遙感集中實(shí)習(xí)指導(dǎo)一、實(shí)習(xí)目的本次遙感集中實(shí)習(xí)以河南省焦作市為爭論區(qū)，以LandsatETM+遙感影像為數(shù)據(jù)源，利用ENVI后對它們進(jìn)展鑲嵌，生成一幅的影像，再與全色波段影像融合，并利用焦作市行政邊界EVF矢量文件裁剪感興趣區(qū)域，最終對感興趣區(qū)域的融合影像進(jìn)展分類，并將分類結(jié)果制成專題圖輸出。通過本次實(shí)習(xí)旨在了解、生疏ENVI軟件的主要模塊和功能，把握ENVI遙實(shí)際操作力量和創(chuàng)力量。二、實(shí)習(xí)內(nèi)容與任務(wù)要求1、爭論數(shù)據(jù)簡介2023.05.10的掩蓋焦作/鄭州/鄉(xiāng)/landsatETM+影像，影像景號(hào)為p124r036(行、列)。p124r036_pan_15m.imglandsatETM+全色波段影像，空間區(qū)分率為15米。3〕p124r036_1_30m.img、p124r036_2_30m.img、p124r036_3_30m.imglandsatETM+多光譜影像〔共6個(gè)波段，除去熱紅外波段，空間區(qū)分率為30米。其中p124r036_pan_15m.img為影像，具有正確的坐標(biāo)，且沒有幾何變形，p124r036_1_30m、p124r036_2_30m、p124r036_3_30m為三幅待校正影像，沒有統(tǒng)一的坐標(biāo)系統(tǒng)。jz.evf為焦作市行政邊界的矢量文件。2、實(shí)習(xí)內(nèi)容簡介以掩蓋焦作地區(qū)的LandsatETM＋全色波段〔15米〕為基準(zhǔn)，利用ENVI軟件先對LandsatTM多光譜影像〔30米〕進(jìn)展幾何校正，使影像具有一樣的坐標(biāo)系，再對它們進(jìn)展鑲嵌，生成一幅的圖像；將鑲嵌后的多光譜影像與全色波段影像進(jìn)展融合；利用焦作市行政邊界矢量文件〔jz.evf〕裁剪融合影像；對裁剪后的影像進(jìn)展分類，并統(tǒng)計(jì)各地類面積；將分類結(jié)果制成專題圖。3、任務(wù)要求提交實(shí)習(xí)報(bào)告一份。提交融合后的影像結(jié)果，附在實(shí)習(xí)報(bào)告里。提交分類結(jié)果圖，附在實(shí)習(xí)報(bào)告里，要求對圖形進(jìn)展整飾包括圖例、比例尺、指北針、各地類面積等。三、ENVI操作1、界面系統(tǒng)介紹ENVI〔TheEnvironmentforVisualizingImages〕是一套功能齊全的遙感圖像處理系統(tǒng)，是處理、分析并顯示多光譜數(shù)據(jù)、高光譜數(shù)據(jù)和雷達(dá)數(shù)據(jù)的高級(jí)工具公司〔ResearchSystemINC.〕開發(fā)。IDL〔InteractiveDataLanguage〕交互式數(shù)據(jù)語言是進(jìn)展二維及多維數(shù)據(jù)可視化分析及應(yīng)用開發(fā)的抱負(fù)軟件工具。1.1主菜單ENVIENVI列而成〔如以下圖所示。File:ENVI的文件治理功能，如：翻開文件，設(shè)置默認(rèn)參數(shù)，退出ENVI，以及實(shí)現(xiàn)其他文件和工程的治理功能等。BasicTools：ENVI功能的訪問，如：RegionsofInterest功能可以用于多重顯示，BandMath功能用于對圖像進(jìn)展一般的處理。StretchData功能供給了進(jìn)展文件對文件比照度拉伸的一個(gè)典范。Classificatio分類，如：監(jiān)視分類和非監(jiān)視分類supervised/unsupervise類decisiontre(Endmembercollection、分類后處理postclassificatio〕等。Transform:圖像轉(zhuǎn)換功能，如：圖像銳化Imagesharpenin(bandratio，主成分分析(principlecomponentsanalysis)等Filter:濾波分析，包括：卷積濾波〔Convolution、形態(tài)學(xué)濾波〔Morpholog濾波tex(Adaptive傅立葉變換FFT)Spectral:多光譜和高光譜圖像以及其它波譜數(shù)據(jù)類型的分析,包括：波譜庫的構(gòu)建、重采樣和掃瞄；抽取波譜分割；波譜運(yùn)算；波譜端元的推斷；波譜數(shù)據(jù)的N維可視化；波譜分類；線性波譜分別；匹配濾波；匹配濾波；包絡(luò)線去除以及波譜特征擬合。Map:圖像的配準(zhǔn)registratio(orthoretification)(mosaicking地圖坐標(biāo)和投影；構(gòu)建用戶自定義投影；轉(zhuǎn)換ASCII坐標(biāo)；GPS-鏈接。Vector:翻開矢量文件、生成矢量文件、治理矢量文件、將柵格圖像〔包括分類圖像〕轉(zhuǎn)換為ENVIENVIEVAN〕以及感興趣區(qū)〔ROI〕轉(zhuǎn)換為DXF格式的文件。Topographic:,比方提取陰影(hillshade)、提取地形特征(topographicfeature),三維外表分析〔3Dsurface〕等Radar:對雷達(dá)數(shù)據(jù)的處理，如翻開文件、拉伸、顏色處理、分類、配準(zhǔn)、濾波、幾何訂正等,另外還供給可分析極化雷達(dá)數(shù)據(jù)的特定工具?？捎貌ǘ瘟斜?AvailableBandsList)在主菜單上翻開任何文件，ABL(AvailableBandsList)自動(dòng)地消滅。比方翻開圖像文件，F(xiàn)ile->Openanimagefile③③⑤④⑥ABL菜單欄，帶有兩個(gè)下拉菜單：File和Option:File:翻開、關(guān)閉文件，顯示文件信息和退出可用波段列表的功能。Options:供給三項(xiàng)功能：查找接近特定波長的波段，顯示當(dāng)前所翻開的波段，以及將一幅已翻開的影像的全部波段名折疊顯示?？捎貌ǘ瘟斜砜颌?，翻開的文件會(huì)顯示在上面。GrayScale④顯示一幅灰階圖像。單擊需要顯示的波段，它將顯示在一個(gè)標(biāo)簽為“SelectedBand:”的小文本框中。