定量遥感实习指导书

2024-10-21

定量遥感实习指导书（共4篇）

定量遥感实习指导书篇1

《遥感实习》指导书

一、实习目的“遥感原理与图像处理”课程是测绘工程专业的一门重要专业课，遥感信息是测绘、资源调查、环境监测、灾害评价诸方面应用的主要数据源。已在科学研究、工农业生产、军事、公安、医疗卫生、教育等许多领域得到广泛应用，产生了巨大的经济效益和社会效益，对推动社会发展，改善人们生活水平都起到了重要作用。未来要建立的数字地球是对真实地球及其相关现象数字化描述的一个虚拟地球。遥感技术将为数字地球提供动态的高分辨率、高光谱影像，用遥感影像生成的三维数字地面模型（DEM），以及地物和环境的各种属性数据等一些数字地球中最基础的数据。

“遥感实习”目的是培养学生进行遥感技术应用和图像数字处理的实际操作能力。要求了解一些基本的地物波谱反射率的野外测定方法，理解遥感图像目视解译，了解航天（或航空）像片识读与野外调绘。

二、实验项目基本要求

1.熟悉一种遥感图像处理软件

2.遥感影像的认知，进行图像剪切，波段组合与图像显示

3.遥感影像增强处理

要求：对一幅遥感图像进行反差增强，卷积运算，滤波处理

4.遥感影像解译

要求：对一幅遥感图像进行监督分类和非监督分类，并进行分类后处理和精度评定。

三、时间安排：

1、实习动员：介绍本次实习的内容和安排，布置任务。（0.5天）

学生分组，4~6人一组，以组为单位，将影像分成若干份，每人处理一份，处理后再拼接为一幅影像。

2、几何纠正、增强处理、计算机分类（监督法和非监督法分类）。（4天）

3、编写实习报告，上交成果。（0.5天）

四、成绩评定

1、平时出勤和表现，占30%。

2、上交成果，占30%。

3、实习报告，占40%。

五、实习报告内容：

1、实习目的2、实习内容

3、实习步骤（原理，方法，如何操作）

4、实习结果（截图和文字描述）

5、实习感受

遥感实习报告篇2

课堂实验报告

（2015-2016学年第一学期）

专业班级：学号：姓名：实验成绩：

□ 优秀：格式完全符合规范要求，内容完整，图表规范美观；实验原理清楚，实验步骤合理，结果正确；严格遵守实验纪律，按时上交实验报告。

□ 良好：格式符合规范要求，内容完整，图表规范；实验原理较清楚，实验步骤合理，结果正确；遵守实验纪律，按时上交实验报告。

□ 中等：格式基本符合规范要求，内容较完整；实验原理较清楚，实验步骤基本合理，结果正确；能遵守实验纪律，能按时上交实验报告。

□ 及格：格式问题较多，内容基本完整；实验原理较清楚，实验步骤基本合理，结果基本正确；能遵守实验纪律，能按时上交实验报告。

□

不及格：格式问题突出，内容不完整；实验原理不清楚，实验步骤欠合理，结果不正确；有抄袭现象，不遵守实验纪律，未时上交实验报告。

指导教师签名:

2015年 11月 5日

实验项目

（一）：遥感图像几何纠正（4学时）

实验目的：掌握遥感图像几何纠正的原理方法；熟悉几何纠正中控制点的选择原则和方法；熟练掌握有关遥感图像处理软件的主要功能和操作步骤；针对变形的遥感图像能进行几何纠正。

实验器材：

1、计算机；

2、基准遥感图像、待纠正遥感图像；

3、遥感数字图像处理ENVI软件。

实验要求：掌握遥感图像几何纠正的主要步骤；自己独立完成遥感图像几何纠正；对几何校正结果进行评价。

实习时间及地点：

2015年10月15日

软件与数据源描述：

ENVI提供以下选择方式：从栅格图像上选择

如果拥有需要校正图像区域的经过校正的影像、地形图等栅格数据，可以从中选择控制点，对应的控制点选择模式为Image to Image。从矢量数据中选择

如果拥有需要校正图像区域的经过校正的矢量数据，可以从中选择控制点，对应的模式为Image to Map。从文本文件中导入

事先已经通过GPS测量、摄影测量或者其他途径获得了控制点坐标数据，保存为以[Map(x,y), Image(x,y)]格式提供的文本文件可以直接导入作为控制点，对应的控制点选择模式为Image to Image 和Image to Map。键盘输入

