下载文档原格式
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
遥感ENVI实验报告一、实验目的本实验的目的是学习和掌握ENVI（Environment for Visualizing Images）软件在遥感图像处理方面的应用。
通过本次实验，我们将了解遥感图像的基本概念和原理，并学习使用ENVI软件进行图像预处理、分类和地物提取。
二、实验要求1.学习ENVI软件的基本操作和功能；2.能够对遥感图像进行预处理，如辐射校正和大气校正；3.能够对遥感图像进行分类，如最大似然分类和支持向量机分类；4.能够进行地物提取，如植被指数计算和特征提取。
三、实验步骤和结果1.图像预处理首先，我们导入了一幅Landsat 8卫星遥感图像，并进行了辐射校正和大气校正。
辐射校正是将图像中的DN（数字化值）转换为辐射度值，以便进行后续的大气校正和分类。
大气校正是根据大气传输模型对图像进行校正，以消除大气影响。
经过预处理后，我们得到了一幅处理后的图像。
2.图像分类接下来，我们使用ENVI软件进行了图像分类。
我们采用了最大似然分类和支持向量机分类两种方法进行分类。
最大似然分类是一种统计分类方法，通过最大化每类像素的似然度来划分不同类别，得到分类结果。
支持向量机分类是一种基于机器学习的分类方法，通过训练样本来构建分类模型，并用于对图像中的未分类像素进行分类。
3.地物提取最后，我们对图像进行了地物提取。
我们计算了该图像的植被指数，并使用阈值法将植被像素提取出来。
植被指数是通过计算不同波段之间的光谱差异来反映植被覆盖程度的指标。
我们还对植被像素进行了形状和纹理特征的提取，以获取更具有区分度的特征。
实验结果显示，经过图像预处理和分类，我们得到了一幅分类结果图。
通过该图像，我们可以清楚地看到不同地物类别的分布情况。
同时，通过地物提取，我们成功提取出了图像中的植被像素，并获得了植被的形状和纹理特征。
四、实验总结通过本次实验，我们学习和掌握了ENVI软件在遥感图像处理方面的应用。
我们了解了遥感图像的基本概念和原理，并学会了使用ENVI软件进行图像预处理、分类和地物提取。
第1篇一、实验目的本次实验旨在学习遥感影像处理中的裁剪与拼接技术，通过对遥感影像进行裁剪和拼接，提高遥感数据的可用性和分析效率。
二、实验背景遥感技术是获取地球表面信息的重要手段，广泛应用于资源调查、环境监测、灾害评估等领域。
遥感影像经过处理和提取后，才能为实际应用提供有价值的信息。
裁剪与拼接是遥感影像处理中的基本操作，通过对影像进行裁剪和拼接，可以去除无关信息，提高影像的可用性。
三、实验材料1. 遥感影像数据：包括多景遥感影像，如Landsat、Sentinel-2等；2. 裁剪与拼接软件：如ENVI、ArcGIS等；3. 实验环境：计算机、遥感数据处理软件等。
四、实验步骤1. 数据准备（1）选择遥感影像数据，确保影像质量良好、覆盖范围完整；（2）对遥感影像进行预处理，包括辐射校正、大气校正等，提高影像质量。
2. 裁剪操作（1）确定裁剪范围：根据实验需求，选择合适的裁剪范围，如行政区域、研究区域等；（2）使用裁剪工具对遥感影像进行裁剪，生成新的影像。
3. 拼接操作（1）选择拼接方式：根据实际情况，选择合适的拼接方式，如同名像元拼接、重叠区域拼接等；（2）使用拼接工具对遥感影像进行拼接，生成新的影像。
4. 质量评估（1）检查拼接后的影像是否完整，是否存在缝隙、错位等问题；（2）分析拼接区域的地物特征，确保拼接效果良好。
五、实验结果与分析1. 裁剪结果经过裁剪操作，生成了新的遥感影像，去除了无关信息，提高了影像的可用性。
2. 拼接结果经过拼接操作，生成了新的遥感影像，拼接区域地物特征良好，拼接效果满意。
3. 质量评估（1）拼接后的影像完整，无缝隙、错位等问题；（2）拼接区域地物特征良好，拼接效果满意。
六、实验结论通过本次实验，掌握了遥感影像的裁剪与拼接技术，提高了遥感数据的可用性和分析效率。
在实际应用中，可根据具体需求选择合适的裁剪与拼接方法，为遥感数据处理提供有力支持。
七、实验心得1. 裁剪与拼接是遥感影像处理中的基本操作，对于提高遥感数据的可用性具有重要意义；2. 在实际操作中，应根据具体需求选择合适的裁剪与拼接方法，确保拼接效果良好；3. 学习遥感影像处理技术，有助于提高遥感数据的分析和应用水平。