在窗口底部點(diǎn)擊“LoadBand”⑦，導(dǎo)入波段到顯示，把圖像顯示了出來。RGBColor⑤顯示一幅彩色圖像在序列中點(diǎn)擊所需要顯示的紅、綠和藍(lán)波段名。在窗口底部點(diǎn)擊“LoadBand”⑦，導(dǎo)入波段到顯示，把圖像顯示了出來。“Dims”⑥“BSQ”〔X,Y〕存儲(chǔ)。圖像顯示窗口主圖像窗口①100％顯示〔全區(qū)分率顯示〕scroll5個(gè)下拉菜單，掌握全部的ENVI度拉伸；彩色制圖；ROI的限定、光標(biāo)位置和值、散點(diǎn)圖和外表圖；注記、網(wǎng)格、圖像等值線和矢量層等的掩蓋〔疊置；動(dòng)畫；存儲(chǔ)和圖像打印等文件治理工具；掃瞄顯示信息和翻開顯示的顯示掌握滾動(dòng)窗口〔Scroll〕②重采樣(降低區(qū)分率)顯示一幅圖像。只有要顯示的圖像比主圖像窗口能顯示的圖像大時(shí)，才會(huì)消滅滾動(dòng)窗口。③縮放窗口(Zoom)③放大顯示了影像的某一局部,〔200*200〕image的方框?？s放系數(shù)〔用戶自定義〕消滅在窗口標(biāo)題欄的括號(hào)中。③①②層的疊加使用LayerStacking工具可以依據(jù)多幅不同像元尺寸、范圍和投影的經(jīng)過地理坐標(biāo)定文件的重疊范圍。ENVIBasicTools>LayerStackingENVI主菜單中，選擇BasicTools>LayerStacking。將消滅LayerStackingParameters對話框。點(diǎn)擊“ImportFile”LayerStackingInputFile對話框。選擇輸入文件，假設(shè)需要，使用標(biāo)準(zhǔn)ENVI程序選取任意空間或波譜子集。使用“ImportFile”按鈕為每個(gè)需要輸入的文件重復(fù)上述文件選擇過程，輸入的文件將消滅在SelectedFilesforLayerStacking列表中。點(diǎn)擊“Inclusive”或“Exclusive”按鈕，選擇輸入范圍。留意：假設(shè)選擇“Inclusive”，輸出圖像的地理范圍將包含全部輸入文件的范圍；假設(shè)選擇“Exclusive”，輸出圖像的地理范圍僅包含全部輸入文件的重疊范圍。從列表中選擇一個(gè)輸出地圖投影。在“Resampling”按鈕菜單中，選擇一個(gè)重采樣方法。在相應(yīng)的文本框中，輸入所需的xy像元尺寸。留意：應(yīng)當(dāng)在地圖投影選項(xiàng)下的“Units”按鈕菜單中選擇輸入像元的單位。選擇輸出到“File”或“Memory”。點(diǎn)擊“OK”。2、影像到影像的幾何校正p124r036_pan_15m.img影像被用作基準(zhǔn)影像，p124r036_1_30mp124r036_2_30m、p124r036_3_30m為三幅待校正影像。翻開并顯示影像文件從ENVIFile>OpenImageFile，當(dāng)EnterDataFilenames對話框消滅后，選擇p124r036_pan_15m.img、p124r036_1_30m.img、p124r036_2_30m.img、p124r036_3_30m.img文件進(jìn)展加載。在AvailableBandListsp124r036_pan_15m.img波段，并選中GrayScale，在窗口底部點(diǎn)擊“LoadBand，導(dǎo)入波段到顯示，全色圖像p124r036_pan_15m.img就顯示在display#1窗口中。在AvailableBandLists(可用波段列表)RGBColor，在序列中點(diǎn)擊所需要p124r036_1_30m.img影像的432NoDisplay按鈕，并從下拉式菜單中選擇NewDisplay。點(diǎn)擊LoadBand按鈕，p124r036_1_30m.img影像就顯示在display#2窗口中。選擇掌握點(diǎn)從ENVIMap→Registration→SelectGCPs:ImagetoImage。ImagetoImageRegistrationDisplay#1BaseImage。Display#2WarpImage?；鶞?zhǔn)圖像的掌握點(diǎn)的坐標(biāo)①基準(zhǔn)圖像的掌握點(diǎn)的坐標(biāo)①多項(xiàng)式訂正法校正的次數(shù)待校正圖像的掌握點(diǎn)坐標(biāo)增加一個(gè)掌握點(diǎn)24○3查看地面掌握點(diǎn)列表○75○6OK，啟動(dòng)配準(zhǔn)程序。6Srtner，可以顯示總的S誤差。為了最好的配準(zhǔn)，應(yīng)當(dāng)試圖使總的RMS誤差最小化0.5個(gè)像元之內(nèi)。7t推測點(diǎn)坐標(biāo)功能通過將光標(biāo)放置在兩幅影像的一樣地物點(diǎn)上，來添加單獨(dú)的地面掌握點(diǎn)，在GroundControlPointsSelection對話框中，點(diǎn)擊AddPoint4，把該地面掌握點(diǎn)添加到列表中。保GroundControlPointsSelectionFile→SaveGCPstoASCIpoints.ptShowLis5留意：同名掌握點(diǎn)的要求：分布均勻，不少于30個(gè)。掌握點(diǎn)的位置要選擇固定點(diǎn)，如堤壩轉(zhuǎn)角處、道路穿插口、橋梁、標(biāo)志性建筑等。2)一旦已經(jīng)選擇了至少 2

