《ENVI实验报告》由会员分享，可在线阅读，更多相关《ENVI实验报告（8页珍藏版）》请在金锄头文库上搜索。
1、-一、实验目的ENVI是一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具。此次实习主要是学习一些关于ENVI的根本操作，如：图像预处理，影像分析，图像增强，几何校正，监视分类以及专题制图等步骤。二、实验数据ELEVATION_SOURCE = GLS2000 PROCESSING_SOFTWARE = LPGS_9.1 EPHEMERIS_TYPE = DEFINITIVE SPACECRAFT_ID = Landsat7 SENSOR_ID = ETM+ SENSOR_MODE = SAM ACQUISITION_DATE = 2000-09-24
2、 WRS_PATH = 144 BAND_BINATION = 123456678 PRODUCT_UL_CORNER_LAT = 45.5786828 PRODUCT_UL_CORNER_LON = 84.0750064 PRODUCT_UR_CORNER_LAT = 45.6157964 PRODUCT_UR_CORNER_LON = 87.2821725 PRODUCT_LL_CORNER_LAT = 43.5718357 PRODUCT_LL_CORNER_LON = 84.1739972 PRODUCT_LR_CORNER_LAT = 43.6064525 PRODUCT_LR_CO
3、RNER_LON = 87.2726073 PRODUCT_UL_CORNER_MAP* = 271800.000 PRODUCT_UL_CORNER_MAPY = 5051400.000 PRODUCT_UR_CORNER_MAP* = 522000.000 PRODUCT_UR_CORNER_MAPY = 5051400.000 PRODUCT_LL_CORNER_MAP* = 271800.000 PRODUCT_LL_CORNER_MAPY = 4828200.000 PRODUCT_LR_CORNER_MAP* = 522000.000 PRODUCT_LR_CORNER_MAPY
4、= 4828200.000三、实验内容1.遥感数据下载 2.数据格式转化及多波段的合成 3.图像边框的裁剪 4.图像的镶嵌 6.图像几何校正 7.裁剪 8.监视分类 9.专题出图四、实验步骤1.遥感数据下载输入地名及日期，搜索符合自己通途的数据，查看并下载2.数据格式转化及多波段的合成由于下载图像的格式tif格式，需要转成img格式。并将单波段融合成为多波段，这一步在erdas中完成。tif转img单波段融合成多波段 3.图像边框的裁剪通过主图像窗口-tools-regionofinterest-roitool，然后自己在图像上定义出一块感兴趣区实际中难于确定严格准确的裁剪界限。 4.图像的镶
5、嵌Mapmosaickinggeoreferenced启动镶嵌模板 6.图像几何校正设置参数，参数在原始数据中的t*t中可以查看启动校正模块，并利用google地球进展校正 7.裁剪分别翻开需要裁剪的图像和所在区域的shapefile文件将矢量文件转成ROI利用ROI裁剪图像选择主菜单basic toolssubset data via ROIS，选择裁剪图像在spatial subset via ROI parameters中，选择由矢量生成的ROI，在Mask pi*els outside of ROI？项中选择yes，Mask Background Value为08.监视分类翻开裁剪后的
6、图像，以RGB：543显示，在display中选择OverlayRegion of interest样本选择完成后，在Optionpute ROI Separability，选择分类图像，查看别离性Input File: 裁剪 ROI Name: (Jeffries-Matusita, Transformed Divergence) 水体 Blue 36084 points: 农田 Green 18122 points: (2.00000000 2.00000000) 沙漠 Sienna 200333 points: (1.99973178 2.00000000) 未利用土地 Orchid 5
7、7805 points: (1.99999494 2.00000000) 山体 Purple 355228 points: (1.98296692 2.00000000) 农田 Green 18122 points: 水体 Blue 36084 points: (2.00000000 2.00000000) 沙漠 Sienna 200333 points: (1.99954820 1.99999924) 未利用土地 Orchid 57805 points: (2.00000000 2.00000000) 山体 Purple 355228 points: (1.98744710 1.999287
8、98) 沙漠 Sienna 200333 points: 水体 Blue 36084 points: (1.99973178 2.00000000) 农田 Green 18122 points: (1.99954820 1.99999924) 未利用土地 Orchid 57805 points: (1.98700177 2.00000000) 山体 Purple 355228 points: (1.84635561 1.96524858) 未利用土地 Orchid 57805 points: 水体 Blue 36084 points: (1.99999494 2.00000000) 农田 Gr
9、een 18122 points: (2.00000000 2.00000000) 沙漠 Sienna 200333 points: (1.98700177 2.00000000) 山体 Purple 355228 points: (1.99987319 2.00000000) 山体 Purple 355228 points: 水体 Blue 36084 points: (1.98296692 2.00000000) 农田 Green 18122 points: (1.98744710 1.99928798) 沙漠 Sienna 200333 points: (1.84635561 1.965
10、24858) 未利用土地 Orchid 57805 points: (1.99987319 2.00000000) Pair Separation (least to most); 沙漠 Sienna 200333 points and 山体 Purple 355228 points - 1.84635561 水体 Blue 36084 points and 山体 Purple 355228 points - 1.98296692 沙漠 Sienna 200333 points and 未利用土地 Orchid 57805 points - 1.98700177 农田 Green 18122
11、points and 山体 Purple 355228 points - 1.98744710 农田 Green 18122 points and 沙漠 Sienna 200333 points - 1.99954820 水体 Blue 36084 points and 沙漠 Sienna 200333 points - 1.99973178 未利用土地 Orchid 57805 points and 山体 Purple 355228 points - 1.99987319 水体 Blue 36084 points and 未利用土地 Orchid 57805 points - 1.99999
12、494 水体 Blue 36084 points and 农田 Green 18122 points - 2.00000000 农田 Green 18122 points and 未利用土地 Orchid 57805 points - 2.00000000 分类统计结果分类精度评价混淆矩阵Confusion Matri*: H:123456jiandu Overall Accuracy = (646026/667344) 96.8055% Kappa Coefficient = 0.9486 Ground Truth (Pi*els) Class 水体农田沙漠未利用土地山体 Unclassif
13、ied 0 0 0 0 0 水体 Blue 3 35922 0 0 0 286 农田 Green 75 17907 48 0 19 沙漠 Sienna 34 61 195813 536 15580 未利用土地 O 4 0 2166 57269 0 山体 Purple 49 154 2306 0 339115 Total 36084 18122 200333 57805 355000 Ground Truth (Pi*els) Class Total Unclassified 0 水体 Blue 3 36208 农田 Green 18049 沙漠 Sienna 212024 未利用土地 O 59439 山体 Purple 341624 Total 667344 Ground Truth (Percent) Class 水体农田沙漠未利用土地山