如果只有控制点目标坐标信息或者只能从地图上获取坐标文件（如地形图等），只好通过键盘敲入坐标数据并在影像上找到对应点。

控制点的预测是通过控制点回归计算求出多项式系数，然后通过多项式计算预测下一个控制点位置，RMS值也是用同样的方法。默认多项式次数为1，因此在选择第四个点时控制点预测功能可以使用，随着控制点数量的增强，预测精度随之增加。最少控制点数量与多项式次数的关系为（n+1）2。

实验原理及步骤：

实验步骤：运行ENVI 软件

第一步：显示图像文件

从ENVI 主菜单中，选择File —— Open Image File 当Enter Data Filename文件选择对话框出现后，选择进入当前目录下的“几何校正”子目录，从列表中选择bldr_tm.img和bldr_sp.img文件。在波段列表中bldr_tm.img选择RGB:543显示，同时Display中显示bldr_sp.img。

点击OK。出现“可用波段列表对话框”出现。两影像分别在display#1,display#2中打开。

第二步：启动几何校正模块

在主菜单上选择map->Registration->select GCPs：image to image 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（bldr_sp.img）像而warp则指待校正影像（bldr_tm.img）。选择OK!

第三步：采集地面控制点

进行选点：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。剔除或调整误差较大的点。

第四步：选择校正参数输出

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tm，点ok进入registration parameters对话框：首先点change proj按钮，选择坐标系utm,然后更改象素的大小，输入为30m。

最后选择多项式校正方法.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。memory点OK。

第五步：检验校正结果

在显示校正后结果的Image窗口中，右键选择Geographic Link命令，选择需要连接的两个窗口，打开十字光标进行查看。

或者在INVI ZOOM中将校正后的结果跟基准影像同时显示在窗口中，并用透视或者拉幕工具进行对比浏览。

实验结果与分析：

1、控制点应选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、湖泊边缘、飞机场、城郭边缘；

2、特征变化大地区应该多选控制点；图像边缘部分一定要选取控制点，以避免外推；尽可能满幅均匀选取。

3、控制点选取结束后要记得保存控制点文件

2015年10月15 日

实验项目

（二）：遥感图像的镶嵌与裁剪（0.5学时）

实验目的：熟悉遥感图像的特点；掌握遥感图像镶嵌与裁剪的概念和作用；掌握遥感图像镶嵌与裁剪影像处理软件的相关操作步骤。

实验器材：

1、计算机；

2、多光谱遥感图像；

3、遥感数字图像处理ENVI软件。

实验要求：

1、了解多光谱遥感图像的成像规律和特点；

2、掌握遥感图像镶嵌与裁剪的概念及主要操作步骤；

3、对遇到的问题能自己分析解决。

实习时间及地点：

2015年10月29日

软件与数据描述：

图像裁剪的目的是将研究之外的区域去除。常用的方法是按照行政区划边界或者自然区划边界进行头像裁剪；在基础数据生产中个，还经常要进行标准分幅裁剪。

本课程学习在ENVI下进行图像的规则裁剪、利用矢量数据进行图像的不规则裁剪。

规则裁剪，是指裁剪图像的边界范围是一个矩形，这个矩形范围获取途径包括：行列号、左上角和右下角两点坐标、图像文件、ROI/矢量文件。规则分幅裁剪功能在很多的处理处理过程中都可以启动（Spatial Subset）。下面介绍其中一种规则分幅裁剪过程。不规则图像裁剪，是指裁剪图像的边界范围是一个任意多边形。任意多边形可以是事先生成的一个完整的闭合多边形区域，可以是一个手工绘制的多边形，也可以是ENVI支持的矢量文件。针对不同的情况采用不同的裁剪过程。下面学习这两种方法。图像镶嵌，指在一定数学基础控制下把多景相邻遥感图像拼接成一个大范围、无缝的图像的过程。ENVI的图像镶嵌功能可提供交互式的方式，将有地理坐标或没有地理坐标的多幅图像合并，生成一幅单一的合成图像。

