第一篇：高光譜遙感實習報告

中國地質大學（武漢）

《高光譜遙感》上機實習報告

學 號： 20141000360 班級序號： 113142 姓 名：林浩 指導老師：沈永林

實習一

1.高光譜數據的基本信息查詢：

（1）打開數據

（2）鼠標放在cup95eff.Int左鍵點擊->edit header，查看頭文件信息

2.數據分析

（1）在ENVI主菜單下選擇：File>OpenImageFile，在打開的文件選擇窗口中選擇圖像文件cup95eff，點擊OK打開圖像。

（2）打開它的2-D散點圖Tools>2-DScatterPlots,并且選擇band172、173

（3）得到2d散點圖

3.高光譜數據MNF變換以及純凈端元提取

樣本的選取與分類

（1）在ENVI主菜單下選擇Transform>MNFRotation>ForwardMNF>EstimateNoiseStatisticsfromData

：

（2）進行mnf變換設置

（3）得到特征值曲線

（4）查看mnf變換后band1和band2的2d散點圖

（5）在散點圖中用ROI制圖功能將點云拐角零散的幾個點圈起來

（6）在2-D散點圖窗口中選擇：Options > Export All 提取各樣本區

（7）點擊Select ALL 然后點擊stats

（8）在ENVI主菜單下選擇：Spectral > Spectral Analyst，我們選擇USGS（美國地質調查局）波譜庫

（9）選擇紅色區域 得到匹配結果

得出紅色區域為明礬石。

（10）同理得到綠色區域結果

判斷該為鋰輝石

藍色區域

判斷該為高嶺石

黃色區域

判斷該為赤鐵礦

青色區域

判斷該為黃鉀鐵礬

洋紅區域

判斷該為黃鉀鐵礬

褐紅色區域

判斷該為白云石

（11）通過分析是否有兩類極其相似，于是我把這兩類合并。在ROIs Tools窗口中選擇Option > Merge Regions

得到分類好的樣本區域

分類

（1）在ENVI主菜單下選擇：Pixel Purity Index > [FAST]New Output Band

進行10000次迭代

（2）得到的PPI圖像如下所示：

（3）由PPI圖像生成樣本區。

在ROIs Tool對話框中選擇Options > Band Threshold to ROI 建立一個只包含擁有高PPI值像素的ROI

（4）在彈出的對話框中輸入最小極限值100，提取訓練樣本。

（5）在ENVI主菜單中選擇Spectral > n-Dimensional Visualizer > Visualize with New Data

（6）選擇其前十個波段進行觀察

（7）使用n維空間觀察儀

（8）選擇其中5個波段進行模擬

（9）在ENVI主菜單下選擇：Classification > Supervised > Spectral Angle Mapper。選擇原始圖像作為待分類圖像。

（10）在此窗口中選擇：Import > form ROI from Input File

（11）選擇我們剛才定義好的樣本區

（12）這些樣本區就出現在端元收集器中了

（13）設置分類參數

（14）得到最后分類的圖像

第二篇：高光譜實習報告

高光譜遙感實習

報告

1、通過給定的數據1DATA（excel文檔格式）建立光譜庫，并將該光譜庫數據重采樣至TM傳感器的光譜分辨率。

1.1光譜庫重采樣

使用“Spectral Libraries | Spectral Library Resampling”子菜單進行光譜庫重采樣。

在“Spectral Resampling Parameters”對話框里，選擇 “Input Data File” 作為重采樣方法, 第一步：出現“File Containing Output Wavelength”對話框時，點擊需要的文件名。此時是can_tmr.img作為參考文件，也就是說光譜庫中的光譜將以TM的波長范圍進行重采樣。如下系列圖所示：

第二步：點擊【OK】開始重采樣過程。數據文件在它的相關文件頭中，必須包含用于重采樣的波長數值。如果在文件頭中，出現 FWHM 值，它們也將用于重采樣。

（1）在“Available Bands List”中出現重采樣后的光譜庫。（2）通過光譜庫查看功能查看重采樣后的光譜數據。

第三步：通過光譜庫查看重采樣后的結果

1.2光譜庫建立

操作步驟：

第一步：選擇“Spectral | Spectral Libraries | Spectral Library Builder”。

第二步：出現“Spectral Library Builder”對話框時，從 “Data File”(ENVI 圖像文件)或ASCII File”、或“File Input Spectrum”，為新庫選擇數據源。第三步：出現“File Containing Output Wavelength”對話框時，用標準選擇程序選擇包含波長和可選項FWHM值的輸入文件。

（1）當采用 “Data File”，波長和 FWHM 值（若存在）從 ENVI 頭文件中讀取。如圖18.（2）當采用 “ASCII File”, 必須選上包含波長值與 FWHM(若存在)的列。（3）當采用“file input spectrum”時直接彈出Spectral Library Builder 對話框（4）點擊【OK】。出現“Spectral Library Builder”對話框，允許選擇光譜庫。如圖

第四步：“Spectral Library Builder”對話框運用這一對話框從各種數據源中收集端元光譜。所有光譜自動被重采樣到選擇的波長空間。這一對話框的個別部分見下面描述（參見錯誤！未找到引用源。節“端元收集”）。

第五步：此時例子選擇的為野外采集光譜文件“ASD file”則根據選擇的波長建立光譜庫。由選擇的光譜建立一個標準ENVI光譜庫文件。可以看到，該光譜曲線已經被采樣到can_tmr.img文件的波長范圍了，即6個波段。這表明輸入的ASD數據已經被ENVI識別并已經可以使用了。那么下一步就是將其保存為ENVI的光譜庫文件。

