《envi圖像預處理》課件

ENVI圖像預處理本課程介紹了ENVI中圖像預處理的基本步驟和常用方法，包括圖像校正、幾何校正、輻射校正、大氣校正等。課程大綱數(shù)字圖像基礎(chǔ)知識光譜特性分析幾何校正概述云霧去除綜述數(shù)字圖像基礎(chǔ)知識像素圖像由許多被稱為像素的微小點組成。每個像素存儲著關(guān)于該點顏色和亮度的信息?；叶燃壔叶燃壉硎久總€像素的亮度程度，通常用0到255的數(shù)值來表示，0為黑色，255為白色。色彩空間色彩空間描述了圖像中顏色的表示方式，常見的色彩空間包括RGB、CMYK和HSV等。分辨率圖像的分辨率是指圖像中像素的數(shù)量，分辨率越高，圖像越清晰，細節(jié)越豐富。光譜特性分析波長與反射率不同物質(zhì)對不同波長的光反射率不同，形成獨特的“光譜指紋”。光譜曲線通過繪制反射率隨波長的變化曲線，可以識別物質(zhì)類型。人眼感知人眼只能感知可見光范圍的光譜信息，而遙感可以捕捉更廣泛的光譜信息。常見光譜校正方法1大氣校正消除大氣散射和吸收的影響，恢復地表真實反射率。2幾何校正將圖像與地理坐標系進行配準，確保圖像的空間一致性。3輻射校正將圖像的灰度值轉(zhuǎn)換為物理量，如反射率或輻射亮度。幾何校正概述傳感器誤差傳感器自身誤差導致圖像幾何畸變，例如透鏡畸變、掃描方向誤差等。地球曲率地球表面為球形，導致影像邊緣產(chǎn)生彎曲，需要進行投影轉(zhuǎn)換。地形起伏地形起伏導致影像不同區(qū)域存在高度差，需要進行正射校正。圖像拼接技術(shù)幾何校正拼接前，需要對影像進行幾何校正，保證影像之間幾何一致性。重疊區(qū)域影像之間需要有重疊區(qū)域，以便進行拼接匹配。拼接算法常用的拼接算法包括圖像配準、縫合、平滑等。影像融合方法介紹全色影像具有高空間分辨率，但缺乏光譜信息。多光譜影像具有豐富的光譜信息，但空間分辨率較低。融合影像將兩種影像的信息結(jié)合，兼具高空間分辨率和豐富光譜信息。云霧去除綜述云霧會遮擋地表信息，影響遙感圖像分析。多種云霧去除方法可用于恢復地表信息。選擇合適的云霧去除方法取決于影像特征。土地覆蓋分類流程1分類精度評價評估分類結(jié)果的準確性2分類結(jié)果分析解釋分類結(jié)果，識別土地覆蓋變化3分類方法選擇選擇合適的分類算法4數(shù)據(jù)預處理圖像校正、增強、去噪5影像數(shù)據(jù)準備獲取遙感影像數(shù)據(jù)分類精度評價總體精度正確分類的樣本數(shù)占總樣本數(shù)的比例，反映模型整體的分類準確性。Kappa系數(shù)衡量分類結(jié)果與隨機分類結(jié)果的差異，越大表示模型分類能力越強。制圖精度指每個類別被正確分類的比例，反映模型對特定類別的分類準確性。變化檢測應用1土地覆蓋變化監(jiān)測森林砍伐、城市擴張、農(nóng)業(yè)用地變化。2災害監(jiān)測評估洪水、地震、火災等災害的影響，并進行災后重建。3資源管理追蹤水資源變化、土壤侵蝕狀況、礦產(chǎn)資源開采等。柵格數(shù)據(jù)處理數(shù)據(jù)預處理包括幾何校正、輻射校正等，確保數(shù)據(jù)的空間一致性和準確性。數(shù)據(jù)分析基于柵格數(shù)據(jù)的分析方法，如空間統(tǒng)計、遙感指數(shù)計算等。數(shù)據(jù)可視化將處理后的柵格數(shù)據(jù)轉(zhuǎn)化為地圖、圖表等可視化形式，方便理解和解讀。集成多源數(shù)據(jù)互補優(yōu)勢不同數(shù)據(jù)源擁有獨特的特征和信息，例如遙感數(shù)據(jù)可以提供空間覆蓋，而地面數(shù)據(jù)則可以提供詳細的屬性信息。提升精度融合多源數(shù)據(jù)可以克服單一數(shù)據(jù)源的局限性，增強分析結(jié)果的可靠性和精度。擴展應用集成數(shù)據(jù)可以解決復雜問題，例如識別土地利用變化、監(jiān)測環(huán)境污染等。ENVI軟件基本操作安裝與啟動ENVI軟件的安裝過程簡單明了，可參考官方文檔進行操作，啟動軟件后即可進入主界面。界面概述ENVI軟件擁有直觀的界面，主要包括菜單欄、工具欄、數(shù)據(jù)視圖窗口等，用戶可根據(jù)需要進行操作?；竟δ蹺NVI軟件提供豐富的圖像處理功能，包括數(shù)據(jù)導入、顯示、分析、處理等，用戶可根據(jù)需求選擇合適的功能。