遥感实验操作步骤整理

1大二阶段遥感实验整理实验一：图像的重采样1、File→OpenImageFile2、BasicTools→ResizeData(Spatial/Spectral)3、命名文件并选择输出位置→输出文件实验二：三种格式的互相转化1、File→OpenImageFile2、BasicTools→ConvertData(BSQ,BIL,BIP)3、输出文件并保存实验三：图像数据统计1、File→OpenImageFile2、BasicTools→Statistics→ComputeStatistics（期间可选择统计任一波段或整幅图像的相关信息，包括直方图Histogram、协方差Covariance、相关系数Correlation等）3、输出文件并保存实验四：直方图的建立（结合EXCEL）1、将实验三的成果（统计图）以TXT格式保存到桌面上2、用EXCEL打开TXT文件并建立图表实验五：像元数的更改1、File→OpenImageFile2、BasicTools→BandMath→例：BandMath(float(b1)+50)（X为所要加的像元数量）2实验六：散点图的建立与同步图像1、首先加载两幅图2、散点图的建立：在大图像窗口中执行如下操作：Tools→2DScatterPlots3、同步图像：在大图像窗口中执行如下操作：Tools→Link→LinkDisplay(目的：比较两幅图同一位置的细节差异)实验七：彩色模式显示1、File→OpenImageFile(将灰度级GrayScale转换成RGBColor)2、在RGB的三个框内输入相对应的波段3、导出图片实验八：色彩转换1、Transform→ColorTransform（实验以RGBtoHSV为例）2、选择好相应波段，“OK”输出（也可将HSV转换回RGB）实验九：密度分割1、File→OpenImageFile2、在大图像窗口中执行如下操作：Tools→ColorMapping→DensitySlice→选择操作波段→Apply输出（注：由于密度分割只对非背景像元部分进行操作，所以要将像素最小值调成1）实验十：真彩色合成1、File→OpenImageFile32、将灰度级GrayScale转换成RGBColor3、根据红、绿、蓝光波长把相应波段对应输入R、G、B混合通道中→LoadRGB输出真彩色图像实验十一：假彩色合成（步骤与实验十相似，区别在于输入的波段波长并非与红、绿、蓝光波长一一对应）（补充：标准假彩色图像：将近红外波段对应入R通道）实验十二：图像拉伸1、File→OpenImageFile2、在大图像窗口中执行如下操作：Enhance→实验以〔image〕Linear0-255为例3、若要调整执行如下操作：Enhance→InteractiveStretching在新弹出的对话框中执行StretchType→PiecewiseLinear实验十三：用BandMath功能对任一图像进行0-255拉伸1、大图像窗口：Enhance→〔Scroll〕Equalization(均衡化)⑴BasicTools→ComputeStatistics（得出max和min）⑵BasicTools→在BandMath中输入：f(255/(max-min)*(b1-a))（其中b1代表所选择的编辑波段，max和min此波段像素最大值和最小值，a为像素最小值）2、大图像窗口：Enhance→HistogramMatching（直方图匹配）实验十四：图像剪切（目的：利用ROITool建立多边形并将多边形覆盖区域截出）1、File→OpenImageFile42、BasicTools→RegionofInterest→选中ROITool进行截图3、在ROITool窗口中执行如下操作：⑴选中图像⑵File→SubsetDataViaROIs→MaskPixelsoutsideofROI?Yes实验十五：图像合并1、打开两幅相互之间有坐标联系的图像2、BasicTools→Mosaicking→Georeferenced3、在Mosaic窗口中执行如下操作：⑴Inport→将之前选中的两幅图输入⑵File→Apply实验十六：Landsat辐射定标1、BasicTools→LayerStacking从整幅图像中选择一个波段，先行进行单波段打包2、BasicTools→Preprocessing→CalibrationUtilities→LandsatTM3、在TMCalibrationParameters对话框中进行如下操作：⑴根据传感器类型选择：Landsat4/5/7⑵从头文件中获取DataAcquisition的时间（实验中图像拍摄时间为2003年1月10日）（注：太阳高度SunElevation）实验十七：大气校正模型1、File→OpenImageFile2、File→SaveFileAs→ENVIStandard将其1、2、3波段分别另5存3、BasicTools→LayerStacking将另存的1、2、3波段同时选中进行打包4、BasicTools→ConvertData(BSQ,BIL,BIP)将打包的1、2、3波段转换为BIL格式5、BasicTools→Preprocessing→CalibrationUtilities→FLAASH在新弹出对话框中执行如下操作：⑴InputRadianceImage选择BIL文件⑵SensorType选择传感器类型：多光谱：LandsatTM5/高光谱⑶FlightDate飞航日期：