篇一：ERDAS實習報告
一．實習目的
1、 熟練掌握ERDAS的基本用途及功能
2、 學會使用ERDAS對影像數據進行格式轉換
3、 掌握在ERDAS軟件中對影像數據進行裁剪、融合及校正的方法
4、 掌握ERDAS的監督分類方法並進行分類精度檢驗
二．實習數據
① 1:10萬臨川區土地利用圖；
② 配準好的臨川區2000年9月23日的TM圖象。
③ 臨川區行政邊界AOI檔案
三．實習地點
核工樓410
四．實習內容
1、圖象裁剪
利用臨川區行政邊界AOI檔案對TM圖象進行裁剪，裁剪出臨川區TM圖象。DataPrep→Subset Image→Input file→output file→Choose aoi→Aoi file→臨川區→OK
2、圖象配準
map-to-image: 1:10萬土地利用圖與TM圖象配準；
要求最初選GCP點5-10個，各點均勻分佈，RMS檢驗誤差小於30米。
3、圖象監督分類
使用多邊形選擇工具；保留每個類型訓練檔案及aoi檔案。
分類結果與1:10萬土地利用圖比較，反覆修正訓練樣區。
進行監督分類，計算各地類的面積。
4、圖象檢驗
分層隨機抽樣，每類30個樣點，目視判讀分類準確與否，統計分類精度。
5、製圖輸出
① 遙感影像地圖的規劃與版面設計。根據製圖要求確定影像地圖的比例尺，根據圖面要素計算版面尺寸和安放位置。
② ERDAS圖標面板選單條Main→Composer→New Map Composer（圖11.1），調整版面尺寸單位和大小。
③ 利用遙感影像製圖視窗及註記工具面板實現製圖要素的圖面配置。根據地圖規劃和版面設計安置遙感影像和其它柵格、矢量圖層，按要求生成座標網格，放置圖名、圖例、比例尺、指北針以及其它各種有關標註。
6、提交圖象技術報告，圖件，結果存盤，收回圖象。
五．實習步驟
1、圖象裁剪
在程序中開啟 ERDAS IMAGINE9.2點擊 DATE PREPARATION出現下拉選單,選擇Subset Image選項，在彈出的Subset對話框的input file 處選擇需要裁剪的圖片,在output file處選擇裁剪後圖片的儲存檔案夾，然後，點擊AOI，在Choose AOI對話框中輸入AOI檔案。
選擇OK選項後，進行裁剪。然後進行配準
2.圖象配準
選擇裁剪後的臨川區土地邊界圖，和參考影像dataprepation→image geometic correction，選擇多項式模式，開始找對稱點，在裁剪圖像窗對應位子相對應點在圖像上和參考影像上找到七個均勻分佈的控制點， 控制點總誤差小於1，且最好是具有明顯地形特徵的點，易於識別。然後再找5個監測點，edit→set point type→check,先把公式鎖上，保證中誤差小於1。
然後解鎖重採樣，在樣，選中校正結果的地址和名稱，點擊確定。中點擊正方形格網的圖案進行重採。
篇二：ERDAS遙感實習報告
一、 實驗目的
初步掌握ERDAS圖像處理軟件的基本操作；進一步掌握對遙感圖像的裁剪、融合、校正、拼接以及非監督分類和監督分類的基本操作步驟，着重理解監督分類和非監督分類的區別。
二、 實驗準備
1、ERDAS IMAGINE 9.2 軟件；
2、1:10萬臨川區土地利用圖；
3、臨川區2000年9月23日的`TM圖象。
4、臨川區行政邊界AOI檔案
三、 實驗任務
完成臨川區TM圖象的處理工作，並提交下列成果：
1、臨川區TM土地分類圖；
2、技術報告書（包括各主要步驟文字敘述以及截圖，土地分類統計結果）。
四、 實驗要求
1、圖象裁剪
利用臨川區行政邊界AOI檔案對TM圖象進行裁剪，裁剪出臨川區TM圖象。
2、圖象配準
map-to-image: 1:10萬臨川區土地利用圖與TM圖象配準；要求最初選GCP點6-10個，及檢測點5個，各點均勻分佈，RMS檢驗誤差小於30米(1個像元)。
3、圖象監督分類
使用多邊形選擇工具；保留每個類型訓練檔案及AOI檔案。分類結果與1:10萬土地利用圖比較，反覆修正訓練樣區。進行監督分類，計算各地類的面積。
4、圖象檢驗
分層隨機抽樣，每類30個樣點，目視判讀分類準確與否，統計分類精度。
5、提交圖象技術報告，圖件，結果存盤，收回圖像。
五、 實驗內容
5.1圖像裁剪
點擊data prep圖標，選擇data preparation下的Subset Image 命令彈出如下對話框：
選擇輸入輸出路徑，選擇AOI裁剪檔案，點擊ok，即進行裁剪：
開啟裁剪好的圖：
5.2圖像配準
圖像配準是利用幾何校正的方法將“臨川區土地利用規劃圖”配準到我們裁剪好的遙感影像圖。
分別在Viewer 1和Viewer 2中開啟臨川區土地利用規劃圖和遙感圖。
篇三：遙感erdas實習報告
幾何校正
一、實驗目的：
去除遙感圖像中由於傳感器的自身性能、結構；地球曲率；地形起伏；地球旋轉；大氣折光等因素所引起的變形誤差。
二、實驗內容：
幾何校正就是將圖像數據投影到平面上，使其符合地圖投影系統的過程。
三、實驗步驟：
1）原理：
遙感圖像的幾何校正包括光學校正和數字校正，遙感影像的數字校正是透過計算機對圖像每個像元諸葛的解析糾正處理完成的，所以能夠較精確的改正線性和非線性變形誤差，包括像元座標變換和像元灰度值重採樣。
2）方法：
使用ERDAS IMAGINE 軟件。
3）操作：
第一步：
①用兩個Viewer分別開啟一個TM（#1）和SPOT（#2），
②單擊Raster | Geometric Correction命令，
