ENVI实验教程Word格式.docx
《ENVI实验教程Word格式.docx》由会员分享,可在线阅读,更多相关《ENVI实验教程Word格式.docx(11页珍藏版)》请在冰豆网上搜索。
资源环境与城乡规划管理
学院:
资源环境
《遥感应用分析原理与方法》课程
ENVI课程设计目录
ENVI(TheEnvironmentforVisualizingImages)Version4.1,由美国系统研究公司(ResearchSystemINC.)开发。
1.界面系统介绍
主菜单:
ENVI图形用户界面
分别是文件管理、基础工具、分类、变换工具、滤波、波谱工具、制图工具、矢量工具、地形工具、雷达工具、显示管理、帮助。
在File菜单栏下主要是对文件的一些操作,如各种文件的打开,存储与关闭,脚本文件的生成与启动,以及一些参数设置。
在basictool菜单栏下主要是对图像数据处理的一些基本工具,如数据调整(空间/波谱),通过感兴趣区构建数据子集,图像旋转,层的叠加,数据格式转换(BSQ,BIL,BIP),数据拉伸,统计工具,变化探测分析,测量工具,波段运算,波谱运算,图像分割,感兴趣区,图像镶嵌,掩膜,预处理等。
在Classification中主要是图像的分类和分类后处理功能,各种监督分类和非监督分类方法,决策树分类等,分类后类的比较,合并,筛选,集群等功能。
Transform菜单中主要是一些图像变换工具,图像的锐化,噪声处理,主成分变换,归一化植被指数,缨帽变换等。
Filter中是一些滤波工具,卷积和形态学滤波,纹理滤波,频率域滤波等等。
Spectral菜单下是一些波谱工具,波谱处理与分析资源工具,波谱分割,最小噪声变换,N维可视化分析制图方法,植被分析,植被抑制,波谱运算,波谱重采样等,还有很多,本次设计涉及甚少,这里暂不详细介绍。
Map工具中是一些图像配准,镶嵌,坐标定位,投影等制图工具。
Vector是矢量工具,可以将各种图像转化为矢量图,将各种文件转换为DXF文件。
Topographic是地形工具,主要是打开一些地形文件,DEM数字高程模型提取,转换等。
Radar是雷达工具,是关于雷达文件的操作,进行滤波,校正等操作。
Window菜单栏是显示管理,一些窗口的启动,可用的文件列表,窗口的信息的显示,窗口的关闭和最大化。
Help窗口是在使用ENVI过程中遇到困难时给予帮助,还有一些关于ENVI的介绍。
1.主菜单设置(preferences):
内存设置
2.图像预处理
1.图像的切割(取子区)
ENVI:
BasicTools>
>
ResizeData>
ResizeDataInputFile对话框(如下图)。
①选择需要切割的原始图像;
②选择SpatialSubset或SpectralSubset方式;
③若设置空间切割方式(SpatialSubset>
selectSpatialSubset)点击“Image”;
④出现SubsetbyImage对话框,Subset的尺寸用2种形式,移动图像上的方框或直接填写samples/lines(列/行)值;
③’若设置波段范围(SpectralSubset>
FileSpectralSubset),选择波段;
若要根据已选择的感兴趣区域进行切割,可用ENVI:
SubsetDataviaROIs。
若要使用与上次输入的空间大小相同的文件的空间子集,点击“Previous”按钮。
注:
ResizeData还可以进行图像重采样(如下),若仅仅进行子区的选择,则不要调整OutputFileDimensions。
*图像左上角为原点(1.1---列.行)。
“Masking”---把一个空间掩膜应用到图像的某个部分,包括统计、分类、分离(unmixing)、匹配滤波、连续删除(continuumremoval)和波谱特征拟合(spectralfeaturefitting)。
2.图像的重采样
ResizeData
InputFile对话框选择需要采样的原始图像—OK
ResizeDataParameters——调整OutputFile
Dimensions的像元数;
选择采用方法>
文件
输出
.影像分析
影像统计分析
1.统计特征分析ENVI:
Statistics>
ComputerStatistics
CalculateStatisticsParameters对话框---选择统计类型(Basic、Histogram、Covariance)
由对各波段的统计值分析可知协方差和相关系数是两个基本的统计量,其值越高,表明两个波段图像间的协变性越强。
对于单个波段可以看出,为更好地实现图像的合成,需选用方差较大的波段,这样图像对比差异大,信息量丰富,能更好的反应地物信息,3波段最大,需选用,2,6波段较小,图像合成时,就图像压缩而言,不予考虑,7波段是热红外波段,只剩1,4,5波段,再由波段间的相关性观察统计值,由于相关性越大,说明两个波段的信息重合率越大,应选用相关性较小的波段,这样可以尽可能大的反映信息量,发现1和5波段相关性较强,选取一个即可,这样三个波段通过统计值给确定下来,这是常用的方法,由于本次分类为了更好地突出植被,水体,城乡信息,本次设计选用了4,3,2,波段分别赋予红绿蓝合成的标准假彩色图像。
2.主成分分析(ENVI:
Transform>
principlecompents)
Transforms>
