ENVI软件特点Word文档下载推荐.docx

ENVI软件特点Word文档下载推荐.docx

《ENVI软件特点Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《ENVI软件特点Word文档下载推荐.docx（10页珍藏版）》请在冰豆网上搜索。

（1）镶嵌

当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。

在进行图像的镶嵌时，需要确定一幅参考影像，参考图像将作为输出镶嵌图像的基准，决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。

镶嵌得两幅或多幅图像选择相同或相近的成像时间，使得图像的色调保持一致。

但接边色调相差太大时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但用于变化信息提取时，相邻影像的色调不允许平滑，避免信息变异。

ENVI支持有地理参照和没有地理参照影像数据的镶嵌，能够自动对镶嵌影像进行颜色平衡，并提供了多种影像增强和直方图匹配工具，可以最大限度地消除镶嵌影像间的色调和颜色差异

（2）裁剪

图像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。

它的过程可分为两步：

矢量栅格化和掩膜计算（Mask）。

矢量栅格化是将面状矢量数据转化成二值栅格图像文件，文件像元大小与被裁剪图像一致；

把二值图像中的裁剪区域的值设为1，区域外取0值，与被裁剪图像做交集运算，计算所得图像就是图像裁剪结果。

在ENVI中做裁减的方法非常的多，提供多种方法进行图像的空间裁剪获得子区，包括：

手动输入行列数、从图像中交互选择区域、输入地理坐标范围、和另外图像文件的交集、使用滚动窗口中的图像和通过感兴趣区域。

3、影像校正

引起影像几何变形一般分为两大类：

系统性和非系统性。

系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；

非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。

ENVI中支持有大多数商业化卫星的几何校正模型，如QuickBird、Ikonos、Spot1-5、P6、WorldView-1等，一般的校正模型包括二次多项式、仿射变换和局部三角网。

（1）GCP（地面控制点）的选取

这是几何校正中最重要的一步。

可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。

选取得控制点有以下特征：

GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等；

地面控制点上的地物不随时间而变化。

（2）建立几何校正模型

地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS）

根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<

1。

（3）影像重采样

重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行列号不是或不全是正数关系。

因此需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。

常用的内插方法包括：

1、最邻近法是将最邻近的像元值赋予新像元。

该方法的优点是输出图像仍然保持原来的像元值，简单，处理速度快。

但这种方法最大可产生半个像元的位置偏移，可能造成输出图像中某些地物的不连贯。

2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。

该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。

3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用三次卷积函数进行内插。

这种方法对边缘有所增强，并具有均衡化和清晰化的效果，当它仍然破坏了原来的像元值，且计算量大。

4、影像滤波

图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。

图像滤波也是图像增强的一种方法，可以分为空间域滤波和频率域滤波两种方法。

空间域滤波算法公式为：

5、影像空间变换

在图像处理中，所谓图像变换可以理解为未达到图像处理的某种目的而使用的数学方法，通过这种数学变换，图像处理起来较变换钱更加方便和简单。

由于这种变化方法是针对图像函数而言，所以称之为图像变换。

主要的图像变换方法主要有：

傅里叶变换：

针对的波段图像的频率特征进行分析处理，用于周期性噪声的去处。

设x（t）为（+∞，-∞）上的连续函数，在一定条件下，有如下关系：

X（f）=

第一个公式为傅里叶变换，后一个为傅里叶逆变换

主成分变换：

针对多波段图像进行的数学变换方法，常用于数据的压缩和噪声的去处。

在尽量不丢失信息的前提下的一种线性变换，通常称之为K-L变换。

基本算法为：

设向量集

（n为变量个数），E（X）为X的数学期望。

X的协方差矩阵为C，U是C的特征向量，按其特征值有大到小的顺序排列

为主成分。

其中，

。

缨帽变换：

适用于Landsat图像的多波段经验性变换方法，变换结果可以较好的突出主体地物特征。

代数运算：

通过简单的代数运算产生新的“波段”，以增强特定的地物信息。

代数运算是针对影像的各个波段进行的加法，差值，乘法和比值等运算，在ENVI中还提供给了适合各个行业的波段运算组合。

彩色变换：

将红、绿、蓝系统表示的图像变换为用明度、色相、饱和度系统表示的图像的处理方法。

也就是将图像从RGB彩色空间转换到其他色彩空间显示，以突出RGB彩色空间难以表示的内容。

不同的彩色变换可大大增强图像的可读性，常用的三种彩色变换方法：

单波段彩色变换（密度分割）

单波段黑白遥感图像按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。

即按图像的密度进行分层，每一层所包含的亮度值范围可以不同。

多波段彩色变换

加色法彩色合成原理---选择遥感影像的某三个波段---分别赋予红、绿、蓝三种原色---合成彩色影像。

多波段影像合成时，方案的选择决定彩色影像能否显示较丰富的地物信息,或突出某一方面的信息。

HSI变换

HSI代表色调、饱和度和明度。

色彩模式可以用近似的颜色立体来定量化。

颜色立体曲线锥形改成上下两个六面金字塔状。

6、影像分类

（1）监督分类（supervisedclassification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。