個(gè)后，就可以用Predict推測出校正影像同名掌握點(diǎn)的大致位置，然后稍微地移動(dòng)光標(biāo)，確定n為多項(xiàng)式次數(shù)。一旦已經(jīng)選擇了至少(n1)(n2)1個(gè)地面掌握點(diǎn)以后，RMS誤差就會(huì)顯示出2〔RMS誤差是基于n次多項(xiàng)式模型計(jì)算的，它的大小說明白該點(diǎn)是否正確輸入〔假設(shè)誤差較大，你可能需要編排基準(zhǔn)位置〕。n為多項(xiàng)式次數(shù)。List,顯示掌握點(diǎn)列表：“OrderPointsbyError”,RMS誤差大小挨次排列掌握點(diǎn)?！癈learallpoints”，可以去除掉全部已選擇的地面掌握點(diǎn)在GroundControlPointsSelectionFile>RestoreGCPsfromASCIIEnterGroundControlPointsFilename對話框中，選擇文件Points.pts，然后點(diǎn)擊OK，加載這個(gè)預(yù)先保存過的地面掌握點(diǎn)坐標(biāo)?！癘n/Off”,開啟或關(guān)閉點(diǎn)，即是否讓所選的高亮度的掌握點(diǎn)〔如上圖中的#5〕參與校正?！癉elete”，刪除所選高亮度的掌握點(diǎn)。校正影像整個(gè)影像進(jìn)展校正。GroundControlPointsSelectionOptions→WarpFile①ENVI供給三種校正方法：RST法(Rotation旋轉(zhuǎn)、Scaling縮放、translation平移)、多項(xiàng)式法〔polynomial〕和三角校正法(Delaunaytriangulation)。RST訂正是最簡潔的方法，需要三個(gè)或更多的GCPs運(yùn)行圖像的旋轉(zhuǎn)、縮放和平移。TheRSTwarpingalgorithmusesanaffinetransformation〔仿射變換〕：x=a+aX+aY1 2 3y=b1

+bX+bY2 36個(gè)參數(shù)，至少要3個(gè)掌握點(diǎn)。這種算法沒有考慮圖像校正時(shí)的“shearing〔切變〕”。為了允許切變，應(yīng)當(dāng)使用一階的多項(xiàng)式校正法。雖然RST方法是格外快的，但是，在大多數(shù)狀況下，使用一階的多項(xiàng)式法校正能得到更加準(zhǔn)確的結(jié)果?！瞤olynomia〕，可以實(shí)現(xiàn)1次到n次多項(xiàng)式訂正。在”4里輸入需要的次數(shù)，可以得到的次數(shù)依靠于選擇的掌握點(diǎn)數(shù)〔#GCPs〕，要求(次數(shù)+1)2<=#GCPs，比方說期望degree=2，#GCPs必需>=9?？紤]到切變，一階的多項(xiàng)式法校正算法如下：x=a+a1 2

X+a3

Y+aXY4y=b1

+bX+b2

Y+bXY4〔TriangulatioDelauna三角測量法就是利用不規(guī)章空間GCPsDelaunay三角形〔Voronoi多邊形<即泰森多邊形>共享一條邊的相關(guān)點(diǎn)連接而成的三角形〕并把值內(nèi)插到所輸出的格網(wǎng)中。ZeroEdge(smearing)”效果。Fortriangulationwarping,usetheZeroEdgetogglebuttontoselectwhetherornotyouwantaone-pixelborderofbackgroundcolorattheedgeofthewarpdata.2重采樣()的三種方法：最鄰近法(t)、雙線性內(nèi)插法(Bilinearinterpolation)、三次卷積法(CubicConvolution)BackgroundValu” 3 里，輸入DNDigitalnumbe〕值，設(shè)定背景值〔在訂正圖像里，DN值用于填充沒有圖像數(shù)據(jù)顯示的區(qū)域〕輸出圖像大小范圍〔OutputimageExtent〕⑤由訂正輸入圖像的包絡(luò)矩形大小自動(dòng)設(shè)定。所以，輸出的訂正圖像大小通常與基圖像(Baseimage)的大小不一樣。輸出大小的坐標(biāo)由基圖像坐標(biāo)打算。所以，左上角的值〔upper-leftcornervalues〕一般也不是〔0，0〕，而是顯示的從基圖像左上角原點(diǎn)計(jì)算的X和Y值。這些偏移值被儲(chǔ)存在文件頭里，并允許基圖像和訂正圖像的動(dòng)態(tài)掩蓋〔疊置〕，盡管它們的大小不同。“File”或“Memory”，F(xiàn)ile1jz.img，Memory保存在內(nèi)存中。ClickOK. ENVI會(huì)把結(jié)果直接輸出可用波段列表〔AvailableBandsList〕.比較結(jié)果使用動(dòng)態(tài)鏈接來比較校正結(jié)果：在可用波段列表(AvailableBandsList)中，選擇基準(zhǔn)影像p124r036_pan_15m.img，#口中。在主影像窗口中，點(diǎn)擊鼠標(biāo)右鍵，選擇LinkDisplays，使用動(dòng)態(tài)鏈接。LinkDisplaysOK，把基準(zhǔn)影像〔p124r036_pan_15m.img〕和校1jz.img鏈接起來。在主影像顯示窗口中，點(diǎn)擊鼠標(biāo)左鍵，使用動(dòng)態(tài)鏈接功能，對帶有地理坐標(biāo)的基準(zhǔn)影像和校正后的影像進(jìn)展比較。p124r036_pan_15m.img影像為基準(zhǔn)影像，分別對p124r036_2_30m、p124r036_3_30m兩幅影像進(jìn)展幾何校正，并將校正后的影像分別2jzf.img3jz.img。3、影像鑲嵌圖像鑲嵌是將幾幅相互鄰接的圖像拼接成一幅圖像的過程。ENVI供給基于像素和基于圖像鑲嵌是將幾幅相互鄰接的圖像拼接成一幅圖像的過程。ENVI供給基于像素和基于嵌允許不需要?jiǎng)?chuàng)立大的輸出文件就可以翻開和顯示鑲嵌圖像。羽化羽化線羽化對接邊處進(jìn)展羽化處理。線羽化對接邊處進(jìn)展羽化處理。邊緣羽化邊緣羽化是使用一個(gè)指定的距離對鑲嵌圖像接縫的邊緣進(jìn)展融合邊緣羽化是使用一個(gè)指定的距離對鑲嵌圖像接縫的邊緣進(jìn)展融合線10個(gè)像元的距離處，頂部和底部圖像都會(huì)使用50％來混合輸出鑲嵌圖像。性斜坡在指定的距離對兩幅圖像進(jìn)展均衡化。例如：假設(shè)指定的距離是20個(gè)象元，將會(huì)有0%的頂部圖像和100%的底部圖像參與融合，輸出鑲嵌圖像。而距邊緣線在指定的距離〔20個(gè)像元〕時(shí)，將會(huì)使用線10個(gè)像元的距離處，頂部和底部圖像都會(huì)使用50％來混合輸出鑲嵌圖像。