第一篇：ENVI學(xué)習(xí)總結(jié)報告

ENVI/IDL學(xué)習(xí)總結(jié)報告

XX部 XXX 本部門組織XX月XX日至XX日前往XX大學(xué)參加為期五天的ENVI/IDL學(xué)習(xí)，本人受益匪淺，收獲良多。下面介紹一下學(xué)習(xí)內(nèi)容，并結(jié)合現(xiàn)有的工作發(fā)表一下心得體會。

一、軟件簡介

ENVI是一個完整的遙感圖像處理平臺，其軟件處理技術(shù)覆蓋了遙感影像數(shù)據(jù)的各類基本操作和圖像分析工具。其優(yōu)勢眾多：它將眾多常用的圖像處理過程集合成流程化的圖像處理工具，進一步提高了圖像處理的效率；底層開發(fā)語言IDL可以幫助用戶輕松添加擴展功能，是進行二維或多維數(shù)據(jù)可視化、分析和應(yīng)用開發(fā)的理想軟件工具；ENVI與ArcGIS的整合為遙感和GIS一體化集成提供了一個典型的解決方案，實現(xiàn)了影像數(shù)據(jù)處理、分析、管理、發(fā)布共享的空間信息工程化和流程一體化；企業(yè)級服務(wù)器產(chǎn)品ENVI Services Engine 能夠以Web Services方式組織、創(chuàng)建和發(fā)布先進的ENVI/IDL圖像分析能力，并部署到任何集群環(huán)境或者云平臺中，為客戶提供在線按需的遙感服務(wù)。

ENVI的應(yīng)用非常廣泛，涵蓋了科研、環(huán)境保護、氣象、石油礦產(chǎn)勘探、農(nóng)業(yè)、林業(yè)、醫(yī)學(xué)、國防安全、地球科學(xué)、公用設(shè)施管理、遙感工程、水利、海洋，測繪勘察和城市與區(qū)域規(guī)劃等各個領(lǐng)域。

二、學(xué)習(xí)內(nèi)容

本次學(xué)習(xí)的主要內(nèi)容有遙感軟件ENVI的操作與應(yīng)用以及IDL語言的使用入門，具體包括遙感圖像處理基礎(chǔ)操作、基于不同場景不同專題的遙感應(yīng)用、IDL語言快速入門以及基于IDL語言的二次開發(fā)等。

1、ENVI部分

在開始具體的軟件操作之前，老師首先介紹了遙感影像的一般處理流程以及相關(guān)的遙感基礎(chǔ)知識，并且簡要介紹了常用衛(wèi)星數(shù)據(jù)的獲取來源和衛(wèi)星參數(shù)。

其次為ENVI軟件的基礎(chǔ)操作部分，即學(xué)習(xí)了在ENVI環(huán)境下不同文件類型的打開、顯示、保存，頭文件的編輯以及常用系統(tǒng)設(shè)置的修改等基本操作。

后面的學(xué)習(xí)則是按照五個專題分別講述ENVI軟件的各項操作、功能及其應(yīng)用： “高分影像的分類和城市綠地信息提取”專題主要學(xué)習(xí)了利用0.5米空間分辨率的WorldView-2影像通過正射校正、圖像融合、快速大氣校正、面向?qū)ο蟮男畔⑻崛〉炔僮鞯玫匠鞘芯G地的分布范圍。

“湖泊水質(zhì)遙感監(jiān)測”專題學(xué)習(xí)了利用國產(chǎn)環(huán)境小衛(wèi)星CCD數(shù)據(jù)反演太湖葉綠素a濃度的完整流程。整個過程涉及環(huán)境小衛(wèi)星的數(shù)據(jù)讀取、圖像裁剪、幾何校正、FLAASH精確大氣校正、實測數(shù)據(jù)與影像數(shù)據(jù)的匹配、Excel最小二乘法回歸反演模型、Bandmath反演水質(zhì)參數(shù)等內(nèi)容。

“植被覆蓋度反演”專題以兩幅北京地區(qū)Landsat8影像為數(shù)據(jù)源，采用改進的像元二分模型詳細介紹植被覆蓋度遙感估算過程，涉及Landsat8影像大氣校正、圖像鑲嵌與裁剪、NDVI計算與統(tǒng)計、Band Math使用等。

“氣溶膠遙感監(jiān)測”專題介紹了利用MODIS L1B 1KM數(shù)據(jù)進行氣溶膠反演的完整流程，專題涉及了MODIS L1B數(shù)據(jù)的輻射校正、幾何校正、云檢測、采用暗像元法（DDV）進行氣溶膠反演等內(nèi)容。此外，專題還學(xué)習(xí)了如何使用IDL編寫的擴展工具來完成相應(yīng)的任務(wù)。“林冠狀態(tài)遙感動態(tài)監(jiān)測”專題是以兩個不同成像時間的Quick Bird多光譜圖像為數(shù)據(jù)源，通過檢測影像中黑松樹林冠狀態(tài)的變化來監(jiān)測森林的健康狀況。其具體操作內(nèi)容為：先面向?qū)ο蠓诸愄崛〕隽謪^(qū)，并做快速大氣校正；然后對不同時相的同一種植被指數(shù)作差值運算得到植被指數(shù)差，這些植被指數(shù)差能反映兩個時間段森林林冠變化狀況；最后確定一定的閾值范圍，閾值范圍反映的就是監(jiān)測區(qū)森林健康狀況變化情況，即林冠狀態(tài)的變化，從而提取蟲害受災(zāi)區(qū)域。

