ENVI高光谱数据处理流程

ENVI高光谱数据处理流程

1.数据预处理

数据预处理是高光谱数据处理流程中的第一步，其主要目的是去除数

据中的噪声并增加图像质量。常用的预处理方法包括：大气校正、大气校

正之后的辐射校正、大气校正之后的大气校正等。

-大气校正：高光谱数据中的大气散射会引入许多噪声。大气校正的

目的是根据大气散射的物理原理，通过对高光谱数据进行光谱校正和辐射

校正，去除大气散射带来的干扰。

-辐射校正：高光谱数据中的辐射能量受到地面温度、雨水和云等因

素的影响，导致数据中存在辐射偏差。辐射校正的目的是根据卫星的辐射

源数据和大地辐射能量的关系，对高光谱数据进行校正，消除辐射偏差。

-大气校正之后的大气校正：在进行大气校正之后，仍然可能存在一

些小范围的大气散射。大气校正之后的大气校正的目的是再次进行大气散

射校正，进一步提高图像质量。

2.特征提取

特征提取是高光谱数据处理流程中的核心步骤，其主要目的是从高光

谱数据中提取出对地物分类和解译有用的特征信息。

-光谱特征提取：光谱特征提取是指根据高光谱数据中不同波段的辐

射能量变化，提取出反映地物光谱特性的特征参数。常用的光谱特征包括：光谱曲线的均值、方差、斜率等。

-空间特征提取：空间特征提取是指从高光谱数据的空间分布中提取

出反映地物空间特性的特征参数。常用的空间特征包括：纹理特征、形状

特征、边缘特征等。

3.分类与监督解译

分类与监督解译是高光谱数据处理流程中的关键步骤，其主要目的是

将预处理和特征提取之后得到的数据进行分类和解译。

-监督分类：监督分类是指通过已知的训练样本数据，建立分类模型，并将该模型应用于未知的高光谱数据，将数据分成不同的类别。常用的监

督分类方法有：最大似然分类、支持向量机分类、随机森林分类等。

-非监督分类：非监督分类是指利用高光谱数据本身的统计特性，将

数据按照统计特性对其进行分类。常用的非监督分类方法有：K-均值聚类、多元高斯聚类等。

4.地物解译与验证

地物解译与验证是高光谱数据处理流程中的最后一步，其主要目的是

对分类结果进行解译和验证，以评估分类的准确性。

-地物解译：地物解译是指根据分类结果，将不同类别的地物识别并

标记出来。地物解译可以通过人工解译、图像处理软件的辅助解译等方式

进行。

- 准确性验证：准确性验证是指对分类结果进行准确性和精确度的评估。常用的验证方法包括：混淆矩阵分析、Kappa系数计算等。

综上所述，ENVI高光谱数据处理流程主要包括数据预处理、特征提取、分类与监督和非监督解译等步骤。通过这些步骤，可以提高高光谱数

据的质量，并从中提取出对地物分类和解译有用的特征信息。最后，通过地物解译与验证，可以评估分类的准确性，确保处理结果的可靠性。

高光谱数据处理工具软件使用手册

高光谱数据处理工具软件使用手册 一数据读取操作 1 读取南京中地仪器公司的光谱数据（单个文件） [sampleName,lambda,spectrum ]=hyperReadZD(fname) 2 读取北师大波谱库的数据（单条记录） [metaInfo,lambda,spectrum]=hyperReadSPL(fname,iStart,iEnd,i Step,desPathStr) 参数：如果输入参数iStart,iEnd,iStep则将读取的波谱数据按照以上三个参数进行重采样。三参数的含义分别是：起始波段（nm），终止波段(nm)，采样间隔（nm）；如果输入desPathStr，则将采样后的结果作为zip文件保存在目录desPathStr内。 3 读取Envi波谱库数据（单个文件，多条记录） [samplename,lambda,spectral]=hyperReadEnvi(fname) 4 读取ASD波谱仪数据 [measured, lambda, reference] = hyperReadAsd(filename) 5 读取高光谱影像数据（AVIRIS格式） [M, wavelengths_nm] = hyperReadAvirisRfl(filename, height, width, bands) 二数据转换 1 高光谱立方体数据转换为二维数组 [M] = hyperConvert2d(M) 输入： M - 高光谱立方体数据(m x n x p) 输出： M –二维矩阵形式(p x N) 2 将二维数组转换为数据立方体 [img] = hyperConvert3d(img, h, w, numBands) 输入： M –二维数据矩阵 (p x N) 输出： M –三维数据立方体 (m x n x p) 3 光谱重采样 [ output ] = hyperResample( M, currentWaveLengths, desiredWaveLengths ) 输入： M –二维高光谱数据矩阵 (p x N)

