ENVI学习总结报告

第一篇：ENVI学习总结报告

ENVI/IDL学习总结报告

XX部 XXX 本部门组织XX月XX日至XX日前往XX大学参加为期五天的ENVI/IDL学习，本人受益匪浅，收获良多。下面介绍一下学习内容，并结合现有的工作发表一下心得体会。

一、软件简介

ENVI是一个完整的遥感图像处理平台，其软件处理技术覆盖了遥感影像数据的各类基本操作和图像分析工具。其优势众多：它将众多常用的图像处理过程集合成流程化的图像处理工具，进一步提高了图像处理的效率；底层开发语言IDL可以帮助用户轻松添加扩展功能，是进行二维或多维数据可视化、分析和应用开发的理想软件工具；ENVI与ArcGIS的整合为遥感和GIS一体化集成提供了一个典型的解决方案，实现了影像数据处理、分析、管理、发布共享的空间信息工程化和流程一体化；企业级服务器产品ENVI Services Engine 能够以Web Services方式组织、创建和发布先进的ENVI/IDL图像分析能力，并部署到任何集群环境或者云平台中，为客户提供在线按需的遥感服务。

ENVI的应用非常广泛，涵盖了科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防安全、地球科学、公用设施管理、遥感工程、水利、海洋，测绘勘察和城市与区域规划等各个领域。

二、学习内容

本次学习的主要内容有遥感软件ENVI的操作与应用以及IDL语言的使用入门，具体包括遥感图像处理基础操作、基于不同场景不同专题的遥感应用、IDL语言快速入门以及基于IDL语言的二次开发等。

1、ENVI部分

在开始具体的软件操作之前，老师首先介绍了遥感影像的一般处理流程以及相关的遥感基础知识，并且简要介绍了常用卫星数据的获取来源和卫星参数。

其次为ENVI软件的基础操作部分，即学习了在ENVI环境下不同文件类型的打开、显示、保存，头文件的编辑以及常用系统设置的修改等基本操作。

后面的学习则是按照五个专题分别讲述ENVI软件的各项操作、功能及其应用： “高分影像的分类和城市绿地信息提取”专题主要学习了利用0.5米空间分辨率的WorldView-2影像通过正射校正、图像融合、快速大气校正、面向对象的信息提取等操作得到城市绿地的分布范围。

“湖泊水质遥感监测”专题学习了利用国产环境小卫星CCD数据反演太湖叶绿素a浓度的完整流程。整个过程涉及环境小卫星的数据读取、图像裁剪、几何校正、FLAASH精确大气校正、实测数据与影像数据的匹配、Excel最小二乘法回归反演模型、Bandmath反演水质参数等内容。

“植被覆盖度反演”专题以两幅北京地区Landsat8影像为数据源，采用改进的像元二分模型详细介绍植被覆盖度遥感估算过程，涉及Landsat8影像大气校正、图像镶嵌与裁剪、NDVI计算与统计、Band Math使用等。

“气溶胶遥感监测”专题介绍了利用MODIS L1B 1KM数据进行气溶胶反演的完整流程，专题涉及了MODIS L1B数据的辐射校正、几何校正、云检测、采用暗像元法（DDV）进行气溶胶反演等内容。此外，专题还学习了如何使用IDL编写的扩展工具来完成相应的任务。“林冠状态遥感动态监测”专题是以两个不同成像时间的Quick Bird多光谱图像为数据源，通过检测影像中黑松树林冠状态的变化来监测森林的健康状况。其具体操作内容为：先面向对象分类提取出林区，并做快速大气校正；然后对不同时相的同一种植被指数作差值运算得到植被指数差，这些植被指数差能反映两个时间段森林林冠变化状况；最后确定一定的阈值范围，阈值范围反映的就是监测区森林健康状况变化情况，即林冠状态的变化，从而提取虫害受灾区域。

2、IDL部分

IDL(Interactive Data Language)语言是第四代科学计算可视化语言,集开放性、高维分析能力、科学计算能力、实用性和可视化分析等特点为一体，ENVI软件便是利用IDL语言开发出来的经典之作。

