ERDAS IMGAINE图像处理软件参考模板

1、实习报告实习一 题目：图像数据导入与目视解释实习地点：仿真中心302，实习时间：2014.05.20实习目的和内容目的：初步掌握 ERDAS IMGAINE 图像处理软件的使用方法，熟悉软件的用户界面、功能模块。内容：1. 利用 Viewer 视窗打开图像TM_860516.img，获取影像的基本信息，包括获取日期、地理坐标范围、波段数、分辨率。进行图像缩放、漫游、查询图像信息等操作，完成图像目视解译和分析。2. 利用 Viewer 视窗识别影像中的耕地、草场、森林、农村居民地、道路、河流、水库、湖泊等地物特征，进行不同波段假彩色合成，观察上述地物的色调变化。3. 利用 Viewer 视窗中的

2、查询工具，查询上述地物在不同波段的数值（Digital Number，DN）；要求针对每种地物至少采集10 个样本，取平均值，分析不同地物的灰度值随波段变化的特点。4. 利用 TM 2、5 这两个波段的数据采用Excel 或Matlab做出散点图，分析上述不同地物的分布特征。基本原理遥感图像目视解译方法：用遥感技术研究地球的实质是以各种影像（包括数字影像和模拟影像在）来模拟地表景观，反应地表环境与资源等的信息。地表上的实况物体称为地物。遥感的成像过程是将地物的电磁辐射或地物波普特性，用不同的成像方式（例如投影、扫描、雷达等啊）生成各种影像，即而解译过程就是成像过程的逆过程，即 一般来说，当选定

3、时间、波段、位置、成像方式后，成像过程获得的影像像元与地面对应的单位面积近一一对应。换言之，是唯一的。但是，由于解译过程中存在着同物异谱、同谱异物现象，因此解译结果不是唯一的。为了获得唯一的解，则需要用多种遥感和非遥感信息加以印证。在对图像进行解译前，首先要弄清影响的性质，其次是摄影比例尺、地域、季节和成像前三天的天气状况。1 / 54相关软件功能实现方法和步骤1 打开图像，查看相关信息，对图像进行缩放，平移和查询。1.1在viewer#1中单击FileOpenRaster Layer，在弹出的Select Layer To Add对话框中选择File项，在Look in选择examples文

4、件夹中tm_860516.img，然后单击OK，完成导入tm_860516.img图像。图1.1 tm_860516.img1.2单击utilitylayer info，得到第一层的基本信息：图1.2信息对话框日期：1999 07 22 04:53:59.地理坐标范围：Upper Left X:2932282.750; Upper Left Y:4291681.250;Lower Right X:315365.250; Lower Right Y:4277326.250.波段数：7。分辨率：27.5*27.5。1.3进行图像缩放、漫游、查询图像信息。2.不同波段假彩色合成2.1在viewer#

5、1中，单击rasterband combinations，打开set layer combinations for对话框，选择不同的波段组合，单击OK，apply观察viewer窗口变化情况。图1.3 Layer1（red）、layer2(blue)、layer3(green)的假彩色合成影像图1.4 Layer3（red）、layer5(green)、layer6(blue)的假彩色合成影像3.查询上述地物在不同波段的数值并进行分析。图1.5波段的数值处理结果及分析图1.6 河流各波段的采样值图1.7 森林各波段的采样值图1.8 森道路各波段的采样值图1.9 建筑各波段的采样值图1.10 草

6、地各波段的采样值不同地物在不同波段的采样值如下表：图1.11 不同地物在不同波段的采样值根据上述表格的数据可以看出，蓝色波段中的建筑的像素较多；绿色波段中的也是建筑的像素较多；红色波段建筑的像素较多，其次是道路；近红外波段建筑和道路的像素都较多，河流的最少；1.55-1.75短波红外建筑和道路的像素较多，河流的十分少；热红外波段河流、森林、道路、建筑、草地的像素都很多；1.08-1.35短波红外波段建筑最多，其次是道路，河流的特别少。可以判断这幅影像图是在白天拍摄的，因为白天道路和建筑的反射红外比较多。4TM 2、5 这两个波段的数据采用Excel 或Matlab做出散点图图1.11TM2、T

