北京林业大学《遥感图像处理》实习报告范本

第一篇：北京林业大学《遥感图像处理》实习报告范本

北 京 林 业 大 学

2011学年-2012学年第1学期 遥感图像处理 实习报告书

专 业： 地理信息系统 班 级： 地信09 姓 名： 学 号： 090134123 实验地点： 林业楼517 指导老师： 实验题目： 遥感图像处理实习之TM影像校正 实验环境： 一台安装有ENVI 4.7和ArcGis Map的计算机 实验目的

1.2.3.4.掌握ENVI软件的基本操作，遥感数字图像处理的基本处理方法； 掌握使用ENVI对不同分辨率影像间的几何校正、配准与融合；

掌握使用ENVI中的最大似然监督分类法对影像进行分类，并自学其他分类方法； 掌握使用Arcgis对处理后的影像添加要素并出图。

实习内容

1.掌握遥感图像处理软件ENVI的基本操作（读取、保存、裁剪、格式转换、坐标转换、波段运算、影像校正等）；

2.实现SPOT(P)影像和ASTER影像之间的配准，选定两种融合方法，实现融合并对结果进行详细分析；

3.掌握图像裁剪的方法，对TM影像裁剪；掌握样本选取的方法，选定合适的样本，对TM影像进行分类，选定两种分类方法进行分析比较，生成土地利用图，并进行类后评价；

4.采用ArcGIS软件对土地利用图添加指北针、图例、比例尺、经纬网等地图要素，将结果以图片格式(png、pdf、tif、jpg等)提交。

数据源

1．ASTER数据：甘肃省张掖地区，2008.5.23日获取，分辨率15m，角度10.3862度；取前三个波段。

2．SPOT5数据：甘肃省张掖地区，2008.3.29日获取，分辨率2.5m，角度0度，全色波段。

3．TM影像编号：2-LT51230322009265IKR00 实习步骤及结果

一、ENVI配准、融合

1、由于ASTER影像和SPOT影像既有角度偏差又有尺度偏差，需要进行配准。打开实验数

据ASTER影像和SPOT影像，进行手动配准。选择Map——Registration——Select GCPS:Image to Image，以高分辨率的SPOT影像为Base Image配准ASTER影像。

2、控制点至少要选取9个以上，这里选取了16个控制点。控制点需均匀分布，易于选取，一般选取道路的脚点、道路的交叉点、房屋的脚点作为控制点。选取后点击Add Point添加控制点。截图如下所示：

3、选点完成之后，查看总体RMS Error（均方根误差）。总体RMS Error小于1时，选点合格。如果总体RMS Error大于1，点击Show List，打开控制点列表，查看个体RMS Error。如果有误差非常大的点，选中之后，点击Goto，会自动跳到此点的位置。对此点进行重新选取，直到能使总体RMS Error小于1为止，然后点击Update。总体RMS Error截图如下所示：

控制点列表截图如下所示：

本次实验过程中曾试验用自动选点的方法，但选取误差较大，经比较决定用手动选点的结果进行配准。

4、选择Options——Warp File——ASTER2影像，对ASTER-2图进行影像配准与裁剪。选择一次多项式模型，重采样方法为双线性内插法，设置左上角点为（0,0），裁剪范围为2000*2000，与SPOT影像相匹配。设置截图如下所示：

配准后的影像截图如下所示：

Link SPOT-2影像可以看出和SPOT-2影像的空间范围相一致，但空间分辨率较SPOT-2影像低。

5、手动融合——分量替换法。融合图像需要精确几何配准，并将多光谱图像采样与全色相同的分辨率，且裁为尺寸大小一致的区域，此步骤已于上一步完成。对多光谱影像进行彩色空间变换，分量替换HSV。选择Transform——Color Transforms——RGB to HSV，截图如下所示：

6、将高分辨率全色波段与彩色空间变换后的V波段进行直方图匹配，并存为V波段的数据类型，以修正光谱扭曲。

(1)分别将高分辨率全色波段和V波段的直方图打开，选择Image窗口：Enhance——Interactive Stretching。SPOT-2直方图截图如下所示：

V波段的直方图截图如下所示：

(2)分别在高分辨率全色波段影像和V波段的直方图窗口中，选择Histogram_Source--->band；

(3)在高分辨率全色波段影像的直方图窗口中，将Stretch_type选为Arbitrary,以便于用指定的直方图曲线来拉伸；

(4)用鼠标将V波段影像直方图的输入（Input Histogram标签）拖动至在高分辨率全色波段影像的直方图的输出窗口（Output Histogram）中，然后点击Apply。截图如下所示：

(5)在V波段的直方图窗口中，选择Options－>Histogram Parameters，记录下Histogram Min和Histogram Max两个值。截图如下所示：

(6)在高分辨率全色波段影像的直方图窗口中，选择File—>Export Stretch，将刚才记下的两个值分别填入Output Min和Output Max中；再将“Output Data Type”改为“Floating Point”，然后给定文件名存储。参数设置截图如下所示：

7、彩色空间反变换。选择Transform——Color Transforms——HSV to RGB。参数设置截图如下所示：

得到融合之后的影像，截图如下所示：

分析：

（1）Link融合之前的图像进行比较，截图如下所示：

从上图的对比中不难发现，融合之后图像的空间分辨率得到显著提高，街道、地块等文理信息可以很清楚的分辨出来。同时光谱颜色也得到保存，但有些许的光谱扭曲现象，出现了不明信息的红色斑块。