2、IDL部分

IDL(Interactive Data Language)語言是第四代科學(xué)計算可視化語言,集開放性、高維分析能力、科學(xué)計算能力、實用性和可視化分析等特點為一體，ENVI軟件便是利用IDL語言開發(fā)出來的經(jīng)典之作。

任何編程開發(fā)語言的學(xué)習(xí)都是一個由淺入深的過程，這次IDL開發(fā)部分的培訓(xùn)也是如此，但由于時間有限，同樣采取的是專題式教學(xué)來傳授重點內(nèi)容：

首先學(xué)習(xí)掌握了IDL的各類語法基礎(chǔ)，包括變量的定義與使用、運算符的使用、數(shù)組運算、字符串、指針、結(jié)構(gòu)體、鏈表和哈希表等結(jié)構(gòu)的定義和相關(guān)操作函數(shù)的使用；其次學(xué)習(xí)數(shù)據(jù)的輸入輸出，重點關(guān)注了ASCII文件，二進制文件，JPEG圖像，ENVI HDF頭文件等的讀寫操作；然后學(xué)習(xí)了如何使用IDL語言以及ENVI提供的二次開發(fā)工具對ENVI的功能進行增強，添加新的功能函數(shù)或調(diào)用ENVI已有的功能，其具體內(nèi)容有ENVI的波段運算和波譜運算、ENVI Classic功能擴展與二次開發(fā)，并介紹了全新的ENVI5.1面向?qū)ο蟮拈_發(fā)模式；最后鑒于難度和時間的限制，老師以演示舉例的方式簡要介紹了IDL與其他語言混合編程技術(shù)，IDL與ArcGIS一體化集成開發(fā)技術(shù)以及ENVI企業(yè)級服務(wù)器產(chǎn)品——ENVI Services Engine。

三、體會感想

1、關(guān)于ENVI軟件和IDL語言開發(fā)

從個人的使用經(jīng)歷來看，新版本的ENVI軟件在遙感圖像處理和分析方面確實有了很大的改善提高。在來到自動化中心之前，我使用過的遙感軟件只有Erdas,對此類軟件的感受就是慢，而且容易死機。后來因為參與海珠生態(tài)城項目而第一次接觸ENVI軟件，工作電腦上的版本還是年代久遠的4.6版，界面和顯示都比較簡單，交互操作也很不適應(yīng)，加之電腦硬件配件不高，在運行時經(jīng)常會有死機退出的現(xiàn)象，這也使我延續(xù)了之前的看法。

而本次培訓(xùn)使用的ENVI產(chǎn)品是最新的5.1版本，與Esri合作之后，ENVI在軟件界面和顯示控制上有了很大的改觀，尤其是更符合了ArcGIS用戶的習(xí)慣，同時考慮到老用戶以及部分功能的使用，保留了與傳統(tǒng)的操作界面一致的ENVI Classic。此外，新版本增加了對新傳感器數(shù)據(jù)和文件格式的支持，并且對于常用的遙感處理流程，新版ENVI吸收了一些新的算法思想，提供了許多流程化工具箱，使得遙感圖像的處理和分析更加簡單高效。最后加之中山大學(xué)GIS實驗室的電腦配置也很好，這次學(xué)習(xí)過程中的遙感影像處理速度都比較快，而且處理之后的成果也比較好。

對于IDL語言，這次是我第一次接觸，兩天的學(xué)習(xí)肯定是不能使人精通的，況且內(nèi)容跳躍性大，主要還是以熟悉了解為主。但是從介紹的案例來看，隨著IDL語言自身的發(fā)展，使用IDL擴展ENVI的功能，定制個性化的ENVI軟件，或者借助ENVI的接口來做二次開發(fā)正越來越被廣泛的應(yīng)用。在個人看來，如果需要在遙感應(yīng)用的某一領(lǐng)域進行更加深入的研究和學(xué)習(xí)，大批量的處理分析遙感數(shù)據(jù)，或者開發(fā)相應(yīng)的遙感處理分析及成果展示系統(tǒng)，那么掌握IDL是必須的。

2、關(guān)于本次培訓(xùn)學(xué)習(xí)內(nèi)容在實際工作中的應(yīng)用 這里結(jié)合城市規(guī)劃的需求和已有的工作經(jīng)歷談一下自己對遙感技術(shù)在城市規(guī)劃中應(yīng)用的一些想法。

城市規(guī)劃向來都是遙感技術(shù)應(yīng)用的一大領(lǐng)域。從最基礎(chǔ)的正射影像圖和各類專題圖的制作、城市土地利用的監(jiān)測評價、違章建筑的督察管理、城市植被覆蓋度調(diào)查到城市歷史變遷動態(tài)研究、城市水系分布變化監(jiān)測、城市道路網(wǎng)絡(luò)分析、污染源分布點調(diào)查、氣溶膠監(jiān)測和城市熱島效應(yīng)分析，這些都是遙感技術(shù)在城市規(guī)劃管理方面的具體應(yīng)用。

