遥感erdas实习报告.doc

《遥感erdas实习报告.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、几何校正一、实验目的：去除遥感图像中由于传感器的自身性能、结构；地球曲率；地形起伏；地球旋转；大气折光等因素所引起的变形误差。二、实验内容：几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。三、实验步骤：1）原理：遥感图像的几何校正包括光学校正和数字校正，遥感影像的数字校正是通过计算机对图像每个像元诸葛的解析纠正处理完成的，所以能够较精确的改正线性和非线性变形误差，包括像元坐标变换和像元灰度值重采样。2）方法：使用ERDASIMAGINE软件。3）操作：第一步：①用两个Viewer分别打开一个TM（#

2、1）和SPOT（#2），②单击Raster

3、GeometricCorrection命令，③打开SetGeometricModel对话框④选择模板为Polynomial⑤单击OK⑥同时打开GeoCorrectionTools对话框和PolynomialModelProperties窗口第二步：在PolynomialModelProperties窗口①定义多项式次方（PolynomialOrder）为2。②定义投影参数（Protection）③单击Apply按钮应用或单击Close关闭。④打开GCPToolRefere

4、nceSetup对话框；第三步：启动控制点工具；①GCPToolReferenceSetup对话框中选择采点模式（ExistingViewer）单选按钮，②单击OK按钮（关闭GCPToolReferenceSetup对话框）；③打开ViewerSelectionInstructions指示器。④在显示作为地理参考图像panAtlanta.img的Viewer#2中单击。⑤打开ReferenceMapInformation提示框（显示参考图像的投影信息）⑥单击OK按钮（关闭ReferenceMapInformatio

5、n对话框）增强处理（一）图像增强一、实验目的：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息。二、实验内容：图像增强的主要内容：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。三、实验步骤1、原理：空间域增强：通过改变单个像元及相邻像元的灰度值来增强图像。直接对图像进行各种运算以得到需要的增强结果。Ø频率域增强：对图像进行傅里叶变换，先将空间域图像变换成频率域图像，然后在频率域中对图像的频谱进行处理，以达到增

6、强的目的。2、方法：使用ERDASIMAGINE软件。3、操作：主成分变换:①单击Interpreter图标｜SpectralEnhancement｜PrincipalComponents命令，打开PrincipalComponents对话框。②输入原图象，输出类型中改为FloatSingle类型③输入文件类型：Map④需要的主成数量（NumberofComponentsDesired）为3⑤单击OK按钮（关闭PrincipalComponents对话框，执行主成分变换）（二）色彩变换一、实验目的：使图像的颜色与人

7、眼看到的更为接近。二、实验内容：将遥感图像从红（R）、绿(G)、(B)蓝三种颜色组成的彩色空间转换到以亮度(I)、色度(H)、饱和度(S)作为定位参数的彩色空间。三、实验步骤1、原理：亮度表示整个图像的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1.2、方法：使用ERDASIMAGINE软件。3、操作：①单击Interpreter图标｜SpectralEnhancement，打开RGBtoHIS,②弹出对话框，输入原图象，选上对话框上的IgnoreZer

8、oinStats③单击OK非监督分类一、实验目的：利用计算机将遥感图像自动分成若干地物。二、实验内容：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度大的像元归为一类）的方法。三、实验步骤1、原理：同类地物的反射光谱特型相同2、方法：使用ERDASIMAGINE软件。3、操作：①打开Classifier｜UnsupervisedClassification把NumberofClasses改成10，然后把MaximumIterationes改为24，

9、点击OK.②打开非监督分类后的图，再打开原图像，点击View｜Link｜Geographical③点击—点击非监督图像上的raster中的Attribute，根据原图象将非监督图像对应上色。监督分类一、实验目的：利用计算机将遥感图像自动分成若干地物类别。二、实验内容：选择具有代表性的典型实验区或训练区，用训练区中已知地面各地物样本的光谱特性来“训练”计算机，