ENVI遥感图像的几何校正.doc

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->selectGCPs：imagetoimage
3.出现窗口ImagetoImageRegistration，分别在两边选中DISPLAY1（左）,和DISPLAY2（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ADDPOINT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deletelastpoint，或者点showpoint弹出imagetoimagegcplist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：groundcontrolpoints->file->savegcpasASCII..
当然你没有选完点也可以保存，下次就直接启用就可以：groundcontrolpoints->file->restoregcpsfromASCII...
6.接下来就是进行校正了：在groundcontrolpoints.对话框中选择：
options->warpfile(asimagetomap)
在出现的imputwarpimage中选中你要校正的影像，点ok进入registrationparameters对话框：
首先点changeproj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（SupervisedClassification）用于在数据集中根据用户定义的训练样本类别（TrainingClasses）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Landsattm5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（EndmemberCollection）获得。本例中使用ROIs方法，打开分类图像，在Display->Overlay->RegionofInterest，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->ComputeROISeparability,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,TransformedDivergence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