下载文档原格式
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。
一、实验目的1. 理解遥感的基本原理和概念；2. 掌握遥感数据的获取方法及遥感图像的处理技术；3. 了解遥感在环境监测、资源调查等方面的应用；4. 培养遥感图像分析和解译能力。
二、实验原理遥感技术是利用电磁波在地球表面及其大气层中的传播特性，通过遥感器获取地球表面及其大气层的信息，然后进行图像处理、分析和解译，以达到对地球表面及其大气层进行监测、研究和利用的目的。
遥感原理主要包括以下几个方面：1. 电磁波辐射与散射：地球表面及其大气层对太阳辐射的吸收、反射和散射，形成各种电磁波；2. 遥感器：利用电磁波探测地球表面及其大气层的信息；3. 电磁波传播：电磁波在空间传播过程中，会受到大气、云层等因素的影响；4. 遥感图像处理：对遥感数据进行预处理、增强、分类等处理，提高遥感图像的质量和应用效果；5. 遥感图像分析：对遥感图像进行解译、识别和提取信息，实现对地球表面及其大气层的监测和研究。
三、实验内容及步骤1. 实验内容（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像增强：通过对比度增强、亮度增强、滤波等手段提高遥感图像的质量；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
2. 实验步骤（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：利用ENVI软件进行辐射校正、几何校正和大气校正；（3）遥感图像增强：利用ENVI软件进行对比度增强、亮度增强和滤波处理；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
四、实验结果与分析1. 遥感图像的预处理效果通过对遥感图像进行辐射校正、几何校正和大气校正，提高了遥感图像的质量，为后续的图像增强和分类奠定了基础。
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。
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。
一、实验名称遥感影像地理坐标定位和配准二、实验目的1. 熟悉遥感影像地理坐标定位和配准的基本原理。
2. 掌握使用ENVI软件进行遥感影像地理坐标定位和配准的方法。
3. 学会利用全色影像生成影像地图。
三、实验原理遥感影像地理坐标定位是指将遥感影像上的像点坐标转换为地面实际地理位置的过程。
配准则是将不同时间、不同传感器或不同区域的遥感影像进行空间配准，以便进行对比分析。
四、实验内容1. 选取实验数据：选取一幅哈尔滨市TM影像，成像时间为2013年7月19日，分辨率为30m，各波段的波长为0.45～0.52μm、0.52～0.60μm、0.63～0.69μm、0.76～0.90μm、1.55～1.75μm。
2. 影像地理坐标定位：（1）打开ENVI软件，导入实验数据。
（2）在“地理信息”菜单中选择“地理坐标定位”。
（3）设置影像的投影类型为UTM，投影分带为北51区。
（4）输入图像左上角的公里网坐标（9819 8092）和地理坐标（经度125.4941，纬度47.0930）。
（5）点击“确定”进行地理坐标定位。
3. 影像配准：（1）打开ENVI软件，导入实验数据。
（2）在“图像处理”菜单中选择“配准”。
（3）选择“影像到影像配准”。
（4）选择参与配准的影像，设置配准精度。
（5）点击“确定”进行配准。
4. 影像到地图校正：（1）打开ENVI软件，导入实验数据。
（2）在“地理信息”菜单中选择“影像到地图校正”。
（3）选择参与校正的影像，设置校正精度。
（4）点击“确定”进行校正。
5. 生成影像地图：（1）打开ENVI软件，导入实验数据。
（2）在“图像处理”菜单中选择“生成影像地图”。
（3）选择参与生成影像地图的影像，设置地图投影、分辨率等参数。
（4）点击“确定”生成影像地图。
五、实验数据处理及成果1. 成功将哈尔滨市TM影像进行地理坐标定位和配准。
2. 利用ENVI软件生成哈尔滨市TM影像的影像地图。
六、体会及建议1. 通过本次实验，熟悉了遥感影像地理坐标定位和配准的基本原理，掌握了使用ENVI软件进行操作的方法。
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。