第六步：在“Endmember Collection Spectra”對話框中選擇“File | Output Spectra | Spectral Library”。

第七步：出現“Output Plots to Spectral Library”對話框時，輸入輸出文件名，此時該光譜庫就已經被建立。

第八步：關閉“Spectral Library Builder”對話框，選擇“File | Cancel”

2、對數據2構建三維影像立方體。

操作步驟：

第一步：選擇“Spectral | Building 3D Cube”菜單

第二步：輸入構建3維影像立方體文件，選擇ENVI自帶的cup95eff高光譜數據進行實驗。第三步：彈出“3D Cube RGB Face Input Bands”對話框，輸入影像RGB，用于影像立方體第一層顯示。

第四步：彈出“3D Cube Parameters”對話框，選擇色彩對應表，顯示立方體其他部分的顏色對應表。

第五步：顯示結果

3、對數據2的column=10的位置進行光譜切面。

3.1水平切面

操作步驟：

第一步：選擇“Spectral | Spectral Slices | Horizontal Slice”。

第二步：出現“Spectral Slice Input File”對話框時，選擇一個輸入文件和需要的光譜子集 第三步：出現“Spectral Slice Parameters”對話框時，在標有 “Line” 的文本框里輸入用

于水平切面的行數

第四步：選擇輸出到 “File” 或 “Memory”。如果選擇輸出到 “File”，輸入一個輸出文件名，或用【Choose】按鈕選擇一個輸出文件名。

第五步：一旦所有參數都已經輸入，點擊【OK】繼續。水平光譜切面圖像將被添加到“Available Bands List”中，可以用標準 ENVI 功能顯示和處理。

3.2垂直切面

操作步驟：

第一步：選擇“Spectral | Spectral Slice | Vertical Slice”。

第二步：出現“Spectral Slice Input File”對話框時，選擇一個輸入文件和需要的光譜子集。

第三步：出現“Spectral Slice Parameters”對話框時，在標有 “Sample” 的文本框里，為垂直切面輸入一個樣本數。

第四步：選擇輸出到 “File” 或 “Memory”。如果選擇輸出到 “File”，輸入一個輸出文件名，或用【Choose】按鈕選擇一個輸出文件名。

第五步：一旦所有參數都已經輸入，點擊【OK】繼續。垂直光譜切面圖像將被添加到“Available Bands List”中，可以用標準 ENVI 功能顯示和處理。

4、對數據2進行包絡線去除，指出包絡線去除后的光譜與原始光譜曲線的區別。

操作步驟：

第一步：選擇“Spectral | Mapping Methods | Continuum Removal”。

第二步：出現“Continuum Removal Input File”對話框時，選擇輸入文件，選取的空間或光譜子集或掩模。

第三步：點擊【OK】。

第四步：出現“Continuum Removal Parameters”對話框，選擇輸出到“Memory”或“File”。如果選擇輸出到“File”，輸入一個輸出文件名。第五步：點擊【OK】，開始處理。出現一個狀態窗口，顯示處理的進度。最終結果將出現在“Available Bands List”里。

5、對數據2利用MNF變換進行特征提取，并比較提取后的特征光譜與原始光譜特征光譜的區別。

MNF變換（MNF Rotation）實現對遙感數據進行最小噪聲分離，具體實現參見下面步驟：

第一步：選擇“Spectral | MNF Rotation | Forward MNF | Estimate Noise Statistics from Data”菜單進行MNF變換。

第二步：在“MNF Transform Input file”中選擇進行MNF變換的影像，此處選擇的是ENVI自帶的cup95eff AVIRIS高光譜影像，為了運算速度，本次實驗只選擇了該影像的子集（通過“Basic Tools | Resize Data”工具進行）。

第三步：彈出“Forward MNF Transform Parameters”對話框，輸入MNF變換所需要的參數。輸出噪聲統計文件；輸出MNF統計文件；選擇輸出到 “File” 或 “Memory”。如果選擇輸出到 “File”，輸入一個輸出文件名，或用【Choose】按鈕選擇一個輸出文件名；選擇是否通過特征值選擇子集；輸出MNF文件的波段數的選擇。

第四步：在波段列表中輸出MNF影像以及特征值曲線圖，從圖中可以看出大約在第20個波段以后的MNF波段的特征值很小，因此如果進行降維的話可以選擇20左右，此例選擇20。

6、利用PPI算法對數據2提取像元的純凈指數，解釋結果圖像的意義，并通過設置閾值提取端元。

像元純凈指數（Pixel Purity Index，PPI）是一種在多光譜和高光譜圖像中尋找光譜純凈像元的方法。

6.1 [Fast] New Output Band

操作步驟：

第一步：選擇“Spectral |Pixel Purity Index | [FAST] New Output Band”。第二步：出現“Fast Pixel Purity Index Input File”對話框時，選擇一個輸入文件或用標準ENVI 光譜和空間子集程序選擇子集。PPI 運行 MNF轉換結果，光譜子集根據特征圖像和特征值圖排除噪聲波段。此時采用上一節MNF變換后的例子，經分析得知第20個波段以后的特征值很小（如圖），因此只需要選擇前20個波段進行處理。這樣做的優點是可以在不影響精度的情況下加快PPI的運算速度。點擊【OK】后，ENVI會提示用戶需要的內存數。

