高光谱遥感实习报告

第一篇：高光谱遥感实习报告

中国地质大学（武汉）

《高光谱遥感》上机实习报告

学 号： 20141000360 班级序号： 113142 姓 名：林浩 指导老师：沈永林

实习一

1.高光谱数据的基本信息查询：

（1）打开数据

（2）鼠标放在cup95eff.Int左键点击->edit header，查看头文件信息

2.数据分析

（1）在ENVI主菜单下选择：File>OpenImageFile，在打开的文件选择窗口中选择图像文件cup95eff，点击OK打开图像。

（2）打开它的2-D散点图Tools>2-DScatterPlots,并且选择band172、173

（3）得到2d散点图

3.高光谱数据MNF变换以及纯净端元提取

样本的选取与分类

（1）在ENVI主菜单下选择Transform>MNFRotation>ForwardMNF>EstimateNoiseStatisticsfromData

：

（2）进行mnf变换设置

（3）得到特征值曲线

（4）查看mnf变换后band1和band2的2d散点图

（5）在散点图中用ROI制图功能将点云拐角零散的几个点圈起来

（6）在2-D散点图窗口中选择：Options > Export All 提取各样本区

（7）点击Select ALL 然后点击stats

（8）在ENVI主菜单下选择：Spectral > Spectral Analyst，我们选择USGS（美国地质调查局）波谱库

（9）选择红色区域 得到匹配结果

得出红色区域为明矾石。

（10）同理得到绿色区域结果

判断该为锂辉石

蓝色区域

判断该为高岭石

黄色区域

判断该为赤铁矿

青色区域

判断该为黄钾铁矾

洋红区域

判断该为黄钾铁矾

褐红色区域

判断该为白云石

（11）通过分析是否有两类极其相似，于是我把这两类合并。在ROIs Tools窗口中选择Option > Merge Regions

得到分类好的样本区域

分类

（1）在ENVI主菜单下选择：Pixel Purity Index > [FAST]New Output Band

进行10000次迭代

（2）得到的PPI图像如下所示：

（3）由PPI图像生成样本区。

在ROIs Tool对话框中选择Options > Band Threshold to ROI 建立一个只包含拥有高PPI值像素的ROI

（4）在弹出的对话框中输入最小极限值100，提取训练样本。

（5）在ENVI主菜单中选择Spectral > n-Dimensional Visualizer > Visualize with New Data

（6）选择其前十个波段进行观察

（7）使用n维空间观察仪

（8）选择其中5个波段进行模拟

（9）在ENVI主菜单下选择：Classification > Supervised > Spectral Angle Mapper。选择原始图像作为待分类图像。

（10）在此窗口中选择：Import > form ROI from Input File

（11）选择我们刚才定义好的样本区

（12）这些样本区就出现在端元收集器中了

（13）设置分类参数

（14）得到最后分类的图像

第二篇：高光谱实习报告

高光谱遥感实习

报告

1、通过给定的数据1DATA（excel文档格式）建立光谱库，并将该光谱库数据重采样至TM传感器的光谱分辨率。

1.1光谱库重采样

使用“Spectral Libraries | Spectral Library Resampling”子菜单进行光谱库重采样。

在“Spectral Resampling Parameters”对话框里，选择 “Input Data File” 作为重采样方法, 第一步：出现“File Containing Output Wavelength”对话框时，点击需要的文件名。此时是can_tmr.img作为参考文件，也就是说光谱库中的光谱将以TM的波长范围进行重采样。如下系列图所示：

第二步：点击【OK】开始重采样过程。数据文件在它的相关文件头中，必须包含用于重采样的波长数值。如果在文件头中，出现 FWHM 值，它们也将用于重采样。

（1）在“Available Bands List”中出现重采样后的光谱库。（2）通过光谱库查看功能查看重采样后的光谱数据。

第三步：通过光谱库查看重采样后的结果

1.2光谱库建立

操作步骤：

第一步：选择“Spectral | Spectral Libraries | Spectral Library Builder”。

第二步：出现“Spectral Library Builder”对话框时，从 “Data File”(ENVI 图像文件)或ASCII File”、或“File Input Spectrum”，为新库选择数据源。第三步：出现“File Containing Output Wavelength”对话框时，用标准选择程序选择包含波长和可选项FWHM值的输入文件。

（1）当采用 “Data File”，波长和 FWHM 值（若存在）从 ENVI 头文件中读取。如图18.（2）当采用 “ASCII File”, 必须选上包含波长值与 FWHM(若存在)的列。（3）当采用“file input spectrum”时直接弹出Spectral Library Builder 对话框（4）点击【OK】。出现“Spectral Library Builder”对话框，允许选择光谱库。如图

第四步：“Spectral Library Builder”对话框运用这一对话框从各种数据源中收集端元光谱。所有光谱自动被重采样到选择的波长空间。这一对话框的个别部分见下面描述（参见错误！未找到引用源。节“端元收集”）。