7、M5各地物的散点图实习二. 图像几何精纠正（Polynomial Rectification）实习地点：仿真中心302，实习时间：2014.05.22实习目的掌握图像几何精纠正的原理和方法实习内容和要求 利 用 SPOT 全色波段图像panAtlanta.img 对TM 数据tmAltanta.img 进行几何精纠正。采用图像对图像纠正法，以及SPOT 影像投影参数的定义，从纠正好的地形图中读取影像中对应点的坐标控制点数不少于10 个，并均匀分布在图幅的各个方向上。基本原理 遥感图像的几何校正是指从具有几何畸变的图像中消除畸变的过程。即建立遥感图像的像元坐标（图像坐标）与目标物的地理坐标（地图

8、坐标）间的对应关系。图像几何校正的过程主要包括：1.确定校正方法；2.确定校正式；3.验证校正方法和校正式的精度；4.重采样和内插。实现方法和步骤1、显示图像文件在ERDAS图像面板中双击Viewer图标，打开两个窗口为Viewer#1、Viewer#2，并将两个窗口平铺放置，接着操作：<1> 在ERDAS图像面板菜单条，sessiontitle viewers命令；<2> 在Viewer#1中打开tmatlanta.img，在Viewer#2中打开panatlanta.img。图2.1 显示图像文件2、启动几何校正模块 在Viewer#1菜单条，RasterGeome

9、tric Correction命令； 打开Set Geometric Model 对话框； 选择多项式几何校正计算模型为Polynlmial； 单击OK，同时打开了Geo Correction Tools对话框和Polynlmial Model Properties窗口，在此定义多项式模型参数及投影参数，定义多项式次方为2，投影参数为默认的，单击Close。图2.2设置几何模型对话框与工具条 图2.3 设置多项式次方及采点模式对话框3、启动控制点工具在Gcp Tools Reference Setup对话框中选择采点模式，Existing Viewer；单击OK，同时打开了Viewer Sel

10、ection Instructions指示器； 在Viewer#2中单击，打开了Reference Map Information提示框（显示参考图像的投影信息），单击OK关闭之，整个屏幕将自动变化为几个窗口的组合，此时控制点工具已启动，进入了控制点采集状态。 图2.4 指示器与显示参考图像的投影信息4、采集地面控制点<1> 在Gcp工具对话框中单击Select Gcp图标，进入Gcp选择状态；<2> 将表中输入Gcp的Color设置为明显的黄色；<3> 在Viewer#1中一动关联方框位置，寻找明显的地物特征点，作为输入Gcp；<4> 在Gcp

11、工具对话框中点击Create Gcp图标，并在Viewer#3中单击定点，Gcp数据表将记录一个输入Gcp，包括编号、标识码、X坐标、Y坐标；<5> 在Gcp中单击Select Gcp图标，重新进入Gcp选择状态；<6> 在Gcp数据表中将参考Gcp设置为比较明显的红色；<7> 在Viewer#2中一动关联方框位置，寻找对应的地物特征点，作为参考Gcp；<8> 在Gcp工具对话框中单击create Gcp图标，并在Viewer#4中单击定点，系统自动生成数据；<9> 在Gcp Tool中单击Select Gcp图标，重新进入Gcp选择

12、状态，并将光标移回到Viewer#1，准备采集另一个输入控制点；<10> 重复以上操作，采集10个Gcp。图2.5 Gcp操作表5、采集地面检查点以上采集的Gcp的类型均为控制点，用于控制计算、建立转换模型及多项式方程。地面检查点用于检验所建立的方程的精度和实用性，如果控制点的误差比较小的话，也可以不采集地面检查点。6、计算转换模型在控制点采集过程中，一般是设置为自动转换计算模式，所以，随着控制点采集过程的完成，转换模型就自动计算生成，可以查阅：在geo correction tools对话框中单击display model properties图标，打开polynlmial mo

