遥感技术应用综合实习报告(共80页).doc

《遥感技术应用综合实习报告(共80页).doc》由会员分享，可在线阅读，更多相关《遥感技术应用综合实习报告(共80页).doc（80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-倾情为你奉上遥感技术应用综合实习报告目录第一部分 地物的光谱反射率采集与处理一、实习时间11年12月21日二、实习地点主楼前三、实习目的1. 学习地物光谱的测定方法；2. 认识常见地物光谱反射率的规律；3. 学习绘制地物反射光谱曲线。通过野外测定地物光谱反射率，认识不同地物的反射光谱特性及其变化规律四、实习工具，记录表格，白板五、实验内容1、利用野外光谱仪采集水、土壤、植物、建筑材料等地物光谱数据，输出并整理数据。2、绘制不同地物光谱曲线，并运用导数、植被指数、红边、绿峰等方法处理并分析各地物光谱特征。六、具体实验步骤1、 首先确定需要测定的地物类型，任何不同地物都具有各自不同的

2、光谱特性，都可以作为测定目标。如：草地、灌木、乔木、水泥地、大理石地、水体等，植物还可以分为健康与不健康的，叶片还可以是成熟叶、嫩叶、枯叶、红色叶、工，黄色叶、枯叶、树枝等等，水体也可以分为无污染与有污染的。2、 确定测量时是采用顺光、逆光或顶光，然后放置标准板，标准板的位置应该与地物的位置一致。3、测量条件： 室内测定：植物叶片：叶片被采下，立即带回室内进行测量。土壤：干燥的各类型土壤，装在玻璃皿备用。 室外测定：选择晴朗无云，风力较小，视场范围内太阳直接照射，当地时间10：30-14：00间进行测定。4、纪录测量目标基本信息及环境参数对测量目标进行详细的描述，对测量环境条件进行详细描述。例

3、如：对植物来说，应记录植物的生长季节、生长状况、管理措施等。做观测笔记，包括天气状况（日光情况、云量、能见度等），地表状况（阴影程度、开阔程度、周围物体等），观测和记录人员的姓名等。5、安装仪器并观测地物反射波谱（1）仪器准备：完成光谱仪、计算机之间的接线，检查各种插头和各设备间是否正确连线，电源供电是否正常，试验仪器运转是否正常。打开参考板盒盖，检查是否水平。完成光谱仪的观测时间设置和其他有关设置（文件保存目录、文件名等）（2）测量步骤：室内：光源照向参考板（白板）进行优化（optimization）；室外：记录开始观测的时间，将野外光谱仪的进光孔垂直向下，测量反射参考板不遮阴反射辐亮度，测

4、量暗电流； 测量目标反射率； 记录结束的时间。（3） 要求每种地物记录观测值5次。七、观测结果1、反射波谱曲线的绘制以波长为横轴，反射率为纵轴，地物反射率观测值取平均值，画出非绿色植物和绿色植物的光谱反射曲线。如下图：2、光谱特征参数计算2.1 光谱微分 光谱微分技术就是通过对反射光谱进行数学模拟，计算不同阶数的微分值，以提取不同的光谱参数。应用光谱微分技术能够部分消除大气效应、植被环境背景（阴影、土壤等）的影响，以反映植物的本质特征。 光谱微分公式（以二阶为例）为：式中，为 波长，为波长 处的一阶微分光谱， 为相邻两波段间的波长间隔。 2.2 光谱积分 光谱积分就是求光谱曲线在某一波长范围内

5、的下覆面积。2.3 求红边面积 根据一阶导数光谱，求取红边面积，计算680nm-780nm一阶导数光谱曲线与坐标轴之间包含的面积。2.4 植被常用光谱特征参数特征参数表定义定义与描述Rg绿峰反射率：波长510-580nm范围内最大的波段反射率绿峰位置，Rg对应的波长位置（nm）Ro红谷反射率，波长640-700nm范围内最小的波段反射率Dr红边680-780nm内一阶微分光谱中的最大值红边位置：Dr对应的波长位置（nm）PRI(R570-R531) / (R570+R531)VOG2(R734-R747) / (R715+R726)VOG3(R734-R747) / (R715+R720)Rg

