遥感原理与应用实习心得.docx
《遥感原理与应用实习心得.docx》由会员分享，可在线阅读，更多相关《遥感原理与应用实习心得.docx（7页珍藏版）》请在冰豆网上搜索。
遥感原理与应用实习心得
竭诚为您提供优质文档/双击可除
遥感原理与应用实习心得
篇一：
遥感原理与应用实习报告
遥感原理与应用
实验报告
姓名：
端木永辉
班级：
测绘1303
学号：
130510319
指导教师：
张安兵
遥感图像预处理
步骤：
1.大气校正
2.图像裁剪
3.非监督分类
4.监督分类
5.分类后处理
6.对监督分类的评价
1.大气校正
①打开图像
打开带有mTL的文件
②辐射定标
要看右边信息中带有6个波段的，所以选择第二个，然后ok
第一步选择Radiance辐射，第二步choose一个位置命名保存为“dingbiao”然后
ok
③格式转换
选择“dingbiao”然后ok，出现下图
转换格式为“bIL”，然后切换为“Yes”，点击ok
篇二：
遥感原理与应用实习
学号xxxx
天津城建大学
实习报告
遥感原理与应用实习
起止日期：
20XX年12月23日至20XX年1月3日
学班成
生姓名级绩
xxxx
指导教师（签字）
xx学院20XX年1月3日
一、实习目的
“遥感原理与图像处理”课程是测绘工程专业的一门重要专业课，遥感信息是测绘、资源调查、环境监测、灾害评价诸方面应用的主要数据源。
已在科学研究、工农业生产、军事、公安、医疗卫生、教育等许多领域得到广泛应用，产生了巨大的经济效益和社会效益，对推动社会发展，改善人们生活水平都起到了重要作用。
未来要建立的数字地球是对真实地球及其相关现象数字化描述的一个虚拟地球。
遥感技术将为数字地球提供动态的高分辨率、高光谱影像，用遥感影像生成的三维数字地面模型（Dem），以及地物和环境的各种属性数据等一些数字地球中最基础的数据。
“遥感实习”目的是培养学生进行遥感技术应用和图像数字处理的实际操作能力。
要求了解一些基本的地物波谱反射率的野外测定方法，理解遥感图像目视解译，了解航天（或航空）像片识读与野外调绘。
二、实验项目基本要求
1.熟悉一种遥感图像处理软件
2.遥感影像的认知，进行图像剪切，波段组合与图像显示3.图像的几何校正4.遥感影像增强处理5.遥感影像解译
三、实习步骤（包括原理，方法，操作过程）
1.图象剪切,波段组合与图像显示
原图像比较大，数据量大处理不方便，对齐剪切便于计算机处理，也能达到实习目
的
剪切Dateprep>subsetImage命令如下图所示
波段组合Raster>bandcombinations打开波段设置对话框
1）真彩色合成，即3、2、1波段分别赋予红、绿、蓝色，则获得自然彩色合成图
像，图像的色彩与原地区或景物的实际色彩一致.如下图
2）标准假彩色合成，即4、3、2波段分别赋予红、绿、蓝色，获得图像植被成红
色，由于突出表现了植被的特征，应用十分的广泛，而被称为标准假彩色。
543波段
453波段
由于各种地物的反射波谱不同，不同的波段组合可以突出不同的地物，可以结合地物反射波谱曲线及要研究的地物选择合适的波普组合，以便帮助我们更容易识别地物信息。
2.遥感影像增强处理
a）直方图均衡化：
将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。
直方图均衡化的基本变换函数为累积直方图曲线。
操作流程：
在eRDAs图标面板工具条:
点击Interpreter图标>Radiomertricenhancement>histogramequalization,打开histogramequalization对话框，均衡化后的图像命名为junhenghua.img文件坐标类型：
file输出数据统计时忽略零值：
IgnoreZeroInstats,其他选项取系统默认值。
篇三：
遥感原理与应用课程设计-实习报告
遥感原理与应用课程设计报告
摘要：
在实习中通过编程实现了图像的直方图均衡、伪彩色增强、开闭运算、变化检测以及影像融合等5个专题的内容。
在此对其原理以及设计过程进行阐述并对实验结果进行分析。
关键词：
图像；算法；Vc；设计
一、原理介绍
专题1
1.1线性拉伸
线性拉伸就是图象中所有的点的灰度按照线性变换函数进行变换。
该线性灰度变换函数f（x）是一维线性函f（x）=fA*x+fb。
灰度变换方程为Db?
f（DA）?
fA?
