遥感原理实习Word文档下载推荐.docx

遥感原理实习Word文档下载推荐.docx

《遥感原理实习Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《遥感原理实习Word文档下载推荐.docx（15页珍藏版）》请在冰豆网上搜索。

二、实验内容：

ERDAS软件中图像预处理模块下的图像几何校正。

几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。

而

将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。

由于所

有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参

考过程。

三、实习步骤：

1、图像几何校正的途径

其一：

首先确定来自视窗（FromViewer），然后选择显示图像视窗。

其二：

首先确定来自文件（FromImageFile），然后选择输入图像。

2、图像几何校正的计算模型（GeometricCorrectionModel）

3、图像校正的具体过程

第一步：

显示图像文件（DisplayImageFiles）

第二步：

启动几何校正模块（GeometricCorrectionTool）

第三步：

启动控制点工具（StartGCPTools）

第四步：

采集地面控制点（GroundControlPoint）

第五步：

采集地面检查点（GroundCheckPoint）

第六步：

计算转换模型（ComputeTransformation）

第七步：

图像重采样（ResampletheImage）

第八步：

保存几何校正模式（SaverectificationModel）

在Geo-CorrectionTools对话框中点击Exit按钮，推出几何校正过程，按照系

统提示，选择保存图像几何校正模式，并定义模式文件，以便下一次直接利用。

第九步：

检验校正结果（VerifyrectificationResult）

四、实习体会

这是第一次接触ERDAS软件，面对全英文的软件、刚开始不知道怎么怎么操作，后来通过指导书上面的步骤，慢慢学习，仔细琢磨，终于有所收获！

这次实习让我了解了几何校正的基本过程，采集地面控制点是最麻烦的，但是只要认真，就一定能做出来。

实验二

遥感图像的镶嵌

通过实验使学生进一步熟练ErdasImagine的基本操作，理解遥感图像几何处

理的基本概念和图像镶嵌的原理，了解遥感图像镶嵌的基本过程，基本掌握利用

实验中所选软件进行遥感图像镶嵌的操作方法和流程。

每位同学独立完成实验中遥感图像的镶嵌工作任务，完成镶嵌后图像拼接处

的接合效果评价，分析影响拼接效果的因素，按照实验要求认真完成实验结果的

分析和实验报告的撰写。

三、实验数据：

本实验分为卫星影像的镶嵌和航空影像的镶嵌。

用于卫星影像的镶嵌数据

是:

wasia1_mss.img,wasia2_mss.img,wasia3_mss.img。

四、实习步骤

打开镶嵌（Mosaic）工具

第二步：

向MosaicT中添加要镶嵌的图像

校正影像

运行并保存

查看结果

五、实习感想

这次是实习让我了解了遥感图像镶嵌的基本过程，对图像镶嵌的原来有所认识，这次相对上次几何校正来说比较容易，但是重要的是我们要理解其原理。

实验三

遥感图像融合

通过实验使学生进一步熟练ErdasImagine的基本操作，理解遥感图像几何

处理的基本概念和图像融合的原理，了解遥感图像像素级融合的基本过程，基本

掌握利用实验中所选软件进行遥感图像融合的操作方法和流程。

将高空间分辨影像与多光谱影像进行叠加，达到优势互补。

每位同学独立完

成实验中遥感图像的融合任务，完成融合后图像效果评价，按照实验要求认真完

成实验结果的分析和实验报告的撰写。

三、实验过程：

打开工具

设置参数

单击ResolutionMerge，打开融合对话框，需设置以下参数：

（1）HighResolutionInputFile（高分辨率输入文件）：

spots.img

（2）MultispectralInputFile（多光谱输入文件）：

dmtm.img

（3）OutputFile（输出文件）：

merge.img

（4）Method（融合方法）：

PrincipalComponent（主成分变换）

（5）ResamplingTechniques（重采样方法）：

BilinearInterpolation（二次

线性插值）

（6）OutputOptions中全选中

（7）LayerSelection（输出波段选择）：

1：

7

查看结果以及与原图比较

融合前融合后

四、实习感想

这次实习让我学会了图像融合的基本操作过程，掌握了图像融合的基本方法和操作流程，对ERDAS软件有了更进一步的认识。

实验四

遥感图像监督分类

实验目的：

通过实习操作，掌握遥感图像监督分类的基本方法和步骤，深刻理解遥感图

像监督分类的意义。

实验内容：

监督分类就是基于图像像元的数据文件值将像元归并成有限几种类型等级

，、

或数据集的过程。

在监督分类过程中，首先选择可以识别或者借助其它信息可以

断定其类型的象元建立模板，然后基于该模板使计算机自动识别具有相同特性的

像元。

对分类结果进行评价后再对模板进行修改，多次反复建立一个比较准确的

模板，并在此基础上最终进行分类。

实验步骤：

定义分类模板

ERDASIMAGINE的监督分类是基于分类模板来进行的，而分类模板的生成、管理、评价和编辑等功能是由分类模板编辑器来负责的。

在分类模板编辑器中生成分类模板的基础是原图像和（或）其特征空间图像。

因此，显示这两种图像的窗口也是进行监督分类的重要组件。

1、显示需要分类的图像

2、打开分类模板编辑器

3、调整分类属性字段

4、获取分类模板信息

可以分别应用AOI绘图工具、AOI扩展工具和查询光标等3种方法，在原始

图像或特征空间图像获取分类模板信息。

下面将介绍应用AOI绘图工具获取分类

模板信息。

下面的操作将在Raster工具面板、图像窗口、SignatureEditor对话框三者之间

交替进行。

（1）在Raster工具面板单击图标，进入多边形AOI绘制状态。

（2）在图像窗口中选择绿色区域

（3）在SignatureEditor窗口，单击CreateNewSignature图标

，将多边形

AOI区域加载到SignatureEditor分类模板属性表中（图5－9）。

（4）在图像窗口中选择另一个绿色区域，再绘制一个多边形AOI。

（5）同样在SignatureEditor窗口，单击CreateNewSignature图标，将多边形AOI区域加载到SignatureEditor分类模板属性表中。

（6）重复上述两步操作过程，选择图像中你认为属性相同的多个绿色区域绘制若干个多边形AOI，并将其作为模板依次加入到SignatureEditor分类模板属性表中。

（7）按下shft键，同时在ignatur字面的分类编号，将你上面加入的多个绿色区域AOI模型。

（8）在SignatureEditor工具条，单击MergeSignature图标，将多个绿色区域AOI模板合并，生成一个综合的新模板，其中包含了合并前的所有模板象元属性。

（9）在SignatureEditor菜单条，单击Edit/Delete删除合并前的多个模板

（10）在SignatureEditor属性表，改变合并生成的分类模板的属性：

包括名称与颜色分类名称（SignatureName）：

Agriculture/颜色（Color）：

绿色。

（11）重复上述所有操作过程，根据实地调查结果和已有研究成果，在图像窗口选择多个黑色区域AOI（水体），依次加载到SignatureEditor分类属性表，并执行合并生成综合的水体分类模板，然后确定分类模板名称和颜色。

（12）同样重复上述所有操作过程，绘制多个蓝色区域AOI（建筑）、多个红色区域AOI（林地）等，加载、合并、命名，建立新的模板（图5－13）。

（13）如果将所有的类型都建立了分类模板，就可以保存分类模板，单击File/Save,打开SaveSignatureFileas对话框，设置好保存路径与文件名（super.sig），单击OK保存。

评价分类模板（略）

执行监督分类

监督分类实质上就是依据所建立好的分类模板、在一定的分类决策条件下，对图像象元进行聚类判断的过程。

下面是执行监督分类的操作过程：

第四步：

评价分类结果

特定像元与已知分类的参考像元进行比分类精度评估是将专题分类图像中数据与地面真值、先前的试验地图、航空相片或其较，实际工作中常常是将分类它数据进行对比的途径之一。

下面是具体的操作过程：

第1步：

在视窗中打开原始图像在Viewer1中打开分类前的原始图像germtm.img，以便进行精度评估。

第4步：

将原始图像视窗与精度评估视窗相连接

AccuracyAssessment对话框→工具条：

点击SelectViewer图标或菜单条：

选择View菜单的SelectViewer）→将光标在显示有原始图像germtm.img的视窗中点击一下→原始图像视窗与精度评估视窗相连接。

第5步：

在精度评价对话框中设置随机点的色彩。

第6步：

产生随机点

第7步：

显随机点及其类别

第8步输入参考点的实际类别值

第9步：

设置分类评价报告输出环境及输出分类评价报告

分类后处理

1）聚类统计（Clump）

无论利用监督分类还是非监督分类，分类结果中都会产生一些面积很小的图斑。

无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除。

ERDAS系统中的GIS分析命令Clump、Sieve、Eliminate可以联合完成小图斑的处理工作。

聚类统计（Clump）是通过地分类专题图像计算每个分类图斑的面积、记录相邻区域中最大图斑面积的分类值等操作，产生一个Clump类组输出图像，其中每个图斑都包含Clump类组属性；

该图像是一个中间文件，用于进行下一步处理。

2）过滤分析（Sieve）

Sieve功能是对经Clump处理后的Clump类组图像进行处理，按照定义的数值大小，删除Clump图像中较小的类组图斑，并给所有小图斑赋予新的属性值0。

显然，这里引出了一个新的问题，就是小图斑的归属问题。

可以与原分类图对比确定其新属性，也可以通过空间建模方法、调用Delerows或Zonel工具进行处理（详见空间建模联机帮助）。

Sieve经常与Clump命令配合使用，对于无须考虑小图斑归属的应用问题，有很好的作用。

3）去除分析（Eliminate）

去除分析是用于删除原始分类图像中的小图斑或Clump聚类图像中的小lump类组，与sieve命令不同，将删除的小图斑合并到相邻的最大的分