第五步：此时例子选择的为野外采集光谱文件“ASD file”则根据选择的波长建立光谱库。由选择的光谱建立一个标准ENVI光谱库文件。可以看到，该光谱曲线已经被采样到can_tmr.img文件的波长范围了，即6个波段。这表明输入的ASD数据已经被ENVI识别并已经可以使用了。那么下一步就是将其保存为ENVI的光谱库文件。

第六步：在“Endmember Collection Spectra”对话框中选择“File | Output Spectra | Spectral Library”。

第七步：出现“Output Plots to Spectral Library”对话框时，输入输出文件名，此时该光谱库就已经被建立。

第八步：关闭“Spectral Library Builder”对话框，选择“File | Cancel”

2、对数据2构建三维影像立方体。

操作步骤：

第一步：选择“Spectral | Building 3D Cube”菜单

第二步：输入构建3维影像立方体文件，选择ENVI自带的cup95eff高光谱数据进行实验。第三步：弹出“3D Cube RGB Face Input Bands”对话框，输入影像RGB，用于影像立方体第一层显示。

第四步：弹出“3D Cube Parameters”对话框，选择色彩对应表，显示立方体其他部分的颜色对应表。

第五步：显示结果

3、对数据2的column=10的位置进行光谱切面。

3.1水平切面

操作步骤：

第一步：选择“Spectral | Spectral Slices | Horizontal Slice”。

第二步：出现“Spectral Slice Input File”对话框时，选择一个输入文件和需要的光谱子集 第三步：出现“Spectral Slice Parameters”对话框时，在标有 “Line” 的文本框里输入用

于水平切面的行数

第四步：选择输出到 “File” 或 “Memory”。如果选择输出到 “File”，输入一个输出文件名，或用【Choose】按钮选择一个输出文件名。

第五步：一旦所有参数都已经输入，点击【OK】继续。水平光谱切面图像将被添加到“Available Bands List”中，可以用标准 ENVI 功能显示和处理。

3.2垂直切面

操作步骤：

第一步：选择“Spectral | Spectral Slice | Vertical Slice”。

第二步：出现“Spectral Slice Input File”对话框时，选择一个输入文件和需要的光谱子集。

第三步：出现“Spectral Slice Parameters”对话框时，在标有 “Sample” 的文本框里，为垂直切面输入一个样本数。

第四步：选择输出到 “File” 或 “Memory”。如果选择输出到 “File”，输入一个输出文件名，或用【Choose】按钮选择一个输出文件名。

第五步：一旦所有参数都已经输入，点击【OK】继续。垂直光谱切面图像将被添加到“Available Bands List”中，可以用标准 ENVI 功能显示和处理。

4、对数据2进行包络线去除，指出包络线去除后的光谱与原始光谱曲线的区别。

操作步骤：

第一步：选择“Spectral | Mapping Methods | Continuum Removal”。

第二步：出现“Continuum Removal Input File”对话框时，选择输入文件，选取的空间或光谱子集或掩模。

第三步：点击【OK】。

第四步：出现“Continuum Removal Parameters”对话框，选择输出到“Memory”或“File”。如果选择输出到“File”，输入一个输出文件名。第五步：点击【OK】，开始处理。出现一个状态窗口，显示处理的进度。最终结果将出现在“Available Bands List”里。

5、对数据2利用MNF变换进行特征提取，并比较提取后的特征光谱与原始光谱特征光谱的区别。

MNF变换（MNF Rotation）实现对遥感数据进行最小噪声分离，具体实现参见下面步骤：

第一步：选择“Spectral | MNF Rotation | Forward MNF | Estimate Noise Statistics from Data”菜单进行MNF变换。

第二步：在“MNF Transform Input file”中选择进行MNF变换的影像，此处选择的是ENVI自带的cup95eff AVIRIS高光谱影像，为了运算速度，本次实验只选择了该影像的子集（通过“Basic Tools | Resize Data”工具进行）。

第三步：弹出“Forward MNF Transform Parameters”对话框，输入MNF变换所需要的参数。输出噪声统计文件；输出MNF统计文件；选择输出到 “File” 或 “Memory”。如果选择输出到 “File”，输入一个输出文件名，或用【Choose】按钮选择一个输出文件名；选择是否通过特征值选择子集；输出MNF文件的波段数的选择。

第四步：在波段列表中输出MNF影像以及特征值曲线图，从图中可以看出大约在第20个波段以后的MNF波段的特征值很小，因此如果进行降维的话可以选择20左右，此例选择20。

6、利用PPI算法对数据2提取像元的纯净指数，解释结果图像的意义，并通过设置阈值提取端元。

像元纯净指数（Pixel Purity Index，PPI）是一种在多光谱和高光谱图像中寻找光谱纯净像元的方法。

6.1 [Fast] New Output Band

操作步骤：

第一步：选择“Spectral |Pixel Purity Index | [FAST] New Output Band”。第二步：出现“Fast Pixel Purity Index Input File”对话框时，选择一个输入文件或用标准ENVI 光谱和空间子集程序选择子集。PPI 运行 MNF转换结果，光谱子集根据特征图像和特征值图排除噪声波段。此时采用上一节MNF变换后的例子，经分析得知第20个波段以后的特征值很小（如图），因此只需要选择前20个波段进行处理。这样做的优点是可以在不影响精度的情况下加快PPI的运算速度。点击【OK】后，ENVI会提示用户需要的内存数。

