《ENVI》实验指导Word下载.docx
《《ENVI》实验指导Word下载.docx》由会员分享,可在线阅读,更多相关《《ENVI》实验指导Word下载.docx(24页珍藏版)》请在冰点文库上搜索。
![《ENVI》实验指导Word下载.docx](https://file1.bingdoc.com/fileroot1/2023-5/11/4252d297-d4d8-462b-aad2-91de25f69872/4252d297-d4d8-462b-aad2-91de25f698721.gif)
✧Map_proj:
影像的投影信息,文本格式,客户可以进行定制。
✧Menu:
ENVI菜单文件,可以进行中、英文菜单互换。
并不是所有的英文菜单都已经汉化,汉化工作我们正在做,以后会陆续推出。
✧Save:
应用IDL可视化语言编译好的、可执行的ENVI程序。
✧Save_add:
客户自主开发的、可执行程序。
✧Spec_lib:
波谱库,不同地区可以有不同的波谱库,用户可以自定义。
四、中文菜单和英文菜单的互换
1、文件互换
在RSI\IDL60\products\envi40\menu目录下,display.men、display_shortcut.men、envi.men三个文件是ENVI的菜单文件,可以将其(中文或英文)菜单文件备份后,将另外(英文或中文)菜单文件考入此目录下即可完成中文菜单和英文菜单的互换。
2、设置
主界面—File—SystemPreferences界面如下图设置:
菜单文件无论放在哪里,只要在UserDefinedFiles下依次进行引入,OK即可。
五、界面介绍和系统设置、菜单基本介绍
1、界面介绍:
2、系统设置:
File—SystePreferences。
3、菜单基本介绍:
a、主窗口菜单:
文件,基本工具,分类,转换,滤波,波谱分析,纠正,矢量,地形分析,雷达处理,窗口管理,帮助。
b、主影像窗口菜单:
文件,叠加,增强,工具,窗口。
六、打开全色、多光谱和假彩色影像
1、三个窗口的功能介绍
a.主图像窗口(Image):
显示全分辨率影像的一部分
b.滚动窗口(Scroll):
以二次抽样的分辨率显示大影像的一部分
c.缩放窗口(Zoom):
以用户自定义的缩放系数来显示主影像的一部分。
三个窗口的大小、位置和系统默认的缩放系数等在envi.cfg配置文件中进行设置和修改。
2、鼠标的功能:
3、放大、缩小和漫游:
4、三个窗口的位置关系:
5、交互式拉伸(InteractiveStretching):
1#窗口—enhance—InteractiveStretching。
6、象素定位器(pixellocator):
1#窗口—tools—pixellocator。
7、链接显示(linkdisplay):
1#窗口—tools—link—linkdisplay。
8、可用的波段列表(avalibalebandslist):
ENVI窗口—window—avalibalebandslist。
七、文件存储
1、窗口菜单界面下:
File—SaveFileAs,将影像按照需要的格式进行存储,没有拉伸;
2、主影像窗口:
File—SaveImagesAs,将影像按照需要的格式进行存储,存储的影像是经过2%线性拉伸之后的结果;
File—SaveZoomAs,将Zoom窗口显示的影像按照需要的格式进行存储;
3、其他窗口下的文件存储:
Map—Mosaicking下的镶嵌窗口下:
Apply;
SaveTemplate等;
Classification等功能下:
OutputResultto等。
实训一影像的裁剪
一、【实训目的】
1、掌握感兴趣区域(ROI)的基本操作。
2、掌握在ENVI中对影像裁剪的步骤和方法。
二、【实训内容】
1.感兴趣区域(ROI)的基本操作
2.使用建立掩模的方法进行影像的裁剪
三、【实训场所】
遥感实训基地
四、【主要实训备品与材料】
PC机(WindowsXP操作系统)、ENVI软件、甘肃TM和ETM+数据、《ENVI遥感影像处理实训》1#和2#光盘。
五、【操作步骤】
第一步:
选择主菜单中的BasicTools——>
Masking——>
BuildMask菜单。
建立Mask。
第二步:
在弹出的MaskDefinition窗口中选择要裁剪的窗口,如下图所示,可选择Display#1,或根据需要做出选择。
第三步:
在弹出的MaskDefinition窗口中,点击option菜单,选择依据何种原料建立Mask。
可以选择的选项有:
波段数据的值域、注记文件。
、ROI、ROI的交叉区域、EVF(ENVI默认矢量文件格式)和界面显示中的注记。
此处以EVF文件为例,如果想用其他形式建立Mask,需要首先建立感兴趣区、注记等。