1)應(yīng)用現(xiàn)狀

目前遙感影像在部門實際工作中的應(yīng)用還有所欠缺。這是因為數(shù)據(jù)庫里的遙感數(shù)據(jù)都是經(jīng)過校正融合拼接后的高分辨率影像圖，信息丟失量過大，可分析利用的信息太少，通常只適合通過數(shù)字化的方式來制作地形圖、影像線劃圖，或直接作為其他專題地圖的底圖顯示，而難以實現(xiàn)太多直接利用影像的分析應(yīng)用。

以海珠生態(tài)城項目為例，利用現(xiàn)有數(shù)據(jù)庫中的真彩色正射影像，僅能夠進行地物簡單分類，且得到的結(jié)果不僅不夠理想，還需要耗費大量人力和時間對分類后的結(jié)果做修改，反倒不如直接目視解譯并數(shù)字化得到的分類結(jié)果。而假使采用的是包含了近紅外波段的高分辨率多光譜影像，則能夠通過計算出歸一化植被指數(shù)（NDVI）更快速準(zhǔn)確的提取出城鄉(xiāng)綠地的分布范圍，并結(jié)合影像紋理了解城鄉(xiāng)植被的種類，調(diào)查植被的健康狀況，對城鄉(xiāng)的綠化用地、耕地、林地等進行保護和監(jiān)管。

2)愿景展望

如今我國大力發(fā)展遙感和衛(wèi)星事業(yè)，連續(xù)發(fā)射了高分一號，高分二號兩顆高分辨率衛(wèi)星，意在為各級政府，科研部門提供高精度、寬視場的空間觀測服務(wù)。尤其是剛剛發(fā)射的高分二號，是目前我國分辨率最高的光學(xué)對地觀測衛(wèi)星，具有米級空間分辨率、高輻射精度、高定位精度和快速姿態(tài)機動能力，主要用戶定位為國土資源部、住建部、交通運輸部、林業(yè)局等，并為土地利用動態(tài)監(jiān)測、礦產(chǎn)資源調(diào)查、城鄉(xiāng)規(guī)劃監(jiān)測評價、交通路網(wǎng)規(guī)劃、森林資源調(diào)查、荒漠化監(jiān)測等行業(yè)和首都圈等區(qū)域應(yīng)用提供服務(wù)支撐。

隨著我國對高分影像的大力推廣，本部門以后可以周期性獲取到更多擁有豐富信息的衛(wèi)星和航空影像，從而能夠參與實現(xiàn)更多基于遙感影像的城市規(guī)劃應(yīng)用。為了實現(xiàn)以上的應(yīng)用，可以利用ENVI與ArcGIS一體化集成開發(fā)的解決方案來完成，具體實施可以參照ENVI應(yīng)用集錦中的城市遙感動態(tài)監(jiān)測管理系統(tǒng)案例。

由此設(shè)想我們可以建立自己的城市遙感動態(tài)監(jiān)測系統(tǒng)，以中心現(xiàn)有GIS平臺為基礎(chǔ)，3S 技術(shù)一體化為核心。由現(xiàn)有的基礎(chǔ)地理信息數(shù)據(jù)庫、遙感影像數(shù)據(jù)庫、城鄉(xiāng)規(guī)劃數(shù)據(jù)庫和項目審批數(shù)據(jù)庫等組成系統(tǒng)所需的數(shù)據(jù)庫。由ENVI/IDL提供處理和分析遙感數(shù)據(jù)的工具，ArcGIS Engine 提供的疊加分析、緩沖區(qū)分析等GIS分析功能，實現(xiàn)土地利用信息的分類提取，對城鄉(xiāng)植被各個監(jiān)測指數(shù)的計算分析；實現(xiàn)多時相的城鄉(xiāng)影像數(shù)據(jù)之間、單一時相遙感影像數(shù)據(jù)與規(guī)劃編制、規(guī)劃審批成果之間的變化圖斑提取；實現(xiàn)對城鄉(xiāng)總體的影像范圍變化的提取，并準(zhǔn)確快速地獲取其空間特征。然后通過圖斑核查和實地測量，及時了解城市的土地利用變化情況，掌握城市建設(shè)中與規(guī)劃不符的情況；通過疊置分析了解城鄉(xiāng)空間結(jié)構(gòu)的動態(tài)變化，包括擴展變化的主要方向、速度及規(guī)律，分析城鄉(xiāng)交通建設(shè)、政策法規(guī)、經(jīng)濟投資區(qū)的建設(shè)和當(dāng)?shù)氐淖匀坏乩憝h(huán)境對城市擴展速度和方向的影響。最后結(jié)合統(tǒng)計功能，綜合各調(diào)查結(jié)果，制作專題地圖成果，為城鄉(xiāng)規(guī)劃的監(jiān)察和管理服務(wù)。

最后，對于剛剛接觸和學(xué)習(xí)ENVI/IDL的我而言，首要還是熟練掌握此類軟件的使用和開發(fā)，為了可能到來的工作任務(wù)做好準(zhǔn)備。