（2）Link SPOT-2影像进行比较，截图如下所示：

从上图的对比中不难发现，融合之后图像的空间分辨率与SPOT-2影像的空间分辨率相一致，并添加上了光谱信息。

8、自动融合——小波变换法。自动融合时有相同的地理坐标，则不需要进行配准，系统会自动完成。选择Transform——Wavelet Fusion，选择双线性内插法进行重采样，得到的小波变换融合图截图如下所示：

分析：

（1）Link融合之前的图像进行比较，截图如下所示：

从上图可以看到用小波变换法融合后的影像其空间分辨有所提高，且光谱信息得到很好的保存。

（2）Link SPOT-2影像进行比较，截图如下所示：

从上图可以看出用小波变换法融合后的影像与SPOT-2影像相比，地物的纹理特征并没有得到很好的保存，空间分辨率较SPOT-2影像低。

9、本次实验小波变换法与分量替换法均采用双线性内插法进行重采样。Link小波变换法融合后的影像与分量替换法融合后的影像进行比较，截图如下所示：

由上图的比较可以发现，分量替换法融合后的影像其地物的文理信息保存较好，道路、房屋的边界等信息容易区分，而小波变换法融合后的影像其空间结构特征保留不好，地物信息不能完全显示。而另一方面，小波变换法融合后的影像其光谱色彩得到很好的保存，并未出现光谱扭曲现象，而分量替换法融合后的影像会出现少量的由于光谱扭曲而产生的红色斑块。

由分析可知，如果希望得到较好的空间信息，用分量替换法进行融合效果较好；如果得到较好的光谱特征，用小波变换法进行融合效果较好。

二、ENVI分类

1、将多幅图像构建成一个新的多波段文件，输入波段将被重采样和重新投影到用户选择的输出投影和像元尺寸。选择Basic Tools——Layer Stacking——Input File，将需要叠加的图层影像进行输入，截图如下所示：

2、利用4、3、2波段（近红外、红、绿三波段）合成标准假彩色，其中呈现红色的为植被

信息，白色的为盐碱地或云，青白色地为建筑物，蓝黑色的为水体信息。截图如下所示：

3、裁剪出2000*2000空间范围的子集，选择Basic Tools——Resize Data（Spatial/Spectral）——Spatial Subset——Image，输入2000*2000，选择裁剪区域。裁剪影像要包含水体、林地、耕地、裸地、城镇、交通用地、其他等。裁剪完的影像截图如下所示：

4、确定分类类型。根据裁剪出的影像，确定要分的类别为水体、林地、耕地、裸地、城镇、交通用地、其他这七大类。

5、选取样本。选择Basic Tools——Region Of Interest——ROI Tool,打开选取样本工具栏，并开始在影像的Zoom窗口内选取样本。选样本时要全面，选取出所有灰度值不同的相同地物。截图如下所示：

2、对样本进行统计分析，查看其相关系数，检查质量。选择Options——Compute ROI Separability，选中所有样本类别，分析后的截图如下所示：

从以上数据可以看出，整体区分度较好，可以达到1.8以上。但由于原始影像问题，交通用地和城镇区分度在1.6~1.9之间，不易区分。

3、用N维光谱空间查看样本或编辑样本。选择File——Export ROI to n-D Visualizer，选中所有样本类别，截图如下所示：

从图上可以总体区分度较好，水体与其他类别完全区分的出来，林地和耕地有一小部分混在一起，不易区分；城镇和交通用地有一小部分混在一起，不易区分；其他类区分度较好。

10、监督分类。选择Classification——Supervised——Maximum Likelihood，用最大似然法进行分类。分类后截图如下所示：

11、为分类完的影像调整颜色。选择Tools——Color Mapping——Density Slice，修改的参数设置截图如下所示：

其中

1：耕地 2：裸地 3：水体 4：城镇 5：林地 6：交通用地 7：其他

点击Apply后，颜色修改完成。修改后的图像截图如下所示：

12、将分类结果叠加到原图上，修改类别颜色，或对微小类别进行删除或合并。选择原图的Overlay——Classification，由于植被颜色在假彩色影像上呈红色系列，勾选上林地和耕地后，对比原图覆盖区域。截图如下所示：

从上图可以看到红色地物基本都被覆盖，分类较好。

13、分类后处理。选择Classification——Post Classification——

Classification to Vector，将图像上的林地转化成矢量，并叠加到颜色修改后的分类图像上。截图如下所示：

矢量化只是对边缘进行，所以没有填充。从上图可以看出，林地边缘被完整的矢量化出来，分类较好。

11、选择Classification——Post Classification——Confusion Matrix——Using Ground Truth ROIs，用验证样本进行验证,利用混淆矩阵查看分类精度。验证样本截图如下所示：

混淆矩阵截图如下所示：

从上图可以看出总体精度为88.7965%，Kappa 系数为0.8615，分类较好。

14、将颜色修改好的图像导入ArcMap中，进行出图操作。分别添加标题、指南针、图例、比例尺、图框、制图人信息和日期等。制造好的土地利用类型图截图如下所示：

出图后的土地利用类型图截图如下所示：

第二篇：遥感图像处理实习报告

《数字图像处理》

集中实习报告

（2015-2016学年第2学期）

专业班级：地信1302 小组成员：曹晓东、傅文青、蔡雳鹏、黄亚阳

评语:

实习总成绩:

指导教师签名:

2016年04月01日

项目一：遥感数据下载

一、实习时间及地点

实习时间：2016年03月21日至04月22日 实习地点：测绘学院四楼微机室

二、实习内容

（一）、选定实验研究区和相关的两期或多期的数据

（二）、遥感数据下载

三、任务分工

首先小组内讨论实习研究的区域以及两期数据的大致时间段间隔 数据下载和图像增强：曹晓东 遥感图像镶嵌和裁剪：黄亚阳

遥感图像监督分类和动态监测：傅文青 遥感影像专题地图制作综合：蔡雳鹏

四、实习过程 研究区及数据准备

1.1 实验研究区筛选

从包含的地类、地物的种类尽可能的多的角度进行选择 选择研究区影像的时间段

2.1 选取的多大的时间跨度比较合适，可以使两期的影像较为明显 在http://glovis.usgs.gov/ 下载区域数据

3.1 首先确认所用电脑是否安装有Java的JRE环境或者Java开发者工具包

3.2 在USGS的官方网站上注册上自己的账户

3.3 按事先选择的区域和时间间隔进行筛选，选择适合的时间段（尽量不少于4、5年）

3.4 先去地理空间数据云网站去搜索好需要下载的时间段的地理数据，并按指定的云量进行筛选，然后记住相应的数据标识、条带号、行编号、中心经纬度等等，后到USGS的官方下载标准的数据包。如图所示：

3.5 针对网速的波动时间段，选择合适的时间段去下载实验区的数据（网速太慢的话只能回宿舍尝试自己的校园教育网）

五、实习总结

通过这次初步下载卫星遥感数据，让我个感觉自己进入了一个崭新的领域。还了解了通用遥感数据的下载流程，以及这些编号的基本含义，并且查了landsat卫星不同波段的不同用处，band1-band5和band7的空间分辨率为30米，band6的空间分辨率为60米还了解到了2003年Landsat-7的SLC故障后，采集的数据需要采用SLC-off模型校正。通过自己手动下载这些数据，深刻的体会到论坛的一些大牛说的有什么不懂的地方就查那些官方的文档，真的是这样。那就好像是自己小时候的玩具说明书，告诉你怎么样用，怎么样玩的更流畅。总之，第一次自己找并用数据的实习，刚开始就学到了很多东西。

项目二：遥感影像增强滤波处理

一、实习时间及地点

实习时间：2016年3月23日 实习地点：测绘学院四楼微机室

二、实习内容

（一）、针对已有的遥感影像的特征选择合适的影像增强方法

（二）、分别对已有的不同时期的影像进行规范化增强处理，选择合适的波段进行RGB合成图像，使影像范围内下垫面地物容易识别与提取。

三、任务分工

如项目一的任务分工所述

四、实习过程

1.将下载的7幅图像在basic tools下拉菜单的layer stacking(堆处理)中进行图像融合，如图所示，再选择对应的坐标系，命名新文件并存入指定的文件夹。2.然后在transform选项卡中分别选择principal componentsforward PC rotationcompute new statistics and rotate和NDVI进行 主成分变换和NDVI增强。3.最后进行波段相关性分析，在basic tools选项卡中选择statistics compute statistics项，看方差、直方图等分析数据，选择相关度最相近的三个波段，按假彩色合成的的方法来进行RGB色彩和成。成果如图：

五、实习总结

每个滤波处理都有自己的优势和不足，我们要善于利用每一种滤波的优势来增强图像从而让遥感图像变得更加分明，易读。虽然软件操作就那么几步，甚至一两个按钮搞定的事情，但是我们还是学习过处理原理的。觉得这样好像在这个软件处理数据的时候我可以假想电脑是怎么处理它的。这样可以让自己的思路更加明朗清晰。通过这次的实习也让我们意识到，前辈们的高超技艺，将纷繁的算法集成于一个小小的按钮便可以完成的事情。无意间增强了我们学习编程二次开发的信心和决心。

项目三：遥感图像镶嵌

一、实习时间及地点

实习时间：2016年3月24日 实习地点：测绘学院四楼微机室

二、实习内容

在实际操作中掌握遥感影像处理知识，学会对遥感影像的相关处理工作。

三、任务分工

如项目一的任务分工所述

四、实习过程

基于地理坐标的镶嵌操作：

1.打开ENVI软件，将两幅郑州遥感影像图导入Available Bands List中。2.在ENVI主菜单Basic Tools菜单中选择Mosaicking→Georeferenced，打开Map Based Mosaic窗口。

3.在Map Based Mosaic窗口中选中Import→ Import Files，加载需要进行镶嵌的影像数据。

4.加载完图像后，选中一幅图像，点击右键，选择Edit Entry，打开Entry窗口，将Data Value to Ignore改为0，羽化距离设置为10，将参考图像选为Fixed，其它图像全为Adjust。

5.在Map Based Mosaic窗口中选择File→ Apply，打开Mosaic Parameters窗口，将重采样改为三次卷积内插法（Cubic Convolution），像元大小设置为30米，输出影像mosaic.img。

