遥感图像的监督分类
1 实验的目的和任务
1）理解遥感图像计算机分类的原理和方法；
2）掌握监督分类的步骤和方法。
2.实验设备与数据：
设备：遥感图像处理系统ENVI
数据：ENVI自带的数据
3 实验内容：遥感图像监督分类。
监督分类（Supervised Classification）用于在数据集中根据用户定义的训练样本类别（Training Classes）聚类像元。训练样本类别是像元的集合或者单一波谱，通常的训练区采用ROI来选择，而且应该尽可能的选择纯净的感兴趣区域。
具体的操作参考以下图和步骤：
1）、类别定义/特征判别
根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。
本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。
2）、样本选择
为了建立分类函数，需要对每一类别选取一定数目的样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得，或者利用终端像元收集器（Endmember Collection）获得。
本例中使用ROIs方法，打开分类图像，在Display->Overlay->Region of Interest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。如图18所示，设置好颜色和类别名称（支持中文名称）。
在ROIs面板中，选择Option->Compute ROI Separability,计算样本的可分离性。如图19所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本。
训练样本的选择
样本可分离性计算报表
3）、分类器选择
根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。
4）、影像分类
基于传统统计分析的分类方法参数设置比较简单，这里选择支持向量机分类方法。主菜单下选择Classification > Supervised > Support Vector Machine。按照默认设置参数输出分类结果，如图21所示。
支持向量机分类器参数设置
支持向量机分类结果
5）、分类后处理
分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。
（1)更改类别颜色
可以在Interactive Class Tool面板中，选择Option->Edit class colors/names更改，也可以在Display->Color Mapping->Class Color Mapping。如下图所示，直接可以在对应的类别中修改颜色。
也可以根据一个显示的RGB影像来自动分配类别颜色，打开主菜单->Classification->Post Classification->Assign Class Colors。
类别颜色的更改
类别颜色更改后的效果
自动颜色更改的效果图
（2)分类统计分析
主菜单->Classification->Post Classification->Class Statistics。如图11所示，包括基本统计：类别的像元数、最大最小值、平均值等，直方图，协方差等信息。
分类结果统计
（3)小斑点处理（类后处理）
运用遥感影像分类结果中，不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除和重新分类，目前常用的方法有Majority/Minority分析、聚类（clump）和过滤（Sieve）。这些工具都可以在主菜单->Classification->Post Classification中找到。Majority/Minority分析和聚类（clump）是将周围的“小斑点”合并到大类当中，过滤（Sieve）是将不符合的“小斑点”直接剔除。
如下图为Majority分析的结果。
类后处理结果图Majority/Minority分析
聚类（clump）
过滤（Sieve）
4)栅矢转换
打开主菜单->Classification->Post Classification->Classification to Vector，可以将分类后得到的结果转化为矢量格式，或者主菜单->Vector->Raster to Vector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件.
栅矢转换面板
遥感图像的几何校正（配准）
1.实验目的与任务：
（1）了解几何校正的原理；
（2）学习使用ENVI软件进行几何校正；
2.实验设备与数据：
设备：遥感图像处理系统ENVI
数据：TM数据
3 几何校正的过程：
注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配准或几何校正。
1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开；
2．在主菜单上选择map->Registration->select GCPs：image to image
3.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY
2（右）。BASE图像指参考图像而warp则指待校正影像。选择OK!
4.现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方，
就可以选择ADD POINT添加点了。（PS：看不清出别忘记放大）如果要放弃该点选择
右下脚的delete last point，或者点show point弹出image to image gcp list窗口，从中选择
你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。选好4个点后就可以
预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参
考影像相对应的位置，而后再进行适当的调整并选点。
5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII..
当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from ASCII...
