内容发布更新时间 : 2024/11/19 6:22:59星期一 下面是文章的全部内容请认真阅读。

高光谱遥感

——ENVI 4.8版本中的SPEAR Tools简介

SPEAR Tools全称是光谱处理与分析工具（Spectral Processing Exploitation and

Analysis Resource），在这里ENVI提供了一系列的处理工具，并形成向导引导使用者

按照ENVI的标准处理影像。

SPEAR包含以下10个流程化处理模块：

异常检测模块：搜索光谱不同的背景（谱异常）目标

变化检测模块：检测统一地区不同时段光谱变化的异常

谷歌地球桥接器：提供一个简单的方法将ENVI中的图像或矢量文件输出到Google Earth中

道路提取模块：从影像中流程化提取道路信息

水体提取模块：从影像中流程化提取河流，隐蔽水沟信息

水的相对深度模块：从高光谱数据中快速获取感兴趣水域水的相对深度信息影像 植被指数提取模块：快捷容易地确定植被的存在情况，并用多光谱图像可视化该植被的活力水平。

船只提取模块：船只提取模块，利用水和船的对比度。以及船的纹理特征来提取船只信息。

1 异常检测模块（SPEAR Anomaly Detection）

异常检测提供了一种方法来搜索光谱不同的背景（谱异常）目标，ENVI使用RXD异常探测算法来检测光谱信息异于影像背景值的目标。

? 由于植被在一些地区（比如在干燥的区域）光谱异常比较明显，SPEAR

异常检测模块提供了能够抑制植被的操作。

? SPEAR异常检测模块能够依靠设定阈值来减小绝对误差。 ? SPEAR异常检测模块同时提供了滤波、核查和精度评定工具。 ? 如果得出满意的结果，可以将其输出成shp文件的矢量格式。

从影像中提取异常信息操作流程如下：

1. 在ENVI主菜单栏下，选择Spectral > SPEAR Tools > Anomaly Detection。弹出文件显示对话框，选择输入文件。（输入的文件必须是能被ENVI识别的多光谱数据）设定保存路径。

2. 设定算法模型，包括RXD、UTD、RXD-UTD。

3. 设定异常检测参数，设定Mean Source的来源，指定是否需要抑制植被。

4. 可以重新设定参数来确定异常，最后会弹出两幅影像，原影像与分析后结果，以作比较。

2 变化检测模块（SPEAR Change Detection）

变化检测模块提供一个方法来检测影像同一地区不同时段的变化，并在图像上凸显出来，说明是什么要素发生了什么变化。

变化检测模块提供以下几种相对变化检测工具：

Transform：输入数据堆栈成一个图像，然后图像变换(主成分分析，最小噪

声比率，或独立成分分析)应用于所提取的特征相关的变化。

Subtractive：归一化差异植被指数（归一化植被指数），红/蓝比，和人为的比例计算的输入数据。得出的比率数据和波段数据从影像数据中减去以创建出不同的影像。

Two Color Multi-View (2CMV)：来自于时段1的波段显示在红色波段通道，来自于时段2的同一波段显示在绿色波段通道和蓝色波段通道，在一个图像里区别于其他影像的亮的部分用青色表示，暗的部分用红色表示。颜色用来表示可能存在变化的区域。

3 谷歌地球桥接器（Google Earth Bridge）

它提供了一个简单的方法将ENVI中的图像或矢量文件输出到Google Earth中。Google Earth是一个强大的数据可视化工具，它允许图像被放置在一个区域或全球范围内。谷歌数据桥创建了一个包含矢量数据的kml格式文件。如果选择缩略图，kml格式的矢量文件也会被输出。

Google Earth不能直接直接支持包含地理坐标的图像，通过四个角点和一个定义在kml文件上的旋转器将图像放在地球上。为了确定图像文件能够准确叠加在上面，谷歌地球桥接器将输入图像校正到向北的方向。如果可行将会通过包含全球高程数据库的矫正器来进行快速的坐标校准， 如果快速校准失败，图像校正的四个角点会被用来作为控制点，把图像校正至正北方向。

4 影像—地图校正模块（SPEAR Image to Map Registration）

影像—地图校正工具在保留原有的空间分辨率的同时，变换输入的图件来匹配基础图像的地图信息。

1. 在ENVI的主菜单中，选择Spectral > SPEAR Tools > Image-to-Map Registration，打开文件选择对话框。

2. 选择两幅影像：一幅作为基础图件，另一幅是需要校正的图件。 3. 选择用于自动连接点匹配的波段，大部分情况下，可见光区域的红波段的是比较合适的。

4. 点击下一步，会弹出校正参数对话框，下一步，会弹出一个校正精度对话框和一个连接点对话框。 5. 点击Finish，完成处理，对出向导。

5 独立成分分析（Independent Components Analysis）

它可以用来发现和分离图像中隐藏的噪声，可以用来降维、异常检测、降噪、分类和端元提取以及数据融合，不需要任何图像预先知识。ＩＣＡ可以把一组混合信号转化成相互独立的成分，在感兴趣信号与数据中其它信号相对较弱的情况下，这种变换要比主成分分析得到的结果更加有效。

6 道路提取模块（Lines of Communication （LOC）- Roads）

从影像中流程化提取道路信息。操作流程如下： 1. 输入影像数据

2. 选择线性信息提取方法，有两种方法可以选择 ? 监督方法（基于波谱匹配技术）步骤如下：