《遥感原理与应用》实验报告实验报告：遥感原理与应用一、实验目的通过实验了解遥感的基本原理，掌握遥感技术的基本应用方法。
二、实验仪器和材料1.遥感软件：ENVI、ERDAS、IDRISI等2.遥感数据：卫星遥感影像数据三、实验内容1.遥感影像地理信息提取通过遥感软件导入遥感影像数据，利用图像处理方法提取地理信息，如土地利用类型、植被覆盖度等。
2.遥感影像分类利用遥感影像数据进行分类分析，将影像中的不同对象或地物进行分类，如建筑物、农田、水域等。
3.遥感影像变化检测利用不同时间的遥感影像数据进行变化检测，观察地物变化的情况，如城市扩张、植被变化等。
四、实验步骤1.打开遥感软件，导入遥感影像数据。
2.使用图像处理方法提取地理信息，如选择适当的阈值进行植被覆盖度的提取。
3.利用分类分析方法将影像中的不同对象进行分类，可以使用最大似然分类方法或支持向量机分类方法等。
4.比较不同时间的遥感影像数据，通过图像差异分析方法进行变化检测。
五、实验结果通过实验，我们成功使用遥感软件导入遥感影像数据，并提取了植被覆盖度等地理信息。
同时，我们还使用分类分析方法将影像中的不同对象进行了分类，得到了建筑物、农田、水域等分类结果。
最后，我们通过比较不同时间的遥感影像数据，成功进行了变化检测，观察到了城市扩张和植被变化的情况。
六、实验感想通过这次实验，我们深入了解了遥感技术的基本原理和应用方法。
遥感技术具有非常广泛的应用领域，如环境监测、农业管理、城市规划等。
遥感影像数据可以提供大量的地理信息，通过图像处理和分类分析可以提取出有用的地理信息，同时通过变化检测可以观察到地物的变化情况。
掌握遥感技术对于我们理解地球变化、环境保护和资源利用具有重要意义。
总结：通过这次实验，我们不仅学习到了遥感技术的基本原理和应用方法，还亲自进行了实验操作，掌握了使用遥感软件进行遥感影像地理信息提取、分类分析和变化检测的基本技能。
希望今后能够将所学的遥感知识应用到实际工作中，为地球环境的保护和资源的利用做出贡献。
一、实验背景随着遥感技术的不断发展，遥感技术在环境监测、资源调查、灾害预警等领域得到了广泛应用。
本实验旨在通过遥感技术，对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
二、实验目的1. 熟悉遥感图像处理软件的基本操作；2. 掌握遥感图像分类方法；3. 对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
三、实验内容1. 数据准备本实验选用某地区Landsat 8卫星影像作为实验数据，该影像覆盖范围约为1000平方公里，分辨率为30米。
实验过程中，首先对影像进行预处理，包括辐射校正、几何校正和大气校正等。
2. 遥感图像分类（1）选择合适的分类器本实验选用支持向量机（SVM）作为分类器，因为SVM在处理小样本数据时具有较好的性能。
（2）训练样本选择为提高分类精度，需要选择具有代表性的训练样本。
本实验采用随机抽样方法，从预处理后的影像中随机选取1000个样本作为训练样本。
（3）分类结果分析将训练样本输入SVM分类器进行训练，得到分类模型。
然后，将测试样本输入分类模型进行分类，得到分类结果。
3. 分类结果验证为验证分类结果的准确性，采用混淆矩阵对分类结果进行评价。
混淆矩阵是一种用于评估分类结果的方法，它能够直观地反映分类精度、召回率和F1值等指标。
四、实验结果与分析1. 分类精度通过计算混淆矩阵，得到分类精度为90.5%。
这说明本实验采用SVM分类器对某地区进行地表覆盖分类的效果较好。
2. 分类结果分析（1）地表覆盖类型分布通过分析分类结果，可以看出该地区地表覆盖类型主要有耕地、林地、草地、水域、建筑用地和未利用地等。
（2）地表覆盖变化分析与历史影像对比，可以看出该地区耕地面积有所增加，林地和草地面积有所减少，建筑用地面积显著增加。
这可能与当地经济发展和城市化进程有关。
3. 分类结果应用（1）环境监测通过地表覆盖分类结果，可以监测该地区土地利用变化，为环境监测提供数据支持。
遥感实验报告几何校正1. 引言遥感技术在地球科学领域中起着至关重要的作用，可以提供大量的空间信息。
然而，由于地球曲率、地表高程、投影效果等原因，遥感图像中存在一定的几何失真。
为了解决这些问题，需要对遥感图像进行几何校正，以确保图像的精确度和准确性。