第三步：點擊【OK】繼續。出現“Pixel Purity Index Parameters”對話框，進行PPI參數設置

第四步：在同一地方重新開始，選擇“Spectral | Pixel Purity Index | Existing Output Band” 第五步：顯示PPI處理結果。如所示。結果圖中的每個像元被標記為極值的總次數，也就是說圖中像素越多，它被標記為極值的總次數也越多，像元越純的可能性就越大。

6.2用PPI圖像進行端元（Endmember）選擇 操作步驟：

第一步：用標準 ENVI 顯示程序顯示圖像比較亮的像元表示采用的光譜極值較多，光譜比較純。較暗的像元表示光譜純度較低。

第二步：在 ENVI主窗口處選擇“Tools | Cursor Location/Value”以判定圖像中值的范圍。

第三步：選擇“Tools | Region of Interest | Band Threshold to ROI”來生成一個只包含 PPI 高值的像元。

9、利用線性混合分解技術（linear spectral unmixing）對數據3進行混合像元分解。

操作步驟：

第一步：選擇“Spectral | Mapping Methods | Linear Spectral Unmixing”。第二步：出現“Unmixing Input File”對話框，選擇一個輸入文件，（若需要）用標準ENVI光譜和空間子集以及掩模程序選取的空間子集或用一個掩模。選擇進行分解的影像為ENVI自帶的高光譜影像“wuhanTM”影像。通過ROI選擇了6個端元

第三步：點擊【OK】繼續。出現“Endmember Collection：Unmixing”對話框。選擇“Import from ROI/EVF file”。當所有需要的端元都已經選上以后，點擊“Endmember Collection:Unmixing”對話框底部的【Apply】按鈕。

第四步：彈出“Unmixing Parameters”對話框。如果用戶想在分解過程中運用限制性條件則用箭頭切換按鈕選擇【Yes】。如果選擇了【Yes】，在“Weight”文本框里輸入一個權重。這一權重被添加在分解倒置過程中的聯立方程里。權重越大，所進行的分類就越滿足設定的限制條件。

第五步：選擇輸出到“Memory”或“File”。如果選擇輸出到“File”，輸入一個文件名。第六步：點擊【OK】，開始光譜分解。出現一個顯示處理狀態的窗口。

第七步：混合光譜分解的結果。光譜分解的結果將以一系列灰度圖像的形式出現，每個端元對應一幅豐度圖像，并加上一個平方根誤差圖像。較高的豐度（RMS誤差圖像的較大誤差）對應較亮的像元。例如，在下圖中，較亮的像元代表了在該圖中該端元的豐度較高。豐度值在0~1的數據范圍內，但是也有可能出現負值和大于1的值。錯誤的豐度象征著錯誤的端元。結果由輸入的端元決定，且隨端元的變化而變化。

10、利用光譜沙漏向導（spectral hourglass wizard）實現對光譜角分類（SAM）制圖。

操作步驟：

第一步：打開“Spectral | Spectral Hourglass Wizard”菜單

第二步：打開向導對話框，該對話框為介紹對話框，選擇“Next”進行下一步。

第三步：在下一個對話框中點擊【Select Input File】和【Select Output Root Name】選擇輸入輸出文件。選擇“Next”進行下一步。如圖

第四步：進行MNF變換，選擇輸出MNF波段的數目。此處可以選擇一個空間子集進行操作，選擇“Next”進行下一步。如圖

第五步：得到MNF結果，被保存且在波段列表中可以顯示。選擇是否查看和動畫顯示。如果不滿意結果可以選擇“Prev”返回之前的操作重新進行，否則選擇“Next”進行下一步。第六步：計算數據維數，通過MNF變換可以降低數據維數，點擊【Calculate Dimensionality】，彈出“Spatial Coherence Threshold”對話框，根據空間相關性閾值確定其數據維數為23（圖中紅線表示）。如果不滿意結果可以選擇“Prev”返回之前的操作重新進行，否則選擇“Next”進行下一步。

第七步：選擇是否從影像獲取端元。從影像獲取端元如下所示，手動方式請參見錯誤！未找到引用源。節“端元收集”。如果不滿意結果可以選擇“Prev”返回之前的操作重新進行，否則選擇“Next”進行下一步

第八步：進行PPI計算。該步采用PPI獲取純凈端元選擇，設置PPI相關參數，參數含義參

見像元純凈指數

四、節“像元純凈指數”功能，如果不滿意結果可以選擇“Prev”返回之前的操作重新進行，否則選擇“Next”進行下一步

第九步：得到PPI結果，選擇在n維可視化儀顯示的最大PPI的像素數，如果不滿意結果可以選擇“Prev”返回之前的操作重新進行，否則“Next”進行下一步

第十步：利用N維可視化界面進行端元選擇，該功能首先自動聚類選擇相應的端元供用戶參考，如此時選擇了23個端元。點擊【Retrieve Endmember】將n維可視化儀獲得的端元列于“Endmember list”列表中。可以通過【Plot Endmember】查看端元光譜曲線，還可以點擊【Start Spectral Analyst】按鈕進行光譜分析。

第十一步：選擇是否采用n-維可視化儀獲得端元進行下一步操作還是用戶自己選擇端元，本例用n-維可視化儀獲得端元，選擇NO，如果不滿意結果可以選擇“Prev”返回之前的操作重新進行，否則選擇“Next”進行下一步。