③開啟Set Geometric Model 對話框
④選擇模板爲Polynomial
⑤單擊OK
⑥同時開啟Geo Correction Tools對話框和Polynomial Model Properties視窗 第二步：
在Polynomial Model Properties視窗
①定義多項式次方（Polynomial Order）爲2。
②定義投影參數（Protection）
③單擊Apply按鈕應用或單擊Close關閉。
④開啟 GCP Tool Reference Setup 對話框；
第三步：
啓動控制點工具；
①GCP Tool Reference Setup對話框中選擇採點模式（Existing Viewer）單選按鈕， ②單擊OK按鈕（關閉GCP Tool Reference Setup對話框）；
③開啟Viewer Selection Instructions指示器。
④在顯示作爲地理參考圖像的Viewer#2中單擊。
⑤開啟Reference Map Information提示框（顯示參考圖像的投影資訊）
⑥單擊OK按鈕（關閉Reference Map Information對話框）
增強處理
（一）圖像增強
一、實驗目的：
改變圖像的灰度等級，提高圖像對比度；消除邊緣和噪聲，平滑圖像；突出邊緣或線狀地物，銳化圖像；合成彩色圖像；壓縮圖像數據量，突出主要資訊。
二、實驗內容：
圖像增強的主要內容：空間域增強、頻率域增強、彩色增強、多圖像代數運算、多光譜圖像增強等。
三、實驗步驟
1、原理：
空間域增強：透過改變單個像元及相鄰像元的灰度值來增強圖像。直接對圖像進行各種
運算以得到需要的增強結果。
? 頻率域增強：對圖像進行傅里葉變換，先將空間域圖像變換成頻率域圖像，然後在頻率域中對圖像的頻譜進行處理，以達到增強的目的。
2、方法：
使用ERDAS IMAGINE 軟件。
3、操作：
主成分變換:
①單擊Interpreter圖標｜Spectral Enhancement｜Principal Components命令，開啟Principal Components對話框。
②輸入原圖象，輸出類型中改爲Float Single類型
③輸入檔案類型：Map
④需要的主成數量（Number of Components Desired）爲3
⑤單擊OK按鈕（關閉Principal Components對話框，執行主成分變換）
（二）色彩變換
一、實驗目的：
使圖像的顏色與人眼看到的更爲接近。
二、實驗內容：
將遙感圖像從紅（R）、綠(G)、(B)藍三種顏色組成的彩色空間轉換到以亮度(I)、色度(H)、飽和度(S)作爲定位參數的彩色空間。
三、實驗步驟
1、原理：
亮度表示整個圖像的明亮程度，取值範圍是0-1；色度代表像元的顏色，取值範圍爲0-360；飽和度代表顏色的純度，取值範圍是0-1.
2、方法：
使用ERDAS IMAGINE 軟件。
3、操作：
①單擊Interpreter圖標｜Spectral Enhancement，開啟RGB to HIS,
②彈出對話框，輸入原圖象，選上對話框上的Ignore Zero in Stats
③單擊OK
非監督分類
一、實驗目的：
利用計算機將遙感圖像自動分成若干地物。
二、實驗內容：
是在沒有先驗類別（訓練場地）作爲樣本的條件下，即事先不知道類別特徵，主要根據像元間相似度的大小進行歸類合併（即相似度大的像元歸爲一類）的方法。
三、實驗步驟
1、原理：同類地物的反射光譜特型相同
2、方法：使用ERDAS IMAGINE 軟件。
3、操作：
①開啟Classifier｜Unsupervised Classification 把Number of Classes改成10，然後把Maximum Iterationes 改爲24，點擊OK.
②開啟非監督分類後的圖，再開啟原圖像，點擊View｜Link｜Geographical
③點擊—點擊非監督圖像上的raster中的 Attribute，根據原圖象將非監督圖像對應上色。
監督分類
一、實驗目的：
利用計算機將遙感圖像自動分成若干地物類別。
二、實驗內容：
選擇具有代表性的典型實驗區或訓練區，用訓練區中已知地面各地物樣本的光譜特性來“訓練”計算機，獲得識別各類地物的判別函數或模式，並以此對未知地區的像元進行分類處理，分別歸入到已知的類別中。
三、實驗步驟：
1）原理：
數字圖像中地物的所有特徵都是透過數字化的灰度值反映出來，計算機分類是建立在對圖像像元灰度值的統計、運算、對比和歸納基礎上進行的。
2）方法：使用ERDAS IMAGINE軟件，最小距離法。
3）操作：
①開啟Viewer，點擊Raster | Tools，
②開啟Classifier | Signature Editor ,用折線截取同種類別的地物，
③對同等地物進行多次截圖，
④重複上述操作，每種地物都截取4-5次，儲存模板；
⑤點擊Classifier | Supervised Classification，輸入需要分類的模板，點擊OK
四、實驗結果
五、實驗感受
透過了一週的遙感實習，熟悉了ERDAS煩人基本操作，如監督分類，能夠透過文獻對一些簡單的圖像用遙感影像進行分析處理，加深了平時上課時所學知識的理解，對遙感在實際中的應用有了直觀上得感受，掌握了用遙感圖像進行實際應用的基本流程和基本方法。在實驗過程中遇到了很多困難。在做監督分類時，模板劃分的不夠精細。這都說明對軟件的理解運用還不夠深入，以後的學習中應加強，爲遙感的學習打下基礎。