最新版-ENVI下的图像融合方法

目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)（一）基础知识 (2)（二）ENVI操作 (4)二、图像镶嵌（图像拼接） (16)（一）基础知识 (16)（二）ENVI操作 (16)三、图像裁剪 (20)（一）基础知识 (20)（二）ENVI操作 (21)第二部分：下载影像及介绍 (26)（一）基本信息 (26)（二）日期信息 (26)（三）云量信息 (26)（四）空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。

2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。

由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。

简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。

本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。

3、图像选点原则[1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。

[2]特征变化大的地区需要多选。

[3]图像边缘部分一定要选取控制点。

[4]尽可能满幅均匀选取。

[5]保证一定数量的控制点，不是控制点越多越好。

4、数理知识：[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X，Y：校正前该点的位置；x，y：校正后该点的位置[2]最少控制点个数： ( n+1 )²[3]误差计算：RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法（插值算法）[1]最近邻法概念：取与所计算点( x，y )周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近就取哪个亮度值作为 ( x，y )点的亮度值优点：简单易用，计算显小缺点：图像的亮度具有不连续性，精度差[2]双线性内插法概念：取(x，y)点周围的4个邻点，在y方向内插2次，再在x方向内插1次，得到( x，y)点的亮度值 f ( x，y)优点：双线性内插法比最近邻法虽然计算虽有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。

ENVI下的图像融合步骤经过对ERDAS和ENVI两种软件中提供的大部分融合方法的对比，发现用ENVI中的Gram-Schmidt Spectral Sharpening方法进行融合能够比较好的保留原多光谱图像的光谱信息，或者使遥感影像的融合保留多光谱影像的增强效果。

1.用Gram-Schmidt Spectral Sharpening方法进行遥感影像融合时，有时需对原多光谱影像进行增强，在ENVI中对影像的增强可使用Enhance中的各种方法，使多光谱影像色彩信息达到需求的效果；增强方法如下图，选取不同的样区进行影像增强所得到的效果不同，在影像增强过程中应选取不同的样区进行尝试；ENVI中影像增强方法2.对遥感影像增强到达满意的效果后，通过File | Save Image As | Image File…保存增强果后的影像；保存窗口，在Output File Type中选择保存的数据类型，通过Choose选择文件的保存路径及文件名；3.进行影像融合，在ENVI主菜单中，通过Transform | Image Sharpening |Gram-Schmidt Spectral Sharpening 进行融合；4.在Select Low Spatial Resolution Multi Band Input File对话框窗口中选择多光谱影像，点击OK确定；Select Low Spatial Resolution Multi Band Input File对话框5.在Select High Spatial Resolution Pan Input Band 对话框中选择高分辨率的影像波段，点击OK确认；Select High Spatial Resolution Pan Input Band 对话框6.在Gram-Schmidt Spectral Sharpen Parameters 中设置融合的参数，Resampling中选择重采样的模型，Choose中选择存储的文件路径和文件名；。

ENVI中的各种融合方法融合方法有很多，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。

Brovey锐化方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。

用Gram-Schmidt可以对具有高分辨率的高光谱数据进行锐化。

第一步，从低分辨率的波谱波段中复制出一个全色波段。

第二步，对该全色波段和波谱波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段。

第三步，用Gram-Schmidt变换后的第一个波段替换高空间分辨率的全色波段。

最后，应用Gram-Schmidt反变换构成pan锐化后的波谱波段。

用PC可以对具有高空间分辨率的光谱图像进行锐化。

第一步，先对多光谱数据进行主成分变换。

第二步，用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真。

第三步，进行主成分反变换。

函数自动地用最近邻、双线性或三次卷积技术将高光谱数据重采样到高分辨率像元尺寸。

CN波谱锐化的彩色标准化算法也被称为能量分离变换（EnergySubdiviionTranform），它使用来自锐化图像的高空间分辨率（和低波谱分辨率）波段对输入图像的低空间分辨率（但是高波谱分辨率）波段进行增强。

该功能仅对包含在锐化图像波段的波谱范围内的输入波段进行锐化，其他输入波段被直接输出，不发生变换。

实验九遥感图像预处理（三）一、实验内容图像融合、镶嵌（2学时）图像裁剪（2学时）二、实验学时4学时二、实验原理、方法和手段图像融合、镶嵌、裁剪原理内容在操作中进行介绍。

三、实验数据实验数据：第四章：遥感图像预处理四、实验步骤1. 图像融合数据：第四章：遥感图像预处理\5-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重新采样，生成一幅高分辨率多光谱遥感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。