即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。

要求训练区域具有典型性和代表性。

判别准则若满足分类精度要求，则此准则成立；

反之，需重新建立分类的决策规则，直至满足分类精度要求为止。

常用算法有：

判别分析、最大似然分析、特征分析、序贯分析和图形识别等。

平行六面体法

平行六面体将用一条简单的判定规则对多光谱数据进行分类。

判定边界在影像数据空间中是否行成了一个N维的平行六面体。

平行六面体的尺度是由标准差阈值所确定的，而该标准差阈值则是根据每种所选类的均值求出的

最大似然法

假定每个波段中的每类的统计都呈现正态分布，并将计算出给定象元都被归到概率最大的哪一类里。

最小距离法

使用了每个感兴趣区的均值矢量来计算每个未知象元到每一类均值矢量的欧氏距离，除非用户指定了标准差和距离的阈值，否则所有象元都将分类到感兴趣区中最接近的那一类

马氏距离法

是一个方向灵敏的距离分类器，分类时将使用到统计信息，与最大似然法有些类似，但是她假定了所有类的协方差都相等，所以它是一种较快的分类方法。

二值编码分类法

根据波段值落在均值的上或下方，把数据波普和端元波普编码为0或1，异或逻辑函数用来将每种编码后的参考波普同编码后的数据波谱进行比较，生成一副分类影像

波谱角填图分类法

是一个基于物理的波谱分类法，它是用N维角度将象元与参考波谱进行匹配，此方法将波谱看成是空间中的矢量，矢量的维数就等于波段的个数，通过计算波谱间的角度，来判断连个波谱间的相似程度

费歇尔线性判别法

费歇尔线性判别法是一种应用广泛，具有较高判别能力的多元逻辑概率判别方法，基于费歇尔线性判别法，结合实际数据，构建了高校财务风险判别指标体系和建立了费歇尔线性判别模型，并进行实证检验。

（2）非监督分类：

是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即自然聚类的特性，进行“盲目”的分类；

其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性，亦即：

非监督分类只能把样本区分为若干类别，而不能给出样本的描述；

其类别的属性是通过分类结束后目视判读或实地调查确定的。

非监督分类也称聚类分析。

一般的聚类算法是先选择若干个模式点作为聚类的中心。

每一中心代表一个类别，按照某种相似性度量方法（如最小距离方法）将各模式归于各聚类中心所代表的类别，形成初始分类。

然后由聚类准则判断初始分类是否合理，如果不合理就修改分类，如此反复迭代运算，直到合理为止。

与监督法的先学习后分类不同，非监督法是边学习边分类，通过学习找到相同的类别，然后将该类与其它类区分开，但是非监督法与监督法都是以图像的灰度为基础。

通过统计计算一些特征参数，如均值，协方差等进行分类的。

所以也有一些共性。

主要的分类方法有波普图形识别分类和聚类分析。

二、支持的特殊模块

1、大气校正模块—FLAASH

大气校正：

（atmosphericcorrection）即使遥感系统工作正常，获取的数据仍然带有辐射误差。

最重要的环境衰减可以算是由大气散射和吸收引起的大气衰减。

然而，在所有的遥感应用中都进行大气校正可能没有必要。

是否进行大气校正，取决于问题本身、可以得到的遥感数据的类型取的历史与当前实测大气信息的数量和从遥感数据中提取生物物理信息所要求的精度。

大气校正就是讲辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。

FLAASH是ENVI特有的大气校正模块，是由光谱科学研究所与美国空气动力研究实验室（AFRL）以及光谱信息技术应用中心（SITAC）共同研发。

FLAASH使用了目前精度最高的大气辐射校正模型MODTRAN4+辐射传输模型，它基于像元进行校正，不仅校正了由于漫反射引起的领域效应，还可以进行卷云和不透明云层的分析类图，病调整由于人为抑制而导致的波普平滑。

该模块可以处理各种多（高）光谱、卫星和航空数据，还能校正垂直成像数据和侧视成像数据。

它采用向导式流程，FLAASH纠正向导指导用户进行大气校正，能够在很短的时间内完成复杂的大气校正工作。

涉及公式：

其中：

Lλ为辐射亮度值，d为天文单位的日地距离。

ESUNλ为太阳表观辐射率均值，θs是以度为单位的太阳高度角。

2、DEM自动提取模块

DEM是用规则空间格网表示的实际地形高程值。

可以