任何编程开发语言的学习都是一个由浅入深的过程，这次IDL开发部分的培训也是如此，但由于时间有限，同样采取的是专题式教学来传授重点内容：

首先学习掌握了IDL的各类语法基础，包括变量的定义与使用、运算符的使用、数组运算、字符串、指针、结构体、链表和哈希表等结构的定义和相关操作函数的使用；其次学习数据的输入输出，重点关注了ASCII文件，二进制文件，JPEG图像，ENVI HDF头文件等的读写操作；然后学习了如何使用IDL语言以及ENVI提供的二次开发工具对ENVI的功能进行增强，添加新的功能函数或调用ENVI已有的功能，其具体内容有ENVI的波段运算和波谱运算、ENVI Classic功能扩展与二次开发，并介绍了全新的ENVI5.1面向对象的开发模式；最后鉴于难度和时间的限制，老师以演示举例的方式简要介绍了IDL与其他语言混合编程技术，IDL与ArcGIS一体化集成开发技术以及ENVI企业级服务器产品——ENVI Services Engine。

三、体会感想

1、关于ENVI软件和IDL语言开发

从个人的使用经历来看，新版本的ENVI软件在遥感图像处理和分析方面确实有了很大的改善提高。在来到自动化中心之前，我使用过的遥感软件只有Erdas,对此类软件的感受就是慢，而且容易死机。后来因为参与海珠生态城项目而第一次接触ENVI软件，工作电脑上的版本还是年代久远的4.6版，界面和显示都比较简单，交互操作也很不适应，加之电脑硬件配件不高，在运行时经常会有死机退出的现象，这也使我延续了之前的看法。

而本次培训使用的ENVI产品是最新的5.1版本，与Esri合作之后，ENVI在软件界面和显示控制上有了很大的改观，尤其是更符合了ArcGIS用户的习惯，同时考虑到老用户以及部分功能的使用，保留了与传统的操作界面一致的ENVI Classic。此外，新版本增加了对新传感器数据和文件格式的支持，并且对于常用的遥感处理流程，新版ENVI吸收了一些新的算法思想，提供了许多流程化工具箱，使得遥感图像的处理和分析更加简单高效。最后加之中山大学GIS实验室的电脑配置也很好，这次学习过程中的遥感影像处理速度都比较快，而且处理之后的成果也比较好。

对于IDL语言，这次是我第一次接触，两天的学习肯定是不能使人精通的，况且内容跳跃性大，主要还是以熟悉了解为主。但是从介绍的案例来看，随着IDL语言自身的发展，使用IDL扩展ENVI的功能，定制个性化的ENVI软件，或者借助ENVI的接口来做二次开发正越来越被广泛的应用。在个人看来，如果需要在遥感应用的某一领域进行更加深入的研究和学习，大批量的处理分析遥感数据，或者开发相应的遥感处理分析及成果展示系统，那么掌握IDL是必须的。

2、关于本次培训学习内容在实际工作中的应用 这里结合城市规划的需求和已有的工作经历谈一下自己对遥感技术在城市规划中应用的一些想法。

城市规划向来都是遥感技术应用的一大领域。从最基础的正射影像图和各类专题图的制作、城市土地利用的监测评价、违章建筑的督察管理、城市植被覆盖度调查到城市历史变迁动态研究、城市水系分布变化监测、城市道路网络分析、污染源分布点调查、气溶胶监测和城市热岛效应分析，这些都是遥感技术在城市规划管理方面的具体应用。

1)应用现状

目前遥感影像在部门实际工作中的应用还有所欠缺。这是因为数据库里的遥感数据都是经过校正融合拼接后的高分辨率影像图，信息丢失量过大，可分析利用的信息太少，通常只适合通过数字化的方式来制作地形图、影像线划图，或直接作为其他专题地图的底图显示，而难以实现太多直接利用影像的分析应用。

