《ENVI实习》由会员分享，可在线阅读，更多相关《ENVI实习（18页珍藏版）》请在金锄头文库上搜索。
1、河南理工大学测绘学院遥感原理与应用课堂实习报告（2010-2011学年第2学期） 2011年6月3日一、遥感图像的几何校正（配准）1.实验目的与任务：（1）了解几何校正的原理；（2）学习使用ENVI软件进行几何校正；2.实验设备与数据：设备：遥感图像处理系统ENVI数据：TM数据 3 几何校正的过程：本次几何校正首先在arcgis中完成地形图的空间纠正，然后以纠正后的地形图为参考影像，遥感影像图为待校正影像。具体步骤如下：1.打开参考地形图和待校正影像2在主菜单上选择map-Registration-select GCPs：image to image3 .分别在两边选中参考图像（BASE）D
2、ISPLAY 1（左）和待校正影像（warp）DISPLAY 2（右）。4. 选择控制点：控制点的选择以配准对象为依据，选取图像上易分辨且较精细的特征点。图像边缘一定要选取控制点，以免图像外推。尽可能满幅均匀选取15个点以上。（保证各点误差值在0.5以内）如果要放弃该点选择右下脚的delete last point，或者点show point弹出image to image gcplist窗口，从中选择你要删除的点5.选点结束后，保存点：ground control points-file-save gcp as ASCII.6.接下来进行校正：在ground control points.对
3、话框中选择： options-warp file在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters对话框：选择重采样方法（resampling）,为（bilinear）。7.最后的最后选择保存路径8、最终结果二、遥感图像的监督分类1 实验的目的和任务1）理解遥感图像计算机分类的原理和方法；2） 掌握监督分类的步骤和方法。2.实验设备与数据： 设备：遥感图像处理系统ENVI数据：ENVI自带的数据 3 实验内容：遥感图像监督分类。监督分类（Supervised Classification）用于在数据集中根据用户定义的训练样本类
4、别（Training Classes）聚类像元。训练样本类别是像元的集合或者单一波谱，通常的训练区采用ROI来选择，而且应该尽可能的选择纯净的感兴趣区域。 具体的操作参考以下图和步骤： 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。本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。2）、样本选择 为了建立分类函数，需要对每一类别选取一定数目的
5、样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得，或者利用终端像元收集器（Endmember Collection）获得。本例中使用ROIs方法，打开分类图像，在Display-Overlay-Region of Interest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。如图18所示，设置好颜色和类别名称（支持中文名称）。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
6、Divergence参数表示，这两个参数的值在02.0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练样本的选择样本可分离性计算报表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，这里选择支持向量机分类方法。主菜单下选择Classification S
7、upervised Support Vector Machine。按照默认设置参数输出分类结果，如图21所示。支持向量机分类器参数设置支持向量机分类结果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。（1)更改类别颜色 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
8、来自动分配类别颜色，打开主菜单-Classification-Post Classification-Assign Class Colors。类别颜色的更改类别颜色更改后的效果（2)分类统计分析 主菜单-Classification-Post Classification-Class Statistics。如图11所示，包括基本统计：类别的像元数、最大最小值、平均值等，直方图，协方差等信息。分类结果统计（3)小斑点处理（类后处理） 运用遥感影像分类结果中，不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除和重新分类，目前常用的方法有Ma
9、jority/Minority分析、聚类（clump）和过滤（Sieve）。这些工具都可以在主菜单-Classification-Post Classification中找到。Majority/Minority分析和聚类（clump）是将周围的“小斑点”合并到大类当中，过滤（Sieve）是将不符合的“小斑点”直接剔除。 如下图为Majority分析的结果。类后处理结果图过滤（Sieve） 4)栅矢转换 打开主菜单-Classification-Post Classification-Classification to Vector，可以将分类后得到的结果转化为矢量格式，或者主菜单-Vector
10、-Raster to Vector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件. 四、实习体会这次实习让我认识到了ENVI软件功能的强大，在做几何变换时候因为是第一次接触ENVI，全英文的界面让我手脚无措，但是通过指导书和看教程视频慢慢的开始理解一些处理功能的操作方法，在找点选点时候要注重选择比较明显的地物，自动选点时候要删除误差比较大的点。在做监督分类的时候用色要大胆，这样对比度明显，选择地物时候就容易区分，在做监督分类后处理时候有很多种方法，有些可能没有要求做，但是自己也可以尝试一下，像更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。