13、del properties对话框，就可以查阅了。图2.6 转换信息7、图像重采样<1> 定义输出图像文件名为rectify.img；<2> 选择重采样方法为nearest neighbor；<3> 定义输出图像范围；<4> 定义输出像元大小，x、y皆为30；<5> 设置输出统计中忽略零值，即选中ignore zero in stats复选框；<6> 设skip factor为10；<7> 单击ok。 图2.7 重采样设定8、保存几何校正模式在Geo correction tools对话框中单击exit按钮，退

14、出图像几何校正过程，按照系统提示选择保存图像几何校正模式，并定义模式文件（*.gms），以便下次直接使用。9、检验校正结果 其基本方法是同时在两个窗口中打开两幅图像，其中一幅是校正以后的图像，一幅是当时的参考图像，通过窗口地理连接功能及查询光标共功能进行目视定性检验，过程如下：打开两个平铺图像窗口 SessionTile Viewers命令，选择平铺窗口建立窗口地理连接关系 在viewer#1中右击，选择inquire cursor命令，打开光标查询对话框，在viewer#1中移动查询光标，观测其在两屏幕中的位置及匹配程度，并注意光标查询对话框中数据的变化。如果满意，就关闭光标查询对话框。图2

15、.7 图层信息图2.8图2.9实习三. 遥感图像辐射增强（Radiometric Enhancement）实习地点：仿真中心302 时间：2014.05.26实习目的 理解遥感图像辐射增强的概念和意义，掌握运用ERDAS IMAGINE进行辐射增强的步骤和方法。实习内容和要求1. 图像取子区：从影像 dmtm.img 中取出一个正方形子区，供后续分析使用；要求所选择区域包含尽可能多的地物类型；2. 图像直方图生成和描述，打开提取的正方形子区图像，观察其各个波段上的直方图，并加以描述；3. 查找表拉伸（LUT Stretch）:要求通过拉伸使某一类特征地物的信息得到突出；4. 直方图均衡化（Hi

16、stogtram Equalization）:比较均衡化前后图像上各类地物特征的差异；5. 亮度反转（Brightness Inversion）：比较反转前后图像上各类地物特征的差异。基本原理 图像辐射增强处理是对单个像元的灰度值进行变换达到图像增强的目的。查找表拉伸：是遥感图像对比度拉伸的总和，通过修改图像查找表使输出图像值发生变化，根据对查找表的定义，可以实现线性拉伸、分段性拉伸和非线性拉伸等处理。直方图均衡化：实质上是对图像进行非线性拉伸，重新分配图像像元值，使用一定灰度范围内像元的数量大致相等。亮度反转：是对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像，原来亮的地

17、方变暗，原来暗的地方变亮。实现方法和步骤1. 图像取子区在Viewer #1中打开位于example中的dmtm.img文件，点击UtilityInquire Box,弹出“Viewer #1: dmtm.img”对话框，在对应的地方输入如下坐标：ULX: 1698385.570；ULY: 288632.691217；LRX: 1702282.557434；LRY: 284900.708704 图3.1 图像取子区2. 图像直方图生成和描述图3.2直方图3. 查找表拉伸在ERDAS图标面板工具条，单击Interpreter图标Radiometric EnhancementLUT Stretch

18、命令，打开LUT Stretch对话框，设置参数： 输入文件为mobbay.img； 输出文件为stretch.img； 文件坐标类型为file； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit；确定拉伸选择为RGB或Gray Scale；单击View按钮，打开模型生成器窗口，浏览Stretch功能的空间模型； 双击Custom Table,进入查找表编辑状态，根据需要修改查找表，单击ok； 单击File Close all命令，再单击ok。图3.3图3.4图3.5图3.64. 直方图均衡化在ERDAS图标面板工具条，单击Interpreter图标Radiometric E

19、nhancementHistogram Equalization命令，打开Histogram Equalization对话框，设置参数： 输入文件为lanier.img； 输出文件为equalization.img； 文件坐标类型为file； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit；输出数据统计时忽略零值，选中ignore zero in stats；单击View按钮，打开模型生成器窗口，浏览equalization功能的空间模型； 双击Custom Table,进入查找表编辑状态，根据需要修改查找表，单击ok； 单击File Close all命令，再单击ok。图