以海珠生态城项目为例，利用现有数据库中的真彩色正射影像，仅能够进行地物简单分类，且得到的结果不仅不够理想，还需要耗费大量人力和时间对分类后的结果做修改，反倒不如直接目视解译并数字化得到的分类结果。而假使采用的是包含了近红外波段的高分辨率多光谱影像，则能够通过计算出归一化植被指数（NDVI）更快速准确的提取出城乡绿地的分布范围，并结合影像纹理了解城乡植被的种类，调查植被的健康状况，对城乡的绿化用地、耕地、林地等进行保护和监管。

2)愿景展望

如今我国大力发展遥感和卫星事业，连续发射了高分一号，高分二号两颗高分辨率卫星，意在为各级政府，科研部门提供高精度、宽视场的空间观测服务。尤其是刚刚发射的高分二号，是目前我国分辨率最高的光学对地观测卫星，具有米级空间分辨率、高辐射精度、高定位精度和快速姿态机动能力，主要用户定位为国土资源部、住建部、交通运输部、林业局等，并为土地利用动态监测、矿产资源调查、城乡规划监测评价、交通路网规划、森林资源调查、荒漠化监测等行业和首都圈等区域应用提供服务支撑。

随着我国对高分影像的大力推广，本部门以后可以周期性获取到更多拥有丰富信息的卫星和航空影像，从而能够参与实现更多基于遥感影像的城市规划应用。为了实现以上的应用，可以利用ENVI与ArcGIS一体化集成开发的解决方案来完成，具体实施可以参照ENVI应用集锦中的城市遥感动态监测管理系统案例。

由此设想我们可以建立自己的城市遥感动态监测系统，以中心现有GIS平台为基础，3S 技术一体化为核心。由现有的基础地理信息数据库、遥感影像数据库、城乡规划数据库和项目审批数据库等组成系统所需的数据库。由ENVI/IDL提供处理和分析遥感数据的工具，ArcGIS Engine 提供的叠加分析、缓冲区分析等GIS分析功能，实现土地利用信息的分类提取，对城乡植被各个监测指数的计算分析；实现多时相的城乡影像数据之间、单一时相遥感影像数据与规划编制、规划审批成果之间的变化图斑提取；实现对城乡总体的影像范围变化的提取，并准确快速地获取其空间特征。然后通过图斑核查和实地测量，及时了解城市的土地利用变化情况，掌握城市建设中与规划不符的情况；通过叠置分析了解城乡空间结构的动态变化，包括扩展变化的主要方向、速度及规律，分析城乡交通建设、政策法规、经济投资区的建设和当地的自然地理环境对城市扩展速度和方向的影响。最后结合统计功能，综合各调查结果，制作专题地图成果，为城乡规划的监察和管理服务。

最后，对于刚刚接触和学习ENVI/IDL的我而言，首要还是熟练掌握此类软件的使用和开发，为了可能到来的工作任务做好准备。

XXXX年XX月XX日

第二篇：ENVI实验心得

ENVI实验心得

姓 名：

学 号：

班 级：

专 业：

ENVI——完整的遥感图像处理平台ENVI(The Environment for Visualizing Images)是美国Exelis Visual Information Solutions公司的旗舰产品。它是由遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。它是快速、便捷、准确地从影像中提取信息的首屈一指的软件解决方案。今天，众多的影像分析师和科学家选择ENVI来从遥感影像中提取信息。ENVI已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等领域。

通过本次实验，我学习了ENVI软件的简单使用方法，了解了ENVI软件的一些常用功能。通过利用ENVI软件处理遥感图像，更加深入地学习了遥感方面的基础知识，对遥感应用的研究有了更深层次的理解。

比如，三个波段复合而成的彩色图像含有的信息要多于单波段的图像，而且彩色图像更加直观、鲜明，所以图像复合及假彩色处理是遥感图像处理的常用手段。另外，利用遥感图像可以对图像内场景进行分类，显示出不同类别地物在空间的分布情况。这也就是遥感可以应用于地物探测、识别的原因。