XXXX年XX月XX日

第二篇：ENVI實驗心得

ENVI實驗心得

姓 名：

學(xué) 號：

班 級：

專 業(yè)：

ENVI——完整的遙感圖像處理平臺ENVI(The Environment for Visualizing Images)是美國Exelis Visual Information Solutions公司的旗艦產(chǎn)品。它是由遙感領(lǐng)域的科學(xué)家采用交互式數(shù)據(jù)語言IDL(Interactive Data Language)開發(fā)的一套功能強大的遙感圖像處理軟件。它是快速、便捷、準(zhǔn)確地從影像中提取信息的首屈一指的軟件解決方案。今天，眾多的影像分析師和科學(xué)家選擇ENVI來從遙感影像中提取信息。ENVI已經(jīng)廣泛應(yīng)用于科研、環(huán)境保護、氣象、石油礦產(chǎn)勘探、農(nóng)業(yè)、林業(yè)、醫(yī)學(xué)、國防&安全、地球科學(xué)、公用設(shè)施管理、遙感工程、水利、海洋、測繪勘察和城市與區(qū)域規(guī)劃等領(lǐng)域。

通過本次實驗，我學(xué)習(xí)了ENVI軟件的簡單使用方法，了解了ENVI軟件的一些常用功能。通過利用ENVI軟件處理遙感圖像，更加深入地學(xué)習(xí)了遙感方面的基礎(chǔ)知識，對遙感應(yīng)用的研究有了更深層次的理解。

比如，三個波段復(fù)合而成的彩色圖像含有的信息要多于單波段的圖像，而且彩色圖像更加直觀、鮮明，所以圖像復(fù)合及假彩色處理是遙感圖像處理的常用手段。另外，利用遙感圖像可以對圖像內(nèi)場景進行分類，顯示出不同類別地物在空間的分布情況。這也就是遙感可以應(yīng)用于地物探測、識別的原因。

同時通過對ENVI軟件的不斷熟悉和操作，讓我學(xué)到很多，ENVI作為對遙感學(xué)習(xí)的初步入門軟件，熟練地掌握是必須具備的技能，在學(xué)習(xí)中，我遇到了很多困難，看到很多未知的，不解的知識，還有自己原先掌握的知識的困惑，很慶幸，我能夠和同學(xué)交流體會，去圖書館，上網(wǎng)查詢，讓我體會到學(xué)習(xí)的樂趣，相信隨著對遙感越來越多的接觸，我會學(xué)到更多，相信這次實習(xí)在我將來求知的路上會起到不小的促進作用。并且我總結(jié)了一些ENVI的優(yōu)勢。，ENVI具有以下幾個優(yōu)勢：

1.先進、可靠的影像分析工具——全套影像信息智能化提取工具,全面提升影像的價值。

2.專業(yè)的光譜分析——高光譜分析一直處于世界領(lǐng)先地位。

3.隨心所欲擴展新功能——底層的IDL語言可以幫助用戶輕松地添加、擴展ENVI的功能，甚至開發(fā)定制自己的專業(yè)遙感平臺。

4.流程化圖像處理工具——ENVI將眾多主流的圖像處理過程集成到流程化（Workflow）圖像處理工具中，進一步提高了圖像處理的效率。

5.與ArcGIS的整合——從2007年開始，與ESRI公司的全面合作,為遙感和GIS的一體化集成提供了一個最佳的解決方案。

第三篇：ENVI實習(xí)報告

第三章

1、用envi打開圖像截圖： File→Open image file

2、找出圖像的最大值、最小值、均值、方差： 在主圖像窗口中：右鍵→Quick Stats

3、找出圖像的直方圖：

在統(tǒng)計窗口中：Select Plot→Histogram：All Bands

4、找出圖像的像素值：

在主圖像窗口中：Tools→Spatial Pixel Editor

第四章

1.全色圖像

可用波段列表中：Gray Scale→Load Band

2、彩色合成圖像

可用波段列表中：RGB Color選擇波段3、2、1（真彩色）→Load Band

3、密度分割

在主圖像窗口中：Tools→Color Mapping→Density Slice

4、直方圖拉伸：

在主圖像窗口中：Enhance→Interactive Stretching→在彈出的窗口中：Stretch-Type→任選一種圖像增強方式

5、直方圖匹配 另外打開一幅不同的圖

在原主圖像窗口中：Enhance→Histogram Matching→在Histogram Matching Input parameters 窗口中：在Match To中選擇想匹配的圖像，在Input Histogram 選擇直方圖的來源：Image、Scroll、Zoom、Band、ROI→OK

第六章

1、傅里葉變換

ENVI主菜單：Filter→FFT Filtering→Forward FFT→在正向傅里葉變換圖像文件窗口中選擇圖像文件→OK

2、主成分變換：

ENVI主菜單：Transform→Principal component→Forward PC Rotation→Compute New Statistics and Rotate

3、纓帽變換

ENVI主菜單：Transform→Tasseled Cap

4、代數(shù)運算

ENVI主菜單：Basic Tools→Band Match

5、彩色變換

ENVI主菜單：Transform→Color Transforms→RGB to HSV

第七章

濾波操作

ENVI主菜單：Filter→Convolutions and Morphology

第九章

1、監(jiān)督分類（1）、創(chuàng)建感興趣區(qū)

主圖像窗口：Tools→ Region Of Interest→ROI Tool，進行感興趣區(qū)域的創(chuàng)建，如下一共創(chuàng)建了林地、草地、沙地、裸地、耕地、其他6種感興趣區(qū)?？梢允褂?ROI Tool窗口中的Off來關(guān)閉繪制感興趣區(qū)域的狀態(tài)。這樣可以方便的在主影像窗口進行其它操作；在非常小面積的地域選擇感興趣區(qū)域時可以，使用Zoom影像窗口來繪制。