6.接下来就是进行校正了：在ground control points.对话框中选择：
options->warp file(as image to map)
在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters
对话框：
首先点change proj按钮，选择坐标系
然后更改象素的大小，如果本身就是你所需要大小则不用改了
最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了
西北农林科技大学 ERDAS实验报告 专业班级：地信111 姓名：杨登贤 学号：2011011506 2013/12/20 ERDAS实验报告
一．设置一张三维图。 (3) 1.底图与三维图 (3) 2.参数设置 (5) （1）三维显示参数 (5) （2）三维视窗信息参数 (6) （3）太阳光源参数 (6) （4）显示详细程度 (6) （5）观测位置参数 (7) 二．（几何纠正几何畸变图像处理）：几何纠正结果图。 (7) （2）选择合适的坐标变换函数（即几何校正数学模型） (8) （3）数据控制点采集表 (9) （4）多项式模型参数 (9) （5）图像重采样参数 (10) （6）结果图 (10) 三.(数据输入\ 输出)：镶嵌图（根据不同条件做出不同的几张）。 (11) 1.图像色彩校正设置 (12) 四.（图像增强处理）：傅里叶高通/低通滤波图或效果图空间增强效果图。 (13) 1.空间增强卷积处理 (13) （1）原图像 (13) （2）卷积增强设置参数 (13) （3）卷积增强处理图像 (14) 2.傅里叶变换 (14) （1）快速傅里叶变换设置参数 (14) （2）低通滤波 (15) (3)高通滤波 (16) 五.光谱增强。 (18) 1.主成分变换 (18) （1）参数设置 (18) （2）处理图像 (19) 2.缨帽变换 (19) （1）参数设置 (19) （2）处理图像 (20) 3.指数计算 (20) （1）参数设置 (20) （2）处理图像 (21) 4.真彩色变换 (21) （1）参数设置 (21) （2）处理图像 (22) 六.（非监督分类）：非监督分类结果图分类后处理结果图去除分析结果图。 (23) 1.参数设置 (23) 2.非监督分类结果图 (24) 3.分类后处理结果图 (25)
遥感原理与应用 实验报告 姓名：学号：学院：专业： 年月日 实验一： erdas视窗的认识实验 一、实验目的 初步了解目前主流的遥感图象处理软件erdas的主要功能模块，在此基础上，掌握几个视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。 二、实验步骤 打开imagine 视窗 启动数据预处理模块 启动图像解译模块 启动图像分类模块 imagine视窗 1.数据预处理（data dataprep） 2.图像解译（image interpreter） 主成份变换 色彩变换 3.图像分类（image classification） 非监督分类 4. 空间建模（spatial modeler） 模型制作工具 三、实验小结 通过本次试验初步了解遥感图象处理软件erdas的主要功能模块，在此基础上，基本掌握了几个视窗操作模块的功能和用途。为后续的实验奠定了基础。 实验二遥感图像的几何校正 掌握遥感图像的纠正过程 二、实验原理 校正遥感图像成像过程中所造成的各种几何畸变称为几何校正。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。而将地图投影系统赋予图像数据的过程，称为地理参考（geo-referencing）。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。 几何校正包括几何粗校正和几何精校正。地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了几何粗校正。利用地面控制点进行的几何校正称为几何精校正。一般地面站提供的遥感图像数据都经过几何粗校正，因此这里主要进行一种通用的精校正方法的实验。该方法包括两个步骤：第一步是构建一个模拟几何畸变的数学模型，以建立原始畸变图像空间与标准图像空间的某种对应关系，实现不同图像空间中像元位置的变换；第二步是利用这种对应关系把原始畸变图像空间中全部像素变换到标准图像空间中的对应位置上，完成标准图像空间中每一像元亮度值的计算。 三、实验内容 根据实验的数据，对两张图片进行几何纠正 四、实验流程
实验四遥感图像分类 一、背景知识 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。 非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。 二、实验目的 理解并掌握图像分类的原理，学会图像分类的常用方法：人工分类（目视解译）、计算机分类（监督分类、非监督分类）。能够针对不同情况，区别使用监督分类、非监督分类。理解计算机分类的常用算法实现过程。熟练掌握遥感图像分类精度评价方法、评价指标、评价原理，并能对分类结果进行后期处理。 三、实验内容（6课时） 1.非监督分类（Unsupervised Classification)； 2.监督分类（Supervised Classification)； 3.分类精度评价（evaluate classification）； 4.分类后处理（Post-Classification Process）； 四、实验准备 实验数据： 非监督分类文件：germtm.img 监督分类文件：tm_860516.img 监督模板文件：tm_860516.sig 五、实验步骤、方法 1、非监督分类（Unsupervised Classification)