五、实习总结

通过此次镶嵌实验练习，在实验的过程中不断的遇到问题并且解决问题，学习了邻近影像之间的匹配镶嵌，认识了一些关于镶嵌处理的方法，为今后的影像处理奠定了一定的基础。

项目四：遥感图像裁剪

一、实习时间及地点

实习时间：2016年3月25日 实习地点：测绘学院四楼微机室

二、实习内容

1.掌握用矢量裁剪遥感图像的原理方法； 2.熟练掌握有关遥感图像软件的性能和操作。

三、任务分工

如项目一的任务分工所述

四、实习过程

1.在ENVI主菜单点选Fileopen image file，打开待裁剪影像。

2.在ENVI主菜单点选Fileopen vector file，打开用arcgis软件中做好的郑州面要素文件来裁剪遥感影像图。

3.在弹出的Available Vectors List 对话框中，点击File Export Layers to ROI，弹出select data file to associate with new ROIS 对话框，在此对话框中选择待裁剪影像，点OK，将导出的EVF矢量文件转换为ROI。

4.在弹出的export evf layers to ROI对话框，点选：convert all records of an EVF layer to one ROI„，点OK。

5.在ENVI软件主菜单Basic Tools下拉菜单选择Subset Data via ROIs，用ROI对融合后的影像mosaic2.img进行裁剪，最后得到裁剪的图像。

五、实习总结

通过对ENVI软件的不断熟悉和操作，让我学到很多，ENVI作为对遥感学习的初步入门软件，熟练地掌握是必须具备的技能，在实验中，我遇到了很多困难，看到很多未知的，不解的知识，还有自己原先掌握的知识的困惑，通过与同学的交流学习解决其中的困难。知道了如何对一副遥感影像图进行裁剪，更加熟悉掌握了ENVI软件。项目五：遥感图像的计算机自动分类及精度评价

一、实习时间及地点

实习时间：2016年3月25日和03月28日 实习地点：测绘学院四楼微机室

二、实习内容

（一）掌握遥感图像监督与非监督分类的基本原理；

（二）得到给定区域内每一地类（农用地、建设用地、水体、不透水表面等）的面积；

（三）掌握对分类结果进行精度评价的方法；

（四）掌握相关软件的操作。

三、任务分工

如项目一的任务分工所述

四、实习过程 研究区及数据准备

1.1 open image file打开增强后的两幅影像“200601”和“201001”，选择5、4、3波段合成彩色图像。

图4-1 波段列表

1.2 根据图像的分辨率和实际情况将两幅图像都分为8类。

图4-2 5、4、3波段彩色图

2选择样本

2.1 在image窗口中选择overlay菜单选择下面的ROI，打开ROI窗口。2.2在ROI Name中输入“河流湖泊”按回车键，在三个窗口间进行切换，选择“ZOOM”窗口为选择窗口，在image窗口中进行切换找到对应颜色区域（蓝色），然后在zoom窗口中进行放大然后选取部分区域。（注意均匀选取）

2.3 选择“New Region”新建一个ROI，重复步骤2.2，分别选择林地、草地、居民地、工业用地、沙地、水田、耕地的样本，如图4-3所示：

图4-3 分类样本图

3可分离性分析

3.1在ROI Tool窗口中选择Options菜单下的compute ROI Separability，在打开的窗口中选择“郑州200601”图层，选择所有ROI，点击OK，生成图4-4的分离矩阵，从图中可看出各样本可分离性不错，符合要求，如果值不符合需要进行合并或者重新分配。

图4-4 分离矩阵图

4监督分类

4.1在ENVI主菜单中选择classification->supervised->maximun likelihood,用监督分类中的最大似然对图像进行自动分类，打开图像选择窗口。

4.2在打开的窗口中选择图像“200601”，点击确定，跳出ROI选择窗口，将所有的ROI都选择上将其输出到”监督分类”文件夹，命名为“2006”。得到下图列表：

图4-5

4.3重复上面步骤得到2010年的监督分类图。

5编辑分类结果

5.3打开新生成的影像“2006”，在image窗口中选择overlay->classfication,选择2006，在打开的窗口中课对每一类地物进行颜色和名字的设置与更改。

图4-6

6精度验证

6.1用混淆矩阵进行精度验证，打开classification->post classification->confusion matrix选择ROI进行精度验证。（由于没有验证数据，所以验证进度很高）

7统计分析

7.1打开classification->post classification->class statistics，选择生成的2006影像，点击确定，再选择原图像200601点击OK，选择所有的ROI，将直方图等勾选上，得到下面的统计图：

图4-6

8裁剪

8.1 从图4-6可以看出，工业用地不符合实际情况，原因是没有对背景进行处理，所以须用矢量图重新裁剪，过程同遥感影像裁剪步骤。

五、实习总结

本次实习内容为遥感影像的自动分类和精度评定，从实验课时的安排就能看出为这次课程设计的核心，也是这次课程设计的重点，我被分派到这一部分任务既感到高兴也感到责任重大，所高兴的是组员对我的信任，感到有压力的是怕自己做的不好影响到全组的成绩。就操作过程来说并不困难，难点在于ROI的选取，因为这次我们选择的是郑州市2006年和2010年的landsat5TM的影像，分辨率只有30米，虽然经过增强地物相对较清晰，但是要把每一类都区分出来还是比较困难的。主要原因在于我们是第一次做这种遥感影像图，对地物的辨别大多是通过轮廓，所以很多都不知道是什么地物，只有通过百度地图谷歌地图一类的高分辨率影像找到对应位置进行判别。尽管如此，我在2010年第一次分类中。草地跟居民地还有林地的区分度还是达不到要求，不得已只能对三类重新分类。好在第二次选样本点更小心，课分离度都超过了1.8，可是进行统计的时候又发现在两个时相的影像中有一类地物严重偏多，后来发现是背景没有处理的原因，只能将分类图进行二次裁剪去除背景。