邊緣羽化實(shí)例邊緣羽化實(shí)例切割線羽化切割線羽化使用像素距離和注記文件來融合圖像邊緣切割線羽化使用像素距離和注記文件來融合圖像邊緣指定的距離〔20個(gè)像元〕之外時(shí)，將會(huì)使用0％的頂部圖像和100％的底部圖像，來輸線性斜坡對兩幅圖像進(jìn)展均衡化處理。例如：假設(shè)指定的距離為20個(gè)像元，那么在切割線處，將會(huì)有指定的距離〔20個(gè)像元〕之外時(shí)，將會(huì)使用0％的頂部圖像和100％的底部圖像，來輸出鑲嵌圖像。在距邊緣線10出鑲嵌圖像。在距邊緣線1050％來混合輸出鑲嵌圖像。切割線羽化實(shí)例切割線羽化實(shí)例虛擬鑲嵌虛擬鑲嵌你可以使用一個(gè)虛擬文件來構(gòu)建“虛擬鑲嵌有創(chuàng)立鑲嵌輸出文件的虛擬文件，當(dāng)使用虛擬鑲嵌時(shí)你就不能進(jìn)展羽化。ImageMosaickingFile→SaveTemplate來保存模板文件。這將創(chuàng)立一個(gè)小的用來描述虛擬布局的文本文件。要翻開一幅虛擬鑲嵌，在ENVIFile→OpenImageFile來翻開虛擬模板文件。全部在鑲嵌中用到的圖像都被翻開，并且被加載到AvailableBandsList對話框中。在顯示或處理虛擬鑲嵌的任何波段時(shí)，ENVI把單個(gè)的圖像看做是一個(gè)實(shí)際的虛擬輸出文件來處理。處理的文件指定了鑲嵌文件的大小以及輸入文件在鑲嵌中各自的指定位置。我們承受基于地理坐標(biāo)的鑲嵌方法，下面介紹基于地理坐標(biāo)的影像鑲嵌步驟：ENVI主菜單BasicTools菜單中選擇Mosaicking→Georeferenced，翻開MapBasedMosaic窗口，開頭進(jìn)展基于地理坐標(biāo)的鑲嵌操作。Import→ImportFiles，加載需要進(jìn)展鑲嵌的影像數(shù)據(jù)。EditEntrEntryDataValuetoIgnore010，將參考圖像選為Fixed，其它圖像全為Adjust。完成編輯后，選擇FileApplyMosaicParameters窗口，將重采樣改為三次卷積內(nèi)插法CubicConvolutio，像元大小設(shè)置為30米，輸出影像mosaic.im。4、影像融合影像融合是承受某種算法將多幅影像組合到單一合成影像的處理過程間區(qū)分率的全色影像或單一波段的雷達(dá)影像來增加多光譜影像的空間區(qū)分率種融合方法：HSV融合法HSVRGB圖像變換到為色度H(Hue)、飽和度S(Saturation)和亮度V(Value)圖像。HSV融合方法流程是對多光譜影像3個(gè)波段使用HSV顏色正變換為H、S和V三幅圖像，然后用高區(qū)分率影像替代H圖像，最終對H、S和V圖像實(shí)施HSV顏色變換的逆變換得到融合影像。Brovey3個(gè)彩色波段重采樣到高區(qū)分率像元尺寸。輸出的RGB圖像的像元將與高區(qū)分率數(shù)據(jù)的像元大小一樣。Gram-Schmidt波譜銳化使用Gram-SchmidtSpectralSharpening選項(xiàng)可以對具有高區(qū)分率的高光譜數(shù)據(jù)進(jìn)展銳波段進(jìn)展Gram-Schmidt的全色波段替換Gram-Schmidt變換后的第一個(gè)波段。最終，應(yīng)用Gram-Schmidt反變換構(gòu)成pan-sharpened波譜波段。PC波譜銳化使用PCSpectralSharpening選項(xiàng)可以對具有高空間區(qū)分率的光譜圖像進(jìn)展銳化。第一步，先對多光譜數(shù)據(jù)進(jìn)展主成分變換。其次步，用高區(qū)分率波段替換第一主成分波段之前，高區(qū)分率波段已被縮放匹配到第一主成分波段，從而避開波譜信息失真。第三步，進(jìn)展主成分反變換。函數(shù)自動(dòng)地用最近鄰、雙線性或三次卷積技術(shù)將高光譜數(shù)據(jù)重采樣到高區(qū)分率像元尺寸。CN波譜銳化CN波譜銳化的彩色標(biāo)準(zhǔn)化算法也被稱為能量分別變換它使用來自銳化圖像的高空間區(qū)分〔和低波譜區(qū)分率波段對輸入圖像的低空間區(qū)分〔但是高波譜區(qū)分率進(jìn)展銳化，其他輸入波段被直接輸出，不發(fā)生變換。與HSV或Brovey銳化不同，CN波譜銳化可以在保持輸入圖像的原始數(shù)據(jù)類型和動(dòng)態(tài)范圍的根底上銳化。小波融合水平、垂直和對角線局部的邊緣信息，具有明顯的方向特性。PanSharpening個(gè)全色波段。其次步，把模擬的全色波段和多光譜波段進(jìn)展PanSharpening變換，將模擬的PanSharpening變換后的第一波段。第四步，進(jìn)展PanSharpening逆變換，得到融合影像。這幾種方法操作根本類似，下面介紹HSV融合法和參數(shù)相對較多的Gram-Schmidt波譜銳化法的操作步驟。1〕HSV選擇Transforms>ImageSharpening>HSV。從一幅翻開的彩色圖像或可用波段列表中mosaic.img4、3、2進(jìn)展變換。當(dāng)消滅HighResolutionInputFile對話p124r036_pan_15m.imO當(dāng)消滅HSVSharpeningParameters對話框時(shí)，從“Resampling”下拉菜單項(xiàng)選擇擇重采樣方法。Fil”或“MemorO”開頭處理。輸出影像mosaic2.im〔融合后的影像〕將消滅在可用波段列表中。Tools→LinkDisplays→Link，將三幅影像進(jìn)展比較。2〕Gram-Schmidt波譜銳化翻開融合的兩個(gè)文件。選擇主菜單->Transform->ImageSharpening->Gram-SchmidtSpectralSharpening或者選擇主菜單->Spectral->Gram-SchmidtSpectralSharpening。SelectLowSpatialResolutionMultiBandInputFile對話框中選擇低區(qū)分率多光譜圖像，在SelectHighSpatialResolutionPanInputBand對話框中選擇高區(qū)分率單波段圖像。Gram-SchmidtSpectralSharpening色波段的方法，有四種方法的意義如下：AverageofLowResolutionMultispectralFil的全色波段。