遥感课程教学实验之二： 遥感影像分类 实验二遥感影像的分类遥感影像的监督分类 ?实验目的
理解计算机图像分类的基本原理以及监督分类的过程，学会利用遥感图像处理软ENVI 件对遥感图像进行分类的方法。 ?实验内容 1、遥感图像分类原理。 2、遥感图像监督分类。 3、最大似然法分类 ?实验条件 电脑、ENVI4.5软件。厦门市TM遥感影像。 ?实验步骤 1、启动ENVI软件，从文件菜单打开多波段影像文件，从可用波段列表中装载彩色或假色 影像，显示遥感影像。 2、从主图像窗口的工具Tools →Region of Interest →ROI Tools; 3、在自动打开的ROI Tools窗口中，设定ROI_Type 为“Polygon”（多边形），选定样本采 集的窗口类型，用Zoom（缩放窗口）进行采集。。
4、在选定的窗口如Zoom用鼠标左键画出样本区域，在结束处击鼠标右键二次，样本区域 被红色充填，同时ROI Tools窗口中显示采集样本的信息。采集新的样本点击“New Region”，重新上述步骤进行多个地物样本采集。。 5、从ENVI主菜单中，选 Classification > Supervised > Maximum Likelihood；或在端元 像元采集对话框 Endmember Collection中选择 Algorithm >MaximumLikelihood 进行最大似然法分类。
6、在出现Classification Input File 对话框中，选择输入影像文件，出现 Maximum Likelihood Parameters 对话框。 7、输入常规的分类参数。 设定一个基于似然度的阈值（Set Prpbability Threshold）：如不使用阈值，点击“None” 按钮。要对所有的类别使用同一个阈值，点击“Single Value”按钮，在“Probability Threshold”文本框中，输入一个0 到1 之间的值。似然度小于该值的像元不被分入该类。 要为每一类别设置不同的阈值： ●在类别列表中，点击想要设置不同阈值的类别。 ●点击“Multiple Values”来选择它。 ●点击“Assign Multiple Values”按钮。 ●在出现的对话框中，点击一个类别选中它，然后在对话框底部的文本框中输入阈值。为每 个类别重复该步骤。 最后给定输出结果的保存方式：文件或内存，当影像较大时建设保存到文件中，以免因内存不够而出错运算错误。 点击“OK”计算机开始自动分类运算。 8、在可用波段列表中显示分类图像。 ?实验总结
重庆交通大学 学生实验报告 实验课程名称遥感原理与应用 开课实验室测量与空间信息处理实验室 学院 2013 年级测绘工程专业 1班学生姓名刘文洋 学号 631301040126 开课时间 2015 至 2016 学年第 1 学期
目录 实验一 ENVI 视窗的基本操作 (2) 实验二遥感图像的几何校正 (4) 实验三遥感图像的增强处理 (8) 实验四遥感图像的变换 (12) 实验五遥感信息的融合 (15) 实验六遥感图像分类 --- 监督分类 (17) 实验七遥感图像分类 --- 非监督分类 (19) 实验八遥感图像分类后处理 (22)
实验一ENVI 视窗的基本操作 一、实验目的 初步了解目前主流的遥感图象处理软件 ENVI 的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。 二、实验内容 视窗功能介绍；文件菜单操作；显示数据；裁剪数据；合并波段 三、实验步骤 1、首先打开ENVI4.7软件，看见的只有菜单栏，如图所示： 2、打开每个下拉菜单浏览其下拉栏中都有哪些功能，比如:我们如果需要打开遥感文件，则可以选择File下的打开功能open image file，打开遥感图像如下图：
裁剪数据打开basic tools的resize data功能，如果需要对图像进行一系列处理，可以利用Transform，Classification等功能进行操作，在后续实验中我们也会用到其中的一些功能进行图像的一系列操作，到时候在详细叙述。 3、再熟悉了ENVI4.7的一些基本知识后我们可以简单地操作下，比如对一组数据分别用Gray Scale和Load RGB导入，看看两幅图的区别以及各自的优缺点。 四、实验结果分析 在这次的实验中，我们简单的熟悉了下ENVI4.7的一些功能，发现它是可以对遥感图像进行图像几何纠正，直方图均衡，监督分类，非监督分类等一系列操作，为我们后续利用软件对遥感图像处理打下了基础。
遥感图像实验报告 一．实验目的 1、初步了解目前主流的遥感图象处理软件ERDAS的主要功能模块。 2、掌握Landsat ETM遥感影像数据，数据获取手段.掌握遥感分类的方法， 土地利用变化的分析，植被变化分析，以及利用遥感软件建模的方法。 3、加深对遥感理论知识理解，掌握遥感处理技术平台和方法。 二．实验内容 1、遥感图像的分类 2、土地利用变化分析，植被变化分析 3、遥感空间建模技术 三．实验部分 1.遥感图像的分类 （1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统； （2）特征判别：对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理； （3）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本；（4）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器； （5）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理；分类图如下：
图1.1 1992年土地利用图 图1.2 2001年土地利用图