实验原理及步骤：

在 ENVI 主菜单中，选择 Map → Mosaicking → Pixel Based，开始进行 ENVI 基于像素的镶嵌操作。Pixel Based Mosaic 对话框出现在屏幕上。

2、从 Pixel Based Mosaic 对话框中，选择 Import → Import Files。在 Mosaic Input Files对话框中，点击 Open File，选择文件ljs-dv06_2.img。

3.在 Mosaic Input Files对话框中，再一次点击 Open File，选择 ljs-dv06_3.img 文件。

4.在Mosaic Input Files对话框中，按下键盘上的Shift键，并同时点击ljs-dv06_2.img和ljs-dv06_3.img文件名，选中这两个文件，点击 OK。

5.在 Select Mosaic Size 对话框的X Size 中输入 614，Y Size 中输入 1024，指定镶嵌影像的大小。

6.在 Pixel Based Mosaic 对话框中，点击 dv06_3.img 文件名。7.调整影像的位置关系。

8、在 Pixel Based Mosaic 对话框中，选择 File → Apply。当 Mosaic Parameters 对话框出现后，输入输出文件名 ljs-dv06.img，点击 OK，生成镶嵌影像文件。

在 Pixel Based Mosaic 对话框中，选择 File → Save Template。当 Output Mosaic Template 对话框出现后，输入输出的文件名 ljs-dv06a.mos。

9.点击可用波段列表中的 dv06a.mos 波段名，然后点击 Load Band，显示镶嵌后的影像。

10、在 Pixel Based Mosaic 对话框中，选择 Options→Change Mosaic Size。在 Select Mosaic Size对话框的X Size 和 Y Size 文本框中都输入值 768，点击 OK，改变输出镶嵌影像的大小。在 Pixel Based Mosaic 对话框中，左键点击影像＃2 的绿色轮

廓框。将影像＃2 拖动到镶嵌图的右下角。

在镶嵌图中，右键点击影像＃1 的红色轮廓框，选择 Edit Entry，打开 Entry:filename

对话框。

11、在 Data Value to Ignore 文本框中，输入值 0。在 Feathering Distance 文本框中，输入值 25，点击OK。对另一幅影像，重复上面的两步操作。选择 File → Save Template，输入输出文件名 ljs-dv06b.mos。在可用波段列表中，点击镶嵌模板文件名，然后点击 Load Band，显示该镶嵌影像。

在 Pixel Based Mosaic对话框中，选择 File → Apply，点击OK。输入要输出的文件名ljs-dv06-output，设定 Background Value 为 255，然后点击 OK。

基于地理坐标的影像镶嵌例子

在 ENVI 主菜单中，选择 Map → Mosaicking → Georeferenced，开始进行 ENVI 基于地理坐标的镶嵌操作。

输入文件：从 Pixel Georeferenced Mosaic 对话框中，选择 Import → Import Files。打开ljs-lch_02w.img和ljs-lch_01w.img.在镶嵌图中，右键点击影像＃1 的红色轮廓框，选择 Edit Entry，打开 Entry:filename对话框，在 Data Value to Ignore 文本框中，输入值 0。在 Feathering Distance 文本框中，输入值 25，点击OK。同理，处理#2影像。

添加注记：在ENVI4.7中File—Open Image File –选择ljs-lch_01w.img。

在主窗口中从主影像窗口中，选择 Overlay → Annotation，打开 Annotation对话框。在color中选择Red，然后添加注记，操作完成后保存为ljs-lch-a.ann 导入注记：在mosica窗口，选择上影像，右键选择 Edit Entry，选择select cutline Annotation File，选择ljs-lch-a.ann。结果如下：

创建输出羽化后的镶嵌影像在 Map Based Mosaic 对话框中，选择 File → Apply。在 Mosaic Parameters对话框中，输入输出文件名 ljs-lch_mos.img，点击 OK，创建羽化后的镶嵌影像。

实验结果与分析：

（1）如果待拼接的图形经过了较为准确的几何校正，图像的拼接过程只需要经过色带调整之后就可以运行就可以达到较好的效果。

（2）彩色图像如何要取得较好的效果，需要从红绿蓝三个波段进行灰度的调整，对于多个波段的图像文件，进行一一对应的多个波段调整。

（3）在使用拼接线拼接时，如果带拼接区域颜色较为一致，或者带拼接区域刚好有河流或其他分割线，可以依照此分割线进行拼接，此时采用拼接线拼接可能取得较好的效果。同时要对拼接线处进行羽化使拼接线能够更好的融入影像中去。

