2023年遙感實(shí)驗(yàn)報(bào)告新編

重慶交通大學(xué)

學(xué)生實(shí)驗(yàn)報(bào)告

實(shí)驗(yàn)課程名稱遙感原理與應(yīng)用

開課實(shí)驗(yàn)室測量與空間信息解決實(shí)驗(yàn)室

學(xué)院2023年級測繪工程專業(yè)j_班

學(xué)生姓名劉文洋

學(xué)號____________________________

開課時間2023至2023學(xué)年第1學(xué)期

總成績

教師署名

目錄

實(shí)驗(yàn)一ENVI視窗的基本操作.................................2

實(shí)驗(yàn)二遙感圖像的幾何校正....................................4

實(shí)驗(yàn)三遙感圖像的增強(qiáng)解決....................................8

實(shí)驗(yàn)四遙感圖像的變換。12

實(shí)驗(yàn)五遙感信息的融合15。

實(shí)驗(yàn)六遙感圖像分類---監(jiān)督分類。17

實(shí)驗(yàn)七遙感圖像分類---非監(jiān)督分類........................19

實(shí)驗(yàn)八遙感圖像分類后解決2。2

實(shí)驗(yàn)一ENVI視窗的基本操作

一、實(shí)驗(yàn)?zāi)康?/p>

初步了解目前主流的遙感圖象解決軟件ENVI的重要功能模塊,在此基礎(chǔ)上,

掌握視窗操作模塊的功能和操作技能，為遙感圖像的幾何校正等后續(xù)實(shí)習(xí)奠定基礎(chǔ)。

二、實(shí)驗(yàn)內(nèi)容

視窗功能介紹;文獻(xiàn)菜單操作;顯示數(shù)據(jù)；裁剪數(shù)據(jù)；合并波段

三、實(shí)驗(yàn)環(huán)節(jié)

1、一方面打開ENV14.7軟件，看見的只有菜單欄，如圖所示:

③ENVI4.7.回

FileBasicToolsClassificationTransformAlterSpectralMapVectorTopographicRadarWindowHelp

2、打開每個下拉菜單瀏覽其下拉欄中都有哪些功能，比如：我們假如需要打開

遙感文獻(xiàn)，則可以選擇File下的打開功能openimagefile,打開遙感圖像如下圖:

。EfMVI47三就門

Hie*Tool'sClostxific-atiortTrarefo,eAlte??Sp9ctr?ilMnpVectorT5>pog，490*rioRadeirWtridwvHolp

裁剪數(shù)據(jù)打開basictooIs的resizedata功能，假如需要對圖像進(jìn)行一系列解

決，可以運(yùn)用Transform,Classification等功能進(jìn)行操作，在后續(xù)實(shí)驗(yàn)中我們

也會用到其中的一些功能進(jìn)行圖像的一系列操作，屆時候在具體敘述。

3、再熟悉了ENVI4.7的一些基本知識后我們可以簡樸地操作下，比如對一組數(shù)

據(jù)分別用GrayScale和LoadRGB導(dǎo)入，看看兩幅圖的區(qū)別以及各自的優(yōu)缺陷。

四、實(shí)驗(yàn)結(jié)果分析

在這次的實(shí)驗(yàn)中，我們簡樸的熟悉了下ENVI4.7的一些功能，發(fā)現(xiàn)它是可以對遙

感圖像進(jìn)行圖像幾何糾正，直方圖均衡，監(jiān)督分類，非監(jiān)督分類等一系列操作，為我

們后續(xù)運(yùn)用軟件對遙感圖像解決打下了基礎(chǔ)。

實(shí)驗(yàn)二遙感圖像的幾何校正

一、實(shí)驗(yàn)?zāi)康?/p>

通過實(shí)習(xí)操作，掌握遙感圖像幾何校正的基本方法和環(huán)節(jié)，深刻理解遙感圖像幾

何校正的意義。

二、實(shí)驗(yàn)內(nèi)容

ENVI軟件中圖像預(yù)解決模塊下的圖像幾何校正。運(yùn)用控制點(diǎn)的選擇和編輯來

糾正影像。

三、實(shí)驗(yàn)環(huán)節(jié)