20、3.7图3.85. 亮度反转在ERDAS图标面板工具条，单击Interpreter图标Radiometric EnhancementBrightness Inversion命令，打开Brightness Inversion对话框，设置参数： 输入文件为loplakebedsig357.img； 输出文件为inverseon.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit；输出数据统计时忽略零值，选中ignore zero in stats； 单击View按钮，打开模型生成器窗口，浏览inverse功能的空间模型； 双击Custom Tabl

21、e,进入查找表编辑状态，根据需要修改查找表，单击ok； 单击File Close all命令，再单击ok。图3.9图3.10实习四. 遥感图像空间增强（Spatial Enhancement）实习地点：仿真中心302，实习时间：2014.05.28实习目的 理解遥感图像空间增强的概念和意义，掌握运用ERDAS IMAGINE进行空间增强的步骤和方法。实习内容和要求1. 卷积增强（Convolution）数据：lanier.img。2. 非定向边缘增强（Non-directional Edge）数据：lanier.img。3. 聚焦分析（Focal Analysis）数据：lanier.img。

22、4. 纹理分析（Texture）数据：lanier.img。5. 自适应滤波（Adaptive Filter）数据：lanier.img。6. 统计滤波（Statistical Filter）数据：lanier.img。7. 锐化增强（Crisp）数据：panAtlanta.img。基本原理 遥感图像空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。卷积增强：是将整个图像按照像元分块进行平均处理，用于改变图像的空间频率特征，处理的关键是卷积算子系数矩阵的选择，该系数矩阵又称为卷积核。非定向边缘增强：应用两个非常通用的滤波器，首先通过两个正交卷积算子分别对遥感图像进

23、行边缘检测，然后将两个正交结果进行平均化处理。聚焦分析：使用类似卷积滤波的方法对图像数值进行多种分析，其基本算法是在所选择的窗口范围内，根据所定义的函数，应用窗口范围内的像元数值计算窗口中心像元的值，从而达到图像增强的目的。纹理分析：通过在一定的窗口内进行二次变异分析或三次非对称分析，使雷达图像或其他图像的纹理结构得到增强。自适应滤波：应用Wallis Adapter Filter方法对图像的感兴趣区域进行对比度拉伸处理，从而达到图像增强的目的。统计滤波：应用Wigma Filter方法对用户选择图像区域之外的像元进行改进处理，从而达到图像增强的目的。锐化增强：实质上是通过对图像及你选哪个卷积

24、滤波处理，使整景图像的亮度得到增强而不使其专题内容发生变化，从而达到图像增强的目的。实现方法和步骤1. 卷积增强在ERDAS图标面板菜单条，mainimage interpreterspatial enhancementconvolution对话框在convolution对话框中设置以下参数： 输入文件为lanier.img； 输出文件为convolution.img； 卷积算子文件default.klb； 卷积算子类型5*5edge detect； 边缘处理方法为reflection； 卷积归一化处理normalize the kernel； 文件坐标类型为map； 输出数据类型为unsig

25、ned 8 bit；再单击ok。图4.1 卷积增强前图4.2 卷积增强后2. 非定向边缘增强在ERDAS图标面板工具条，单击interpreter图标spatial enhancementnon-directional edge对话框，设置参数： 输入文件为lanier.img； 输出文件为non-directional.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit； 选择滤波器sobel； 输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图4.3 非定向边缘增强之后3. 聚焦分析在ERDAS图标面板工具条

26、，单击interpreter图标spatial enhancementfocal analysis对话框，设置参数： 输入文件为lanier.img； 输出文件为focal.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit； 选择聚焦窗口，包括窗口大小和形状，大小可设为5*5，窗口默认为矩形，也可以调整为其他形状； 聚焦函数定义，包括算法和应用范围，应用范围包括输入图像汇总参与聚焦运算的数值范围和输入图像中应用聚焦运算函数的数值范围； 算法为max； 输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图4.4 聚

27、焦分析之后的图像4. 纹理分析在ERDAS图标面板工具条，单击interpreter图标spatial enhancementtexture对话框，设置参数： 输入文件为lanier.img； 输出文件为texture.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为float single； 操作函数定义为variance； 窗口大小定义为3*3；输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图4.5 纹理分析处理之后5. 自适应滤波在ERDAS图标面板工具条，单击interpreter图标spatial enhancementada

