第一篇：遙感圖像處理實習報告

《數字圖像處理》

集中實習報告

（2015-2016學年第2學期）

專業班級：地信1302 小組成員：曹曉東、傅文青、蔡靂鵬、黃亞陽

評語:

實習總成績:

指導教師簽名:

2016年04月01日

項目一：遙感數據下載

一、實習時間及地點

實習時間：2016年03月21日至04月22日 實習地點：測繪學院四樓微機室

二、實習內容

（一）、選定實驗研究區和相關的兩期或多期的數據

（二）、遙感數據下載

三、任務分工

首先小組內討論實習研究的區域以及兩期數據的大致時間段間隔 數據下載和圖像增強：曹曉東 遙感圖像鑲嵌和裁剪：黃亞陽

遙感圖像監督分類和動態監測：傅文青 遙感影像專題地圖制作綜合：蔡靂鵬

四、實習過程 研究區及數據準備

1.1 實驗研究區篩選

從包含的地類、地物的種類盡可能的多的角度進行選擇 選擇研究區影像的時間段

2.1 選取的多大的時間跨度比較合適，可以使兩期的影像較為明顯 在http://glovis.usgs.gov/ 下載區域數據

3.1 首先確認所用電腦是否安裝有Java的JRE環境或者Java開發者工具包

3.2 在USGS的官方網站上注冊上自己的賬戶

3.3 按事先選擇的區域和時間間隔進行篩選，選擇適合的時間段（盡量不少于4、5年）

3.4 先去地理空間數據云網站去搜索好需要下載的時間段的地理數據，并按指定的云量進行篩選，然后記住相應的數據標識、條帶號、行編號、中心經緯度等等，后到USGS的官方下載標準的數據包。如圖所示：

3.5 針對網速的波動時間段，選擇合適的時間段去下載實驗區的數據（網速太慢的話只能回宿舍嘗試自己的校園教育網）

五、實習總結

通過這次初步下載衛星遙感數據，讓我個感覺自己進入了一個嶄新的領域。還了解了通用遙感數據的下載流程，以及這些編號的基本含義，并且查了landsat衛星不同波段的不同用處，band1-band5和band7的空間分辨率為30米，band6的空間分辨率為60米還了解到了2003年Landsat-7的SLC故障后，采集的數據需要采用SLC-off模型校正。通過自己手動下載這些數據，深刻的體會到論壇的一些大牛說的有什么不懂的地方就查那些官方的文檔，真的是這樣。那就好像是自己小時候的玩具說明書，告訴你怎么樣用，怎么樣玩的更流暢。總之，第一次自己找并用數據的實習，剛開始就學到了很多東西。

項目二：遙感影像增強濾波處理

一、實習時間及地點

實習時間：2016年3月23日 實習地點：測繪學院四樓微機室

二、實習內容

（一）、針對已有的遙感影像的特征選擇合適的影像增強方法

（二）、分別對已有的不同時期的影像進行規范化增強處理，選擇合適的波段進行RGB合成圖像，使影像范圍內下墊面地物容易識別與提取。

三、任務分工

如項目一的任務分工所述

四、實習過程

1.將下載的7幅圖像在basic tools下拉菜單的layer stacking(堆處理)中進行圖像融合，如圖所示，再選擇對應的坐標系，命名新文件并存入指定的文件夾。2.然后在transform選項卡中分別選擇principal components?forward PC rotation?compute new statistics and rotate和NDVI進行 主成分變換和NDVI增強。3.最后進行波段相關性分析，在basic tools選項卡中選擇statistics? compute statistics項，看方差、直方圖等分析數據，選擇相關度最相近的三個波段，按假彩色合成的的方法來進行RGB色彩和成。成果如圖：

五、實習總結

每個濾波處理都有自己的優勢和不足，我們要善于利用每一種濾波的優勢來增強圖像從而讓遙感圖像變得更加分明，易讀。雖然軟件操作就那么幾步，甚至一兩個按鈕搞定的事情，但是我們還是學習過處理原理的。覺得這樣好像在這個軟件處理數據的時候我可以假想電腦是怎么處理它的。這樣可以讓自己的思路更加明朗清晰。通過這次的實習也讓我們意識到，前輩們的高超技藝，將紛繁的算法集成于一個小小的按鈕便可以完成的事情。無意間增強了我們學習編程二次開發的信心和決心。

項目三：遙感圖像鑲嵌

一、實習時間及地點

實習時間：2016年3月24日 實習地點：測繪學院四樓微機室

二、實習內容

在實際操作中掌握遙感影像處理知識，學會對遙感影像的相關處理工作。

三、任務分工

如項目一的任務分工所述

四、實習過程

基于地理坐標的鑲嵌操作：

1.打開ENVI軟件，將兩幅鄭州遙感影像圖導入Available Bands List中。2.在ENVI主菜單Basic Tools菜單中選擇Mosaicking→Georeferenced，打開Map Based Mosaic窗口。

3.在Map Based Mosaic窗口中選中Import→ Import Files，加載需要進行鑲嵌的影像數據。

4.加載完圖像后，選中一幅圖像，點擊右鍵，選擇Edit Entry，打開Entry窗口，將Data Value to Ignore改為0，羽化距離設置為10，將參考圖像選為Fixed，其它圖像全為Adjust。

5.在Map Based Mosaic窗口中選擇File→ Apply，打開Mosaic Parameters窗口，將重采樣改為三次卷積內插法（Cubic Convolution），像元大小設置為30米，輸出影像mosaic.img。