第十二步：選擇處理方法及參數，有三種制圖方法：光譜角；混合調制匹配濾波；分解。設置相關的參數

第十三步：此時計算出了制圖的結果，列于波段列表中。其中SAM結果可以直接通過下圖進行查看。

第十四步：任務完成點擊【finish】得到總結報告。此時的中間結果都在波段列表中顯示。

如圖：

小結：

通過這次高光譜遙感實習，我較為熟練的掌握了ENVI這個軟件的使用，這次實習題目都是對我們上高光譜遙感課程的知識的鞏固和動手能力的提高，讓我對高光譜遙感的基本知識和操作有了更深層次的認識。在實習中，對于基本的功能我能夠摸索出來，其中，在操作中出現了一些問題，不過，經過與同學的探討交流，最終基本的實現了結果，但還有許多應改進之處。但是對于這個軟件還是有一些不熟悉的地方，以后如有機會還是要再次認真的學習。唯一讓我后悔莫及的是考試之前沒有好好做這個實習，以至于當時好多內容都沒有很好的掌握。總之，通過這次實習，學到了不少東西，雖然以前對遙感進行過ENVI的實習，但是這次實習使我對高光譜遙感有了全新的認識，通過實踐對理論知識有了更加深刻的理解，受益頗多。

第三篇：遙感實習報告

開始作圖。

3實訓體會

本次實習總共四天的時間，主要內容是學會使用VirtuoZo NT系統。在這四天的實習過程中，我們學會了很多，掌握了很多以前所不了解的，但是也遇到了很多的問題。在最開始的時候，對實習的內容以及軟件都不了解，不知如何下手，而在經過老師的親自一步一步操作示范給我們看的時，雖然沒有完全掌握，但是之后在老師和同學的幫助下，都一步步順利的完成了。在本個實習中，我不僅學會了VirtuoZo NT系統的使用，在VirtuoZo NT系統中進行模型定向、影像匹配、生成DEM及正射影像的制作、數字影像測圖等。

分析我自己做的成果，再與老師所做的進行比較發現，我所處理的結果誤差明顯偏大。究其原因，乃是對立體觀測切準地物的各種方法和技巧不熟悉所至。可喜的是，經過數小時的訓練，最終的準確度有明顯提高。

由于經驗不足使我在操作上有些盲目既不知道自己操作的對錯也不知道打到什么位置最好。

在考試的時候我對打高程點還是不清晰，努力讓自己沉靜下來讓自己找到感覺，然后慢慢的開始打點，找到感覺后就開始打點。點的高程慢慢的打對了。

實習中多虧了同學們的幫助，老師的指導，加上多次的練習我會了VirtuoZo的大概操作。知道了VirtuoZo的作用。這次實習內容豐富，使我學到了不少東西。它不僅讓我認識到了Virtuozo的各種功能和工作流程及部分原理，還讓我對數字攝影測量數據獲取有了更深刻的了解。同時也使我對數字攝影測量課程有了一個整體的概念。

第四篇：遙感實習報告

江西理工大學建測學院地信專業

遙感課程實習報告

（第三組）

遙感課程設計實習報告

一、主要內容

1、根據實際測量的GPS坐標點校正每組截取的百度地圖或谷哥地圖，校正后坐標統一轉化成WGS84投影。

2、使用每組校正后的百度地圖或谷哥地圖校正CBERS-02B全色影像。

3、用CBERS-02B全色影像校正CBERS-02B多光譜影像。

4、根據每組指定區域，完成相鄰圖像鑲嵌或裁剪。保證20米和2.36米影像區域完全重合。

5、圖像噪聲消除與圖像增強（本步驟在有需要的時候執行）

6、使用適當方法完成全色影像和多光譜影像的融合。

7、通過目視判讀識別和手工提取地物（可在Arcgis中完成），利用計算機自動識別方法進行地物分類及分類后處理。

8、利用手工解譯的地物評價計算機自動識別方法地物的精度。

9、用原始的遙感影像作為底圖，提取的地物附在底圖上制作專題出圖。

10、根據第17章的內容，研究區提取地物的算法模塊化。（需編程較好，這一步不強行要求）。

二、時間安排

課程設計時間15-16周，課程設計嚴格按照日常作息時間，上午8:10~11:50，下午2:00-5:30.江西理工大學建測學院地信專業

二、學習內容及分工

每個小組按照《ENVI遙感圖像處理方法》必須學習第1至第6章、第8章、第10章、第15章、第17章的內容，其它章節選學。學習過程中每個小組可按照分工完成，但小組每人都需掌握相關內容，每個小組必須在15周內完成所學內容。

每個小組在第15周周末之前完成贛州市區指定區域的實地數據采集測量（必須同時保證GPS機和手工兩種記錄），第三組組員:丁嘉樹（組長）、廖峭、陳滿姣、朱龍龍 任務分工：野外采集:丁嘉樹，廖峭，朱龍龍

室內處理：幾何校正部分由丁嘉樹，朱龍龍共同完成；融合及分類部分由丁嘉樹，廖峭共同完成；實習報告由丁嘉樹，陳滿姣共同完成；展示的成果雖基本由丁嘉樹完成，其他組員也都自己每一步都進行了操作，對基本操作都了解。

四、具體步驟

1、百度地圖截取指定區域，通過ps處理得到指定的圖形

江西理工大學建測學院地信專業

2、圖形的校準

打開envi，通過“window”→“Available Band List”打開波段列表，并通過“File”→“Open image File”打開第三組的測區圖形，并加入坐標系統打開圖形校正對話框，設置基準面為“WGS-84”,“zone”設置為50，分辨率設置為1m。操作過程如下圖所示。