本实验旨在通过软件工具进行遥感图像的几何校正，以便更好地分析和解读遥感图像所提供的信息。
2. 实验目标本实验的主要目标是对给定的遥感图像进行几何校正，达到以下几个具体目标：1. 去除图像中的地理畸变，使图像上的物体形状和比例与现实世界相符合；2. 将图像从传感器坐标系转换到地理坐标系，使图像可以与其他地理数据进行叠加分析；3. 评估图像几何校正的效果，验证几何校正的有效性。
3. 实验步骤3.1 数据准备在实验开始前，我们需要准备一幅遥感图像和其对应的地理坐标信息。
安装并配置合适的遥感图像处理软件，以便进行后续的操作。
3.2 图像去畸变首先，需要对图像进行去畸变处理，以消除地理畸变对图像造成的影响。
根据实际情况选择适合的去畸变算法，对图像进行处理，并保存处理后的图像。
3.3 坐标系转换将处理后的图像从传感器坐标系转换到地理坐标系。
选择合适的坐标转换方法和参数，进行坐标系转换，并保存转换后的图像。
3.4 评估几何校正效果通过对比几何校正前后的图像，评估几何校正的效果。
可以采用多种指标进行评估，如虚拟控制点对比、图像配准精度等。
4. 实验结果经过上述实验步骤，我们成功实现了对遥感图像的几何校正。
通过图像去畸变和坐标系转换，我们得到了一幅与现实世界相符合的几何校正后的遥感图像。
评估几何校正效果时，通过与虚拟控制点对比和图像配准精度的测量，我们发现几何校正的效果符合预期，并且达到了较好的精度要求。
5. 结论与展望本实验通过对遥感图像进行几何校正，成功消除了图像中的地理畸变，实现了图像的空间精确定位。
几何校正的结果具有较高的精度和准确性，可以为后续的遥感图像分析和解读提供可靠的基础。
最新《遥感技术》实验报告实验目的：本实验旨在通过实际操作，加深对遥感技术基本原理的理解，并掌握遥感数据的获取、处理与分析方法。
通过实验，学习如何利用遥感技术进行地表覆盖分类、资源评估和环境监测。
实验内容：1. 遥感数据的获取与预处理- 从国家遥感中心或其他数据平台下载适用于实验的遥感影像数据。
- 对下载的遥感影像进行必要的预处理，包括辐射校正、大气校正和几何校正。
2. 遥感影像的解译与分类- 利用遥感影像解译软件，如ENVI或ERDAS IMAGINE，对预处理后的影像进行目视解译。
- 采用非监督分类和监督分类方法，对遥感影像中的地表覆盖类型进行分类。
3. 分类结果的精度评估- 通过实地调查或其他高精度数据，收集地面真实情况作为参考。
- 利用混淆矩阵等统计工具，对遥感分类结果进行精度评估。
4. 遥感技术在资源评估和环境监测中的应用- 选取特定区域，运用遥感技术进行植被覆盖度、土壤湿度等环境因子的监测。
- 分析遥感监测数据，评估资源状况和环境变化趋势。
实验结果：通过本次实验，成功获取并预处理了所需遥感影像数据。
在解译与分类阶段，非监督分类结果显示了地表覆盖的大致分布，而监督分类则提供了更为精确的分类结果。
精度评估表明，监督分类的总体精度达到了85%。
在资源评估和环境监测应用中，遥感技术能够有效地监测到植被覆盖度的季节性变化和土壤湿度的空间分布情况。
结论：实验验证了遥感技术在地表覆盖分类、资源评估和环境监测中的有效性和实用性。
通过本次实验，不仅提高了对遥感技术操作的熟练度，也为后续相关研究提供了实验基础和技术支持。
未来的工作可以进一步探索更先进的分类算法和数据分析方法，以提高遥感应用的精度和效率。
遥感实验报告(总24页)一、背景近年来，遥感技术的发展为人们研究地表环境提供了可靠的信息和丰富的空间数据，深化了人们对地表环境的理解。
近年来，有关耕地变化的空间数据分析研究得到了越来越多的关注。
使用遥感技术可以更加迅速、准确和有效地统计分析相关的数据，并能够从多个方面反映土地使用变化。
为了探索耕地变化的规律，对哈尔滨市某农村耕地变化进行遥感实验，利用遥感技术提取准确的空间数据，分析耕地变化的规律，评估农村耕地变化的影响因素，以维护农业的可持续发展。
二、实验目的就哈尔滨市某乡镇山区耕地变化进行遥感科学研究，包括遥感影像的处理、对耕地的提取、耕地变化的分析处理、影响因素分析等，以查找此区域耕地变化的一般规律和空间分布规律，研究该区域耕地变化的影响因素，为农业可持续发展提供参考意见。
