发布时间 : 星期日 文章中国地质大学武汉遥感解译与制图实习报告更新完毕开始阅读b2d80b73bed126fff705cc1755270722192e59f9
令---打开Lambertian reflection Model对话框---输入影像文件---输出DEM文件。
实习思考题： 原影像 地形纠正后的影像 1 运用多项式方法进行图像几何校正时，控制点的分布应该满足什么条件？多项式的系数与所需选择地最小控制点的点数之间存在什么关系？[(t+1)(t+2)/2] 2 在多项式纠正时，可以选择1次，2次以及3次多项式作为纠正模型，比较这三种纠正模型在所给的遥感数据的纠正效果，谈谈你对这三种纠正模型的理解，它们的不同之处以及适用情况。 3 请简述地形校正的原理。
1. 通过寻找控制点（GCP）去求系数，有几个未知数就至少要几对控制点，一次至少要三对，两次至少要六对，三次至少要十对。 有经验公式GCPmin=（t+1）(t+2)/2。 2. 多项式纠正模型: 1）一次多项式Xw=a0+a1*Xb+a2*Yb Yw=b0+b1*Xb+b2*Yb 2）二次多项式 Xw=a0+a1*Xb+a2*Yb+a3*Xb^2+ a3*Yb^2+a5*Xb*Yb Yw=b0+b1*Xb+b2*Yb+b3*Xb^2+ b3*Yb^2+b5*Xb*Yb 3）三次多项式Xw=a0+a1*Xb+a2*Yb+a3*Xb^2+a3*Yb^2+a5*Xb*Yb+a6*Xb^3+a7*Yb^3+a8*Xb^2*Yb+ a9*Xb*Yb^2 Yw=b0+b1*Xb+b2*Yb+b3*Xb^2+b3*Yb^2+b5*Xb*Yb+b6*Xb^3+b7*Yb^3+b8*Xb^2*Yb+ b9*Xb*Yb^2 多项式的纠正精度与地面控制点的精度、分布、数量以及纠正的范围有关，地面控制点的精度越高、分布越均匀、数量越多，几何纠正的精度就越高。 多项式纠正时，在控制点处拟合较好，但是其他点的误差可能较大，平均误差小并不能保证图像各点的误差都小。 多项式阶数的确定取决于图像中的几何变形程度的认识。如果变形不复杂，1阶即可满足要求，并非阶数越高，纠正精度越高。 遥感图像解译实习指导三
一、实习任务：运用遥感软件进行影像融合以及影像分类 二、实习目标：
1 、了解几种常见的影像融合方式，并能够用erdas软件熟练操作 2 、学会遥感影像的分类方法，用erdas操作，并且能够进行精度评定 三、教学方式：依据实习指导书进行实验，并完成实习报告 四、使用器材：ERDAS遥感图像处理软件，遥感数据
任务1：多源数据融合
多源数据融合采用IHS融合方法。IHS 融合法是比较常用的一种融合方法，其基本原理是首先将空间分辨率较低的三个多光谱影像变换到 IHS 彩色空间，得到明度（I），色别（H）和饱和度（S）三个分量；然后将高空间分辨率影像进行对比度拉伸，达到与 I 分量具有相同的均值和方差；再将处理后的高空间分辨率影像替换 I 分量，作 IHS 逆变换后就得到融合后的影像。 它的主要步骤是：
1. 将图像用配准，图像为:
左： 中： 右： 2. 画出和两幅图像共有的区域，然后在File－save－AOI Layer as将所做的AOI区域保存 获得
3. 利用AOI文件裁剪和获得和
4. 通过Raster－Geometric Correction进行重采样输出文件，设置Pixel Size X，Pixel Size Y与一样。
5. 利用和重复步骤2，3，4，输出文件名分别为：， 。获得 6. 进行RGB to HIS：输入文件为,输出文件名为,波段选择R:3，G:2，B:1 7. 直方图匹配：利用文件和输出
8. 将直方图匹配后的图像（1 band）替换的I分量（第一波段）。输出文件名为。 9. 做变换HIS－RGB。输入文件名为，输出文件名为
10.其他融合方法：输入文件和分别作为高分辨影像和多光谱影像，融合方法选择了主成分变换（Principal Component）双三次卷积(Cubic Convolution)。获得如下影像文件。
任务2：遥感图像分类（监督分类或者非监督分类）
10.
1．非监督分类
非监督分类运用ISODATA算法，按照像元的光谱特性进行统计分类。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。
非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。
1、输入文件（未分类图像）产生分类图像
2、生成分类模板文件，确定聚类参数，需要确定初始聚类方法和分类数。设置ISODATA的一些参数分类、图像彩色属性、定义最大循环次数并设置循环收敛阈值。 获得文件
2.分类评价
获得一个初步的分类结果以后，应用分类叠加检查分类精度。显示原图像与分类图像并选择所需要的打开的多波段影像，选择Raster Options功能。
同样方法，在同一个视图窗口下选择打开需要叠加的影像，把Clear Display前的勾去掉，保证叠加显示。
打开的viewer中，选择Raster-Attributes，打开分类图像属性表并调整字段显示顺序，调整字段的顺序以及字段名称等，使Histogam，Opacity，Color，Class_Names四个字段的显示顺序依次排在前，完成。
接下来给各个类别赋相应的颜色。Rarster Attribute Editor内的属性表点击一个类别的Row字段从而选择该类别，选择一种颜色，标注类别的名称和相应颜色，选择一种合适的颜色(如水体为蓝色)。
给一些相应的波段设置属性，选择合适的颜色，并标注类别的名称。 分类图像属性表并调整字段 显示顺序调整字段的顺序以及字段名称 2.监督分类
监督分类常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。
对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。
监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。
（1）（2）定义与评价分类模板 建立模板、保存分类模板、栅格矢量转换、评价模板 （3）执行监督分类 运行之后显示Contingency运行失败未能生成评价结果 监督分类的设置需要确定相应的参数，并定义输出分类文件和定义分类距离文件。 获得文件和 （4）分类精度评估
分类精度评估的主要步骤是
中打开分类前的原始图像，以便进行精度评估。
2.启动精度评估对话框，选择Accuracy Assessment菜单项 3.打开分类专题图像，将原始图像视窗与精度评估视窗相连接 4.在精度评价对话框中设置随机点的色彩，产生随机评估点 5.显示随机点及其类别，输入参考点的实际类别值 6.设置分类评价报告输出环境及输出分类评价报告
（5）分类后处理
分类图像中有很多的孤立像元及小像元群，它们在分类图上表现为噪声，不能满足分类要求。分类后处理可以消除一些噪声效应，完成类的连接。分类后处理有自动化处理和手工处理两种方法，自动化处理对分类结果中产生的一些面积很少的图斑进行处理，手工处理可以修改影像中明显且分布范围较大的错误分类，直接在原图上进行修改。重编码：在Interpreter模块里的GIS Analysis菜单中选择Recode的命令，点击Setup Recode的对话框，可以对重复的类别进行合并。