ENVI中提供了两种融合方法：HSV变换和Brovey变换。

这两种方法均要求数据具有地理参考或者具有相同的尺寸，RGB输入波段必须为无符号8-bit数据或从打开的彩色display中选择。

两种方法基本类似，下面介绍Brovey变换操作过程。

操作过程：1. 打开融合的两个文件：TM-30m.img和bldr_sp.img（分别在两个display 窗口中显示），将TM-30m.img以RGB格式显示在display窗口中。

2. 选择主菜单→transform→image sharpening→color normalized(brovey),在select input RGB对话框中，有两种选择方式（如第一图）：可用波段列表中选择或display窗口中选择，选择display#1窗口中的RGB，单击OK按钮。

3. 选中相应波段，双击，进入color normalized（brovey）对话框(如第二图),在color normalized（brovey）对话框中，选择重采样方式（resampling）和输入文件路径及文件名，单击OK按钮输出结果。

融合后结果如下，可以对两幅图像链接进行比较。

对于多光谱图像，ENVI可以利用以下融合技术：Gram-Schmidt：能保持融合前后图像波谱信息的一致性。

Color normalized:要求数据具有中心波长和FEHM主成分（PC）变换下面介绍参数相对较多的Gram-schmidt操作过程。

ENVI软件正射纠正和融合
一、正射纠正
1.打开影像
2.显示待纠正影像：Load Band
3.用RPC模型进行正射纠正
先对正视影像进行正射纠正。

4.设置各项参数
上述对话框中，从左到右分别表示：采样方法
输入DEM：在无控的情况下，选用前后视提取的DEM结果。

设置输出路径和文件名。

投影方式：建议不修改
分辨率：2.1和2.1Metre，其中，正视影像为2.1m，多光谱为5.8m。

OK！ 完成正射纠正。

二、融合
融合方法选择：融合方法有很多种，对不同的影像也会有不同的
效果，不能说某一种方法绝对好会绝对不好，在这里也只是一个建议。

在ENVI软件中，可以选择Gram‐Schmidt Spectral Sharpening。

依次选择多光谱和全色影像。

方法选第一种，然后设置重采样方法和输出路径、文件名。

完成融合。

ENVI下多波段WV、QB影像融合方法1分别打开多光谱、全色影像打开WV或QB影像的方法有多种，为了免去镶嵌的步骤，推荐的方法是直接打开有DG 公司提供的头文件【*.TIL】，该文件可同时打开一条带的影像文件。

打开该文件之后可直接通过该文件对同一条带之内的影像进行处理，无缝隙，免去融合，简化了处理步骤。

打开方法在ENVI主菜单下【FILE】→【Open Image File】打开【Enter Data Filename】对话框。

通过该方法，分别打开全色和多光谱文件，进入下个步骤。

图一打开文件对话框2 启用锐化模块图像锐化自动地将一幅低分辨率的彩色图像与一幅高分辨率的灰阶图像结合在一起，再抽样成高分辨率像元大小。

ENVI 有两种图像尖锐化技术，用一个HIS 变换，以及用一个彩色标准化变换。

图像必须是地理坐标定位了的或有同样的维数。

图像尖锐化需要输入三个波段。

这些波段应该是拉伸过的字节型数据，或从一个开放的彩色显示中选择。

根据经验，本实验将介绍ENVI下的【Gram-Schmidt】光谱锐化方法。

启动该模块方法为在ENVI主菜单下选择【Transforms】→【Image Sharpening】→【Gram-Schmidt Spectral Sharpening】。

打开该功能之后将弹出对话框要求输入低分辨率多光谱影像（Low Spatial Resolution Multi Bafnd），如图二选择影像，单击【OK】按钮，确认输入信息并关闭该对话框。

之后弹出第二个对话框要求输入高分辨率灰度图（High Spatial Resolution Pan）,选择高分辨率全色影像，单击【OK】按钮，确认输入信息并关闭该对话框。

图二输入低分辨率影像选择好需要融合的高分辨率全色影像和低分辨率多光谱影像后，将弹出具体设置对话框，因ENVI的锐化模块中已经输入好WV和QB影像融合需要的参数，故该步骤较为简单，只需确认传感器类型、重采样方法和输出路径即可。