三、实验材料本次实验使用的哈尔滨市某乡镇山区的遥感影像，已经完成影像的处理工作，影像的一致性检验完成，根据遥感原理和方法，利用遥感软件确定区域内植被覆盖率，用栅格数据处理技术提取耕地空间分布数据，运用面积、角点和中心点分析技术，进行耕地变化的空间分析，并根据时序差异更新岛，此外，还对耕地变化影响因素进行相关分析，以获得耕地变化的规律和机理。
四、实验方法（1）首先，利用遥感影像处理技术，对哈尔滨市某乡镇的遥感影像进行处理，包括图像校正、去燥、充色等处理。
（2）利用遥感原理和方法，结合多媒体航摄影图像，确定区域内植被覆盖率，并计算实时植被覆盖率，以识别土地利用情况；（3）采用栅格数据处理技术，提取区域内的耕地空间分布数据，采用面积、角点和中心点分析技术，进行耕地变化的空间分析，画出耕地变化图；（4）运用拟合技术，对耕地变化的时序差异进行检验，更新耕地空间分布，利用ArcGIS工具箱进行属性数据叠加，分析耕地变化影响因素；（5）最后分析耕地变化幅度，统计出耕地变换情况，绘制耕地变化临时图，分析出耕地变化规律和空间规律，找出耕地变化影响因素，从多个角度对耕地变化进行评价，以反映耕地变化的情况。
遥感概论实验报告envi 基础
一、引言
1.1 实验目的
1.2 实验原理
1.3 实验背景
二、envi 基础
2.1 什么是envi
2.2 envi的功能和特点
2.3 envi的应用领域
三、envi的安装和配置
3.1 envi的安装步骤
1.下载envi安装程序
2.双击安装程序并按照提示进行安装
3.完成安装后，打开envi软件
3.2 envi的配置
1.设置数据文件路径
2.设置显示界面样式
3.配置工具栏和快捷键
四、envi的基本操作
4.1 打开遥感影像文件
1.导入多光谱遥感影像
2.导入高光谱遥感影像
4.2 遥感影像的显示和增强
1.调整影像的亮度和对比度
2.使用伪彩色方案显示遥感影像
4.3 执行空间过滤和图像分类
1.应用滤波器对遥感影像进行平滑处理
2.使用图像分类算法对遥感影像进行分类
4.4 遥感影像的几何校正和地理配准
1.对遥感影像进行几何校正
2.进行地理配准操作
4.5 遥感影像的特征提取与分析
1.提取遥感影像的植被指数
2.进行土地利用/覆盖分类等分析
五、实验结果与讨论
5.1 打开遥感影像并进行显示和增强5.2 实施空间过滤和图像分类
5.3 进行影像的几何校正和地理配准
5.4 进行特征提取与分析
六、结论
七、参考文献
八、致谢。
遥感实验报告引言：遥感技术是利用卫星、飞机等遥感平台获取地球表面信息的一种技术手段。
通过对不同波段的电磁辐射进行探测和分析，遥感技术可以获取地表的空间分布、物质组成以及变化情况等信息。
本次实验旨在通过遥感图像的获取和解译，了解和掌握遥感技术的基本原理和应用。
一、遥感数据获取：1. 数据来源：本次实验使用的遥感数据来源于卫星遥感图像，通过开源的遥感数据平台获得。
2. 数据类型：本次实验使用的遥感数据为多光谱遥感图像，包含多个波段的信息。
通过不同波段的数据分析，可以获取地表的不同特征和信息。
二、遥感图像解译：1. 图像预处理：图像预处理是遥感图像解译的基础工作，包括图像几何校正、辐射校正和大气校正等过程。
这些预处理步骤可以提高图像质量，减少噪声和失真。
2. 地物分类：地物分类是遥感图像解译的关键环节。
通过对遥感图像中的像元进行分类，可以将地表物体分为不同的类别，如水体、植被、建筑等。
常用的分类方法包括监督分类和非监督分类。
3. 特征提取：特征提取是对地物进行进一步分析和描述的过程。
通过提取地物的形状、颜色、纹理等特征，可以对地物进行进一步分类和识别。
三、遥感技术应用：1. 土地利用与覆盖变化研究：通过遥感图像的获取和解译，可以对土地利用与覆盖变化进行研究。
通过对多时相的遥感数据进行对比分析，可以了解土地利用变化的趋势和驱动因素。
2. 自然资源调查与监测：遥感技术在自然资源调查与监测中有着广泛的应用。
通过遥感图像的获取和解译，可以对森林、湿地和土地等自然资源进行调查和监测，为资源管理和保护提供科学依据。
3. 灾害监测与评估：遥感技术在灾害监测与评估中具有重要作用。
通过遥感图像的获取和解译，可以实时监测和评估自然灾害的影响范围和程度，为灾害应对和救援提供决策支持。
结论：本次实验通过遥感图像的获取和解译，了解了遥感技术的基本原理和应用。
遥感技术在土地利用与覆盖变化研究、自然资源调查与监测和灾害监测与评估等方面具有广泛的应用前景。
