LandsatTM影像处理最完整流程样本.docx

1、LandsatTM影像处理最完整流程样本一. 界面系统介绍1. 主菜单: 菜单项, File、 Basic Tool、 Classification、 Tranform、 Spectral实习所涉及的( 粗略介绍) 2. Help 工具的使用3. 主菜单设置( preferences) : 内存设置二. 文件的存取与显示1 图像显示由一组三个不同的图像 窗口组成: 主图像窗口、 滚动窗口、 缩放窗口。1) 主图像Image窗口: ( 400*400) 100显示( 全分辨率显示) scroll的方框, 可交互式分析、 查询信息。主图像窗口内的功能菜单: 在主图像窗口内点击鼠标右键, 切换隐藏子

2、菜单的开启和关闭。该 Functions 菜单控制所有的ENVI交互显示功能, 这包括: 图像链接和动态覆盖; 空间和波谱剖面图; 对比度拉伸; 彩色制图; 诸如ROI的限定、 光标位置和值、 散点图和表面图等交互特征; 诸如注记、 网格、 图像等值线和矢量层等的覆盖( 叠置) ; 动画以及显示特征。2) 滚动Scroll窗口: 全局, 重采样(降低分辨率)显示一幅图像。只有要显示的图像比主图像窗口能显示的图象大时, 才会出现滚动窗口。滚动窗口位置和大小最初在 envi.cfg 文件中被设置而且能够被修改。3) 缩放Zoom窗口: ( 200*200) 显示image的方框。缩放系数( 用户自

3、定义) 出现在窗口标题栏的括号中。2 图像的头文件资料的获取和编辑ENVI: FileEdit ENVI Header, 选择相应的文件。从 Header Info 对话框里, 你能够点击 Edit Attributes 下拉菜单中的选项, 调用编辑特定文件头参数的独立对话框。这些参数包括波段名、 波长、 地图信息等。3 图像的存取File Open Image File. 当你打开任何文件, 可用波段列表( ABL) 自动地出现。ABL列出该图像文件的所有波段, 并允许你显示灰阶和彩色图像、 启动新的显示窗口、 打开新文件、 关闭文件, 以及设置显示边框。要选择当前活动显示, 请按以下步骤:

4、 从ABL( Available Bands List) 内, 点击 ”Display #X” 按钮菜单( 其中 ”X” 是与显示窗口标题栏内数字相对应的数字) , 再从列表中选择所需要的显示。要开始一个新的显示, 从按钮菜单选择 ”New Display”。点击 ”Load Band” 或 ”Load RGB” , 以把选定的波段导入选定的显示。4.灰度图像和彩色图像的显示ENVI: FileOpen ImageAvailable Bands List( ABL) 中选择Gray Scale或RGB Color模式5剖面和波谱图( Profiles and Spectral Plots) I

5、mage:ToolsProfiles。ENVI 允许抽取水平的( X) 、 垂直的( Y) 、 波谱的( 对每个像元为 Z ) 以及任意的剖面图。剖面图显示在单独的图表窗口, 而且X、 Y 和 Z 剖面图能够同时是激活的。鼠标用来移动一个十字准线并交互地选择剖面图。图表窗口内 Options 菜单下的 Auto Scale Y-Axis非常有用。三. 图像预处理1 图像的切割( 取子区) ENVI: Basic Tools Resize Data Resize Data Input File对话框( 如下图) 。选择需要切割的原始图像; 选择Spatial Subset或Spectral Su

6、bset方式; 若设置空间切割方式( Spatial Subsetselect Spatial Subset) 点击 ”Image”; 出现Subset by Image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; 若设置波段范围( Spectral SubsetFile Spectral Subset) , 选择波段; 若要根据已选择的感兴趣区域进行切割, 可用ENVI: Basic ToolsSubset Data via ROIs。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:

7、 Resize Data还能够进行图像重采样( 如下) , 若仅仅进行子区的选择, 则不要调整Output File Dimensions。* 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( continuum removal) 和波谱特征拟合( spectral feature fitting) 。2 图像的重采样ENVI: Basic Tools Resize Data Resize DataInput File对话框选择需要采样的原始图像OKResize Data

8、 Parameters调整 Output FileDimensions的像元数; 选择采用方法 文件输出四. 影像分析影像统计分析1. 统计特征分析ENVI: Basic Tools Statistics Computer StatisticsCalculate Statistics Parameters对话框-选择统计类型( Basic、 Histogram、 Covariance) 2. 主成分分析(ENVI: Transformprinciple compents)Transforms Principal Components Forward PC Rotation Compute Ne

9、w Statistics and Rotate.- 选择输入文件- 选择输出 PC 波段数-”Select Subset from Eigenvalues”-出现 PC EigenValues 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) 。3. 相关分析 ENVI: Basic Tools Statistics Computer Statistics五.图像增强 (Image:Enhance)1. 直方图调整(1) 直方图匹配(Image: EnhanceHistogram Matching)至少显示两幅图像, 从想更改直方图的图像( 如”Display#

10、1PC1”) 中, 选择EnhanceHistogram Matching-Match To选择想匹配直方图的图像”Display#2-V” -”OK”, 保存直方图匹配后的PC1。查看两图像( PC1与V) 直方图: 点右键Interactive Stretching或 选择 Functions Interactive Stretching显示直方图; 若需图像替代则要求两直方图输入值相同, 可根据两直方图输入值的关系, 经过Band Math使两直方图数值相同( PC1变为PC1) -保存PC1, 可为下一步PC1图像替代V, 进行HSV-RGB反变换作准备。(2) 直方图的交互式拉伸(I

11、mage: EnhanceInteractive Stretching )ENVI 用 2% 的系统默认线性拉伸值来显示所有图像(两边均舍去信息量的2%), 经过这样处理后合成的假彩色图像层次分明、 地物差异大, 各类地物易于判别。注: 多在Scroll窗口对全局调整, 分别调整R、 G、 B, 使彩色更丰富( 一般R、 G敏感, B线性即可) 。2. 彩色变换( ENVI: TransformColor Transform) 包括HSV-色调、 饱和度、 数值变换, HLS-色调、 亮度、 饱和度变换等。3. MNF变换最小噪声分离( Minimum Noise Fraction, MNF)

12、 变换是同主分量变换相似的一种方法, 它被用来分离数据中的噪声, 确定数据内在的维数, 减少随后处理的计算量( Green 等人, 1988; Boardman和Kruse, 1994) 。六.专题信息提取1. 波段运算获取不同专题信息ENVI: Basic Toolsband math例: Newband=band5-band4具体操作是: 打开Band Math对话框(如右图), 在Enter an expression中键入: b5-b4, 点击OK后将会出现Variables to Bands Pairings对话框。从可利用波段列表中, 分别选择b5和b4代表的波段, 并键入待输出的

13、文件名, 点击OK即可。2. NDVI的提取: NDVI(vegetation Index) 各个指数的意义, 具体公式, 再查找NDVI( Normalized Difference Vegetation Index) 归一化植被指数: 是一个普遍应用的植被指数, 将多波谱数据变换成唯一的图像波段显示植被分布。NDVI 值指示着像元中绿色植被的数量, 较高的NDVI值预示着较多的绿色植被。NDVI 变换能够用于 AVHRR、 Landsat MSS、 Landsat TM、 SPOT 或 AVIRIS 数据, 也能够输入其它数据类型的波段来使用。3. 缨帽变换ENVI: TransformT

14、asseled Cap5. 定义感兴趣区(ROI)及分类监督分类( Supervised Classification) 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: Basic Tools Region Of Interest ROI tool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) , 能够进行样本编辑( 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: OverlayRegion of Interest, 或者直接在图像