（6）结果验证：对分类结果进行评价，确定分类的精度和可靠性。 图1.3 1992年精度图 图1.4 2002年精度图 2.土地利用变化 2．1 两年土地利用相重合区域 （1）在两年的遥感影像中选择相同的区域。 Subset(x:568121~684371,y:3427359~3288369)，过程如下：
图2.1 截图过程图 图2.2.2 截图过程图
（2）土地利用专题地图如下： 图2.2.3 1992年专题地图 图2.2.4 2001年土地利用图
实验四遥感图像的非监督分类与监督分类 一、实验目的 1．非监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进行分类，在没有用户定义的条件下练习使用，在ENVI环境下的非监督分类技术有两种：迭代自组织 数据分析技术（ISodata）和K均值算法（K-Means）； 2．分类过程中应注意：1）怎样确定一个最优的波段组合，从而达到最佳的分类精度，基于OIF和相关系数，协方差矩阵以及经验的使用来完成对最适合的组合的选取，分类 效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束 后，被分类后的图像是一个新的图像，被分类类码秘填充，从而可以获得数据提取信息， 统计不同类码数量，转化为实际面积，在得到后的图像上，可对不同目标的形态指标进 行分析。 3．对训练区中的像元进行分类； 4．用训练数据集估计查看监督分类后的统计参数； 5．用不同方法进行监督分类，如最小距离法、马氏距离法和最大似然法。 二、实验设备与材料 1、软件 ENVI 4.7软件 2、所需材料 TM数据 三、实验步骤 1.选择最优的波段组合 ENVI主工具栏中File →Open image file →选择hbtmref.img打开→在Basic Tools中选择Statistics →Compute statistics选定原图，在Spectral subset中可选项全部选定→OK →OK →全选→保存→OK，则各类统计数字均可查； OIF计算，选择分类波段： 1，2；2，3；1，3波段标准差分别为2.665727；3.473308；4.574609，和为10.713644。Correlation Matrix 中1和2波段的相关系数0.964308，加上2和3波段的相关系数0.980166，再加上1和3波段的相关系数0.945880，最终等于2.890354。用标准差相加的结果10.713644比上相关系数之和2.890354等于3.70668922。可以选择其他不同波段的数据进行同上运算，比值结果最大的为最优波段，此次选择结果为3,4,6波段。 2.K-Means法进行非监督分类 1）Classification →Unsupervised →K-Means，点击hbtmref.img →点击Spectral subset →选3,4,6三个波段→OK，回到上级菜单→OK，在Number of classes 中输15即分为15类，Change Iterations中输6，即最大迭化量为6次， Maximum Stdev From Mean中为空，选择保存位置→OK；在原界面中选定 保存结果后New display →Load Band，双击查看Cursor Location/V alue，发 现Data已由原来的坐标形式转换为类码；在K-Means窗口工具栏中点击 Tools →Spatial Pixel Editor →可将类码转换成相应的地物类型，要求进行 大量的野外调查，确定同一类码所代表的地物是什么
实验法三遥感图像的几何校正 一实验目的 通过实验操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。 二实验内容 ERDAS软件中图像预处理模块下的图像几何校正。 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。而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。 1、图像几何校正的途径 ERDAS图标面板工具条：点击DataPrep图标，→Image Geometric Correction →打开Set Geo-Correction Input File对话框（图1）。 ERDAS图标面板菜单条：Main→Data Preparation→Image Geometric Correction→打开Set Geo-Correction Input File对话框（图1）。 图1 Set Geo-Correction Input File对话框 在Set Geo-Correction Input File对话框（图1）中，需要确定校正图像，有两种选择情况： 其一：首先确定来自视窗（From Viewer），然后选择显示图像视窗。 其二：首先确定来自文件（From Image File），然后选择输入图像。 2、图像几何校正的计算模型（Geometric Correction Model） ERDAS提供的图像几何校正模型有7种，具体功能如下： 表1 几何校正计算模型与功能 模型功能 Affine 图像仿射变换（不做投影变换） Polynomial 多项式变换（同时作投影变换） Reproject 投影变换（转换调用多项式变换） Rubber Sheeting 非线性变换、非均匀变换 Camera 航空影像正射校正 Landsat Lantsat卫星图像正射校正 Spot Spot卫星图像正射校正 其中，多项式变换（Polynomial）在卫星图像校正过程中应用较多，在调用多项式模型时，需要确定多项式的次方数（Order），通常整景图像选择3次方。次方数与所需要的最