一、实验背景随着科技的飞速发展，遥感技术作为一种获取地球表面信息的重要手段，在地理信息系统、资源调查、环境监测等领域发挥着越来越重要的作用。
为了更好地了解遥感技术的基本原理和应用，我们进行了本次遥感实验。
二、实验目的1. 掌握遥感图像的获取和处理方法；2. 熟悉遥感图像处理软件ENVI的基本操作；3. 学习遥感图像的分类和提取信息的方法；4. 培养团队合作精神和实际操作能力。
三、实验原理遥感技术是利用电磁波对地球表面进行探测和监测的技术。
通过遥感传感器获取的图像数据，可以反映地表物体的物理、化学和生物特性。
遥感图像处理主要包括图像校正、分类、提取信息等步骤。
四、实验内容1. 图像获取实验中，我们使用了ENVI软件，从美国地质调查局（USGS）的地球观测系统数据和信息（EOSDIS）中下载了北京市的Landsat 8卫星影像。
2. 图像校正首先，我们对下载的遥感图像进行了几何校正，以消除图像中的几何畸变。
通过选择地面控制点，将遥感图像与实际地理位置相对应。
3. 图像分类接着，我们进行了遥感图像的分类。
采用监督分类方法，利用ENVI软件中的分类器，对遥感图像进行分类。
分类过程中，我们选取了地物特征明显的区域作为训练样本，以指导分类器进行分类。
4. 信息提取最后，我们利用遥感图像提取了北京市的地物信息，包括水体、植被、建筑等。
通过对提取信息的分析，可以了解北京市的地表环境状况。
五、实验结果与分析1. 图像校正通过几何校正，我们成功地将遥感图像与实际地理位置相对应，消除了图像中的几何畸变。
校正后的图像可以更准确地反映地表物体的真实位置。
2. 图像分类在遥感图像分类过程中，我们共分为三个类别：水体、植被和建筑。
经过分类，我们得到了较为准确的分类结果。
通过分析分类结果，可以看出北京市的水体主要分布在北部地区，植被主要分布在山区和郊外，建筑主要集中在城市中心区域。
3. 信息提取通过对遥感图像提取的地物信息进行分析，我们可以了解到北京市的地表环境状况。
一、实验1中的can_tmr.img图像是什么影像？包含哪几个波段，各自的中心波
长是多少？
答：实验1中的can_tmr.img图像是LandsatTM影像；
包含TM Band1,TM Band2,TM Band3,TM Band4,TM Band5,TM Band7 共6个波段；
各自的中心波长是（0.485000,0.560000,0.660000,0.830000,1.650000,2.215000）
二、根据感兴趣区can_tm1.roi文件对can_tmr.img图像进行裁剪后，各波段最大、最小、平均值和标准差是多少？
答：在ENVI主菜单中选择File--Open image file,打开can_tmr.img图像。
加载真彩色波段图像，如下图：
在ENVI主菜单中选择Basic Tools--Region of Interest--ROI Tool，弹出对话框ROI Tool。
如下图：
在对话框ROI Tool的File菜单下，选择Restore ROIs，然后在出现的Enter ROI Filenames对话框中，选择can_tm1.roi文件，打开。
如下图：
点击感兴趣名，然后点击ROI Tool对话框中Stats,出现ROI Statistics Result 窗口，显示被显示图像相应文件的平均波谱（白色）、最大和最小波谱（红色，各波段的最小和最大值）、标准差波谱（绿色，+/-1标准差），如下图：
保存，将结果显示如下：
整理为：
基本波段最大值最小值平均值标准差
Band1 62 1 14.433485 5.620598 Band2 91 2 20.382735 7.490318 Band3 100 1 21.308905 9.079419 Band4 100 3 31.980554 9.649808 Band5 87 1 24.985552 9.816744 Band6 65 0 18.549205 7.761124
三、在Landsat TM 图像can_tmr.img上，提取典型地物光谱，制作反射光谱曲线图。
在R3G2B1、R4G3B2、R5G4B3彩色合成处理后的该图像中植被、裸地、河流、城市等主要地物分别呈现什么颜色？
答：在主图像窗口菜单栏中，选择Tools--Profile--Z Profile,将会打开一个绘制窗口，任意选择一种彩色合成处理在图像上依次选择植被，裸地，河流，城市，将在窗口中出现地物光谱图，如下图：