6、/Ro绿峰反射率（Rg）与红谷反射率（Ro）的比值（Rg-Ro）/(Rg+Ro)绿峰反射率（Rg）与红谷反射率（Ro）的归一化值计算后表柏树草乐昌含笑(新)乐昌含笑(黄)乐昌含笑(枯)雷竹松(新)松(黄)松(枯)红边面积0.46 0.53 0.42 0.32 0.19 0.32 0.44 0.48 0.14 绿峰反射率Rg0.14 0.22 0.11 0.24 0.09 0.10 0.16 0.23 0.19 绿峰位置g545544546552580543546546580红谷反射率Ro0.05 0.08 0.04 0.09 0.14 0.06 0.06 0.07 0.28 红边0.01 0.

7、01 0.01 0.02 0.00 0.01 0.01 0.02 0.00 红边位置705692698684680709695691680PRI-0.12 -0.10 -0.10 0.01 0.28 -0.11 -0.08 -0.06 0.11 VOG2-0.03 -0.03 -0.03 -0.01 -0.04 -0.04 -0.02 -0.01 -0.02 VOG3-0.03 -0.03 -0.03 -0.01 -0.04 -0.04 -0.02 -0.01 -0.02 Rg/Ro2.66 2.67 2.60 2.60 0.59 1.69 2.62 3.19 0.69 (Rg-Ro)/(Rg

8、+Ro)0.45 0.46 0.45 0.44 -0.26 0.26 0.45 0.52 -0.18 叶绿素2.53 55.21 35.77 3.53 6.43 12.17 16.03 3.37 2.00 八、结果分析1、对多个地物的反射光谱曲线特征比较分析例如：如图，总体上，水泥地和裸地随光谱的升高几乎不变甚至有下降的趋势，变化幅度不大；其他四种地物总体上还是呈现上升的趋势。细节上，水泥地在光谱675nm和850处各有一个高峰，而在575nm处又一个明显的低谷；灌木在400nm675nm范围内光谱曲线变化不大，在675nm处开始陡然上升；草地也是400nm675nm范围内光谱曲线变化不大，在

9、675nm处开始陡然上升，并且灌木草地都在850nm达到最高峰时又开始陡然下降；针叶与草地的变化趋势十分相似，不同的是光谱反射率总比草地要低。2、光谱特征参数分析2.1 值被的反射波谱特征1）不同种类的植物具有相似的反射波谱曲线2）可见光区域，由于叶绿素的强烈吸收，植物的反射、透射率均低，仅在0.55附近有一个10%20%的反射峰而呈绿色。3）近红外区域，在0.7-1.3之间形成5060%的反射法，由于不同种植物的叶内细胞结构差异大，不同种植物的反射率在该波段具有最大的差值，故是区分植物种类的最低波段。4）1.45、1.95、2.7为中心的三个吸收带为水吸收带，高斯曼发现，还三人吸收带之间的两

10、个反射峰（1.65及2.2）上，各值与费多汁植物反射率差别非常明显。2.2 土壤的反射波谱特征1） 反射率：与土壤之地、有机质含量、氧化含量和含水量及盐分等因素有关：粉沙砂土腐殖质2） 反射光谱曲线由可见光到红外呈舒缓向上的缓倾延 第二部分 遥感影象判读与制图一、实习时间（1）实地考察：12月21日；（2）遥感影象判读与制图：12月2228日。二、实习地点（1）实地考察：浙江农林大学东湖校区以及周围后山。（2）遥感影象判读与制图：学院机房。三、实习目的和要求通过本次实习掌握遥感图像目视判读的方法和步骤（判读标志、判读方法、判读步骤、转绘方法）；理解水体判读（地貌、河流、湖泊）、地貌判读（地形形