第三步：点击【OK】继续。出现“Pixel Purity Index Parameters”对话框，进行PPI参数设置

第四步：在同一地方重新开始，选择“Spectral | Pixel Purity Index | Existing Output Band” 第五步：显示PPI处理结果。如所示。结果图中的每个像元被标记为极值的总次数，也就是说图中像素越多，它被标记为极值的总次数也越多，像元越纯的可能性就越大。

6.2用PPI图像进行端元（Endmember）选择 操作步骤：

第一步：用标准 ENVI 显示程序显示图像比较亮的像元表示采用的光谱极值较多，光谱比较纯。较暗的像元表示光谱纯度较低。

第二步：在 ENVI主窗口处选择“Tools | Cursor Location/Value”以判定图像中值的范围。

第三步：选择“Tools | Region of Interest | Band Threshold to ROI”来生成一个只包含 PPI 高值的像元。

9、利用线性混合分解技术（linear spectral unmixing）对数据3进行混合像元分解。

操作步骤：

第一步：选择“Spectral | Mapping Methods | Linear Spectral Unmixing”。第二步：出现“Unmixing Input File”对话框，选择一个输入文件，（若需要）用标准ENVI光谱和空间子集以及掩模程序选取的空间子集或用一个掩模。选择进行分解的影像为ENVI自带的高光谱影像“wuhanTM”影像。通过ROI选择了6个端元

第三步：点击【OK】继续。出现“Endmember Collection：Unmixing”对话框。选择“Import from ROI/EVF file”。当所有需要的端元都已经选上以后，点击“Endmember Collection:Unmixing”对话框底部的【Apply】按钮。

第四步：弹出“Unmixing Parameters”对话框。如果用户想在分解过程中运用限制性条件则用箭头切换按钮选择【Yes】。如果选择了【Yes】，在“Weight”文本框里输入一个权重。这一权重被添加在分解倒置过程中的联立方程里。权重越大，所进行的分类就越满足设定的限制条件。

第五步：选择输出到“Memory”或“File”。如果选择输出到“File”，输入一个文件名。第六步：点击【OK】，开始光谱分解。出现一个显示处理状态的窗口。

第七步：混合光谱分解的结果。光谱分解的结果将以一系列灰度图像的形式出现，每个端元对应一幅丰度图像，并加上一个平方根误差图像。较高的丰度（RMS误差图像的较大误差）对应较亮的像元。例如，在下图中，较亮的像元代表了在该图中该端元的丰度较高。丰度值在0~1的数据范围内，但是也有可能出现负值和大于1的值。错误的丰度象征着错误的端元。结果由输入的端元决定，且随端元的变化而变化。

10、利用光谱沙漏向导（spectral hourglass wizard）实现对光谱角分类（SAM）制图。

操作步骤：

第一步：打开“Spectral | Spectral Hourglass Wizard”菜单

第二步：打开向导对话框，该对话框为介绍对话框，选择“Next”进行下一步。

第三步：在下一个对话框中点击【Select Input File】和【Select Output Root Name】选择输入输出文件。选择“Next”进行下一步。如图

第四步：进行MNF变换，选择输出MNF波段的数目。此处可以选择一个空间子集进行操作，选择“Next”进行下一步。如图

第五步：得到MNF结果，被保存且在波段列表中可以显示。选择是否查看和动画显示。如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步。第六步：计算数据维数，通过MNF变换可以降低数据维数，点击【Calculate Dimensionality】，弹出“Spatial Coherence Threshold”对话框，根据空间相关性阈值确定其数据维数为23（图中红线表示）。如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步。

第七步：选择是否从影像获取端元。从影像获取端元如下所示，手动方式请参见错误！未找到引用源。节“端元收集”。如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步

第八步：进行PPI计算。该步采用PPI获取纯净端元选择，设置PPI相关参数，参数含义参

见像元纯净指数

四、节“像元纯净指数”功能，如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步

第九步：得到PPI结果，选择在n维可视化仪显示的最大PPI的像素数，如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则“Next”进行下一步

第十步：利用N维可视化界面进行端元选择，该功能首先自动聚类选择相应的端元供用户参考，如此时选择了23个端元。点击【Retrieve Endmember】将n维可视化仪获得的端元列于“Endmember list”列表中。可以通过【Plot Endmember】查看端元光谱曲线，还可以点击【Start Spectral Analyst】按钮进行光谱分析。

第十一步：选择是否采用n-维可视化仪获得端元进行下一步操作还是用户自己选择端元，本例用n-维可视化仪获得端元，选择NO，如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步。