28、ptive filter对话框，设置参数： 输入文件为lanier.img； 输出文件为adaptive filter.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit； 窗口大小定义为3*3； 输出文件选择bandwise或pc，乘积倍数定义为2；输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图4.6 自适应滤波之后6. 统计滤波在ERDAS图标面板工具条，单击interpreter图标spatial enhancementstatistical filter对话框，设置参数： 输入文件为lanier.im

29、g； 输出文件为statistical .img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为unsigned 8 bit； 窗口大小定义为3*3； 输出文件选择bandwise或pc，乘积倍数定义为2；输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图4.7 统计滤波之后7. 锐化增强在ERDAS图标面板工具条，单击interpreter图标spatial enhancementcrisp对话框，设置参数： 输入文件为panatlanta.img； 输出文件为crisp .img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类

30、型为unsigned 8 bit； 输出数据统计时忽略零值，选中ignore zero in stats； 单击view按钮打开模型生成器窗口，浏览crisp功能的空间模型，单击file close all命令，退出模型生成器窗口，单击ok。图4.8 锐化增强的空间模型图4.9 锐化增强处理前的图形图4.10 锐化增强后的图形处理结果及分析1、卷积增强处理 图4.11 左边为卷积增强前，右边为卷积增强后2. 非定向边缘增强 图4.12 左边为非定向边缘增强前，右边为非定向边缘增强后3. 聚焦分析 图4.13 左边为聚焦分析前，右边为聚焦分析后4. 纹理分析 图4.14 左边为纹理分析前，右边为

31、纹理分析后5. 自适应滤波 图4.15 左边为自适应滤波前，右边为自适应滤波后6. 统计滤波 图4.16 左边为统计滤波前，右边为统计滤波后7. 锐化增强 图4.17 左边为锐化增强前，右边为锐化增强后实习五 遥感图像光谱增强（Spectral Enhancement）实习地点：仿真中心302，实习时间：2014.05.31实习目的理解遥感图像光谱增强的概念和意义，掌握运用ERDAS IMAGINE进行光谱增强的步骤和方法。掌握 K-L 变换和K-T 变换的概念和方法，分析图像增强效果。实习内容和要求1. 主成分变换（Principal Component）数据：lanier.img。2. 主

32、成分逆变换（Inverse Principal Component）数据：主成分变换所得的数据3. 去相关拉伸（Decorrelation Stretch）数据：lanier.img。4. 樱帽变换（Tasseled Cap）数据：lanier.img5.色彩变换（RGB to IHS）数据：dmtm.img6.色彩逆变换（IHS to RGB）数据：色彩变换所得的数据。7.指数计算（Indices）数据：tmatlanta.img。8.自然色彩变换（Natural Color）数据：spotxs.img。基本原理 遥感图像光谱增强处理是基于多波段数据对每个像元的灰度值进行变换，达到图像增强的

33、目的。 主成分变换是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。主成分变换是建立在统计特征几处上的多维正交线性变换，是一种离散的变换，又叫K-L变换。主成分逆变换是激昂经主成分变换获得的图像重新恢复到RGB彩色空间，应用时，输入的图像必须是由主成分变换得到的图像，而且必须有当时的特征矩阵参与变换。去相关拉伸是对图像的主成分进行对比度拉伸处理，而不是对原始图像进行拉伸。操作时只需输入原始图项即可，系统将对原始图像进行主成分变换，并对主成分图像进行对比度拉伸处理，再进行主成分逆变换，依据当时变换的特征举证，将图像恢复到RGB彩色空间

34、，达到图像增强的目的。缨帽变换是针对 植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转，优化图像数据显示效果，又叫K-T变换。多波段图像可以看做是N维空间，每一个像元嗾使N维空间中的一个点，其位置取决与像元在各个波段上的数值。色彩变换是将遥感图像从红、绿、蓝3中颜色组成的彩色空间转换到一亮度、色度、饱和度作为定位参数的彩色空间，以便使图像的颜色与人烟看到的更为接近。色彩逆变换是与上述色彩变换对应进行的，是将遥感图像从以亮度、色度、博爱合度作为定位参数的彩色空间转换到红、绿、蓝3中颜色组成的彩色空间。指数计算是应用一定的数学方法，将遥感图像中不同波段的灰度值进行各种组合与暗