11、态、流水地貌）、植被和土壤判读、居民地和道路判读等地理要素目视分析的一般方法。通过本次实习要求同学们学会判读一个地区的土地利用现状，并利用相关软件绘制土地利用专题地图。四、实习材料和工具浙江农林大学东湖校区及周围区域遥感图像TM和SPOT、ERDAS IMAGINE、ArcGIS软件。五、实习内容1、实地考察12月23日实地考察。提示：考察过程与感悟要求：写出TM和SPOT图像上各种地物的目视判读标志，2、室内制图12月2529日室内制图。提示：利用ERDAS IMAGINE或ArcGIS，通过目视判读，采用跟踪矢量化方法，绘制土地利用专题地图。3、专题地图的制作 提示：把数字化工作完成的图导

12、成.shp格式，然后利用ArcGIS 软件进行专题地图的制作。双击图左边的属性框对不同地物进行进行分级填色。最后的过程就是出图，设定图例，指北针，以及地图的名称，制图时间和制图人等地图信息。要求：写出专题题图制作过程，并打印专题图。第三部分 图像预处理一、原始数据导入ERDAS IMAGE软件、查看头文件，了解数据的详细信息。传感器：TM图像获取时间：2007/03/29 02:26:10轨道号： D 坐标：N30.32 / E119.88 格式：BSQ行数、列数：numLines = 5733L;numPixels = 6794L;单元格大小：pixelSpacing = 3.0000e+0

13、1;lineSpacing = 3.0000e+01;、数据格式转换。二、图像裁减将图像裁减成与研究区范围一致，点击Utility-Inquire Box 参照spot影像，框选需要的地图区域，适当进行调整： 选择DataPrep按钮，点击SubsetImage，选择要裁剪的原图，以及输出的路径，点击FromInquireBox，即从上面的图中所选的坐标范围选取坐标。选择OK。 裁剪后的图像如图所示：三、几何校正1、显示图像 在ERDAS图标面板中单击Viewer图标，打开两个窗口（Viewer#1、Viewer#2），在Viewer1中打开一幅需要纠正的遥感图像（tmla.img），在Vie

14、wer2中打开另一幅供选择地面控制点坐标的地理参考图像（spotla.img）。将两个窗口平铺放置。2、调用几何纠正模型在Viewer1菜单中选择Raster | Geometric Correction ，出现如下对话框：图：SET GEOMETRIC MODEL 对话框该对话框供选择遥感图像纠正模型。对于TM图像，选择多项式模型Polynomial，然后点OK。显示几何纠正工具，同时显示多项式属性对话框。（如果在ERDAS的图标面板菜单条或图标面板工具条启动，则系统提示确定需要纠正的图像）。 该窗口显示几何纠正由三个模块组成：设置多项式纠正模型参数，启动控制点工具以及灰度重采样。先显示的是

15、多项式纠正模型参数对话框。图：选择多项式次数对话框Polynomial Order 表示多项式纠正采用的次数，一般选择2次多项式。在Projection标签页下单击Add/ChangeProjection按钮，按如下图设置投影： 图：设置投影点击OK，关闭多项式属性对话框。出现地面控制点（GCP）工具参考设置对话框：图：控制点（GCP）工具参考设置对话框该对话框表示选择控制点的途径。本次纠正是在显示的图像里选择GCP，故选择Existing Viewer，点击OK，对话框关闭后出现：选择参考图像提示框3、启动GCP TOOL图： 几何纠正时呈现的所有图框屏幕显示如图2.10，包括两个放大的视窗