同时通过对ENVI软件的不断熟悉和操作，让我学到很多，ENVI作为对遥感学习的初步入门软件，熟练地掌握是必须具备的技能，在学习中，我遇到了很多困难，看到很多未知的，不解的知识，还有自己原先掌握的知识的困惑，很庆幸，我能够和同学交流体会，去图书馆，上网查询，让我体会到学习的乐趣，相信随着对遥感越来越多的接触，我会学到更多，相信这次实习在我将来求知的路上会起到不小的促进作用。并且我总结了一些ENVI的优势。，ENVI具有以下几个优势：

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

2.专业的光谱分析——高光谱分析一直处于世界领先地位。

3.随心所欲扩展新功能——底层的IDL语言可以帮助用户轻松地添加、扩展ENVI的功能，甚至开发定制自己的专业遥感平台。

4.流程化图像处理工具——ENVI将众多主流的图像处理过程集成到流程化（Workflow）图像处理工具中，进一步提高了图像处理的效率。

5.与ArcGIS的整合——从2007年开始，与ESRI公司的全面合作,为遥感和GIS的一体化集成提供了一个最佳的解决方案。

第三篇：ENVI实习报告

第三章

1、用envi打开图像截图： File→Open image file

2、找出图像的最大值、最小值、均值、方差： 在主图像窗口中：右键→Quick Stats

3、找出图像的直方图：

在统计窗口中：Select Plot→Histogram：All Bands

4、找出图像的像素值：

在主图像窗口中：Tools→Spatial Pixel Editor

第四章

1.全色图像

可用波段列表中：Gray Scale→Load Band

2、彩色合成图像

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

3、密度分割

在主图像窗口中：Tools→Color Mapping→Density Slice

4、直方图拉伸：

在主图像窗口中：Enhance→Interactive Stretching→在弹出的窗口中：Stretch-Type→任选一种图像增强方式

5、直方图匹配 另外打开一幅不同的图

在原主图像窗口中：Enhance→Histogram Matching→在Histogram Matching Input parameters 窗口中：在Match To中选择想匹配的图像，在Input Histogram 选择直方图的来源：Image、Scroll、Zoom、Band、ROI→OK

第六章

1、傅里叶变换

ENVI主菜单：Filter→FFT Filtering→Forward FFT→在正向傅里叶变换图像文件窗口中选择图像文件→OK

2、主成分变换：

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

3、缨帽变换

ENVI主菜单：Transform→Tasseled Cap

4、代数运算

ENVI主菜单：Basic Tools→Band Match

5、彩色变换

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

第七章

滤波操作

ENVI主菜单：Filter→Convolutions and Morphology

第九章

1、监督分类（1）、创建感兴趣区

主图像窗口：Tools→ Region Of Interest→ROI Tool，进行感兴趣区域的创建，如下一共创建了林地、草地、沙地、裸地、耕地、其他6种感兴趣区。可以使用 ROI Tool窗口中的Off来关闭绘制感兴趣区域的状态。这样可以方便的在主影像窗口进行其它操作；在非常小面积的地域选择感兴趣区域时可以，使用Zoom影像窗口来绘制。

（2）、分类评价

感兴趣区可分离性分析

ROI Tool窗口中：Options→Compute ROI Separablity

3）、监督分类分析

Classification→Supervised→Maximum Likelihood

（4）、分类后处理 混淆矩阵：

2、非监督分类 Isodata原理

ENVI主菜单：Classification → Unsupervised→ Isodata.非监督分类合并：

第四篇：ENVI实验报告

一、实验目得 ENVI 就是一套功能齐全得遥感图像处理系统,就是处理、分析并显示多光谱数据、高光谱数据 与雷达数据得高级工具。此次实习主要就是学习一些关于 EＮVI得基本操作,如:图像预处理,影像分析,图像增强,几何校正,监督分类以及专题制图等步骤。