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。
实验二遥感图像的几何校正一、实验目的通过实习操作，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ENVI 软件中图像预处理模块下的图像几何校正。
利用控制点的选择和编辑来纠正影像。
三、实验步骤1、导入进行几何纠正的基础遥感影像和待纠正的遥感影像2、对两幅图像进行裁剪至需要几何纠正的区域。
应用Basic Tools中的Resize Data功能，将两幅图像裁剪至指定区域。
（注意：裁剪下来的两幅图的区域要大致一样才行。
如：3、选取控制点。
注意选取的控制点间的RMS最大不得大于0.5000，如在选取控制点的过程中遇到大于0.5000的情况，就对RMS最大的点进行调整，遵循原则：0X,<向左；0>Y，向下。
直至每个点的RMS都小于0.5000, X，向右；0Y,向上；0<>在完成了控制点的选取后，将控制点数据保存到制定位置，方便以后查看与修改，本次的控制点数据如下：4、进行图像纠正，并存盘。
四、实验结果分析实验结果：在此次的实验过程中，控制点的选取是至关重要的，如果不能较精确的选择控点校正后的图像有很大的误差，再出现误差后，尽可能的将RMS调到最小；而选择控制点是要图中均匀的选取，不能局部过于密集。
校正后的图像可以和参考图像进行关联对比。
实验三遥感图像的增强处理一、实验目的通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。
二、实验内容直方图均衡化；灰度反转；直方图正态化。
三、实验步骤1、直方图均衡化处理（1）ENVI中打开12840-123457影像，Gray Scale模式加载第一波段的影像（2）选择Image窗口中Enhance选项下的Image Equalization来实现图像的均衡化处理。
2、直方图拉伸（1）选择Enhance菜单下的Interactive Stretching选项，单击Stretch Type 菜单，选择不同类型，单击Apply应用即可得到不同的拉伸效果。
（2）选择不同类型就可得到不同的效果图3、图像匹配（1）以波段6影像作为基准影像，波段1影像作为待匹配影像。
灰度模式加载第一波段的影像；右击第六波段选择Load Band to New Display。
（2）选择波段1影响下的Enhance—>Hitogrm Matching选项，在弹出的Hitogrm Matching对话框中选定Display #2，单击ok按钮，就可以完成两张影像的匹配。
（3）查看图像的直方图，打开第一张图像的enhance中的interctive strtching选项，显示出原始图像和匹配后图像的影像信息，1号窗口中红色是2号窗口的图像直方图，白色的是对1号窗口处理后的直方图。
四、实验结果分析1、直方图均衡化结果：2、直方图拉伸结果Stretch_Type LinearStretch_Type Gaussian 3、直方图匹配结果通过本次上机操作，了解辐射增强的过程和方法，加深了图象增强处理的理解。
学会了线性拉伸，直方图的均衡和直方图的匹配，将课本上的内容通过软件应用到实际操作中去，加深了对理论的认识，熟练了实际操作。
总的来说这次的实验相对来说比较简单，在完成了图像增强后，和原始图像比较发现图像更易判读了，这也与书本上学习到的知识相符合。
实验四遥感图像的变换一、实验目的通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。
二、实验内容波段比值变换；主成分变换三、实验步骤1、波段比值变换（1）在ENVI中打开12840-123457影像，选择Trasform选项下的Band Rations 选项，弹出Band Rations Input Bands对话框。
在分子Numerator一栏里添加第一波顿，在分母Denomirator一栏里添加地理波顿，单击ok按钮，在Selected Ratrio Pairs中出现新增波段时再单击ok按钮即可。
（2）在弹出的Band ratio parameter对话框中选Memory，单击ok（3）比值是浮点数，影像越暗，两个波段的比值越小，越亮比值越大。
2、主成分分析法（1）在ENVI开发环境中打开12840-123457中的RGB为321波段的影像。