DA?
fb式中参数fA为线性函数的斜率，fb为线性函数在y轴的截距,DA表示输入图象的灰度，Db表示输入图象的灰度。
当fA>1时，输入图象的对于度将增大；当fA 1.2直方图均衡
直方图均衡有时也称灰度均衡，目的是通过点运算使输入图像转换为在每一灰度级上都有相同的象素点数的输出图像（即输出的直方图是平的）。
针对三种不同的图像，有不同的公式，下面分别论述：
1）连续的，且被归一化的图像：
按照图像的概率密度函数（pDF，归一化到单位面积的直方图）的定义：
p（x）?
1h（x）A0
其中h（x）为直方图，A0为图像的面积。
设转换前图像的概率密度函数为pr（r），转换后图像的概率密度函数为ps（s），转换函数为s＝f（r）。
由概率论知识，可以得到：
drps（s）?
pr（r）.ds
这样，如果想使转换后图像的概率密度函数为1（即直方图为平和），则必须满足：
等于两边对r积分，可得：
rpr（r）＝dsdrr
1s?
f（r）?
?
pr（?
）d?
?
h（?
）d?
?
A000
该公式被称为图像的累积分布函数（cDF），此公式是被归一化后推到出的，
2）连续的，但没有归一化的图像：
对于上面的公式只要乘以最大灰度值（Dmax，对于灰度图象就是255）即可。
灰度均衡的转换公式为：
3）对于离散图像
转换公式为：
DDb?
f（DA）?
maxA0DA?
h（?
）d?
0
DmaxDADb?
f（DA）?
hi?
A0i?
0
式中hi为第i级灰度的象素个数。
1.3旋转、缩放、平移
1.3.1旋转
以矩阵形式表示旋转变换公式：
式中，坐标系是以图像的中心为原点，向右为x轴正方向，向上为y轴正方向，设为坐标系II。
它和以图像左上角为原点，向右为x轴正方向，向下为y轴正方向的坐标系I之间的转换关系如下所示：
其中w、h分别为图像的宽、高。
则可知，对图像进行旋转变换操作可分成3步来进行：
（1）将坐标系I变成II；
（2）将该点顺时针旋转a角；
（3）将坐标系II变回I。
1.3.2缩放
设（x0，y0）为原图像上的一点，假设放大因子为ratio，对图像进行缩放的变换矩阵如下所示：
1.3.3平移
将图像中所有的点都按照指定的平移量水平、垂直移动。
设（x0，y0）为原
图像上的一点，图像水平平移量tx，垂直平移量为ty，则平移后点（x0,y0）的坐标变为（x1，y1）。
则（x0，y0）与（x1，y1）之间的关系为：
x1=x0+tx；y1=y0+ty;
专题3
3.1图像色彩空间变换
3.1.1Rgb->hIs
读取Rgb图像，逐像素进行如下计算得到Ish。
1I?
（R?
g?
b）3
3s?
1?
[min（R,g,b）]R?
g?
b
?
?
[（R?
g）?
（R?
b）]/2h?
arccos?
?
[（R?
g）2?
（R?
b）（g?
b）]1/2?
?
3.1.2hIs->Rgb
当h在[0,120]之间
b?
I（1?
s）
?
scosh?
R?
I?
1?
?
?
cos（60?
h）?
g?
3I?
（b?
R）
当h在[120,240]之间
R?
I（1?
s）
?
scos（h?
120）?
g?
I?
1?
?
cos（180?
h）?
?
b?
3I?
（R?
g）
当h在[240,360]之间
g?
