遥感图像处理实验
《Erdas遥感图像处理》实验指导书
《E r d a s遥感图像处理》实验指导书-CAL-FENGHAI.-(YICAI)-Company One1《遥感图像处理》实验指导书实验一、ERDAS视窗的基本操作实验目的：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，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。
实验内容：视窗功能介绍；文件菜单操作；实用菜单操作；显示菜单操作；矢量和删格菜单操作等。
视窗操作是ERDAS软件操作的基础, ERDAS所有模块都涉及到视窗操作。
本实验要求掌握视窗的基本功能，熟练掌握图像显示操作和矢量菜单操作，从而为深入理解和学习ERDAS软件打好基础。
1、视窗功能简介二维视窗（图1-1）是显示删格图像、矢量图形、注记文件、AOI等数据层的主要窗口。
通过实际操作，掌握视窗菜单的主要功能、视窗工具功能。
图1-1 二维视窗重点掌握ERDAS图表面板菜单条；ERDAS图表面板工具条；掌握视窗菜单功能和视窗工具功能等基本操作。
2、图像显示操作（Display an Image）第一步：启动程序（Start Program）视窗菜单条：File→open→ RasterLayer→Select Layer To Ad d对话框。
第二步：确定文件（Determine File）在Select Layer To Add对话框中有File和Raster Option两个选择项，其中File就是用于确定图像文件的，具体内容和操作实例如表。
参数项含义实例Look in确定文件目录examplesFile name确定文件名xs_truecolorFile of type确定文件类型IMAGINE Image（*.img）Recent选择近期操作过的文------件Go to改变文件路径-------图1-2 参数设置第四步：打开图像（Open Raster Layer）3、实用菜单操作了解光标查询功能；量测功能；数据叠加功能；文件信息操作；三维图像操作等。
遥感ENVI实验报告
遥感ENVI实验报告一、实验目的本实验的目的是学习和掌握ENVI（Environment for Visualizing Images）软件在遥感图像处理方面的应用。
通过本次实验，我们将了解遥感图像的基本概念和原理，并学习使用ENVI软件进行图像预处理、分类和地物提取。
二、实验要求1.学习ENVI软件的基本操作和功能；2.能够对遥感图像进行预处理，如辐射校正和大气校正；3.能够对遥感图像进行分类，如最大似然分类和支持向量机分类；4.能够进行地物提取，如植被指数计算和特征提取。
三、实验步骤和结果1.图像预处理首先，我们导入了一幅Landsat 8卫星遥感图像，并进行了辐射校正和大气校正。
辐射校正是将图像中的DN（数字化值）转换为辐射度值，以便进行后续的大气校正和分类。
大气校正是根据大气传输模型对图像进行校正，以消除大气影响。
经过预处理后，我们得到了一幅处理后的图像。
2.图像分类接下来，我们使用ENVI软件进行了图像分类。
我们采用了最大似然分类和支持向量机分类两种方法进行分类。
最大似然分类是一种统计分类方法，通过最大化每类像素的似然度来划分不同类别，得到分类结果。
支持向量机分类是一种基于机器学习的分类方法，通过训练样本来构建分类模型，并用于对图像中的未分类像素进行分类。
3.地物提取最后，我们对图像进行了地物提取。
我们计算了该图像的植被指数，并使用阈值法将植被像素提取出来。
植被指数是通过计算不同波段之间的光谱差异来反映植被覆盖程度的指标。
我们还对植被像素进行了形状和纹理特征的提取，以获取更具有区分度的特征。
实验结果显示，经过图像预处理和分类，我们得到了一幅分类结果图。
通过该图像，我们可以清楚地看到不同地物类别的分布情况。
同时，通过地物提取，我们成功提取出了图像中的植被像素，并获得了植被的形状和纹理特征。
四、实验总结通过本次实验，我们学习和掌握了ENVI软件在遥感图像处理方面的应用。
我们了解了遥感图像的基本概念和原理，并学会了使用ENVI软件进行图像预处理、分类和地物提取。
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。
遥感实验报告裁剪拼接(3篇)
第1篇一、实验目的本次实验旨在学习遥感影像处理中的裁剪与拼接技术，通过对遥感影像进行裁剪和拼接，提高遥感数据的可用性和分析效率。
二、实验背景遥感技术是获取地球表面信息的重要手段，广泛应用于资源调查、环境监测、灾害评估等领域。
