1、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 631301040126 开 课 时 间 2015 至 2016 学年第 1 学期总 成 绩教师签名- 1 -目 录实验一 ENVI 视窗的 基本操作 .2实验二 遥感图像的几何校正 .4实验三 遥感图像的增强处理 .8实验四 遥感图像的变换 12实验五 遥感信息的融合 15实验六 遥感图像 分类 - - 监督分类 .17实验七 遥感图像分类 - 非监督分类 .19实验八 遥感图像分类后处 理 22- 2 -实验一
2、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3、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 open image file，打开遥感图像如下图：- 3 -裁剪数据打开 basic tools 的 resize data 功能，如果需要对图像进行一系
3、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 Gray Scale 和 Load RGB 导入，看看两幅图的区别以及各自的优缺点。4、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。- 4 -实验二 遥感图像的几何校正一、实验目的通过实
4、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。3、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- 5 -2、对两幅图像进行裁剪至需要几何纠正的区域。应用 Basic Tools 中的 Resize Data 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
5、则：,向左； ,向上； ，向右； ，向下。直至每个点的 RMS 都小于0X0Y0X0Y0.5000,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：- 6 -4、进行图像纠正，并存盘。- 7 -4、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。- 8 -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
6、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，Gray Scale 模式加载第一波段的影像（2）选择 Image 窗口中 Enhance 选项下的 Image Equalization 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 Interactive Stretching 选项，单击 Stretch Type 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- 9 -3、图像
7、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 Load Band to New Display。（2）选择波段 1 影响下的 EnhanceHitogrm Matching 选项，在弹出的Hitogrm Matching 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 interctive strtching 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
8、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- 10 -Stretch_Type LinearStretch_Type Gaussian3、直方图匹配结果- 11 -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。- 12 -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
9、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3、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 Band Rations 选项，弹出 Band Rations Input Bands 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Selected Ratrio Pairs 中出现新增波段时再单击 ok 按钮即可。（2）在弹出的 Band ratio parameter 对话框中选 Memory，单击 ok（3）比值
10、是浮点数，影像越暗，两个波段的比值越小，越亮比值越大。- 13 -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 Principal Component 子菜单下的 Forward PC Rotation 下的 Compute New Statistics and Rotate 选项，在弹出的 Principal Components Input File 对话框中，在 Select Input 中选中 Memory1，单击 ok。（3）在 Forward PC Parameters
11、对话框的 choose 选项设定输出路径，记的Seleted Output PC Bands 对话框，将 Number of Output PC Bands 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- 14 -PC Band 1PC Band 3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
12、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- 15 -段噪声就越来越多，图像变得模糊，从 PC Eigenvalues 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
13、率影像（2）导入 12480-123457 数据的真彩色影像。（3）单击 TransformImageSharpeningHSV，选中 12840-8 图像高分辨率- 16 -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。- 17
14、 -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 region of interestzoom，在ROI_Type 中输入民称水体。然后选择 new regin，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
15、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 optionscompete ROI separability原始图像select all itemsok。5、点击 classificationsupervisedminimum distance选择原始图像okselect all items保存ok。6、最后来计算混淆矩阵：classificationpost classificationconfusion matrixusing ground truth ROIS。四、实验结果分析- 18 -监督分类后图像：混淆矩阵：完成
16、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- 19 -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。3、实验步骤1、打开裁剪过后的实验数据2、选中
17、 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 Edit class name/color 进行编辑 filesave。5、点击 classification post classification combineclass OK。然后进行颜色的修改。6、点击 classification post classification clumpclass。7、点击 classification post classification minimum ma
18、tris using ground truth ROIs4、实验结果分析非监督分类结果：- 20 -混淆矩阵：- 21 -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。- 22 -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classificationpost classificationconfusion matrixusing ground truth ROIS选择图像ok。四、实验结果分析监督分类混淆矩阵：- 23 -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。