实验前准备：遥感图像处理软件认识 1、实验目的与任务： ①熟悉ENVI软件，主要是对主菜单包含内容的熟悉； ②练习影像的打开、显示、保存；数据的显示，矢量的叠加等。 2、实验设备与数据 设备：遥感图像处理系统ENVI4.4软件； 数据：软件自带数据和河南焦作市影响数据。 3、实验内容与步骤： ⑴ENVA软件的认识 如上图所示，该软件共有12个菜单，每个菜单都附有下拉功能，里面分别包含了一些操作功能。 ⑵打开一幅遥感数据 选择File菜单下的第一个命令，通过该软件自带的数据打开遥感图像，可知，打开一幅遥感影像有两种显示方式。一种是灰度显示，另一种是RGB显示。 Gray（灰度显示）RGB显示 ⑶保存数据 ①选择图像显示上的File菜单进行保存； ②通过主菜单上的Save file as进行保存
⑷光谱库数据显示 选择Spectral > Spectral Libraries > Spectral Library Viewer。将出现Spectral Library Input File 对话框，允许选择一个波谱库进行浏览。点 击“Open Spectral Library”，选择某一所需的 波谱库。该波谱库将被导入到Spectral Library Input File 对话框中。点击一个波谱库的名称， 然后点击“OK”。将出现Spectral Library Viewer 对话框，供选择并绘制波谱库中的波谱曲线。 ⑸矢量化数据 点选显示菜单下的Tools工具栏，接着选择下面的第四个命令，之后选择第一个命令，对遥感图像进行矢量化。点击鼠标左键进行区域选择，选好之后双击鼠标右键，选中矢量化区域。 ⑹矢量数据与遥感影像的叠加与切割 选择显示菜单下的Tools工具，之后点选第一个 Link命令，再选择其下面的第一个命令，之后 OK，结束程序。 选择主菜单下的Basic Tools 菜单，之后选择 其中的第二个命令，在文件选择对话框中，选择 输入的文件（可以根据需要构建任意子集），将 出现Spatial Subset via ROI Parameters 对 话框通过点击矢量数据名，选择输入的矢量数 据。使用箭头切换按钮来选择是否遮蔽不包含在 矢量数据中的像元。 遥感图像的辐射定标 1、实验目的与任务： ①了解辐射定标的原理； ②使用ENVI软件自带的定标工具定标； ③学习使用波段运算进行辐射定标。 2、实验内容与步骤： ⑴辐射定标的原理 辐射定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等
杭州师范大学《遥感原理与应用》实验报告 题目：遥感图像的监督分类与处理实验姓名：赵文彪 学号： 2014212425 班级：地信141 学院：理学院
1实验目的 运用envi软件对自己家乡的遥感影像经行分类和分类后操作。 2概述 分类方法：监督分类和非监督分类 监督分类——从遥感数据中找到能够代表已知地面覆盖类型的均质样本区域（训练样区），然后用这些已知区域的光谱特征（包括均值、标准差、协方差矩阵和相关矩阵等）来训练分类算法，完成影像剩余部分的地面覆盖制图（将训练样区外的每个像元划分到具有最大相似性的类别中）。 非监督分类——依据一些统计判别准则将具有相似光谱特征的像元组分分为特定的光谱类；然后，再对这些光谱类进行标识并合并成信息类。 光谱特征空间 同名地物点在丌同波段图像中亮度的观测量将构成一个多维的随机向量X，称为光谱特征向量。而这些向量在直角坐标系中分布的情况为光谱特征空间。 同类地物在光谱特征空间中不可能是一个点，而是形成一个相对聚集的点群。丌同地物的点群在特征空间内一般具有不同的分布。 特征点集群的分布情况： 理想情况：至少在一个子空间中可以相互区分 典型情况：任一子空间都有相互重叠，总的特征空间可以区分 一般情况：任一子空间都存在重叠现象 监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。在分类乊前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决凼数迚行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决凼数去对其他待分数据迚行分类。使每个像元和训练样本做比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 3实验步骤 3.1遥感影像图的剪切 用envi打开下载的遥感影像图，剪切出一个地貌信息丰富的区域（因为一景遥感影像太大，分类时间较长，故而采用剪切的方法，剪切一个地貌丰富的遥感影像图。既便于分类也使得分类种数不至于减小的太多） 以下为剪切出来的遥感影像
Harbin Institute of Technology 多时相遥感图像配准 实验报告 课程名称：遥感信息处理导论 院系：电子与信息工程学院 姓名： 学号： 授课教师： 哈尔滨工业大学
1. 实验目的 对于通过遥感平台获取的遥感数字影像，由于扫描过程中受地球曲率、地球自转、平台姿态、扫描方式等因素的影响，所获取的图像往往会产生不同程度的几何误差，这些误差如若不经处理，对图像的后续应用如分类、目标检测等会产生很大影响。本实验的目的就是利用多项式映射和重采样等方法对两幅不同时间采集的遥感图像进行几何校正处理，从而方便从配准图像中找到不同时相内发生变化的地物目标信息。 2. 实验原理 图像的配准过程主要可以分为三个过程：控制点对选取（自动或手动）、坐标映射函数拟合、映射后像素重采样。 1) 控制点对选取 对于图像匹配过程，首先要通过控制点对建立两幅图像间的坐标联系。控制点的选取有可分为自动和手动两种方式。对于自动选取，可以采用SIFT 等算法实现；对于手动选取，需要实验人员通过目测观察的方法找到不同时相的遥感图像中的相同目标，这些控制点可以是建筑物的顶点、道路等的交叉点等或其他较容易分辨的位置。 