遥感影像经过处理和提取后，才能为实际应用提供有价值的信息。
裁剪与拼接是遥感影像处理中的基本操作，通过对影像进行裁剪和拼接，可以去除无关信息，提高影像的可用性。
三、实验材料1. 遥感影像数据：包括多景遥感影像，如Landsat、Sentinel-2等；2. 裁剪与拼接软件：如ENVI、ArcGIS等；3. 实验环境：计算机、遥感数据处理软件等。
四、实验步骤1. 数据准备（1）选择遥感影像数据，确保影像质量良好、覆盖范围完整；（2）对遥感影像进行预处理，包括辐射校正、大气校正等，提高影像质量。
2. 裁剪操作（1）确定裁剪范围：根据实验需求，选择合适的裁剪范围，如行政区域、研究区域等；（2）使用裁剪工具对遥感影像进行裁剪，生成新的影像。
3. 拼接操作（1）选择拼接方式：根据实际情况，选择合适的拼接方式，如同名像元拼接、重叠区域拼接等；（2）使用拼接工具对遥感影像进行拼接，生成新的影像。
4. 质量评估（1）检查拼接后的影像是否完整，是否存在缝隙、错位等问题；（2）分析拼接区域的地物特征，确保拼接效果良好。
五、实验结果与分析1. 裁剪结果经过裁剪操作，生成了新的遥感影像，去除了无关信息，提高了影像的可用性。
2. 拼接结果经过拼接操作，生成了新的遥感影像，拼接区域地物特征良好，拼接效果满意。
3. 质量评估（1）拼接后的影像完整，无缝隙、错位等问题；（2）拼接区域地物特征良好，拼接效果满意。
六、实验结论通过本次实验，掌握了遥感影像的裁剪与拼接技术，提高了遥感数据的可用性和分析效率。
在实际应用中，可根据具体需求选择合适的裁剪与拼接方法，为遥感数据处理提供有力支持。
七、实验心得1. 裁剪与拼接是遥感影像处理中的基本操作，对于提高遥感数据的可用性具有重要意义；2. 在实际操作中，应根据具体需求选择合适的裁剪与拼接方法，确保拼接效果良好；3. 学习遥感影像处理技术，有助于提高遥感数据的分析和应用水平。
ENVI遥感图像处理实验教程 实验三 几何校正(影像、地形图)ok
实验三 ENVI影像的几何校正本专题旨在介绍如何在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的几何校正。
遥感图像的几何纠正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。
一般常见的几何纠正有从影像到地图的纠正，以及从影像到影像的纠正，后者也称为影像的配准。
遥感影像中需要改正的几何形变主要来自相机系统误差、地形起伏、地球曲率以及大气折射等。
几何纠正包括两个核心环节：一是像素坐标的变换，即将影像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。
本实验将针对不同的数据源和辅助数据，提供以下几种校正方法：Image to Map几何校正：通过地面控制点对遥感图像几何进行平面化的过程，控制点可以是键盘输入、从矢量文件中获取。
地形图校正就采取这种方法。
Image to image几何校正：以一副已经经过几何校正的栅格影像作为基准图，通过从两幅图像上选择同名点（GCP）来配准另一幅栅格影像，使相同地物出现在校正后的图像相同位置。
大多数几何校正都是利用此方法完成的。
Image to image自动图像配准：根据像元灰度值自动寻找两幅图像上的同名点，根据同名点完成两幅图像的配准过程。
当同一地区的两幅图像由于各自校正误差的影像，使得图上的相同地物不重叠时，可利用此方法进行调整1. 地形图的几何校正（1）打开并显示地形图从ENVI主菜单中，选择file →open image file，打开3-几何校正\地形图\G-48-34-a.JPG。
（2）定义坐标从ENVI主菜单栏中，选择Map →Registration →Select GCPs：Image to map。
在image to Map Registration对话框中，点击并选择New,定义一个坐标系从ENVI主菜单栏中，选择Map →Registration →Select GCPs: Image to Map。
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：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感制图实习报告
遥感图像处理实验报告班级姓名学号实验室成绩评定教师签字专题一: DEM图像进行彩色制图（叙述制图过程并把自己处理结果加载到本文档里）实验目的:1.实验步骤:2.选择File > Open Image File>bhdemsub.img,出现由主图像窗口、滚动窗口和缩放窗口组成的ENVI 图像。