SelectInputFile：從外部文件中選擇一個(gè)單波段并且與多光譜數(shù)據(jù)一樣尺寸大小的圖像來模擬模擬低區(qū)分率的全色波段。CreateBySensorTypeIKONOS,IRS1,KOMPSAT-2,Landsat7,QuickBird和SPOT5，選擇這種方法，融合圖像是經(jīng)過輻射定標(biāo)的數(shù)據(jù)。UserDefinedFilterFunction：選擇一個(gè)濾波函數(shù)來模擬低區(qū)分率的全色波段。融合圖像是經(jīng)過輻射定標(biāo)的數(shù)據(jù)。選擇AverageofLowResolutionMultispectralFile方法。選擇重采樣方法和輸出路徑及文件名mosaic2.img，單擊OK輸出。翻開融合后的影像和原始的多光譜彩色影像、全色影像，通過在主影像窗口菜單中選擇Tools→LinkDisplays→Link，將三幅影像進(jìn)展比較。本次實(shí)習(xí)可對不同的融合方法進(jìn)展試驗(yàn)，并比較其融合效果。5、影像裁剪ENVI主菜單點(diǎn)選File>openimagefilemosaic2.img。ENVI主菜單點(diǎn)選File>openvectorfilejz.evf，在彈出的AvailableVectorsList對話框中，點(diǎn)擊File>ExportLayerstoROIselectdatafiletoassociatewithnewROIS對話框，在此對話框中選擇融合后的影像mosaic2.img，點(diǎn)OK，將導(dǎo)出的EVF矢量文件轉(zhuǎn)換為ROI，作為融合影像mosaic2.img的興趣區(qū)。然后彈出exportevflayerstoROIconvertallrecordsofanEVFlayertooneRO?OK。ENVI軟件主菜單BasicTools下拉菜單項(xiàng)選擇擇SubsetDataviaROIsROI對融合后的影像mosaic2.img進(jìn)展裁剪。裁剪后的影像保存為jz.img，見以下圖。6、影像分類非監(jiān)視分類非監(jiān)視法分類使用統(tǒng)計(jì)手段N維數(shù)據(jù)歸類到它們本身具有的波譜類中ENVI主菜單中，選擇Classification→Unsupervised→-Keans或者IsoDat，生成ENVI法分類后的影像。1．K-Means分類法K-均值非監(jiān)視分類器使用了聚類分析方法，它需要分析員在數(shù)據(jù)中選定所需的分類個(gè)操作步驟如下：從ENVI主菜單中,選擇Classification>Unsupervised>K-Means。選擇文件jz.img，單擊Ok。彈出K-meansParameters對話框，在K-meansParameters對話框中，輸入NumberofClasses〔分類數(shù)〕6，ChangThreshold〔像元變化的閥值〕5.00，MaximumIteration〔最大迭代數(shù)〕6，距離均值的最大標(biāo)準(zhǔn)差，最大距離誤差等根本參數(shù)〔依據(jù)實(shí)際圖像和先驗(yàn)學(xué)問更改參數(shù)的設(shè)置，見以下圖。輸入輸出文件名kmeans.img，點(diǎn)擊Ok。查看K-均值〔K-Means〕分類影像：A．翻開kmeans.img文件,在可用波段列表中,點(diǎn)擊GrayScale單項(xiàng)選擇按鈕,再點(diǎn)擊列表頂部的波段名，并在Display下拉式菜單按鈕中,選擇NewDisplay,然后點(diǎn)擊LoadBand。B．從主影像jz.img顯示窗口菜單中,選擇Tools>Link>LinkDisplays,然后在對話框中,點(diǎn)擊OK,來連接這兩幅影像。C．使用鼠標(biāo)左鍵,在影像上點(diǎn)擊并拖動(dòng)動(dòng)態(tài)疊加顯示區(qū)域,將K-Means分類結(jié)果同原始的彩色合成影像進(jìn)展比較。D．當(dāng)處理完成后,選擇Tools>Link>UnlinkDisplay,關(guān)閉連接和動(dòng)態(tài)疊加。假設(shè)需要，嘗試轉(zhuǎn)變類別數(shù)、閾值〔thresholds〕、最大迭代次數(shù)、標(biāo)準(zhǔn)差和最大距離誤差〔maximumdistanceerror〕，并推斷它們對分類結(jié)果所產(chǎn)生的影響。2.ISOData(重復(fù)自組織數(shù)據(jù)分析技術(shù))ISOData非監(jiān)視分類法將計(jì)算數(shù)據(jù)空間中均勻分布的類均值大次數(shù)。具體操作步驟如下：從ENVI主菜單中，選擇Classincation>Unsupervised>isodata。選擇文件jz.img，單OkIsodataParametersISODATAParametersNumberofClasse〔分類數(shù)Mi〔最少分類數(shù)、Ma〔最大分類數(shù)10MaximumIteratio〔最大迭代數(shù)〕6，ChangThreshold〔像元變化的閥值〕5.00，Minimum＃PixelinClass〔每類中的最小像元數(shù)〕1，MaximumClassStdv〔最大類標(biāo)準(zhǔn)差〕1.00，MinimumClassDistance〔最小類間距〕5.00，Maximum＃MergePairs〔最大合并數(shù)〕2，距均值的最大標(biāo)準(zhǔn)差，最大距離誤差等10個(gè)根本參數(shù)〔依據(jù)實(shí)際圖像和先驗(yàn)學(xué)問更改參數(shù)的設(shè)置，如以下圖。輸入輸出文件名isodata.img，點(diǎn)擊Ok。3〕查看ISOData分類影像：A．翻開isodata.img文件，在可用波段列表中,點(diǎn)擊GrayScale單項(xiàng)選擇按鈕,再點(diǎn)擊列表頂部的波段名,并從Display#1下拉式菜單按鈕中,選擇Newdisplay,然后點(diǎn)擊LoadBand。B．