16、Viewer3，Viewer4，分别是两个主视窗Viewer1，Viewer2中两个关联方框的放大框。以及GCP TOOL：包含菜单和工具图标，图标下面显示两幅图像坐标数据，开始选取控制点。连接框对应的放大框。4、控制点的选择控制点的选择是几何纠正的关键。步骤如下：4.1 VIEWER1中选择明显点 移动连接框，寻找明显地物点如道路交叉点，在GCP TOOL中点击，进入GCP选择状态，光标显示为十字，表示可以选择同名点，在Viewer3中明显点上点左键，在GCP 数据记录表中显示该点的图像坐标。4.2 在VIEWER2中的选择同名点 在Viewer2中移动连接框，到与Viewer3中对应的同名

17、点位置，在GCP TOOL中点击，在Viewer4中明显点上点左键，系统在GCP 数据记录表中自动显示该点的地面坐标。在主窗口和放大窗口中系统会显示GCP #1，表示选择的第一对同名点，其颜色可以在GCP TOOL中重新设定。此时GCP TOOL显示为：XInput: 图像坐标XRef: 地面坐标Point#: 点号Color: 显示的颜色VIEWER1、VIEWER2同名点控制点的选择根据多项式纠正的要求，同名点对至少要在7对以上，重复1，2两个步骤，直到选择的控制点数满足纠正的数量要求。当选择了六对同名点后，第七个及以上同名点的选择：只需在Viewer1中选择一个明显点，其同名点会在Vie

18、wer1中自动显示，如果位置有误差，可以用鼠标左键调整点位，确保选择的是同名点。系统自动计算得到单点误差和其贡献。此时在GCP TOOL中显示的内容有： 同名点点号Point ID# ：共选择8个，点号为1-8；颜色Color：GCP在窗口中显示的颜色，这里用红色；图像坐标X input ：Y input，指需要纠正的图像的像点坐标；对应的同名点地面坐标X Ref. ，Y Ref.；同名点类型Type ：控制点Control；模型计算后地面控制点的残差X Residual ，Y Residual；每个地面点中误差RMS Error；每个点的贡献Contrib，及匹配程度Match。当控制点数量

19、超过7个时，点击，后面四项由模型自动计算得到。全部控制点平差后的精度显示在右上角，只有当Total小于一个像元时，才满足纠正精度要求，继续后面的重采样。图:控制点的的总体误差4.3 检查点采集：检查点的选取是为了验证控制点的精度.首先设置点的类型为Check，Edit/Set Point Type/Check，然后按照前面选择控制点的方法选择检查点。选四个控制点，点击，在相应的栏内显示检查点的残差（图2.15、2.16）：其精度在一个像素之内，所以原先选择的8个控制点的精度满足要求。4.4 计算变换参数显示多项式中A,B的值一般在选择好控制点后系统自动计算变换参数。或者在多项式纠正模型参数对话

20、框选择Transformation。显示多项式中a,b的值（图）。至此就完成了多项式纠正的参数计算部分。退出该模块时，系统会提示对有关文件做好保存。4.5 灰度重采样几何纠正工具（Geo Correction Tools）几何纠正工具图标框选择灰度重采样模块，出现重采样对话框（图2.19），输入纠正后的文件名。重采样对话框在对话框里（Output File）输入纠正以后的图像文件名，该对话框显示了输出图像的大小行数（Number rows）列数(Number Columns)，输出图像左上角的地面坐标(LUX,ULY)以及右下角的地面坐标(LRX,LRY)。输出像元的地面大小(Output C

21、ell Sizes)，确定参数后点击OK，出现重采样的状态条。当Percent Down为100%时，说明重采样已经完成。5、实验结果分析在计算参数时已经利用检查点做了验证，现将纠正后的TM图像与作为参考图像的SPOT图像关联起来，通过人工比较来验证结果。在两个窗口中分别打开SPOT 和TM图像（图2.13）。已校正的TM 然后点击鼠标右键，弹出菜单：GEO. LINK/UNLINK选择Geo. Link/unlink，表示连接两幅图像。GEO. LINK/UNLINK提示框提示在要连接的窗口中点击鼠标，将两个窗口关联起来。点击视窗按扭条中的+，移动光标检查两边的位置是否对应。如果两边对应，说