3.选择主图像窗口内的功能菜单Tools>Color Maping>Density Slice, 出现Density Slice对话框。
4.选择Clear Ranges, 清除Defined Density Slice Ranges下的内容。
5.选择Options>Add New Ranges, 其中RangeStart: 1219 ；Range End;1701；#of Ranges:10。
在Density Slice对话框中Defined Density Slice Ranges下出现十组内容。
6.逐个组将Red条依次改为25, 50, 75, 100, 125, 150, 175, 200, 225, 250。
Greeen与Blue不变。
选择Apply按钮, 主图像窗口、滚动窗口和缩放窗口组成的ENVI图像的颜色改变。
选择主图像窗口内的功能菜单File>Save Image As> Image File 出现Output Dispiay to Image File对话框, Output File Type选择JPEG, Enter Output Filename选择保存位置, Compression Facter（0-1）选择0.750.实验结果:专题二: TM与SPOT数据融合（叙述该过程并处理结果加载到本文档里。
注意用两种方法融合的过程）实验目的:1. 进行快速对比度拉伸、直方图执行交互式对比度拉伸和直方图匹配的操作2. 快速滤波、滤波的操作3. ENVI中变换（Transform）菜单功能的了解实验步骤:1. 选择File > Open Image File>Lon.spot文件,点击No Display>new display>load band2. 选择File > Open Image File>Lon.tm文件,点击No Display>new display>load band3. 选择Basic Tools>Resize Data>选择Lon.tm文件>点击OK(弹出对话框, 分别填写内容)4. 选择Basic Tools>Stretch实验结果:专题三: 航片的配准与镶嵌（叙述该过程并处理结果加载到本文档）1配准●图像-图像地面控制点 (Select GCPs: Image-to-Image)●图像-图像配准需要两幅图像均打开。
遥感图像配准实验报告
用SPOT校正TM数据，附操作过程截图和校正后TM影像图片
[体会及建议]
通过本次试验熟悉在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的配准和影像到地图的校正。在实验过程中移动光标，查看坐标值，要小心谨慎注意地图坐标和经纬度之间的关系。以免出现错误。
（2）通过计算机操作与地理知识的结合增强对地理学科的兴趣，为以后继续从事相关工作奠定基础。
（3）树立地理学思想，理解并掌握地理学科的学习、实践的方法。
二、实验内容
遥感图像的几何校正，IHS融合方法。
三、实验准备
（1）IHS融合: IHS融合法是比较常用的一种融合方法。其基本原理是首先将空间分辨率
较低的三个多光谱影像变换到IHS彩色空间，得到明度（I），色别（H）和饱和度（S）三个分量；然后将高空间分辨率影像进行对比度拉伸，达到与I分量具有相同的均值和方差；再将处理后的高空间分辨率影像替换I分量，作IHS逆变换后就得到融合后的影像。
篇三：遥感实验报告
实验报告（实验一）
[实验名称]ENVI窗口的基本作
[实验目的与内容]
实验目的
熟悉ENVI软件的窗口操作方法，掌握影像信息、像元信息浏览方法，影像上距离和面积量算方法。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。
[实验数据处理及成果]
遥感图像配准实验报告
篇一：遥感图像处理实验报告
《遥感数字图像处理》
实习报告
学院：环境与资源学院
班级：地理1002
学号：周颖智
姓名：20101171
西南科技大学环境与资源学院遥感实习…………………......2
- 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)。
哈尔滨工业大学遥感图像处理及遥感系统仿真实验报告项目名称：《遥感图像处理及遥感系统仿真创新》姓名：蒋国韬学号：24院系：电子与信息工程学院专业：遥感科学与技术指导教师：胡悦时间：2017年7月实验一：遥感数字图像的增强一、实验目的：利用一幅城市多光谱遥感图像，分析其直方图，并利用对比度增强和去相关拉伸方法对遥感图像进行增强。