15、窗口上点击鼠标右键, 再选择ROI Tool。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, 经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, 我们能够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( ROIPolygon, Polyline, Point, Rectang

16、el, 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( 此时能够拖动感兴趣区域, 用Ctrl鼠标左键能够删除) , 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ROI Tool窗口中的Delete控键, 此操作将删除所有该类型的感兴趣区域) 。ROI Tool 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( ROI Name) 和色彩能够修改。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ROI Tool窗口的New Region控键, 再进

17、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, 可能混入了其它类型的样本, 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 Dimensional Visualizer) 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。ROIExport ROIs to n-D Visualizer n-D Control; n-D Visualizer让训练

18、区像元在n维空间内自由转动( 能够控制转动速度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-D Visualizer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Export Class, 提纯后的训练区将出现在ROI Tool窗口中。( 2) 进行下一个类型训练区的提纯时, 首先要在n-D Visualizer窗口中单击右键New Class, 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: ROISave ROIs2. 选择分类方式分类方式包括平行六面体法、

19、 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( Maximum Likelood Classification) ENVI: Classification supervised Maximum likelihood Classification Input File 选择分类的图像 Maximum likelihood Parameters 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

20、一类里。在Maximum Likelihood Parameters 对话框中设置一般分类参数, 在 ”Set Probability Threshold” 文本框里, 键入一个阈值( 01) 。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( Spectral Angle Mapper SAM) ENVI: Classification supervised Spectral Angle Mapper Classification Input File 选择分类的图像 Spectral Ang

21、le Mapper Parameters 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, 经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, 将像元分配到相应的区间中去, 角度值越小, 分类越精确。输入由上步提纯得到的像元数据, 选择适宜的参数Maximum Angle( radians) 值, 小于此值的像元将不参加分类, 经多次实验。默认值是0.1( 弧度) 。3. 分类引入影像确定分类范围和波段选择训练样本给定阈值确定存储路径和文件名OK。下图为最大似然法分类对话框。非监督分类( Unsupervised Classification) 非监督分类: 仅仅用统计

22、方法对数据集中的像元进行分类, 不需要样本。方法: ( 1) IsoData:unsupervisedIsoData IsoData Parameters对话框: 参数设置说明在ISODATA Parameters 对话框中, 输入Number of Classes( 分类数) , Min( 最少分类数) 8、 Max( 最大分类数) 15, Maximum Iteration( 最大迭代数) 10, Chang Threshold( 像元变化的阀值) 5.00, Minimum Pixel in Class( 每类中的最小像元数) 1, Maximum Class Stdv ( 最大标准差)

23、 3.00, Minimum Class Distance ( 最小类间距) 4.00, Maximum Merge Pairs( 最大合并数) 2等8个基本参数( 根据实际图像和先验知识更改参数的设置) ( 2) K-Means:unsupervised K-Means K-Means Parameters参数设置说明分类后处理( Post Classification) 1. 分类统计: ENVI:ClassificationPost ClassificationClass Statistics: 包括每一类的点数、 最小值、 最大值、 平均值以及类的每个波段的标准差等。其中每一类的最小值

24、、 最大值、 平均值以及标准差能够以图的方式进行显示。能够显示出每一类的直方图, 而且计算其协方差矩阵、 相关矩阵、 特征值和特征矢量等。2. 两个分类结果的比较: ENVI:ClassificationPost ClassificationConfusion Matrix: 分类结果的精度, 显示在一个混淆矩阵里。经过用分类结果与地表真实图像( Ground Truth Image) 或地表真实感兴趣区( Ground Truth ROIs) 相比较来计算混淆矩阵。分类结果记录了总体精度、 准确度、 Kappa系数、 混淆矩阵、 commission 误差( 每类中额外像元占的百分比) 和冗