ENVI基本影像处理流程操作

ENVI基本影像处理流程操作 ENVI（Environment for Visualizing Images）是一款基于科研的遥感数据处理 软件，该软件可以进行多光谱、高光谱和雷达影像的处理、分析以及可视化等操作。本文将介绍ENVI基本影像处理流程的操作步骤，并提供一些实用技巧。 1. ENVI软件的安装 ENVI软件的安装包可以通过官方网站下载，安装过程需要注意以下几点：•系统要求：ENVI软件需要安装在一台配备了Windows操作系统的计算机上。安装前请确认您的计算机符合软件的系统要求。 •授权方式：ENVI采用了USB加密狗的授权方式，安装时需要连入加密狗。 •安装路径：ENVI软件的安装路径需要选择到英文全路径，建议安装在较大的磁盘上。 2. ENVI软件的启动 ENVI软件具有图形界面和命令行两种启动方式，这里只介绍图形界面启动方式。操作步骤如下： 1.在Windows桌面上找到ENVI的快捷方式，鼠标双击打开ENVI软 件； 2.程序启动后，会出现ENVI Main窗口，该窗口分为菜单栏和工具栏 两部分； 3.在菜单栏中选择基本操作>打开文件，弹出Open File窗口； 4.选择需要打开的影像文件，点击打开按钮，ENVI软件会自动加载文 件。 3. ENVI基本影像处理流程 ENVI软件提供了多种基本影像处理流程，这里将介绍最常用的三种：图像增强、变换和分类。下面的操作步骤均在ENVI软件的主界面中完成。 3.1 图像增强 图像增强是指通过某些方法，使影像的细节更明显、对比度更强、噪声更小， 从而使影像更易于解译。下面介绍ENVI中的直方图均衡化增强方式。 1.打开需要增强的影像文件； 2.在ENVI菜单栏中选择基本操作>图像增强>直方图均衡化；

ENVI基础功能教程

ENVI基础功能教程 ENVI（Environment for Visualizing Images）是一款功能强大的遥感图像处理和分析软件。它是由Exelis Visual Information Solutions 开发的，用于处理、分析和可视化各种遥感数据的工具。本文将介绍ENVI的基础功能，并提供相应教程。 1.数据导入和显示 ENVI可以导入多种遥感数据，包括多光谱、高光谱、雷达和激光雷达数据等。用户可以选择打开单个文件或者批量导入数据集。导入后，ENVI会将数据以图像形式显示在界面上。 教程： a.在ENVI中选择“文件”->“打开”来导入遥感图像。 b.选择要导入的图像文件，并点击“打开”按钮。 c.ENVI会将图像加载到显示窗口中。 2.图像增强 ENVI提供了多种图像增强工具，用于改善图像质量和可视化效果。这些工具包括亮度调整、对比度增强、直方图均衡化等。 教程： a.选择“处理”->“亮度/对比度调整”来打开亮度和对比度调整对话框。 b.在对话框中调整亮度和对比度滑块，直到达到理想的效果。

c.点击“应用”按钮来应用调整。 3.波段操作 ENVI允许对图像的不同波段进行操作，包括波段合成、波段提取和 波段重映射等。这些功能有助于提取和分析图像中的特定信息。 教程： a.选择“处理”->“波段操作”来打开波段操作对话框。 b.在对话框中选择要进行的操作，如波段合成或波段提取。 c.根据对话框中的提示设置参数，并点击“应用”按钮来进行操作。 4.目标检测和分类 ENVI提供了多种目标检测和分类算法，用于自动提取地物信息。用 户可以将图像分割成不同的类别，并根据需要进行后续分析。 教程： a.选择“分类”->“目标检测和分类”来打开目标检测和分类对话框。 b.选择合适的检测和分类算法，并设置参数。 c.点击“开始”按钮来进行目标检测和分类。 5.地形分析 ENVI具有地形分析功能，可以对地表高程数据进行分析和可视化。 用户可以生成高程图、坡度图和等高线图等。 教程： a.选择“地形”->“地形分析”来打开地形分析对话框。

ENVI练习手册

ENVI操作手册

目录 图像融合前的预处理 (3) Envi5.1无缝镶嵌工具 (3) 1 数据加载 (3) 2 匀色处理 (4) 3 接边线与羽化 (5) 4 输出结果 (6) ENVI 矢量边界裁剪栅格数据 (7) 1 加载数据 (7) 2 矢量数据转为ROI (7) 3 裁剪栅格数据 (8) Landsat 8 简介及数据预处理 (10) 1 简介 (10) 2 辐射定标 (10) 3 多光谱数据FLAASH大气校正 (12) 4 高光谱数据FLAASH大气校正 (17) 5 快速大气校正 (21) ENVI下的Landsat8图像融合 (23) ENVI下如何利用矢量对影像进行掩膜 (25) 1 矢量生成ROI (25) 2 ROI生成掩膜 (26) ENVI下植被覆盖度的遥感估算 (28) 1 估算模型 (28) 2 ENVI实现流程 (28) 波段运算（Band Math） (33) ENVI下遥感影像的几何精校正 (34) ENVI下图像融合 (37) 1 图形融合操作 (37) 2 融合方法简介 (39) 3 融合方法的适用范围 (42)

ENVI下波段合成 (43) ENVI下频率域及空间域滤波 (44) 1 频率域滤波 (44) 2 空间域滤波 (48) ENVI下遥感影像监督分类 (52) 1 详细操作步骤 (52) 监督分类后处理 (56) 1 小斑块处理 (56) 2 分类精度评价 (59) 3 分类统计 (61) 4 转换成矢量图 (63)

图像融合前的预处理 辐射定标—大气校正—几何校正—融合 辐射定标—大气校正—融合—几何校正 Envi5.1无缝镶嵌工具 ENVI5.1版本提供了全新的影像无缝镶嵌工具Seamless Mosaic，所有功能集成在一个流程化的界面，可以： ?控制图层的叠放顺序 ?设置忽略值、显示或隐藏图层或轮廓线、重新计算有效的轮廓线、选择重采样方法和 输出范围、可指定输出波段和背景值 ?可进行颜色校正、羽化/调和 ?提供高级的自动生成接边线功能、也可手动编辑接边线 ?提供镶嵌结果的预览 使用该工具可以对影像的镶嵌做到更精细的控制，包括镶嵌匀色、接边线功能和镶嵌预览等功能。下面以6景TM5影像为例介绍这个工具。 在Toolbox中启动/Mosaicking/Seamless Mosaic。 1 数据加载 (1) 点击左上的加号（如图）添加需要镶嵌的影像数据。 图1-加载数据 (2) 添加进来之后可以看到数据的位置和重叠关系和影像轮廓线。

