《遥感原理与应用课程设计报告书》由会员分享，可在线阅读，更多相关《遥感原理与应用课程设计报告书（20页珍藏版）》请在金锄头文库上搜索。
1、下载可编辑遥感原理与应用课程设计“遥感专题信息提取与专题图制作”设计报告 学 院遥感信息工程学院班 级09031学 号2009302590123姓 名吴煜晖日 期2012-2-13日至2月19日指导教师宋蔚林.专业.整理.一、 课程设计的目的和意义这门课旨在加深理解和巩固理论课上所学的有关遥感的基本原理、遥感传感器的成像机理、遥感图像的处理方法、专题信息提取以及遥感综合应用技术；锻炼熟练运用遥感软件独立分析问题、解决具体问题的实际工作能力；可以培养同学们良好的工作习惯和科学素养，为今后参加科学研究工作以及毕业设计打下良好的基础。二、课程设计方案和流程1、实验数据介绍1) 地点：宜昌地区；2)
2、传感器类型：TM1、3、4、5、7波段影像，空间分辨率：30米；TM6波段影像，空间分辨率：120米；SPOT影像，空间分辨率：10米；3) 格式：TIF；4) 说明文件：Readme.txt，SPOT影像投影信息、大地坐标、分辨率。2、硬软件介绍本次实验使用软件ERDAS。ERDAS IMAGINE是美国ERDAS 公司开发的专业遥感图像处理与地理信息系统软件。它以模块化的方式提供给用户，使得用户可根据自己的应用程序的要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。在图像处理方面，直观的操作步骤使用户操作起来非常灵活方
3、便。本次实验主要应用到ERDAS软件主菜单中Viewer、Import、DataPrep、Interpreter、Classifier及Composer等模块。3、总体方案首先利用ERDAS软件将宜昌地区左右TM影像的1、3、4、5、6、7波段TIF格式单波段影像分别合成left.img和right.img多波段TM影像（不少同学先将TIF格式转换为img格式，再分别合成left.img和right.img多波段TM影像，其实这是没必要的）。再根据宜昌地区的SPOT影像sp_yc.img以及说明文件Readme.txt，分别对left.img和right.img进行几何纠正，并将纠正后的两幅影
4、像进行拼接，再将拼接后的TM影像进行裁剪。最后在进行适当的图像增强处理后，对拼接后的影像进行监督分类（可以将SPOT影像和TM影像进行融合再进行分类以获得更好的分类效果），提取专题信息，制作成专题地图。4、流程框图三、课程设计的过程和步骤1. 图像预处理首先需要将实习中给的tif格式的各幅图像输入转入img图像，可以通过打开tif格式的图像另存为img格式转换，或者用Import实现。2. 多波段合成将对应的六幅影像分别作为六个波段叠加，形成宜昌地区具有六个波段的左右两幅TM影像，如图1所示。 图1（a） 图1（b）3. 几何纠正通过提供的SPOT影像对左右两幅TM影像进行几何纠正处理，纠正后
5、的图像如图2所示。 图2（a） 图2（b）4. 图像拼接将几何纠正完后的左右两幅TM影像进行拼接处理，拼接后图像如图3所示。图35. 图像剪裁将TM影像中用来制作专题图的区域剪裁出来，剪裁后图像如图4 所示。图46. 图像分类采取感兴趣的区域作为样本对剪裁后的TM影像进行监督分类处理。监督分类分为5类，分别代表水体、深绿色植被、浅绿色植被、道路及裸地和居民地。结果如图5所示。图5得到的结果如下：混淆矩阵：ERROR MATRIX-Reference Data-Classified DataBald and RYoung Plan Old Plant Habitat-Bald and R 192
6、 10 1 2Young Plan 4 471 14 0 Old Plant 4 12 307 1 Habitat 1 0 0 196 Water 0 0 0 0Column Total 201 493 322 199Reference Data-Classified Data Water Row Total-Bald and R 0 205Young Plan 6 495 Old Plant 4 328 Habitat 14 211 Water 2573 2573Column Total 2597 3812CLASSIFICATION ACCURACY ASSESSMENT REPORT-I
7、mage File : c:/documents and settings/wu yuhui/桌面/2009302590123吴煜晖/2009302590123吴煜晖/wyh2009302590123/supervisedmerged.imgUser Name : Wu YuhuiDate : Sun Feb 26 16:37:03 2012ERROR MATRIX-Reference Data-Classified DataUnclassifi Water Habitat Old Plant - Unclassified 0 0 0 0 Water 0 31 0 0 Habitat 0 0
8、31 1 Old Plant 0 0 4 34 Bald and Road 0 0 1 1 Young Plant 0 1 3 3Column Total 0 32 39 37Reference Data-Classified Data Bald and RYoung Plan Row Total - Unclassified 0 0 0 Water 0 1 32 Habitat 0 0 32 Old Plant 0 0 38 Bald and Road 47 3 52 Young Plant 6 91 102Column Total 53 95 256- End of Error Matri
9、x -ACCURACY TOTALS- Class ReferenceClassifiedNumberProducersUsers Name Totals TotalsCorrect AccuracyAccuracy - Unclassified 0 0 0 - - Water 32 32 31 96.88% 96.88% Habitat 39 32 31 79.49% 96.88% Old Plant 37 38 34 91.89% 89.47% Bald and Road 53 52 47 88.68% 90.38% Young Plant 95 102 91 95.79% 89.22% Totals 256 256 234Overall Classification Accuracy = 91.41%- End of Accuracy Totals -KAPPA (K) STATISTICS-Overall Kappa Statistics = 0.8860Conditional Kappa for each Category.- Class Name Kappa - - Unclassified 0.0000 Water 0.96