EVF文件的获取,是在打开每种矢量格式的时候,ENVI会提示将这种矢量格式写成EVF文件,就可自动获取了。
注意:
当使用EVF文件文件建立Mask的时候,需要首先在建立Mask的窗口中,使用Overlay功能覆盖上需要的Evf文件。
第四步:
在弹出的MaskDefinitionInputEVF中,选择要用来建立Mask的矢量。
点击“OK”
第五步:
回到MaskDefiniton界面,选择Mask要输出的位置(输出为文件或内存)。
点击“Apply”,AvailableBandList窗口就出现了Mask的波段。
第六步:
ApplyMask菜单,。
应用Mask。
第七步:
在弹出的ApplyMaskInputFile设置参数。
首先在SelectInputFile栏中选择要裁剪的影像,之后点击SelectMaskBand选择刚才建立的Mask,之后点击“OK”就可完成裁剪。
如果想保留Mask之外的部分,需要在定义Mask的环节中在MaskDefinition窗口中的opiton菜单中选择SelectedAreas“off”选项。
其他过程不变。
六、【考核标准】
能够熟练地在ENVI软件下对影像按要求准确地进行感兴趣区域的选择、掩膜的建立和应用等操作,并熟练地完成感兴趣区域的裁剪;
优
介于优和合格之间
良
在ENVI软件下较熟练的对影像按要求准确地进行感兴趣区域的选择、掩膜的建立和应用等操作,并较好地完成感兴趣区域的裁剪;
合格
在ENVI软件下不会使用ROI工具进行感兴趣区域的选择、掩膜的建立和应用等操作;
不合格
实训二影像的融合
1、了解数据融合的处理方法。
2、掌握TM和SPOT数据手动融合及自动融合的基本操作。
1.TM和SPOT数据的手动融合。
2.TM和SPOT数据的自动融合。
1、自动融合:
如果影像没有地理坐标,需要对像元大小进行调节,影像进行重采样,融合的影像地理位置相同,行列数相同。
Transform->
ImageSharping->
HSV
HSV(hue,saturation,andvalue:
色调,饱和度,数值)
HLS(hue,Lightness,saturation:
色调,亮度,饱和度)
envidata\lontmsp\lon_sopt;
lnt_tm,2.8004;
2.8018:
TM影像的行列数为1007×
560;
SPOT影像的行列数为2820×
1569;
两影像的范围一致,像元需要调节的系数为2820/1007=2.8004;
1569/560=2.8018。
2、手动融合:
融合前需调整为分辨率一致,尺寸一致。
1)选择多光谱波段组合,调色,突出地物反差,存储;
2)高分辨率全色波段增强(滤波等),存储;
(本步骤可选)
3)多光谱影像和多分辨率全色波段需要调整为统一空间分辨率,且裁为尺寸大小一致;
(用BasicTools—>
ResizeData可实现空间重采样和取子区)
4)对多光谱影像进行彩色空间变换;
(Transform->
ColorTransforms->
RGBtoHSV(USGSMunsell))
5)将高分辨率全色波段与彩色空间变换后的V波段进行直方图匹配,并存为V波段的数据类型;
(本步比较关键,否则融合之后的结果较原始多光谱色调会有很大差异)
(1)分别将高分辨率全色波段和V波段的直方图打开(Image窗口:
Enhance->
InteractiveStretching)
(2)在高分辨率全色波段影像的直方图窗口中,选择Options->
HistogramParameters,分别将HistogramMin和HistogramMax的值改为V波段影像的对应值。
回车确认。
(3)在高分辨率全色波段影像的直方图窗口中,将Stretch_type选为Arbitrary,以便于用指定的直方图曲线来拉伸。
(4)用鼠标将V波段影像直方图的输入拖动至在高分辨率全色波段影像的直方图的输出窗口中,然后按“apply”应用。
(5)在高分辨率全色波段影像的直方图窗口中,选择File—>
ExportStretch,将“OutputDataType”改为“FloatingType”,然后给定文件名存储。
6)彩色空间变换的反变换。
HSVtoRGB(USGSMunsell)),用H、S和经过E步骤处理的高分辨率全色波段影像进行反变换即可。
能熟练地在ENVI中对融合数据进行一下操作:
A、能选择多光谱波段组合,调色,突出地物反差,存储;
B、对高分辨率全色波段增强(滤波等)处理;
C、能对多光谱影像和多分辨率全色波段需要调整为统一空间分辨率,且裁为尺寸大小一致;
D、对多光谱影像进行彩色空间变换;
E、可以将高分辨率全色波段与彩色空间变换后的V波段进行直方图匹配,并存为V波段的数据类型;
F、能熟练地彩色空间变换的反变换。
能在ENVI中对融合数据进行一下操作:
A、能对多光谱影像和多分辨率全色波段需要调整为统一空间分辨率,且裁为尺寸大小一致;
B、可以对多光谱影像进行彩色空间变换;
C、会进行彩色空间变换的反变换。
A、基本可以对多光谱影像和多分辨率全色波段需要调整为统一空间分辨率,且裁为尺寸大小一致;
B、不会对多光谱影像进行彩色空间变换;
C、不会进行彩色空间变换的反变换。
实训三影像的镶嵌
1、了解在影像的镶嵌中羽化、边缘羽化、切割线羽化和虚拟镶嵌的基本技能。
2、掌握在ENVI中基于像元的镶嵌和基于地理坐标的镶嵌。
1.使用ENVI进行影像基于像元的镶嵌。
2.使用ENVI进行影像基于地理坐标的镶嵌。
影像镶嵌包括:
将以像元为基础的图像或应用地理坐标系的图像镶嵌起来两种方式。
1、基于pixel:
将以像元为基础的图像镶嵌起来,Map—Mosaicking—PixelBased。
envidata\avmosaic\dv06_2.img,dv06_3.img
选择Map—Mosaicking—PixelBased,打开PixelBasedMosaic镶嵌界面。
Import—ImportFiles—选择要镶嵌的影像,定义镶嵌范围(行列号、影像拉框选择、地理坐标,引入其他文件范围等),键入镶嵌输出的维数(或尺寸),选择镶嵌所用的波段—OK。
选择或键入镶嵌尺寸的大小—OK。
调整、确定影像的相对位置。
分别选择影像—右键点击—EditEntry:
对背景值、羽化值、匀光等进行设置。
所有参数设置完成以后—File—SaveTemplate:
生成临时效果影像,方便检查、调整。
生成最终结果:
File—Apply—确定输出象素大小、重采样方式、输出路径及文件名、背景值等—OK。
2、基于地理坐标:
Map—Mosaicking—Georeferenced。
envidata\avmosaic\lch_olw.img;
lch_02w.img
选择Map—Mosaicking—Georeferenced,打开MapBasedMosaic镶嵌界面。
Import—ImportFiles—选择要镶嵌的影像,定义镶嵌范围(行列号、影像拉框选择、地理坐标,引入其他文件范围等),键入镶嵌输出的维数(或尺寸),选择镶嵌所用的波段。
3、折线、曲线等其他方式确定镶嵌影像范围:
主影像窗口—Overly—Annotation打开添加注记对话框—选择折线、曲线等线形;
画线:
选择在Images、Scoll或Zoom窗口进行画线,定义范围,注意选择线的粗细和颜色(画线注意:
一定要将线的头尾画到影像的边缘,左键开始,右键结束,右键确定);
添加标记:
Annotation:
Rectangle窗口—Object—Symbol—选择符号—更改颜色和大小—将标记加在不要的影像一边;
画好线、添加完标记以后,进行存储:
Rectangle窗口—File—SaveAnnotation—确定路径和文件名,保存为:
*.ann文件;
Import—ImportFiles—引入要镶嵌的影像;
分别选择影像—右键点击—EditEntry,CutlineFeathering—SelectCutlineAnnotationFile引入*.ann文件,给定Cutline羽化值,OK。
能在ENVI下对以像元为基础或以地理坐标为基础的影像熟练选择Map—Mosaicking—PixelBased,打开PixelBasedMosaic镶嵌界面:
定义镶嵌范围,键入镶嵌输出的尺寸,选择镶嵌所用的波段。
定义镶嵌范围,对背景值、羽化值、匀光等进行设置。
并成功地完成影像间的镶嵌。
能在ENVI下对以像元为基础或以地理坐标为基础的影像可以选择Map—Mosaicking—PixelBased,打开PixelBasedMosaic镶嵌界面:
完成后的镶嵌影像不是非常理想。
但不能完成影像间的镶嵌。
实训四影像的分类
1、掌握在ENVI中使用Isodata,K-mean法对影像进行非监督分类。
2、了解ENVI中平行六面体法、最短距离法、马氏距离法、最大似然法等监督分类的操作步骤。
3、掌握如何使用ENVI进行影像的决策树分类。
1.非监督分类
2.监督分类
3.决策树分类
4.分类后处理
主窗口—Classification:
监督分类,非监督分类,决策树分类。
1、监督分类:
按照分类以前自定义的样本进行分类。
1)样本选择:
主影像窗口—Tools—RegionOfInterest—ROITool调出感兴趣区工具窗口进行样本选择,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。
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。
3)引入影像—确定分类范围和波段—选择样本—给定阈值—确定存储路径和文件名—OK。
平行六面体法:
用一条简单的判定规则对多波谱数据进行分类。
