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。
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。
本科生实验报告第五组姓名袁银学号：191401094专业地理科学班级地理科学1902班实验课程名称遥感原理与应用指导教师及职称郑著彬老师实验名称：图像自动配准，融合，镶嵌与裁剪开课学期2020至2021 学年第 2 学期赣南师范大学地理与环境工程学院实验名称：图像自动配准，融合，镶嵌与裁剪第五组一、实验目的• 1.了解图像自动配准的目的和基本方法• 2.学习了Image Registration Workflow图像配准工具的使用• 3.掌握图像融合的基本方法和流程•学习了Gram-Schmidt Pan Sharpening融合方法•学习了不同传感器、相同传感器图像的融合•掌握了图像镶嵌的基本方法•学习了影像无缝镶嵌工具Seamless Mosaic的使用•掌握图像裁剪的基本方法•学习了规则裁剪、和不同情况下的不规则图像裁剪的流程•学习了ENVI中图像裁剪的工具•Open/Save As/Spatial Subset•Toolbox/Regions of Interest/Subset Data from ROIs二、实验准备数据：2.5米空间分辨率、不同成像时间的影像数据2.1米全色、6.8米多光谱的影像数据SPOT4 的10米全色波段和Landsat TM 30mQuickBird全色和多光谱图像两个有地理坐标的TM图像文件TM影像数据Shapefile 矢量数据内容：1图像的空间配准 2图像3不规则图像裁剪手动交互绘制裁剪区域裁剪图像外面矢量文件裁剪图像4利用Seamless Mosaic工具进行图像镶嵌工具：1.Toolbox -> Geometric Correction -> Registration -> Image Registration Workflow2• / Image Sharpening /Gram-Schmidt Pan Sharpening✓3/Regions of Interest/Subset Data from ROIs✓4Mosaicking /Seamless三、实验步骤（一）图像的空间配准（1）选择图像配准的文件○1打开envi5.3（64bit），如图1所示。
实验4. 图像融合与图像镶嵌一、图像融合图像融合是将低空间分辨率的多光谱图像或高光谱数据与高空间分辨率的单波段图像重采样，生成一幅高分辨率多光谱图像的图像处理技术，使得处理后的图像既有较高的空间分辨率，又具有多光谱特征。
图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。
融合方法：1、打开两个文件（TM-30m.img和bldr_sp.ima），将TM-30m.img显示在Display 中。
2、主菜单→Transform→Image Sharpening●HSV变换●Brovey变换●Gram-Schmidt●主成分（PC）变换●Color normalized (CN)变换3、TM和SAR数据融合为了在ENVI中进行融合，影像文件必须含有地理坐标，否则影像必须覆盖同一地理区域，并且有相同的像素大小、影像大小及相同的方位。
File→Open Image File 进入rometm_ers子目录，选择打开rome_ers2文件。
该文件是ERS-2 SAR 影像数据。
再显示rome_tm数据到新显示窗口。
根据ERS影像来配准TM影像Map→Registration→Select GCPs: Image to Image, 在出现的对话框中选定ERS影像窗口为Base Image , TM影像窗口为Warp Image, 点击OK。
从Ground Control Point Selection 对话框中，选择File→Restore →GCPs from ASCII, 选定控制点坐标文件rome_tm.pts，点OK。
从Ground Control Point Selection 对话框中选择Option →Warp File,选择rome_tm 文件，点击OK，来校正TM的七个波段，以匹配ERS影像。
在Registration Parameters 对话框中部，选择输出范围，分别用1，1，5134，5549。
《遥感原理与应⽤》实验报告——影像融合实验名称：影像融合⼀、实验内容1. 对TM 影像和SPOT 影像进⾏HSV 数据融合。
2. 查阅相关资料⽤envi 软件实现⼀种数据融合的⽅法，如Brovey 、PCA 等。
3. 利⽤均值、标准差、特征值等参数对上述两种⽅法的融合效果进⾏评价。
⼆、实验所⽤的仪器设备，包括所⽤到的数据电脑⼀台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM 影像数据lon_tm 和SPOT 影像数据lon_spot 。
三、实验原理1. 定义：图像（影像）融合是指将多余遥感影像按照⼀定的算法，在规定的地理坐标系中，⽣成新的图像的过程。