五、實習總結

通過此次鑲嵌實驗練習，在實驗的過程中不斷的遇到問題并且解決問題，學習了鄰近影像之間的匹配鑲嵌，認識了一些關于鑲嵌處理的方法，為今后的影像處理奠定了一定的基礎。

項目四：遙感圖像裁剪

一、實習時間及地點

實習時間：2016年3月25日 實習地點：測繪學院四樓微機室

二、實習內容

1.掌握用矢量裁剪遙感圖像的原理方法； 2.熟練掌握有關遙感圖像軟件的性能和操作。

三、任務分工

如項目一的任務分工所述

四、實習過程

1.在ENVI主菜單點選File?open image file，打開待裁剪影像。

2.在ENVI主菜單點選File?open vector file，打開用arcgis軟件中做好的鄭州面要素文件來裁剪遙感影像圖。

3.在彈出的Available Vectors List 對話框中，點擊File? Export Layers to ROI，彈出select data file to associate with new ROIS 對話框，在此對話框中選擇待裁剪影像，點OK，將導出的EVF矢量文件轉換為ROI。

4.在彈出的export evf layers to ROI對話框，點選：convert all records of an EVF layer to one ROI?，點OK。

5.在ENVI軟件主菜單Basic Tools下拉菜單選擇Subset Data via ROIs，用ROI對融合后的影像mosaic2.img進行裁剪，最后得到裁剪的圖像。

五、實習總結

通過對ENVI軟件的不斷熟悉和操作，讓我學到很多，ENVI作為對遙感學習的初步入門軟件，熟練地掌握是必須具備的技能，在實驗中，我遇到了很多困難，看到很多未知的，不解的知識，還有自己原先掌握的知識的困惑，通過與同學的交流學習解決其中的困難。知道了如何對一副遙感影像圖進行裁剪，更加熟悉掌握了ENVI軟件。項目五：遙感圖像的計算機自動分類及精度評價

一、實習時間及地點

實習時間：2016年3月25日和03月28日 實習地點：測繪學院四樓微機室

二、實習內容

（一）掌握遙感圖像監督與非監督分類的基本原理；

（二）得到給定區域內每一地類（農用地、建設用地、水體、不透水表面等）的面積；

（三）掌握對分類結果進行精度評價的方法；

（四）掌握相關軟件的操作。

三、任務分工

如項目一的任務分工所述

四、實習過程 研究區及數據準備

1.1 open image file打開增強后的兩幅影像“200601”和“201001”，選擇5、4、3波段合成彩色圖像。

圖4-1 波段列表

1.2 根據圖像的分辨率和實際情況將兩幅圖像都分為8類。

圖4-2 5、4、3波段彩色圖

2選擇樣本

2.1 在image窗口中選擇overlay菜單選擇下面的ROI，打開ROI窗口。2.2在ROI Name中輸入“河流湖泊”按回車鍵，在三個窗口間進行切換，選擇“ZOOM”窗口為選擇窗口，在image窗口中進行切換找到對應顏色區域（藍色），然后在zoom窗口中進行放大然后選取部分區域。（注意均勻選取）

2.3 選擇“New Region”新建一個ROI，重復步驟2.2，分別選擇林地、草地、居民地、工業用地、沙地、水田、耕地的樣本，如圖4-3所示：

圖4-3 分類樣本圖

3可分離性分析

3.1在ROI Tool窗口中選擇Options菜單下的compute ROI Separability，在打開的窗口中選擇“鄭州200601”圖層，選擇所有ROI，點擊OK，生成圖4-4的分離矩陣，從圖中可看出各樣本可分離性不錯，符合要求，如果值不符合需要進行合并或者重新分配。

圖4-4 分離矩陣圖

4監督分類

4.1在ENVI主菜單中選擇classification->supervised->maximun likelihood,用監督分類中的最大似然對圖像進行自動分類，打開圖像選擇窗口。

4.2在打開的窗口中選擇圖像“200601”，點擊確定，跳出ROI選擇窗口，將所有的ROI都選擇上將其輸出到”監督分類”文件夾，命名為“2006”。得到下圖列表：

圖4-5

4.3重復上面步驟得到2010年的監督分類圖。

5編輯分類結果

5.3打開新生成的影像“2006”，在image窗口中選擇overlay->classfication,選擇2006，在打開的窗口中課對每一類地物進行顏色和名字的設置與更改。

圖4-6

6精度驗證

6.1用混淆矩陣進行精度驗證，打開classification->post classification->confusion matrix選擇ROI進行精度驗證。（由于沒有驗證數據，所以驗證進度很高）

7統計分析

7.1打開classification->post classification->class statistics，選擇生成的2006影像，點擊確定，再選擇原圖像200601點擊OK，選擇所有的ROI，將直方圖等勾選上，得到下面的統計圖：

圖4-6

8裁剪

8.1 從圖4-6可以看出，工業用地不符合實際情況，原因是沒有對背景進行處理，所以須用矢量圖重新裁剪，過程同遙感影像裁剪步驟。

五、實習總結

本次實習內容為遙感影像的自動分類和精度評定，從實驗課時的安排就能看出為這次課程設計的核心，也是這次課程設計的重點，我被分派到這一部分任務既感到高興也感到責任重大，所高興的是組員對我的信任，感到有壓力的是怕自己做的不好影響到全組的成績。就操作過程來說并不困難，難點在于ROI的選取，因為這次我們選擇的是鄭州市2006年和2010年的landsat5TM的影像，分辨率只有30米，雖然經過增強地物相對較清晰，但是要把每一類都區分出來還是比較困難的。主要原因在于我們是第一次做這種遙感影像圖，對地物的辨別大多是通過輪廓，所以很多都不知道是什么地物，只有通過百度地圖谷歌地圖一類的高分辨率影像找到對應位置進行判別。盡管如此，我在2010年第一次分類中。草地跟居民地還有林地的區分度還是達不到要求，不得已只能對三類重新分類。好在第二次選樣本點更小心，課分離度都超過了1.8，可是進行統計的時候又發現在兩個時相的影像中有一類地物嚴重偏多，后來發現是背景沒有處理的原因，只能將分類圖進行二次裁剪去除背景。