從主影像jz.img顯示窗口菜單中,選擇Tools>Link>LinkDisplaysOK,ISOData分類影像同原始的彩色影像連接起來。CISOData分類結(jié)果同原始加顯示。將ISODataK-Means分類結(jié)果進(jìn)展比較。D．選擇File>Cancel,關(guān)閉這兩幅影像的顯示窗口。假設(shè)需要，嘗試轉(zhuǎn)變類別數(shù)、閾值〔thresholds〕、最大迭代次數(shù)、標(biāo)準(zhǔn)差、最大距離誤差〔maximumdistanceerror〕以及類像素特征值，并推斷它們對分類結(jié)果所產(chǎn)生的影響。監(jiān)視分類〔SupervisedClassification〕監(jiān)視法分類需要用戶選擇作為分類根底的訓(xùn)練樣區(qū)。我們將使用各種監(jiān)視分類法，并對ENVI供給了多種不同的Parallelepipe〔MinimumDistancMahalanobisDistanc〔MaximumLikelihoo〔SpectralAngleMappe、二值編碼法BinaryEncodin〕以及神經(jīng)網(wǎng)絡(luò)法NeuralNe。分析下面處比較。ENVIClassification→Supervised→[method]在這里，[method]是下拉菜單中所列的某種監(jiān)視分類法〔Parallelepiped，MinimumDistance，MahalanobisDistance，MaximumLikelihood，SpectralAngleMapper，BinaryEncoding或者NeuralNe。操作步驟如下：訓(xùn)練樣本的選擇和優(yōu)化訓(xùn)練樣本的提取〔ROI區(qū)的選擇〕ENVI:BasicTools>>RegionOf Interest>>ROItool調(diào)出感興趣區(qū)工具窗口進(jìn)展樣本選擇〔留意：必需事先翻開一幅圖像〕，可以進(jìn)展樣本編輯〔名稱，顏色，填充方式等〕，樣ImagOverlay>>RegionofInterest，或者直接在圖像窗口上點(diǎn)擊鼠標(biāo)右鍵，再選擇ROITool。依據(jù)前面的背景資料和預(yù)處理結(jié)果選擇視覺效果最正確的彩色合成地物明顯的影像特征---色調(diào)、紋理等，通過目視解譯方法于存在“同物異譜”的狀況，因此對于同一種類型可能有多種不同的特征。為此，我們可以對同一地物選擇多個(gè)訓(xùn)練區(qū)，分類后再合并。提取訓(xùn)練樣本的具體操作如下：確定ROI的提取類型〔ROITool:ROI_Type>>Polygon,Polyline,Point,Rectangel,Ellipse〕和待操作窗口〔主圖像窗口、滾動(dòng)窗口或縮放窗口?！睮magescrollZoom〕上用左鍵畫出感興趣區(qū)，單擊鼠標(biāo)右鍵確定選擇外形〔此時(shí)可以拖動(dòng)感興趣區(qū)域，用Ctr＋鼠標(biāo)左鍵可以刪除，再次單擊右鍵確定此訓(xùn)練區(qū)〔此時(shí)假設(shè)要?jiǎng)h除訓(xùn)練區(qū)，需要點(diǎn)擊ROITool窗口中的Delete控鍵，此操作將刪除全部該類型的感興趣區(qū)域。ROITool窗口中將會(huì)顯示選擇區(qū)域的顏色和相關(guān)信息，其中，感興趣區(qū)域名稱〔ROIName〕和顏色可以修改?？删湍骋活愑?xùn)練區(qū)選擇多個(gè)感興趣區(qū)域。該類訓(xùn)練區(qū)的選擇完成后，點(diǎn)擊ROITool窗口的NewRegion控鍵，再進(jìn)展另一類訓(xùn)練樣本的選擇，其顏色將自動(dòng)轉(zhuǎn)變。按以上操作完成全部訓(xùn)練區(qū)的選擇。建的多邊形建的多邊形建ROI，刪除已有的ROI。訓(xùn)練樣本的優(yōu)化和提純ROIROITool:File>>ExportROIston-DVisualizer>>n-DControl;ROITool:File>>ExportROIston-DVisualizer>>n-DControl;n-DVisualizer讓訓(xùn)練區(qū)像元在n維空間內(nèi)自當(dāng)轉(zhuǎn)到最能區(qū)分各類型訓(xùn)練區(qū)像元的位置時(shí)，停頓轉(zhuǎn)動(dòng)，進(jìn)展樣本提純操作。即：在n-DVisualizer窗口中用鼠標(biāo)選擇某類訓(xùn)練區(qū)---先點(diǎn)擊右鍵選newclass---在選擇純化的訓(xùn)練區(qū)內(nèi)用左鍵畫出純像元區(qū)，未確認(rèn)狀態(tài)下可用?ctrol+左鍵?刪除，點(diǎn)擊右鍵確定〔可進(jìn)展屢次選擇〕---再次>>ExportClass，提純后的訓(xùn)練區(qū)將消滅在ROITool窗口中，確定后的改動(dòng)，需到ROITool窗口，用delete。進(jìn)展下一個(gè)類型訓(xùn)練區(qū)的提純時(shí)，首先要在n-DVisualizer窗口中單擊右鍵>>NewClass，下面的操作如前。如此，完成全部訓(xùn)練區(qū)的提純。ROITools窗口：①對優(yōu)化后的原類別樣本?Hide?看效果，②可刪除舊類別樣本，以訓(xùn)練區(qū)的保存：ROITool:File>>SaveROIs…選擇分類方法分類方法包括平行六面體法、最短距離法、馬氏距離法、最大似然法、波譜角分類、二進(jìn)制編碼法以及神經(jīng)網(wǎng)絡(luò)法等，選擇適宜的分類方法。最大似然法〔MaximumLikelihoodClassification〕ENVI:Classification>>ENVI:Classification>>supervised>>Maximumlikelihood>>ClassificationInputFile選擇待分類的圖像>>Maximum擇待分類的圖像>>MaximumlikelihoodParameters選擇全部ROI。類別影像規(guī)章影像，反映各個(gè)象元?dú)w屬于該類別的概率在MaximumLikelihoodParameters對話框中設(shè)置一般分類參數(shù)：在“SetProbabilityThreshold”文本框里，如不使用閾值，點(diǎn)擊“None”按鈕。