二、实验数据 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、实验内容

1。遥感数据下载

2、数据格式转化及多波段得合成３.图像边框得裁剪

4、图像得镶嵌

6、图像几何校正

7。裁剪

８.监督分类

9、专题出图 四、实验步骤 １、遥感数据下载

输入地名及日期,搜索符合自己通途得数据,查瞧并下载

2。数据格式转化及多波段得合成 由于下载图像得格式 tiｆ格式,需要转成ｉmg 格式、并将单波段融合成为多波段,这一步在 erdaｓ中完成。

ｔif 转ｉmg

单波段融合成多波段

3.图像边框得裁剪 通过主图像窗口-ｔoolｓ－region of interｅst－rｏi tool,然后自己在图像上定义出一块感兴趣区(实际中难于确定严格准确得裁剪界限)、4。图像得 镶嵌 Map →m ｏsa ｉcking →georeferenced

启动镶嵌模板

６.图像几何校正

设置参数,参数在原始数据中得 tｘt 中可以查瞧

启动校正模块, 并利用 google 地球进行校正

7、裁剪

分别打开需要裁剪得图像与所在区域得 shaｐefｉle 文件 将矢量文件转成 ROI

用 利用 ROI 裁剪图像 选择主菜单→baｓｉc toolｓ→ｓubsｅｔ data ｖiａ ROIＳ,选择裁剪图像 在 spatial suｂset viａ ROＩ paraｍeters 中,选择由矢量生成得ROI,在“Ｍask pixels ouｔsｉde of RＯI？”项中选择ｙes,Mａsk Bａckｇroｕnd Ｖaｌuｅ为 0。监督分类 打开裁剪后得图像,以 以 RGB:543 显示, 在ｄi ｓpl择 ａｙ中选择 Oveｒ ｒlay →Regi ｏn ｏf ｉｎt ｅr ｅst

样本选择完成后,在 Option→pute ROＩ Ｓｅparabilｉty,选择分类图像,查瞧分离性 Inpｕｔ Fｉlｅ: 裁剪

ROＩ Name:(Ｊｅffｒies－Ｍatusiｔa, Ｔraｎsｆoｒmeｄ Dｉvergｅncｅ)

水体 ［Bｌｕｅ] 36084 poinｔs:

农田 [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)

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

农田 [Greｅｎ] 18122 pｏintｓ:

水体 ［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)

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

沙漠 ［Siｅnna] ２０033３ ｐoｉntｓ:

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

农田 ［Greｅn］ 18122 ｐoｉnts:(１.9995４8２０ 1、９9999924)

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

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

未利用土地 [Ｏｒchｉｄ］ 57805 points:

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

农田 [Green］ １812２ poinｔs:(2.000０0000 2。0000000０)

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

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

山体 ［Ｐｕｒplｅ］ 355２28 pｏｉnｔs:

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

农田 ［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 山体 ［Purple］ 3５5228 pｏints — 1、８46３55６1

水体 ［Bluｅ］ ３6０84 poinｔs aｎd 山体 [Ｐurｐle] ３5５２28 pｏints-1、9829６69２

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

农田 [Green] 18122 ｐoints and 山体 ［Pｕrｐle］ 3５5２２8 ｐoints － 1、987４4７1０

农田 [Gｒｅｅｎ］ 18122 ｐoints and 沙漠 [Sieｎnａ］ 2００333 poｉｎｔs-1、999５4８２0

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

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

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

水体 [Bluｅ］ 3６084 ｐｏinｔs and 农田 ［Ｇreｅn] １8１22 poｉnｔｓ — 2。０0０00０00

农田 [Ｇｒeen］ 181２2 points and 未利用土地 ［Orchｉd］ 5７８05 poinｔｓ-2、０00０00０0

分类统计结果

分类精度评价混淆矩阵 Confusｉon Ｍatrｉｘ: Ｈ:12３4５6＼jianｄu

Overall Accuｒaｃy =(６460２6/6６７344)

96。805５％

Ｋapｐa Coｅｆfiｃiｅnt = ０。94８6

Gｒｏunｄ Truth(Pixelｓ)

Ｃlasｓ

水体

农田

沙漠

未利用土地

山体

Ｕnclassｉｆｉed

０

0

0

0

０

水体 ［Bｌｕe］ 3

359２２

0

0

0

286

农田 ［Greeｎ]

７５

17907

０

１9

沙漠 ［Ｓienna]