总之这次实习内容并不复杂，监督分类与非监督分类的原理也较简单，关键在于细心和有耐心，虽然简单，但是却会遇到很多问题和需要注意的地方，这也是我们实习的目的，遇到问题，解决问题才有进步。

项目六：遥感影像专题地图制作

一、实习时间及地点

实习时间：2016年3月29日至4月1号 实习地点：测绘学院四楼微机室

二、实习内容

遥感影像的专题地图制作

三、任务分工

如项目一的任务分工所述

四、实习过程

1、打开2006监督后裁剪.bli，此时图层种有9种符号映射。

2、在图层上点击鼠标右键，选择属性。在属性对话框中，选择符号系统，切换到符号系统面板。

3、在色彩映射表中，修改标注。按照图形中的颜色，分别将对应的颜色修改为背景、河流湖泊、林地、草地、居民地、工业用地、沙地、水田、耕地，点击确定。

4、将视图切换到布局试图，在布局视图上点击右键，选择属性。在格网选项卡上，点击新建格网，创建参考格网。在框架选项卡中，将背景改为浅蓝色，点击确定。

5、点击插入-->标题，在文本框中输入“2006年3月土地利用分布图”，字体为宋体36号。

6、点击插入-->图例，设置为三列，将背景改为蓝色。

7、点击插入-->比例尺，选择单位为千米，点击确定，将比例尺放入图中合适位置。

8、点击插入-->指北针，选择合适的指北针，点击确定，放于图中合适位置。

9、点击文件-->地图文档属性，勾选存储数据源的相对路径名。

10、点击文件-->导出地图，分辨率设为300，将地图导出。

11、采用相同的方法将另一幅影像“2010监督后裁剪”制图后输出。

实习成果如图:

五、实习总结

制图综合在前一周刚做过实习，在制图方面并没有太大问题。但是在进行影像的监督分类时，由于考虑不充分，未能考虑影像的背景，导致分类后影像的背景和河流的颜色一样，在制图时无法将河流和背景分离开来。后来又给背景也分了一类才解决这个问题。

通过此次实习，让我学到了很多课堂上更本学不到的东西，掌握了只有通过实际操作、自己动手才能学到的技术和能力。这让我清楚地感到了自己学习能力的不足，看清了自身的缺点，也让我认识到了无论做什么都应秉持仔细认真的态度，要有一种平和的心态和勤学好问的精神，不管遇到什么事都要主动地去思考，多和同学讨论，多向老师请教，不要太过急躁，要对自己所做事情负责，要做到“言必行，行必果” 不可抱有推脱或者完全依赖别人的想法。我认为只要付出了努力，认真地实践，不管结果如何我们都将有所收获。

第三篇：遥感图像处理实习总结

遥 感 实习总 结

专业：摄影测量与遥感技术

班级：

姓名：

学号：

为期两周的遥感数字图像处理结束了，在老师的精心安排下，我们全身心的投入到这次实习中。虽然是满天的时间，但是由于教室还有其他人占用并不能在那全天使用，所以说是两周实习但是我们能用是时间依然很少，我们要力抓每一分每一秒，熟练操作遥感数字图像处理软件。整个实习是以黄河水院为基础图形。通过格式变换、几何校正、图像剪裁、图像分类，以及最后的专题地图制作。

实习的过程简单又复杂，简单的是，只要动手，计算机几乎自动化的替你操作，复杂的是，在操作过程中，又有好多选项和注意的事项，有很多参数的设置很有讲究。所以在练习中我遇到好多问题，并通过解决这些问题进一步加深了对软件和课本知识的理解。

首先我们进行的是数据预处理。我们需要进行遥感图像的几何校正。由于各种误差所以遥感图像存在着几何变形，因此需要在操作前进行几何校正。流程如下：第一步：显示图像文件（打开两个视窗窗口），第二步：启动几何校正模块，第三步：启动控制点工具，第四步：地面控制点（GCP）的采集，第五步：采集地面检查点，第六步：图象重采样，第七步：保存几何校正模式。其中最关键最难的就属地面控制点的采集，我们使用的是二次多项式，所以得选取六个控制点然后再选出六个检查点。但是图像存在着误差，而我们要把误差控制在一个像素以内，这就更加困难了。在进过长时间的摸索和练习，精度慢慢的就达到了，但是图纠正后依旧不是很好，在询问同学后发现原来是点的分布不是很均匀，所以导致了图的变形。在图的校正后就得进行图范围的裁剪得到所需的范围。裁剪有两种方法一种是规则分幅裁剪，一种是不规则分幅裁剪。规则分幅裁剪需要知道坐标，而不规则分幅裁剪则只需要在图上手选出需要裁剪的范围。而我们没有坐标只能用不规则分幅裁剪。

