ENVI遥感图像的几何校正..docVIP

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： 注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配准或几何校正。 1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开； 2．在主菜单上选择map-Registration-select GCPs：image to image 3?.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。 BASE图像指参考图像而warp则指待校正影像。 选择OK! 4.?现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方，就可以选择ADD POINT添加点了。（PS：看不清出别忘记放大） 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 gcp list窗口，从中选择你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。选好4个点后就可以预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参考影像相对应的位置，而后再进行适当的调整并选点。 5.选点结束后，首先把点保存了 ：ground control points-file-save gcp as ASCII.. 当然你没有选完点也可以保存，下次就直接启用就可以：ground control points-file-restore gcps from ASCII... 6.接下来就是进行校正了：在ground control points.对话框中选择： options-warp file(as image to map) 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： 首先点change proj按钮，选择坐标系 然后更改象素的大小，如果本身就是你所需要大小则不用改了 最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了 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 Divergence参数表示，这两个参数的值在0~2.0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。 训练样本的选择 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