高光谱数据的制图方法简介

高光谱数据的制图方法简介 ENVI软件在Spectral菜单中提供许多波谱制图方法，包括：二进制编码、波谱角制图、线性波段预测(LS-Fit)、线性波谱分匹配滤波、混合调制匹配滤波、包络线去除，以及波谱特征拟合等。 本文主要介绍几种高光谱数据处理的过程操作。 1.二进制编码 二进制编码分类技术根据波段值落在波谱均值的下方或上方，将数据和端元分别编码为0和1。在编码过程中，使用一个高级的（exclusive）OR函数，用于将需要编码的数据波谱与参照波谱相比较，从而生成一幅分类图像。 选择菜单栏Spectral—Mapping Methods—Binary Encoding。在打开的窗口设置参数如下： 图1-1 二进制编码分类参数设置 注意：“OutputRuleImages”切换按钮被设置为“No”，规则图像将不被保存。 分类结束后，规则图像将出现在可用波段列表中，可以在任何显示窗口中显示（或链接/覆盖），并可以使用ENVI的像元位置/值功能进行查询。结果显示如图1-2：

图1-2 原影像图（左）与二进制编码分类结果图（右） 2. 波谱角分类 波谱角分类(SAM)是一种基于自身的波谱分类方法，这种方法将图像波谱与参照波谱在N-维空间进行匹配。SAM用到的参照端元波谱可以来自于ASCII文件、波谱库、统计文件或直接从图像中抽取（如ROI均值波谱），本实验中用的是ROI均值波谱。SAM把端元波谱（被认为是一个N维向量，N维波段数）和像元向量放在n维空间中进行角度比较。较小的角度代表象元与参照波谱匹配紧密。这一技术用于数据定标时，对照度和反照率的影响并不敏感。 选择菜单栏Spectral—Mapping Methods—Spectral Angle Mapper。设置参数如图2-1，波谱角分类结果，如图2-2： 图2-1 波谱角分类参数设置图2-2 波谱角分类结果影像 3.LS-Fit(线性波段预测)

ENVI4.8版本中高光谱遥感——SPEAR Tools简介

高光谱遥感 ——ENVI 4.8版本中的SPEAR Tools简介 SPEAR Tools全称是光谱处理与分析工具（Spectral Processing Exploitation and Analysis Resource），在这里ENVI提供了一系列的处理工具，并形成向导引导使用者按照ENVI的标准处理影像。 SPEAR包含以下10个流程化处理模块： 异常检测模块：搜索光谱不同的背景（谱异常）目标 变化检测模块：检测统一地区不同时段光谱变化的异常 谷歌地球桥接器：提供一个简单的方法将ENVI中的图像或矢量文件输出到Google Earth中 道路提取模块：从影像中流程化提取道路信息 水体提取模块：从影像中流程化提取河流，隐蔽水沟信息 水的相对深度模块：从高光谱数据中快速获取感兴趣水域水的相对深度信息影像植被指数提取模块：快捷容易地确定植被的存在情况，并用多光谱图像可视化该植被的活力水平。 船只提取模块：船只提取模块，利用水和船的对比度。以及船的纹理特征来提取船只信息。 1 异常检测模块（SPEAR Anomaly Detection） 异常检测提供了一种方法来搜索光谱不同的背景（谱异常）目标，ENVI使用RXD异常探测算法来检测光谱信息异于影像背景值的目标。 由于植被在一些地区（比如在干燥的区域）光谱异常比较明显，SPEAR 异常检测模块提供了能够抑制植被的操作。 SPEAR异常检测模块能够依靠设定阈值来减小绝对误差。 SPEAR异常检测模块同时提供了滤波、核查和精度评定工具。 如果得出满意的结果，可以将其输出成shp文件的矢量格式。

从影像中提取异常信息操作流程如下： 1.在ENVI主菜单栏下，选择Spectral > SPEAR Tools > Anomaly Detection。 弹出文件显示对话框，选择输入文件。（输入的文件必须是能被ENVI 识别的多光谱数据）设定保存路径。 2.设定算法模型，包括RXD、UTD、RXD-UTD。 3.设定异常检测参数，设定Mean Source的来源，指定是否需要抑制植 被。 4.可以重新设定参数来确定异常，最后会弹出两幅影像，原影像与分析 后结果，以作比较。 2 变化检测模块（SPEAR Change Detection） 变化检测模块提供一个方法来检测影像同一地区不同时段的变化，并在图像上凸显出来，说明是什么要素发生了什么变化。 变化检测模块提供以下几种相对变化检测工具： Transform：输入数据堆栈成一个图像，然后图像变换(主成分分析，最小噪声比率，或独立成分分析)应用于所提取的特征相关的变化。 Subtractive：归一化差异植被指数（归一化植被指数），红/蓝比，和人为的比例计算的输入数据。得出的比率数据和波段数据从影像数据中减去以创建出不同的影像。 Two Color Multi-View (2CMV)：来自于时段1的波段显示在红色波段通道，来自于时段2的同一波段显示在绿色波段通道和蓝色波段通道，在一个图像里区别于其他影像的亮的部分用青色表示，暗的部分用红色表示。颜色用来表示可能存在变化的区域。 3 谷歌地球桥接器（Googl e Earth Bridge） 它提供了一个简单的方法将ENVI中的图像或矢量文件输出到Google Earth 中。Google Earth是一个强大的数据可视化工具，它允许图像被放置在一个区域或全球范围内。谷歌数据桥创建了一个包含矢量数据的kml格式文件。如果选择缩略图，kml格式的矢量文件也会被输出。

