遥感数字图像处理实习

遥感数字图像处理实习

ID:44396947

大小:4.58 MB

页数:52页

时间:2019-10-21

遥感数字图像处理实习_第1页
遥感数字图像处理实习_第2页
遥感数字图像处理实习_第3页
遥感数字图像处理实习_第4页
遥感数字图像处理实习_第5页
资源描述:

《遥感数字图像处理实习》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、遥感数字图像处理实习实习一遥感图像处理软件系统实习目的了解遥感图像处理系统ENVI的工作界面、数据的读取、显示与存储等基本操作实习数据ENVI自带数据ENVI安装路径下IDL63productsenvi43databhtmref文件ENVI界面数据读取与显示主菜单File>OpenImageFile,在EnterInputDataFile对话框中打开bhtmref文件。从AvailableBandsList内,选择GrayScale切换按钮,以灰度方式显示所选择的波段数据。从AvailableBandsList内,选择RGBColor切换按钮,以彩色方式显示所选择的

2、3个波段数据。数据读取与显示在Scroll窗口移动红色方框,Image窗口中的图像随之发生移动;在Image窗口移动红色方框,Zoom窗口中的图像随之发生移动。数据存储主菜单File>SaveFileAs>….可将影像数据保存为多种格式Image窗口菜单File>SaveImageAs>….可将图像保存为多种图像文件信息查看鼠标右键菜单CursorLocation/Value,查看鼠标所在位置的基本信息信息查看鼠标右键菜单ZProfile(Spectrum),查看鼠标所在位置的光谱曲线信息查看在任一主窗口中点击鼠标右键,选择弹出菜单中的LinkDisplays,可以将两个显示

3、窗口连接在一起。实习二遥感图像几何校正实习目的掌握基于遥感图像的几何校正操作,理解遥感图像几何校正的意义和内容。实习数据bldr_tm:LandsatTM数据,无地理坐标bldr_sp:SPOT数据,有地理坐标打开数据分别载入bldr_tm数据和bldr_sp数据,bldr_sp数据带有地理坐标信息,而bldr_tm数据没有地理坐标。本次实习以bldr_sp数据为基准图像,对bldr_tm数据进行几何校正选取地面控制点主菜单Map>Registration>SelectGCPs:ImagetoImage分别选取bldr_sp数据和bldr_tm数据的显示窗口作为BaseIma

4、ge和WarpImage,点击OK,启动配准程序。选取地面控制点选取地面控制点点击ShowList按钮,可以查看每一个控制点的信息校正影像GroundControlPointsSelection窗口菜单Options>WarpFile,根据刚才选择的地面控制点对TM影像进行几何校正。Method选择多项式Polynomial法,Degree选择2阶Resampling选择双线性插值Bilinear方法打开经过几何校正的TM数据,与原数据以及SPOT数据进行比较。实习三遥感影像增强处理实验目的加深对遥感图像增强理论理解,掌握图像增强的基本方法与步骤,能够利用ENVI软件进行影像

5、增强处理。实验内容1.遥感影像对比度拉伸基本方法2.遥感影像直方图匹配方法3.遥感影像空间域滤波增强方法1.遥感影像对比度拉伸基本方法具体步骤:打开实验数据:bhtmref.img1.采用交互式拉伸工具分别对影像进行以下对比度拉伸:线性拉伸均衡化拉伸高斯对比度拉伸图1线性拉伸图2高斯拉伸图3均衡化2.遥感影像直方图匹配方法打开两个波段数据或两景影像进行直方图匹配操作数据:如Cantmr.img图8直方图匹配后的两幅影像及各自直方图3.遥感影像空间域滤波增强方法分别采用Roberts,Sobel、Laplacian算子对图像进行锐化处理(边缘提取)图4Roberts算子图5So

6、bel算子图6Laplacian算子图7中值滤波实习四遥感图像非监督分类一、实习目的熟悉掌握非监督分类原理与过程,掌握监督分类的流程,能够运用遥感图像处理软件进行遥感影像的非监督分类。算法原理:在K均值算法的基础上,加入了试探性的步骤,能吸取中间结果的经验,在迭代的过程中可以进行类别的分离和合并,具有“自组织”性.动态聚类法——ISODATA方法(迭代自组织数据算法)动态聚类法流程:控制参数:实习步骤:打开遥感影像实习步骤:对影像进行ISODATA分类实习步骤:输出分类结果实习步骤:对分类的类别进行确定根据目视解译,对分类的结果进行类别的确定,输出分类结果图。实习五遥感图像监

7、督分类一、实习目的熟悉和掌握分类模板、监督分类的概念,掌握监督分类的流程,运用通用遥感图像处理软件进行遥感影像的分类。二、原理与方法监督分类法又称训练分类法,即用已被确认类别的样本像元去识别其他未知类别像元的过程。现以最大似然法为例进行介绍。最大似然分类也称贝叶斯分类。设各类型的光谱数据服从正态分布,则可根据未知样本落入各已知样本中的概率大小来确定它的类型归属。设共有m个类型,样本落在每个类型的先验概率为则任意样本X落在第i个类型中的后验概率为三、实习仪器与数据ENVI或ERDAS、PCI等通用遥感图像

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。