35、算，计算反应矿物及植被的常用比率和指数。自然色彩变换就是模拟自然色彩对多波段数据金乡变换，输出自然色彩图像。变换过程中关键是3个输入波段光谱范围的确定，这3个波段一次是近红外、红、绿，如果3个波段定义不够恰当，则转换以后的输出图像也不可能是真正的自然色彩。实现方法和步骤1. 主成分变换在ERDAS图标面板工具条，单击interpreter图标spectral enhancementprincipal components对话框，设置参数： 输入文件为lanier.img； 输出文件为principal.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据类型为float sing

36、le；输出数据统计时忽略零值，选中ignore zero in stats；特征矩阵输出设置；若需在运行日志中现实，选中show insession log复选框；若需写入特征矩阵文件，选中write to file复选框；特征矩阵文件名为lanier.mtx；特征数据输出设置；若需在运行日志中现实，选中show insession log复选框；若需写入特征矩阵文件，选中write to file复选框；特征矩阵文件名为lanier.tbl；需要的主成分数量为3，单击ok。图5.1主成分变换2. 主成分逆变换在ERDAS图标面板工具条，单击interpreter图标spectral enha

37、ncementinverse principal components对话框，设置参数： 输入文件为principal.img；确定特征矩阵为lanier.mtx； 输出文件为inverse_pc.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据选择，类型为float single；若输出数据拉伸到0-255，请选中stretch to unsigned 8 bit复选框，若输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图5.2主成分逆变换3. 去相关拉伸在ERDAS图标面板工具条，单击interpreter图标spectral enhanc

38、ementdecorrelation stretch命令，打开decorrelation stretch对话框，设置参数： 输入文件为lanier.img； 输出文件为decorrelation.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据选择；若输出数据拉伸到0-255，请选中stretch to unsigned 8 bit复选框，若输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图5.3去相关拉伸4. 樱帽变换在ERDAS图标面板工具条，单击interpreter图标spectral enhancementtasseled cap命令

39、，打开tasseled cap对话框，设置参数： 输入文件为lanier.img； 输出文件为tasseled.img； 文件坐标类型为map； 处理范围确定，默认即可；输出数据选择；若输出数据拉伸到0-255，请选中stretch to unsigned 8 bit复选框，若输出数据统计时忽略零值，选中ignore zero in stats；定义相关系数，单击set coefficients按钮，默认即可，单击ok。图5.4樱帽变换5.色彩变换在ERDAS图标面板工具条，单击interpreter图标spectral enhancementRGB to IHS命令，打开RGB to IHS

40、对话框，设置参数： 输入文件为dmtm.img； 输出文件为rgb_ihs.img； 文件坐标类型为map； 处理范围确定，默认即可；确定参与色彩变换的3个波段，red：4，green：3，blue：2；输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图5.5色彩变换6.色彩逆变换在ERDAS图标面板工具条，单击interpreter图标spectral enhancementIHS to RGB命令，打开IHS to RGB对话框，设置参数： 输入文件为rgb_ihs.img； 输出文件为rgbihs_rgb.img； 文件坐标类型为map； 处理范围确定，默

41、认即可；对亮度和饱和度进行拉伸，选择stretch I_S按钮；确定参与色彩变换的3个波段，intensity：1，hue：2，sat：3；输出数据统计时忽略零值，选中ignore zero in stats；单击ok。图5.6色彩逆变换7.指数计算在ERDAS图标面板工具条，单击interpreter图标spectral enhancementindeces命令，打开indeces对话框，设置参数： 输入文件为tmatlanta.img； 输出文件为indeces.img； 文件坐标类型为map； 处理范围确定，默认即可；选择传感器类型为landsat tm；选择计算指数函数为NDVI；输出

