不同分类器结合方法进行遥感数据分类的实验

通过多分类器结合的方法提高分类精度的程度依赖于各分类器分类表现的独立性，当分类器用独立的特征集训练或用独立的训练数据训练时，分类器之间被认为是独立的（Xu et al.，1992）。

通过使用ENVI的六种主要的遥感监督分类器——平行六面体分类、最小距离分类、马氏距离分类、最大似然分类、神经网络分类和支持向量机分类的命令，加深对遥感监督分类原理的理解，了解其技术实现过程，初步掌握其ENVI功能命令的基本使用操作。

通过使用ENVI的两种遥感非监督分类器——IsoData非监督分类和K-Means非监督分类命令，加深对遥感非监督分类原理和对地质应用的理解，了解其技术实现过程，初步掌握其ENVI功能命令的基本使用操作。

该方法首先评价神经网络分类结果的置信度，当该置信度小于给定阈值时，采用最大似然分类结果；Wilkinson and Kanellopulos（1995）提出了一种将神经网络分类器和统计分类器结合进行遥感图像分类的方法。

如NDVI、SR和EVI，用于评估植被覆盖和生长状况。在遥感图像分类中，监督和非监督方法各有优势，样本选择和分类器的运用至关重要，分类后处理如小斑块去除和统计分析则能优化结果。课程设计中，ENVI的运用和遥感理论的实际操作，锻炼了处理问题和解决问题的能力，为未来的学习和工作奠定了坚实的基础。

遥感原理及遥感图像处理实验教程内容简介

《遥感原理及遥感图像处理实验教程》是一部由作者在长期的遥感教学和科研实践中精心编撰的教程。它旨在通过系统性的总结，满足《遥感原理及遥感图像处理》课程的实验需求，同时融入了接近科研实战的技术方法。本书的焦点在于提升学生的理论知识和实践操作能力，以解决实际问题为目标。

遥感定义：阐述了遥感技术的定义，即利用传感器从远距离获取地球表面信息。2 遥感过程：讲解了遥感的完整工作流程，包括数据获取、传输和处理。3 遥感成像原理：介绍了遥感图像的生成原理，涉及电磁波和目标物的相互作用。4 遥感分类：划分了不同类型的遥感技术，如光学、雷达等。

遥感原理与技术：介绍遥感科学的基本原理和技术，包括遥感数据的获取、传感器类型与技术、遥感图像处理与解译等。 数字图像处理与分析：学习数字图像处理的基本原理和方法，包括图像增强、滤波、特征提取、分类等，为遥感数据的处理提供基础。

遥感图像光谱增强处理实验报告

实验名称遥感图像光谱增强处理实验目的对图像进行主成分分析、主成分变换以及主成分百分比计算；观察图像在不同色彩空间之间相互转换的结果异同，对图像进行融合，用MODELMAKER建模方式进行图像处理。

从“Resampling”下拉菜单中选择低分辨率多光谱影像重采样方法。选择输出到“File”或“Memory”，点击【OK】按钮，处理结果将出现在可用波段列表中。（5）使用上述四种方法对甘肃省白银市IKONOS卫星遥感数据进行图像融合处理，并保存每种融合方法的处理结果。将处理结果以JPEG图像格式保存至个人工作文件夹。

操作ENVI预设的四类反差增强处理方法：光标点击图像主窗口上方的“Enhance”（增强处理），打开其下拉菜单，其中的[Image]、[Zoom]和[Scroll]三段区域内，从上到下都列出了线性、高斯、直方图均衡和平方根增强四种反差增强处理方法。

实验十六多波段遥感图像融合处理

了解多波段低空间分辨率遥感影像数据与高空间分辨率单波段遥感影像数据融合处理的目的和技术实现条件，直观感受融合处理影像具有的“扬长避短”增强效果，掌握Transform功能的四种主要融合处理操作，加深对融合增强处理原理和作用的理解。

通过本实验，学生应掌握多波段低空间分辨率遥感影像数据与高空间分辨率单波段遥感影像数据的融合处理技术，理解融合处理的目的和实现条件，并直观感受融合处理后的影像如何发挥各自优势，实现图像质量的增强。学生还应熟练使用ENVI软件的Transform功能，掌握四种主要融合处理操作，深化对融合增强处理原理和作用的理解。

Landsat8 OLI的图像，包含多光谱8个波段，30米空间分辨率，一个全色波段，15米空间分辨率，以及热红外数据。然而，这些影像数据都能在遥感集市中查询到，标志着我国卫星遥感应用大众化、普及化的开端。