erdas实习报告范文

　　篇一：ERDAS实习报告

　　一．实习目的

　　1、 熟练掌握ERDAS的基本用途及功能

　　2、 学会使用ERDAS对影像数据进行格式转换

　　3、 掌握在ERDAS软件中对影像数据进行裁剪、融合及校正的方法

　　4、 掌握ERDAS的监督分类方法并进行分类精度检验

　　二．实习数据

　　① 1:10万临川区土地利用图；

　　② 配准好的临川区2000年9月23日的TM图象。

　　③ 临川区行政边界AOI文件

　　三．实习地点

　　核工楼410

　　四．实习内容

　　1、图象裁剪

　　利用临川区行政边界AOI文件对TM图象进行裁剪，裁剪出临川区TM图象。DataPrep→Subset Image→Input file→output file→Choose aoi→Aoi file→临川区.aoi→OK

　　2、图象配准

　　map-to-image: 1:10万土地利用图与TM图象配准；

　　要求最初选GCP点5-10个，各点均匀分布，RMS检验误差小于30米。

　　3、图象监督分类

　　使用多边形选择工具；保留每个类型训练文件及aoi文件。

　　分类结果与1:10万土地利用图比较，反复修正训练样区。

　　进行监督分类，计算各地类的面积。

　　4、图象检验

　　分层随机抽样，每类30个样点，目视判读分类准确与否，统计分类精度。

　　5、制图输出

　　① 遥感影像地图的规划与版面设计。根据制图要求确定影像地图的比例尺，根据图面要素计算版面尺寸和安放位置。

　　② ERDAS图标面板菜单条Main→Composer→New Map Composer（图11.1），调整版面尺寸单位和大小。

　　③ 利用遥感影像制图视窗及注记工具面板实现制图要素的图面配置。根据地图规划和版面设计安置遥感影像和其它栅格、矢量图层，按要求生成坐标网格，放置图名、图例、比例尺、指北针以及其它各种有关标注。

　　6、提交图象技术报告，图件，结果存盘，收回图象。

　　五．实习步骤

　　1、图象裁剪

　　在程序中打开 ERDAS IMAGINE9.2点击 DATE PREPARATION出现下拉菜单,选择Subset Image选项，在弹出的Subset对话框的input file 处选择需要裁剪的图片,在output file处选择裁剪后图片的保存文件夹，然后，点击AOI，在Choose AOI对话框中输入AOI文件。

　　选择OK选项后，进行裁剪。然后进行配准

　　2.图象配准

　　选择裁剪后的临川区土地边界图，和参考影像dataprepation→image geometic correction，选择多项式模式，开始找对称点，在裁剪图像窗对应位子相对应点在图像上和参考影像上找到七个均匀分布的控制点， 控制点总误差小于1，且最好是具有明显地形特征的点，易于识别。然后再找5个监测点，edit→set point type→check,先把公式锁上，保证中误差小于1。

　　然后解锁重采样，在样，选中校正结果的地址和名称，点击确定。中点击正方形格网的图案进行重采。

　　篇二：ERDAS遥感实习报告

　　一、 实验目的

　　初步掌握ERDAS图像处理软件的基本操作；进一步掌握对遥感图像的裁剪、融合、校正、拼接以及非监督分类和监督分类的基本操作步骤，着重理解监督分类和非监督分类的区别。

　　二、 实验准备

　　1、ERDAS IMAGINE 9.2 软件；

　　2、1:10万临川区土地利用图；

　　3、临川区2000年9月23日的`TM图象。

　　4、临川区行政边界AOI文件

　　三、 实验任务

　　完成临川区TM图象的处理工作，并提交下列成果：

　　1、临川区TM土地分类图；

　　2、技术报告书（包括各主要步骤文字叙述以及截图，土地分类统计结果）。

　　四、 实验要求

　　1、图象裁剪

　　利用临川区行政边界AOI文件对TM图象进行裁剪，裁剪出临川区TM图象。

　　2、图象配准

　　map-to-image: 1:10万临川区土地利用图与TM图象配准；要求最初选GCP点6-10个，及检测点5个，各点均匀分布，RMS检验误差小于30米(1个像元)。

　　3、图象监督分类

　　使用多边形选择工具；保留每个类型训练文件及AOI文件。分类结果与1:10万土地利用图比较，反复修正训练样区。进行监督分类，计算各地类的面积。

　　4、图象检验

　　分层随机抽样，每类30个样点，目视判读分类准确与否，统计分类精度。

　　5、提交图象技术报告，图件，结果存盘，收回图像。

　　五、 实验内容

　　5.1图像裁剪

　　点击data prep图标，选择data preparation下的Subset Image 命令弹出如下对话框：

　　选择输入输出路径，选择AOI裁剪文件，点击ok，即进行裁剪：

　　打开裁剪好的图：

　　5.2图像配准

　　图像配准是利用几何校正的方法将“临川区土地利用规划图”配准到我们裁剪好的遥感影像图。

　　分别在Viewer 1和Viewer 2中打开临川区土地利用规划图和遥感图。

　　篇三：遥感erdas实习报告

　　几何校正

　　一、实验目的：

　　去除遥感图像中由于传感器的自身性能、结构；地球曲率；地形起伏；地球旋转；大气折光等因素所引起的变形误差。

　　二、实验内容：

　　几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。

　　三、实验步骤：

　　1）原理：

　　遥感图像的几何校正包括光学校正和数字校正，遥感影像的数字校正是通过计算机对图像每个像元诸葛的解析纠正处理完成的，所以能够较精确的改正线性和非线性变形误差，包括像元坐标变换和像元灰度值重采样。