總之這次實習內容并不復雜，監督分類與非監督分類的原理也較簡單，關鍵在于細心和有耐心，雖然簡單，但是卻會遇到很多問題和需要注意的地方，這也是我們實習的目的，遇到問題，解決問題才有進步。

項目六：遙感影像專題地圖制作

一、實習時間及地點

實習時間：2016年3月29日至4月1號 實習地點：測繪學院四樓微機室

二、實習內容

遙感影像的專題地圖制作

三、任務分工

如項目一的任務分工所述

四、實習過程

1、打開2006監督后裁剪.bli，此時圖層種有9種符號映射。

2、在圖層上點擊鼠標右鍵，選擇屬性。在屬性對話框中，選擇符號系統，切換到符號系統面板。

3、在色彩映射表中，修改標注。按照圖形中的顏色，分別將對應的顏色修改為背景、河流湖泊、林地、草地、居民地、工業用地、沙地、水田、耕地，點擊確定。

4、將視圖切換到布局試圖，在布局視圖上點擊右鍵，選擇屬性。在格網選項卡上，點擊新建格網，創建參考格網。在框架選項卡中，將背景改為淺藍色，點擊確定。

5、點擊插入-->標題，在文本框中輸入“2006年3月土地利用分布圖”，字體為宋體36號。

6、點擊插入-->圖例，設置為三列，將背景改為藍色。

7、點擊插入-->比例尺，選擇單位為千米，點擊確定，將比例尺放入圖中合適位置。

8、點擊插入-->指北針，選擇合適的指北針，點擊確定，放于圖中合適位置。

9、點擊文件-->地圖文檔屬性，勾選存儲數據源的相對路徑名。

10、點擊文件-->導出地圖，分辨率設為300，將地圖導出。

11、采用相同的方法將另一幅影像“2010監督后裁剪”制圖后輸出。

實習成果如圖:

五、實習總結

制圖綜合在前一周剛做過實習，在制圖方面并沒有太大問題。但是在進行影像的監督分類時，由于考慮不充分，未能考慮影像的背景，導致分類后影像的背景和河流的顏色一樣，在制圖時無法將河流和背景分離開來。后來又給背景也分了一類才解決這個問題。

通過此次實習，讓我學到了很多課堂上更本學不到的東西，掌握了只有通過實際操作、自己動手才能學到的技術和能力。這讓我清楚地感到了自己學習能力的不足，看清了自身的缺點，也讓我認識到了無論做什么都應秉持仔細認真的態度，要有一種平和的心態和勤學好問的精神，不管遇到什么事都要主動地去思考，多和同學討論，多向老師請教，不要太過急躁，要對自己所做事情負責，要做到“言必行，行必果” 不可抱有推脫或者完全依賴別人的想法。我認為只要付出了努力，認真地實踐，不管結果如何我們都將有所收獲。

第二篇：遙感圖像處理實習總結

遙 感 實習總 結

專業：攝影測量與遙感技術

班級：

姓名：

學號：

為期兩周的遙感數字圖像處理結束了，在老師的精心安排下，我們全身心的投入到這次實習中。雖然是滿天的時間，但是由于教室還有其他人占用并不能在那全天使用，所以說是兩周實習但是我們能用是時間依然很少，我們要力抓每一分每一秒，熟練操作遙感數字圖像處理軟件。整個實習是以黃河水院為基礎圖形。通過格式變換、幾何校正、圖像剪裁、圖像分類，以及最后的專題地圖制作。

實習的過程簡單又復雜，簡單的是，只要動手，計算機幾乎自動化的替你操作，復雜的是，在操作過程中，又有好多選項和注意的事項，有很多參數的設置很有講究。所以在練習中我遇到好多問題，并通過解決這些問題進一步加深了對軟件和課本知識的理解。

首先我們進行的是數據預處理。我們需要進行遙感圖像的幾何校正。由于各種誤差所以遙感圖像存在著幾何變形，因此需要在操作前進行幾何校正。流程如下：第一步：顯示圖像文件（打開兩個視窗窗口），第二步：啟動幾何校正模塊，第三步：啟動控制點工具，第四步：地面控制點（GCP）的采集，第五步：采集地面檢查點，第六步：圖象重采樣，第七步：保存幾何校正模式。其中最關鍵最難的就屬地面控制點的采集，我們使用的是二次多項式，所以得選取六個控制點然后再選出六個檢查點。但是圖像存在著誤差，而我們要把誤差控制在一個像素以內，這就更加困難了。在進過長時間的摸索和練習，精度慢慢的就達到了，但是圖糾正后依舊不是很好，在詢問同學后發現原來是點的分布不是很均勻，所以導致了圖的變形。在圖的校正后就得進行圖范圍的裁剪得到所需的范圍。裁剪有兩種方法一種是規則分幅裁剪，一種是不規則分幅裁剪。規則分幅裁剪需要知道坐標，而不規則分幅裁剪則只需要在圖上手選出需要裁剪的范圍。而我們沒有坐標只能用不規則分幅裁剪。