1、導(dǎo)入進(jìn)行幾何糾正的基礎(chǔ)遙感影像和待糾正的遙感影像

TopographicRadarWindowHelp

2、對兩幅圖像進(jìn)行裁剪至需要幾何糾正的區(qū)域。應(yīng)用BasicTools中的

ResizeData功能，將兩幅圖像裁剪至指定區(qū)域。（注意:裁剪下來的兩幅圖的區(qū)域要

大體同樣才行。如:

。ENV14.,

3、選取控制點(diǎn)。注意選取的控制點(diǎn)間的RMS最大不得大于0.5000,如在選取

控制點(diǎn)的過程中碰到大于0.5000的情況，就對RMS最大的點(diǎn)進(jìn)行調(diào)整，遵循原則:

x<o,向左；y<o響上；x>o,向右；y>o響下。直至每個點(diǎn)的RMs都小于o.5000,

在完畢了控制點(diǎn)的選取后，將控制點(diǎn)數(shù)據(jù)保存到制定位置，方便以后查看與修改，本

次的控制點(diǎn)數(shù)據(jù)如下:

QImagetoImageGCPList

FileOptions

BaseXBaseYWarpXWarpYPredictX?redictYErrorXErrorYRMS

#1+7289.501074.50781.0043.00780.807142.9988-0.1929-0.00120.1929

#2+7288.001101.00778.0095.00777.711895.2745-0.28820.27450.3980

#3+7280.501187.50763.00266.00763.2230266.02530.22300.02530.2245

*4+7276.001153.50754.00199.00754.3758198.95610.3758-0.04390.3783

#5+7245.001198.00696.00287.00696.2832287.30270.28320.30270.4145

糊+7159.001269.50543.00431.00543.0507431.00390.05070.00390.0508

#7+7191.501269.00602.00429.00601.9974429.1752-0.00260.17520.1752

*8+7222.501088.50647.0071.00646.951470.6144-0.0486-0.38560.3886

#9+7207.671108.67618.50110.50618.9038110.63550.40380.13550.4260

#10+7361.501079.00925.0052.00925.251351,97290.2513-0.02710.2527

#1117176.001148.00561.00189.00560.6084188.9412-0.3916-0.05880.3960

#12+7366.001161.00928.00213.00927.6149212.8383-0.3851-0.16170.4177

#1317202.501196.50616.00285.00615.9624284.9862-0.0376-0.01380.0400

#14+7197.501291.50615.00474.00614.8690473.6982-0.1310-0.30180.3290

#15+7226.001172.00659.00236.00658.8896236.0769-0.11040.07690.1345

4、進(jìn)行圖像糾正，并存盤。

。ENVI4.7|匕］［山］

SieBasicToolsClassificationTransformFilterSpectralMapVectorTopographicRadarWindowHelp

⑶AvailableBandsListo1H

FileOptions

糾正后影像數(shù)據(jù)

口Warp(ResizeCR住慶城區(qū).Jpg)

iWarp(R?siz?(G里慶城區(qū)jpg)

口Warp(ResizeCB■慶城區(qū)jpg)

MapInfo

裁剪123457

口Resize(Band1:12840-12

□Resize(Band2:12840-15

cResize(Band3:12840-12

□Resize(Band412840-1S

OResize(Band5:12840-12

oResize(Band6:12840-12

GrayScale。RGBColor

四、實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)結(jié)果:

在本次的實(shí)驗(yàn)過程中，控制點(diǎn)的選取是至關(guān)重要的，假如不能較精確的選擇控點(diǎn)

校正后的圖像有很大的誤差，再出現(xiàn)誤差后，盡也許的將RMS調(diào)到最??；而選擇控制

點(diǎn)是要圖中均勻的選取，不能局部過于密集。校正后的圖像可以和參考圖像進(jìn)行關(guān)聯(lián)

對比。

實(shí)驗(yàn)三遙感圖像的增強(qiáng)解決

一、實(shí)驗(yàn)?zāi)康?/p>

通過上機(jī)操作，了解空間增強(qiáng)、輻射增強(qiáng)幾種遙感圖象增強(qiáng)解決的過程和方法，加

深對圖象增強(qiáng)解決的理解。

二、實(shí)驗(yàn)內(nèi)容

直方圖均衡化;灰度反轉(zhuǎn)；直方圖正態(tài)化。

三、實(shí)驗(yàn)環(huán)節(jié)

1、直方圖均衡化解決

(1)ENVI中打開1影像，GraySca1e模式加載第一波段的影像

(2)選擇Image窗口中Enhance選項(xiàng)下的ImageEqualization來實(shí)