选出控制点后将这些点的坐标信息记录下来，值得注意的是所选控制点的数量、分布情况以及精度会直接影响配准结果的精度和质量。 2) 图像几何校正 图像的配准实质上就是通过图像的几何校正，将产生几何失真的图像转换为标准的数字图像。采用的方法就是通过一定的映射函数将原图像的像素坐标转换为标准图像中的坐标 (,)u f x y = (,)v g x y = 其中(,)x y 表示原图像中的像素坐标值，(,)u v 表示参考图像中的像素坐标值。 映射函数的选择可以有多种形式，一般较为简单常用的是多项式函数，以二次多项式函数为例，映射函数的具体形式为 22 01234522 012345u a a x a y a xy a x a y v b b x b y b xy b x b y ?=+++++?=+++++? 其中，05, ,a a ，05,,b b 分别表示二次多项式横纵坐标映射函数中对应项的系 数，通过选定控制点，可以将这些系数项求解出来。 假设在两幅图像中总共选择了n 对控制点，根据n 对控制点的坐标 (,)~(,)i i i i x y u v 可以得到如下两个方程组，
envi遥感图像监督分类 监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 遥感影像的监督分类一般包括以下6个步骤，如下图所示： 详细操作步骤 第一步：类别定义/特征判别 根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。
启动ENVI5.1，打开待分类数据：can_tmr.img。以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。 通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。 第二步：样本选择 （1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。 1）在Region of Interest (ROI) Tool面板上，设置以下参数： ROI Name：林地 ROI Color： 2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择； 3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上； 4）这样就为林地选好了训练样本。 注：1、如果要对某个样本进行编辑，可将鼠标移到样本上点击右键，选择Edit record是修改样本，点击Delete record是删除样本。 2、一个样本ROI里面可以包含n个多边形或者其他形状的记录（record）。 3、如果不小心关闭了Region of Interest (ROI) Tool面板，可在图层管理器Layer Manager上的某一类样本（感兴趣区）双击鼠标。 （2）在图像上右键选择New ROI，或者在Region of Interest (ROI) Tool面板上，选择工具。重复"林地"样本选择的方法，分别为草地/灌木、耕地、裸地、沙地、其他5类选择样本； （3）如下图为选好好的样本。
一、实验目的 ENVI是一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据 和雷达数据的高级工具。此次实习主要是学习一些关于ENVI的基本操作，如：图像预处理，影像分析，图像增强，几何校正，监督分类以及专题制图等步骤。 二、实验数据 ELEVATION_SOURCE = "GLS2000" EPHEMERIS_TYPE = "DEFINITIVE" SPACECRAFT_ID = "Landsat7" SENSOR_ID = "ETM+" SENSOR_MODE = "SAM" ACQUISITION_DATE = 2000-09-24 WRS_PATH = 144 三、实验内容 1.遥感数据下载 2.数据格式转化及多波段的合成 3.图像边框的裁剪 4.图像的镶嵌 6.图像几何校正 7.裁剪 8.监督分类 9.专题出图 四、实验步骤 1.遥感数据下载 输入地名及日期，搜索符合自己通途的数据，查看并下载
2.数据格式转化及多波段的合成 由于下载图像的格式tif格式，需要转成img格式。并将单波段融合成为多波段，这一步在erdas中完成。 tif转img 单波段融合成多波段 3.图像边框的裁剪 通过主图像窗口-tools-region?of?interest-roi?tool，然后自己在图像上定义出一块感兴趣区（实际中难于确定严格准确的裁剪界限）。 4.图像的镶嵌 Map→mosaicking→georeferenced 启动镶嵌模板 6.图像几何校正 设置参数，参数在原始数据中的txt中可以查看 启动校正模块，并利用google地球进行校正 7.裁剪 分别打开需要裁剪的图像和所在区域的shapefile文件 将矢量文件转成ROI 利用ROI裁剪图像 选择主菜单→basic tools→subset data via ROIS，选择裁剪图像 在spatial subset via ROI parameters中，选择由矢量生成的
