08级地理信息系统实习报告Word文档格式.docx

08级地理信息系统实习报告Word文档格式.docx

《08级地理信息系统实习报告Word文档格式.docx》由会员分享，可在线阅读，更多相关《08级地理信息系统实习报告Word文档格式.docx（56页珍藏版）》请在冰豆网上搜索。

配准后的结果：

第二步矢量化

1“图形处理”，“输入编辑”，“自定义”（也可自行设置），点击编辑区可激活工具条。

“V矢量化”“装入光栅文件”（即影像校正后的图像）。

可以新建点，线，区图层并分别对各个图层矢量化。

2“V矢量化”“设置矢量化范围”“设置矢量化参数”“光栅文件求反”（可选）点，线，区的编辑菜单如下图所示：

3点要素

选择图形处理中的输入编辑，新建一个工程，点击矢量化中的转入栅格文件，将配准后的地图导入，右击图层列表框，选择新建点，并创建。

右击创建的点，修改属性结构，完成点击OK。

编辑点要素，点击点编辑中的输入点图元。

直至所有要素完成，并保存结果。

本次实习，点图层有标注、车行桥、等高线标注、独立房屋、坟等。

4线要素

编辑线要素，创建线项目，并修改其属性结构。

点击OK。

点击线编辑——〉输入线——〉输入线。

本次实习，线图层有等高线，公路，简易公路，时令路，乡村路，水系、围墙等。

5区要素

创建区要素，修改属性并保存。

点击区编辑，选择输入弧段。

并对区要素进行绘制，直至所有要素完成，保存项目。

本次实习，区图层有水稻田，坚固的街区不坚固的街区等。

6完成点，线，面所有要素绘制后，将工程文件保存。

最终绘制完成的地图，输出图如下：

第二部分遥感实习

实习一TM数据的输入输出，输入SPOT图像要点，切割图像

实习目的及内容：

1.了解常用遥感图像（TM、SPOT）的特点、格式

2学会用ERDAS软件导入TM和SPOT图像，并根据需要栽切图像。

实习操作步骤：

一TM数据的输入输出

㈠单波段数据的输入

1启动ERDASIMAGINE9.2运行环境，点击Import图标，会弹出Import/Export对话框，对其进行如下设置：

Type→GenericBinary,Media→File.InputFile→D:

\中国遥感卫星地面站\LANDSAT7ETM+2002\L71123037_03820020709_B10.FST.OutputFile→D:

\实习一数据\01.img.点击OK!

2出现ImportGenericBinaryData对话框，DataFomal→BSQ,DataType→Unsigned8bit,设置#Rows,#Cols（行列值可在原始数据所在文件夹下的说明文档中找到，本次实验中1-5,7→3351*3181，6L6H→1676*1591，8→6701*6361）点击OK即可完成单波段数据的输入。

依次生成01，02，至08这些单波段数据。

上图为输入1-5,7波段的设置情况

上图为波段1的数据输入

㈡组合多波段数据

1启动程序ERDASIMAGINE9.2，点击Interpreter图标→ 

Utilities→Layerstack→打开对话框，进行设置：

依次输入各个波段数据，输入单波段文件一个，单击add按钮，增加一个波段，依次再输入两个波段。

选中union和ignorezeroinstats行复选框。

2生成070402，030405两个多波段数据，它们分别是７４２，３４５等波段组合。

上图为7，4，2波段组合的030405.image

二输入SPOT图像要点

文件类型：

为SPOT（CAP/SPIM）→文件存贮介质为file→选择输入输出文件类型。

上图为输入SPOT图像

三、切割图像

分为两种类型：

规则分幅裁剪和不规则分幅裁剪

㈠规则分幅裁剪要点

启动程序,main→dataprepration→subsetimage→坐标系（coordinatetype）为file→确定裁剪范围：

在ulx、uly、lrx、lry中输入值（打开“多波段数据组合070402.img”右键→inquirebox→自动出现所画矩形的X，Y坐标）→文件类型为unsigned8bit；

文件类型为continuous→输出统计忽略零值，选择ignorezeroinoutputstates→输出象元波段值，如2：

5等（selectLayers1:

3）

对多波段数据组合070402..img的规则分幅裁剪结果如上图

（二）不规则裁剪：

用AOI工具裁剪任意多边形

1、用AOI裁剪确定图像范围

打开一个图像（070402.img）→打开AOI裁剪工具：

AOI—TOOLS

选择一个工具

→用工具在图上选择一个要裁剪的图像范围→保存AOI文件：

File—save—aoifilesaveas

2、不规则分幅裁剪

启动程序；

datapreparation—subsetimage→输入文件：

在inputfile（*.img）中输入文件→在outputfile（*.img）中选择保存文件的位置和名称→选择AOI文件：

选择AOI…选择AOI文件→输出文件类型为unsigned8bit→输出象元波段，如选择1:

3→单击ok执行裁剪。

:

上图为不规则分幅裁剪的设置情况

上图为不规则分幅裁剪的最终结果

实习三地形图的配准（遥感图像的几何精纠正）

实验目的及内容

1.学会利用ERDAS软件对地形图进行配准。

2.学会利用ERDAS软件对遥感图像进行几何精纠正。

一、地形图配准原理

几何精纠正，数字图象几何纠正：

通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法。

这种方法能够精确地改正动态扫描图像的误差。

基本原理：

利用图像坐标和地面坐标（另一图像坐标、地图坐标等）之间的数学关系，即输入图像和输出图像间的坐标转换关系实现。

灰度重采样，纠正后的新图像的每一个像元，根据变换函数，可以得到它在原始图像上的位置。

如果求得的位置为整数，则该位置处的像元灰度就是新图像的灰度值。

如果位置不为整数，则有几种方法：

1） 

最近邻法2） 

双线性内插法3）三次卷积法。

综上所述：

控制点的选择原则:

表征空间位置的可靠性，道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。

同名控制点要在图像上均匀分布；

清楚辨认；

数量应当超过多项式系数的个数（（n+1）*（n+2）/2）。

当控制点的个数超过多项式的系数个数时，采用最小2乘法进行系数的确定，使得到的系数最佳。

二、地形图配准操作步骤

（一）单幅图的配准步骤

1将扫描后的地形图转为image格式：

Import→Type：

Tiff，Media→File,InputFile→xingyang.TIF,OutPutFile→xiangyangimage→OK→OK!

2启动配准程序:

Main→datapreparation→ImageGeometriccorretion→setGeocorrectionInp…（选择要配准的地形图）→FromImageFile

3选择几何校正模型：

一般选择多项式变换模型（polynomial）；

单幅图多项式次方数可选1

4选择投影类型，填写投影参数

选择add/changeprojection，出现下面的对话框：

在上图中→projectiontype:

选择transversemercator→Spheroidname和datum:

都选择:

krasovsky→Scalefactoratcentralmeridian:

1.000→Longitudeofcentralmeridian:

中央子午线的经度需要计算→Falseeasting:

北半球填写为50,000m（500公里），其他不变。

5、选择几何校正采点模式

选择setprojectionGCPtool，单幅图的配准选择通过键盘方式输入控制点：

即keyboardonly。

（下左图）单位选择米（下右图）

6、用

图标在xinyang.img图上找三个控制点，并输入Xresidual和Yresidual。

输入坐标值，注意输入的单位为要换算成米，如图上的坐标为（38499,3560），其中38499中38是带号，所以输入值为499000,而3560应输入3560000（单位为米）．

7再采集其他控制点

最少控制点的个数可按下列公式计算：

（t+1）*（t+2）/2，当次方数为１时最少需要３个控制点，２次方需要６个控制点，３次方需要10个控制点。

当输入3个控制点后（本次实习），每采集一个地面控制点，系统自动产生一个ref.gcp

上图为单幅图配准采点表格

上图为单幅图配准采点分布

8其他知识

xresidualy和yresidual分别表示单个GCP控制点的X、Y残差，RMSerror和contribution是单个GCP的RMS误差和贡献率。

一般要求配准误差不超过一个像元，即从配准图上可以看出总误差大小

点击

图标，输出配准后的文件。

进行配准后图像及控制点文件的保存。

打开xinyang.img和xinyangpeizhun.img的图像图层信息，进行比较。

㈡两幅图的配准

与单幅图配准不同之处：

首先要打开两幅图,如一幅为已有坐标的地形图，另一幅为没有地理坐标的TM图片或SPOT图。

采点模式应选:

existingview,即从已经打开的窗口中采点。

第一步：

显示图像文件（DisplayImageFiles）

在ERDAS图标面板中点击Viewer图表两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置，操作过程如下：

ERDAS图表面板菜单条：

Session→TitleViewers然后，在Viewer1中打开需要校正的SPOT图像：

未配准的“01.img”在Viewer2中打开作为地理参考的校正过的图像“xinyangpeizhun.img”