3４

１95813

５36

1558０

未利用土地 ［Ｏ

0

２１66

５7269

0

山体 [Ｐuｒplｅ］

154

230６

０

３39115

Totａｌ

３60８4

１8１22

2０0333

５７８05

355000

Grｏund Truth(Ｐixels)

Cｌａｓs

Total

Uｎclassｉｆｉed

0

水体 ［Bｌｕe］ 3

３6２０8

农田 ［Ｇreｅｎ]

18０49

沙漠 ［Siｅｎｎa］

2１２024

未利用土地 ［O

594３9

山体 [Ｐuｒple］

341624

Toｔal

6６7３44

Ｇrｏuｎd Trｕtｈ(Ｐｅrcent)

Claｓs

水体

农田

沙漠

未利用土地

山体

Uncｌaｓsifiｅｄ0、0０

0。0０

0.00

０.０0

0.00

水体 ［Bluｅ］ 3

9９。５5

0。00

０。００0、00

0.0８

农田 [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

山体 ［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

水体 ［Ｂluｅ] ３

5。4３

农田 ［Green]

２。７0

沙漠 [Sienna]

3１。77

未利用土地 [O

8、９1

山体 [Ｐuｒplｅ]

51。19

Total

１００、00

Ｃｌass

Ｃommisｓion

Omｉssion

Coｍｍｉｓsio

ｎ

Ｏmiｓsion

(Pｅｒcent)

(Ｐｅrcenｔ)

(Pｉｘeｌs)

(Piｘeｌｓ)

水体 [Ｂｌｕe］ 3

0。79

0、４5

２86/36２08

162/3６084

农田 ［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

山体 ［Ｐuｒple]

0.73

4.47

2５09/3４1624

1５８85/３5500０

Clasｓ

Prod.Acc、Uｓeｒ Aｃc。

Prｏd。

Ａｃc.User Aｃc.(Percent)

(Ｐeｒcent)

(Pixeｌs)

(Ｐｉxeｌｓ)

水体 ［Blue] 3

99、55

99。２1

３５９２2/36084

3５922/36208

农田 ［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

山体 [Purplｅ］

９５。5３

9９、２７

3391１５/3５5０00

339１1５/３4１624

9。专题出图 1、虚拟边框设置 1)在主显示窗口菜单栏中选择File → Prefeｒenceｓ,打开Displａｙ Paraｍｅters对话框,设置虚拟边框得边界值与颜色、２)点击OK完成虚拟边框得设置。

2、公里网设置

EＮＶＩ 支持同时显示像素公里网、地图坐标公里网以及地理坐标(纬度/经度)网。

添加或修改地图影像公里网:

1)主显示窗口菜单栏中选择Ovｅrlay → Ｇrｉｄ Lines。

打开Ｇrｉｄ Ｌiｎｅ Ｐａｒaｍｅters对话框中,显示默认得公里网设置、2)设置公里网属性参数。

选择Ｏptionｓ → Ediｔ Mａp Ｇｒiｄ Attrｉｂutｅｓ或Ｅdit Geogｒａｐｈic Attｒibutes获 Edit Pｉxel Ａtｔributeｓ修改所选公里网得属性 ３)点击OK,完成参数设置。

4)在Ｇriｄ Line Pａrameｔｅrs对话框中,点击Apply将新得公里网应用到影像图中、3、注记要素操作 １)在主显示窗口菜单栏中选择Overｌaｙ → Annｏｔatiｏn,打开Aｎnotａtion对话框。

2)从Annotaｔioｎ对话框菜单栏得Ｏbｊｅｃt下拉菜单中选择所需得注记要素。

3)选择Imagｅ单选按钮指定注记放置得窗口。

4)在主显示窗口鼠标左键点击注记要素放置得位置,点击鼠标右键锁定注记得位置、５)编辑注记要素。

ａ、移动注记要素 菜单中选择Obｊｅcｔ → Seｌectｉon／Ediｔ,用鼠标左键拖画出一个矩形框选择待移动得注记要素。通过点击小圆柄并拖放可以重

新设置注记要素新位置。

ｂ、修改注记要素得属性 菜单中选择Objecｔ → Selｅcｔion/Ｅｄit,用鼠标左键拖画出一个矩形框选择待修改得注记要素。在Ａnnｏtａtiｏｎ对话框中修改注记要素得属性。

c、删除或复制注记要素 菜单中选择Oｂject → Selectｉｏｎ/Ｅｄｉt,用鼠标左键拖画出一个矩形框选择待修改得注记要素、选择ｓelｅcｔｅd → Ｄeleｔe 或 Dｕplicatｅ,删除或复制注记要素。