ENVI高光谱数据处理流程

ENVI高光谱数据处理流程 1.数据预处理 数据预处理是高光谱数据处理流程中的第一步，其主要目的是去除数 据中的噪声并增加图像质量。常用的预处理方法包括：大气校正、大气校 正之后的辐射校正、大气校正之后的大气校正等。 -大气校正：高光谱数据中的大气散射会引入许多噪声。大气校正的 目的是根据大气散射的物理原理，通过对高光谱数据进行光谱校正和辐射 校正，去除大气散射带来的干扰。 -辐射校正：高光谱数据中的辐射能量受到地面温度、雨水和云等因 素的影响，导致数据中存在辐射偏差。辐射校正的目的是根据卫星的辐射 源数据和大地辐射能量的关系，对高光谱数据进行校正，消除辐射偏差。 -大气校正之后的大气校正：在进行大气校正之后，仍然可能存在一 些小范围的大气散射。大气校正之后的大气校正的目的是再次进行大气散 射校正，进一步提高图像质量。 2.特征提取 特征提取是高光谱数据处理流程中的核心步骤，其主要目的是从高光 谱数据中提取出对地物分类和解译有用的特征信息。 -光谱特征提取：光谱特征提取是指根据高光谱数据中不同波段的辐 射能量变化，提取出反映地物光谱特性的特征参数。常用的光谱特征包括：光谱曲线的均值、方差、斜率等。

-空间特征提取：空间特征提取是指从高光谱数据的空间分布中提取 出反映地物空间特性的特征参数。常用的空间特征包括：纹理特征、形状 特征、边缘特征等。 3.分类与监督解译 分类与监督解译是高光谱数据处理流程中的关键步骤，其主要目的是 将预处理和特征提取之后得到的数据进行分类和解译。 -监督分类：监督分类是指通过已知的训练样本数据，建立分类模型，并将该模型应用于未知的高光谱数据，将数据分成不同的类别。常用的监 督分类方法有：最大似然分类、支持向量机分类、随机森林分类等。 -非监督分类：非监督分类是指利用高光谱数据本身的统计特性，将 数据按照统计特性对其进行分类。常用的非监督分类方法有：K-均值聚类、多元高斯聚类等。 4.地物解译与验证 地物解译与验证是高光谱数据处理流程中的最后一步，其主要目的是 对分类结果进行解译和验证，以评估分类的准确性。 -地物解译：地物解译是指根据分类结果，将不同类别的地物识别并 标记出来。地物解译可以通过人工解译、图像处理软件的辅助解译等方式 进行。 - 准确性验证：准确性验证是指对分类结果进行准确性和精确度的评估。常用的验证方法包括：混淆矩阵分析、Kappa系数计算等。 综上所述，ENVI高光谱数据处理流程主要包括数据预处理、特征提取、分类与监督和非监督解译等步骤。通过这些步骤，可以提高高光谱数

ENVI实验步骤

1、ENVI:主菜单——Transform——color transform 2、密度分割 打开图像——Gray Scale——选一个波段——Tools——color mapping——Densify slice——选择刚才相应的波段————可调整分割密度——applying 3、图象拉伸： 打开图像——选择某波段——Enhance——选择拉伸类型——右击图像——Interactive Stretching（查看直方图） 4、直方图均衡化： 打开图像——选择波段——Enhance ——Equalization(?) ５、图象匹配：98 打开两个波段——Enhance——Histogram Matching 6、辐射定标：（老师给的图像信息：Landsat 5,2003.1.10 ，太阳高度角87度，过境时间9:59）（1）Basic Tools——Preprocessing——Calibration Utillities——Landsat TM （2）进入下一步的参数选择：根据传感器类型选择Landsat 4、5或7 ，从遥感影像的头文件获取Data Acquisition 时间、sun elevation （3）如果是用File open External file——Landsat——Fast 的方法打开header.dat（头文件）的话，sun elevation就已经填好，这里Calibration Type注意选择Radiance ——输出文件，定标完成 7、大气校正（老师给的文档上有） 一、辐射定标 1. 由于ENVI 4.4 中有专门进行辐射定标的模块，因此实际的操作十分简单。将原始TM 影像打开以后，选择 Basic Tools–Preprocessing–Calibration Utilities–Landsat TM 2. 进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。从遥感影像的头文件中获取Data Acquisition 的时间，Sun elevation。如果你是用File–Open External File–Landsat–Fast 的方法打开header.dat 的话，sun elevation 就已经填好了。这里Calibration Type 注意选择为Radianc e。输出文件，定标就完成了。 二、大气校正

01.ENVI简介

1、ENVI5.3界面 自ENVI5.0版本开始，ENVI采用了全新的软件界面，从整体上增强了用户体验，ENVI5.3延续了ENVI5的界面风格，对图标做了更现代化的设计。启动ENVI5.3，如下图所示，包括菜单项、工具栏、图层管理、工具箱、状态栏几个部分组成。 图1 ENVI5.3软件界面 为了方便老用户的使用，ENVI 5.3还保留了经典的菜单+三视窗的操作界面，也就是在安装ENVI5.3时候，自动会把ENVI Classic版本安装。其实ENVI Classic就是一个完整的ENVI4.8或更早期的版本。习惯这种界面风格的用户，可以选择使用ENVI Classic界面操作。

