2023年遥感实验报告新编

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解决实验室学院2023年级测绘工程专业1班学生姓名刘文洋学号开课时间20２３至2０2３学年第1学期总成绩教师署名目录ＴOC\ｏ＂1-１"\h\z\ｕHＹＰEＲＬＩＮK＼l＂_Tｏｃ"实验一ENVI视窗的基本操作 2HYPＥRＬINK实验二遥感图像的几何校正 4HＹPＥRＬINＫ＼l"_Toc"实验三遥感图像的增强解决 8HＹＰERＬINK实验六遥感图像分类---监督分类ﻩ１7HYＰERＬINＫ实验七遥感图像分类-－-非监督分类 １９ＨYＰＥＲLINＫ\l"_Ｔｏc"实验八遥感图像分类后解决ﻩ2２实验一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解决软件ENＶＩ的重要功能模块,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;文献菜单操作;显示数据；裁剪数据；合并波段实验环节1、一方面打开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：我们假如需要打开遥感文献，则可以选择File下的打开功能oｐenimａgefile，打开遥感图像如下图:裁剪数据打开basicｔoｏls的rｅsizedata功能，假如需要对图像进行一系列解决,可以运用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，届时候在具体叙述。3、再熟悉了ENＶＩ4.7的一些基本知识后我们可以简朴地操作下,比如对一组数据分别用GrａySｃａle和LｏadＲGB导入,看看两幅图的区别以及各自的优缺陷。实验结果分析在这次的实验中,我们简朴的熟悉了下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，为我们后续运用软件对遥感图像解决打下了基础。实验二遥感图像的几何校正一、实验目的通过实习操作，掌握遥感图像几何校正的基本方法和环节，深刻理解遥感图像几何校正的意义。二、实验内容ＥNＶＩ软件中图像预解决模块下的图像几何校正。运用控制点的选择和编辑来纠正影像。实验环节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２、对两幅图像进行裁剪至需要几何纠正的区域。应用BaｓicＴoｏlｓ中的ResizeData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体同样才行。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碰到大于0.5０00的情况，就对RMS最大的点进行调整，遵循原则：，向左;，向上;，向右;，向下。直至每个点的RMＳ都小于０．5000,在完毕了控制点的选取后，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:４、进行图像纠正,并存盘。实验结果分析实验结果：在本次的实验过程中，控制点的选取是至关重要的，假如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，尽也许的将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。实验三遥感图像的增强解决一、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解决的过程和方法,加深对图象增强解决的理解。二、实验内容直方图均衡化;灰度反转；直方图正态化。三、实验环节1、直方图均衡化解决（1）ENVＩ中打开1影像，GｒａyＳcaｌe模式加载第一波段的影像(2）选择Ｉｍage窗口中Eｎhanｃe选项下的IｍaｇeEｑuａlｉzａtiｏn来实现图像的均衡化解决。2、直方图拉伸（1)选择Eｎhaｎｃe菜单下的IｎteｒacｔivｅSｔretcｈｉnｇ选项，单击ＳtreｔｃhType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3、图像匹配（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ＬoadBandｔoNｅwDisplay。（2)选择波段1影响下的Ｅnｈancｅ—>ＨｉtogrｍMａtchｉng选项，在弹出的ＨitogrmMａtching对话框中选定Ｄｉsplay#２,单击oｋ按钮,就可以完毕两张影像的匹配。(3)查看图像的直方图,打开第一张图像的enhanｃe中的ｉnterｃｔｉｖestrｔchinｇ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号窗口解决后的直方图。四、实验结果分析１、直方图均衡化结果：2、直方图拉伸结果Stｒeｔch_TｙpeＬinearＳｔrｅtch_TyｐｅGａｕssiａn3、直方图匹配结果通过本次上机操作,了解辐射增强的过程和方法,加深了图象增强解决的理解。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，加深了对理论的结识，纯熟了实际操作。总的来说这次的实验相对来说比较简朴,在完毕了图像增强后,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。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解决的过程和方法,加深对图象增强解决的理解。二、实验内容波段比值变换；主成分变换实验环节１、波段比值变换（１)在ＥNVI中打开1影像,选择Trasfｏrm选项下的BandRations选项，弹出BaｎdＲatiｏnsInputBands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SｅlecteｄＲatｒioPairs中出现新增波段时再单击ok按钮即可。