選取“RGB Color”，然后點擊“Load RGB”，在“map”下選擇“Image to Map”校正

江西理工大學建測學院地信專業

在打開的區域中通過“image”、“Scroll”與“Zoom”三者的結合，找到與實際測量相同的點，然后輸入對應的經緯度，點擊“Add Point”，將測量的點根據自己的需要輸入，可以不用將采集的點的坐標全部輸入。然后點擊“Options”→“Warp file”，然后選擇要校正的影像，接著在彈出的對話框中輸入相應的校正精度，另外選擇3次多項式校正，選擇輸出文件目錄

江西理工大學建測學院地信專業

點擊確定之后就會進行相應的校正。將校正后的圖形用“New display”打開，校正后的圖形如下圖所示：

江西理工大學建測學院地信專業

校正好之后可以打開shapfile文件進行相應的對比，看校正后的影像會不會偏差比較大，如果偏差比較大的話再次對標記的控制點進行相應的修改，知道符合要求為止。

江西理工大學建測學院地信專業

3、校正后的百度地圖校正CBERS-02B全色影像

用“Available Band List”打開全色影像，并且加載到相應的窗口。因為全色影像的區域相對于測量的區域有點大，所以一般通過裁剪感興趣區域將自己所需的裁剪下來。

在要裁剪的圖形上右鍵“ROI tool”,然后在“ROI_Type”中選擇矩形裁剪，“windows”中選擇“Scroll”，然后在“Scroll”中拖出矩形感興趣區域，然后右鍵。

導出感興趣區域

江西理工大學建測學院地信專業

打開自己校正好的百度地圖與裁剪區域。將“裁剪區域2”和“百度地圖校正圖”兩個同時打開。選擇“Map”→“Image to Image”進行校正，用“百度地圖校正圖”校正全色影像。

控制點添加方法是，在兩個圖中找到相同的區域，然后點擊“Add Point”，控制點的輸入根據自己的需要添加，弄好之后記得保存控制點，以便于后面可以使用。

選擇好控制點之后單擊“Options”→“Warpe file”進行校正。校正后的圖如圖所示。

江西理工大學建測學院地信專業

4、用CBERS-02B全色影像校正CBERS-02B多光譜影像

首先打開已有的五張多光譜影像，加載已有的一張，然后在這張圖像上右鍵選擇“ROI tool”,點擊“ROI type”選擇多邊形（Polygon），通過多邊形裁剪，將裁剪區域到處為“shapefile”格式。

利用已經ROI存儲的“shapefile”格式數據分別去裁剪剩余4個多光譜影像。利用下圖方法分別裁剪4個。得到區域一樣的5個相同區域的ROI圖像。利用五個裁剪好的區域，分別加載到窗口，以第一個為標準，利用image to image方法，分別校正其余四個。以下為第一幅影像校正第二幅影像的過錯，其他的校正過程都是依次相同。

江西理工大學建測學院地信專業

將校正好的五個子區進行圖層的堆疊。得到多條光譜相結合的影像。方法為選擇envi菜單欄中的Basic Tools下拉菜單中Layer Stacking功能，然后依照步驟分別添加五幅經過校正后的影像，組成為一組多波段光譜影像。

江西理工大學建測學院地信專業

得到后的圖像多光譜影像如下圖所示。波段組合為

利用第三步得到的全色影像校正上面得到的多光譜影像。

5、鄰圖像鑲嵌或裁剪

打開校正好的多光譜影像數據，右鍵打開“ROI Tool”,用矩形裁剪匹配好的多光譜影像數據

江西理工大學建測學院地信專業

6、圖像噪聲消除與圖像增強

打開裁剪好的多光譜影像數據，進行平方根增強。

7、全色影像和多光譜影像的融合

選擇菜單“Transform”→“HSV”進行圖像的融合。

江西理工大學建測學院地信專業

選擇輸入的多光譜影像數據，點擊“ok”后選擇高分辨率的影像。

選好之后點擊“ok”就可以得到融合的全色影像。其中有圖為融合后影像。

8、利用計算機自動識別方法進行地物分類及分類后處理

(1)類別定義/特征判別：根據分類目的、影像數據自身的特征和分類區收集的信息確定分類系統；對影像進行特征判斷，評價圖像質量，決定是否需要進行影像增強等預處理。這個過程主要是一個目視查看的過程，為后面樣本的選擇打下基礎。

分類后的類別數包括道路、植被、房子、水域、裸地部分。

（2）樣本選擇：打開分類圖像，在Display->Overlay->Region of Interest，默認ROIs為多邊

江西理工大學建測學院地信專業

形，按照默認設置在影像上定義訓練樣本。如圖下圖所示，設置好顏色和類別名稱。

在ROIs面板中，選擇Option->Compute ROI Separability,計算樣本的可分離性。如圖19所示，表示各個樣本類型之間的可分離性，用Jeffries-Matusita, Transformed Divergence參數表示，這兩個參數的值在0~2.0之間，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本；小于1，考慮將兩類樣本合成一類樣本。

江西理工大學建測學院地信專業

（3）分類器選擇： 根據分類的復雜度、精度需求等確定哪一種分類器。目前監督分類可分為基于傳統統計分析學的，包括平行六面體、最小距離、馬氏距離、最大似然，基于神經網絡的，基于模式識別，包括支持向量機、模糊分類等，針對高光譜有波譜角（SAM），光譜信息散度，二進制編碼。（4）影像分類：基于傳統統計分析的分類方法參數設置比較簡單，這里選擇最小距離分類方法。主菜單下選擇Classification > Supervised >Minimum Distance。按照默認設置參數輸出分類結果，如下圖所示。