（2）选择Transform菜单下的Principal Component子菜单下的Forward PC Rotation下的Compute New Statistics and Rotate选项，在弹出的Principal Components Input File对话框中，在Select Input中选中Memory1，单击ok。
（3）在Forward PC Parameters对话框的choose选项设定输出路径，记的Seleted Output PC Bands对话框，将Number of Output PC Bands的参数改为5（生成新的主成分影像，主分量个数为5）单击ok。
（4）在二用的波段列表中，依次打开主分量影像。
其中PC1为第一主分量影像，信息量最丰富，噪声最少；其次是第二主分量PC2，以此类推。
四、实验结果分析1、波段比值变换结果2、主成分分析法结果PC Band 1PC Band 3本次实验对波段比值变换和主成分分析法进行了操作，可以看出这两种方法都可以增强地物间的差异，特别是波段比值变换，使得地物之间的差异显得更加明显，而主成分分析法可以减少噪声，使得图像更加清晰，使得提取图像上的信息变得容易了许多，在完成的实验后的五个波段里面，第一波段的噪声最少，越往后面的波段噪声就越来越多，图像变得模糊，从PC Eigenvalues图中的折线也能得出这样的事实。
实验五遥感信息的融合一、实验目的通过上机操作，初步掌握遥感信息复合的方法，深入理解遥感信息复合在信息解译中的意义。
二、实验内容多光谱数据与高分辨率全色数据的融合。
分辨率融合是遥感信息融合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。
三、实验步骤（1）加载12840-8高分辨率影像（2）导入12480-123457数据的真彩色影像。
（3）单击Transform—>ImageSharpening—>HSV，选中12840-8图像高分辨率图像，选中真彩色影像为多光谱影像。
（4）输入处理结果路径，选择重采样方法，打开融合后影像#2.可以看出结果既有光谱信息，色彩丰富，又有高空间分辨率的特点。
四、实验结果分析实验结果：完成这次试验后，我们清楚地知道了可以应用这种办法使得一张图像既具有全色图像的高分辨率的特点，又可以使其拥有多光谱影像的色调和饱和度。
若使得一张图像拥有上述两种特点，那么我们就可以从这张图像上获取更多的有用的信息，补充了单一传感器的不足。
实验六遥感图像分类 --- 监督分类一、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，达到能熟练地对遥感图像进行监督分类的目的。
二、实验内容ENVI 遥感图像监督分类：1.最小距离法；2.最大似然法三、实验步骤1、首先打开实验二所裁剪过后的12840-123457文件，打开RGB图像。
2、通过#1下的菜单栏中的overlay → region of interest→zoom，在ROI_Type 中输入民称水体。
然后选择new regin，分别按照上面步骤输入植被、裸地、居民地，然后对这四项的颜色进行选择。
3、然后对水体，植被、裸地、居民地四项进行编辑，选择zoom选项，然后用鼠标左键进行划线，划线完成后，点击右键，闭合。
再点击一次右键，则系统自动进行填充。
4、完成第三步后，选择options→compete ROI separability→原始图像→select all items→ok。
5、点击classification→supervised→minimum distance→选择原始图像→ok →select all items→保存→ok。
6、最后来计算混淆矩阵：classification→post classification→confusion matrix→using ground truth ROIS。
四、实验结果分析监督分类后图像：混淆矩阵：完成这次实验后，使得我们熟悉了监督分类的操作步骤，在这次的实验中，可以看出监督分类的步骤也不算太复杂，只需要在对水体、植被、居民地等进行勾勒是需要比较小心才行，而且在完成了监督分类后，若对完成后的图像的颜色不是很满意是，可以在zoom的color栏里进行调整。
总之在完成一次实验的过程中，细心和耐心非常重要。