图2 经典ENVI操作界面 2、ENVI安装目录结构 一般情况下ENVI 5.3安装在Exelis文件夹下，完全版本包括IDL、License等文件夹。ENVI5.3的所有文件及文件夹保存在HOME\Program Files\Exelis\ENVI53下。 表2.1 ENVI5.3安装目录说明

3.2特定数据的打开 虽然上述的Open 功能可以打开大多数文件类型，但对于特定的已知文件类型，我们需要打开图像文件外，还需要打开图像文件附带的其他文件，比如RPC文件等。 使用File > Open AS 菜单，ENVI 能够读取一些标准文件类型的若干格式，包括精选的遥感格式、军事格式、数字高程模型格式、图像处理软件格式及通用图像格式。ENVI 从内部头文件读取必要的参数，因此不必在Header Information对话框中输入任何信息。 如下为打开一个多波段Landsat Fast格式的过程： 1.选择主菜单>File > Open AS >Landsat >FAST 2.对于Fast TM 格式数据，选择header.dat文件。 对于Landsat 7 FAST 全色波段数据，选择 .hpn 头文件。 对于VNIR/SWIR Landsat 7 FAST 数据6个波段，选择 .hrf 头文件。 对于Landsat 7 FAST 热红外波段，选择 .htm 头文件。 1.点击Open打开。ENVI同时自动从头文件中读取包括：gains 和bias，太阳 高度角和方位角，成像时间等信息。 对于普通的单波段二进制文件，用Open As 方式找不到对应选项，可以在Toolbox选择/Raster Management/Edit ENVI Header。或者直接选择File > Open打开普通二进制文件。 1.在Edit Header Input File界面选择Open > New File，打开普通二进制文件， 便会弹出"Header Info"对话框，在出现的"Header Info"对话框中填写图像如 下信息 "Samples"图像文件的列数。

ENVI高光谱数据处理流程

ENVI高光谱数据处理流程 ENVI（Environment for Visualizing Images）是一款功能强大的遥 感数据处理软件，用于高光谱数据的处理和分析。它提供了许多功能模块，可以进行数据导入、预处理、特征提取、分类和可视化等操作。下面是ENVI高光谱数据处理流程的详细介绍。 1.数据导入 首先，我们需要将高光谱数据导入ENVI软件。ENVI支持导入多种高 光谱数据格式，如Hyperion、AVIRIS等。可以通过ENVI的文件菜单选择 导入数据或者使用ENVI API导入数据。 2.数据预处理 在数据导入之后，我们需要对高光谱数据进行预处理，以减少噪声和 增强图像的质量。ENVI提供了多种数据预处理方法，包括大气校正、大 气校正和去除噪声。可以根据数据的需求选择适当的预处理方法。 3.特征提取 特征提取是高光谱数据分析的关键步骤。在这一步骤中，我们可以利 用ENVI提供的各种特征提取算法来提取数据中的有用信息。ENVI提供了 许多特征提取算法，包括主成分分析（PCA）、线性判别分析（LDA）、最 大似然分类（MLC）等。 4.分类 分类是高光谱数据处理的一个重要环节。ENVI提供了多种分类算法，用于将数据分成不同的类别。可以使用ENVI的分类工具对特征提取后的 数据进行分类，根据分类结果进行应用。

5.可视化 可视化是高光谱数据处理的最后一步。ENVI提供了丰富的可视化工具，可以对数据进行可视化和可视化分析。可以通过ENVI的图像菜单选择适当的可视化工具，并根据需要生成图像。 以上是ENVI高光谱数据处理的基本流程。当然，根据具体的应用和需求，还可以根据需要选择其他的处理方法和工具。此外，ENVI还支持自定义算法和脚本编程，以满足更高级的数据处理需求。 总结起来，ENVI高光谱数据处理流程包括数据导入、数据预处理、特征提取、分类和可视化等步骤。通过这些步骤，我们可以对高光谱数据进行全面的处理和分析，从而获取有用的信息并进行进一步的应用。

envi操作(2)