江西理工大學建測學院地信專業

分類后的圖

（5）分類后處理：分類后處理包括的很多的過程，都是些可選項，包括更改類別顏色、分類統計分析、小斑點處理（類后處理）、柵矢轉換等操作。

可以在Interactive Class Tool面板中，選擇Option->Edit class colors/names更改，也可以在Display->Color Mapping->Class Color Mapping。如下圖所示，直接可以在對應的類別中修改顏色。也可以根據一個顯示的RGB影像來自動分配類別顏色，打開主菜單->Classification->Post Classification->Assign Class Color。（在這里沒有做修改）

江西理工大學建測學院地信專業

9.專題圖制作

(1)融合的影像制作專題圖：

1、主影像顯示窗口菜單中，選擇File → QuickMap → New QuickMap，打開QuickMap Default Layout對話框。設置模板的參數：輸出頁的大小（圖幅的大小）、頁的方位（圖幅形式）、地圖的比例。

2、點擊OK完成設置。

3、選擇制圖范圍，鼠標左鍵點擊顯示窗中紅色框的左下角并拖動方框，選中整個影像。

4、點擊OK，顯示QuickMap Parameters對話框。

5、在Main Title文本框中鍵入圖名：贛州市新城區專題地圖。

6、在影像圖中加載投影信息。在Lower Left Text文本框中輸入：

江西理工大學建測學院地信專業

贛州市新城區專題地圖

7、在Lower Right Text文本框，輸入制圖單位和制圖員信息：2013年1月 江西理工大學地理信息系統專業3組制作

8、保存快速制圖模板，選擇Save Template，并輸入文件名，點擊OK。

9、點擊Apply，在ENVI顯示窗口中顯示快速制圖的結果。可以繼續修改QuickMap Parameter對話框中的設置，點擊Apply更新顯示結果。

10、輸出制圖結果后，在主圖像顯示窗口中，選擇File →Save Image As →Postscript File,將制圖結果輸出為打印格式。選擇Output QuickMap to Printer或Standard Printing復選框，這里選擇Output QuickMap to Printer。

（2）將分類圖與融合影像的專題圖疊加，并保存為打印格式。在快速制圖的主顯示窗口中，選擇Overlay →Classification，在打開的Interactive Class Tool Input File對話框中，選擇分類圖向，單擊OK按鈕，打開Interactive Class Tool對話框，在對話框相應的On復選框中點擊，在Interactive Class Tool對話框中，選擇Options →Edit class colors/names，修改類的顏色和名字，最后可以把疊加的地圖輸出為打印格式。

江西理工大學建測學院地信專業

五、實習心得：

丁嘉樹：

本次實習歷時兩周左右時間，主要對幾何校正、影像融合、分類、專題圖制作等方面進行了操作，整個過程是借鑒了一些參考資料以及和組員一些討論才得以完成。實習過程中還遇到了許多困難，導致不同程度的返工，一遍遍重復的操作，不過這樣一來，更加加深了對ENVI軟件的理解和應用，俗話說熟能生巧，正是因為有了這些一遍遍的錯誤，并通過結合理論知識的討論和研究，才能不僅僅局限于對應課件一步一步來的層次，才能對做過的實驗進行反思和分析，認真考慮到底是那個地方出現了問題，這樣才能有利于我們的學習進步。學習ENVI軟件剛開始的時候是比較痛苦的，主要體現在對各個操作命令的不熟悉，以及對基礎理論的理解程度不夠造成的，并且全英文的操作菜單讓各個指令無法和所學的內容結合起來，造成對軟件的操作步驟的不理解，而且也無法加深對本次試驗的理解，造成了一定的困難。但當自己硬著頭

江西理工大學建測學院地信專業

皮把這部分內容做完之后，再返回去進行一下總結，總能得到一些原來本不知道的知識，我覺得這種收獲遠遠大于按照實習步驟一步步來的效果要好一些。所以，我還是建議大家首先把理論部分搞的明白一些，算不上透徹吧也應該知道本次實驗的目的是什么，從目的出發進行理解，這樣才能具有針對性，否則等你做過這次實驗之后你還不知道做的是什么的話，那樣只會耽誤自己的時間，很快就會忘記，達不到學習的效果。正如老師介紹的那樣，隨著經濟的發展，對遙感方面的學習越來越重要。長期以來，地理學主要是以地圖作為地理信息存貯及成果展示的工具，以地圖和實地觀測作為地理研究的主要手段。隨著當前科學技術和社會的迅速發展，單純傳統的工作手段已不能適應地理學的發展，遙感技術的引進和應用，成為當前地理學發展中具有重要意義的變化和動向之一.遙感已成為地理研究和工作的重要信息源，另外，遙感已成為地理研究的重要手段和方法。因此，伴隨著遙感在地信專業所占成分越來越高的現實，我們有必要對遙感這門課程引起足夠的重視，努力學習好這門課程。