ENVI圖像預處理功能輻射校正將圖像像素值轉(zhuǎn)換為真實物理值，消除傳感器和大氣影響幾何校正對圖像進行地理定位，使圖像像素與地理坐標系一致圖像拼接將多幅圖像拼接成一幅完整的圖像，消除圖像之間的縫隙圖像增強改善圖像視覺效果，提高圖像信息的清晰度波段組合與顯示1多光譜影像包含多個波段，每個波段對應特定光譜范圍。2波段組合將不同波段數(shù)據(jù)按特定順序組合，形成彩色圖像。3顏色映射將不同波段值映射到不同的顏色，增強圖像視覺效果。直方圖處理圖像灰度分布直方圖顯示每個灰度值的像素數(shù)量，揭示圖像的整體亮度和對比度。圖像增強通過調(diào)整直方圖，可以增強圖像對比度，使圖像細節(jié)更清晰。色彩平衡直方圖均衡化可以使圖像的灰度值分布更均勻，從而改善圖像的視覺效果。圖像濾波技術(shù)高斯模糊減少噪聲，平滑圖像。中值濾波去除椒鹽噪聲，保留邊緣特征。銳化濾波增強圖像細節(jié)，提高清晰度。幾何校正實操1影像預處理校正前，需對影像進行預處理，例如去噪、輻射校正等，以提高校正精度。2控制點選擇選擇地面控制點(GCP)或參考點(RP)，準確標定影像與地面坐標系之間的對應關(guān)系。3模型選擇根據(jù)影像類型和精度要求，選擇合適的幾何校正模型，例如多項式變換或仿射變換。4校正參數(shù)計算利用選定的控制點或參考點，計算校正參數(shù)，以建立影像與地面坐標系的轉(zhuǎn)換關(guān)系。5校正影像生成根據(jù)計算出的校正參數(shù)，生成幾何校正后的影像，使其符合預定的空間參考系統(tǒng)。圖像拼接實踐1數(shù)據(jù)準備準備不同時相或不同位置的圖像數(shù)據(jù)2幾何校正確保圖像具有相同的坐標系和幾何精度3拼接處理使用ENVI的Mosaic工具進行圖像拼接4質(zhì)量評估檢查拼接結(jié)果的質(zhì)量，例如拼接縫是否存在錯位或顏色不一致融合算法比對加權(quán)平均法簡單易行，但結(jié)果易受噪聲影響。主成分分析法可以有效減少數(shù)據(jù)冗余，但對高光譜影像效果較好。IHS變換法在保留高分辨率影像細節(jié)的同時，引入低分辨率影像的光譜信息。小波變換法可以有效提高融合影像的空間分辨率和光譜信息。云霧去除實例ENVI提供多種云霧去除方法，例如基于圖像特征的去除方法，基于物理模型的去除方法，以及結(jié)合機器學習的去除方法等。具體方法的選擇需要根據(jù)實際情況進行判斷，例如影像類型，云霧覆蓋程度，以及數(shù)據(jù)質(zhì)量等。ENVI提供了友好的操作界面，方便用戶快速上手和進行云霧去除處理，提升遙感影像數(shù)據(jù)的質(zhì)量和可利用性。分類方法選擇監(jiān)督分類需要先對訓練樣本進行人工標注，建立類別特征庫。無監(jiān)督分類根據(jù)像素值特征自動聚類，無需先驗信息。面向?qū)ο蠓诸惢趫D像分割，對每個分割區(qū)域進行分類。精度評估實操1混淆矩陣計算分類結(jié)果的準確率、精確率和召回率2Kappa系數(shù)衡量分類結(jié)果的一致性3誤差分析識別分類錯誤的原因并進行改進變化檢測流程數(shù)據(jù)準備獲取兩期或多期影像數(shù)據(jù)，并進行預處理，包括幾何校正、輻射校正等。圖像配準將不同時期的影像數(shù)據(jù)進行配準，以保證它們在空間上的一致性。變化檢測算法選擇合適的變化檢測算法，例如圖像差值法、比值法、變化向量分析法等。變化提取根據(jù)變化檢測結(jié)果，提取出變化區(qū)域，并進行分析和解釋。多光譜影像處理遙感數(shù)據(jù)獲取多光譜影像數(shù)據(jù)通常由衛(wèi)星或飛機傳感器獲取，提供不同波段的光譜信息。植被指數(shù)計算利用多光譜影像，可以計算植被指數(shù)，如NDVI，評估植被覆蓋度和健康狀況。土地覆蓋分類多光譜數(shù)據(jù)能夠區(qū)分不同地物的反射特征，實現(xiàn)土地覆蓋分類，識別不同土地類型。NDVI指數(shù)計算NDVI歸一化植被指數(shù)公式(NIR-RED)/(NIR+RED)范圍-1到1用途評估植被覆蓋度、生物量、健康狀況SAVI指數(shù)提取0.5土壤調(diào)整SAVI指數(shù)修正了土壤背景的影響，有效提高了植被信息的提取精度。1.0最大值SAVI指數(shù)的取值范圍在0到1之間，值越大代表植被覆蓋度越高。植被指數(shù)應用1監(jiān)測植被覆蓋度植被指數(shù)可以用于評估植被覆蓋程度，了解植被生長狀況，并監(jiān)測其變化趨勢。2評估植被健康狀況通過