八、定义感兴趣区及分类 主窗口—Classification：监督分类，非监督分类，决策树分类。 2）监督分类：按照分类以前自定义的样本进行分类。 2 样本选择：主影像窗口—Tools—Region Of Interest—ROI Tool 调出感兴趣区工具窗口进行样本选择，可以进行样本编辑（名称，颜色，填充方式等），样本选择越精确，分类结果越好。 2 选择分类方式：分类方式包括平行六面体法、最短距离法、马氏距离法、最大似然法、波谱角分类以及二进制编码法等，选择合适的分类方式。 2 引入影像—确定分类范围和波段—选择样本—给定阈值—确定存储路径和文件名—OK。 平行六面体法：用一条简单的判定规则对多波谱数据进行分类。判定边界在图像数据空间中，形成了一个N维平行六面体。平行六面体的维数由来自每一种选择的分类的平均值的标准差的阈值确定。如果像元值位于N个被分类波段的低阈值与高阈值之间，则它归属于这一类。如果像元值落在多个类里，那么ENVI将这一像元归到最后一个匹配的类里。没有落在平行六面体的任何一类里的区域被称为无类别的。 最短距离法：用到每一个终端单元的均值矢量，计算每一个未知像元到每一类均值矢量的欧几里德距离。所有像元都被归为最近的一类，除非限定了标准差和距离的极限（这时，会出现一些像元因不满足选择的标准，而成为“无类别”）。 马氏距离法：是一个方向灵敏的距离分类器，分类时用到了统计。它与最大似然分类有些类似，但是假定所有类的协方差相等，所以是一种较快的方法。所有像元都被归到最临近的ROI类，除非用户限定了一个距离阈值（这时，如果一些像元不在阈值内，就会被划为无类别）。 最大似然法：假定每个波段每一类统计呈均匀分布，并计算给定像元属于一特定类别的可能性。除非选择一个可能性阈值，所有像元都将参与分类。每一个像元被归到可能性最大的那一类里。 波谱角分类：（SAM）是一个基于自身的波谱分类，它是用n维角度将像元与参照波谱匹配。这一算法是通过计算波谱间的角度（将它们处理为具有维数等于波段数的空间矢量），判定两个波谱间的类似度。这一技术用于校准反射数据时，对照明和反照率的影响相对不灵敏。SAM 用到的终端单元波谱可以来自ASCII文件、波谱库或直接从图像中抽取（作为ROI 平均波谱）。SAM 将终端单元波谱矢量和每一个像元矢量放在n维空间比较角度。较小的角度代表与参照波谱匹配紧密。远离指定的弧度阈值最大角度的像元被认为无法分类。 二进制编码法：将数据和终端单元波谱编码为0和1（基于波段是低于波谱平均值，还是高于波谱平均值）。“异或”逻辑函数用于对每一种编码的参照波谱和编码的数据波谱进行比较，生成一幅分类图像。所有像元被分类到与其匹配波段最多的终端单元一类里，除非指定了一个最小匹配阈值（这时，如果一些像元不符合标准，它们将不参与分类）。 样本提纯技术：Spectral—n Dimensional Visualizer N维散度可视分析，是ENVI比较有特色的功能，可以使样本更加纯净，提高分类精度。 3）非监督分类：仅仅用统计方法对数据集中的像元进行分类，不需要样本。 2 Isodata（独立数据）非监督分类计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元迭代聚集。每次迭代重新计算均值，且用这一新的均值对像元进行再分类。重复分类是分割、融合和删除基于输入的阈值参数的。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，就无法参与分类），所有像元都被归到与其最临近的一类里。这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已经到了迭代的最多次数。

遥感专题讲座——影像信息提取(四面向对象特征提取)

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。

影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。

(完整word版)高光谱数据处理基本流程

高光谱分辨率遥感 用很窄(10—2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm）数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上,而且各光谱通道间往往是连续的,每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry)遥感。 高光谱遥感具有不同于传统遥感的新特点： (1）波段多—-可以为每个像元提供几十、数百甚至上千个波段； (2）光谱范围窄——波段范围一般小于10nm； （3）波段连续—-有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； (4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加—-由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； (3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据,显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出. 三、波谱库 1、标准波谱库

软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等. 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点"。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元"，一般从标准波谱库选择； (2）在遥感图像上得到的“图像端元”. 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 (2）计算纯净像元指数PPI

envi辐射定标和大气校正步骤

envi辐射定标和大气校正步骤 对于envi辐射定标和大气校正步骤来说，准确的操作流程至关重要。首先，我们需要明确辐射定标和大气校正的的概念和目的。 辐射定标是指将数字图像或遥感数据转换成辐射亮度或反射率的物理单位。辐射定标的目的是获得一个相对于时间和地点稳定的反射率值，使得不同场景下的遥感数据可以进行比较。 然后，进行大气校正是为了消除大气影响，从而提取出地物表面的真实反射率或辐射亮度。大气校正可以有效减少大气光散射和吸收对遥感图像的影响，提高图像的质量。 以下是envi辐射定标和大气校正的步骤： 1. 数据获取：首先，需要获取原始遥感数据，包括多光谱或高光谱图像。 2. 辐射定标：对于多光谱或高光谱数据，需要根据仪器的辐亮度标定系数，将原始数字值转换为辐射亮度。这通常涉及到使用辐射标定面或辐射源对仪器进行校准。 3. 大气校正：接下来，需要进行大气校正。大气校正的方法有多种，最常用的是大气逐像元校正（ATCOR）模型和大气点标定（ACD）方法。这些方法通过考虑大气散射、吸收和大气廓线等参数，来推算出地表反射率。 4. 反射率计算：校正后的数据可以通过将辐射亮度或辐射率除以太阳辐照度，得到表面的反射率。这样，我们就可以比较不同场景下的遥感数据了。 5. 结果分析和应用：最后，对校正后的图像进行分析和应用。可以进行分类、目标识别、监测等操作，以获得我们所需的信息。

总而言之，envi辐射定标和大气校正步骤是遥感数据处理中的关键过程，它们可以提高数据的准确性和可比性。正确执行这些步骤可以使我们从遥感图像中获取更多有价值的信息，从而促进环境监测、资源管理和地理研究等领域的发展。