envi多波段融合步骤
嘿，朋友们！今天咱就来唠唠 envi 多波段融合的那些事儿。

你知道吗，这就好比是一场奇妙的魔法之旅。

想象一下，各个波段就像是不同颜色的颜料，而我们要做的呢，就是把这些颜料巧妙地融合在一起，创造出一幅绚丽多彩的画卷。

首先呢，咱得把需要融合的多波段数据准备好。

这就像是做菜前要把食材都准备齐全一样，可不能马虎。

然后呢，进入到 envi 软件里，找到那个神奇的多波段融合功能。

接下来，就开始施展魔法啦！根据具体的需求和算法，调整各种参数。

这可不能瞎调哦，就像炒菜时放盐放多了或少了都会影响味道一样。

我们得细心地琢磨，找到最合适的那个平衡点。

在融合的过程中，要时刻留意数据的变化，看看是不是朝着我们想要的方向发展。

这就好比走路，得时不时看看路有没有走偏。

要是发现不对劲，赶紧调整策略呀。

哎呀，你说这多波段融合是不是挺有意思的？就像搭积木一样，一块一块地拼凑出我们想要的形状。

有时候可能一次融合得不太满意，那没关系呀，咱再来一次，就不信搞不定它！
融合完成后，可得好好欣赏欣赏自己的作品。

看看这融合后的图像，是不是比之前更加清晰、更加丰富了呢？就像原本平淡无奇的一幅画
突然变得栩栩如生了一样。

总之呢，envi 多波段融合可不是一件简单的事儿，但也绝对不是什
么高不可攀的技术。

只要咱有耐心，有细心，再加上一点点的创意，
就一定能把它玩转得团团转！你还等什么呢？赶紧去试试吧！。

摘要：介绍了遥感影像三种常用的图像融合方式。

进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。

关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE1. 引言由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。

因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。

为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。

[1]在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。

高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。

[2]此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。

2. 源文件1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。

2 、imagery-5m.tif ，SPOT图像，分辨率5米。

3. 软件选择在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。

envi 融合方法-回复什么是envi融合方法？如何应用它？envi融合方法在环境科学中的应用有哪些？这些问题是本文将要探讨的主题。

首先，我们来了解一下envi融合方法是什么。

envi融合方法是一种用于环境数据处理和分析的方法，在遥感、地理信息系统和环境科学领域得到了广泛应用。

这种方法通过将不同传感器获取的多光谱、高光谱和雷达数据等进行融合，以提取更多有价值的信息。

envi融合方法可以帮助科学家和研究者更好地理解和解释环境现象，为环境管理和保护提供支持。

那么，如何应用envi融合方法呢？首先，需要明确目标。

确定需要分析的环境场景和研究问题，例如水质监测、土地利用变化等。

然后，选择合适的数据源，这些数据源应该具有互补的特性，以获取更全面和准确的信息。

常见的数据源包括遥感图像、地理信息系统数据和气象数据等。

接下来，进行数据预处理。

数据预处理的目的是消除噪音和杂散信息，以减少错误和不确定性。

这可以通过对原始数据进行滤波、校正和配准等操作来实现。

处理后的数据应当具有一致的空间分辨率和光谱分辨率，以便进行后续融合分析。

然后，进行数据融合。

数据融合是envi融合方法的核心步骤，它将不同数据源的信息整合到一个统一的数据集中。

常见的数据融合技术包括主成分分析（PCA）、逻辑运算和小波变换等。

这些技术可以根据不同的研究问题和数据特征来选择使用。

数据融合的目标是提取出具有更高空间和光谱分辨率的新数据集，以便更好地进行分析和解释。

最后，进行数据分析。

利用envi融合方法得到的新数据集，可以进行进一步的数据分析和解释。

例如，可以利用地理统计学方法探索环境场景中的空间分布特征，利用回归分析方法分析不同因素与环境变化的关系等。

这些分析可以帮助科学家和决策者更好地理解环境现象，为环境保护和管理提供科学依据。

envi融合方法在环境科学中有广泛的应用。

例如，在水资源管理中，可以通过融合不同传感器获取的水质数据和地形数据，实现对水质状况和水流动态的全方位监测。

ENVI下的图像融合方法图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影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。

只有将两幅融合图像进行精确配准，才可能得到满意的结果。

对于融合方法的选择，取决于被融合图像的特征以及融合目的。

ENVI中提供融合方法有：HSV变换Brovey变换这两种方法要求数据具有地理参考或者具有相同的尺寸大小。

RGB 输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。

这两种操作方法基本类似，下面介绍Brovey变换操作过程。

（1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。

（2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。

（3）选择Display窗口中选择RGB，单击OK。

（4）Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。

对于多光谱影像，ENVI利用以下融合技术：Gram-Schmidt主成分（PC）变换color normalized (CN)变换Pan sharpening这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS 等。

ENVI操作envi图像拼接、栅格转矢量、图像裁剪、图像融合envi图像拼接在envi主菜单中选择map―mosaicing―georeferenced，在mosaic对话框中页面import―importfile，挑选须要堆叠的两幅图像，然后展开图像堆叠。