2003年1月10日⑷AtmosphereModel大气模型：Tropical⑸AerosolModel地物类型：Urban(注：判断标准：大气污染程度)⑹AerosolRetrieval:None6、经调整后，Apply输出（目的：将遥感图像的高维度转化成低维度是图像易于处理）实验十八：图像地理配准1、打开2003.img和1995.img两幅广州图像2、用RGB模式（选择7、5、2波段）分别倒入两幅图的标准假彩色图像3、Map→Registration→SelectGCPs:ImagetoImage4、在弹出对话框中选择参照图像BaseImage和波校正图像WarpImage,单击OK65、选取控制点（controlpoints）:Addpoints(在右下方的小窗口图像中选取)6、当选取了所有点后，按Option→WarpFile选择计算差值的方法：（最邻近法√，二次卷积法，三次卷积法）7、单击OK输出配准后图像，单击File→SaveGCPstoASCII保存所选控制点8、将纠正后的图像与参照图像同步连接，对比差异（注：判断点选取好坏的标准：当选了3-4个点之后，在RMSError后会出现之后选取的点的误差大小，值﹥0.5表明误差较大宜重选，反之同理）实验十九：主成分变换1、File→OpenImageFile2、Transform→PrincipalComponents→ForwardRotation→ComputeNewStatisticsandRotate(选择要编辑的波段数)（附：①傅里叶变换：Filter→FFTFilter→ForwardFFT②缨帽变换：Transform→TasseledCap③代数运算（归一化植被指数）：Transform→NDVI)实验二十：图像的监督分类1、File→OpenImageFile2、用RGB模式（7、5、2波段）导入3、在大图像窗口中执行如下操作：⑴Tools→RegionofInterest→ROITool7⑵在大窗口中依据自己对地物类型的判别，依次创立相应的“Region”4、Classification→Supervised→MaximumLikehood5、选择2003.img图像文件6、在M-LParameters窗口中执行如下操作：⑴SelectAllItems(选择所有创建区域)⑵OutputRuleImages?NO⑶OK输出实验二十一：图像的非监督分类1、File→OpenImageFile2、Classification→Unsupervised→K-Means3、选择2003.img图像文件4、在K-MeansParameters窗口中执行如下操作：⑴NumberofClasses:16⑵MaximumIteration:1⑶OK输出5、Classification→PostClassification→CombineClasses6、选择之前创建的非监督分类文件7、在CombineClassesParameters窗口中执行如下操作：⑴选择要合并的两个分层⑵AddCombination⑶OK输出8检查是否成功合并：8、Classification→PostClassification→ClassStatistics9、选择合并后的文件，在ClassSelection窗口中查看(点体？)期中作业：请另存TM第5波段为单波段数据，通过分析其数据信息获得可以表达该波段直方图信息20%-50%的新图像数据，获得的新图像以彩色方式显示，并计算新图像中非背景像元的总面积。（注：直方图信息种类：DN灰度值Npts像元数Total累计像元数Percent对应像元所占面积百分比AccPct累计百分比）1、File→OpenImageFile2、BasicTools→LayerStacking另存第5波段3、BasicTools→Statistics→ComputeStatistics统计第5波段直方图信息：⑴在Dims:FullScene(2370048points)可知整幅图像共有2370048个像素点⑵DN0/Npts871686可知灰度值为0时的像素数为87686个，即图像中背景部分包含了871686个像元数⑶2370048-871686=1498362即图像非背景部分像元数为1498362个⑷1498362×（0.5-0.2）=449508.6求得结果为题目要求的新图像9中20%-50%的数据像元数⑸为了确保20%和50%所对应的数据像元数不至为0，看（1498362×0.2+871686）和（1498362×0.5+871686）所得结果对应Npts(像元数)是否为0，若为0，则需要在Total(累计像元数)中往后取值直到Npts不为0为止；若不为0则就取计算而得的值。⑹同时记录下20%和50%对应的Npts不为0时的灰度值DN4、计算面积：由MapInfo可知Pixel:30meters即单位像元格边长为30米，即每个单元格面积30×30=900㎡，之前算得图像非背景像元共有1498362个，因此总面积为900×1498362=1348525800㎡=1348.525km25、将图像中非背景像元的部分分离出来：Tools→RegionofInterest→BandThresholdtoROI(输入之前记录的两个灰度值DN6、提取：BasicTools→SubsetDataviaROIs(MaskPixelsoutsideofROI?Yes)7、以彩色方式显示：Overlay→DensitySlice(选中已提取图像)→Apply