第十二步：选择处理方法及参数，有三种制图方法：光谱角；混合调制匹配滤波；分解。设置相关的参数

第十三步：此时计算出了制图的结果，列于波段列表中。其中SAM结果可以直接通过下图进行查看。

第十四步：任务完成点击【finish】得到总结报告。此时的中间结果都在波段列表中显示。

如图：

小结：

通过这次高光谱遥感实习，我较为熟练的掌握了ENVI这个软件的使用，这次实习题目都是对我们上高光谱遥感课程的知识的巩固和动手能力的提高，让我对高光谱遥感的基本知识和操作有了更深层次的认识。在实习中，对于基本的功能我能够摸索出来，其中，在操作中出现了一些问题，不过，经过与同学的探讨交流，最终基本的实现了结果，但还有许多应改进之处。但是对于这个软件还是有一些不熟悉的地方，以后如有机会还是要再次认真的学习。唯一让我后悔莫及的是考试之前没有好好做这个实习，以至于当时好多内容都没有很好的掌握。总之，通过这次实习，学到了不少东西，虽然以前对遥感进行过ENVI的实习，但是这次实习使我对高光谱遥感有了全新的认识，通过实践对理论知识有了更加深刻的理解，受益颇多。

第三篇：遥感实习报告

开始作图。

3实训体会

本次实习总共四天的时间，主要内容是学会使用VirtuoZo NT系统。在这四天的实习过程中，我们学会了很多，掌握了很多以前所不了解的，但是也遇到了很多的问题。在最开始的时候，对实习的内容以及软件都不了解，不知如何下手，而在经过老师的亲自一步一步操作示范给我们看的时，虽然没有完全掌握，但是之后在老师和同学的帮助下，都一步步顺利的完成了。在本个实习中，我不仅学会了VirtuoZo NT系统的使用，在VirtuoZo NT系统中进行模型定向、影像匹配、生成DEM及正射影像的制作、数字影像测图等。

分析我自己做的成果，再与老师所做的进行比较发现，我所处理的结果误差明显偏大。究其原因，乃是对立体观测切准地物的各种方法和技巧不熟悉所至。可喜的是，经过数小时的训练，最终的准确度有明显提高。

由于经验不足使我在操作上有些盲目既不知道自己操作的对错也不知道打到什么位置最好。

在考试的时候我对打高程点还是不清晰，努力让自己沉静下来让自己找到感觉，然后慢慢的开始打点，找到感觉后就开始打点。点的高程慢慢的打对了。

实习中多亏了同学们的帮助，老师的指导，加上多次的练习我会了VirtuoZo的大概操作。知道了VirtuoZo的作用。这次实习内容丰富，使我学到了不少东西。它不仅让我认识到了Virtuozo的各种功能和工作流程及部分原理，还让我对数字摄影测量数据获取有了更深刻的了解。同时也使我对数字摄影测量课程有了一个整体的概念。

第四篇：遥感实习报告

江西理工大学建测学院地信专业

遥感课程实习报告

（第三组）

遥感课程设计实习报告

一、主要内容

1、根据实际测量的GPS坐标点校正每组截取的百度地图或谷哥地图，校正后坐标统一转化成WGS84投影。

2、使用每组校正后的百度地图或谷哥地图校正CBERS-02B全色影像。

3、用CBERS-02B全色影像校正CBERS-02B多光谱影像。

4、根据每组指定区域，完成相邻图像镶嵌或裁剪。保证20米和2.36米影像区域完全重合。

5、图像噪声消除与图像增强（本步骤在有需要的时候执行）

6、使用适当方法完成全色影像和多光谱影像的融合。

7、通过目视判读识别和手工提取地物（可在Arcgis中完成），利用计算机自动识别方法进行地物分类及分类后处理。

8、利用手工解译的地物评价计算机自动识别方法地物的精度。

9、用原始的遥感影像作为底图，提取的地物附在底图上制作专题出图。

10、根据第17章的内容，研究区提取地物的算法模块化。（需编程较好，这一步不强行要求）。

二、时间安排

课程设计时间15-16周，课程设计严格按照日常作息时间，上午8:10~11:50，下午2:00-5:30.江西理工大学建测学院地信专业

二、学习内容及分工

每个小组按照《ENVI遥感图像处理方法》必须学习第1至第6章、第8章、第10章、第15章、第17章的内容，其它章节选学。学习过程中每个小组可按照分工完成，但小组每人都需掌握相关内容，每个小组必须在15周内完成所学内容。

每个小组在第15周周末之前完成赣州市区指定区域的实地数据采集测量（必须同时保证GPS机和手工两种记录），第三组组员:丁嘉树（组长）、廖峭、陈满姣、朱龙龙 任务分工：野外采集:丁嘉树，廖峭，朱龙龙

室内处理：几何校正部分由丁嘉树，朱龙龙共同完成；融合及分类部分由丁嘉树，廖峭共同完成；实习报告由丁嘉树，陈满姣共同完成；展示的成果虽基本由丁嘉树完成，其他组员也都自己每一步都进行了操作，对基本操作都了解。