25、长误差( 类左边的像元占的百分比) 等等。当用地表真实图像计算混淆矩阵时, 还能够输出每类图像中没有被正确分类的那些像元。3. 类别集群: ENVI: ClassificationPost ClassificationClump Classes细小块的合并, 将一些碎块进行合并( 平滑处理) 。注: 未被选上用于聚块( clumping) 的类, 在输出图像上无变化。4. 类别筛选: ENVI: ClassificationPost Classification Sieve Classes经过用斑点分组消除这些隔离的被分类的像元。该功能菜单将删除分类中的孤岛像元, 并用黑像元表示, 能够用成块

26、分类功能代替黑像元。注: 在 ”Group Min Threshold” 文本框里, 输入一个类组需要包含的最少像元数( 4或8) 。任何一组小于这一数值的像元将从类中被删除。5. 类的合并: ENVI : ClassificationPost ClassificationCombine Classes: 将分过的类进行选择性的合并, 能够合并为一类或几类。6. 类的叠合: ENVI : ClassificationPost ClassificationOverlay Class: 用一幅彩色合成影像或灰阶影像生成一幅影像地图, 而且类的颜色叠置在一起, 输出一幅3波段的 RGB图像。7. 修

27、改类的颜色: Image: ToolsColor Mappingclass color mapping: 当一个分类后的图像被导入一个显示窗口时, 每类自动呈现出不同的颜色。每类的颜色与监督分类中选择的感兴趣区的颜色或非监督分类中预先选择的每类颜色相对应。未分类区域在图像中呈黑色, 能够改变每类的颜色。七. 制图输出图形的整饰1. 经纬网格线Grid来设置网格线的属性及图像边界。注: 设图面大小- Annotation - Options Display Borders-输入左、 上、 右和低部图像边框所需要的边框宽度( 按像元) 2. 注记Image: overlayannotation(标

28、题; 图例; 比例尺; 南北指针)(1) 添加注记: Image: overlayannotation。注记能够被放置在主图像窗口、 滚动窗口或缩放窗口。经过从各自的 Options 菜单中选择 Annotation, 每种图表, 包括 X、 Y、 Z 剖面图或表面图, 能够被注记。当出现 #n Annotation 对话框时( 其中 ”#n” 指正被注记的那个显示) , 选择 Object 所需要的注记对象。1文本注记( Text) : Objecttext , 选择注记的属性( 如font、 size等) , 在文本框中输入待添加文本, 用鼠标在图像中点击注记位置, 按右键确定。2图例注记

29、( map key) : Objectmap key能够直接将各类的图例加载上去, 而且可以进行颜色、 名称等编辑。3比例尺注记( Scale Bar) : ObjectScale bar4偏差图注记( Declination) : ObjectDeclination, Declination 选项允许你在图像上放置一个磁偏角图表。磁偏角图表包括指向真北( True North, 用星号显示) 、 坐标北( Grid North, GN) 和磁北( Magnetic North, MN) 的箭头的任意组合。5覆盖分类结果: Image:Overlayclassification6边界设置( S

30、et Display Border) : OptionSet Display Border7其它注记略8若要对注记进行选择或编辑: ObjectSelection/Edit注: 每一种注记添加到图像中后, 单击鼠标右键进行确定。所有注记对象都有一个小的彩色菱形 ”handle”, 它被用来决定位置。(2) 保存注记文件: 1.选择Annotation: File Save Annotation.2. 当出现新的对话框时, 在文本框中键入输出文件名, 或点击 ”Choose”, 然后当出现 ENVI 文件选择对话框时后, 输入一个文件名。3. 选择 ”OK” , 把注记保存到一个输出文件。( 3) 图形输出1分类结果图像输出: Image: FileSave Image As Image File ( 有多种格式可供选择) or Postscript File2分类结果的矢量输出: ENVI: Classification Post Classification Classification to Vector: 将选择的类变换为矢量多边形进行输出。注: 输出图像名不能与其它文件名相同。八. 图像存取的举例说明ENVI中