　　2）方法：

　　使用ERDAS IMAGINE 软件。

　　3）操作：

　　第一步：

　　①用两个Viewer分别打开一个TM（#1）和SPOT（#2），

　　②单击Raster | Geometric Correction命令，

　　③打开Set Geometric Model 对话框

　　④选择模板为Polynomial

　　⑤单击OK

　　⑥同时打开Geo Correction Tools对话框和Polynomial Model Properties窗口 第二步：

　　在Polynomial Model Properties窗口

　　①定义多项式次方（Polynomial Order）为2。

　　②定义投影参数（Protection）

　　③单击Apply按钮应用或单击Close关闭。

　　④打开 GCP Tool Reference Setup 对话框；

　　第三步：

　　启动控制点工具；

　　①GCP Tool Reference Setup对话框中选择采点模式（Existing Viewer）单选按钮， ②单击OK按钮（关闭GCP Tool Reference Setup对话框）；

　　③打开Viewer Selection Instructions指示器。

　　④在显示作为地理参考图像panAtlanta.img的Viewer#2中单击。

　　⑤打开Reference Map Information提示框（显示参考图像的投影信息）

　　⑥单击OK按钮（关闭Reference Map Information对话框）

　　增强处理

　　（一）图像增强

　　一、实验目的：

　　改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息。

　　二、实验内容：

　　图像增强的主要内容：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。

　　三、实验步骤

　　1、原理：

　　空间域增强：通过改变单个像元及相邻像元的灰度值来增强图像。直接对图像进行各种

　　运算以得到需要的增强结果。

　　? 频率域增强：对图像进行傅里叶变换，先将空间域图像变换成频率域图像，然后在频率域中对图像的频谱进行处理，以达到增强的目的。

　　2、方法：

　　使用ERDAS IMAGINE 软件。

　　3、操作：

　　主成分变换:

　　①单击Interpreter图标｜Spectral Enhancement｜Principal Components命令，打开Principal Components对话框。

　　②输入原图象，输出类型中改为Float Single类型

　　③输入文件类型：Map

　　④需要的主成数量（Number of Components Desired）为3

　　⑤单击OK按钮（关闭Principal Components对话框，执行主成分变换）

　　（二）色彩变换

　　一、实验目的：

　　使图像的颜色与人眼看到的更为接近。

　　二、实验内容：

　　将遥感图像从红（R）、绿(G)、(B)蓝三种颜色组成的彩色空间转换到以亮度(I)、色度(H)、饱和度(S)作为定位参数的彩色空间。

　　三、实验步骤

　　1、原理：

　　亮度表示整个图像的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1.

　　2、方法：

　　使用ERDAS IMAGINE 软件。

　　3、操作：

　　①单击Interpreter图标｜Spectral Enhancement，打开RGB to HIS,

　　②弹出对话框，输入原图象，选上对话框上的Ignore Zero in Stats

　　③单击OK

　　非监督分类

　　一、实验目的：

　　利用计算机将遥感图像自动分成若干地物。

　　二、实验内容：

　　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（即相似度大的像元归为一类）的方法。

　　三、实验步骤

　　1、原理：同类地物的反射光谱特型相同

　　2、方法：使用ERDAS IMAGINE 软件。

　　3、操作：

　　①打开Classifier｜Unsupervised Classification 把Number of Classes改成10，然后把Maximum Iterationes 改为24，点击OK.

　　②打开非监督分类后的图，再打开原图像，点击View｜Link｜Geographical

　　③点击—点击非监督图像上的raster中的 Attribute，根据原图象将非监督图像对应上色。

　　监督分类

　　一、实验目的：

　　利用计算机将遥感图像自动分成若干地物类别。

　　二、实验内容：

　　选择具有代表性的典型实验区或训练区，用训练区中已知地面各地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。

　　三、实验步骤：

　　1）原理：

　　数字图像中地物的所有特征都是通过数字化的灰度值反映出来，计算机分类是建立在对图像像元灰度值的统计、运算、对比和归纳基础上进行的。

　　2）方法：使用ERDAS IMAGINE软件，最小距离法。

　　3）操作：

　　①打开Viewer，点击Raster | Tools，

　　②打开Classifier | Signature Editor ,用折线截取同种类别的地物，

　　③对同等地物进行多次截图，

　　④重复上述操作，每种地物都截取4-5次，保存模板；

　　⑤点击Classifier | Supervised Classification，输入需要分类的模板，点击OK

　　四、实验结果

　　五、实验感受

　　通过了一周的遥感实习，熟悉了ERDAS烦人基本操作，如监督分类，能够通过文献对一些简单的图像用遥感影像进行分析处理，加深了平时上课时所学知识的理解，对遥感在实际中的应用有了直观上得感受，掌握了用遥感图像进行实际应用的基本流程和基本方法。在实验过程中遇到了很多困难。在做监督分类时，模板划分的不够精细。这都说明对软件的理解运用还不够深入，以后的学习中应加强，为遥感的学习打下基础。