实验一 遥感图像统计特性 一、实验目的 掌握遥感图像常用的统计特性的意义和作用，能运用高级程序设计语言实现遥感图像统 计参数的计算。 二、实验内容 编程实现对遥感图像进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。 三、实验原理 1.均值 像素值的算术平均值，反映图像中地物的平均反射强度。 11 00 (,) N M j i f i j f MN --=== ∑∑ 2.方差（或标准差） 像素值与平均值差异的平方和，反映了像素值的离散程度。也是衡量图像信息量大小的 重要参数。 11 2 00 2[(,)] N M j i f i j f MN σ--==-= ∑∑ 3. 相关系数 反映了两个波段图像所包含信息的重叠程度。f , g 分别为两个波段的图像，它们之间的 相关系数计算公式为： 11 [((,))((,))] (,)M N f g f i j e g i j e C f g ---?-= ∑∑ 其中， e f , e g 分别为两个波段图像的均值。 四、实验步骤和内容 1.实验代码 clc clear all I =imread ('m1.jpg'); whos I %显示图像信息 figure (1),imshow (I ); R =double (I (:,:,1)); G =double (I (:,:,2)); B =double (I (:,:,3)); %求图像的R,G,B 的均值,avg=mean(mean(I))
%求图像的R,G,B的均值 mean(R(:)) mean(G(:)) mean(B(:)) %求R,G,B的方差 varR=var(R(:)); varG=var(G(:)) varB=var(B(:)) %求RG,RB,GB的相关系数 corrcoef(R(:),G(:)) corrcoef(R(:),B(:)) corrcoef(B(:),G(:)) 2.原始图像 Figure 1原始图像3.实验结果 R,G,B的均值
实验五：监督分类与非监督分类 一、实验目的 采用监督分类对多光谱遥感图像进行分类，并对分类后的数据进行处理，处理方法包括：聚合（clump）处理、筛选（sieve）处理、并类（combine）处理，以及精度评估。监督法分类需要用户选择作为分类基础的训练样区。分析下面处理的分类结果，或者采用每个分类法默认的分类参数，生成自己的类，然后对分类结果进行比较。我们将使用各种监督分类法，并对它们进行比较，确定单个具体像素是否有资格作为某类的一部分。 二、实验数据与原理 美国科罗拉多州（Colorado）Canon市的Landsat TM 影像数据，其中包括can_tmr.img、can_tmr.hdr、can_km.img、can_km.hdr、can_iso.img、can_iso.hdr、classes.roi、can_pcls.img、can_pcls.hdr 、can_bin.img、can_bin.hdr 、can_sam.img、can_sam.hdr 、can_rul.img 、can_rul.hdr、can_sv.img、can_sv.hdr、can_clmp.img、can_clmp.hdr。 ENVI 提供了多种不同的监督分类法，其中包括了平行六面体（Parallelepiped）、最小距离法（Minimum Distance）、马氏距离法（Mahalanobis Distance）、最大似然法（Maximum Likelihood）、波谱角法（Spectral Angle Mapper）、二值编码法（Binary Encoding）以及神经网络法（Neural Net）。 三、实验过程： 1、打开TM图像，File →Open Image File，选择ljs-can_tmr.img文件，在可用波段列表中，选择RGB Color 单选按钮，然后使用鼠标左键，顺次点击波段4、波段3 和波段2。点击Load RGB 按钮，把该影像加载到一个新的显示窗口中。 2、查看光标值：
一、实验名称 遥感图像光谱增强处理 二、实验目的 对图像进行主成分分析、主成分变换以及主成分百分比计算；观察图像在不同色彩空间之间相互转换的结果异同，对图像进行融合，用MODEL MAKER 建模方式进行图像处理。 通过以上操作初步掌握图像光谱增强处理过程，进一步理解影像光谱增强中不同增强方法的原理及其增强效果的差异。 三、实验原理 光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。 主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。对于增强信息含量、隔离噪声、减少数据维数非常有用。 使用Color Transforms 工具可以将3-波段红、绿、蓝图像变换到一个特定的彩色空间，并且能从所选彩色空间变换回RGB。两次变换之间，通过对比度拉伸，可以生成一个色彩增强的彩色合成图像。 图像融合是将多幅影像组合到单一合成影像的处理过程。它一般使用高空间分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。 四、数据来源 本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
五、实验过程 1.主成分分析 1）打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，点击Load Band 在主窗口加载影像。 2）主菜单选择Transforms—>Principal Components—>Forward PC Rotation —>Compute New Statistics and Rotate。在弹出的Principal Components Input File 对话框中，选择图像。 3)在Forward PC Rotation Parameters对话框中在输入统计系数，选择计算矩阵（选择协方差矩阵），输出统计文件及路线，统计波段数等相关参数的设置，单击Ok。
