利用ENVI制作遥感影像目视解译图

最新推荐文章于 2024-06-20 20:21:11 发布
最新推荐文章于 2024-06-20 20:21:11 发布
阅读量2.1w 收藏 96
点赞数 6
分类专栏： ENVI软件教程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/erd8888/article/details/83023917
版权

利用ENVI制作遥感影像目视解译图


1、首先使用ENVI打开一张遥感影像并打开Region of interest…
1、首先使用ENVI打开一张遥感影像并打开Region of interest...
2、如图所示选择ROI_type
2、如图所示选择ROI_type
3、在图像上选择区域
3、在图像上选择区域
在这里插入图片描述
4、Options–>Create Class image from ROIs
在这里插入图片描述
5、全选目标区域点击ok
在这里插入图片描述
6、选择要保存的路径，并保存解译图。
在这里插入图片描述
经过以上步骤目视解译图就做好了。

爱狗的贰狗子
关注
专栏目录
ENVI|遥感解译标志：莲藕
weixin_43917272的博客
08-09 532
最近一次野外调查过程中碰到很多莲藕池 例如在山东天地图中选择118.656 37.588 一村、三十八户村、振兴路附近 选择夏天的影像例如2021.6.18 2m影像 东营市垦利县永安镇一村向牛圈村方向有一片确定的藕池养殖区 发现莲藕的图斑呈现以下两种形式，网络上很少能搜到相关信息 大致认为莲藕的这种图斑与种植、收获方式也有一定关联，一般几个藕池中间会有一个空池子 路上有听说一种收割方式：仅下一次种子之后，每年间隔用水冲根收取，第二次收割的时候就在第一次收割的空隙种生长出新的来，两片区域每次
envi精度评定_利用ArcGIS+envi实现遥感分类精度评价（分层抽样法）,ArcGISENVI,评估,的...
weixin_31002509的博客
03-04 5841
最近修改论文已经到了最后的关口，结果被质疑分类精度评估的方法。我原来的方法是利用ArcGIS建立格网，格网中心点作为我的目视解译点，然后利用ArcGIS收集该点的影像分类结果，计算混淆矩阵。被质疑之后我使用了分层抽样法，原理我就不说了，通过分层抽样法可以计算出一幅影像每个类别需要的抽样点为多少。之后在分类影像上每个类别的点随机撒在该类别的位置，再人工目视解译，与影像分类结果一起计算混淆矩阵即可。我...
基于ENVI的遥感影像解译——以Landsat8数据为例（上）
热门推荐
hu397313168的博客
06-20 1万+
秋天树叶开始变色，也有利于植被类型的识别。百度搜索“地理空间数据云”，选择“高级检索”，数据集选择“Landsat 8 OLI_TIRS 卫星数字产品”，空间位置选择“行政区”，然后再依次选择省、市、县等内容（选择你需要的区域就行），时间我这里用的是20200101-20201231，具体看自己需求，然后云量建议5%以下，因为云量覆盖太多的话，遮盖的影像信息就比较多，可用性不高，数据选择“有”，然后进行检索。例如，土地利用现状解译，是在影像上先识别土地利用类型，然后在图上测算各类土地面积。
ENVI实战—一文搞定监督分类
最新发布
Promising_GEO的博客
06-20 1826
值得注意的是，由于本次用于监督分类的样本仅包含4类地物，因此最终的分类结果中，会存在错分的现象，且由于建筑和道路难以区分，二者无论是从建筑用材还是从空间距离上都具有高度的相似性，以后进行分类时，可以尝试将二者统一，另外，将地物类别扩充，如增加农田，山体等，提高分类与实际影像的匹配程度。依据上述过程对三种方法的结果进行一一对应，得到三种分类的精度评估结果。图1展示了最大似然法下影像的分类结果，对比原图像，整体的分类效果还是较好的，在颜色的显示上，最大似然法最后显示的颜色相对明亮，对地物的区分度高。
ENVI 遥感解译技术流程
一起来交流学习吧
09-21 3458
遥感信息在林业调查中的应用越来越广。如林业领域，其通过远程信息采集，以无接触传播和接受电磁波的方式采集植物长势、生长面积、周边水文环境等信息，集约化、低成本收集数据，让林业调查有据可依。遥感数据的种类越来越复杂，数据量也在剧增，对数据分析能力提出了更高要求。技术怎样发展去应对这样的挑战？今天我们来学习一下 ENVI 遥感解译技术流程。
ENVI实战—一文搞定遥感的目视解译
Promising_GEO的博客
05-30 1473
按照Coastal Aerosol、Blue、Green、Red、Near Infrared（NIR）、SWIR 1、SWIR 2的波段顺序依次导入单波段影像数据，在ENVI中添加窗口，对比不同波段的水体差异（图1），按照亮、较亮、暗、较暗四个等级进行评价，并在表格中进行记录。②水中泥沙判读：首先在真彩色影像中找到能够明显看出泥沙和非泥沙的水体，此处在影像中选择一个湖泊，该湖泊在中部两侧的水色呈现较明显的黄色，为自然状态下水中含量大量的泥沙所致（图2右下角）。②依据个人的生活经验，对地物进行分辨。
ENVI实战—一文搞定遥感图像的计算机解译
Promising_GEO的博客
05-01 1041
一文教会你，在遥感图像中如何进行计算机自动解译
ENVI遥感图像非监督分类
10-05