(2）在弹出的Bandratioｐａraｍeteｒ对话框中选Memory,单击oｋ(3)比值是浮点数，影像越暗，两个波段的比值越小,越亮比值越大。２、主成分分析法（１）在ENVI开发环境中打开1中的ＲGＢ为321波段的影像。（2)选择Ｔransform菜单下的ＰrincｉpalCompoｎeｎｔ子菜单下的FｏrｗarｄＰCＲoｔatioｎ下的CompuｔeNeｗStatｉｓtｉcsandRotate选项,在弹出的ＰrincipalCoｍponentｓInpuｔＦile对话框中,在SelｅｃtInput中选中Ｍemory１，单击ｏk。（３）在ＦｏrwａrdPＣPaｒameteｒs对话框的ｃhoose选项设定输出途径，记的SeleｔedOutｐuｔPＣBａndｓ对话框,将NuｍbｅrｏfOutpuｔPCBandｓ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；另一方面是第二主分量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ＰCBａｎd１PCBaｎd３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明显，而主成分分析法可以减少噪声，使得图像更加清楚,使得提取图像上的信息变得容易了许多，在完毕的实验后的五个波段里面，第一波段的噪声最少,越往后面的波段噪声就越来越多,图像变得模糊,从PＣEigenvalｕｅｓ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,进一步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重要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特性,从而达成增强图象质量的目的。三、实验环节(1)加载12840-８高分辨率影像(2）导入１数据的真彩色影像。(３）单击Trａnsｆorｍ—＞ImageＳｈａrpeninｇ—>ＨSV,选中12840-8图像高分辨率图像,选中真彩色影像为多光谱影像。（４)输入解决结果途径，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:完毕这次实验后，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局限性。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,达成能纯熟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、实验环节1、一方面打开实验二所裁剪过后的1文献,打开RGB图像。2、通过#1下的菜单栏中的ｏｖｅｒlay→reｇionofinterest→zoom，在RＯI_Tｙｐe中输入民称水体。然后选择neｗrｅgin,分别按照上面环节输入植被、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选项,然后用鼠标左键进行划线,划线完毕后,点击右键，闭合。再点击一次右键,则系统自动进行填充。4、完毕第三步后，选择optiｏns→ｃompeｔeROＩｓeｐaｒａbiliｔy→原始图像→ｓeｌectalｌiｔems→ok。5、点击cｌassiｆiｃation→ｓｕｐervｉseｄ→ｍiniｍｕmdistanｃe→选择原始图像→ok→seｌectａlliteｍs→保存→ok。6、最后来计算混淆矩阵:cｌassiｆiｃaｔｉon→pｏｓtclａsｓificａｔｉoｎ→conｆusｉｏnmatriｘ→uｓｉnggｒouｎdtruｔhROIS。四、实验结果分析监督分类后图像:混淆矩阵:完毕这次实验后,使得我们熟悉了监督分类的操作环节，在这次的实验中，可以看出监督分类的环节也不算太复杂,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，并且在完毕了监督分类后,若对完毕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。总之在完毕一次实验的过程中，细心和耐心非常重要。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，达成能纯熟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。实验环节1、打开裁剪过后的实验数据2、选中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→Eｄiｔｃｌassname／cｏlor→进行编辑→fｉlｅ—ｓaｖe。５、点击cｌaｓsification→pｏｓtｃlaｓsificａｔiｏｎ→comｂiｎｅclａｓs→OK。然后进行颜色的修改。6、点击ｃlassifｉcａtion→ｐosｔclassifｉcation→clumpcｌass。７、点击cｌasｓification→poｓtｃlaｓsｉficatiｏn→ｍｉnimummａtris→usinggroundtrｕthROＩs实验结果分析非监督分类结果:混淆矩阵: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环节，也复习了书本上所学习到的理论知识。在完毕监督分类和非监督分类两次实验后，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。完毕这次实验后，让我们对于图像的分类有了更深的了解与掌握。实验八遥感图像分类后解决一、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、实验内容分类后解决,混淆矩阵生成三