（2）、分類評價

感興趣區(qū)可分離性分析

ROI Tool窗口中：Options→Compute ROI Separablity

3）、監(jiān)督分類分析

Classification→Supervised→Maximum Likelihood

（4）、分類后處理 混淆矩陣：

2、非監(jiān)督分類 Isodata原理

ENVI主菜單：Classification → Unsupervised→ Isodata.非監(jiān)督分類合并：

第四篇：ENVI實驗報告

一、實驗?zāi)康?ENVI 就是一套功能齊全得遙感圖像處理系統(tǒng),就是處理、分析并顯示多光譜數(shù)據(jù)、高光譜數(shù)據(jù) 與雷達數(shù)據(jù)得高級工具。此次實習(xí)主要就是學(xué)習(xí)一些關(guān)于 EＮVI得基本操作,如:圖像預(yù)處理,影像分析,圖像增強,幾何校正,監(jiān)督分類以及專題制圖等步驟。

二、實驗數(shù)據(jù) LE714402９20００２6８SGS０0.tar.gｚ ELEVATＩON＿SＯURCE = ”ＧLS2000“

PROCESSＩNG_SOＦTWAＲE ＝ ”LPGS_9。1＂

EＰHEMEＲIＳ_TYＰＥ = ＂DEFIＮIＴＩＶE＂

ＳPＡＣECRＡFT＿ID = ”Ｌａndsat7＂

ＳENSOR_ID = ”ETM+“

SENＳOR_MODＥ = ”SＡM＂

AＣQＵISIＴION_ＤAＴE = 200０—09—24

WＲS_PATH = １4４

ＢAND_CＯMBＩNATION = ＂1２34５6６７8”

ＰRＯDUＣT_UL_CＯRNER_ＬAT = 4５、5７8682８

PRODUＣT_UL＿CORＮＥR_LON = ８４。０75０064

PＲODＵＣＴ_UR＿CORNＥR_ＬAＴ = ４5.61579６4

ＰRODＵCT＿UR＿COＲNER_ＬON = 87.2821725

PROＤUＣT_LL_COＲNER＿LAＴ ＝ ４３。５718357

PＲODUCＴ_LＬ_CＯＲNEＲ_LON = 8４、1739９７２

PRODUCT_LR_COＲＮER_LＡT = ４3、606４5２５

PＲODUCT_LR＿CORNＥR＿LON = ８７.27２6０７３

PRODUCT_UＬ_CＯRNEＲ_MAPX ＝ 271８00、000

PRODUCT＿UL_CＯRNＥR_MAPY = ５051400.0０0

PROＤUＣＴ_UR_CORNＥR_MAPX = 522０００。00０

ＰRODUCT＿ＵＲ＿CORNER_MAＰY = 5051400、00０

PRODUCT_LL_CORＮER_MAPX ＝ 27１800、0００

PＲOＤUCT＿LL_CORＮER＿MAPY = 482８20０、000

PRODUCT_LＲ_CORNEＲ＿ＭAPX = 52２０00、００0

PRODUＣT＿LR_ＣＯRNＥR_MAPＹ ＝ 482８2０0.0０0 三、實驗內(nèi)容

1。遙感數(shù)據(jù)下載

2、數(shù)據(jù)格式轉(zhuǎn)化及多波段得合成３.圖像邊框得裁剪

4、圖像得鑲嵌

6、圖像幾何校正

7。裁剪

８.監(jiān)督分類

9、專題出圖 四、實驗步驟 １、遙感數(shù)據(jù)下載

輸入地名及日期,搜索符合自己通途得數(shù)據(jù),查瞧并下載

2。數(shù)據(jù)格式轉(zhuǎn)化及多波段得合成 由于下載圖像得格式 tiｆ格式,需要轉(zhuǎn)成ｉmg 格式、并將單波段融合成為多波段,這一步在 erdaｓ中完成。

ｔif 轉(zhuǎn)ｉmg

單波段融合成多波段

3.圖像邊框得裁剪 通過主圖像窗口-ｔoolｓ－region of interｅst－rｏi tool,然后自己在圖像上定義出一塊感興趣區(qū)(實際中難于確定嚴格準(zhǔn)確得裁剪界限)、4。圖像得 鑲嵌 Map →m ｏsa ｉcking →georeferenced

啟動鑲嵌模板

６.圖像幾何校正

設(shè)置參數(shù),參數(shù)在原始數(shù)據(jù)中得 tｘt 中可以查瞧

啟動校正模塊, 并利用 google 地球進行校正

7、裁剪

分別打開需要裁剪得圖像與所在區(qū)域得 shaｐefｉle 文件 將矢量文件轉(zhuǎn)成 ROI

用 利用 ROI 裁剪圖像 選擇主菜單→baｓｉc toolｓ→ｓubsｅｔ data ｖiａ ROIＳ,選擇裁剪圖像 在 spatial suｂset viａ ROＩ paraｍeters 中,選擇由矢量生成得ROI,在“Ｍask pixels ouｔsｉde of RＯI？”項中選擇ｙes,Mａsk Bａckｇroｕnd Ｖaｌuｅ為 0。監(jiān)督分類 打開裁剪后得圖像,以 以 RGB:543 顯示, 在ｄi ｓpl擇 ａｙ中選擇 Oveｒ ｒlay →Regi ｏn ｏf ｉｎt ｅr ｅst

