preview按钮预览合成影像，最后点击OK 按钮进入Landsat TM影像合成过程，待合成过程完成后点击OK。
2.4 波段合成与分离波段号波段光谱空间分辨率波段1 蓝-绿（bule-green）0.45～0.52 30波段2 绿（green）0.52～0.60 30波段3 红（red）0.63～0.69 30波段4 近红（near IR）0.76～0.90 30波段5 短波红外（SWIR） 1.55～1.75 30波段6 长波红外（LWIR）10.4～12.5 120波段7 短波红外（SWIR） 2.08～2.35 30波段分离主要步骤如图5-6：图5图6波段分离主要步骤（波段2、波段3、波段4）：(1)点击Interpreter->Utilities->Layer Stack(2)点击Input File:(*.img)框右侧的浏览按钮，选择导入的影像；(3)点击Layer右侧的下拉箭头，选择波段2，然后点击Add按键；(4)点击Ouput File.(*.img)框右侧的浏览按钮，为输出图像选择输出文件夹，并命名，一般输出图像的名称与波段号保持一致。
(5)在Output Options中选择Intersection选项；(6)点击OK按钮。
(7)重复操作直到波段2、3、4全部导出。
图7波段合成主要步骤（波段2、波段3、波段4）(1)在Output Options中选择Union选项，如图7；(2)点击Input Files,(*.img)框右侧的浏览按钮，波段分离产生的第4波段的影像，即4.img ，点击Add按钮，找到第3波段的影像，即3.img，点击Add按钮，找到第2波段的影像，即2.img，点击Add 按钮；(3)点击Oput File,(*.img）框右侧的浏览按钮，为输出影像选择文件夹，并为输出影像命名，命名原则是： Path+Row+接收时间（ACQUISITION DATE）+432.img。
2.5 影像校色处理主要是根据待纠影像的特征，利用View-> Raster/ContrastGeneral Contrast->Standard Deviation Stretch方法进行处理。
可在View->Raster->Band Conbinations改变影像显明时的波段组合；利用Raster/Contrast/Brightness Contrast调节影像的亮度和对比度。
图8影像校色主要步骤：（1）打开一个Viewer窗口，在窗口中打开合成的影像12403520110412.img（2）点击AOI菜单栏下的Tools..，打开AOI工具箱->工具，然后用左键单击影像的左上角，左下角,右下角，，并在右上角双击左键。
即制作一个VOI层，将影像包含在内；如图8。
图9（3）点击Raster菜单栏下的Contrast/Standard Deviation Stretch->点击OK，（4）点击Raster菜单栏下的Contrast/Brightness and Contrast，打开Contrast Tool，对影像的对比度和亮度进行拉伸，（5）将影像拉伸到理想状态后,关闭AOI层。
注意：不保存AOI层，（6）点击保存按钮，保存对影像所做的拉伸处理。
2.6 地图投影（1）地图投影简介地图投影,Map Projection.把地球表面的任意点，利用一定数学法则，转换到地图平面上的理论和方法。
书面概念化定义：地图投影就是指建立地球表面（或其他星球表面或天球面）上的点与投影平面（即地图平面）上点之间的一一对应关系的方法。
即建立之间的数学转换公式。
它将作为一个不可展平的曲面即地球表面投影到一个平面的基本方法，保证了空间信息在区域上的联系与完整。
这个投影过程将产生投影变形，而且不同的投影方法具有不同性质和大小的投影变形。
图10图11（2）地图投影原理与类型由于投影的变形，地图上所表示的地物，如大陆、岛屿、海洋等的几何特性（长度、面积、角度、形状）也随之发生变形。
每一幅地图都有不同程度的变形；在同一幅图上，不同地区的变形情况也不相同。
地图上表示的范围越大，离投影标准经纬线或投影中心的距离越长，地图反映的变形也越大。
因此，大范围的小比例尺地图只能供了解地表现象的分布概况使用，而不能用于精确的量测和计算。
地图投影的实质就是将地球椭球面上的地理坐标转化为平面直角坐标。
用某种投影条件将投影球面上的地理坐标点一一投影到平面坐标系内，以构成某种地图投影。
投影的分类按承影面的形状分为：方位投影（平面投影）、圆锥投影、园柱投影按变形性质分为：等积投影、等角投影、任意投影按承影面与地轴的关系分为：正轴投影、横轴投影、斜轴投影按承影面与地表的关系分为：切投影、割投影常用投影A：我国基本比例尺地形图的投影：1：5千，1：1万，1：2.5万，1：5万，1：10万，1：25万，1：50万和1：100万中大于等于1：50万的均采用高斯-克吕格投影；1：100万地形图采用正轴等角割圆锥投影，其分幅与国际百万分之一所采用的分幅一致；我国大部分省区图多采用正轴等角割圆锥投影和属于同一投影系统的正轴等面积割圆锥投影；正轴等角圆锥投影中，地球表面上两点间的最短距离(即大圆航线)表现为近于直线，这有利于地理信息系统中空间分析和信息量度的正确实施。
B：高斯-克吕格投影，是一种横轴等角切椭圆周柱投影。
以椭圆周柱面为投影面，并与椭球体面相切于一条经线上，该经线即为投影带的中央经线，按等角条件将中央经线东西一定范围内的区域投影到椭圆周柱表面上，再展成平面。
通常按6度或3度分带投影。
中央经线长度比m0=1。
我国1：1万的地形图采用3度分带，1：2.5万至1：5万采用6度分带。
三度带中央经线经度的计算：中央经线经度＝3º*当地带号（适用于1：1万地形图）；六度带中央经线经度的计算：当地中央经线经度＝6º*当地带号－3º（适用于1：2.5万和1：5万地形图）。