2015年10 月29日

实验项目

（三）：遥感图像的融合（0.5学时）

实验目的：熟悉多光谱遥感图像和高分辨率全色影像的特点；掌握遥感图像融合的基本原理及主要融合算法和步骤；掌握遥感图像融合影像处理软件的主要操作步骤。

实验器材：

1、计算机；

2、多光谱遥感图像和高分辨率的全色影像；

3、遥感数字图像处理ENVI软件。

实验要求：

1、了解多光谱遥感图像和高分辨率全色影像的特点；

2、掌握遥感图像融合各种算法的原理与主要操作步骤；

3、对遇到的问题能自己分析解决。

实习时间及地点： 2015年10月29日软件与数据描述：

在ENVI中，遥感影像合成总共有5中方法，分别是： HSV Color Normalized(Brovey)Gram-Schmidt Spectral Sharpening

PC Spectral Sharpening CN Spectral Sharpening 实验原理与步骤： 1.图像融合：

三波段融合：

HSV和Color Normalized(Brovey)变换：

1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；

2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1；

3）在ENVI的主菜单选择Transform → Image Sharpening → HSV；

4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。

5）从High Resolution Input File对话框中选择全色影像，点击OK。

6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；

与上述方法类似，选择Transform → Image Sharpening →

Color Normalized(Brovey)，使用Brovey进行融合变换。

多光谱融合：

Gram-Schmidt、主成分（PC）和color normalized(CN)变换

三种方法操作过程基本类似，下面以 Gram-Schmidt为例：

1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；

在ENVI的主菜单选择Transform → Image Sharpening →Schmidt Spectral Sharpening；

3）在Select Low Spatial Resolution Multi Band Input File对话框中选择资源三号多光谱影像，在Select High Spatial Resolution Pan Input Band对话框中选择全色影像，点击OK。

4）选择Average of Low Resolution Multispectral File方法。

5）选择重采样方法，输入输出路径及文件名，单击OK输出。

与上述方法类似，选择其他两种方法进行融合，并比较融合结果。

2.图像增强：

1）从ENVI主菜单中，选择File → Open Image File，加载融合后影像到可用波段列表Available Bands List中，并打开影像；

2）在image主窗口菜单Enhance下有不同的拉伸方法，可以尝试并比较各种方法的特点；

3）ENVI系统默认打开的影像已经过2%线性拉伸。如果希望改变系统默认的2%线性扩展，从主菜单File → Preferences → Display Default，将%Linear 中的2.0 改为0.0，选择OK 后，关闭对话框。

4）交互式拉伸：主图像菜单中选择Enhance→Interactive Stretching。Strech_Type 中可以选择各种扩展方式，主要有Linear（线性）、Gaussian（高斯），Piecewise Linear（分段线性），Equalization（均衡化），Square Root（平方根），Arbitrary（任意拉伸），选中各种不同的扩展方式，点击Apply，即可在图中看到变化后的图像。5）以上增强后结果如果需要保存时，在Image窗口下File → Save Image as → Image File

实验结果与分析：

HSV和Brovey变换两种方法在三个波段中，Brovey方法比HSV方法的均值和标准差值都大，在四个波段的其他四种方法，在各个波段中，CN法的均值和标准差值都最大，GS方法与PAN方法均值和标准差值都差不多相等且最小，PC方法的均值比CN方法小比GS方法与PAN方法略大，在1、2、3波段上，CN法的标准差值最大，其余三种大小差不多相等，在4波段上，CN法、GS法、PAN法标准差值大小差不多相等，PC法两种值均最小。