樣本選擇完成后,在 Option→pute ROＩ Ｓｅparabilｉty,選擇分類圖像,查瞧分離性 Inpｕｔ Fｉlｅ: 裁剪

ROＩ Name:(Ｊｅffｒies－Ｍatusiｔa, Ｔraｎsｆoｒmeｄ Dｉvergｅncｅ)

水體 ［Bｌｕｅ] 36084 poinｔs:

農(nóng)田 [Gｒeen］ 1812２ ｐoinｔs:(2.0000０00０ 2.00000000)

沙漠 [Siｅnｎa］ 20０3３3 poinｔs:(１。9９973178 2.０00000０0)

未利用土地 ［Orｃｈid] ５78０5 ｐoiｎts:(１、９9９99４94 2.０000000０)

山體 [Purpｌe］ 3５5228 ｐoｉntｓ:(1.98296692 2、00000000)

農(nóng)田 [Greｅｎ] 18122 pｏintｓ:

水體 ［Bluｅ] 36084 points:(2。00000０00 2、00０00０0０)

沙漠 ［Sieｎnａ］ ２０0３３3 poｉnts:(1、９９954８20 １。9９999924)

未利用土地 [Orｃhid］ 57805 points:(２、000０00０0 ２、0０００0000)

山體 ［Purｐle］ ３552２8 poinｔs:(1、9８7４47１0 １。99928798)

沙漠 ［Siｅnna] ２０033３ ｐoｉntｓ:

水體 ［Ｂluｅ］ 3６08４ points:(1.9９９７3178 2、０00000００)

農(nóng)田 ［Greｅn］ 18122 ｐoｉnts:(１.9995４8２０ 1、９9999924)

未利用土地 [Orcｈiｄ］ ５7805 ｐｏinｔs:(1、98700177 2.００00０0０0)

山體 ［Puｒplｅ］ 3５５228 ｐointｓ:(１、８４6３5561 1、96５24858)

未利用土地 [Ｏｒchｉｄ］ 57805 points:

水體 ［Bｌue］ 36084 poinｔs:(１、9999９494 2、００00000０)

農(nóng)田 [Green］ １812２ poinｔs:(2.000０0000 2。0000000０)

沙漠 ［Sｉｅｎnａ] ２0０333 ｐoints:(1、98７0０177 2、000000０0)

山體 [Purple] ３５５228 pｏiｎｔs:(1、9９９873１9 2。０0000000)

山體 ［Ｐｕｒplｅ］ 355２28 pｏｉnｔs:

水體 ［Ｂluｅ] 360８4 poiｎts:(1、９8296692 2、0000０000)

農(nóng)田 ［Ｇｒeen] １8122 ｐｏints:(1.9８744710 1.99９28798)

沙漠 [Sｉenｎa］ ２00３33 pｏｉnts:(1。8463556１ １.9６524８58)

未利用土地 [Ｏrchiｄ］ 578０5 ｐｏints:(1.９9987３1９ 2、０００0０000)

Pａiｒ Sepaｒation(leaｓt to mｏst);

沙漠 [Siｅnna］ 2０0333 pointｓ ａnd 山體 ［Purple］ 3５5228 pｏints — 1、８46３55６1

水體 ［Bluｅ］ ３6０84 poinｔs aｎd 山體 [Ｐurｐle] ３5５２28 pｏints-1、9829６69２

沙漠 [Ｓｉenna］ 20033３ ｐｏinｔs aｎｄ 未利用土地 ［Orchid］ 5７805 ｐoints — １、9８7０0１7７

農(nóng)田 [Green] 18122 ｐoints and 山體 ［Pｕrｐle］ 3５5２２8 ｐoints － 1、987４4７1０

農(nóng)田 [Gｒｅｅｎ］ 18122 ｐoints and 沙漠 [Sieｎnａ］ 2００333 poｉｎｔs-1、999５4８２0

水體 ［Blue］ 360８4 ｐoiｎts and 沙漠 [Sｉenｎa］ 2003３3 ｐｏｉｎts — 1、９９973１78

未利用土地 ［Orchiｄ］ 57８05 points and 山體 ［Purpｌｅ] 35522８ ｐoｉnｔs — １.9９987３１９

水體 [Bｌue] 360８4 pｏiｎｔs ａnd 未利用土地 [Oｒchid] 5７8０5 pointｓ — １、９９99９４94

水體 [Bluｅ］ 3６084 ｐｏinｔs and 農(nóng)田 ［Ｇreｅn] １8１22 poｉnｔｓ — 2。０0０00０00

農(nóng)田 [Ｇｒeen］ 181２2 points and 未利用土地 ［Orchｉd］ 5７８05 poinｔｓ-2、０00０00０0

分類統(tǒng)計結(jié)果

分類精度評價混淆矩陣 Confusｉon Ｍatrｉｘ: Ｈ:12３4５6＼jianｄu

Overall Accuｒaｃy =(６460２6/6６７344)

96。805５％

Ｋapｐa Coｅｆfiｃiｅnt = ０。94８6

Gｒｏunｄ Truth(Pixelｓ)

Ｃlasｓ

水體

農(nóng)田

沙漠

未利用土地

山體

Ｕnclassｉｆｉed

０

0

0

0

０

水體 ［Bｌｕe］ 3

359２２

0

0

0

286

農(nóng)田 ［Greeｎ]

７５

17907

０

１9

沙漠 ［Ｓienna]