現(xiàn)圖像的均衡化解決。

2、直方圖拉伸

(1)選擇Enhance菜單下的InteractiveStretching選項(xiàng)，單擊S

tretchType菜單，選擇不同類型，單擊Apply應(yīng)用即可得到不同的拉伸效果。

(2)選擇不同類型就可得到不同的效果圖

3、圖像匹配

(1)以波段6影像作為基準(zhǔn)影像,波段1影像作為待匹配影像?；叶饶Ｊ郊虞d第

一波段的影像；右擊第六波段選擇LoadBandtoNewDisplay。

(2)選擇波段1影響下的Enhance—>HitogrmMatching選項(xiàng)，在彈出的

IIitogrmMatching對話框中選定Display#2,單擊ok按鈕，就可以完畢兩張影

像的匹配。

(3)查看圖像的直方圖，打開第一張圖像的enhance中的interctivestr

tching選項(xiàng),顯示出原始圖像和匹配后圖像的影像信息，1號窗口中紅色是2號窗口

的圖像直方圖，白色的是對1號窗口解決后的直方圖。

四、實(shí)驗(yàn)結(jié)果分析

1、直方圖均衡化結(jié)果:

EZVI4-7|一|

FileBasicToolsCiassificatiortTranstformFilterSpectralMapVectorTopographicRadarS^icdowHe

56Td2840-234s7

a12-2a40-234s7

C6Ba32840-N34S7

d42840-23457

CB

8d52R40-234S7

88--

OR?sacea284023457

nRasiza?

￡森？Mdp工xt￡o

正后聚2像熱UK

DWyp（R*>siz<?OR壇E區(qū)jp右）：

,,Wep（Ro=izay慶［成區(qū).jpw）.

-W3P（XcsizeCB0慶域區(qū).jpu）：一

Scl。ut.。dBAnd.

R?K￡ZWCBand1128401234S7^12S4O-1

2、直方圖拉伸結(jié)果

0#1Band:Resize(Band1:12840-123457):12840-123457

Stretch_TypeLinear

Stretch_TypeGaussian

3、直方圖匹配結(jié)果

通過本次上機(jī)操作，了解輻射增強(qiáng)的過程和方法，加深了圖象增強(qiáng)解決的理解。學(xué)

會了線性拉伸，直方圖的均衡和直方圖的匹配,將課本上的內(nèi)容通過軟件應(yīng)用到實(shí)際

操作中去，加深了對理論的結(jié)識，純熟了實(shí)際操作。總的來說這次的實(shí)驗(yàn)相對來說比

較簡樸,在完畢了圖像增強(qiáng)后,和原始圖像比較發(fā)現(xiàn)圖像更易判讀了，這也與書本上學(xué)

習(xí)到的知識相符合。

實(shí)驗(yàn)四遙感圖像的變換

一、實(shí)驗(yàn)?zāi)康?/p>

通過上機(jī)操作，了解空間增強(qiáng)、輻射增強(qiáng)幾種遙感圖象增強(qiáng)解決的過程和方法,

加深對圖象增強(qiáng)解決的理解。

二、實(shí)驗(yàn)內(nèi)容

波段比值變換；主成分變換

三、實(shí)驗(yàn)環(huán)節(jié)

1、波段比值變換

(1)在ENVI中打開1影像,選擇Trasform選項(xiàng)下的BandRations選項(xiàng)，

彈出BandRationsInputBands對話框。在分子Numerator一欄里添加第一波

頓,在分母Denomirator一欄里添加地理波頓，單擊ok按鈕，在SelectedRat

rioPairs中出現(xiàn)新增波段時再單擊ok按鈕即可。

(2)在彈出的Bandratioparameter對話框中選Memory,單擊ok

(3)比值是浮點(diǎn)數(shù)，影像越暗，兩個波段的比值越小，越亮比值越大。

2、主成分分析法

(1)在ENVI開發(fā)環(huán)境中打開1中的RGB為321波段的影像。

(2)選擇Transform菜單下的PrineipalComponent子菜單下的Forwar

dPCRotation下的ComputeNewStatisticsandRotate選項(xiàng)，在彈

出的PrincipalComponentsInputFile對話框中，在SeiectInput中選中

Memory1,單擊ok。

(3)在For\vardPCParameters對話框的choose選項(xiàng)設(shè)定輸出途徑，

記的SeletedOutputPCBands對話框，將NumberofOutputPCBand

s的參數(shù)改為5(生成新的主成分影像,主分量個數(shù)為5)單擊oko

(4)在二用的波段列表中，依次打開主分量影像。其中PC1為第一主分量影像,

信息量最豐富，噪聲最少；另一方面是第二主分量PC2,以此類推。

四、實(shí)驗(yàn)結(jié)果分析

1、波段比值變換結(jié)果

dCMemox-y4]