定量分析，对比几种方法融合后的图像，可以看出，HSV方法的融合效果最好，图像融合后最为清晰，PC方法的融合效果最差，图像较为模糊。

由此通过分析，HSV方法融合效果最佳。

2015年10月29日

实验项目

（四）：遥感图像的计算机自动分类（3学

时）

实验目的：掌握遥感图像分类的基本原理；熟悉遥感图像的特点；掌握ENVI软件遥感图像分类的操作步骤；并输出分类结果专题图；

实验器材：

1、计算机；

2、多光谱遥感图像；

3、遥感数字图像处理专用软件。

实验要求：

1、了解多光谱遥感图像的成像规律和特点；

2、掌握遥感图像分类的基本原理及操作步骤；

3、对分类结果输出专题图；

4、对遇到的问题能自己分析解决。

实习时间及地点： 2015年10月29日软件与数据描述：

实验原理与步骤：

实验结果与分析：

高光谱遥感实习报告篇3

《高光谱遥感》上机实习报告

学号： 20141000360 班级序号： 113142 姓名：林浩指导老师：沈永林

实习一

1.高光谱数据的基本信息查询：

（1）打开数据

（2）鼠标放在cup95eff.Int左键点击->edit header，查看头文件信息

2.数据分析

（1）在ENVI主菜单下选择：File>OpenImageFile，在打开的文件选择窗口中选择图像文件cup95eff，点击OK打开图像。

（2）打开它的2-D散点图Tools>2-DScatterPlots,并且选择band172、173

（3）得到2d散点图

3.高光谱数据MNF变换以及纯净端元提取

样本的选取与分类

（1）在ENVI主菜单下选择Transform>MNFRotation>ForwardMNF>EstimateNoiseStatisticsfromData

：

（2）进行mnf变换设置

（3）得到特征值曲线

（4）查看mnf变换后band1和band2的2d散点图

（5）在散点图中用ROI制图功能将点云拐角零散的几个点圈起来

（6）在2-D散点图窗口中选择：Options > Export All 提取各样本区

（7）点击Select ALL 然后点击stats

（8）在ENVI主菜单下选择：Spectral > Spectral Analyst，我们选择USGS（美国地质调查局）波谱库

（9）选择红色区域得到匹配结果

得出红色区域为明矾石。

（10）同理得到绿色区域结果

判断该为锂辉石

蓝色区域

判断该为高岭石

黄色区域

判断该为赤铁矿

青色区域

判断该为黄钾铁矾

洋红区域

判断该为黄钾铁矾

褐红色区域

判断该为白云石

（11）通过分析是否有两类极其相似，于是我把这两类合并。在ROIs Tools窗口中选择Option > Merge Regions

得到分类好的样本区域

分类

（1）在ENVI主菜单下选择：Pixel Purity Index > [FAST]New Output Band

进行10000次迭代

（2）得到的PPI图像如下所示：

（3）由PPI图像生成样本区。

在ROIs Tool对话框中选择Options > Band Threshold to ROI 建立一个只包含拥有高PPI值像素的ROI

（4）在弹出的对话框中输入最小极限值100，提取训练样本。

（5）在ENVI主菜单中选择Spectral > n-Dimensional Visualizer > Visualize with New Data

（6）选择其前十个波段进行观察

（7）使用n维空间观察仪

（8）选择其中5个波段进行模拟

（9）在ENVI主菜单下选择：Classification > Supervised > Spectral Angle Mapper。选择原始图像作为待分类图像。

（10）在此窗口中选择：Import > form ROI from Input File

（11）选择我们刚才定义好的样本区

（12）这些样本区就出现在端元收集器中了

（13）设置分类参数

定量遥感实习指导书篇4

2011学年-2012学年第1学期遥感图像处理实习报告书

专业：地理信息系统班级：地信09 姓名：学号： 090134123 实验地点：林业楼517 指导老师：实验题目：遥感图像处理实习之TM影像校正实验环境：一台安装有ENVI 4.7和ArcGis Map的计算机实验目的