第二項就是圖象增強處理，主要包括：空間、輻射、光譜增強處理的主要方法。空間增強：包括卷積增強處理，輻射增強：直方圖均衡化處理，光譜增強：主成份變換、纓穗變換、色彩變換。這一項比較簡單，通過指導書和上課的學習，這些增強只要知道步驟就能很快完成。

第三項我認為也是最關鍵的一項，遙感圖像的分類，所謂的遙感圖像的分類就是通過人工目譯或計算機自動分類處理相結合識別出地物屬性。我們做的分類是非監督分類，在進行的分類評價時，應用分類疊加方法來評價分類結果、分類精度及定義時應注意分類文件在上，而且取消柵格參數中清楚選示選項，以使兩圖像疊加顯示。非監督分類步驟如下：第一步：顯示原圖像與分類圖像，第二步：打開分類圖像屬性并調整字段顯示順序，第三步：給各個類別賦相應的顏色，第四步：不透明度設置，第五步：確定類別專題意義及其準確程度，第六步：標注類別的名稱和相應顏色，第七步：將相同的類進行合并，最后分為五大類：建筑物、道路（空閑地）、水系、草地和灌木林。

第四項是制作專題地圖。其操作步驟為：

一、準備專題制圖數據，二、生成專題制圖文件，三、確定專題制圖范圍，四、放置圖面整飭要素。而圖面整飾又包括1.繪制格網線與坐標注記，2.繪制地圖比例尺，3.繪制地圖圖例，4.繪制指北針，5.地圖名稱的設定，6.地圖的保存。其中創建格網中可以設置格網線的多少和起始值，這一步主要是對制作專題圖的一些整飾，可以使圖美觀易懂。

為期兩周的實習結束了，經過這次系統全面的實習，讓我更深刻的了解了遙感圖像的操作流程，也掌握了面對常出現問題的解決方法，同時也讓我對課程有了更確切的理解，把理論應用于實際，同時加深了對理論部分的重點理解，還提升了動手能力。

第三篇：北京林業大學《遙感圖像處理》實習報告范本

北 京 林 業 大 學

2011學年-2012學年第1學期 遙感圖像處理 實習報告書

專 業： 地理信息系統 班 級： 地信09 姓 名： 學 號： 090134123 實驗地點： 林業樓517 指導老師： 實驗題目： 遙感圖像處理實習之TM影像校正 實驗環境： 一臺安裝有ENVI 4.7和ArcGis Map的計算機 實驗目的

1.2.3.4.掌握ENVI軟件的基本操作，遙感數字圖像處理的基本處理方法； 掌握使用ENVI對不同分辨率影像間的幾何校正、配準與融合；

掌握使用ENVI中的最大似然監督分類法對影像進行分類，并自學其他分類方法； 掌握使用Arcgis對處理后的影像添加要素并出圖。

實習內容

1.掌握遙感圖像處理軟件ENVI的基本操作（讀取、保存、裁剪、格式轉換、坐標轉換、波段運算、影像校正等）；

2.實現SPOT(P)影像和ASTER影像之間的配準，選定兩種融合方法，實現融合并對結果進行詳細分析；

3.掌握圖像裁剪的方法，對TM影像裁剪；掌握樣本選取的方法，選定合適的樣本，對TM影像進行分類，選定兩種分類方法進行分析比較，生成土地利用圖，并進行類后評價；

4.采用ArcGIS軟件對土地利用圖添加指北針、圖例、比例尺、經緯網等地圖要素，將結果以圖片格式(png、pdf、tif、jpg等)提交。

數據源

1．ASTER數據：甘肅省張掖地區，2008.5.23日獲取，分辨率15m，角度10.3862度；取前三個波段。

2．SPOT5數據：甘肅省張掖地區，2008.3.29日獲取，分辨率2.5m，角度0度，全色波段。

3．TM影像編號：2-LT51230322009265IKR00 實習步驟及結果

一、ENVI配準、融合

1、由于ASTER影像和SPOT影像既有角度偏差又有尺度偏差，需要進行配準。打開實驗數

據ASTER影像和SPOT影像，進行手動配準。選擇Map——Registration——Select GCPS:Image to Image，以高分辨率的SPOT影像為Base Image配準ASTER影像。

2、控制點至少要選取9個以上，這里選取了16個控制點。控制點需均勻分布，易于選取，一般選取道路的腳點、道路的交叉點、房屋的腳點作為控制點。選取后點擊Add Point添加控制點。截圖如下所示：

3、選點完成之后，查看總體RMS Error（均方根誤差）。總體RMS Error小于1時，選點合格。如果總體RMS Error大于1，點擊Show List，打開控制點列表，查看個體RMS Error。如果有誤差非常大的點，選中之后，點擊Goto，會自動跳到此點的位置。對此點進行重新選取，直到能使總體RMS Error小于1為止，然后點擊Update。總體RMS Error截圖如下所示：

控制點列表截圖如下所示：

本次實驗過程中曾試驗用自動選點的方法，但選取誤差較大，經比較決定用手動選點的結果進行配準。

4、選擇Options——Warp File——ASTER2影像，對ASTER-2圖進行影像配準與裁剪。選擇一次多項式模型，重采樣方法為雙線性內插法，設置左上角點為（0,0），裁剪范圍為2000*2000，與SPOT影像相匹配。設置截圖如下所示：

