erdas实习报告.docx
《erdas实习报告.docx》由会员分享，可在线阅读，更多相关《erdas实习报告.docx（24页珍藏版）》请在冰豆网上搜索。
erdas实习报告
遥感实习报告
目录
一、实习目的1
二、实验数据1
三、实验内容1
四、实验步骤1
1、格式转换1
2、图像裁剪2
3、图象配准4
4、图象监督分类9
五、实习心得23
一、实习目的
1、了解ERDAS软件的基本功能和基本操作；
2、掌握ERDAS处理影响的一般流程，能够熟练使用ERDAS进行图像处理和成图作业；
二、实验数据
1、1:
10万临川区土地利用图；
2、配准好的临川区2000年9月23日的TM图象。
3、临川区行政边界AOI文件
三、实验内容
1、图象裁剪
利用临川区行政边界AOI文件对TM图象进行裁剪，裁剪出临川区TM图象。
2、图象配准
map-to-image:
1:
10万土地利用图与TM图象配准；
要求最初选GCP点6-10个，及检测点5个，各点均匀分布，RMS检验误差小于30米（1个像元）。
3、图象监督分类
使用多边形选择工具；保留每个类型训练文件及aoi文件。
分类结果与1:
10万土地利用图比较，反复修正训练样区，进行监督分类，计算各地类的面积。
4、图象检验
分层随机抽样，每类30个样点，目视判读分类准确与否，统计分类精度。
四、实验步骤
1、格式转换
将1:
10万临川区土地利用图的TIFF格式通过ERDAS转换为img格式。
用ERDAS的数据输入输出模块：
Import，弹出一个对话框：
type选tiff，对话框左边输入tiff文件，右边选择好转换的img格式。
进行相关的设置，点击OK即可完成格式转换。
2、图像裁剪
在DataPrepration模块利用临川区行政边界AOI文件对TM图象进行裁剪，裁剪出临川区TM图象。
第一步：
“DataPrepration”—“SubsetImage”出现Subset对话框
第二步：
在subsetimgae对话框中，inputfile中打开需要裁减的影像（*.img），添加临川区TM影像，outputfile中指定裁减后的影像存储位置。
第三步：
点击subsetimgae对话框中的AOI按钮，出现chooseAOI对话框，选择AOIfile--行政边界AOI文件。
第四步：
在View窗口打开裁剪后的图像，查看裁剪的效果图：
3、图象配准
1:
10万土地利用图与TM图象配准配准步骤
（1）在Viewer#1和Viewer#2中分别打开需要校正的影像（1:
10万土地利用图）和TM影像
（2）点击DataPrepration模块，点击ImageGeometricCorrection子模块
选择fromimagefile，选择左侧临川区土地利用图，被校正影像模型选择Polynomial，设置PolynomialModelProperties对话框，polynomialorder一般选2;
（3）设置完成后的校正界面如图：
（4）选择控制点：
将左右两幅图像调整到合适界面，在左右两幅影像中选择明显地物点作为GCP控制点。
点选GCP控制点选择图标，在左图像里点击一个点，然后转到右侧图象找到与之相似的同名点，点击，选够6个点后，在GCPTOOL界面出现误差参数，可以检查GCP选择是不是准确，并将控制点颜色改为明显的红色。
GCP控制点选择时应该分散开，尽量分布在全图范围。
（5）选择检核点：
选择至少6--10个控制点，之后将选点属性改为Check，按照前面选控制点的方法选择5个检测点，各点均匀分布，RMS检验误差小于1个像元。
控制点分布图如下：
（6）控制点选取完成后，单击顶部对话框中的重采样图标输出校正影像。
经校正后后的图像如下：
两幅图对比：
4、图象监督分类
利用监督分类，对遥感影像上的地物进行识别，将地物分为耕地、林地、居民地、水域、未利用土地和交通用地六类。
（1）在视窗内打开配准好的TM影像，在另一个视窗打开1:
10万临川区土地利用图的图像，对照临川区土地利用图在TM影像上选择训练区。
（2）点击classified，选择signatureeditor出现下面的界面；
（3）根据需要选择类属性字段，这里只选择名字、颜色、属性值和个数四个属性值。
（4）打开AOI工具栏，在影像上不同区域分别选取六种地物类型，点
将选择好的AOI添加分类编辑区（每种地物在不同区域至少选取6个样本），点
将同类的地物进行合并。
训练区样本分布图：
训练区分离度报告：
训练区直方图报告：
要求精度大于85%，不符合要求表明训练区选择误差较大，应重新选取。
ERRORMATRIX
（5）点击“Classification—SupervisedClassification”，打开分类对话框，按照要求进行相应设置，如下图：
点击OK，完成影象的分类，在Viewe打开转换后的监督分类图：
（6）分类结果精度评价：
“Classification---AccuracyAssessment”,打开分类后的图像，点击
将监督分类图进行连接，添加30个随机点。
对照属性，关联点之后的随机点：
（7）点击“Report—AcuuracyReport”输出分类评价报告：
输出分类评价报告
CLASSIFICATIONACCURACYASSESSMENTREPORT
-----------------------------------------
ImageFile:
d:
/专业资料/遥感实习/监督分类图.img
UserName:
Administrator
Date:
SunJun1615:
03:
102013
ACCURACYTOTALS
----------------
ClassReferenceClassifiedNumberProducersUsers
NameTotalsTotalsCorrectAccuracyAccuracy
---------------------------------------------------
Unclassified000------
000------
耕地109990.00%100.00%
水域000------
居民地9109100.00%90.00%
000------
交通用地444100.00%100.00%
未利用地111100.00%100.00%
林地666100.00%100.00%
Totals303029
OverallClassificationAccuracy=96.67%
-----EndofAccuracyTotals-----
KAPPA（K^）STATISTICS
---------------------
OverallKappaStatistics=0.9254
ConditionalKappaforeachCategory.
------------------------------------
ClassNameKappa
---------------
Unclassified0.0000
耕地1.0000
水域0.0000
居民地0.8941
交通用地1.0000
0.0000
未利用地1.0000
林地1.0000
-----EndofKappaStatistics-----
（8）分类后处理：
A聚类统计：
点击“Iterpreter—GISAnalasis--Club”,打开聚类统计对话框，添加分类后影象和分类后影象：
在Viewer中打开聚类统计后的图像：
B过滤分析：
点击“Iterpreter—GISAnalasis—Sieve”，打开过滤对话框，添加聚类统计后的图像和过滤分析图
在Viewer中打开过滤分析图：
C去除分析:
点击“Iterpreter—GISAnalasis—Eliminate”，打开去除对话框，添加聚类统计图和输出去除分析图：
在Viewer中打开去除分析图：
调整颜色后的去除分析图像如下：
最终监督分类后的图像与1:
10万临川区土地利用图对比如下：
五、实习心得
升级会员 