ENVI地物识别流程

高光谱 1、遥感数据定标： 遥感数据本质上是地物波谱。为了保证样本于地物关系的一致性，首先对遥感数据进行反射率定标。将影像的灰度值转化为反射率或辐射率图像。 2、采用MNF方法实现信息重组： 基于对高光谱遥感图像信息提取开发出来的MNF分析是在主成分分析基础上经过进一步改进，由美国著名科学家Boardman 和Kruse于1994年发明的一种图位空间变换方法。基于对高光谱遥感图像信息提取开发出的MNF分析首先把噪声成分从图像信息中分离出去，这样也同时减少了对超大数据量的处理要求。MNF分析的第一步是以噪声成分的协方差矩阵为基础，对图像数据作去相关和重定标处理，这样使得噪声成分具有单一方差，且没有带到带的相关性；第二步对经上述处理后的新数据作一次标准的主成分分析。最后，通过对比特征值与相应的结果图像可以把结果图像分成大特征值和主要成分图像，小特征值和噪声成分为主的图像两部分。 3、利用PPI（纯净像元指数）进行样本提纯 纯净像元指数法对图像中的像素点进行反复迭代，找出图像中相对纯净的像元（作为图像波谱终端单元），选择MNF结果的前三个主成分作为分析数据，结果图像中最亮的像元是最纯净的像元，把它们定义为感兴趣区（ROI）。 4、利用N-D散度法进行样本重组 为了提高样本的精度，ENVI提供N维散度法来进一步提纯样本。N维散度法不仅利用了最新的可视化技术使用户可以在真实N维样本空间中进行样本分离，而且可以使样本精度大大提高，减少了由于肉眼识别造成的误差。我们将选出的ROI进行n维散度分析，允许散点在n维空间适时旋转，散点的运动使得用户能同时使用图像的所有波段做波谱分析，技术人员的视觉技术和散点的几何形状被同时使用来定位图像的波谱终端单元，这些波谱终端单元可以用于波谱角分类、混合像元分解、匹配滤波和光谱特征拟合等。 5、分类并进行地物识别 由于传统统计分离法没用考虑地物波谱特征和混合像元问题，往往造成分类中的混分和漏分，同时也无法反映地物分类的真实性。为了解决这个问题，ENVI提供了两种最先进的分类方法：波谱角分析法和特征分析法，同时采用了规则分类法进行类别重组。在波谱库的支持下进行波谱角分类。波谱角分类（SAM）是根据图像像元与参考光谱或ROI的相似性来决定一个像元的类别。从分类结果看，SAM类别识别能力强，可以剔除光照影像，同时分类碎块小。特征分析主要是针对分类识别中，由于各种干扰造成漏分及混分的现象提出的特征识别方法。由于遥感数据的混合像元效应和各种干扰造成不同物质谱线相似，相同物质谱线差异大等现象，从而形成传统方法中的漏分及混分。由于各种物质都有自己的特征吸收峰，它并不受到其它现象的干扰，因此通过波谱特征识别就可以大大减少混分和漏分现象。规则分类法是对某一分类规则得到的类型特征按用户定义的参数标准进行类型重组的方法，它可以实现不同类别不同标准的归类方式，大大增加了分类的灵活性。 另外，ENVI提供的亚像元分解法和空域分辨增强法来解决混合像元问题。亚像元分析法是针对混合像元的特点，利用地物波谱组合等研究成果，对遥感数据每一个像元进行波谱分离，从而计算出每个像元中含有某类地物的含量，达到解决混合像元问题的目的，空域分辨增强法是为了增强小于或接近一个像元的地物。由于混合像元造成了接近一个像元或小于一个像元的地物边界不清，从而减少了此类地物的识别能力。空域分辨增强利用空间域地物文理特点和空间大核卷积算法，增强此类地物的识别能力。 6、最后，用户可以使用ENVI的波谱分析器，将分类结果中感兴趣地物的波谱曲线与ENVI自 带的波谱库或自定义波谱库进行对比分析，从而识别未知地物。达到目标检测识别的目的。下图所示为对飞机表面物质的波谱曲线进行分析，用ENVI的波谱分析包将其与该地区的波谱库进行比较，得出其最有可能是某种物质的结果。

ENVI监督分类步骤

ENVI监督分类步骤 ENVI是一种广泛使用的遥感图像分析软件，用于处理和分析多光谱、高光谱和雷达数据。其中一个功能是进行监督分类，它是通过已标记的训 练样本来训练分类器，然后使用分类器对未知像素进行分类。下面是进行ENVI监督分类的步骤： 1.数据准备： 在进行监督分类之前，首先需要准备好遥感图像数据。这包括获取遥 感图像数据并导入到ENVI软件中。确保数据是正确的，包括地理校正和 辐射校正。这些步骤将确保图像数据的准确性和一致性。 2.创建训练样本： 在监督分类过程中，需要创建一些训练样本，这些样本用于训练分类器。训练样本是经过标记的像素，表示各个类别的特征。在ENVI中，可 以使用“ROI工具”手动创建训练样本。通过选择一个感兴趣区域，并为 其分配一个特定的类别，可以创建一个训练样本。 3.设置训练参数： 在进行监督分类之前，需要设置一些训练参数。这些参数包括分类器 类型（如像素或对象级别），分类器方法（如最大似然估计或支持向量机）以及其他相关参数，如类别权重和执行群集。 4.训练分类器： 一旦训练样本和参数准备好，就可以开始训练分类器了。在ENVI中，可以使用“Train Iso Cluster”或“Train Support Vector Machine”