配準后的影像截圖如下所示：

Link SPOT-2影像可以看出和SPOT-2影像的空間范圍相一致，但空間分辨率較SPOT-2影像低。

5、手動融合——分量替換法。融合圖像需要精確幾何配準，并將多光譜圖像采樣與全色相同的分辨率，且裁為尺寸大小一致的區域，此步驟已于上一步完成。對多光譜影像進行彩色空間變換，分量替換HSV。選擇Transform——Color Transforms——RGB to HSV，截圖如下所示：

6、將高分辨率全色波段與彩色空間變換后的V波段進行直方圖匹配，并存為V波段的數據類型，以修正光譜扭曲。

(1)分別將高分辨率全色波段和V波段的直方圖打開，選擇Image窗口：Enhance——Interactive Stretching。SPOT-2直方圖截圖如下所示：

V波段的直方圖截圖如下所示：

(2)分別在高分辨率全色波段影像和V波段的直方圖窗口中，選擇Histogram_Source--->band；

(3)在高分辨率全色波段影像的直方圖窗口中，將Stretch_type選為Arbitrary,以便于用指定的直方圖曲線來拉伸；

(4)用鼠標將V波段影像直方圖的輸入（Input Histogram標簽）拖動至在高分辨率全色波段影像的直方圖的輸出窗口（Output Histogram）中，然后點擊Apply。截圖如下所示：

(5)在V波段的直方圖窗口中，選擇Options－>Histogram Parameters，記錄下Histogram Min和Histogram Max兩個值。截圖如下所示：

(6)在高分辨率全色波段影像的直方圖窗口中，選擇File—>Export Stretch，將剛才記下的兩個值分別填入Output Min和Output Max中；再將“Output Data Type”改為“Floating Point”，然后給定文件名存儲。參數設置截圖如下所示：

7、彩色空間反變換。選擇Transform——Color Transforms——HSV to RGB。參數設置截圖如下所示：

得到融合之后的影像，截圖如下所示：

分析：

（1）Link融合之前的圖像進行比較，截圖如下所示：

從上圖的對比中不難發現，融合之后圖像的空間分辨率得到顯著提高，街道、地塊等文理信息可以很清楚的分辨出來。同時光譜顏色也得到保存，但有些許的光譜扭曲現象，出現了不明信息的紅色斑塊。

（2）Link SPOT-2影像進行比較，截圖如下所示：

從上圖的對比中不難發現，融合之后圖像的空間分辨率與SPOT-2影像的空間分辨率相一致，并添加上了光譜信息。

8、自動融合——小波變換法。自動融合時有相同的地理坐標，則不需要進行配準，系統會自動完成。選擇Transform——Wavelet Fusion，選擇雙線性內插法進行重采樣，得到的小波變換融合圖截圖如下所示：

分析：

（1）Link融合之前的圖像進行比較，截圖如下所示：

從上圖可以看到用小波變換法融合后的影像其空間分辨有所提高，且光譜信息得到很好的保存。

（2）Link SPOT-2影像進行比較，截圖如下所示：

從上圖可以看出用小波變換法融合后的影像與SPOT-2影像相比，地物的紋理特征并沒有得到很好的保存，空間分辨率較SPOT-2影像低。

9、本次實驗小波變換法與分量替換法均采用雙線性內插法進行重采樣。Link小波變換法融合后的影像與分量替換法融合后的影像進行比較，截圖如下所示：

由上圖的比較可以發現，分量替換法融合后的影像其地物的文理信息保存較好，道路、房屋的邊界等信息容易區分，而小波變換法融合后的影像其空間結構特征保留不好，地物信息不能完全顯示。而另一方面，小波變換法融合后的影像其光譜色彩得到很好的保存，并未出現光譜扭曲現象，而分量替換法融合后的影像會出現少量的由于光譜扭曲而產生的紅色斑塊。

由分析可知，如果希望得到較好的空間信息，用分量替換法進行融合效果較好；如果得到較好的光譜特征，用小波變換法進行融合效果較好。

二、ENVI分類

1、將多幅圖像構建成一個新的多波段文件，輸入波段將被重采樣和重新投影到用戶選擇的輸出投影和像元尺寸。選擇Basic Tools——Layer Stacking——Input File，將需要疊加的圖層影像進行輸入，截圖如下所示：

2、利用4、3、2波段（近紅外、紅、綠三波段）合成標準假彩色，其中呈現紅色的為植被

信息，白色的為鹽堿地或云，青白色地為建筑物，藍黑色的為水體信息。截圖如下所示：

3、裁剪出2000*2000空間范圍的子集，選擇Basic Tools——Resize Data（Spatial/Spectral）——Spatial Subset——Image，輸入2000*2000，選擇裁剪區域。裁剪影像要包含水體、林地、耕地、裸地、城鎮、交通用地、其他等。裁剪完的影像截圖如下所示：

4、確定分類類型。根據裁剪出的影像，確定要分的類別為水體、林地、耕地、裸地、城鎮、交通用地、其他這七大類。

5、選取樣本。選擇Basic Tools——Region Of Interest——ROI Tool,打開選取樣本工具欄，并開始在影像的Zoom窗口內選取樣本。選樣本時要全面，選取出所有灰度值不同的相同地物。截圖如下所示：

2、對樣本進行統計分析，查看其相關系數，檢查質量。選擇Options——Compute ROI Separability，選中所有樣本類別，分析后的截圖如下所示：

