ENVI实习指导.docx

ENVI实习指导.docx

《ENVI实习指导.docx》由会员分享，可在线阅读，更多相关《ENVI实习指导.docx（22页珍藏版）》请在冰点文库上搜索。

ENVI实习指导

《遥感应用分析原理与方法》

ENVI实习指南

1.界面系统介绍2

2.文件的存取与显示2

3.图像预处理3

4.影像分析5

影像统计分析5

图像增强（Image:

Enhance）5

专题信息提取5

5.定义感兴趣区（ROI）及分类6

监督分类（SupervisedClassification）6

非监督分类（UnsupervisedClassification）9

6.分类后处理（PostClassification）9

7.制图输出10

图形的整饰10

图形输出11

8.图像存取的举例说明11

ENVI实习指南

ENVI（TheEnvironmentforVisualizingImages）是一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具，由美国系统研究公司（ResearchSystemINC.）开发。

IDL（InteractiveDataLanguage）交互式数据语言是进行二维及多维数据可视化分析及应用开发的理想软件工具。

1.界面系统介绍

1.

主菜单：

菜单项，File、BasicTool、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

2.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文件中被设置并且可以被修改。

3）缩放Zoom窗口：

（200*200）显示image的方框。

缩放系数（用户自定义）出现在窗口标题栏的括号中。

Scroll、Zoom可通过Image右键>DisplayWindowstyle重新打开。

2．图像的头文件资料的获取和编辑

ENVI：

File>>EditENVIHeader，选择相应的文件。

从HeaderInfo对话框里，你可以点击EditAttributes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>OpenImageFile.当你打开任何文件，可用波段列表（ABL）自动地出现（或ENVI:

Window>>ABL）。

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：

从ABL（AvailableBandsList）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“NewDisplay”。

点击“LoadBand”或“LoadRGB”，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：

File>>OpenImage>>AvailableBandsList（ABL）中选择GrayScale或RGBColor模式

5．剖面和波谱图（ProfilesandSpectralPlots）

Image:

>>Tools>>Profiles。

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，并且X、Y和Z剖面图可以同时是激活的。

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AutoScaleY-Axis非常有用。

3.图像预处理

1．图像的切割（取子区）

ENVI：

BasicTools>>ResizeData>>ResizeDataInputFile对话框（如下图）。

①选择需要切割的原始图像；②选择SpatialSubset或SpectralSubset方式；③若设置空间切割方式（SpatialSubset>>selectSpatialSubset）点击“Image”（另有‘map-输入图左上角、右下角坐标’，‘file-输入文件名’）；④出现SubsetbyImage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（SpectralSubset>>FileSpectralSubset），选择波段；

若要根据已选择的感兴趣区域进行切割，可用ENVI：

BasicTools>>SubsetDataviaROIs。

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：

ResizeData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OutputFileDimensions。

*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（continuumremoval）和波谱特征拟合（spectralfeaturefitting）。

2．图像的重采样

ENVI：

BasicTools>>ResizeData>>ResizeData

InputFile对话框选择需要采样的原始图像—OK

>>ResizeDataParameters——调整OutputFile

Dimensions的像元数；选择采用方法>>文件

输出

4.影像分析

影像统计分析

1.统计特征分析ENVI：

BasicTools>>Statistics>>ComputeStatistics>>CalculateStatisticsParameters对话框---选择统计类型（Basic、Histogram、Covariance）---输出统计文件.sta（file）---出现StatisticsResults对话框SelectPlot菜单可查看统计结果（Min/Max/Mean/Stdev/Eigenvalue最小值、最大值、平均值、标准差、特征值，Covariance协方差矩阵，Correlation相关矩阵，Eigenvector特征向量，Histogram波段直方图）

2.主成分分析ENVI:

Transform>>principlecompents>>ForwardPCRotation>ComputeNewStatisticsandRotate.----选择输入文件，出现‘ForwardPCParameters’对话框，输出统计文件.sta（memory）---‘SelectSubsetfromEigenvalues’（yes）---出现‘SelectOutputPC…’显示PC各分量的特征值、方差百分比，选择输出PC波段数（4）---‘OK’---出现‘PCEigenValues’窗口（每个节点是PC各分量的特征值）---可进一步计算各波段信息量大小（通过PC1的方差百分比及PC1中各波段协方差矩阵的特征向量）。

3.相关分析ENVI：

BasicTools>>Statistics>>ComputeStatistics

图像增强（Image:

Enhance）

1.直方图调整

（1）直方图匹配Image:

Enhance>>HistogramMatching

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>>HistogramMatching---‘MatchTo’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InteractiveStretching或选择Functions>InteractiveStretching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‘BandMath’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。

（如直方图输入值V为0.1-0.9，PC1’为0-255，则通过‘BandMath’b1*0.91/255，可得PC1’’）

（2）直方图的交互式拉伸Image:

Enhance>>InteractiveStretching

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）。

练习：

分段线性拉伸（ctrl+左键）、均衡化Equalization、Gaussian等。

2.彩色变换ENVI:

Transform>>ColorTransform

包括‘HSV-色调、饱和度、数值’变换，‘HLS--色调、亮度、饱和度’变换等。

练习：

彩色增强（RGB---HLS---调整‘S—S’---RGB）；数据融合（RGB---HLS---H+S+PC1’’---RGB）。

3.MNF变换

最小噪声分离（MinimumNoiseFraction，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）。

Forward---选图---保存噪声图MNF’、去噪声图MNF---保存MNF.sta---输出（memory）；Inverse---选MNF图象---选MNT.sta---输出已去噪声的还原图像（与原图像相比，仅min/max/mean变化，其余统计值均不变）。

专题信息提取

1.NDVI的提取ENVI:

Transform>>NDVI（vegetationIndex）

NDVI（NormalizedDifferenceVegetationIndex）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显示植被分布的图像波段。

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、LandsatMSS、LandsatTM、SPOT或AVIRIS数据，也可以输入其他数据类型的波段来使用。

2.

波段运算获取不同专题信息

ENVI:

BasicTools>>bandmath

例：

Newband=band5-band4

具体操作是：

打开BandMath对话框（如右图），在Enteranexpression中键入：

b5-b4，点击OK后将会出现VariablestoBandsPairings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。

练习：

湿度指数提取：

1.0*[（b2-b4）/（b2+b4）]或1.0*[（b2-b5）/（b2+b5）]

3.缨帽变换ENVI:

Transform>>TasseledCap

4.2D显示Image：

Tool>>2DScatterPlots>>ScatterPlotBandChoice对话框---选择X、Y轴---OK---出现2D散点图‘ScatterPlot’。

5.定义感兴趣区（ROI）及分类

监督分类（SupervisedClassification）

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:

BasicTools>>RegionOfInterest>>ROItool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>>RegionofInterest，或者直接在图像窗口上点击鼠标右键，再选择ROITool。

根据前面的背景资料和预处理结果选择视觉效果最佳的彩色合成图像，建立各类地物的训练区。

各类地物的解译标志，即地物明显的影像特征---色调、纹理等，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（ROITool:

ROI_Type>>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（Image或Zoom）上用左键画出感兴趣区，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ROITool窗口中的Delete控键，此操作将删除所有该类型的感兴趣区域）。

ROITool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（ROIName）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ROITool窗口的NewRegion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—DimensionalVisualizer）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。

ROITool:

File>>ExportROIston-DVisualizer>>n-DControl;n-DVisualizer

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-DVisualizer窗口中用鼠标选择某类训练区---先点击右键选newclass---在选择纯化的训练区内用左键画出纯像元区，未确认状态下可用‘ctrol+左键’删除，点击右键确定（可进行多次选择）---再次单击右键>>ExportClass，提纯后的训练区将出现在ROITool窗口中，确定后的改动，需到ROITool窗口，用delete。

