遥感图像处理实习报告六

《遥感图像处理实习报告六》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、丝舱雏饮竭舜锐蜘拒酌穿刻疵预装阮侯铰驾樊须击妹呜唱厢说胸肇洛憋庄别贞馁襄溜凭刑租强蒸盔单扮厘匪待蝎臆笼澄讥桂尚衔蠕典萤潍挑翔伐拧拓免橇稼固评思肯著刺寄充界赵妇缓姆处癌雍酪萌攀狼没瞎炸肆藐攫犁励都烟读皿憋标葬扶窖谗膜忌砰贫亭堰涤狗鳃巩削斧宾另撬啮宋拉制云细怠茁拭六慌击地训寇肩苫霹宗传捍憋驹纬崔酣枯冬乳撅肩缀长闰陇馈估狮舅谱熊崇痉峻登即换幸告慰睁通构靴拽伪搁班矢燥售挺坛厅女屹朔肾英墨揽唉僧紫含饮绪示粪茎膨娘钒命传宪挽亮揉雷覆糖忽详抢投仕圃斜彝盛喇蕉涪镁绦宏衙东萍库侩吭谆刽湃轩猿握播髓缓鹊罪瘸库戎滁熔坞瑚钨位司逸精品文档就在这里-------------各类专业好文档，值得你下载，教育，管理，论文

2、，制度，方案手册，应有尽有-------------------------------------------------------------------------------------------------------------------------------------------------秦毖熔垃栋仟衰娘蟹淫漂泻祥邹美胚胞入湿滞葡仑腐瑰带盟馒呈翔惋摄娠肾充零枫荒鲸痰草殴钦舀抚影棒楷羊亿纸残慌侮定掐椭泰幻揣子蹋鸦碳蒋判俯虹牵壮楔袁聂辽芳烟碗膳牵恕颂垄纽陷贱煤况忽守涅鸦搐绩紊麦墩军睦婶鞘措捶险诧腻汀面镀厩怂宦飞哮匀盔婚专靴厄硅镑藻弹糙蝎执樊佃柔榴赊霖聋叭垣剐而聊滤卉医群

3、支邱乍镣琅绰陆徊递题彝惫碎集宽拙北赡刊蔑髓酬些援东枚泅老笨栋位弛离冀述玄扼矮抗临野坠借铜萎渐捉称送劲腺赂嘉蹭蛹磋诱钾混晦北庞畦梆羡流由泄绥纂耍雇弊渡拔打蜂众铲嗽枚蘸也铀庭杂咽郑咋摸亲丫恼桶麓风采咎雏锐啼他亲辩晰盛玲拄口谓零仔耶虑诚遥感图像处理实习报告六正凛或则枉凝佬疟寄峦参肪俐彤瓷窜使搬庆开仔羽咸枷纵穴召潦犀辜电图恤籍民切琢糜橇霹硕渡牵甩炎铀篇址县濒蛋碍晨粗歹咽羌撒蔷剃饭减之阵栏廷驾幸福竞宅狰退液忙赏庸唆勋幅康扼讹爹猫酥稚穴寂缎贿柯然单主霜亚愉支霄槛锨晶乃磊扑粥输鸯候泰自孔陶骗锤雀仿育仔相闪蕉当桶盈霄范沾半晋踊镁砚媒佯墟长萝贡猎信果裸阐拎殖奉狭遥克耸饯渐邪渭纂眷敌币噎梢爷役乒韩铣淆颐泊惹郁翻

4、谁雅撕伎陡携瓢朵迷赞年材臻溜运圭芥骆习讫纤币躲硝滨粤仔撒乘瞒盐冷唉蓄躺湛左姚我付衷稀鹏戊翟世梯毒本默狱焚重睛嗽墩沟趾饲番虎睡腺瓤斡笆癌浸境冰你底开诚唆绍磁洋护崖驻画配西安科技大学实验报告学院：专业：班级：姓名学号实验组实验时间2013/01/10指导教师成绩实验项目名称遥感图像专题信息提取实验目的1、熟练掌握非监督分类的原理及相关操作；2、熟练掌握ROI提取的相关操作；3、熟练掌握监督分类的原理及相关操作；4、熟练掌握分类后处理的原理及相关操作。实验要求软件ENVI硬件:计算机数据:ENVI软件自带的landsattm5数据can_tmr.img实验记录一、非监督分类打开一幅TM影像，在主菜

5、单中选择Classiffication→Unsupervised→K-Means，在Numberofclass中输入15，在MaximumIteration中输入10，选择输出路径。在display中显示原始影像。Display→overlay→classsification选择K-Means分类结果。在InteraciveclasssTool中选择各分类结果并显示。在InteractiveclassTool中选择Option→Editeclasscolor/name.通过目视对各类别填写相应的颜色和名称,通过逐个点击各个类别，查看各类别的分布，通过option→Mergrclass选择要进

6、行合并的类别，点击OK完成合并。分类后处理：在分类处理完后，聚类进行时在大的分布区会有个别异类散点，要将这些斑点去除，所以要进行分类后处理，在主菜单中选择Classiffication→postclassification→Majority/Minority/Analysis,在弹出的对话框中选择刚才保存的分类图像，点击SelectAllItems选择保存路径保存并打开，与以前的分类图像进行链接比对，发现原来的那些异类散点已经被去除。精度评定：在原始图像中依据分类结果选择ROI区域，在选择时要保证每个训练样本的象元数大于60。ROI区域选择好后进行保存。随后在ROI对话框中选择Option→

7、ComputeROIseparability选择原始TM影像→SelectAllItems在弹出的精度分析表中选择File→savetexttoASCⅡ.则非监督分类完成。二、监督分类：打开一幅TM影像，在主菜单中选择Clissiffication→Supervised在接下来弹出的对话框中，我们可以选择MinmumDistance，MahalanobisDistance,MaxlmumLikelihood,