42、数据类型为unsigned 8 bit；单击ok。图5.7指数计算8.自然色彩变换在ERDAS图标面板工具条，单击interpreter图标spectral enhancementnature color命令，打开nature color对话框，设置参数： 输入文件为spotxs.img； 输出文件为nature color.img； 确定输入光谱范围为NI：3，R:2,G:1； 文件坐标类型为map； 处理范围确定，默认即可；拉伸输出数据，选中stretch output range复选框；输出数据类型为unsigned 8 bit；单击ok。图5.8自然色彩变换处理结果及分析1. 主成分变

43、换 图5.9主成分变换前后2. 主成分逆变换 图5.10 主成分逆变换前后3. 去相关拉伸 图5.11 去相关拉伸前后4. 樱帽变换 图5.12樱帽变换前后5.色彩变换 图5.13 色彩变换前后6.色彩逆变换 图5.14色彩逆变换前后7.指数计算 图5.15 指数计算前后8.自然色彩变换 图5.16 自然色彩变换前后实习六 图像融合（Resolution Merge）实习地点：仿真中心302，实习时间：2014.06.02实习目的掌握图像融合的概念和方法，并具体加以实现实习内容和要求将全色波段影像（Quickbird_Pyramids_Pan.img）与多光谱影像（Quickbird_Pyra

44、mids_MS.img）进行融合；观察采用不同方法（Principal Component，Multiplicative, Brovey Transform）的情形下，融合前后影像的变化。基本原理 分辨率融合是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。图像分辨率融合的关键是融合前两幅图像的配准以及处理过程中融合方法的选择，只有将不同空间分辨率的图像精确地进行配准，才可能得到满意的融合效果；实现方法和步骤在ERDAS图标面板工具条，单击Interpreter图标spatial enhancementresolution

45、 merge命令，打开resolution merge对话框，设置参数： 确定高分辨率输入文件spots.img； 确定多光谱输入文件为dmtm.img； 定义输出文件为merge.img； 选择融合方法为主成分变换； 选择重采样方法为bilinear interpolation； 输出数据为stretch unsigned 8 bit； 输出波段选择为select layers 1:7；单击ok。处理结果及分析图6.1 图像融合前（上图）与图像融合后（下图）实习七非监督分类与监督分类实习地点：仿真中心302，实习时间：2014.06.04实习目的理解图像监督分类和非监督分类的原理、方法和步骤

46、，初步掌握土地利用/土地覆盖的计算机自动分类方法实习内容和要求1. 预先假定地表覆盖类型为 10 类，对germtm.img 进行监督分类和非监督分类；比较分类前后的影像，记录分类混淆矩阵，评价分类精度。2. 比较采用这两种分类方法得到的结果。基本原理 遥感图像的分类的主要依据是地物的光谱特征及地物电磁波辐射的多波段测量值，这些测量值可以用作遥感图像分类的原始特征变量。然而，就某些特定地物的分类而言，多波段影像的原始亮度值并不能很好地表达类别特征，因此需要对数字图像进行运算处理，以寻找能有效描述地物类别特征的模式变量，然后利用这些特征变量对数字图像进行分类。分类是对图像上每个像素按照亮度解禁程

47、度给出对应类别，以达到大致区分遥感图像中多重地物的目的。监督分类：需要从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数，建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。监督分类实质上就是依据所建立的分类模块，在一定的分类决策规则条件下，对图像进行聚类判断的过程，包括最小距离分类法、多级切割分类法、特征曲线窗口法、最大似然比分类法。非监督分类：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相似度大的像元归为一类）的方法。主要包括分级集群法、动态聚类法。实现方法和

48、步骤1 监督分类：图像面板工具条ClassifierSupervised Classification 命令，打开Supervised Classification对话框，设置参数：<1> 确定输入文件为tm_860516.img；<2> 定义输出分类文件为Germtm_superclass.img；<3> 确定分类模块文件为tm_860516.sig；<4> 选择分类距离文件为distance file,定义分类距离文件为Germtm_distance.img；<5> 打开attribute options选中前四个；<6>选择非参数规则为feature space；单击ok。2 非监督分类：图像面板工具条ClassifierUnsupervised Classification 命令，打开Uns