高光谱图像分类实验报告.docx

高光谱图像分类实验报告.docx

《高光谱图像分类实验报告.docx》由会员分享，可在线阅读，更多相关《高光谱图像分类实验报告.docx（12页珍藏版）》请在冰豆网上搜索。

高光谱图像分类实验报告

实验报告

姓名专业：

学号日期：

2015年12月22日

课程名称：

高光谱遥感指导教师（学生填写）：

成绩：

教师签名：

一、实验项目：

高光谱遥感图像的分类

二、实验类型（√选）：

0演示实验；1验证实验；2综合实验；3设计性实验；4创新实验

三、实验目的：

利用ENVI软件实现高光谱遥感图像的分类

四、实验准备：

电脑一台，ENVIClassic软件，HSI数据

五、实验简要操作步骤及结果：

1、EFFORTFolishing处理。

本次实验所用HIS数据是进行了大气校正等处理后的数据，由于数据光谱曲线呈明显的锯齿状。

所以先利用EFFORTFolishing工具进行处理。

1）选择Spectral->EFFORTFolishing

2）出现“SelectEFFORTInputFile”对话框，选择数据，点击OK。

3）出现“EFFORTInputParameters”窗口，进行目标的选择以及参数的设置。

处理完成后生成数据Memory1

4）将处理前后同一像元的光谱曲线进行比较

处理前光谱曲线处理后光谱曲线

可以明显看出，经过EFFORTFolishing处理后的数据，其波谱曲线比较平缓，明显的锯齿状消失。

2、SpectralAngleMapper光谱角填图

光谱角填图是一种监督分类技术。

该算法是将图像波谱直接同参考波谱匹配的一种交互式分类方法，是一种比较图像波谱与地物波谱或波谱库中地物波谱的自动分类方法。

定义示意图

计算公式

1）选择Spectral->MappingMethods->SpectralAngleMapper.

2）选择Memory1数据进行处理。

出现EndmemberCollection:

Sam窗口。

3）在#3窗口选择Overlay->RegionofInterest.用Zoom视野在图像上选择感兴趣区域（明显的地物类型区域）

4）将选择的区域加载到EndmemberCollection:

Sam窗口中，在EndmemberCollection:

Sam窗口中选择Import->fromROI/EVFfrominputfile.

将所选区域全选，点击OK。

5）点击Apply，出现SpectralAngleMapperParamemters对话框。

设置参数，选择文件保存位置。

点击OK生成Angle数据。

完成基于SpectralAngleMapper方法的遥感图像监督分类。

注：

图像中黑色区域即因为该像元比特定的最大角度的弧度阈值更大，导致不能被进行分类。

3、LinearSpectralUnmixing线性混合像元分解

混合像元分解是指从实际光谱数据（一般为多地物光谱混合的数据）中提取各种地物成分（端元）以及各成分所占的比例（丰度）的方法。

LinearSpectralUnmixing可以根据物质的波谱特征，获取多光谱或高光谱图像中物质的丰度信息，即混合像元分解过程。

线性波谱分离结果是一系列端元波谱的灰度图像（丰度图像），图像的像元值表示端元波谱在这个像元波谱中占的比重。

比如端元波谱A的丰度图像中一个像元值为0.45，则表示这个像元中端元波谱A占了45%。

丰度图像中也可能出现负值和大于1的值，这可能是选择的端元波谱没有明显的特征，或者在分析中缺少一种或者多种端元波谱。

1）选择Spectral-> Mapping Methods->Linear Spectral Unmixing

2）出现Unmixing Input File对话框，选择数据Memory1。

3）出现Endmember Collection：

Unmixing对话框，选择Import from ROI/EVF file，将上面进行SpectralAngleMapper处理ROI所选择的感兴趣区域加载到Endmember Collection：

Unmixing对话框中。

选择所有，点击Apply

4）弹出Unmixing Parameters对话框。

如果用户想在分解过程中运用限制性条件则用箭头切换按钮选择【Yes】。

如果选择了【Yes】，在Weight文本框里输入一个权重。

这一权重被添加在分解倒置过程中的联立方程里。

权重越大，所进行的分类就越满足设定的限制条件。

5）点击OK开始进行光谱分解。

6）混合光谱分解的结果。

光谱分解的结果将以一系列灰度图像的形式出现，每个端元对应一幅丰度图像，并加上一个平方根误差图像。

较高的丰度（RMS误差图像的较大误差）对应较亮的像元。

Red

Green

Blue

完成线性混合像元分解，每个端元都有自己的灰度图像。

像元亮度越高，说明该像元中这种端元的含量越高。