类别定义可能基于高分辨率图像的目视解译或者实地调查数据，通过编辑ENVI头文件来设定类别的名称和颜色。子类合并则可以帮助整合相似的类别，进一步优化分类结果。 总结来说，ENVI的非监督分类功能为遥感图像分析...
遥感影像专题图制作研究
05-06
本文针对传统遥感影像专题图制作过程中存在的局限性，如图像处理软件对图像大小的要求限制、遥感软件矢量功能不足等问题，探讨了一种结合遥感软件ENVI和国产地理信息系统MapGIS的技术方法，以提高遥感数据的利用效率...
ENVI技术的关于Landsat8影像的处理实验报告
06-20
本次实验的主要目的是通过ENVI（Environment for Visualizing Images）软件对Landsat8卫星影像进行处理，了解并掌握遥感影像的基本处理技术，包括波段组合、图像裁剪、辐射定标、大气校正、温度反演、分类以及土地...
基于envi、arcgis解译
09-12
envi监督分类后处理后对运用arcgis进行人工精解译处理，包括小图版处理及小空隙填充
ENVI遥感影像处理实用手册
02-13
本书共分十三章，涵盖了遥感数据读取、影像预处理、大气校正、几何校正、滤波、分类、变化信息检测、多光谱数据分析、高光谱数据分析、矢量分析、DEM 分析和三维地形模拟、雷达数据分析、专题制图等方面的内容。以菜单索引的方式对ENVI软件的各项功能由浅入深地进行了详尽介绍，除介绍各功能的理论背景和操作过程外，还对各种操作过程中的参数选择进行了详细描述，并列出了部分算法的参考文献。
ArcGis10.2目视解译教程
01-07
基于ArcGis10.2的目视解译（也即抠图）的详细步骤，重点有如何导出扣的图、如何栅格矢量化并导出栅格为图像（tif）
ENVI遥感影像解译制作土地利用专题图
hu397313168的博客
03-08 8876
ENVI打开裁剪完的影像，右键单击图层，选择Change RGB Bands,在弹出的对话框中按照如图所示从上到下依次选择，得出类似于下面的图。在最大自然法分类器对话框中选择要用的序列样本，注意勾选none和No，最后选择输出路径，点击ok。17.林地1和林地2均合并到林地1，耕地和耕地1均合并到耕地（算法的逻辑关系），点击ok。按照上面的步骤依次建立下面的图层，得到的效果类似于下图（样本的选择根据经验自己判断）。21.选择合并的图层，选择输出路径，点击ok。16.分别选择两个框中的水，点击下面的合并。
遥感影像处理2——目视解译
xiaotiig的博客
01-13 1万+
遥感影像目视解译1 背景1.1 分类的基础1.2 分类的4种方法1.3 遥感影像解译的概念1.4 遥感影像解译的任务1.5 解译的8大要素2 目视解译2.1 依据2.2 步骤2.2.1 影像预处理2.3 图像解译经验 1 背景 1.1 分类的基础 遥感卫星影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。 1.2 分类的4种方法 遥感影像分类的4类方法 1.3 遥感影像解译的概念 人们对地表物体的有关领域，如土地利用
4大遥感软件！遥感影像解译！ArcGIS+ENVI+Erdas+eCognition
GIS思维的博客
05-10 1337
遥感影像解译！ArcGIS+ENVI+Erdas+eCognition！4大遥感软件！
影像自动解译_矢量化利器—遥感影像信息半自动提取
weixin_42393829的博客
01-04 2119
对于遥感影像信息提取来说，最大的问题在于自动化提取精度不高，需要大量人工后期检查，而纯人工的信息提取又效率低下。近年来，随着国内外各类不同分辨率的遥感卫星发射日益增多，无论是从传感器的种类还是影像采集量都呈现出爆发式的增长。但在高分辨率影像自动及半自动解译方面，与实际应用还存在着非常大的差距。如何更好地进行高度复杂性和多样性地物信息的快速、精确化提取，是需要迫切解决的问题。影像中的地物...
arcgis目视解译步骤
09-22
ArcGIS目视解译步骤是指使用ArcGIS软件进行遥感图像解译的过程。主要步骤如下： 1. 数据准备：将遥感图像导入ArcGIS软件中，确保图像质量良好，无噪点和失真。 2. 图像增强：对于较暗的图像，可以使用图像增强技术，如直方图均衡化或拉伸，增加图像的对比度和清晰度。 3. 高度和坡度计算：根据高程数据，计算每个像元的高度和坡度信息，可使用ArcGIS中的地理处理工具来完成。 4. 影像分类：根据特定的研究目标，对图像中的地物进行分类，可以使用监督分类或非监督分类等方法。监督分类需要提前准备好训练样本，由用户手动选择参考样本，通过机器学习算法训练分类器，最后应用到整个图像上。非监督分类则是基于像元的统计分布，将像素聚类成不同的类别。 5. 目视解译：在分类的基础上，根据对地物的了解和经验，对图像进行目视解译，将未分类的地物进行人工判读和标注。可以用工具对像元进行选择，然后进行标注，并录入对应的属性信息。 6. 精度评定：根据一定的采样方法，对解译结果进行精度评定，比较目视解译结果与实地调查数据的差异，评估解译的准确性和可靠性。 7. 结果输出：将目视解译完成的图像输出为栅格图像或矢量图层，用于后续的地理分析和决策制定。 总之，ArcGIS目视解译步骤主要包括数据准备、图像增强、高度和坡度计算、影像分类、目视解译、精度评定和结果输出等环节，通过这些步骤可以有效地解译遥感图像并获取有用的地理信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值