1.2.3.4.掌握ENVI软件的基本操作，遥感数字图像处理的基本处理方法；掌握使用ENVI对不同分辨率影像间的几何校正、配准与融合；

掌握使用ENVI中的最大似然监督分类法对影像进行分类，并自学其他分类方法；掌握使用Arcgis对处理后的影像添加要素并出图。

实习内容

1.掌握遥感图像处理软件ENVI的基本操作（读取、保存、裁剪、格式转换、坐标转换、波段运算、影像校正等）；

2.实现SPOT(P)影像和ASTER影像之间的配准，选定两种融合方法，实现融合并对结果进行详细分析；

3.掌握图像裁剪的方法，对TM影像裁剪；掌握样本选取的方法，选定合适的样本，对TM影像进行分类，选定两种分类方法进行分析比较，生成土地利用图，并进行类后评价；

4.采用ArcGIS软件对土地利用图添加指北针、图例、比例尺、经纬网等地图要素，将结果以图片格式(png、pdf、tif、jpg等)提交。

数据源

1．ASTER数据：甘肃省张掖地区，2008.5.23日获取，分辨率15m，角度10.3862度；取前三个波段。

2．SPOT5数据：甘肃省张掖地区，2008.3.29日获取，分辨率2.5m，角度0度，全色波段。

3．TM影像编号：2-LT51230322009265IKR00 实习步骤及结果

一、ENVI配准、融合

1、由于ASTER影像和SPOT影像既有角度偏差又有尺度偏差，需要进行配准。打开实验数

据ASTER影像和SPOT影像，进行手动配准。选择Map——Registration——Select GCPS:Image to Image，以高分辨率的SPOT影像为Base Image配准ASTER影像。

2、控制点至少要选取9个以上，这里选取了16个控制点。控制点需均匀分布，易于选取，一般选取道路的脚点、道路的交叉点、房屋的脚点作为控制点。选取后点击Add Point添加控制点。截图如下所示：

3、选点完成之后，查看总体RMS Error（均方根误差）。总体RMS Error小于1时，选点合格。如果总体RMS Error大于1，点击Show List，打开控制点列表，查看个体RMS Error。如果有误差非常大的点，选中之后，点击Goto，会自动跳到此点的位置。对此点进行重新选取，直到能使总体RMS Error小于1为止，然后点击Update。总体RMS Error截图如下所示：

控制点列表截图如下所示：

本次实验过程中曾试验用自动选点的方法，但选取误差较大，经比较决定用手动选点的结果进行配准。

4、选择Options——Warp File——ASTER2影像，对ASTER-2图进行影像配准与裁剪。选择一次多项式模型，重采样方法为双线性内插法，设置左上角点为（0,0），裁剪范围为2000*2000，与SPOT影像相匹配。设置截图如下所示：

配准后的影像截图如下所示：

Link SPOT-2影像可以看出和SPOT-2影像的空间范围相一致，但空间分辨率较SPOT-2影像低。

5、手动融合——分量替换法。融合图像需要精确几何配准，并将多光谱图像采样与全色相同的分辨率，且裁为尺寸大小一致的区域，此步骤已于上一步完成。对多光谱影像进行彩色空间变换，分量替换HSV。选择Transform——Color Transforms——RGB to HSV，截图如下所示：

6、将高分辨率全色波段与彩色空间变换后的V波段进行直方图匹配，并存为V波段的数据类型，以修正光谱扭曲。

(1)分别将高分辨率全色波段和V波段的直方图打开，选择Image窗口：Enhance——Interactive Stretching。SPOT-2直方图截图如下所示：

V波段的直方图截图如下所示：

(2)分别在高分辨率全色波段影像和V波段的直方图窗口中，选择Histogram_Source--->band；

(3)在高分辨率全色波段影像的直方图窗口中，将Stretch_type选为Arbitrary,以便于用指定的直方图曲线来拉伸；

(4)用鼠标将V波段影像直方图的输入（Input Histogram标签）拖动至在高分辨率全色波段影像的直方图的输出窗口（Output Histogram）中，然后点击Apply。截图如下所示：

(5)在V波段的直方图窗口中，选择Options－>Histogram Parameters，记录下Histogram Min和Histogram Max两个值。截图如下所示：

(6)在高分辨率全色波段影像的直方图窗口中，选择File—>Export Stretch，将刚才记下的两个值分别填入Output Min和Output Max中；再将“Output Data Type”改为“Floating Point”，然后给定文件名存储。参数设置截图如下所示：

7、彩色空间反变换。选择Transform——Color Transforms——HSV to RGB。参数设置截图如下所示：

得到融合之后的影像，截图如下所示：

分析：

（1）Link融合之前的图像进行比较，截图如下所示：

从上图的对比中不难发现，融合之后图像的空间分辨率得到显著提高，街道、地块等文理信息可以很清楚的分辨出来。同时光谱颜色也得到保存，但有些许的光谱扭曲现象，出现了不明信息的红色斑块。