從以上數據可以看出，整體區分度較好，可以達到1.8以上。但由于原始影像問題，交通用地和城鎮區分度在1.6~1.9之間，不易區分。

3、用N維光譜空間查看樣本或編輯樣本。選擇File——Export ROI to n-D Visualizer，選中所有樣本類別，截圖如下所示：

從圖上可以總體區分度較好，水體與其他類別完全區分的出來，林地和耕地有一小部分混在一起，不易區分；城鎮和交通用地有一小部分混在一起，不易區分；其他類區分度較好。

10、監督分類。選擇Classification——Supervised——Maximum Likelihood，用最大似然法進行分類。分類后截圖如下所示：

11、為分類完的影像調整顏色。選擇Tools——Color Mapping——Density Slice，修改的參數設置截圖如下所示：

其中

1：耕地 2：裸地 3：水體 4：城鎮 5：林地 6：交通用地 7：其他

點擊Apply后，顏色修改完成。修改后的圖像截圖如下所示：

12、將分類結果疊加到原圖上，修改類別顏色，或對微小類別進行刪除或合并。選擇原圖的Overlay——Classification，由于植被顏色在假彩色影像上呈紅色系列，勾選上林地和耕地后，對比原圖覆蓋區域。截圖如下所示：

從上圖可以看到紅色地物基本都被覆蓋，分類較好。

13、分類后處理。選擇Classification——Post Classification——

Classification to Vector，將圖像上的林地轉化成矢量，并疊加到顏色修改后的分類圖像上。截圖如下所示：

矢量化只是對邊緣進行，所以沒有填充。從上圖可以看出，林地邊緣被完整的矢量化出來，分類較好。

11、選擇Classification——Post Classification——Confusion Matrix——Using Ground Truth ROIs，用驗證樣本進行驗證,利用混淆矩陣查看分類精度。驗證樣本截圖如下所示：

混淆矩陣截圖如下所示：

從上圖可以看出總體精度為88.7965%，Kappa 系數為0.8615，分類較好。

14、將顏色修改好的圖像導入ArcMap中，進行出圖操作。分別添加標題、指南針、圖例、比例尺、圖框、制圖人信息和日期等。制造好的土地利用類型圖截圖如下所示：

出圖后的土地利用類型圖截圖如下所示：

第四篇：遙感圖像處理實驗報告

遙感圖像處理實驗報告

班級 11資環 姓名 學號 實驗專題 實驗室 F樓機房 成績評定 教師簽字

專題一：DEM圖像進行彩色制圖··························································2（敘述制圖過程并把自己處理結果加載到本文檔里）

專題二：TM與SPOT數據融合····························································3（敘述該過程并處理結果加載到本文檔里。注意用兩種方法融合的過程）

專題三：航片的配準與鑲嵌·····························································4（敘述該過程并處理結果加載到本文檔）

專題四：切取某研究區域的操作·························································5（具體要求：衛星影象疊加，選擇其中三波段彩色合成，采用ROI切取研究區）

專題五：地圖制圖的方法·······························································6（主要是快速制圖。并任選一樣例加載制圖后結果）

專題六：使用ENVI進行三維曲面的瀏覽與飛行············································7（敘述該過程并處理結果加載到本文檔里）

專題七：監督分類試驗（任選一種監督分類方法，并敘述···································8（其過程將其結果加載到本檔里）。實驗專題： 專題一：DEM圖像進行彩色制圖

1、加載一幅DEM的灰度圖像，使用系統默認的IDL顏色表來調整屏幕的顏色表。

2、給生成的彩色圖像添加圖名、格網、比例尺、灰度條、等高線及數值等信息。

3、調整位置，保存圖像。結果如下圖 實驗專題： 專題二：TM與SPOT數據融合

1、主圖象窗口選擇Transform > Image Sharpening > HSV，從一個打開的彩色圖像中選擇三個波段進行變換。

2、對原DEM圖像進行拉伸處理。

3、將HSV圖像重新轉換為RGB圖像。分別對應H-R,S-G,拉伸圖像-B。

4、加載最終圖像，并保存結果。結果如圖所示：

實驗專題： 專題三：航片的配準與鑲嵌

1、加載兩幅圖像，其中一幅作為base image，一幅作為warp image。

2、在主菜單Registration里的Select GCP(Ground Control Points)來選擇地面控制點，并調整誤差。

3、執行圖像—地圖配準。

4、圖像鑲嵌。執行Map> Mosaicking > Pixel Based。

5、在Pixel Based Mosaic對話框，選擇Import > Import Files and Edit Properties，調整羽化、背景等參數。

6、輸入其他參數，加載結果圖并保存。結果如圖：

實驗專題： 專題四：切取某研究區域的操作

1、加載一多波段彩色圖像，在主圖像窗口中，選擇Overlay > Region of Interest。

2、ROI的類型選擇polygon，在image窗口中畫出研究的區域。

3、通過選擇Basic Tools > Masking > Build Mask，建立掩膜。

4、選擇Basic Tools > Masking > Apply Mask，應用掩膜來切取研究區域。結果如下：

實驗專題： 專題五：地圖制圖的方法

1、打開顯示要輸出的圖像。

2、從主圖像顯示窗口中，選擇File>Quickmap>New Quickmap，修改輸出頁的大小、頁的范圍以及地圖的比例。

3、設置圖名、投影并添加map key等信息，保存圖像。結果如下：

實驗專題： 專題六：使用ENVI進行三維曲面的瀏覽與飛行

1、在顯示圖像的主圖像窗口中，選擇Tools> 3-D SurfaceView。

2、選擇相應的數字高程模型（DEM）輸入文件及所需要的DEM Resolution（像元數）復選框。

3、調整垂直方向的放大系數，輸入的值將使得垂直方向真正放大。值越高，放大越多。

4、執行User Defined Mode對話框以調整3D圖像的位置，角度等信息。

5、選取最佳視覺位置保存。

實驗專題： 專題七：監督分類試驗

1、首先選擇感興趣區域，即ROI。

2、選擇Classification > Supervised > 需要的分類方法，以平行六面體(Parallelepiped)為例。

3、輸入一般的分類參數（分類參數對話框中列出的那些），這一對話框包含了一個額外的參數—標準差數，用于ROI平均值周圍。在“Max stdev from Mean”文本框里，鍵入一個數值。標準差的默認值3被自動輸入到這一文本框里。