2. ⽬的：(1) 提⾼图像空间分辨率 (2) 改善分类(3) 多时相图像融合⽤于变化检测 3. 基本原理(1) HSV 变换法：HSV （hue, saturation, and value ：⾊调，饱和度，亮度值）。
⾸先将多光谱图像经HSV 变换得到H 、S 、V 三个分量。
然后将⾼分辨率的全⾊图像代替V 分量，保持H 、S 分量不变。
最后再进⾏HSV 变换得到具有⾼空间分辨率的多光谱图像。
(2) Brovey 变换法:对彩⾊图像和⾼分辨率数据进⾏数学合成，从⽽使图像锐化。
彩⾊图像中的每⼀个波段都乘以⾼分辨率数据与彩⾊波段总和的⽐值。
函数⾃动地⽤最近邻、双线性或三次卷积技术将3个彩⾊波段重采样到⾼分辨率像元尺⼨。
输出的RGB 图像的像元将与⾼分辨率数据的像元⼤⼩相同。
4. 评价指标 (1) 均值与标准差∑==ni i x n µ11 （公式1）()212∑=-=ni i µx σ（公式2）上述两个式⼦中，n 表⽰图像总的像素的个数，xi 为第i 像素的灰度值。
(2) 特征值设 A 是n 阶⽅阵，如果存在数m 和⾮零n 维列向量 x ，使得 Ax=mx 成⽴，则称 m是A 的⼀个特征值（characteristic value)或本征值（eigenvalue)。
实验五-遥感图像的融合实验五遥感图像的融合一、实验目的和要求1.理解遥感图像的融合处理方法和原理；2.掌握遥感图像的融合处理，即分辨率融合处理。
二、设备与数据设备：影像处理系统软件数据：TM SPOT 数据三、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复合的一个主要方法，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。
注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。
四、方法与步骤融合方法有很多，典型的有 HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。
ENVI 里除了 SFIM 以外，上面列举的都有。
HSV 可进行 RGB 图像到 HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回 RGB 色度空间。
输出的 RGB 图像的像元将与高分辨率数据的像元大小相同。
打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL选择File>data manage，任意选择3个波段组合，查看效果打开分辨率为30和15的图像下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰选择如下图所示的三个波段选择分辨率高的为15的点击ok，Sensor选择landsat8_oil，Resampling选择三次方的Cubic Convolution，实现融合，选择输出路径为sssrong融合之后的图像如下图，可以发现图像清晰度提高，分辨率变高，图像质量变好五、实验心得多光谱数据与高分辨率全色数据的融合可以使遥感图象既具有较好的空间分辨率，又具有多光谱特征，继而达到增强图象质量的目的，可谓是一举两得。
这次实验虽然比较简单，但是一开始的时候还比较模模糊糊，甚至于连目的都不清楚。
遥感图像裁剪与镶嵌处理实验目的：通过实验操作，掌握遥感图像规则分幅裁剪、不规则分幅裁剪、图像匹配和图像镶嵌的基本方法和步骤，深刻理解遥感图像裁剪和镶嵌的意义。
实验内容：ERDAS软件中图像预处理模块下的Subset和Mosaic。
1.图象拼接（镶嵌）处理将同一区域机邻的三幅遥感图象进行拼接处理，为了消除太阳高度角或大气环境等影响造成的相邻图像效果的差异，首先用直方图匹配（Histogram Match）对遥感图像进行处理。
(1)直方图匹配（Histogram Match）(2)图像拼接（镶嵌）.启动图象拼接工具,在ERDAS图标面板工具条中，点击Dataprep/Data preparation/Mosaicc lmages—打开Mosaic Tool 视窗。
.加载Mosaic图像，在Mosaic Tool视窗菜单条中，Edit/Add images—打开Add Images for Mosaic 对话框。
依次加载窗拼接的图像。
.在Mosaic Tool 视窗工具条中，点击set Input Mode 图标，进入设置图象模式的状态，利用所提供的编辑工具，进行图象叠置组合调查。
.图象匹配设置，点击Edit /Image Matching —打击Matching options 对话框，设置匹配方法：Overlap Areas。
.在Mosaic Tool视窗菜单条中，点击Edit/set Overlap Function—打开set OverlapFunction对话框设置以下参数：.设置相交关系(Intersection Method):No Cutline Exists。
.设置重叠图像元灰度计算(select Function):Average。
.Apply —close完成。
.运行Mosaic 工具在Mosaic Tool视窗菜单条中,点击 Process/Run Mosaic ，设置文件路径和名称，执行镶嵌操作。