廖峭：

通過為期兩周的遙感實習，我對ENVI軟件有了一個全面深入的認識和了解，短短的幾天時間我掌握了ENVI常用的基本操作，圖像的幾何糾正、影像校正，圖像融合，影像的分類處理，專題地圖的輸出制作等，對于一些不常用的功能也都做了了解和嘗試，為將來對ENVI整個軟件的掌握運用打下了一定的基礎。這次實習的收獲很多，剛開始接觸ENVI軟件時，對它全英文的界面很不熟悉，稍微沒注意老師的講解就不知所措，慢慢的用下來，一點一點的琢磨，再加上在技術手冊和老師精心的指導，現在我基本掌握了這個軟件的主要用途，當一幅幅影像在電腦上顯示出來，那種成就感讓人滿足。在為期2周的實習內，我們很好地完成了老師對我們的要求，通過我們對軟件的具體操作，使我們對遙感這們學科有了更深入的認識。同時，在實習中我再次認識到認真嚴謹的態度是必不可少的，有不太清楚的地方要及時向老師請教，才會保證學習過程中的質量，同時也體會到了遙感研究的辛苦和樂趣。總之通過這幾個實習讓我對遙感有了更直觀的了解，通過做實驗讓我對遙感和其他學科的聯系有了初步了解，同時增強了我對遙感的學習興趣。總之，本次實驗還是比較順利的，在實習期間感謝老師的辛勤指導，讓我們少走了一些彎路，老師的講解也給我們留下了很深的印象，使我們對一些知識點理解更透徹

陳滿姣：

通過兩周的室內實習任務，最大的感觸就是從新認識了遙感這門比較抽象的學課，以前在課堂上總覺得這是一門非常難懂也非常難學的課程，可是就在這兩周的室內實習的過程中我的想法突然改變了，其實遙感這門學科并沒有所想的那么難懂和難學，只要我們愿意去學、去發現這門學科的奧秘我們還是非常容易掌握和理解的。開始接觸是覺得它是我們所有學科中最抽象的，可是當我們把我們所學的理論知識和這

江西理工大學建測學院地信專業

次室內實習結合起來對比和深入研究后，才真正的發現這是一門多么有內涵和適應新時代的必要科目，同時對于動手操作的重要性有了新的理解，即使掌握了理論知識如果自己不去動手做的話，還是無法完全掌握這門學科，因為很多問題只有在操作中產生了然后自己慢慢摸索解決后才能印象深刻，由于不夠耐心不夠仔細導致每一步之后的圖都有很大的變形，無法繼續下一步，都是用其他組員的圖繼續下一步，但是在這個過程中我還是以自己的最大熱情完全的投入到此次實習中，把每一步的大致的操作流程都有所了解，雖然沒能得出一個真正屬于自己的成果，但是通過這次實習我的收獲很大，我理解耐心是很重要的，也理解了團隊的重要性，如果總是指望別人永遠做不成大事。并且在很多情況下我們都得到了很多意外的收獲，獲益匪淺！不僅對書本上的理論知識有了大致的理解，更重要的是從實踐中檢驗了它的真理，了解了它的適應范圍之廣和作用之大，為我們以后從事工作而需要它打下了堅實的基礎

朱龍龍：

這次實習給我的最深體會是只有動手操作才會真正學會運用軟件，再多地文字資料也比不上一次認真地操作，在野外采集的時候我了解了ＧＰＳ的基本操作，也了解了團隊合作的重要性，但是在室內處理這一部分每次都遇到很多問題，然后就氣餒了，不想做了，導致沒有充分利用這個機會學習，我明白了遇到問題就要虛心請教，多操作幾次就會的，關鍵還是自己態度不夠端正，什么事情只要認真對待就一定會有收獲，我想在以后的學習中我不會再犯這樣的錯誤，多動手操作，多虛心請教，多點耐心，結果肯定會不一樣。工科學生要的就是動手能力，只有在學習完理論并結合一次實習才能夠加深對這門課程的理解。當然不僅僅是對本門課程理論知識的理解，更多的是對遙感這門學科的應用有一定的理解才是。當然，想要學習好一門技術不僅僅是一個學期的學習和兩周的實習可以搞定的，這可以說只是一個入門，如果想要進一步理解，那就需要付出更多的努力。

第五篇：遙感實習報告(報告)

重慶交通大學測繪工程 《遙感原理及應用》實驗報告

班 級： 學 號： 姓 名： 指 導 老 師 ： 實 驗 室： 地理信息中心實驗室

實驗一

ENVI 視窗的基本操作

一、實驗的目的

初步了解目前主流的遙感圖象處理軟件 ENVI 的主要功能模塊，在此基礎上，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實習奠定基礎。

二、實驗軟件與數據

軟件：Envi遙感圖像處理軟件。數據：重慶地區UTM第八波段數據。

三、實驗方法與步驟

Envi軟件的主菜單：

這個是ENVI軟件的主菜單,其中包括了文件的載入，基本工具欄，以及圖像處理的一些必要的功能。

四、實驗體會與建議

本次實驗主要是熟悉Envi軟件的菜單，以及一些常用的方法。還有就是將Envi軟件菜單的界面轉換成中文菜單。

1、在ENVI安裝目錄..RSIIDL60productsenvi40menu下建立新文件夾，命名為orgmenu

2、拷貝..RSIIDL60productsenvi40menu下原有的英文菜單文件display.men、display_shortcut.men和envi.men到新建的orgmenu目錄中進行備份

3、拷貝下載的display.men、display_shortcut.men和envi.men文件到..RSIIDL60productsenvi40menu中，覆蓋原文件。

4、啟動ENVI4.0。

實驗二

遙感圖像的幾何校正

一、實驗的目的

通過實習操作，掌握遙感圖像幾何校正的基本方法和步驟，深刻理解遙感圖像幾何校正的意義。

二、實驗軟件與數據

軟件：Envi遙感圖像處理軟件。

數據：重慶地區UTM第八波段數據以及未經校核的重慶地區jpg圖片。

三、實驗方法與步驟

1、打開ENVI軟件將UTM圖像和jpg格式的圖片載入，上述圖像中我們可以看出，12840-8圖像下面有圖像的地理信息，而重慶城區圖片是沒有信息說明的。

2、選擇校正與鑲嵌菜單下的校正圖像選取控制點(圖像到圖像)，分別選取基礎圖像和校正圖像，分別在圖像上面選擇控制點，通過Add Point按鈕增加選擇的控制點，用這個方法選擇5個控制點，單擊Show List按鈕查看所選控制點的信息