22、明纠正图像满足要求。对纠正可能出现的结果要能正确分析。如果总体精度不能满足纠正要求，其原因可能有：（i） 多项式次数不能满足纠正要求；（ii） 控制点选择不符合要求：分布不均匀，或者选点精度不符合要求，甚至选错；（iii） 地形起伏引起的投影差超限；（iv） 参考坐标精度有问题；（v） 模型有问题，需要用共线方程纠正。四、辐射校正1. 大气校正1.1 辐射定标： 执行这个编辑好的模型，执行后打开矫正后的图像，点击，选择，在图像中选点，并打开原图选点，比较两张图的定标前 定标后1.2 计算呈辐射：首先，点击Raster-Attributes在打开的对话框中统计出6个波段每个的到达1000像元以上

23、的最小灰度值。 GDnminBEcospilp1.268862-0.0119570.3.73.552842.9812623-0.023218260.3.63.784591.7618619-0.007815540.3.29.415582.8177114-0.019310360.3.36.727330.6527710-0.0082150.3.5.95910.443755-0.00480.670.3.2.计算图像的表面反射率，在函数的图像中输入公式：。定义输入的图片路径：输出图像路径： 改变Y轴的显示的范围，以及数值显示格式:打开校正后的图像，查看他的图形变化的折线图的变化趋势。大气矫正后的图像与定

24、标后的图像进行对比：原图 大气校正后的图像五、图像增强1. 光谱增强1.1 主成份变换1、点击ERDAS 图标面板菜单条：Main Image Interporeter Spectral Enhancement Principial Comp Pincipal Components对话框。输入Input File 为C:遥感实习输出principle.img2、输入Output File 为C:遥感实习输出jiaozheng_dos.img3、Output Data Type为Unsigned 8 bit；4、选中Stretch to Unsigned 8 bit（新坐标系中主成分的数值分布范

25、围为0-255的正整数）；Output Data Type 自动设置为Unsigned 8 bit；5、选中Coordinate Type（坐标类型）为File；6、选中Ignore Zero In Stats；7、选中Eigen Matrix 的Write to File（将特征矩阵写到文件）；8、将subset1.mtx保存到C:遥感实习输出；9、选中Eigenvalues 的Write to File（将特征值写到文件）；10、将subset1.tbl保存到C:遥感实习输出；11、选择Nember of Components Desired 为3（我们用前3个主成分生成一幅假彩色图像，保

26、存在principal3_256.Img文件中）；12、单击OK。PRINCIPAL COMPONENT对话框主成份变换后图像1.1.1 主成分变换分析通过“我的电脑”进入到C:遥感实习输出。以写字板方式打开subset1.mtx文件，浏览变换矩阵。以写字板方式打开subset1. tbl文件，浏览特征值；共有6特征值，因为原图像是6的（6波段）。注意特征值的大小，从上到下逐个变小，从大到小依次称为第1特征值、第2特征值，与第1主成分、第2主成分对应。特征值的数值大小代表了该主成分的信息多少，一般用该特征值与所有特征值的比值作为该特征向量的信息占有量。1：0.2：0.3：0.4：8.6295e

27、-0055：5.0442e-0056：4.1979e-006第1主成分所占的信息 0./ 0.=90.40%第1、2主成分所占的信息 （0.+0.00068）/0.=95.31%第1、2、3主成分所占的信息 （0.+0.00068+0.）/0.=98.98%可见前3个主成分的信息占了原图像信息的绝大部分。1.2 缨穗变换选择InterpreterSpectral EnhancementTasseled Cap在Input File 中导入文件名为lanier.img的图像，输出文件名为tasseled.img，保存在自己的文件夹中： 效果图如下：原图 樱帽变换后图1.3 色彩变换选择Inter