四、具体步骤

1、百度地图截取指定区域，通过ps处理得到指定的图形

江西理工大学建测学院地信专业

2、图形的校准

打开envi，通过“window”→“Available Band List”打开波段列表，并通过“File”→“Open image File”打开第三组的测区图形，并加入坐标系统打开图形校正对话框，设置基准面为“WGS-84”,“zone”设置为50，分辨率设置为1m。操作过程如下图所示。

选取“RGB Color”，然后点击“Load RGB”，在“map”下选择“Image to Map”校正

江西理工大学建测学院地信专业

在打开的区域中通过“image”、“Scroll”与“Zoom”三者的结合，找到与实际测量相同的点，然后输入对应的经纬度，点击“Add Point”，将测量的点根据自己的需要输入，可以不用将采集的点的坐标全部输入。然后点击“Options”→“Warp file”，然后选择要校正的影像，接着在弹出的对话框中输入相应的校正精度，另外选择3次多项式校正，选择输出文件目录

江西理工大学建测学院地信专业

点击确定之后就会进行相应的校正。将校正后的图形用“New display”打开，校正后的图形如下图所示：

江西理工大学建测学院地信专业

校正好之后可以打开shapfile文件进行相应的对比，看校正后的影像会不会偏差比较大，如果偏差比较大的话再次对标记的控制点进行相应的修改，知道符合要求为止。

江西理工大学建测学院地信专业

3、校正后的百度地图校正CBERS-02B全色影像

用“Available Band List”打开全色影像，并且加载到相应的窗口。因为全色影像的区域相对于测量的区域有点大，所以一般通过裁剪感兴趣区域将自己所需的裁剪下来。

在要裁剪的图形上右键“ROI tool”,然后在“ROI_Type”中选择矩形裁剪，“windows”中选择“Scroll”，然后在“Scroll”中拖出矩形感兴趣区域，然后右键。

导出感兴趣区域

江西理工大学建测学院地信专业

打开自己校正好的百度地图与裁剪区域。将“裁剪区域2”和“百度地图校正图”两个同时打开。选择“Map”→“Image to Image”进行校正，用“百度地图校正图”校正全色影像。

控制点添加方法是，在两个图中找到相同的区域，然后点击“Add Point”，控制点的输入根据自己的需要添加，弄好之后记得保存控制点，以便于后面可以使用。

选择好控制点之后单击“Options”→“Warpe file”进行校正。校正后的图如图所示。

江西理工大学建测学院地信专业

4、用CBERS-02B全色影像校正CBERS-02B多光谱影像

首先打开已有的五张多光谱影像，加载已有的一张，然后在这张图像上右键选择“ROI tool”,点击“ROI type”选择多边形（Polygon），通过多边形裁剪，将裁剪区域到处为“shapefile”格式。

利用已经ROI存储的“shapefile”格式数据分别去裁剪剩余4个多光谱影像。利用下图方法分别裁剪4个。得到区域一样的5个相同区域的ROI图像。利用五个裁剪好的区域，分别加载到窗口，以第一个为标准，利用image to image方法，分别校正其余四个。以下为第一幅影像校正第二幅影像的过错，其他的校正过程都是依次相同。

江西理工大学建测学院地信专业

将校正好的五个子区进行图层的堆叠。得到多条光谱相结合的影像。方法为选择envi菜单栏中的Basic Tools下拉菜单中Layer Stacking功能，然后依照步骤分别添加五幅经过校正后的影像，组成为一组多波段光谱影像。

江西理工大学建测学院地信专业

得到后的图像多光谱影像如下图所示。波段组合为

利用第三步得到的全色影像校正上面得到的多光谱影像。

5、邻图像镶嵌或裁剪

打开校正好的多光谱影像数据，右键打开“ROI Tool”,用矩形裁剪匹配好的多光谱影像数据

江西理工大学建测学院地信专业

6、图像噪声消除与图像增强

打开裁剪好的多光谱影像数据，进行平方根增强。

7、全色影像和多光谱影像的融合

选择菜单“Transform”→“HSV”进行图像的融合。

江西理工大学建测学院地信专业

选择输入的多光谱影像数据，点击“ok”后选择高分辨率的影像。

选好之后点击“ok”就可以得到融合的全色影像。其中有图为融合后影像。

8、利用计算机自动识别方法进行地物分类及分类后处理

(1)类别定义/特征判别：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。

分类后的类别数包括道路、植被、房子、水域、裸地部分。

（2）样本选择：打开分类图像，在Display->Overlay->Region of Interest，默认ROIs为多边

江西理工大学建测学院地信专业

形，按照默认设置在影像上定义训练样本。如图下图所示，设置好颜色和类别名称。

在ROIs面板中，选择Option->Compute ROI Separability,计算样本的可分离性。如图19所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本。

江西理工大学建测学院地信专业

（3）分类器选择： 根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。（4）影像分类：基于传统统计分析的分类方法参数设置比较简单，这里选择最小距离分类方法。主菜单下选择Classification > Supervised >Minimum Distance。按照默认设置参数输出分类结果，如下图所示。