3４

１95813

５36

1558０

未利用土地 ［Ｏ

0

２１66

５7269

0

山體 [Ｐuｒplｅ］

154

230６

０

３39115

Totａｌ

３60８4

１8１22

2０0333

５７８05

355000

Grｏund Truth(Ｐixels)

Cｌａｓs

Total

Uｎclassｉｆｉed

0

水體 ［Bｌｕe］ 3

３6２０8

農(nóng)田 ［Ｇreｅｎ]

18０49

沙漠 ［Siｅｎｎa］

2１２024

未利用土地 ［O

594３9

山體 [Ｐuｒple］

341624

Toｔal

6６7３44

Ｇrｏuｎd Trｕtｈ(Ｐｅrcent)

Claｓs

水體

農(nóng)田

沙漠

未利用土地

山體

Uncｌaｓsifiｅｄ0、0０

0。0０

0.00

０.０0

0.00

水體 ［Bluｅ］ 3

9９。５5

0。00

０。００0、00

0.0８

農(nóng)田 [Gｒeen]

0、2１

9８.8１

0.０2

0。00

０.0１

沙漠 ［Sienna]0、090、34

97。７4

0.93

4.39

未利用土地 ［O

0。01

０.00

1、０8

99.0７0、00

山體 ［Purpｌe］

0、１4

0。8５1、15

０、00

95。5３

Ｔoｔal

100.00

100.00

1０0.00

100.00

100、００

Grounｄ Truth(Ｐercｅnt)

Class

Total

Unclａssified

0。０0

水體 ［Ｂluｅ] ３

5。4３

農(nóng)田 ［Green]

２。７0

沙漠 [Sienna]

3１。77

未利用土地 [O

8、９1

山體 [Ｐuｒplｅ]

51。19

Total

１００、00

Ｃｌass

Ｃommisｓion

Omｉssion

Coｍｍｉｓsio

ｎ

Ｏmiｓsion

(Pｅｒcent)

(Ｐｅrcenｔ)

(Pｉｘeｌs)

(Piｘeｌｓ)

水體 [Ｂｌｕe］ 3

0。79

0、４5

２86/36２08

162/3６084

農(nóng)田 ［Grｅｅn]

０.7９

１、1９

14２/18049

21５/18122

沙漠 [Sienna］

7、６５

２。26

1６211/21２024

4520/20０３33

未利用土地 [Ｏ3、65

0、93

21７0/59439

５３6/5７805

山體 ［Ｐuｒple]

0.73

4.47

2５09/3４1624

1５８85/３5500０

Clasｓ

Prod.Acc、Uｓeｒ Aｃc。

Prｏd。

Ａｃc.User Aｃc.(Percent)

(Ｐeｒcent)

(Pixeｌs)

(Ｐｉxeｌｓ)

水體 ［Blue] 3

99、55

99。２1

３５９２2/36084

3５922/36208

農(nóng)田 ［Ｇreeｎ］

9８、8１

9９.21

1７907/1８１22

17907/1８049

沙漠 ［Sｉenna]

97、74

９2.35

195８13/２0０33３

195813／21202４

未利用土地 ［Ｏ

９9。07

９6.35

57２69／5７805

57269/５9439

山體 [Purplｅ］

９５。5３

9９、２７

3391１５/3５5０00

339１1５/３4１624

9。專題出圖 1、虛擬邊框設(shè)置 1)在主顯示窗口菜單欄中選擇File → Prefeｒenceｓ,打開Displａｙ Paraｍｅters對話框,設(shè)置虛擬邊框得邊界值與顏色、２)點擊OK完成虛擬邊框得設(shè)置。

2、公里網(wǎng)設(shè)置

EＮＶＩ 支持同時顯示像素公里網(wǎng)、地圖坐標(biāo)公里網(wǎng)以及地理坐標(biāo)(緯度/經(jīng)度)網(wǎng)。

添加或修改地圖影像公里網(wǎng):

1)主顯示窗口菜單欄中選擇Ovｅrlay → Ｇrｉｄ Lines。

打開Ｇrｉｄ Ｌiｎｅ Ｐａｒaｍｅters對話框中,顯示默認得公里網(wǎng)設(shè)置、2)設(shè)置公里網(wǎng)屬性參數(shù)。

選擇Ｏptionｓ → Ediｔ Mａp Ｇｒiｄ Attrｉｂutｅｓ或Ｅdit Geogｒａｐｈic Attｒibutes獲 Edit Pｉxel Ａtｔributeｓ修改所選公里網(wǎng)得屬性 ３)點擊OK,完成參數(shù)設(shè)置。

4)在Ｇriｄ Line Pａrameｔｅrs對話框中,點擊Apply將新得公里網(wǎng)應(yīng)用到影像圖中、3、注記要素操作 １)在主顯示窗口菜單欄中選擇Overｌaｙ → Annｏｔatiｏn,打開Aｎnotａt(yī)ion對話框。

2)從Annotaｔioｎ對話框菜單欄得Ｏbｊｅｃt下拉菜單中選擇所需得注記要素。

3)選擇Imagｅ單選按鈕指定注記放置得窗口。

4)在主顯示窗口鼠標(biāo)左鍵點擊注記要素放置得位置,點擊鼠標(biāo)右鍵鎖定注記得位置、５)編輯注記要素。

ａ、移動注記要素 菜單中選擇Obｊｅcｔ → Seｌectｉon／Ediｔ,用鼠標(biāo)左鍵拖畫出一個矩形框選擇待移動得注記要素。通過點擊小圓柄并拖放可以重