28、preterSpectral EnhancementRGB to HIS在Input File 中导入文件名为dmtm.img的图像，输出文件名为dtmrgb.img，保存在自己的文件夹中，效果图如下：原图 色彩变换后图2. 辐射增强2.1 对比度增强新建一个Viewer，打开 germtm.imgrastertools选择工具栏显示工具栏，如下：均衡化前图要显示直方图均衡化的效果，在工具栏中点击图标，显示直方图均衡化后的图像：直方图均衡化后图2.2 去阴霾（薄雾）处理选择InterpreterRadiometic EnhancementHaze Reduction缨帽变换去除后的的效果图和原

29、图的对比如下：原图 去除阴霾后图3. 空间增强3.1 卷积运算InterpreterSpatial EnhancementConvolution 在Input File 中导入文件名为jiaozheng.img的图像，输出文件名为convolution.img，保存在自己的文件夹中，然后在Kemel中选择一项。下面以选择3*3Vertical为例：原图 卷积后图4. 频率增强4.1 傅立叶变换单击Interpreter-Fourier Analysis(傅立叶分析)1. 对图像做傅立叶变化选择Fourier Transform在弹出的窗口中InputFile选择example文件夹下的tm_1

30、.img,OutputFile设定为D:tmband1_fft.fft,Select Layers设定值为1，表示只对第一波段进行傅立叶变换。单击OK执行变换（该变换包括频率分布图的平移）。2. 对图像进行滤波处理在Fourler Analysis对话框中选择Fourier Transform Editor工具，可以对频域图像进行滤波处理。在弹出的窗口中单击打开刚刚执行傅立叶变换后的频域图D:tmband1_fft.fft。 选择工具，单击频域中心，画出一个圆相切与两边两条亮线，在用楔形选择工具抠掉中心水平方向和垂直方向的亮线，结果如下图。单击保存按钮保存掩膜，然后点击右上角按钮，做傅立叶逆变

31、换。输出文件D:lonpassband1.img。单击OK执行傅立叶逆变换。打开一个View，用以打开经过滤波后的图像。同时打开原图，选择Raster-BandCombinations选项，在Set Layer Combinations对话框中选择RGB全显示第一波段对比变换前和变换后的图像，可以发现图像的条文明显被去除了（即消除了高频噪声，保留了低频的信号），使得图像的目视效果改善。原图 傅立叶变换后图（低通）如果是高通滤波，结果如下，可见图中高频噪声（条文）被保留，凸显出来。而其它信息（低频）则比较模糊，或不可见。 原图 傅立叶变换后图（高通）第四部分 图像分类与制图一、实验目的1、学习遥

32、感图像目视判读和计算机分类进行专题信息提取的方法并熟悉过程。2、制作遥感专题图。二、实验内容目视判读与计算机分类相结合，对浙江林学院范围的SPOT或锦城镇范围的TM图像进行土地利用分类，并绘制土地利用专题地图。三、材料和工具浙江林学院范围的SPOT、锦城镇范围的TM图像遥感图像。装有遥感图像处理软件ERDAS IMAGINE的电脑。四、实验步骤1、土地利用分类方案序号类别备注1耕地种植农作物的土地。包括新开荒地、休闲地、轮歇地、草田轮植地；以种植农作物为主间有零星果树、桑树或其它树木的土地；耕种三年以上的滩地和海涂。耕地中包括南方宽1.0m，北方宽2.0m的沟渠、路、田埂。2园地种植以采集果、

33、汁、根茎等为主的集约经营的多年生木本和草本作物，覆盖度50%，或每亩株数大于合理株数70%的土地，包括果树苗圃等用地。3林地生长乔木、竹类、灌木、沿海红树林等林木的土地。不包括居民绿化用地，以及铁路、公路、河流、沟渠的护路、护岸林。4居民地及工矿用地指城乡居民点、独立居民点以及居民点以外工矿、国防、名胜古迹等企事业单位用地、包括其内部交通、绿化用地。5交通用地居民点以外的各种道路及其附属设施和民用机场用地，包括护路林。6水域指陆地水域和水利设施用地，不包括滞洪区和垦殖三年以上的滩地、海涂中的耕地、林地、居民点、道路等。7未利用地未利用土地，目前还未被利用的土地，包括难利用的土地。2、土地利用分