江西理工大学建测学院地信专业

分类后的图

（5）分类后处理：分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。

可以在Interactive Class Tool面板中，选择Option->Edit class colors/names更改，也可以在Display->Color Mapping->Class Color Mapping。如下图所示，直接可以在对应的类别中修改颜色。也可以根据一个显示的RGB影像来自动分配类别颜色，打开主菜单->Classification->Post Classification->Assign Class Color。（在这里没有做修改）

江西理工大学建测学院地信专业

9.专题图制作

(1)融合的影像制作专题图：

1、主影像显示窗口菜单中，选择File → QuickMap → New QuickMap，打开QuickMap Default Layout对话框。设置模板的参数：输出页的大小（图幅的大小）、页的方位（图幅形式）、地图的比例。

2、点击OK完成设置。

3、选择制图范围，鼠标左键点击显示窗中红色框的左下角并拖动方框，选中整个影像。

4、点击OK，显示QuickMap Parameters对话框。

5、在Main Title文本框中键入图名：赣州市新城区专题地图。

6、在影像图中加载投影信息。在Lower Left Text文本框中输入：

江西理工大学建测学院地信专业

赣州市新城区专题地图

7、在Lower Right Text文本框，输入制图单位和制图员信息：2013年1月 江西理工大学地理信息系统专业3组制作

8、保存快速制图模板，选择Save Template，并输入文件名，点击OK。

9、点击Apply，在ENVI显示窗口中显示快速制图的结果。可以继续修改QuickMap Parameter对话框中的设置，点击Apply更新显示结果。

10、输出制图结果后，在主图像显示窗口中，选择File →Save Image As →Postscript File,将制图结果输出为打印格式。选择Output QuickMap to Printer或Standard Printing复选框，这里选择Output QuickMap to Printer。

（2）将分类图与融合影像的专题图叠加，并保存为打印格式。在快速制图的主显示窗口中，选择Overlay →Classification，在打开的Interactive Class Tool Input File对话框中，选择分类图向，单击OK按钮，打开Interactive Class Tool对话框，在对话框相应的On复选框中点击，在Interactive Class Tool对话框中，选择Options →Edit class colors/names，修改类的颜色和名字，最后可以把叠加的地图输出为打印格式。

江西理工大学建测学院地信专业

五、实习心得：

丁嘉树：

本次实习历时两周左右时间，主要对几何校正、影像融合、分类、专题图制作等方面进行了操作，整个过程是借鉴了一些参考资料以及和组员一些讨论才得以完成。实习过程中还遇到了许多困难，导致不同程度的返工，一遍遍重复的操作，不过这样一来，更加加深了对ENVI软件的理解和应用，俗话说熟能生巧，正是因为有了这些一遍遍的错误，并通过结合理论知识的讨论和研究，才能不仅仅局限于对应课件一步一步来的层次，才能对做过的实验进行反思和分析，认真考虑到底是那个地方出现了问题，这样才能有利于我们的学习进步。学习ENVI软件刚开始的时候是比较痛苦的，主要体现在对各个操作命令的不熟悉，以及对基础理论的理解程度不够造成的，并且全英文的操作菜单让各个指令无法和所学的内容结合起来，造成对软件的操作步骤的不理解，而且也无法加深对本次试验的理解，造成了一定的困难。但当自己硬着头

江西理工大学建测学院地信专业

皮把这部分内容做完之后，再返回去进行一下总结，总能得到一些原来本不知道的知识，我觉得这种收获远远大于按照实习步骤一步步来的效果要好一些。所以，我还是建议大家首先把理论部分搞的明白一些，算不上透彻吧也应该知道本次实验的目的是什么，从目的出发进行理解，这样才能具有针对性，否则等你做过这次实验之后你还不知道做的是什么的话，那样只会耽误自己的时间，很快就会忘记，达不到学习的效果。正如老师介绍的那样，随着经济的发展，对遥感方面的学习越来越重要。长期以来，地理学主要是以地图作为地理信息存贮及成果展示的工具，以地图和实地观测作为地理研究的主要手段。随着当前科学技术和社会的迅速发展，单纯传统的工作手段已不能适应地理学的发展，遥感技术的引进和应用，成为当前地理学发展中具有重要意义的变化和动向之一.遥感已成为地理研究和工作的重要信息源，另外，遥感已成为地理研究的重要手段和方法。因此，伴随着遥感在地信专业所占成分越来越高的现实，我们有必要对遥感这门课程引起足够的重视，努力学习好这门课程。