4、執行，并保存結果。如圖所示

第五篇：遙感圖像解譯實習報告

遙感圖像解譯課程

綜合實習

實習報告

學院：遙感信息工程學院

班級：10011

學號：20103025900

姓名：李祥

指導老師：劉繼琳

一、實習目的與意義

1.掌握遙感影像的目視判讀方法和流程，能夠對快鳥影像、SPOT影像和航拍影像進行目視解譯；

2.學會使用圖紙制作遙感影像底圖并清繪遙感影像； 3.掌握實地調繪、核實和補測的基本方法；

4.學會使用ERDAS軟件進行數字化成圖，并制作專題圖。

二、實習資料與設備

在進行內業清繪和外業調繪階段，實習資料有2002年的快鳥影像一張、2002年的SPOT影像一張、2007年的航空影像一張、轉印紙三張。

在進行室內計算機成圖階段，實習資料有2007年的航空影像一張、2002年的快鳥影像一張以及ERDAS軟件。

三、實習原理

一）遙感圖像解譯標志

1)色調（tone）：全色遙感圖像中從白到黑的密度比例叫色調（也叫灰度）。如海灘的砂礫色調標志是識別目標地物的基本依據，依據色調標志，可以區分出目標地物。

2)顏色（colour）：是彩色遙感圖像中目標地物識別的基本標志。日常生活中目標地物的顏色:遙感圖像中目標地物的顏色:地物在不同波段中反射或發射電磁輻射能量差異的綜合反映。彩色遙感圖像上的顏色:真假彩色 3)陰影（shadow）：遙感圖像上光束被地物遮擋而產生的地物的影子

根據陰影形狀、大小可判讀物體的性質或高度。不同遙感影像中陰影的解譯是不同的

4)形狀（shape）：目標地物在遙感圖像上呈現的外部輪廓。

遙感圖像上目標地物形狀:頂視平面圖 解譯時須考慮遙感圖像的成像方式。

5)紋理（texture）：內部結構，指遙感圖像中目標地物內部色調有規則變化造成的影像結構。如航空像片上農田呈現的條帶狀紋理。紋理可以作為區別地物屬性的重要依據。二）目視解譯流程

四、實習步驟

實習過程可分室內判讀和外業實地調繪以及內業數字化成圖三個步驟。室內判讀是利用2002年10月獲取的0.6米分辨率的快鳥衛星遙感影像和2.5米分辨率的SPOT5（實際是2.5米全色與5米多光譜數據融合的）數據制作正射影像圖，根據室內判讀方法，對圖斑的形狀、大小、色調、位置、紋理等特征進行對照分析，依照分類規則，按10種地物類別進行判讀解譯，勾繪圖斑工作底圖，然后再與2002年土地利用現狀數據進行比較，發現變化要素并將其繪制到工作底圖上。對于無法從室內確定是否發生變化的圖斑，或變化不明確的，要進行外業實地調查，以確保更新的準確性。外業調繪則對變化要素進行實地調繪、核實和補測。通過以上的工作步驟，完成對華農幅2002版土地利用現狀圖進行復核更新。內業數字化成圖則利用遙感圖像處理軟件ERDAS進行。具體步驟如下：

一）內業判讀

內業判讀主要是解譯人員根據自己的專業知識、地理區域知識、遙感系統知識從遙感影像中提取遙感信息、反演地面原型的目視判讀方法，然后繪制底圖。

1)圖像解譯

遙感解譯的實質是個分類過程，即根據遙感圖像的光譜特征、空間特征、時間特征，按照解譯者的認識程度，或是自信程度和準確度，逐步進行目標的探測、識別和鑒定的過程。首先確定一個目標或特征的客觀存在，在更高一層的認識水平上去理解目標或特征，并把它粗略地定為某個十分普通的、大類別中的一個實體，再進一步根據圖像上目標的細微特征，已足夠的自信度和準確度，將上述識別的這個實體，劃歸在某一種特定的類別中。

遙感圖像的解譯是從遙感影像特征入手的，包括色調或顏色、陰影、大小、形狀、紋理、圖案、位置、組合等。2)繪制底圖

根據提供的遙感圖像，將轉印紙覆蓋在07年的航片和02年的SPOT影像上，進行草圖勾繪。

在進行勾繪時，需要注意勾繪出主要地物，包括主要道路、建筑物、河流等，這樣一些地物在實地勘察是具有重要的指向作用，保證了外業調繪的有效地進行。對于航片的初步勾繪，詳略應該得當，如果繪制的過于細致，則會導致勾繪圖上分不清具體的地物；如果勾繪的過于粗略，則會導致不能充分的反映影像內容而造成外業勘察的困難。