等工具对训练样本进行分类器训练。该过程将使用训练样本中的特征来训练分类器，并生成一个能够对未知数据进行分类的模型。 5.分类预测： 在分类器训练后，可以使用该模型对未知数据进行分类预测。在ENVI中，可以使用“Predict Classification”工具来对整个图像或一部分图像进行分类。该工具将应用训练得到的模型，并基于像素的特征将其分类为相应的类别。 6.评估分类结果： 一旦分类预测完成，就可以评估分类结果了。在ENVI中，可以使用“Confusion Matrix”工具来计算分类的准确性、精度和召回率。该工具将根据已知的分类结果和分类预测结果来计算这些指标。 7.优化分类结果： 如果分类结果不满意，可以考虑对分类器进行优化。这可以通过增加更多训练样本、调整训练参数或尝试不同的分类器方法来实现。 8.生成分类图像： 最后一步是生成分类的图像。在ENVI中，可以使用“Display Classification”工具来将分类结果显示为彩色图像或灰度图像。该工具将为每个类别分配一个唯一的颜色，并根据分类结果对图像进行着色。 总结起来，ENVI监督分类的步骤包括数据准备、创建训练样本、设置训练参数、训练分类器、分类预测、评估分类结果、优化分类结果和生成分类图像。这些步骤将帮助用户在ENVI中进行准确和可靠的监督分类分析。

envi 高光谱波段自相关计算

高光谱遥感技术是一种能够获取地物光谱特征的重要手段，它在农业、林业、环境监测等领域有着广泛的应用。而在高光谱遥感数据处理中，波段自相关计算是一种重要的分析方法，它能够帮助我们更好地理解 数据的特征和结构。本文将对高光谱波段自相关计算进行深入探讨， 旨在帮助读者更好地掌握这一分析方法。 一、高光谱波段自相关概述 1.1 高光谱遥感数据的特点 高光谱遥感数据是指在可见光、红外和短波红外等波段范围内具有连 续的光谱信息的遥感数据。相比于传统的单一波段遥感数据，高光谱 数据能够提供更为丰富的地物光谱信息，能够更准确地反映地物的特 征和变化。 1.2 高光谱波段自相关的作用 波段自相关是指在高光谱数据中，同一波段内不同位置像元的相关性 分析。它可以帮助我们了解数据的空间相关性和结构特征，为后续的 特征提取和分类分析提供基础。 二、高光谱波段自相关的计算方法 2.1 高光谱波段自相关的数学原理 在高光谱数据中，每个像元由连续的光谱波段组成，我们可以将每个

像元看作是一个包含多个变量的数据点。可以使用传统的自相关分析 方法来计算波段间的相关性。 2.2 高光谱波段自相关的计算步骤 将高光谱数据按照波段进行整理，得到一个波段数乘以像元数的矩阵。对于每一个波段，可以计算其与其他波段的相关系数，得到一个相关 系数矩阵。可以根据需要进行相关性分析和数据可视化处理。 三、高光谱波段自相关的应用案例 3.1 农业领域 在农业领域，利用高光谱波段自相关分析，可以更准确地识别农田的 作物种类，并了解植被生长情况。这对于精准农业和农作物的管理有 着重要意义。 3.2 林业领域 在林业领域，高光谱波段自相关分析能够帮助我们了解森林地区的植 被类型和生长状态，为森林资源的监测和保护提供支持。 3.3 环境监测领域 在环境监测领域，利用高光谱波段自相关分析，可以对土壤污染、水 质变化等环境问题进行监测和分析，为环境保护和治理提供有力的技 术支持。

ENVI高光谱分析技术

ENVI高光谱分析技术 ENVI高光谱分析技术指的是利用ENVI软件和高光谱数据对地球表面 进行分析和解译的技术。高光谱分析技术是一种通过检测和记录地球表面 上的物质反射和辐射特征来获取地物信息的方法。通过分析不同波长的光 谱数据，可以对地表进行分类、监测和测量，同时提供了对地球表面物质 和环境变化的深入理解。 ENVI软件是一款功能强大、易于使用的高光谱遥感图像处理和分析 软件。它可以对高光谱数据进行校正、预处理、分割、分类、特征提取和 变化检测等操作，进一步提取和分析高光谱数据中的信息。ENVI软件可 以处理来自多个传感器和平台的高光谱数据，包括卫星、航空和地面平台。 高光谱分析技术的主要步骤包括： 1.数据获取和预处理：包括获取高光谱数据源，对数据进行几何校正、大气校正和辐射校正等预处理，以消除大气和仪器引起的影响。 2.高光谱数据展示和可视化：通过ENVI软件可以将高光谱数据以图 像或光谱曲线的形式进行可视化，直观展示不同波段的反射率或辐射亮度。 3.特征提取和分类：通过ENVI软件中的分类算法，可以对高光谱数 据进行地物分类，将不同类型的地物分开并标记出来。常用的分类算法包 括最大似然分类、支持向量机分类等。 4.目标检测和提取：通过高光谱分析技术，可以识别和提取特定目标 或特征，如植被指数、污染物浓度等。 5.变化检测和监测：通过对不同时期的高光谱数据进行比较，可以检 测地表发生的变化，如土地利用变化、植被覆盖变化等。

6.数据分析和解释：通过对高光谱数据中的光谱曲线进行分析，可以推断地表物质的成分和性质，并进行解释和评估。 高光谱分析技术在许多领域中得到广泛应用。在农业领域，可以通过分析作物的生长状态、养分含量和病虫害情况，提供精准的农作物管理和决策支持。在环境监测领域，可以监测水质、土壤质量、植被变化等环境指标，提供环境保护和可持续发展的数据支持。在城市规划和土地管理领域，可以分析土地利用类型、城市扩张和更新等信息，为城市发展提供科学依据。 总之，ENVI高光谱分析技术是一项功能强大且广泛应用的技术，通过对高光谱数据的处理和解读，可以提供地球表面物质和环境变化的深入认识，为各领域的决策制定和问题解决提供支持。