廖峭：

通过为期两周的遥感实习，我对ENVI软件有了一个全面深入的认识和了解，短短的几天时间我掌握了ENVI常用的基本操作，图像的几何纠正、影像校正，图像融合，影像的分类处理，专题地图的输出制作等，对于一些不常用的功能也都做了了解和尝试，为将来对ENVI整个软件的掌握运用打下了一定的基础。这次实习的收获很多，刚开始接触ENVI软件时，对它全英文的界面很不熟悉，稍微没注意老师的讲解就不知所措，慢慢的用下来，一点一点的琢磨，再加上在技术手册和老师精心的指导，现在我基本掌握了这个软件的主要用途，当一幅幅影像在电脑上显示出来，那种成就感让人满足。在为期2周的实习内，我们很好地完成了老师对我们的要求，通过我们对软件的具体操作，使我们对遥感这们学科有了更深入的认识。同时，在实习中我再次认识到认真严谨的态度是必不可少的，有不太清楚的地方要及时向老师请教，才会保证学习过程中的质量，同时也体会到了遥感研究的辛苦和乐趣。总之通过这几个实习让我对遥感有了更直观的了解，通过做实验让我对遥感和其他学科的联系有了初步了解，同时增强了我对遥感的学习兴趣。总之，本次实验还是比较顺利的，在实习期间感谢老师的辛勤指导，让我们少走了一些弯路，老师的讲解也给我们留下了很深的印象，使我们对一些知识点理解更透彻

陈满姣：

通过两周的室内实习任务，最大的感触就是从新认识了遥感这门比较抽象的学课，以前在课堂上总觉得这是一门非常难懂也非常难学的课程，可是就在这两周的室内实习的过程中我的想法突然改变了，其实遥感这门学科并没有所想的那么难懂和难学，只要我们愿意去学、去发现这门学科的奥秘我们还是非常容易掌握和理解的。开始接触是觉得它是我们所有学科中最抽象的，可是当我们把我们所学的理论知识和这

江西理工大学建测学院地信专业

次室内实习结合起来对比和深入研究后，才真正的发现这是一门多么有内涵和适应新时代的必要科目，同时对于动手操作的重要性有了新的理解，即使掌握了理论知识如果自己不去动手做的话，还是无法完全掌握这门学科，因为很多问题只有在操作中产生了然后自己慢慢摸索解决后才能印象深刻，由于不够耐心不够仔细导致每一步之后的图都有很大的变形，无法继续下一步，都是用其他组员的图继续下一步，但是在这个过程中我还是以自己的最大热情完全的投入到此次实习中，把每一步的大致的操作流程都有所了解，虽然没能得出一个真正属于自己的成果，但是通过这次实习我的收获很大，我理解耐心是很重要的，也理解了团队的重要性，如果总是指望别人永远做不成大事。并且在很多情况下我们都得到了很多意外的收获，获益匪浅！不仅对书本上的理论知识有了大致的理解，更重要的是从实践中检验了它的真理，了解了它的适应范围之广和作用之大，为我们以后从事工作而需要它打下了坚实的基础

朱龙龙：

这次实习给我的最深体会是只有动手操作才会真正学会运用软件，再多地文字资料也比不上一次认真地操作，在野外采集的时候我了解了ＧＰＳ的基本操作，也了解了团队合作的重要性，但是在室内处理这一部分每次都遇到很多问题，然后就气馁了，不想做了，导致没有充分利用这个机会学习，我明白了遇到问题就要虚心请教，多操作几次就会的，关键还是自己态度不够端正，什么事情只要认真对待就一定会有收获，我想在以后的学习中我不会再犯这样的错误，多动手操作，多虚心请教，多点耐心，结果肯定会不一样。工科学生要的就是动手能力，只有在学习完理论并结合一次实习才能够加深对这门课程的理解。当然不仅仅是对本门课程理论知识的理解，更多的是对遥感这门学科的应用有一定的理解才是。当然，想要学习好一门技术不仅仅是一个学期的学习和两周的实习可以搞定的，这可以说只是一个入门，如果想要进一步理解，那就需要付出更多的努力。

第五篇：遥感实习报告(报告)

重庆交通大学测绘工程 《遥感原理及应用》实验报告

班 级： 学 号： 姓 名： 指 导 老 师 ： 实 验 室： 地理信息中心实验室

实验一

ENVI 视窗的基本操作

一、实验的目的

初步了解目前主流的遥感图象处理软件 ENVI 的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。

二、实验软件与数据

软件：Envi遥感图像处理软件。数据：重庆地区UTM第八波段数据。

三、实验方法与步骤

Envi软件的主菜单：

这个是ENVI软件的主菜单,其中包括了文件的载入，基本工具栏，以及图像处理的一些必要的功能。

四、实验体会与建议

本次实验主要是熟悉Envi软件的菜单，以及一些常用的方法。还有就是将Envi软件菜单的界面转换成中文菜单。

1、在ENVI安装目录..RSIIDL60productsenvi40menu下建立新文件夹，命名为orgmenu

2、拷贝..RSIIDL60productsenvi40menu下原有的英文菜单文件display.men、display_shortcut.men和envi.men到新建的orgmenu目录中进行备份

3、拷贝下载的display.men、display_shortcut.men和envi.men文件到..RSIIDL60productsenvi40menu中，覆盖原文件。