第二项就是图象增强处理，主要包括：空间、辐射、光谱增强处理的主要方法。空间增强：包括卷积增强处理，辐射增强：直方图均衡化处理，光谱增强：主成份变换、缨穗变换、色彩变换。这一项比较简单，通过指导书和上课的学习，这些增强只要知道步骤就能很快完成。

第三项我认为也是最关键的一项，遥感图像的分类，所谓的遥感图像的分类就是通过人工目译或计算机自动分类处理相结合识别出地物属性。我们做的分类是非监督分类，在进行的分类评价时，应用分类叠加方法来评价分类结果、分类精度及定义时应注意分类文件在上，而且取消栅格参数中清楚选示选项，以使两图像叠加显示。非监督分类步骤如下：第一步：显示原图像与分类图像，第二步：打开分类图像属性并调整字段显示顺序，第三步：给各个类别赋相应的颜色，第四步：不透明度设置，第五步：确定类别专题意义及其准确程度，第六步：标注类别的名称和相应颜色，第七步：将相同的类进行合并，最后分为五大类：建筑物、道路（空闲地）、水系、草地和灌木林。

第四项是制作专题地图。其操作步骤为：

一、准备专题制图数据，二、生成专题制图文件，三、确定专题制图范围，四、放置图面整饬要素。而图面整饰又包括1.绘制格网线与坐标注记，2.绘制地图比例尺，3.绘制地图图例，4.绘制指北针，5.地图名称的设定，6.地图的保存。其中创建格网中可以设置格网线的多少和起始值，这一步主要是对制作专题图的一些整饰，可以使图美观易懂。

为期两周的实习结束了，经过这次系统全面的实习，让我更深刻的了解了遥感图像的操作流程，也掌握了面对常出现问题的解决方法，同时也让我对课程有了更确切的理解，把理论应用于实际，同时加深了对理论部分的重点理解，还提升了动手能力。

第四篇：遥感图像处理实验报告

遥感图像处理实验报告

班级 11资环 姓名 学号 实验专题 实验室 F楼机房 成绩评定 教师签字

专题一：DEM图像进行彩色制图··························································2（叙述制图过程并把自己处理结果加载到本文档里）

专题二：TM与SPOT数据融合····························································3（叙述该过程并处理结果加载到本文档里。注意用两种方法融合的过程）

专题三：航片的配准与镶嵌·····························································4（叙述该过程并处理结果加载到本文档）

专题四：切取某研究区域的操作·························································5（具体要求：卫星影象叠加，选择其中三波段彩色合成，采用ROI切取研究区）

专题五：地图制图的方法·······························································6（主要是快速制图。并任选一样例加载制图后结果）

专题六：使用ENVI进行三维曲面的浏览与飞行············································7（叙述该过程并处理结果加载到本文档里）

专题七：监督分类试验（任选一种监督分类方法，并叙述···································8（其过程将其结果加载到本档里）。实验专题： 专题一：DEM图像进行彩色制图

1、加载一幅DEM的灰度图像，使用系统默认的IDL颜色表来调整屏幕的颜色表。

2、给生成的彩色图像添加图名、格网、比例尺、灰度条、等高线及数值等信息。

3、调整位置，保存图像。结果如下图 实验专题： 专题二：TM与SPOT数据融合

1、主图象窗口选择Transform > Image Sharpening > HSV，从一个打开的彩色图像中选择三个波段进行变换。

2、对原DEM图像进行拉伸处理。

3、将HSV图像重新转换为RGB图像。分别对应H-R,S-G,拉伸图像-B。

4、加载最终图像，并保存结果。结果如图所示：

实验专题： 专题三：航片的配准与镶嵌

1、加载两幅图像，其中一幅作为base image，一幅作为warp image。

2、在主菜单Registration里的Select GCP(Ground Control Points)来选择地面控制点，并调整误差。

3、执行图像—地图配准。

4、图像镶嵌。执行Map> Mosaicking > Pixel Based。

5、在Pixel Based Mosaic对话框，选择Import > Import Files and Edit Properties，调整羽化、背景等参数。

6、输入其他参数，加载结果图并保存。结果如图：

实验专题： 专题四：切取某研究区域的操作

1、加载一多波段彩色图像，在主图像窗口中，选择Overlay > Region of Interest。

2、ROI的类型选择polygon，在image窗口中画出研究的区域。

3、通过选择Basic Tools > Masking > Build Mask，建立掩膜。

4、选择Basic Tools > Masking > Apply Mask，应用掩膜来切取研究区域。结果如下：

实验专题： 专题五：地图制图的方法

1、打开显示要输出的图像。

2、从主图像显示窗口中，选择File>Quickmap>New Quickmap，修改输出页的大小、页的范围以及地图的比例。

3、设置图名、投影并添加map key等信息，保存图像。结果如下：

实验专题： 专题六：使用ENVI进行三维曲面的浏览与飞行

1、在显示图像的主图像窗口中，选择Tools> 3-D SurfaceView。

2、选择相应的数字高程模型（DEM）输入文件及所需要的DEM Resolution（像元数）复选框。

3、调整垂直方向的放大系数，输入的值将使得垂直方向真正放大。值越高，放大越多。

4、执行User Defined Mode对话框以调整3D图像的位置，角度等信息。

5、选取最佳视觉位置保存。

实验专题： 专题七：监督分类试验

1、首先选择感兴趣区域，即ROI。

2、选择Classification > Supervised > 需要的分类方法，以平行六面体(Parallelepiped)为例。

3、输入一般的分类参数（分类参数对话框中列出的那些），这一对话框包含了一个额外的参数—标准差数，用于ROI平均值周围。在“Max stdev from Mean”文本框里，键入一个数值。标准差的默认值3被自动输入到这一文本框里。