新設(shè)置注記要素新位置。

ｂ、修改注記要素得屬性 菜單中選擇Objecｔ → Selｅcｔion/Ｅｄit,用鼠標(biāo)左鍵拖畫出一個矩形框選擇待修改得注記要素。在Ａnnｏtａt(yī)iｏｎ對話框中修改注記要素得屬性。

c、刪除或復(fù)制注記要素 菜單中選擇Oｂject → Selectｉｏｎ/Ｅｄｉt,用鼠標(biāo)左鍵拖畫出一個矩形框選擇待修改得注記要素、選擇ｓelｅcｔｅd → Ｄeleｔe 或 Dｕplicatｅ,刪除或復(fù)制注記要素。

6)點擊鼠標(biāo)右鍵重新鎖定注記位置。

４、指北針

1)從Aｎｎotatｉon

對話框菜單欄中選擇Oｂｊｅｃt→ Sｙmbol、2)鼠標(biāo)左鍵點擊Foｎt 按鈕得下拉菜單,選擇ＥＮＶI Ｓｙmbols、從表中選擇需要得指北針,并設(shè)置指北針得大小、方向、顏色等屬性。

5、地圖比例尺 1)在Ａｎｎotａt(yī)ion 對話框中,選擇Ｏｂjｅct → Ｓcａｌe Bａr、2)在Anｎotａt(yī)ion對話框中設(shè)置比例尺得單位、比例尺分隔得數(shù)目、字體、大小等參數(shù)。

3)鼠標(biāo)左鍵點擊主顯示窗口中放置地圖比例尺得位置,鼠標(biāo)右鍵

鎖定注記得位置。

６、圖例 1)在Annｏtation 對話框中選擇Objecｔ → Mａｐ Kｅｙ。

2)選擇Edit Map Key Ｉｔeｍｓ來添加、刪除或者修改單個得圖例項。

3)使用鼠標(biāo)左鍵放置圖例,使用鼠標(biāo)右鍵鎖定圖例得位置。

四、保存 １、Fｉlｅ → Sａｖe Image As → Ｉmage Ｆile,打開Ｏuｔput Ｄispｌaｙ to Iｍaｇe Ｆiｌe對話框、2、在Out 列表框中選擇輸出得文件類型jpg或tｉff、

第五篇：學(xué)習(xí)總結(jié)報告

學(xué)習(xí)總結(jié)報告

7月6日至7日公司組織進行了封裝、測試各工序基礎(chǔ)知識的介紹。對各工序先后從工序在總工序中的位置、工序的概述、工序中所用的設(shè)備、工序的原理、工序所用的材料（產(chǎn)品材料/輔料/設(shè)備材料）、工序中的異常及產(chǎn)生異常的可能原因等進行了介紹。

從這次培訓(xùn)中我系統(tǒng)的了解到封裝工藝的工藝流程：磨片→劃片→裝片→鍵合→塑封→去飛邊→電鍍→打印→切筋/成型→外觀→包裝。了解到哪些工序要在潔凈車間無塵環(huán)境下進行，為什么要在無塵環(huán)境下進行，哪些工序?qū)Νh(huán)境要求較低，以及各工序的注意點。

通過這次培訓(xùn)讓我了解到前道工序?qū)蟮拦ば虻挠绊?，讓我更好的認識到自己所在工序的重要性，其中裝片工藝和我所在工序息息相關(guān)，它是IC封裝前工序中的第三道工序，有著非常重要的作用，裝片看似簡單，其實內(nèi)中的奧妙還是挺多的，而且隨著新的封裝形式的不斷涌現(xiàn)，裝片從一層到多層、從單芯片到多芯片、從厚到薄、從大到小、技術(shù)難度變得越來越復(fù)雜。后續(xù)結(jié)合裝片工序和鍵合工序我了解到引線鍵合封裝和FC覆晶封裝的區(qū)別：引線封裝芯片正面朝上，芯片背面和基板間無間隔，芯片和基板間通過引線連接，而FC覆晶封裝芯片背面朝上，芯片和基板通過焊球連接，結(jié)合之前所看資料，讓我更清晰的認識到FC覆晶封裝的優(yōu)勢。

在這次培訓(xùn)中塑封工序給我留下了較深刻的映像，它是聯(lián)系前后道的關(guān)鍵工序，是用環(huán)氧模塑料在相應(yīng)的模具上通過高溫、高壓把鍵合好的產(chǎn)品包封起來，用以隔絕濕氣與外在環(huán)境的污染，以達到保護芯片的目的。其中塑封工序中的相關(guān)材料的保管和使用期限讓我深刻的認識到生產(chǎn)的嚴謹性，生產(chǎn)中只有把每一環(huán)做好，才能保證產(chǎn)品質(zhì)量的可靠性。

在培訓(xùn)間隔，培訓(xùn)老師給我們放映了一些新員工如何正確認識自己，如何認識正確企業(yè)，如何樹立正確人生觀和價值觀的視頻，令我感受頗深。

這次培訓(xùn)使我受益匪淺，不管是在工作思想上，還是在產(chǎn)品專業(yè)知識上，都有了一個很大的提升，為我今后的工作打下了基礎(chǔ)。