二、实验过程：1.用multibandread语句读取一幅多光谱遥感图像（7波段，512x512图像）的可见1，2，3波段（分别对应R，G，B层）；2.显示真彩色图像；3.通过研究直方图（imhist），分析直接显示的真彩色图像效果差的原因；4.利用对比度增强方法对真彩色图像进行增强（imadjust,stretchlim）；5.画出对比度增强后的图像红色波段的直方图；6.利用Decorrelation去相关拉伸方法（decorrstretch）对图像进行增强；7.显示两种图像增强方法的结果图像。
三、实验分析：（1）高光谱影像由于含有近百个波段，用matlab自带的图像读写函数imread和imwrite往往不能直接操作，利用matlab函数库中的multibandred函数，可以读取多波段二进制图像。
512×512为像素点，7位波段数，bil为图像数组的保存格式，uint8=>uint8为转换到matlab 的格式，[3 2 1]的波段分别对应RGB三种颜色。
（2）直接观察真彩复合图像发现，图像的对比度非常低，色彩不均匀。
通过观察红绿蓝三色的波段直方图，可以观察到数据集中到很小的一段可用动态范围内，这是真彩色复合图像显得阴暗的原因之一。
另外，根据三种颜色的三维散点图，如下可知红、绿、蓝三维散点的明显线性趋势显示出可见波段数据的高度相关性，于是未增强的真彩色图像显示的像单色图像。
（3）图像经过对比度增强后，进行直方图检测发现数据被扩展到更大范围内的可用动态范围。
地表特征变得较为容易识别。
（4）图像经过去相关拉伸后，由下图的三色散点图容易看出，此时波段数据已经没有了高度的相关性。
经过线性对比度扩展和去相关，图像的地表特征可识别度得到了很大提高，画面中不同波段的不同被夸大了。
四、实验程序：clear all;clc;Paris_img=multibandread('',[512,512,7],'uint8=>uint8',128','bil','iee e-le',{'Band','Direct',[3 2 1]});figure(1);imshow(Paris_img);r=Paris_img(:,:,3);g=Paris_img(:,:,2);b=Paris_img(:,:,1);figure(2);subplot(311);imhist(r);title('红色波段直方图');subplot(312);imhist(g);title('绿色波段直方图');subplot(313);imhist(b);title('蓝色波段直方图');figure(3);plot3(r(:),g(:),b(:),'.');Stretch_img=imadjust(Paris_img,stretchlim(Paris_img));figure(4);subplot(211);imshow(Stretch_img);subplot(212);imhist(Paris_img(:,:,3));Decorrstretch_img=decorrstretch(Paris_img,'Tol',;figure(5);imshow(Decorrstretch_img);rd=Decorrstretch_img(:,:,3);gd=Decorrstretch_img(:,:,2);bd=Decorrstretch_img(:,:,1);figure(6);subplot(311);imhist(rd);subplot(312);imhist(gd);subplot(313);imhist(bd);figure(7);plot3(rd(:),gd(:),bd(:),'.');实验二：遥感图像的配准一、实验目的：利用一幅未配准的机场图像和一幅同样场景正摄影获得的图像进行配准。
二、实验过程：1.读取‘机场.png’和‘正摄影.png’两幅未配准图像（imread）；2.加载‘配准点.mat’文件，其中包含四组控制配准点；3.用fitgeotrans语句找到配准参数；5.显示正摄影图像为基础的配准后的图像（imshowpair）。
三、实验分析：（1）寻找配准参数的函数fitgeotrans，由配准点得到movingPoints和fixedPoints，movingPoints 是图像上想要移动的点的坐标，至少是两个double型2维点，fixedPoints为目标点，与movingPoints规模相同，transformationType为变换类型，包括仿射变换、投影变化、相似变换等，这个函数主要描述了将movingPoints（设大小为:N*2,N>=2）通过某种变换变化到fixedPoints来，最后输出了变换矩阵。