4、执行，并保存结果。如图所示

第五篇：遥感图像解译实习报告

遥感图像解译课程

综合实习

实习报告

学院：遥感信息工程学院

班级：10011

学号：20103025900

姓名：李祥

指导老师：刘继琳

一、实习目的与意义

1.掌握遥感影像的目视判读方法和流程，能够对快鸟影像、SPOT影像和航拍影像进行目视解译；

2.学会使用图纸制作遥感影像底图并清绘遥感影像； 3.掌握实地调绘、核实和补测的基本方法；

4.学会使用ERDAS软件进行数字化成图，并制作专题图。

二、实习资料与设备

在进行内业清绘和外业调绘阶段，实习资料有2002年的快鸟影像一张、2002年的SPOT影像一张、2007年的航空影像一张、转印纸三张。

在进行室内计算机成图阶段，实习资料有2007年的航空影像一张、2002年的快鸟影像一张以及ERDAS软件。

三、实习原理

一）遥感图像解译标志

1)色调（tone）：全色遥感图像中从白到黑的密度比例叫色调（也叫灰度）。如海滩的砂砾色调标志是识别目标地物的基本依据，依据色调标志，可以区分出目标地物。

2)颜色（colour）：是彩色遥感图像中目标地物识别的基本标志。日常生活中目标地物的颜色:遥感图像中目标地物的颜色:地物在不同波段中反射或发射电磁辐射能量差异的综合反映。彩色遥感图像上的颜色:真假彩色 3)阴影（shadow）：遥感图像上光束被地物遮挡而产生的地物的影子

根据阴影形状、大小可判读物体的性质或高度。不同遥感影像中阴影的解译是不同的

4)形状（shape）：目标地物在遥感图像上呈现的外部轮廓。

遥感图像上目标地物形状:顶视平面图 解译时须考虑遥感图像的成像方式。

5)纹理（texture）：内部结构，指遥感图像中目标地物内部色调有规则变化造成的影像结构。如航空像片上农田呈现的条带状纹理。纹理可以作为区别地物属性的重要依据。二）目视解译流程

四、实习步骤

实习过程可分室内判读和外业实地调绘以及内业数字化成图三个步骤。室内判读是利用2002年10月获取的0.6米分辨率的快鸟卫星遥感影像和2.5米分辨率的SPOT5（实际是2.5米全色与5米多光谱数据融合的）数据制作正射影像图，根据室内判读方法，对图斑的形状、大小、色调、位置、纹理等特征进行对照分析，依照分类规则，按10种地物类别进行判读解译，勾绘图斑工作底图，然后再与2002年土地利用现状数据进行比较，发现变化要素并将其绘制到工作底图上。对于无法从室内确定是否发生变化的图斑，或变化不明确的，要进行外业实地调查，以确保更新的准确性。外业调绘则对变化要素进行实地调绘、核实和补测。通过以上的工作步骤，完成对华农幅2002版土地利用现状图进行复核更新。内业数字化成图则利用遥感图像处理软件ERDAS进行。具体步骤如下：

一）内业判读

内业判读主要是解译人员根据自己的专业知识、地理区域知识、遥感系统知识从遥感影像中提取遥感信息、反演地面原型的目视判读方法，然后绘制底图。

1)图像解译

遥感解译的实质是个分类过程，即根据遥感图像的光谱特征、空间特征、时间特征，按照解译者的认识程度，或是自信程度和准确度，逐步进行目标的探测、识别和鉴定的过程。首先确定一个目标或特征的客观存在，在更高一层的认识水平上去理解目标或特征，并把它粗略地定为某个十分普通的、大类别中的一个实体，再进一步根据图像上目标的细微特征，已足够的自信度和准确度，将上述识别的这个实体，划归在某一种特定的类别中。

遥感图像的解译是从遥感影像特征入手的，包括色调或颜色、阴影、大小、形状、纹理、图案、位置、组合等。2)绘制底图

根据提供的遥感图像，将转印纸覆盖在07年的航片和02年的SPOT影像上，进行草图勾绘。

在进行勾绘时，需要注意勾绘出主要地物，包括主要道路、建筑物、河流等，这样一些地物在实地勘察是具有重要的指向作用，保证了外业调绘的有效地进行。对于航片的初步勾绘，详略应该得当，如果绘制的过于细致，则会导致勾绘图上分不清具体的地物；如果勾绘的过于粗略，则会导致不能充分的反映影像内容而造成外业勘察的困难。