6)点击鼠标右键重新锁定注记位置。

４、指北针

1)从Aｎｎotatｉon

对话框菜单栏中选择Oｂｊｅｃt→ Sｙmbol、2)鼠标左键点击Foｎt 按钮得下拉菜单,选择ＥＮＶI Ｓｙmbols、从表中选择需要得指北针,并设置指北针得大小、方向、颜色等属性。

5、地图比例尺 1)在Ａｎｎotａtion 对话框中,选择Ｏｂjｅct → Ｓcａｌe Bａr、2)在Anｎotａtion对话框中设置比例尺得单位、比例尺分隔得数目、字体、大小等参数。

3)鼠标左键点击主显示窗口中放置地图比例尺得位置,鼠标右键

锁定注记得位置。

６、图例 1)在Annｏtation 对话框中选择Objecｔ → Mａｐ Kｅｙ。

2)选择Edit Map Key Ｉｔeｍｓ来添加、删除或者修改单个得图例项。

3)使用鼠标左键放置图例,使用鼠标右键锁定图例得位置。

四、保存 １、Fｉlｅ → Sａｖe Image As → Ｉmage Ｆile,打开Ｏuｔput Ｄispｌaｙ to Iｍaｇe Ｆiｌe对话框、2、在Out 列表框中选择输出得文件类型jpg或tｉff、

第五篇：学习总结报告

学习总结报告

7月6日至7日公司组织进行了封装、测试各工序基础知识的介绍。对各工序先后从工序在总工序中的位置、工序的概述、工序中所用的设备、工序的原理、工序所用的材料（产品材料/辅料/设备材料）、工序中的异常及产生异常的可能原因等进行了介绍。

从这次培训中我系统的了解到封装工艺的工艺流程：磨片→划片→装片→键合→塑封→去飞边→电镀→打印→切筋/成型→外观→包装。了解到哪些工序要在洁净车间无尘环境下进行，为什么要在无尘环境下进行，哪些工序对环境要求较低，以及各工序的注意点。

通过这次培训让我了解到前道工序对后道工序的影响，让我更好的认识到自己所在工序的重要性，其中装片工艺和我所在工序息息相关，它是IC封装前工序中的第三道工序，有着非常重要的作用，装片看似简单，其实内中的奥妙还是挺多的，而且随着新的封装形式的不断涌现，装片从一层到多层、从单芯片到多芯片、从厚到薄、从大到小、技术难度变得越来越复杂。后续结合装片工序和键合工序我了解到引线键合封装和FC覆晶封装的区别：引线封装芯片正面朝上，芯片背面和基板间无间隔，芯片和基板间通过引线连接，而FC覆晶封装芯片背面朝上，芯片和基板通过焊球连接，结合之前所看资料，让我更清晰的认识到FC覆晶封装的优势。

在这次培训中塑封工序给我留下了较深刻的映像，它是联系前后道的关键工序，是用环氧模塑料在相应的模具上通过高温、高压把键合好的产品包封起来，用以隔绝湿气与外在环境的污染，以达到保护芯片的目的。其中塑封工序中的相关材料的保管和使用期限让我深刻的认识到生产的严谨性，生产中只有把每一环做好，才能保证产品质量的可靠性。

在培训间隔，培训老师给我们放映了一些新员工如何正确认识自己，如何认识正确企业，如何树立正确人生观和价值观的视频，令我感受颇深。

这次培训使我受益匪浅，不管是在工作思想上，还是在产品专业知识上，都有了一个很大的提升，为我今后的工作打下了基础。