精心整理 一、实验名称 遥感图像的监督分类与非监督分类 二、实验目的 理解遥感图像监督分类及非监督分类的原理；掌握用ENVI对影像进行监督分类和非监督分类的方法，初步掌握图像分类后的相关操作；了解整个实验的过程以及实验过程中要注意的事项。 三、 四、 五、 1. 1.1打开并显示影像文件，选择合适的波段组合加载影像 打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，为了更好地区分不同地物以及方便训练样本的选取，选择5、4、3波段进行相关操作，点击Load Band 在主窗口加载影像。 1.2使用感兴趣区（ROI）工具来选择训练样区 1）主影像窗口菜单栏中，选择 Overlay >Region of Interest。出现ROI Tool对话框， 2）根据不同的地物光谱特征，在图像上画出包含该类地物的若干多边形区域，建立相应的感兴趣区域，输入对应的地物名称，更改感兴趣区对应的显示色彩。
由于该地区为山西省北部，地物相对单一，故分为以下几类：裸地、草地、灌木林、农田、水体、人类活动区、云层，阴影。 1.3选择分类方法进行分类 1）主菜单中，选择Classification>Supervised，在对应的选项菜单中选择分类方法，对影像进行分类。 以最小距离法（Minimum Distance）为例进行说明。选择Minimum Distance选项，出现Classification Input File对话框，在该对话框中选择待分类图像。 2）在出现的Minimum Distance Parameters对话框中，select Ttems选择训练样本，定义相关参数，选择 点击 2. 1 2 3. 。 1 选择Mode :polygon delete from class将错误点剔除。 2）主菜单classification->Post classification->sieve classes打开sieve parameters对话框，选择训练样本，及最小剔除像素，选择输出位置，完成操作。图为采用八联通域将像素小于5的点删除。 3.3混淆矩阵精度验证 1）选取验证样本，与监督分类操作类似，选择不同的感兴趣区域，保存ROI,作为选择训练样本。 2）进行精度验证，主菜单classification->Post classification->Using Ground Truth ROI，选择分类图像。
目录 前言 (3) 一、实验目的 (3) 二、实验容 (3) 三、实验时间 (3) 四、组织人员 (3) 1.专题概述 (4) 2. 处理流程介绍 (4) 2.1图像获取 (4) 2.2数据读取和定标 (4) 2.3图像配准 (5) 2.4大气校正 (5) 2.5反演模型构建及模型应用 (5) 2.6植被变化 (6) 3.详细处理过程 (7) 3.1数据预处理 (7) 3.1.1安装环境小卫星数据处理补丁 (7) 3.1.2数据处理和定标 (7) 3.1.3工程区裁剪 (9) 3.1.4图像配准 (14) 3.1.5大气校正 (17) 3.1.6裁剪浑善达克区 (23) 3.2植被覆盖度反演 (27) 3.2.1计算归一化植被指数 (27) 3.2.2计算植被覆盖度 (28) 3.3植被变化监测 (29)
3.3.1植被覆盖区提取 (29) 3.3.2植被变化检测 (31) 3.4成果后期处理与应用 (32) 3.4.1植被变化区域图的背景值处理 (32) 3.4.2植被变化区域制图 (33) 实验心得 (36)
前言 一、实验目的 1、掌握ENVI软件的基本操作。 2、掌握卫星影像的预处理的基本流程。 3、通过实习，学会自己去处理一些问题。 4、进一步提高学生分析问题、解决问题的能力，增强实践技能，并培养学生勇于 动手、勤于动手、热爱本专业的思想。 5、深刻地理解和巩固基本理论知识, 掌握基本技能和动手操作能力, 提高综合观 察分析问题的能力 二、实习容 1、了解ENVI的基本操作。 2、实现影像图像的几何校正、融合、镶嵌及剪裁。 3、掌握ENVI对影像信息的提取 4、了解ENVI的一些应用分析
实验遥感图像监督分类 实验目的： 通过实习操作，掌握遥感图像监督分类的基本方法和步骤，深刻理解遥感图像监督分类的意义。 实验内容： 监督分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的象元建立模板，然后基于该模板使计算机自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复建立一个比较准确的模板，并在此基础上最终进行分类。 实验步骤： 第一步：定义分类模板 ERDAS IMAGINE 的监督分类是基于分类模板来进行的，而分类模板的生成、管理、评价和编辑等功能是由分类模板编辑器来负责的。 在分类模板编辑器中生成分类模板的基础是原图像和（或）其特征空间图像。因此，显示这两种图像的窗口也是进行监督分类的重要组件 1、显示需要分类的图像 在窗口中显示图像germtm.img。 具体步骤是单击ERDAS面板中的Viewer图标，打开一个窗口View#1，然后执行File/Open/Raster Layer，打开Select Layer to Add对话框，在对话框中找到germtm.img，在Select Layer to Add对话框点击Raster Options选项卡，设置Red 值为4,Green值为5，Blue值为3，选中Fit to Frame（图5－1）。
图5－1 设置图像显示参数 点击OK，打开图像（图5－2）。 图5－2 打开图像 2、打开分类模板编辑器 两种方式可以打开分类面板编辑器：（1）在ERDAS图标面板中单击Main/Image Classfication/Classfication/Signature Editor命令，打开Signature Editor 窗口（图5－3）;（2）在ERDAS图标面板工具条，单击Classifier图标/Classfication/Signature Editor命令，打开Signature Editor窗口（图5－3）。