我們組測區是華中農業大學西北角，占較大面積的地物有農田、苗圃、水系、裸地、道路和建筑。

根據解譯標志。分別在快鳥影像和SPOT上解譯出以下地物：

農田：在影像上一般呈現綠色調，而且形狀大多較規則，呈方塊狀緊密連在一起，紋理較均勻；

苗圃：色調呈淺黃色，形狀較規則，紋理也較均勻，但沒有農田均勻； 水系（包括魚塘等）：在圖像上占最大面積，呈深藍色，幾乎無紋理； 道路：呈條帶狀，色調為白色；

建筑（房子）：片狀分布，呈矩形緊致連在一起，并且有陰影。

快鳥影像比SPOT影像的分辨率更高，所以影像更清晰，顏色層次更鮮明，區域邊界更明顯，紋理和陰影更易識別。

二）外業實地勘察

根據所繪制的草圖，結合Google路線圖，開展外業調繪、核實和補繪。對于內頁介意沒有變化的圖斑，采用圖例在底圖上標注。對于內業解譯中的變化圖斑，需要在實地進一步的進行調查核實，在確定其變化后的地類后，在草圖上標出其圖斑的地類；對于內業解譯錯誤的圖斑，在工作圖上用紅筆標明；對于遙感圖像上與實地不一致的地方，尤其需要實地的進行調查和勾繪，在勾繪時，需要結合變化地物的地理位置、尺寸以及與其他地物的相互關系等來進行繪制，也需要用紅筆標明出來。

我們組測區主要是地物類別是建筑，農田和苗圃。主要圖斑變化情況是由裸地變成建筑、道路，水系變成裸地等。

三）整理、清繪外業調繪成果圖

在完成了外業調繪圖后，需要對其進行整理和清繪。首先，需要依據變化的地物，合理的勾繪出實時的地物分布圖，可以結合谷歌地圖以及外業的調查結果，合理的完成地物的繪制，需要達到清晰、準確的反映地面地物分布的要求。完成了實時地物的勾繪后，再根據地物的實際類型，結合具體的制圖標志，將地物的具體類別用符號準確的標記在清繪圖上。

清繪圖的準確進行，需要我們認真、細致的外業調繪，不僅要求具體的標繪出變化的地物，而且需要詳細的表示出各類地物的具體類別，為計算機成圖打下良好的基礎。

四）數字化成圖

野外調查完成后的遙感圖像目視解譯成果，一般以專題圖或遙感影像圖的形式表現出來。利用ERDAS軟件進行屏幕數字化轉繪圖形，編輯成圖。

首先，根據利用ERDAS軟件將02年快鳥影像和07年的航拍影像進行幾何配準，裁剪出出07年所需區域的航拍影像，作為數字化成圖的原始數據。

然后利用ERDAS軟件新建一個和上述快鳥影像相同大小的圖層，作為專題圖繪制圖層。進行專題圖的繪制時，可以結合02年的快鳥數據、07年的航空影像以及清繪圖，綜合進行地物的繪制。主要包括兩個過程：

1）用ERDAS軟件的AOI工具，將轉印紙標繪的地物輸入到計算機中； 2）用專題制圖模塊，制作土地利用分類圖。

在進行專題圖的繪制時，應該將同一類地物一起勾繪。我們小組測區內，地物可以分為裸地（未分類部分視作裸地）、水系、農田和苗圃、建筑和道路五大類，每一類均應該分別勾繪出來，并用不同的顏色表示。

完成了土地利用圖的勾繪后，就可以利用ERDAS中的專題圖生成模塊，進行專題圖的生成。加入專題圖名稱、比例尺、指北針、公里格網、圖例等專題圖要素后，即完成了土地利用專題圖的繪制。

注：成圖過程中，我們利用ERDAS中的new map composition板塊進行相應的操作。點擊Composer圖標→New Map Composer，在New Map Composer對話框中定義一系列參數產生專題制圖文件；在Map Frame對話框中，定義一系列參數，確定制圖范圍；運用Create Grid/Ticks圖標，繪制格網線與坐標注記；運用Create Scale Bar繪制地圖比例尺；在Create Legend中繪制地圖圖例；在Styles中確定指北針的類型；在Text Styles Chooser中繪制地圖名。

五、實習成果

圖1是我們第二小組繪制的本測區的土地利用圖，圖中將地物一共分為五類，分別用不同的顏色表示出來。由于本測區位于華中農業大學周邊，因此建筑物十分復雜，在繪圖時部分零散建筑采用一個地塊表示。

圖1 土地利用圖

圖2 是在完成土地利用圖的基礎上的，繪制的專題地圖，加入了圖名、格網、指北針、圖例、比例尺等要素，使得圖像的專題意義更為清晰明了。

圖2 土地利用專題地圖

六、實習體會

遙感圖像解譯綜合實習是對目視解譯整體流程的一次綜合實踐。在實習準備階段，了解待解譯區域地物分布特征。在室內解譯階段，充分利用之前機房實習的解譯經驗，從02年QuickBidr和07年航空攝影影像解譯出地物塊，并進行對比分析，找出變化要素。室外解譯階段，以小組為單位，進行實地調繪，結合影像進一步判讀地物類型的變化。最后，根據野外調繪結果清繪圖，導入計算機，利用ERDAS軟件進行數字化成圖。

整個實習過程如行云流水般，在老師的悉心指導下一步一步完成。這次實習，即使對課堂所學知識的一次全面的回顧與實踐，也提高了我們的動手能力和團隊協作精神。在外業調繪階段，團隊成員分別負責路線選擇，實地考察，變化要素識別，變化要素繪制，協作過程井然有序。在數字化成圖階段，團隊成員分別負責裸地、水系、道路、農田和苗圃、建筑的數字化生成對應地物類AOI，然后小組成員共同對AOI進行合并，生成地物類別專題圖。

同時，實習過程中得到了老師的悉心指導，解決了一些關鍵問題，在此表示忠誠的感謝。