（2）Link SPOT-2影像进行比较，截图如下所示：

从上图的对比中不难发现，融合之后图像的空间分辨率与SPOT-2影像的空间分辨率相一致，并添加上了光谱信息。

8、自动融合——小波变换法。自动融合时有相同的地理坐标，则不需要进行配准，系统会自动完成。选择Transform——Wavelet Fusion，选择双线性内插法进行重采样，得到的小波变换融合图截图如下所示：

分析：

（1）Link融合之前的图像进行比较，截图如下所示：

从上图可以看到用小波变换法融合后的影像其空间分辨有所提高，且光谱信息得到很好的保存。

（2）Link SPOT-2影像进行比较，截图如下所示：

从上图可以看出用小波变换法融合后的影像与SPOT-2影像相比，地物的纹理特征并没有得到很好的保存，空间分辨率较SPOT-2影像低。

9、本次实验小波变换法与分量替换法均采用双线性内插法进行重采样。Link小波变换法融合后的影像与分量替换法融合后的影像进行比较，截图如下所示：

由上图的比较可以发现，分量替换法融合后的影像其地物的文理信息保存较好，道路、房屋的边界等信息容易区分，而小波变换法融合后的影像其空间结构特征保留不好，地物信息不能完全显示。而另一方面，小波变换法融合后的影像其光谱色彩得到很好的保存，并未出现光谱扭曲现象，而分量替换法融合后的影像会出现少量的由于光谱扭曲而产生的红色斑块。

由分析可知，如果希望得到较好的空间信息，用分量替换法进行融合效果较好；如果得到较好的光谱特征，用小波变换法进行融合效果较好。

二、ENVI分类

1、将多幅图像构建成一个新的多波段文件，输入波段将被重采样和重新投影到用户选择的输出投影和像元尺寸。选择Basic Tools——Layer Stacking——Input File，将需要叠加的图层影像进行输入，截图如下所示：

2、利用4、3、2波段（近红外、红、绿三波段）合成标准假彩色，其中呈现红色的为植被

信息，白色的为盐碱地或云，青白色地为建筑物，蓝黑色的为水体信息。截图如下所示：

3、裁剪出2000*2000空间范围的子集，选择Basic Tools——Resize Data（Spatial/Spectral）——Spatial Subset——Image，输入2000*2000，选择裁剪区域。裁剪影像要包含水体、林地、耕地、裸地、城镇、交通用地、其他等。裁剪完的影像截图如下所示：

4、确定分类类型。根据裁剪出的影像，确定要分的类别为水体、林地、耕地、裸地、城镇、交通用地、其他这七大类。

5、选取样本。选择Basic Tools——Region Of Interest——ROI Tool,打开选取样本工具栏，并开始在影像的Zoom窗口内选取样本。选样本时要全面，选取出所有灰度值不同的相同地物。截图如下所示：

2、对样本进行统计分析，查看其相关系数，检查质量。选择Options——Compute ROI Separability，选中所有样本类别，分析后的截图如下所示：

从以上数据可以看出，整体区分度较好，可以达到1.8以上。但由于原始影像问题，交通用地和城镇区分度在1.6~1.9之间，不易区分。

3、用N维光谱空间查看样本或编辑样本。选择File——Export ROI to n-D Visualizer，选中所有样本类别，截图如下所示：

从图上可以总体区分度较好，水体与其他类别完全区分的出来，林地和耕地有一小部分混在一起，不易区分；城镇和交通用地有一小部分混在一起，不易区分；其他类区分度较好。

10、监督分类。选择Classification——Supervised——Maximum Likelihood，用最大似然法进行分类。分类后截图如下所示：

11、为分类完的影像调整颜色。选择Tools——Color Mapping——Density Slice，修改的参数设置截图如下所示：

其中

1：耕地 2：裸地 3：水体 4：城镇 5：林地 6：交通用地 7：其他

点击Apply后，颜色修改完成。修改后的图像截图如下所示：

12、将分类结果叠加到原图上，修改类别颜色，或对微小类别进行删除或合并。选择原图的Overlay——Classification，由于植被颜色在假彩色影像上呈红色系列，勾选上林地和耕地后，对比原图覆盖区域。截图如下所示：