Ratxo(Resiz?(Band1:12

MapInfo

1284O-12345T

CBaxxd1:12840-123

(Band2：12840-123

CB&nd3:12840-122

3and4:12840-123

(Band5：12840-123

CBand6:12840-123

0#2Scroll(0.06158)|<=?目)S3]

2、主成分分析法結(jié)果

PCBand1

PCFile:1284-0-123457

-IlJC'G

8

n

o

A

U

?v

_6

WOO

2.3456

EigenvalueNumber

PCBand3

本次實(shí)驗(yàn)對波段比值變換和主成分分析法進(jìn)行了操作，可以看出這兩種方法都可

以增強(qiáng)地物間的差異，特別是波段比值變換，使得地物之間的差異顯得更加明顯，而

主成分分析法可以減少噪聲，使得圖像更加清楚,使得提取圖像上的信息變得容易了

許多，在完畢的實(shí)驗(yàn)后的五個波段里面，第一波段的噪聲最少，越往后面的波段噪聲

就越來越多，圖像變得模糊，從PCEigenvalues圖中的折線也能得出這樣的事實(shí)。

實(shí)驗(yàn)五遙感信息的融合

一、實(shí)驗(yàn)?zāi)康?/p>

通過上機(jī)操作，初步掌握遙感信息復(fù)合的方法，進(jìn)一步理解遙感信息復(fù)合在信息

解譯中的意義。

二、實(shí)驗(yàn)內(nèi)容

多光譜數(shù)據(jù)與高分辨率全色數(shù)據(jù)的融合。分辨率融合是遙感信息融合的一個重要

方法，它使得融合后的遙感圖象既具有較好的空間分辨率，又具有多光譜特性，從而

達(dá)成增強(qiáng)圖象質(zhì)量的目的。

三、實(shí)驗(yàn)環(huán)節(jié)

(1)加載12840-8高分辨率影像

(2)導(dǎo)入1數(shù)據(jù)的真彩色影像。

(3)單擊Transform—>ImageSharpening—>HSV,選中12840-8圖像高

分辨率圖像,選中真彩色影像為多光譜影像。

(4)輸入解決結(jié)果途徑，選擇重采樣方法，打開融合后影像#2.可以看出結(jié)果

既有光譜信息，色彩豐富,又有高空間分辨率的特點(diǎn)。

四、實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)結(jié)果:

完畢這次實(shí)驗(yàn)后，我們清楚地知道了可以應(yīng)用這種辦法使得一張圖像既具有全色

圖像的高分辨率的特點(diǎn)，又可以使其擁有多光譜影像的色調(diào)和飽和度。若使得一張圖

像擁有上述兩種特點(diǎn)，那么我們就可以從這張圖像上獲取更多的有用的信息，補(bǔ)充了

單一傳感器的局限性。

實(shí)驗(yàn)六遙感圖像分類--監(jiān)督分類

一、實(shí)驗(yàn)?zāi)康?/p>

理解計(jì)算機(jī)圖像分類的基本原理以及監(jiān)督分類的過程，達(dá)成能純熟地對遙感圖像

進(jìn)行監(jiān)督分類的目的。

二、實(shí)驗(yàn)內(nèi)容

ENVI遙感圖像監(jiān)督分類：1.最小距離法；2.最大似然法

三、實(shí)驗(yàn)環(huán)節(jié)