I（1?
s）
?
scos（h?
240）?
b?
I?
1?
?
cos（300?
h）?
?
R?
3I?
（g?
b）
3.2彩色图像灰度化1.分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。
2.最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
3.平均值法
将彩色图像中的三分量亮度求平均得到一个灰度值。
4.加权平均法
根据重要性及其它指标，将三个分量以不同的权值进行加权平均。
由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对Rgb三分量进行加权平均能得到较合理的灰度图像。
f（i,j）=0.30R（i,j）+0.59g（i,j）+0.11b（i,j））
3.3灰度图像伪彩色增强
1灰度分割法
一幅灰度图像可看做一个2-D的灰度函数，用一个平行于图像坐标平面去分截图像灰度函数，从而把灰度函数分成两个灰度值区间。
设在灰度级L1，L2，…，Lm处定义了m个平面，让L0代表黑，Lm代表白，在0 2空间域变换法
对原始图像中用三个独立的变换来处理，那么三个变换的结果分别同时输入彩色电视屏幕的三个电子枪，这样就可得到三个变换函数变换合成的彩色图像。
专题4
4.1腐蚀与膨胀（水平、垂直、全方向）
4.1.1腐蚀
对一个给定的目标图象x和一个结构元素s，想象一下将s在图象上移动。
在每一个当前位置x,s[x]只有三种可能的状态，即：
（1）s[x]?
x;
（2）s[x]?
xc;
（3）s[x]?
x与s[x]?
xc均不为空。
第一种情形说明s[x]与x相关性最大；第二种情形说明s[x]与x不相关；而第三种情形说明s[x]与x只是部分相关。
因而满足
（1）的点x的全体构成结构元素与图象的最大相关点集，我们称这个点集为s对x的腐蚀（简称腐蚀），记为x?
s。
也可以用集合的方式定义：
x?
s={x|s[x]?
x}
4.1.2膨胀
腐蚀可以看作是将图象x中每一个与结构元素s全等的子集s[x]收缩为点x,那么反之也可以将x中的每一个点x扩大为s[x]。
这就是膨胀运算，记为x?
s。
它定义为x?
s={x|s[x]?
x?
?
}。
与之等价的定义形式为：
x?
s?
?
{x[s]|s?
s}
x?
s?
?
{s[x]|x?
x}
4.2开运算、闭运算
4.2.1开运算
设A是被研究的对象,k是结构元素,A被k进行开运算即A被k腐蚀后再用k来膨胀腐蚀结果，其定义为:
A?
k=（A{x?
A,fort?
A?
k,x?
ktandkt?
A}
式中，A集合是被处理的图象。
k集合是一个较小的图象基元，叫做结构元素。
kt表示结构元素平移一个距离t。
上式表示图象A对结构元素k的开运算，精确的选择那些集合A中的点x，当x被结构元素k或平移kt覆盖的同时，结构元素必须整个保持在集合A内部。
由此可以得出开运算是一个反延伸性质的运算。
4.2.2闭运算
闭运算是开运算的对偶运算，它是先膨胀后腐蚀的结果。
因此闭运算可以写成：
?
?
A?
k?
{x|x?
kt?
kt?
A?
?
}
即对图象A用结构元素k做闭运算可得到一个集合，该集合中包括所有这?
?
样的点x，x被一个平移的镜象结构元素kt覆盖的同时，kt与A图象必有一些公共点。
由此看出，初始图象A是包含在闭运算后的A?
k中，即闭运算是具有延伸性的运算。
专题5
5.1植被指数
植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，通过这两个波段测值的不同组合可得到不同的植被指数。
（1）比值植被指数：
RVI=IR/ReD
绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。
植被的RVI通常大于2。
（2）归一化差异指数：
nD=（IR-ReD）/（IR+ReD）
-1 （3）垂直植被指数：
pVI=（（sR-VR）2+（snIR-VnIR）2）1/2
在R-nIR的二维坐标系内，植被像元到土壤亮度线的垂直距离。
其中s是土壤反射率，V是植被反射率。
升级会员 