得到的fun_para是一个结构体类型，里面包含了变换矩阵。
（2）要求参加配准的图像满足一定灰度相似性，所以原图像对噪声较敏感，在配准后避免了直接对灰度图像的操作，所以抗噪性较强。
四、实验程序：clear all;airport=imread('机场.png');figure(1);imshow(airport);right=imread('正摄影.png');figure(2);imshow(right);load 配准点.mat;fun_para=fitgeotrans(movingPoints,fixedPoints,'projective');fixed_size=imref2d(size(right));pic_reg=imwarp(airport,fun_para,fixed_size);figure(3);imshowpair(airport,pic_reg,'blend');实验三：遥感图像的分割一、实验目的：利用一幅城市多光谱遥感图像，研究其NDVI值的特点，并利用NDVI阈值处理对图像进行分割，获得植被图像。
二、实验过程：1.用multibandread语句读取一幅多光谱遥感图像（7波段，512x512图像）的可见4，3，2波段（分别对应NIR，R，G层）；2.显示假彩色图像；3.显示近红外和红光波段的图像；4.计算NDVI值：NIR R NIR R-+；5.选取合适阈值分割植被图像；6.显示分割后的植被图像。
三、实验分析：（1）近红外（NIR）光谱波段（波段4）和可见光谱的相关性相对较小。
和可见光谱一样，卫星地图得到的不可见光谱的信息也可以通过构建和增强RGB复合图像以后直接观察。
近红外NIR波段（波段4）很重要，因为该波段在光谱中对叶绿素反射率较高，利用NIR波段可以很好地区分出图像中的植被。
当和可见光和绿光（分别是波段3和波段2）进行复合形成一个彩色红外复合图像（CIR）时，这一特点比较有用。
彩色红外复合图像通常用来识别植被或评定植被的生长情况。
（2）第一次阈值选取时，没有将原始像素的数据格式转为double，由于近红外和红色波段的相关性存在，导致出现NIR与R某些像素相等的情况，NDVI=（近红外波段辐射率-红外辐射率）/（近红外辐射率+红外波段辐射率）求出来为0或者1，得到的分割图像如下：这样分割的效果并不明显，于是将近红外和红色波段的数据格式改为了double，让NDVI求出的数值有小数而不是0或1，再选取合适的阈值（这里选择了），得到最后分割后的植被图像。
四、实验程序：clear all;clc;Paris_img=multibandread('',[512,512,7],'uint8=>uint8',128','bil','ieee-le',{'Band','Direct',[4 3 2]}); figure(1);imshow(Paris_img);NIR=multibandread('',[512,512,7],'uint8=>uint8',128','bil','ieee-le',{'Band','Direct',[4]});R=Paris_img(:,:,3);G=Paris_img(:,:,2);figure(2);subplot(311);imhist(NIR);title('近红外波段直方图');subplot(312);imhist(R);title('红色波段直方图');subplot(313);imhist(G);title('绿色波段直方图');figure(3);subplot(211);imshow(NIR);title('近红外波段图像');subplot(212);imshow(R);title('红色色波段图像');NIR_double=im2double(NIR);R_double=im2double(R);NDVI=(NIR_double-R_double)./(NIR_double+R_double);N=size(NDVI);for i=1:Nfor j=1:Nif NDVI(i,j)<;t(i,j)=1;endendendfigure(4);imshow(t);实验四：遥感图像特征提取一、实验目的：利用一幅道路遥感图像，提取其颜色特征，并利用颜色特征提取方法对图像进行分割，获得道路提取图像。
二、实验过程：1.读取道路图像；2.利用makecform和applycfor语句获得图像的lab颜色模型；3.分析道路像素特点；4.找到合适阈值并对图像进行分割；5.利用形态学方法进一步提取道路信息；6.得到道路提取图像，并进行显示三、实验分析：（1）LAB模式的特点在于灰度信息和色彩信息的分别保存。