1、一方面打開實(shí)驗(yàn)二所裁剪過后的1文獻(xiàn),打開RGB圖像。

2、通過#1■下的菜單欄中的overlayfregionofinterestfzoom,在R

0I_Type中輸入民稱水體。然后選擇newregin,分別按照上面環(huán)節(jié)輸入植被、

裸地、居民地，然后對這四項(xiàng)的顏色進(jìn)行選擇。

3、然后對水體,植被、裸地、居民地四項(xiàng)進(jìn)行編輯，選擇zoom選項(xiàng)，然后用鼠

標(biāo)左鍵進(jìn)行劃線，劃線完畢后，點(diǎn)擊右鍵，閉合。再點(diǎn)擊一次右鍵，則系統(tǒng)自動進(jìn)行填

充。

4、完畢第三步后，選擇options-*competeROIseparability~*原始

圖像fse1ectal1items->oko

5^點(diǎn)擊c1assification-*supervised-minimumdistance->選擇

原始圖像fokfse1ecta11itemsf保存fok。

6、最后來計(jì)算混淆矩陣:c1assification->postclassification

fconfusionmatrix-usinggroundtruthROISo

四、實(shí)驗(yàn)結(jié)果分析

監(jiān)督分類后圖像:

混淆矩陣:

0ClassConfusionMatrix

File

ConfusionMatrix:F:逐、幽督分類結(jié)果、經(jīng)督分類

Ovex-ail1Accui'aicy=(142939/258080)55.3855X

KaippaCoefficient=0.3529

Groun才dVTfruth(Pixels)

Claissc植被裨地居民地Totail

-

Unclassified18310000

水體［Red］22331685941121930309

檢破［Gr-e?n］2620416067814596488681

楝地［］2

Blue81631696253083887253764

居民地［Yell。22894401519667771485326

Total

dTr

水

由

^f^電T0t31

Classc---101

。O000000O0

-00

Uncleissified79911156461.4

0291.7

水年［Red］224546

工878119826s34.3

精敏［］43

Gr-een141307651422720.83

57

槐，也［Blue］871754241344233.O6

20

居民士也［YelloO0O0o000000000000.O0

Total

oii

Claiss0nmss0nCommissionOmission

C?t)per0?nt)

39s920o2(Pixels)(Pixels)

-

水停［Red］2253o8218911998/303094583/22894

植版,［Green］90l334■8647075/8868111662/53268

理地［Blu0］88s255-2848456/537642841/8149

居民:士也［Y日］工。7612/8532696055/173769

pdAc

oc0-ro-

ClaissptA?1tFaroci.Acc.UserAcc.

e0?n)r0)

79960n4(Pixels)(Pixels)

水件［］■861

Red22781149218311/2289418311/30309

楂械［Gareen］65-149:841606/5326841606/88681

17

視地［Blue］844729o85308/81495308/53764

居民士也［Yell。..7771485326

完畢這次實(shí)驗(yàn)后，使得我們熟悉了監(jiān)督分類的操作環(huán)節(jié)，在這次的實(shí)驗(yàn)中，可以看

出監(jiān)督分類的環(huán)節(jié)也不算太復(fù)雜，只需要在對水體、植被、居民地等進(jìn)行勾勒是需要比

較小心才行，并且在完畢了監(jiān)督分類后，若對完畢后的圖像的顏色不是很滿意是，可以

在zoom的color欄里進(jìn)行調(diào)整?？傊谕戤呉淮螌?shí)驗(yàn)的過程中，細(xì)心和耐心非常重要。

實(shí)驗(yàn)七遙感圖像分類——非監(jiān)督分類

一、實(shí)驗(yàn)?zāi)康?/p>

進(jìn)一步理解計(jì)算機(jī)圖像分類的基本原理以及監(jiān)督分類的過程，達(dá)成能純熟地對遙

感圖像進(jìn)行監(jiān)督分類的目的，同時深刻理解監(jiān)督分類與非監(jiān)督分類的區(qū)別。

二、實(shí)驗(yàn)內(nèi)容

ENVI遙感圖像非監(jiān)督分類。

三、實(shí)驗(yàn)環(huán)節(jié)

1、打開裁剪過后的實(shí)驗(yàn)數(shù)據(jù)

2、選中classificationfunsuperivedTsoDatefOK。

3、原始圖像上打開over1ay-*c1assfication打開前面分類后的影像

->OK。

4、點(diǎn)擊optionfEditc1assname/color一進(jìn)行編輯ffi1e一

save。

5、點(diǎn)擊c1assification—postclassification-combi

neclass-*OK。然后進(jìn)行顏色的修改。

6、點(diǎn)擊classification―postclassification-*clumpc1asso

7、點(diǎn)擊c1assificationpostclassification—minimum

matris-,-usinggroundtruthROIs

四、實(shí)驗(yàn)結(jié)果分析

非監(jiān)督分類結(jié)果:

混淆矩陣:

^1

=d0234

wS1￡工U?o80O0

0

XD上u0UUU

1