（2）进行下一个类型训练区的提纯时，首先要在n-DVisualizer窗口中单击右键>>NewClass，下面的操作如前。

如此，完成所有训练区的提纯。

ROITools窗口：

①对优化后的原类别样本‘Hide’看效果，②可删除旧类别样本，以优化后的替代，③编辑色彩，以达到较好视觉效果。

（3）训练区的保存：

ROITool:

File>>SaveROIs…

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（MaximumLikelihoodClassification）

ENVI:

Classification>>supervised>>Maximumlikelihood>>ClassificationInputFile选择分类的图像>>MaximumlikelihoodParameters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MaximumLikelihoodParameters对话框中设置一般分类参数，在“SetProbabilityThreshold”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（SpectralAngleMapper—SAM）

ENVI:

Classification>>supervised>>SpectralAngleMapper>>ClassificationInputFile选择分类的图像>>SpectralAngleMapperParameters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，通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[MaximumAngle（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（UnsupervisedClassification）

非监督分类：

仅仅用统计方法对数据集中的像元进行分类，不需要样本。

方法：

（1）IsoData:

ENVI:

Classification>>unsupervised>>IsoData>>IsoDataParameters对话框：

参数设置说明

在ISODATAParameters对话框中，输入NumberofClasses（分类数），Min（最少分类数）8、Max（最大分类数）15，MaximumIteration（最大迭代数）10，ChangThreshold（像元变化的阀值）5.00，Minimum＃PixelinClass（每类中的最小像元数）1，MaximumClassStdv（最大标准差）3.00，MinimumClassDistance（最小类间距）4.00，Maximum＃MergePairs（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:

ENVI:

Classification>>unsupervised>>K-Means>>K-MeansParameters参数设置说明

6.分类后处理（PostClassification）

1.分类统计：

ENVI:

Classification>>PostClassification>>ClassStatistics：

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、最大值、平均值以及标准差可以以图的方式进行显示。

可以显示出每一类的直方图，并且计算其协方差矩阵、相关矩阵、特征值和特征矢量等。

2.类别集群：

ENVI:

Classification>>PostClassification>>ClumpClasses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。

3.类别筛选：

ENVI:

Classification>>PostClassification>>SieveClasses通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，可以用成块分类功能代替黑像元。

注：

在“GroupMinThreshold”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。

4.类的合并：

ENVI:

Classification>>PostClassification>>CombineClasses：

将分过的类进行选择性的合并，可以合并为一类或几类。

5.类的叠合：

ENVI:

Classification>>PostClassification>>OverlayClass：

用一幅彩色合成影像或灰阶影像生成一幅影像地图，并且类的颜色叠置在一起，输出一幅3波段的RGB图像。

6.修改类的颜色：

Image:

Tools>>ColorMapping>>classcolormapping：

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。

此处可进行各类别的颜色、名称等修改。

（？

）

7.分类精度评价：

ENVI:

Classification>>PostClassification>>ConfusionMatrix：

通过分类结果图与地表真实感兴趣区（GroundTruthROIs）相比较来计算混淆矩阵。

评价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）和冗长误差（类左边的像元占的百分比）等等。

当用地表真实图像（GroundTruthImage）计算混淆矩阵时，还可以输出每类图像中没有被正确分类的那些像元。

7.制图输出

图形的整饰

1.图面大小（边界）设置Image:

overlay>>annotation

出现Annotation对话框---Option>>SetDisplayBorder---出现‘DisplayBorder’对话框，输入左（80）、右（180）、上（150）、下（120）的图像边框宽度，设置边框颜色（白）---‘OK’，滚动窗口（Scroll）出现带白色边框的图。

2.经纬网格线Image:

overlay>>Gridlines（经纬网和像元网）,若图像没有被配准到地图坐标，将不会显示出经纬网。

可以通过：

GridLineParameters:

Options>>…来设置网格线的属性及图像边界。

3.注记Image:

overlay>>annotatio