然后对图片页面右键，选上editentry，在editentry对话框中，设置datavaluetoignor：0，忽略0值，设置featheringdistance为10，羽化半径为10个像素，页面ok确认。

页面file-apply，留存即可envi栅格转矢量1）必须将感兴趣区转换成矢量多边形，在roitool对话框中挑选file→exportroistoevf，关上exportregiontoevf对话框。

2）高亮显示区域的名字来选择其中某个区域。

选择allpointsasonerecord单选按钮选项，在layername文本框中输入层的名字，点击memory，然后点击ok转换第一个感兴趣区。

i.重复上面的步骤，切换第二个感兴趣区。

ii.矢量层的名字都会在需用矢量列表中列举。

3）在可用矢量列表中，点击selectalllayers，然后点击loadselected按钮。

4）在loadvector对话框中，选择newvectorwindow打开一个新的矢量显示窗口。

i.这些矢量将以多边形的方式加载到vectorwindow#1对话框中。

5）在vectorwindow#1对话框中，挑选edit→addattributes给多边形嵌入属性信息。

6）按照本专题辅导209页所叙述的内容去嵌入属性信息。

i.这样就可以同其它矢量数据一同使用查询和gis分析功能了。

通过在vectorwindowparameters对话框中，选择file→exportactivela yertoshapefile，将这些矢量导出成shape文件。

6、等值点/等值线插值成栅格影像1）在envi主菜单中，选择topographic>convertcontourstodem，或vector>convertcontourstodem。

软件使用说明- 图象镶嵌图像镶嵌(拚接)是将多个具有重叠部分的图像制作成一个没有重叠的新图像。

有基于像元的拚接和基于地理坐标的拚接。

本节介绍基于像元的图像拚接。

准备工作：1）要参加拚接的图像必须具有统一的坐标系，即首先进行图像的几何纠正。

2）图像灰度的调整；对于彩色图像，需要从红绿蓝三个波段分别进行灰度的调整；对于多个波段的图像文件，进行一一对应的多个波段的灰度调整。

灰度调整的方法是进行交互式的图像拉伸，进行图像直方图的规定化，或者进行更加复杂的类似变化。

1 准备好两个(或多个)已经经过几何纠正的图象.下面的操作以下面经过几何纠正的两个图象为例,2 灰度值调整由于两个图象具有同一的坐标,可以使用LINK功能将两个图象连接起来, 显示出两个图象的共同区域, 再进行直方图的匹配.以确保镶嵌图象的灰度值过渡自然.对于多波段图象需要分别进行直方图匹配, 并分别存盘，再在DOS 下运行如下命令，将多个文件拷贝成一个文件，重新打开后再镶嵌。

以6个图象合并为例, 命令为Copy /b 1.img /b + 2.img /b + 3.img /b + 4.img /b + 5.img /b whole.img3 命令MAP->MOSAICKING执行命令”Pixel Based” 或者”Georeferenced”以后,系统弹出图象镶嵌的对话框.主要的对话框的菜单命令解释如下.FILEAPPLY:确定参加镶嵌的图象以后,按APPLY命令执行.SA VE TEMPLATE: 将当前的镶嵌模板存盘, 由于图象的镶嵌往往需要大的硬盘空间,可以通过存取镶嵌模板,待需要时再执行镶嵌操作,生成最后的图象.RESTORE TEMPLATE: 载入以前保存好的一个图象镶嵌模板.IMPORTIMPORT FILE WITHOUT FEATHERING: 加入一个图象不经过羽化处理. 参加镶嵌的图像如没有羽化，则用上面的图像灰度值直接替代重复部分的灰度值；IMPORT FILE WITH FEATHERING: 加入一个图象并进行羽化处理. 选择要羽化处理时,在选择图象文件以后,需要输入羽化处理的选择项.如果有羽化，则重复部分的灰度值由两个图像的灰度值确定。

专题四图像融合一、影像文件一到多为了将一个影像文件分成多个不同通道的影像文件，可以在ENVI主菜单中Fil e→Save File As→ENVI Standard.二、影像文件多到一为了将多个影像文件合并到一个影像文件，需要将多个影像文件打包。

可以在ENVI 主菜单中Fil e→Save File As→ENVI Standard.三、图像融合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。

1．数据说明及读取本专题使用的数据是London地区的TM和SPOT影像，都是二进制的文件，含有ERMapper的头文件，它们能够自动的被ENVI的ERMapper读取程序读取。

选择Fil e→Open External File→IP Software→ER Mapper, 然后选择lon_tm.ers文件和lon_spot.ers文件。