判定边界在图像数据空间中,形成了一个N维平行六面体。
平行六面体的维数由来自每一种选择的分类的平均值的标准差的阈值确定。
如果像元值位于N个被分类波段的低阈值与高阈值之间,则它归属于这一类。
如果像元值落在多个类里,那么ENVI将这一像元归到最后一个匹配的类里。
没有落在平行六面体的任何一类里的区域被称为无类别的。
最短距离法:
用到每一个终端单元的均值矢量,计算每一个未知像元到每一类均值矢量的欧几里德距离。
所有像元都被归为最近的一类,除非限定了标准差和距离的极限(这时,会出现一些像元因不满足选择的标准,而成为“无类别”)。
马氏距离法:
是一个方向灵敏的距离分类器,分类时用到了统计。
它与最大似然分类有些类似,但是假定所有类的协方差相等,所以是一种较快的方法。
所有像元都被归到最临近的ROI类,除非用户限定了一个距离阈值(这时,如果一些像元不在阈值内,就会被划为无类别)。
最大似然法:
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。
样本提纯技术:
Spectral—nDimensionalVisualizerN维散度可视分析,是ENVI比较有特色的功能,可以使样本更加纯净,提高分类精度。
2、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。
1)Isodata(独立数据)非监督分类计算数据空间中均匀分布的类均值,然后用最小距离技术将剩余像元迭代聚集。
每次迭代重新计算均值,且用这一新的均值对像元进行再分类。
重复分类是分割、融合和删除基于输入的阈值参数的。
除非限定了标准差和距离的阈值(这时,如果一些像元不满足选择的标准,就无法参与分类),所有像元都被归到与其最临近的一类里。
这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已经到了迭代的最多次数。
IsoData法:
也称为迭代自组织数据分析算法。
它与K_Means算法有两点不同:
第一,它不是每调整一个样本的类别就重新计算一次各类样本的均值,前者称为逐个样本修正法,后者称为成批样本修正法;
第二,ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析,而且可以自动地进行类别的“合并”和分裂,从而得到类数比较合理的聚类结果。
2)K-Means(K均值)非监督分类计算数据空间上均匀分布的最初类均值,然后用最短距离技术重复地把像元聚集到最近的类里。
K_Means法:
其准则是使每一聚类中,多模式点到该类别的中心的距离的平方和最小。
其基本思想是,通过迭代,逐次移动各类的中心,直至得到最好的聚类结果为止。
3、决策树分类:
基于知识的分类,可以同时应用影像和DEM信息进行分类。
envidata\decision\bouldr_tm.dat;
boulder_dem.dat
{NDVI}ge0.3将植被和非植被区分开来;
{slope}lt20将坡上的植被和坡下的植被区分开来;
{aspect}lt20or{aspect}gt340将阴坡和阳坡区分开来;
b4lt20因为第四波段(b4)对水体比较敏感,所以应用b4,将非植被中的水体区分开来;
b1eq0由于边缘的值均为0,小于20,所以被分入水体类,应用b1,将边缘和水体区分开来。
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LandsatMSS、LandsatTM、SPOT数据,也可以输入其他数据类型的波段来使用。
1、能熟练地通过ENVI主菜单调出非监督分类选项列表,用统计方法对数据集中的像元进行分类;
2、能熟练地通过主影像窗口—Tools—RegionOfInterest—ROITool调出感兴趣区工具窗口进行样本选择、样本编辑,然后按照分类前自定义的样本选择分类方式进行监督分类;
3、能快速地打开决策分类器,然后在决策节点上进行决策条件表达式的键入和名称的编辑,同时应用影像和DEM信息进行分类。
2、可以通过主影像窗口—Tools—RegionOfInterest—ROITool调出感兴趣区工具窗口进行样本选择、样本编辑,但样本选择精度要求不够,另外,基本可以对选择样本进行监督分类;
3、能打开决策分类器,并在决策节点上进行简单的决策条件表达式的键入和名称的编辑。
1、能熟练地通过ENVI主菜单调出非监督分类选项列表,但不会用统计方法对数据集中的像元进行分类;
2、可以通过主影像窗口—Tools—RegionOfInterest—ROITool调出感兴趣区工具窗口,但不会进行样本选择、样本编辑及对选择样本进行监督分类;
3、能打开决策分类器,但不会在决策节点上进行简单的决策条件表达式的键入和名称的编辑。
实训五