34、类ISDATA非监督分类或最大似然法监督分类（参考遥感导论实验指导书的实验七）2.1 非监督分类非监督分类（Unsupervised Classification）不需要先验知识，不需要学习样本，只根据光谱特性（有时也可结合纹理特性等其它特性）进行分类。本次实验采用的是ISODATA方法（Iterative Self-Organizing Data Analysis Technique Algorithm 迭代自组织数据分析算法），它是非监督分类方法中的一个常用算法。首先确定图像分类情况,大致可将图像分为河流、海洋、湿地、森林(成熟林,次生林,幼苗)、草(高尔夫球场)、裸露地表(建筑物)、高速

35、公路、建筑用地等八类。打开软件，点击图标，出现如图：点击Unsupervised Classification按钮，输入文件(Input File) 为tm_.img（被分类的图像），输出文件(Output File) 如图：确定初始分类数(Number of Classes)为8，单击OK按钮，关闭对话框，执行无监督分类。同一窗口中显示原始图像和分类图像，在view中选择arrange layer，调整两张图像的显示顺序。单击形似榔头的图标，打开Raster工具面板，单击工具面板上形似表格的图标，打开Raster Attribute Editor窗口，单击Edit|Column Proper

36、ties，打开Column Properties对话框，选中一个字段，通过Up、Down、Top、Bottom按钮可以移动该字段；将Class_Names（字段名）、Histogram（直方图，像素数）、 Opacity（不透明性）和Color等4个字段依次排在前面，调整字段显示宽度（通过改变Display Width数值实现）。单击OK。设置不透明度。将要分析的一个类的的值设置为，则该类为不透明；将其余的设置为，即设置为透明。这时图像只闪烁要分析的这个类。将第一个分类设置为蓝色，透明度为1，其余均为零，利用图像闪烁，根据对地物的先验知识或熟悉的地物表现，通过分析推断确定该类的属性，重复上诉步

37、骤，直到所有分类全部结束。如图：精度评价1.打开分类结果（img）2. Classifier Accuracy Assessment3. Accuracy Assessment窗口中，open 选择分类结果（img）4. View select viewr 选择打开的影像（img）的窗口5. Edit create /add random point 设置Number of points (生成多少个随机点)，select classes，可以选择只在某些类中生成随机点6. Edit Show Class Values7. View Show All8. 在Reference 列中输入该点的参

38、考类别号9. Report Accuracy Report该报告中有生产者精度，用户精度，总体精度，Kappa等数值。精度评价该报告中有生产者精度，用户精度，总体精度，Kappa等数值如下：CLASSIFICATION ACCURACY ASSESSMENT REPORTImage File : c:/遥感实习/输出/非监督分类/unsupervised2.imgUser Name : chrisDate : Tue Dec 27 19:59:26 2011ERROR MATRIXReference DataClassified Data 0 水体 竹林 空地 0 0 0 0 0 水体 0 1

39、 0 0 竹林 0 1 3 0 空地 0 0 0 2 树林 0 0 0 0 林木 0 0 0 0 湿地 0 0 0 0 林地 0 0 0 0 道路 0 0 0 0 林地 0 0 0 0 林木 0 0 0 0 裸地 0 0 0 0 林木 0 0 0 0 山间空地 0 0 0 0 草地 0 0 0 0 未利用地 0 0 0 0 道路 0 0 0 0 小路 0 0 0 0 林地 0 0 0 0 小路 0 0 0 0 建筑物 0 0 0 0Column Total 0 2 3 2Reference DataClassified Data 树林 林木 湿地 林地 0 0 0 0 0 水体 0 0 0 0 竹林 0 0 0 0 空地 0 0 0 0 树林 1 0 0 0 林木 1 0 0 0 湿地 0 0 3 0 林地 0 0 0 2 道路 0