4、启动ENVI4.0。

实验二

遥感图像的几何校正

一、实验的目的

通过实习操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。

二、实验软件与数据

软件：Envi遥感图像处理软件。

数据：重庆地区UTM第八波段数据以及未经校核的重庆地区jpg图片。

三、实验方法与步骤

1、打开ENVI软件将UTM图像和jpg格式的图片载入，上述图像中我们可以看出，12840-8图像下面有图像的地理信息，而重庆城区图片是没有信息说明的。

2、选择校正与镶嵌菜单下的校正图像选取控制点(图像到图像)，分别选取基础图像和校正图像，分别在图像上面选择控制点，通过Add Point按钮增加选择的控制点，用这个方法选择5个控制点，单击Show List按钮查看所选控制点的信息

3、在控制点选择窗口中选择options菜单，再选择warp file，选择输出校正后的图像文件。

4、载入校正后的图像

在图像显示窗口工具菜单中选择geographic link，将需要连接的图像打开，5、选择2号图上的位置，3号图就会显示相应位置。

四、实验体会与建议

用过本章的实验，掌握了遥感图像几何校正的基本方法和步骤，理解了遥感图像几何校正的意义。

在几何校正的时候，刚开始把dipaly1和dipaly2搞反了，没有注意是以哪张有坐标的为基准。选点的时候应该找比较明显的标志性物体。

实验三

遥感图像的增强处理

一、实验的目的

通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。

二、实验软件与数据

软件：Envi遥感图像处理软件。数据：重庆地区UTM多光谱数据。

三、实验方法与步骤

1、载入UTM多光谱数据，并选择RGB Color 使用前面三个波段显示模拟真彩色图像。

2、在主菜单中选择滤波菜单，再选择卷积滤波，在convolutions菜单中选择不同的算法进行图像的卷积滤波运算。这是通过highpass方法运算输出的结果。

这是经过low pass运算出来的结果。

3、在图像菜单中选择显示增强，以下图像是平方根后的效果

4、在图像菜单中选择显示增强，以下图像是[zoom]均衡化后的效果

四、实验体会与建议

通过本章的实验操作，了解了空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深了对图象增强处理的理解。

刚开始打开的图片是Gray scale的模式，转换成为RGB Color模式。然后就是菜单中选择卷积滤波进行运算，然后再对本图片进行显示增强。

实验四

遥感信息的复合

一、实验的目的

通过上机操作，初步掌握遥感信息复合的方法，深入理解遥感信息复合在信息解译中的意义。

二、实验软件与数据

软件：Envi遥感图像处理软件。

数据：重庆地区UTM多光谱数据和重庆地区UTM第八波段高分辨率数据。

三、实验方法与步骤

1、载入UTM多光谱图像和UTM第八波段高分辨率图像。

2、主菜单中的空间变换菜单,再到影像融合，再到HSV，选择输入多波段的数据

选择输入高分辨数据

输出多光谱数据和高分辨率数据融合之后的图像数据

多光谱和高分辨率数据融合之后的图像

四、实验体会与建议

通过本章实验，初步掌握了遥感信息复合的方法，理解了遥感信息复合在信息解译中的意义。对遥感图片的处理有了更深的认识。

数据融合其实比较好做，就是将两张图片打开后选择菜单中的空间变换菜单,再到影像融合，再到HSV，选择输入多波段的数据。最后生成文件，保存后就可以了。

实验五

遥感图像分类——监督分类

一、实验的目的

理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。

二、实验软件与数据

软件：Envi遥感图像处理软件。数据：重庆地区UTM多光谱数据。

三、实验方法与步骤

1、载入UTM多光谱图像，使用主菜单中的基本工具菜单，选取感兴趣区，在image图像中选择序列区。

2、在主菜单中选择分类，选择监督分类，再选择最小距离法进行分类。结果如下，其中红色部分为河流，蓝色部分为居民区和山脉，绿色部分为植被和背景。

四、实验体会与建议

通过本章实验，理解和掌握了计算机图像分类的基本原理以及监督分类的过程，并能够熟练地对遥感图像进行监督分类。

首先选择图片的感兴趣区，要选择多个波段不同颜色，刚开始的时候只选择了一个，整个图片全是一个颜色。后来选择了很多颜色，选择出了特征值。

实验六

遥感图像分类——非监督分类

一、实验的目的

进一步理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的，同时深刻理解监督分类与非监督分类的区别。

二、实验软件与数据

软件：Envi遥感图像处理软件。数据：重庆地区UTM多光谱数据。

三、实验方法与步骤

非监督分类的方法有分级集群法和动态聚类法(ISODATA)载入多光谱图像，使用动态聚类法(ISODATA)进行分类。在分类菜单中选择非监督分类，在选择ISODATA

动态聚类法(ISODATA)分类结果

四、实验体会与建议

通过本章实验，进一步理解了计算机图像分类的基本原理以及监督分类的过程，并能够熟练地对遥感图像进行监督分类的目的，同时深刻理解了监督分类与非监督分类的区别。打开图片，点击非监督分类，然后load图片就可以了。