2．影像裁剪影像裁剪通常有三种方法：(1)主菜单中，Basic Tools→Resize Data，出现Resize Data Input File对话框，在对话框中选中要裁剪的图像，点击Spatial Subset,出现Select Spatial Subset 对话框，通过Image来进行影像裁剪。

(2)通过Map来进行影像裁剪。

(3)通过File来进行影像裁剪。

3．重采样由于TM和SPOT空间分辨率不一样，为了能够使两者进行融合，必须把二者重采样为同样的空间分辨率。

首先计算TM影像以多少倍率来调整大小，以产生与SPOT影像相匹配的10米大小的像元。

点击ENVI主菜单Basic Tools→Resize Data，出现Resize Data Input File对话框，选择裁剪后的图像，直接点击“OK”，在Resize Data Parameters 对话框中，x fac, y fac右边的空格内输入重采样前后的因子系数，选择适当的采样方法，选取合适的重采样后的文件名和路径，点击“OK”即可。

目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)（一）基础知识 (2)（二）ENVI操作 (4)二、图像镶嵌（图像拼接） (16)（一）基础知识 (16)（二）ENVI操作 (16)三、图像裁剪 (20)（一）基础知识 (20)（二）ENVI操作 (21)第二部分：下载影像及介绍 (26)（一）基本信息 (26)（二）日期信息 (26)（三）云量信息 (26)（四）空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。

2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。

由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。

简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。

本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。

3、图像选点原则[1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。

[2]特征变化大的地区需要多选。

[3]图像边缘部分一定要选取控制点。

[4]尽可能满幅均匀选取。

[5]保证一定数量的控制点，不是控制点越多越好。

4、数理知识：[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X，Y：校正前该点的位置；x，y：校正后该点的位置[2]最少控制点个数： ( n+1 )²[3]误差计算：RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法（插值算法）[1]最近邻法概念：取与所计算点( x，y )周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近就取哪个亮度值作为 ( x，y )点的亮度值优点：简单易用，计算显小缺点：图像的亮度具有不连续性，精度差[2]双线性内插法概念：取(x，y)点周围的4个邻点，在y方向内插2次，再在x方向内插1次，得到( x，y)点的亮度值 f ( x，y)优点：双线性内插法比最近邻法虽然计算虽有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。

目录ENVI形态学滤波实验报告 (2)一.技术流程图 (2)二.目的及内容 (3)2.1目的 (3)2.2 内容 (3)三.降噪处理 (3)四.图像二值化 (5)五.形态学滤波处理图像 (6)遥感图像融合实验报告 (9)一．技术流程图 (9)二．目的及内容 (10)2.1 目的 (10)2.2 内容 (10)三．图像几何校正 (10)3.1打开图像 (10)3.2采集地面控制点 (11)3.3选择校正参数并输出结果 (12)四．图像自动配准 (14)五．图像融合 (15)六．疑问及解决方案 (17)七．总结 (17)ENVI形态学滤波实验报告一.技术流程图卷积滤波对图像降噪图像二值化开启(opening)处理腐蚀（erode）处理图1技术流程图二.目的及内容2.1目的学会图像增强中的滤波功能，掌握腐蚀、膨胀、开启和关闭等滤波操作，并高通滤波、低通滤波，robert等滤波的处理。

2.2 内容1)用卷积滤波对图像进行降噪处理。

2)图像二值化。

3)用形态学滤波处理图像。

三.降噪处理打开图像，原始图像如图二所示：图2 原始图像使用卷积滤波中的中值滤波进行处理，参数配置如图3所示：图3 中值滤波参数设置降噪后的影像,如图4所示:图4 降噪后的影像四.图像二值化利用ENVI中的band math输入表达式：(b1 lt 110)*0 + (b1 gt 110)*1来对图像进行二值化。

得到二值化之后的图像如图5所示:图5 二值化后的图像对图像的灰度值进行统，如图6所示：图6 二值化统计结果五.形态学滤波处理图像首先对二值化图像进行开启（opening）处理，参数配置如图7所示：图7 opening参数配置进行opening操作的图像如图8所示：图8 opening操作后的图像在对Opening后的图像进行腐蚀(Erode)操作，参数配置如图9所示：图9 Erode 参数配置腐蚀操作后的图像如图10所示：图10 Erode后得到的图像遥感图像融合实验报告一．技术流程图QuickBird高分辨率影像TM低分辨率影像以QuickBird影像为基准进行几何校正图像自动配准图像融合总结图1 技术流程图二．目的及内容2.1 目的对低分辨率TM影像和高分辨率Quickbirds影像进行融合。