第二步：

启动几何校正模块（GeometricCorrectionTool）

Viewer1菜单条：

Raster→GeometricCorrection→打开SetGeometricModel对话框

→选择多项式几何校正模型：

Polynomial→OK→同时打开GeoCorrectionTools对话框和PolynomialModelProperties对话框

在PolynomialModelProperties对话框中，定义多项式模型参数以及投影参数：

→定义多项式次方（PolynomialOrder）:

1→定义投影参数（PROJECTION）→Apply→Close→打开GCPToolReferenseSetup对话框

第三步：

启动控制点工具（StartGCPTools）

首先，在GCPToolReferenseSetup对话框中选择采点模式：

→选择视窗采点模式：

ExistingViewer→OK→打开ViewerSelectionInstructions指示器→在显示作为地理参考图像xinyangpeizhun.img的Viewer2中点击左键→进入控制点采点状态。

第四步：

采集地面控制点（GroundControlPoint）

GCP的具体采集过程：

1在GCP工具对话框中，点击SelectGCP图表，进入GCP选择状态；

2在GCP数据表中，将输入GCP的颜色设置为比较明显的黄色。

3在Viewer1中移动关联方框位置，寻找明显的地物特征点，作为输入GCP。

4在GCP工具对话框中，点击CreateGCP图标，并在Viewer3中点击左键定点，GCP数据表将记录一个输入GCP，包括其编号、标识码、X坐标和Y坐标。

5在GCP对话框中，点击SelectGCP图标，重新进入GCP选择状态。

6在GCP数据表中，将参考GCP的颜色设置为比较明显的红色，

7在Viewer2中，移动关联方框位置，寻找对应的地物特征点，作为参考GCP。

8在GCP对话框中，点击SelectGCP图标，重新进入GCP选择状态，并将光标移回到Viewer1中，准备采集另一个输入控制点。

9不断重复1-8，采集若干控制点GCP，直到满足所选定的几何模型为止，尔后，没采集一个InputGCP，系统就自动产生一个Ref.GCP，通过移动Ref.GCP可以优化校正模型。

实验四主成分变换和主成分逆变换

一、主成分变换

K-L变换是离散Karhunen-Loeve变换的简称，又常称作主成份变换（PrincipalComponentAnalysis）。

它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y的操作，表达式为：

Y＝AX，A的作用是过多波段的像元亮度加权系数，实现线性变换。

由于变换前各波段之间又很强的相关性，经过K-L变换组合，输出图像Y的各分量之间将具有最小的相关性。

实验步骤:

：

1ERDAS图标Interpreter→SpectralEnhancement→PrincipalComponents.

2PrincipalComponents对话框中，设置参数

确定输入文件（InputFile）为*.img→定义输出文件（OutputFile）为*_principal.img→文件坐标类型（CoordinateType）为Map

确定处理范围（SubsetDefinition）。

在ULX/Y、LRX/Y微调框中输入需要的数值。

注意：

默认为整个图像范围，可以应用InquireBox定义子区。

→确定输出数据类型（OutputDataType）为FloatSingle→特征矩阵输出设置（EigenMatrix）→运行日志，写入特征矩阵文件，特征矩阵文件名→特征数据输出设置（EigenValue）→需要的主成份数量为3→单击OK，执行主成份变换（下图为设置情况）

下图为主成分变换前的304050波段合成图像

下图为主成分变换后304050k_l.img

二、主成分逆变换

主成分逆变换（inverseprincipalcomponentsanalysis）是将经主成分变换获得的图像重新恢复到ＲＧＢ彩色空间，应用时输入的图像必须是由主成分变换得到的图像，而且必须有当时的特征矩阵（*.mtx）参与变换。

实验步骤：

在ERDAS图标→Interpreter→SpetralEnhancement→InversePrincipialComponents命令,打开InversePrincipalComponents对话框中，需要设置下列参数

确定输入文件（InputPCFile）为*.img→定义输出文件（Output

File）为*inverse_pc.img→文件坐标类型（CoordinateType）为Map→确定处理范围（SubsetDefinition）。

（注意：

）→确定输出数据类型（OutputDataType）为FloatSingle→输出数据拉伸到0～255，请选中ignoretounsigned8bit→若输出数据统计时忽略零值，请选中ignorezeroinstates复选框→单击OK，执行主成份逆变换。

（下图为设置情况）

下图为主成分逆变换之后的图像304050inverse_k_l.img

实验五＿不同分辨率图像融合

实验目的

学会利用ERDAS软件进行不同分辨率图像之间的融合.

