遥感erdas实习报告(共3页).doc

《遥感erdas实习报告(共3页).doc》由会员分享，可在线阅读，更多相关《遥感erdas实习报告(共3页).doc（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上几何校正一、实验目的：去除遥感图像中由于传感器的自身性能、结构；地球曲率；地形起伏；地球旋转；大气折光等因素所引起的变形误差。二、实验内容：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。三、实验步骤：1）原理：遥感图像的几何校正包括光学校正和数字校正，遥感影像的数字校正是通过计算机对图像每个像元诸葛的解析纠正处理完成的，所以能够较精确的改正线性和非线性变形误差，包括像元坐标变换和像元灰度值重采样。2）方法：使用ERDAS IMAGINE 软件。3）操作： 第一步：用两个Viewer分别打开一个TM（#1）和SPOT（#2），单击Raster | Ge

2、ometric Correction命令，打开Set Geometric Model 对话框选择模板为Polynomial单击OK同时打开Geo Correction Tools对话框和Polynomial Model Properties窗口第二步：在Polynomial Model Properties窗口定义多项式次方（Polynomial Order）为2。定义投影参数（Protection）单击Apply按钮应用或单击Close关闭。打开 GCP Tool Reference Setup 对话框；第三步：启动控制点工具；GCP Tool Reference Setup对话框中选择采点

3、模式（Existing Viewer）单选按钮，单击OK按钮（关闭GCP Tool Reference Setup对话框）；打开Viewer Selection Instructions指示器。在显示作为地理参考图像panAtlanta.img的Viewer#2中单击。打开Reference Map Information提示框（显示参考图像的投影信息）单击OK按钮（关闭Reference Map Information对话框）增强处理（一）图像增强一、实验目的：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信

4、息。二、实验内容：图像增强的主要内容：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。三、实验步骤1、原理：空间域增强：通过改变单个像元及相邻像元的灰度值来增强图像。直接对图像进行各种运算以得到需要的增强结果。 频率域增强：对图像进行傅里叶变换，先将空间域图像变换成频率域图像，然后在频率域中对图像的频谱进行处理，以达到增强的目的。2、方法：使用ERDAS IMAGINE 软件。3、操作：主成分变换:单击Interpreter图标Spectral EnhancementPrincipal Components命令，打开Principal Components对话框。输入原图象

5、，输出类型中改为Float Single类型输入文件类型：Map需要的主成数量（Number of Components Desired）为3单击OK按钮（关闭Principal Components对话框，执行主成分变换）（二）色彩变换一、实验目的：使图像的颜色与人眼看到的更为接近。二、实验内容：将遥感图像从红（R）、绿(G)、(B)蓝三种颜色组成的彩色空间转换到以亮度(I)、色度(H)、饱和度(S)作为定位参数的彩色空间。三、实验步骤1、原理：亮度表示整个图像的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1.2、方法：使用ERD

6、AS IMAGINE 软件。3、操作：单击Interpreter图标Spectral Enhancement，打开RGB to HIS,弹出对话框，输入原图象，选上对话框上的Ignore Zero in Stats单击OK非监督分类一、实验目的：利用计算机将遥感图像自动分成若干地物。二、实验内容：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度大的像元归为一类）的方法。三、实验步骤1、原理：同类地物的反射光谱特型相同2、方法：使用ERDAS IMAGINE 软件。3、操作：打开ClassifierUnsupervised Cl

7、assification 把Number of Classes改成10，然后把Maximum Iterationes 改为24，点击OK.打开非监督分类后的图，再打开原图像，点击ViewLinkGeographical点击点击非监督图像上的raster中的 Attribute，根据原图象将非监督图像对应上色。监督分类一、实验目的：利用计算机将遥感图像自动分成若干地物类别。二、实验内容：选择具有代表性的典型实验区或训练区，用训练区中已知地面各地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。三、实验步骤：1）原理：

8、数字图像中地物的所有特征都是通过数字化的灰度值反映出来，计算机分类是建立在对图像像元灰度值的统计、运算、对比和归纳基础上进行的。2）方法：使用ERDAS IMAGINE软件，最小距离法。3）操作： 打开Viewer，点击Raster | Tools，打开Classifier | Signature Editor ,用折线截取同种类别的地物，对同等地物进行多次截图，重复上述操作，每种地物都截取4-5次，保存模板；点击Classifier | Supervised Classification，输入需要分类的模板，点击OK 四、实验结果 五、实验感受通过了一周的遥感实习，熟悉了ERDAS烦人基本操作，如监督分类，能够通过文献对一些简单的图像用遥感影像进行分析处理，加深了平时上课时所学知识的理解，对遥感在实际中的应用有了直观上得感受，掌握了用遥感图像进行实际应用的基本流程和基本方法。在实验过程中遇到了很多困难。在做监督分类时，模板划分的不够精细。这都说明对软件的理解运用还不够深入，以后的学习中应加强，为遥感的学习打下基础。专心-专注-专业