内容发布更新时间 : 2024/12/26 0:59:09星期一 下面是文章的全部内容请认真阅读。

1． 图像的切割分析增强信息提取 2． （取子区）

ENVI：Basic Tools>> Resize Data >> Resize Data Input File对话框（如下图）。 ①选择需要切割的原始图像；②选择Spatial Subset或Spectral Subset方式；③若设置空间切割方式（Spatial Subset>>select Spatial Subset）点击 “Image”；④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；③?若设置波段范围（Spectral Subset>>File 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 Tools>>Subset 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：Resize Data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 Data Input File对话框选择需要采样的原始图像—OK >>Resize Data Parameters——调整 Output File Dimensions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 Statistics

Calculate Statistics Parameters对话框---选择统计类型（Basic、Histogram、Covariance）

2. 主成分分析(ENVI: Transform>>principle compents)

Transforms > Principal Components > Forward PC Rotation > Compute New 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: Enhance>>Histogram Matching)

至少显示两幅图像，从想更改直方图的图像（如“Display#1—PC1”）中，选择Enhance>>Histogram 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，通过?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(Image: Enhance>>Interactive 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: Transform>>Color 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）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 Tools>>band 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，并键入待输出的文件名，点击OK即可。

2. NDVI的提取:> NDVI(vegetation Index)

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 变换可以用于 AVHRR、Landsat MSS、Landsat TM、SPOT 或 AVIRIS 数据，也可以输入其他数据类型的波段来使用。 3. 缨帽变换ENVI: Transform>>Tasseled Cap 5. 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），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>>Region of Interest，或者直接在图像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，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（ROI>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ROI Tool窗口的New Region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 — 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。 ROI>Export ROIs to n-D Visualizer >> n-D Control; n-D Visualizer 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-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：ROI>Save ROIs… 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（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（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（Spectral Angle Mapper — SAM）

ENVI: Classification >> supervised >> Spectral Angle Mapper >> Classification Input File 选择分类的图像 >> Spectral Angle Mapper Parameters 选择训练