PrincipalComponents>
ForwardPCRotation>
ComputeNewStatisticsandRotate.----选择输入文件---选择输出PC波段数---“SelectSubsetfromEigenvalues”---出现PCEigenValues绘图窗口(每个节点是PC各分量的特征值,可进一步计算PC各分量的方差百分比)
在遥感分类中,常常利用主成分分析算法消除波段之间的相关性,并进行特征选取,主成分分析还可以用来对图像进行压缩和信息融合,从以上结果可以看出,把第1,2,3主成分图像进行彩色合成,可以获得信息量非常丰富的彩色图像。
4.定义感兴趣区(ROI)及分类
监督分类(SupervisedClassification)
监督分类:
按照分类以前自定义的样本进行分类。
1.训练样本的选择和优化
1)训练样本的提取(ROI区的选择)
ENVI:
BasicTools>
RegionOfInterest>
ROItool调出感兴趣区工具窗口进行样本选择(注意:
必须事先打开一幅图像),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。
感兴趣区工具窗口的打开方式还有:
Image:
Overlay>
RegionofInterest,或者直接在图像窗口上点击鼠标右键,再选择ROITool。
根据前面的背景资料和预处理结果选择分类图像,建立各类地物的训练区。
各类地物的解译标志,即地物的明显特征是最重要的选择标准。
根据其在影像上表现出的色调、纹理等特征,通过目视解译方法用鼠标在工作区影像图上选择其训练区,并使训练区的分布尽量均匀。
在实际的工作中,由于存在“同物异谱”的情况,因此对于同一种类型可能有多种不同的特征。
为此,我们可以对同一地物选择多个训练区,分类后再合并。
感兴趣工具窗口见下图。
提取训练样本的具体操作如下:
(1)确定ROI的提取类型(ROIToolL:
ROI_Type>
Polygon,Polyline,Point,Rectangel,Ellipse)和待操作窗口(主图像窗口、滚动窗口或缩放窗口)。
(2)在图像窗口上画出感兴趣区,单击鼠标右键确定选择形状(此时可以拖动感兴趣区域,用Ctrl+鼠标左键可以删除),再次单击右键确定此训练区(此时若要删除训练区,需要点击ROITool窗口中的Delete控键,此操作将删除所有该类型的感兴趣区域)。
ROITool窗口中将会显示选择区域的颜色和相关信息,其中,感兴趣区域名称(ROIName)和色彩可以修改。
可就某一类训练区选择多个感兴趣区域。
(3)该类训练区的选择完成后,点击ROITool窗口的NewRegion控键,再进行另一类训练样本的选择,其颜色将自动改变。
按以上操作完成所有训练区的选择
2)训练样本的优化和提纯ROI
上述步骤中选择的某类训练样本,可能混入了其他类型的样本,为了提高图像分类精度,需要对训练样本进行提纯。
N维可视化分析器(N—DimensionalVisualizer)即是对选择的训练区像元进行提纯。
当某些像元始终聚集在一起运动时,这些就是所需的最纯像元;
若在运动时,像元分成了两个部分,则说明选择了两类地物的训练区,需把此训练区像元分开处理。
ROITool:
File>
ExportROIston-DVisualizer>
n-DControl;
n-DVisualizer
让训练区像元在n维空间内自由转动(可以控制转动速度Speed),当转到最能区分各类型训练区像元的位置时,停止转动,进行样本提纯操作。
即:
(1)在n-DVisualizer窗口中用鼠标选择某类训练区的纯像元并点击鼠标右键确定(可进行多次选择),再次单击右键>
ExportClass,提纯后的训练区将出现在ROITool窗口中。
(2)进行下一个类型训练区的提纯时,首先要在n-DVisualizer窗口中单击右键>
NewClass,下面的操作如前。
如此,完成所有训练区的提纯。
(3)训练区的保存:
SaveROIs…
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。
1)最大似然法(MaximumLikeloodClassification)
Classification>
supervised>
Maximumlikelihood>
ClassificationInputFile选择分类的图像>
MaximumlikelihoodParameters选择训练样本,设置说明
最大似然分类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。
在MaximumLikelihoodParameters对话框中设置一般分类参数,在“SetProbabilityThreshold”文本框里,键入一个阈值(0~1)。
选项参数被用来控制像元准确分类的可能性。
如果像元的可能性低于所有类的阈值,则它被归为“无类别”,在此,我们一般选择默认值。
2)波谱角分类法(SpectralAngleMapper—SAM)
SpectralAngleMapper>
SpectralAngleMapperParameters选择训练样本,设置说明
波谱角分类法是以物理学为基础的一种分类法,通过比较终端光谱向量和每个像元的矢量在N维空间中的角度,将像元分配到相应