3、在控制點選擇窗口中選擇options菜單，再選擇warp file，選擇輸出校正后的圖像文件。

4、載入校正后的圖像

在圖像顯示窗口工具菜單中選擇geographic link，將需要連接的圖像打開，5、選擇2號圖上的位置，3號圖就會顯示相應位置。

四、實驗體會與建議

用過本章的實驗，掌握了遙感圖像幾何校正的基本方法和步驟，理解了遙感圖像幾何校正的意義。

在幾何校正的時候，剛開始把dipaly1和dipaly2搞反了，沒有注意是以哪張有坐標的為基準。選點的時候應該找比較明顯的標志性物體。

實驗三

遙感圖像的增強處理

一、實驗的目的

通過上機操作，了解空間增強、輻射增強幾種遙感圖象增強處理的過程和方法，加深對圖象增強處理的理解。

二、實驗軟件與數據

軟件：Envi遙感圖像處理軟件。數據：重慶地區UTM多光譜數據。

三、實驗方法與步驟

1、載入UTM多光譜數據，并選擇RGB Color 使用前面三個波段顯示模擬真彩色圖像。

2、在主菜單中選擇濾波菜單，再選擇卷積濾波，在convolutions菜單中選擇不同的算法進行圖像的卷積濾波運算。這是通過highpass方法運算輸出的結果。

這是經過low pass運算出來的結果。

3、在圖像菜單中選擇顯示增強，以下圖像是平方根后的效果

4、在圖像菜單中選擇顯示增強，以下圖像是[zoom]均衡化后的效果

四、實驗體會與建議

通過本章的實驗操作，了解了空間增強、輻射增強幾種遙感圖象增強處理的過程和方法，加深了對圖象增強處理的理解。

剛開始打開的圖片是Gray scale的模式，轉換成為RGB Color模式。然后就是菜單中選擇卷積濾波進行運算，然后再對本圖片進行顯示增強。

實驗四

遙感信息的復合

一、實驗的目的

通過上機操作，初步掌握遙感信息復合的方法，深入理解遙感信息復合在信息解譯中的意義。

二、實驗軟件與數據

軟件：Envi遙感圖像處理軟件。

數據：重慶地區UTM多光譜數據和重慶地區UTM第八波段高分辨率數據。

三、實驗方法與步驟

1、載入UTM多光譜圖像和UTM第八波段高分辨率圖像。

2、主菜單中的空間變換菜單,再到影像融合，再到HSV，選擇輸入多波段的數據

選擇輸入高分辨數據

輸出多光譜數據和高分辨率數據融合之后的圖像數據

多光譜和高分辨率數據融合之后的圖像

四、實驗體會與建議

通過本章實驗，初步掌握了遙感信息復合的方法，理解了遙感信息復合在信息解譯中的意義。對遙感圖片的處理有了更深的認識。

數據融合其實比較好做，就是將兩張圖片打開后選擇菜單中的空間變換菜單,再到影像融合，再到HSV，選擇輸入多波段的數據。最后生成文件，保存后就可以了。

實驗五

遙感圖像分類——監督分類

一、實驗的目的

理解計算機圖像分類的基本原理以及監督分類的過程，達到能熟練地對遙感圖像進行監督分類的目的。

二、實驗軟件與數據

軟件：Envi遙感圖像處理軟件。數據：重慶地區UTM多光譜數據。

三、實驗方法與步驟

1、載入UTM多光譜圖像，使用主菜單中的基本工具菜單，選取感興趣區，在image圖像中選擇序列區。

2、在主菜單中選擇分類，選擇監督分類，再選擇最小距離法進行分類。結果如下，其中紅色部分為河流，藍色部分為居民區和山脈，綠色部分為植被和背景。

四、實驗體會與建議

通過本章實驗，理解和掌握了計算機圖像分類的基本原理以及監督分類的過程，并能夠熟練地對遙感圖像進行監督分類。

首先選擇圖片的感興趣區，要選擇多個波段不同顏色，剛開始的時候只選擇了一個，整個圖片全是一個顏色。后來選擇了很多顏色，選擇出了特征值。

實驗六

遙感圖像分類——非監督分類

一、實驗的目的

進一步理解計算機圖像分類的基本原理以及監督分類的過程，達到能熟練地對遙感圖像進行監督分類的目的，同時深刻理解監督分類與非監督分類的區別。

二、實驗軟件與數據

軟件：Envi遙感圖像處理軟件。數據：重慶地區UTM多光譜數據。

三、實驗方法與步驟

非監督分類的方法有分級集群法和動態聚類法(ISODATA)載入多光譜圖像，使用動態聚類法(ISODATA)進行分類。在分類菜單中選擇非監督分類，在選擇ISODATA

動態聚類法(ISODATA)分類結果

四、實驗體會與建議

通過本章實驗，進一步理解了計算機圖像分類的基本原理以及監督分類的過程，并能夠熟練地對遙感圖像進行監督分類的目的，同時深刻理解了監督分類與非監督分類的區別。打開圖片，點擊非監督分類，然后load圖片就可以了。