SingleValueProbabilityThreshold”01之間的值。似然度小于該值的像元不被分類。要為每一類別設(shè)置不同的閾值：A.在類別列表中，點(diǎn)擊想要設(shè)置不同閾值的類別。B.點(diǎn)擊“MultipleValues”來選擇它。C.點(diǎn)擊“AssignMultipleValues”按鈕。D.在消滅的對話框中，點(diǎn)擊一個(gè)類別選中它，然后在對話框底部的文本框中輸入閾值。為每個(gè)類別重復(fù)該步驟。輸入保存輸出結(jié)果的文件名；OK。使用影像動(dòng)態(tài)鏈接功能，將這個(gè)分類影像同原彩色合成影像以及從前生成的非監(jiān)視法分類影像進(jìn)展比較。平行六面體法〔Parallelepiped〕ENVI:Classification>>supervised>>ParallelepipedENVI:Classification>>supervised>>Parallelepiped>>ClassificationInputFile選擇待>>ParallelepipedParameters選擇全部ROI。類別影像類別影像規(guī)章影像，反映各個(gè)象元是否位于標(biāo)準(zhǔn)差閥值范圍內(nèi)嘗試轉(zhuǎn)變相對于感興趣區(qū)均值的標(biāo)準(zhǔn)差，來生成分類影像。輸入保存輸出結(jié)果的文件名；OK。使用影像動(dòng)態(tài)鏈接功能，將這個(gè)分類影像同原彩色合成影像以及從前生成的非監(jiān)視法分類影像和監(jiān)視法分類影像進(jìn)展比較?！睲inimumDistance〕ENVI:Classification>>supervised>>MinimumDistance>>ClassificationInputFile選最小距離分類法使用了每個(gè)感興趣區(qū)的均值矢量ENVI:Classification>>supervised>>MinimumDistance>>ClassificationInputFile選擇待分類的圖像>>擇待分類的圖像>>MinimumDistanceParameters選擇全部ROI。類別影像規(guī)章影像，反映各個(gè)象元到類別均值的馬氏距離MinimumDistanceParameters對話框中的“SetMaxStdevFromMean”和“SetMaxDistanceError”文本框中，按如下方法選擇：如不使用閾值，點(diǎn)擊“None”按鈕。要對全部的類別使用同一個(gè)閾值，點(diǎn)擊“SingleValue”按鈕，在“MaxstdevfromMean”或“MaxDistanceError”〔DN值方式〕文本框中輸入一個(gè)值。對于“MaxstdevfromMean”像元不被分入該類。對于“MaxDistanceError”，以DN值方式輸入一個(gè)值，距離大于該值的像元不被分入該類。要為每一類別設(shè)置不同的閾值：A.在類別列表中，點(diǎn)擊想要設(shè)置不同閾值的類別。B.點(diǎn)擊“MultipleValues”來選擇它。D.在消滅的對話框中，點(diǎn)擊一個(gè)類別選中它，然后在對話框底部的文本框中輸入閾值。為每個(gè)類別重復(fù)該步驟。留意：必需設(shè)定閾值。假設(shè)在“SetMaxStdevFromMean”和“SetMaxDistanceError”文參數(shù)都選擇“None”，則全部像元都將被分類。OK。像和監(jiān)視法分類影像進(jìn)展比較。馬氏距離〔MahalanobisDistance〕ENVI:Classification>>supervised>>MahalanobisENVI:Classification>>supervised>>MahalanobisDistance>>ClassificationInputFile選擇待分類的圖像>>選擇待分類的圖像>>MahalanobisDistanceParameters選擇全部ROI。類別影像規(guī)章影像，反映各個(gè)象元到類別均值的馬氏距離嘗試轉(zhuǎn)變最大距離誤差，來生成分類影像。輸入保存輸出結(jié)果的文件名；OK。使用影法分類影像進(jìn)展比較。波譜角分類法〔SpectralAngleMapper—SAM〕ENVI:Classification>>supervised>>SpectralAngleMapper>>ClassificationInputFile波譜角分類是一個(gè)基于自身的波譜分類nENVI:Classification>>supervised>>SpectralAngleMapper>>ClassificationInputFile選擇分類的圖像>>endmembercollection選擇分類的圖像>>endmembercollection對話框。endmembercollection>>import>>fromROI/EVFfrominputfile>>selectregionsforstats>>selectallitems>>OK>>endmembercollection對話框>>APPLY>>SpectralAngleMapperParameters對話框。在SpectralAngleMapperParameters對話框中，選擇適宜的參數(shù) MaximumAngle〔radians〕值，小于此值的像元將不參與分類，經(jīng)屢次試驗(yàn)。默認(rèn)值是0.1〔弧度〕。輸出的監(jiān)視法分類影像進(jìn)展比較。留意分類體系：1水體：可再細(xì)分為河流、湖泊2.耕地林地農(nóng)村居民點(diǎn)城市用地道路留意：可以自己依據(jù)標(biāo)準(zhǔn)定義類別數(shù)和類別屬性〔如地類名稱和地類顏色，這里只是類，最終再進(jìn)展類別合并。決策樹分類〔只介紹其用法，不建議在本次實(shí)習(xí)中使用〕決策樹分類的步驟大致分為四步：規(guī)章定義、規(guī)章輸入、決策樹運(yùn)行、分類后處理。