（1）在R3G2B1彩色合成处理后，此图中显示的主要地物呈现的颜色分别为：植被：墨绿色；裸地：黄褐色；河流：黑色；城市：灰色
（2）在R4G3B2彩色合成处理后，此图中显示的主要地物呈现的颜色分别为：植被：棕红色；裸地：土灰色；河流：深蓝色；城市：青色
（3）在R5G4B3彩色合成处理后，此图中显示的主要地物呈现的颜色分别为：植被：深绿色；裸地：棕红色；河流：青色；城市：蓝紫色
四、计算TM影像bldr_tm.img的NDVI，整个图像NDVI平均值是多少？将NDVI 图像按密度分割方法进行分级表示，并输出处理后的图像。
（1）打开实验TM影像：bldr_tm.img
在主菜单Transform下选择NDVI
在弹出NDVI Calculation Parameters窗口，按内存输出meomery,点击OK，如下图：
在可用波段列表中打开NDVI灰度图像，在主图像窗口Tools中，选择Color Mapping 的ENVI color table，进行伪彩色显示，如下图：
在主菜单Basic Tools中选择Statistica-- Conpute Statestics,计算整幅图像NDVI的统计值，结果如下：
根据上图可得，NDVI的平均值为0.281750
（2）在主图像窗口，选择 overlay -- Density Slice.
结果如下：
将出现 Density Slice 对话框，在Defined Density Slice Ranges下列有八个系统默认范围。
这些范围由滚动窗口计算的最小值和最大值来限定，并显
示在Min和Max文本框中。
在适当的文本框中输入所需要的最小和最大值，来改变密度分割的范围。
要重新设置数据范围到初始值，点击Reset。
通过选择对话框时底部Windows旁所需要的复选框，来选择是否将密度分割颜色应用到图像窗口、滚动窗口或这两个窗口。
点击Apply将系统默认的范围和颜色应用于图像上。
要编辑数据范围：
1）选择一个数据范围，并点击Edit Range来改变范围值或颜色。
2）当出现 Edit Density Slice Range 对话框时，输入所需要的最小和最大值，并从Color菜单中选择一种颜色。
3）点击OK执行改变Defined Density Slice Ranges列表中的范围。
4）点击Apply把新的范围和颜色应用到图像上。
要从列表中删除一个范围，选择数据范围，然后点击Delete Range。
五、如何运用监督分类方法对can_tmr.img图像进行土地利用分类，说明分类步骤，给出分类结果图和混淆矩阵。
答：打开实验影像can-tmr.img.如下图：
主图像窗口，Overlay_region of interest，出现ROI tool对话框，选择各类感兴趣区，如下图:
ROI Tool对话框中，Options_Computer ROI Separability,将计算感兴趣区各类波谱可分离性，给出报告参数，大于1.9则说明分离性好。
然后将感兴趣区保存，如图：
在主菜单下选择Classification—Supervised—Maximum Likelihood，对图像进行分类，如下图：
这是最大似然法的分类结果：可以对其进行颜色调整处理：
对分类后的结果进行分类统计。
选择Classification—Post Classification—Class Statistics，来进行统计处理。
选择本实验中给定的分类影像can-pcls.img，点击OK。
接着选择本实验中给定的分类的影像can-tmr.img，点击OK。
如下图：
使用Class Selection对话框，来选择要进行统计的类。
点击Select All Items,点OK，在compute statistics parameters对话框中，并点击compute statistics parameters 对画框底部的OK按钮。
如下图：
以下为分类统计结果：
然后将地图进行处理，加入图例和图名，输出即得到分类结果图，如图：
接着进行混淆矩阵计算，选择Classification--Post Classification--Confusion Matrix—method--using ground truth ROIs，对using ground truth image选项，输入两个文件名can-sam.img和can-pcls.img，并点击OK。
如下图：
使用Match Classes Parameters对话框，把两幅影像中相应类型进行匹配，如下图：得到混淆矩阵如图：。