我们组测区是华中农业大学西北角，占较大面积的地物有农田、苗圃、水系、裸地、道路和建筑。

根据解译标志。分别在快鸟影像和SPOT上解译出以下地物：

农田：在影像上一般呈现绿色调，而且形状大多较规则，呈方块状紧密连在一起，纹理较均匀；

苗圃：色调呈浅黄色，形状较规则，纹理也较均匀，但没有农田均匀； 水系（包括鱼塘等）：在图像上占最大面积，呈深蓝色，几乎无纹理； 道路：呈条带状，色调为白色；

建筑（房子）：片状分布，呈矩形紧致连在一起，并且有阴影。

快鸟影像比SPOT影像的分辨率更高，所以影像更清晰，颜色层次更鲜明，区域边界更明显，纹理和阴影更易识别。

二）外业实地勘察

根据所绘制的草图，结合Google路线图，开展外业调绘、核实和补绘。对于内页介意没有变化的图斑，采用图例在底图上标注。对于内业解译中的变化图斑，需要在实地进一步的进行调查核实，在确定其变化后的地类后，在草图上标出其图斑的地类；对于内业解译错误的图斑，在工作图上用红笔标明；对于遥感图像上与实地不一致的地方，尤其需要实地的进行调查和勾绘，在勾绘时，需要结合变化地物的地理位置、尺寸以及与其他地物的相互关系等来进行绘制，也需要用红笔标明出来。

我们组测区主要是地物类别是建筑，农田和苗圃。主要图斑变化情况是由裸地变成建筑、道路，水系变成裸地等。

三）整理、清绘外业调绘成果图

在完成了外业调绘图后，需要对其进行整理和清绘。首先，需要依据变化的地物，合理的勾绘出实时的地物分布图，可以结合谷歌地图以及外业的调查结果，合理的完成地物的绘制，需要达到清晰、准确的反映地面地物分布的要求。完成了实时地物的勾绘后，再根据地物的实际类型，结合具体的制图标志，将地物的具体类别用符号准确的标记在清绘图上。

清绘图的准确进行，需要我们认真、细致的外业调绘，不仅要求具体的标绘出变化的地物，而且需要详细的表示出各类地物的具体类别，为计算机成图打下良好的基础。

四）数字化成图

野外调查完成后的遥感图像目视解译成果，一般以专题图或遥感影像图的形式表现出来。利用ERDAS软件进行屏幕数字化转绘图形，编辑成图。

首先，根据利用ERDAS软件将02年快鸟影像和07年的航拍影像进行几何配准，裁剪出出07年所需区域的航拍影像，作为数字化成图的原始数据。

然后利用ERDAS软件新建一个和上述快鸟影像相同大小的图层，作为专题图绘制图层。进行专题图的绘制时，可以结合02年的快鸟数据、07年的航空影像以及清绘图，综合进行地物的绘制。主要包括两个过程：

1）用ERDAS软件的AOI工具，将转印纸标绘的地物输入到计算机中； 2）用专题制图模块，制作土地利用分类图。

在进行专题图的绘制时，应该将同一类地物一起勾绘。我们小组测区内，地物可以分为裸地（未分类部分视作裸地）、水系、农田和苗圃、建筑和道路五大类，每一类均应该分别勾绘出来，并用不同的颜色表示。

完成了土地利用图的勾绘后，就可以利用ERDAS中的专题图生成模块，进行专题图的生成。加入专题图名称、比例尺、指北针、公里格网、图例等专题图要素后，即完成了土地利用专题图的绘制。

注：成图过程中，我们利用ERDAS中的new map composition板块进行相应的操作。点击Composer图标→New Map Composer，在New Map Composer对话框中定义一系列参数产生专题制图文件；在Map Frame对话框中，定义一系列参数，确定制图范围；运用Create Grid/Ticks图标，绘制格网线与坐标注记；运用Create Scale Bar绘制地图比例尺；在Create Legend中绘制地图图例；在Styles中确定指北针的类型；在Text Styles Chooser中绘制地图名。

五、实习成果

图1是我们第二小组绘制的本测区的土地利用图，图中将地物一共分为五类，分别用不同的颜色表示出来。由于本测区位于华中农业大学周边，因此建筑物十分复杂，在绘图时部分零散建筑采用一个地块表示。

图1 土地利用图

图2 是在完成土地利用图的基础上的，绘制的专题地图，加入了图名、格网、指北针、图例、比例尺等要素，使得图像的专题意义更为清晰明了。

图2 土地利用专题地图

六、实习体会

遥感图像解译综合实习是对目视解译整体流程的一次综合实践。在实习准备阶段，了解待解译区域地物分布特征。在室内解译阶段，充分利用之前机房实习的解译经验，从02年QuickBidr和07年航空摄影影像解译出地物块，并进行对比分析，找出变化要素。室外解译阶段，以小组为单位，进行实地调绘，结合影像进一步判读地物类型的变化。最后，根据野外调绘结果清绘图，导入计算机，利用ERDAS软件进行数字化成图。

整个实习过程如行云流水般，在老师的悉心指导下一步一步完成。这次实习，即使对课堂所学知识的一次全面的回顾与实践，也提高了我们的动手能力和团队协作精神。在外业调绘阶段，团队成员分别负责路线选择，实地考察，变化要素识别，变化要素绘制，协作过程井然有序。在数字化成图阶段，团队成员分别负责裸地、水系、道路、农田和苗圃、建筑的数字化生成对应地物类AOI，然后小组成员共同对AOI进行合并，生成地物类别专题图。

同时，实习过程中得到了老师的悉心指导，解决了一些关键问题，在此表示忠诚的感谢。