建立決策樹ENVI主菜單→Classification→DecisionTree→BuildNewDecisionTree。右鍵單擊結(jié)點(diǎn)，EditProperties，進(jìn)展結(jié)點(diǎn)屬性編輯。在結(jié)點(diǎn)屬性中，輸入表達(dá)式。根本運(yùn)算符和變量表達(dá)式如下：0：b4eq0180：{tascap[1]}gt180求交集運(yùn)算：({ndvi}gt0.1)and({tascap[2]}gt10)完成結(jié)點(diǎn)表達(dá)式編輯，點(diǎn)擊OK后，會(huì)提示給{ndvi}指定一個(gè)數(shù)據(jù)源，如以下圖，點(diǎn)擊第一列的變量，在對話框中選擇相應(yīng)的數(shù)據(jù)源，完成第一層結(jié)點(diǎn)規(guī)章輸入。第一層結(jié)點(diǎn)依據(jù)NDVI的值劃分為植被和非植被，NDVI0.3，class1為植被，NDVI小于0.3，class2為非植被。假設(shè)需要對植被再分為陡坡植被和緩坡植被，則在class1圖標(biāo)上單擊右鍵，選擇AddChildren。以依據(jù)不同參照量的值，將分類對象分為多類。單擊每一末節(jié)點(diǎn)，選擇EditProperties，可以設(shè)置分類結(jié)果的名稱和顏色。執(zhí)行決策樹選擇OptionsExecute，執(zhí)行決策樹。在決策樹窗口，在空白處點(diǎn)擊右鍵，選擇ZoomIn，可以看到每一個(gè)節(jié)點(diǎn)或者類別的相應(yīng)統(tǒng)計(jì)結(jié)果〔以像元數(shù)和百分比表示。Execute，重運(yùn)行修改后的決策樹。7、分類后處理到地圖影像和矢量GIS中。ENVI供給了一系列的工具，來滿足這些需要。眾數(shù)分析Majority/MinorityAnalysi通過調(diào)整KernelSize，來確定合并的程度。類別集群ClumpClasse：運(yùn)用形態(tài)學(xué)算子將接近的類似的分類區(qū)域合并成塊。類別篩選：ENVI:Classification>>PostClassification>>Sievelasses點(diǎn)分組以用成塊分類功能代替黑像元。GroupMinThreshold〔4或8〕。任何一組小于這一數(shù)值的像元將從類中被刪除。類別合并CombineClasse濕地和水體合并為一類，則選擇如下。手動(dòng)合并局部斑塊圖像主窗口OverlayClassification，選擇需要修改的對象文件，翻開InteractiveClassTool窗口，在EditPolygonAddtoClass手動(dòng)圈出多邊形區(qū)域，添加到該類中。完成修改后，進(jìn)展保存。Image:Tools>>ColorMapping>>classcolormapig一個(gè)分類后的感興趣區(qū)的顏色或非監(jiān)視分類中預(yù)先選擇的每類顏色相對應(yīng)，未分類區(qū)域在圖像中呈黑色。此處可進(jìn)展各類別的顏色、名稱等修改。類的疊合：ENVI:Classification>>PostClassification>>OverlayClass：用一幅彩色合成影像或灰階影像生成一幅影像地圖，并且類的顏色疊置在一起，輸出一幅3波段的RGB圖像。分類精度評(píng)價(jià)：ENVI:Classification>>PostClassification>>ConfusionMatrix：通過分類結(jié)果圖與地表真實(shí)感興趣區(qū)〔GroundTruthROIs〕相比較來計(jì)算混淆矩陣。評(píng)價(jià)結(jié)果記錄了Kappacommission〔每類中額外像元占的百分比〕和冗長誤差〔類左邊的像元占的百分比〕等等。當(dāng)用地表真實(shí)圖像〔GroundTruthImage〕計(jì)算混淆矩陣時(shí)，還可以輸出每類圖像中沒有被正確分類的那些像元?；煜仃嘋onfusionMatri：ENVI〔分類影像和真實(shí)影像像和感興趣區(qū)進(jìn)展比較。地面真實(shí)影像〔truthimage〕可以是另一幅分類影像，或者是依據(jù)地面真實(shí)測量生成的影像。選擇Classification>PostClassification>ConfusionMatrix>[method]，其中[method]為UsingGroundTruthImageUsingGroundTruthROIs。對于UsingGroundTruthImage選項(xiàng)，我們可以將另一幅分類影像作為地面真實(shí)影像，如將平行六面體〔Parallelepiped〕分類影像和波譜角填圖〔SAM〕分類影像進(jìn)展比較。使用MatchClassesParameters擊OK。OutputResulttoMemoryConfusionMatrixParameters對話框中的OK查看混淆矩陣confusionmatri〕和混淆影像confusionimage。通過使用動(dòng)態(tài)疊加、波譜剖面廓線以及CursorLocation/Value，來對分類影像和原始影像進(jìn)展比較，確定誤差的來源。OverallAccuracy(總體精度)總體精度由被正確分類的像元總和除以總像元數(shù)計(jì)算到正確地表真實(shí)分類的像元數(shù)。像元總數(shù)是全部參與地表真實(shí)分類的像元總和。KappaCoefficientKappa系數(shù)是另外一種計(jì)算分類精度的方法類的像元總數(shù)的積與全部類的這些因子的比得到的?；煜仃嚒蚕裨獢?shù)〕混淆矩陣是通過將每個(gè)地表真實(shí)像元的位置和分類與分類圖像中的相應(yīng)位置和分類相像元中分類混淆矩陣〔百分比〕〔百分比真實(shí)欄里的像元數(shù)除以一個(gè)給定地表真實(shí)類中的像元總數(shù)得到。CommissionCommissionCommission誤數(shù)的比例形成了Commission誤差。在地表真實(shí)分類中，分類不正確的像元數(shù)占參與分類的像元總數(shù)的比例形成了Commission誤差。OmissionOmission誤差代表了屬于地表