遥感作业1

遥感导论实习报告

姓名：齐树伟学号：20131004149 专业：地信班学号：064131

院（系）：地空指导教师：王毅

2015 年 1 月

一几何校正

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，深刻理解意义遥感图像几何校正的意义。

实验内容：

预处理模块下的几何校正。带有地理坐标的SPOT 影像被用作基准，一个基于像素坐标的Landsat TM影像将被进行校正，以匹配该 SPOT 影像。

实验步骤：

1.打开两幅img图像

2.在主菜单上选择map->Registration->select GCPs:image to image，Base image是正确的图像，Warp Image是待矫正的的图像。

3.将两边的影像十字线焦点对准到自己认为是同一地物的地方,就可以选择ADD POINT添加这个点。（这里我选取了13个点，后来发现得出的结果不正确，经过多次尝试，我保留了5个最确定的点并输出图像）

4.进行校正：在ground control points.对话框中选择: options->warp file(as image to map)，在出现的窗口中选中要进行校正的bldr_sp.img图像。点击ok，保存。

5.输出图像

二辐射定标

实验目的：

（1）了解辐射定标的原理；

（2）使用ENVI软件自带的定标工具定标

实验内容：

利用ENVI自带的对TM图像的定标工具，进行定标，获取辐亮度或反射率。

实验步骤：

1.打开一幅TM图像

2.打开Basic Tools->Preprocessing->Calibration Utilities->Landset Calibrati,输入之前打开的那一幅TM影像。点击ok，在弹出的ENVI Landset Calibration 窗口中点击ok。输出结果。

三图像融合

实验目的：

对融合前两幅图像的精确配准以及掌握处理过程中融合方法的选择

实验内容：

将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感，使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。实验步骤：

1.打开两幅反映了同一地区的遥感影像图。如图所示。

2.打开主菜单中的Transform->Image Sharpening->HSV直接融合，HSV （hue, saturation, and value：色调，饱和度，亮度值）

选择之前打开的RGB图像，然后在出现的High Resolution input File对话框里选择要融

合的，也是刚才打开的高分辨率影像，选择输出到“Memory”。点击ok开始处理。

3.处理后得到结果

（注意：在两幅图像有相同地理坐标系统的情况下，该融合方法不需要在融合前需调整两幅图像分辨率一致，尺寸一致，ENVI系统会自动完成这一过程，输出图像的分辨率与高分辨图像保持一致；否则需要对图像进行处理以保证融合的影像地理位置相同，行列数相同）

四图像增强（假彩色合成）

实验目的：

突出影像中的有用信息，扩大不同影响特征（例如灰度不同的颜色）之间的差别，以提高对图像的解译和分析能力，使之更加实际应用。

实验内容：

将一幅彩色图像映射为另一幅彩色图像,从而达到增强彩色对比的期望。

实验步骤：

1.打开一幅TM遥感影像，选择RGB Color,选择4，3，2三个波段输出第一幅图像#1。

2.选择3，2，1真彩色波段放入RGB通道。

3.打开当前窗口的Enhance->Histogram Matching,选择要与之合成增强的RGB影像。

4.得到假彩色合成后的增强图像。

五监督分类

实验目的：

了解监督分类的原理并掌握监督分类的方法

实验内容：

在数据集中根据用户定义的训练样本类别聚集像元。

实验步骤：

类别定义/特征判别——样本选择——分类器选择——影像分类——分类后处理——结果验证

1.样本选择

打开can_tme.imgd的5，4，3波段影像后，观察影像，发现其中红色的为裸露的土地，嫩绿色的是田地，白色的是沙地，平原地带的绿色较浅，是草地；丘陵地区的绿色较深，是林地；还有黑色的部位暂时不知道是什么，列为其他。在主影像窗口菜单中点overlay----region of interests, ROI tool窗口就打开了，点击zoom窗口，依次对ROI

进行定义。在划分的时候画的尽量精细，且分布均匀。

2.验证样本

在ROI tool 对话框菜单点击options —compute ROI separability 计算ROI 可分离性。

点击ok。

全选，点击ok。输出如下报告，可以发现林地和草地这两类样本的相近性小于1.8，因为数值越小相近性越大，所以我们回到ROI tool对话框选中林地->goto->Delete ROI,删除不合

格的样本。然后同样删除不合格的草体样本。

再次检验数据的相关性，得出的报告显示，各项数据两两相关程度较小（数值大于1.8），可以进行下一步。

3.影像分类

4.选择好样本之后，要将其适用于全图进行分类。

主菜单点击classfication ----supervised---maxinum likelihood ，我们就要把选好的样本适用于全图进行分类。点击OK。出现最大似然分类方法参数设置对话框，设置如下：

点击ok，生成了Memory影像，输出如图：