ERDAS软件提供了三种图像融合方法：

1、主成分变换融合（PincipleComponent）（该实习报告主要描述此种方法）

2、乘积变换融合（Mutiplicative）

3、比值变换融合（BroveyTransform）

在ERDAS图标→Interpreter→SpatialEnhancement→ResolutionMerge命令,打开ResolutionMerge对话框。

在ResolutionMerge对话框中，需要设置下列参数：

确定输入高分辨率文件（HighResolutionInputFile）为*.img（TM8）→确定多光谱输入文件（MultispectralInputFile）为*.img→定义输出文件（OutputFile）为merge.img→选择融合方法（method）为broveytransform（比值变换融合）→选择重采样方法（resamplingtechniques）为bilinearinterpolation→输出数据选择（outputoption）为stretchunsigned8bit→特征数据输出设置（EigenValue）

上图435波段的主成分分析后图像与高分辨率TM8设置

又经主成分逆变换效果比较下

实验六遥感图像分类

学会在ERDAS软件支持下，对遥感图像进行地物分类。

一非监督分类实验步骤：

1、初始分类获取

第一步：

启动非监督分类对话框

Datapreparation→Unsuperviseclassification

进行监督分类

调出：

unsupervisedclassification对话框（图7-1），逐项填写。

2、分类方案调整

获得一个初始分类结果后，可以应用分类叠加方法来评价分类结果、检查分类精度、确定类别专题意义和定义分类色彩，以便获得最终的分类方案。

显示原图像与分类图像

学会在同一个窗口中，同时打开两个图像，叠加显示。

方法如下：

在viewer视图下打开需要分类的图像070402.img，然后，在同一个视图上打开SelectLayerToAdd对话框，选择RasterOptions选项，将ClearDisplay前的对勾取消，再回到File项目下，选择进行监督分类后输出的图像unsupervise_classification.img

打开分类图像属性表并调整字段显示顺序

单击Raster|Tools命令，打开Raster工具面板，打开RasterAttributeEditor窗口。

给各个类别赋相应的颜色

确定类别的专题意义及其准确程度

第五步：

标注类别的名称和相应的颜色

重复以上4、5、三步直到对所有类别都进行了分析与处理。

注意，在进行分类叠加分析时，一次可以选择一个类别，也可以选择多个类别同时进行。

Utility→ViewerFlicker→AutoMode实现原图和分类后的图像闪烁显示的效果。

如下图，左边为分类前，右边为分类后。

第七步：

类别合并与属性重定义

启动重编码程序：

在ERDAS图标面板菜单中，单击Interpreter→GISAnalysis命令,打开Recode对话框。

设置下列参数

确定输入文件（InputFile）为*.img→定义输出文件（OutputFile）为recode.img→设置新的分类编码（setuprecode）,单击中setuprecode按钮，打开thematicrecode表格→根据改变newvalue字段的取值（直接输入），在本例中将原来的10类依次两两合并，形成５类→单击ok按钮→确定输出数据类型unsigned4bit→单击OK，执行图像重编码。

重新编码后的非监督分类图像

编码前的非监督分类图像

二监督分类操作步骤:

1定义分类模板（DefineSignatureUsingsignatureEditor）

启动ERDAS，在viewer中打开需要分类的图像435.img如下图：

ERDAS图标→classification→signatureeditor命令→view→columns→点击最上一个字段的column拖拉直到最后一个字段，此时所有字段都被选上→按shift键同时分别点击Red,Green,Blue三个字段将从选择集中被清除→Apply→close→从signatureeditor图框中可以看到Red,Green,Blue三个字段将不再显示，如下图：

2获取分类模板信息

Raster→Tools或者点击

（小锤子图标）→在视窗中选择AOI

，点击signature分类模板

加载到signature分类模板中→可修改名称和颜色→重复操作以上过程，当对同一类型采集了多个AOI并分别生成了模板，可以将这些模板合并，以便使该分类模板具有多区域的综合特性，选定，点击合并图标

，右键，可删除原来的模板。

3保存分类模板

signatureeditor对话框菜单条：

File→Save→打开SavesignatureAs对话框→注意：

确定保存的是所有的模板还是只保存了选中的模板→确定文件的目录和名字（sig文件）

4评价分类模板（EvaluatingSignatures）

可能性矩阵在SignatureEditor对话框：

→OK（关闭ContingencyMatrix对话框，计算分类误差矩阵）

然后，IMAGINE文本编辑器（TextEditor）被打开，分类误差矩形矩阵将显示在编辑器中供查看统计。

本次实验误差矩阵值为381＋37＋38＋20＋28＋1381＋370／2273﹦0.9922（从百分比来说，如果误差矩阵值小于85%，则模板