envi遥感图像处理之分类
遥感影像处理知识
1.几何校正：几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，同时也是将图像投影到平面上，使其符合地图投影系统的过程。
2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。
3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。
常用方法是按照行政区划边界或自然区划边界进行图像裁剪。
在基础数据生产中，还经常要进行标准分幅裁剪。
按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。
4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。
5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。
6.面向对象图像分类技术：是集合邻近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。
7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
8.立体像对：从两个不同位置对同一地区所摄取的一对相片。
9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。
10.高光谱分辨率遥感：是用很窄而连续的波谱通道对地物持续遥感成像的技术。
在可见光到短波红外波段，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。
11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。
12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。
ENVI遥感图像处理-基于crost方法遥感蚀变信息提取
专题概述
本专题详细介绍了利用经典的crost方法基于TM数据进行矿物 蚀变信息的提取流程。专题涉及图像预处理、PCA分析、选择 有效成分、异常切割、蚀变信息处理等步骤。
使用模块和工具：
✓ ENVI主模块 ✓ 大气校正扩展模块中的大气校正工具（FLAASH）
专题：基于Crosta方法的遥感矿 物蚀变信息提取
1、专题背景
专题背景
蚀变围岩是一种重要的找矿标志。利 用围岩蚀变现象作为找矿标志已有数 百年历史，发现的大型金属、非金属 矿床更是不胜枚举：北美、俄罗斯的 大部分斑岩铜矿、我国的铜官山铜矿、 犹他州的大铝矿、西澳大利亚的大型 金矿、墨西哥的大铂矿、美国许多白 钨矿、世界大多数锡矿、哈萨克斯坦 的刚玉矿等，都属于以围岩蚀变作为 找矿标志发现的矿床。
4、验证与制图输出
验证与制图输出
利用密度分割工具，进行异常信息分级 输出成分类结果
专题总结
本专题详细介绍了利用经典的crost方法基于TM数据进行矿物 蚀变信息的提取流程。专题涉及图像预处理、PCA分析、选择 有效成分、异常切割、蚀变信息处理等步骤。
掌握知识：
✓ 基于crost方法的完整蚀变信息提取处理 ✓ Flaash大气校正方法 ✓ 主成分分析 ✓ Bandmath工具 ✓ 一个完整的遥感工程ENVI下实现
流程说明
异常切割：
✓ 根据统计信息进行异常等级的划分。
异常验证：
✓ 根据已知的蚀变带信息进行异常验证。
制图输出：
✓ 异常结果输题：基于crost方法遥感蚀变信息提取”
精度验证、 制图输出
数据预 处理
蚀变信息提取
2、图像预处理
envi马氏距离分类
envi马氏距离分类
envi马氏距离分类是指在遥感数据分类中，利用马氏距离作为判别标准进行分类的方法。
环境映射指标（Environmental Mapping Indices，EMIs）是一种用来描述遥感图像类别间差异的指标。
将EMIs应用于马氏距离分类中，可以有效地区分不
同类别之间的差异，从而实现遥感图像的分类。
具体而言，马氏距离是一种用来衡量样本之间的相似性的指标，它考虑了各个变量之间的相关性。
在马氏距离分类中，首先需要计算每个样本点与各个类别均值之间的马氏距离，然后将样本分配到与其马氏距离最小的类别中。
对遥感数据进行马氏距离分类时，需要借助于环境映射指标进行特征提取。
环境映射指标是根据遥感图像数据的光谱、空间和时相特征等信息计算得到的，用来描述地物类别间的差异。
这些指标可以通过特定的算法和模型来计算，例如利用主成分分析（PCA）等方法。
通过将环境映射指标与马氏距离相结合，可以获得更准确的遥感图像分类结果。
这种方法可以有效地解决遥感图像分类中存在的样本重叠、类别不平衡等问题，提高分类的精度和鲁棒性。
总之，envi马氏距离分类是一种利用环境映射指标和马氏距离相结合的遥感图像分类方法，可以提高分类的准确性和鲁棒性，广泛应用于遥感图像分类和地物识别等领域。
envi 固定阈值法分类
envi 固定阈值法分类Envi固定阈值法分类Envi是一种遥感图像处理软件，固定阈值法（Fixed Thresholding）是其一种常用的分类方法。
下面是对Envi固定阈值法分类的相关分类及说明。
1. 简介固定阈值法是一种基于像元灰度值的分类方法，通过设置特定的阈值来将图像中的像元分为不同的类别。
Envi固定阈值法分类简单易懂，操作方便，并且可以快速实现像元的分类，适用于一些像元灰度明显不同的图像。
2. 分类方法以下是Envi固定阈值法分类的几种常见方法：单阈值法单阈值法是最基本的固定阈值分类方法，通过设置一个固定的阈值，将图像中像元的灰度值与该阈值进行比较，根据结果将像元分为两类：大于等于阈值的为一类，小于阈值的为另一类。
单阈值法简单快速，但只适用于像元灰度分布方式明显的图像。
多阈值法在单阈值法的基础上进行了扩展，通过设置多个阈值将图像中的像元分为多个类别。
多阈值法更加灵活，可以处理像元灰度分布方式较为复杂的图像，但需要根据实际图像的特点合理设置阈值。
自适应阈值法自适应阈值法是根据图像像元的局部灰度分布来确定阈值的方法。
它会根据像元周围的灰度值动态地调整阈值，以适应不同区域的灰度分布变化。
自适应阈值法适用于灰度分布较为均匀的图像，可以提高分类的准确性。
基于统计的阈值法基于统计的阈值法通过计算图像像元的灰度均值、方差等统计量来确定阈值。
常见的方法包括Otsu法、最大类间方差法等。
这些方法会根据统计结果选择最优的阈值，适用于像元灰度分布方式不明显的图像。
基于直方图的阈值法基于直方图的阈值法通过分析图像的直方图来确定阈值。
可以利用直方图的特征，如峰值、变差等进行阈值的选择。
基于直方图的阈值法可以充分利用图像的全局信息，适用于像元灰度分布不规则的图像。
Envi固定阈值法分类提供了多种方法来处理不同类型的遥感图像。
选择合适的分类方法需要根据具体图像的特点进行分析，并选取最适合的阈值法。
固定阈值法是一种快速简单的分类方法，但对于灰度分布不明显或复杂的图像，需要使用其他更加灵活的分类方法来提高分类准确性。
envi图像处理基本操作
envi图像处理基本操作使用ENVI进行图像处理主要介绍利用envi进行图像处理的基本操作，主要分为图像合成、图像裁减、图像校正、图像镶嵌、图像融合、图像增强。
分辨率：空间分辨率、波谱分辨率、时间分辨率、辐射分辨率。
咱们平时所说的分辨率是指？怎么理解？1、图像合成对于多光谱影像，当我们要得到彩色影像时，需要进行图像合成，产生一个与自然界颜色一致的真彩色（假彩色）图像。
对于不同类型的影像需要不同的波段进行合成，如中巴CCD影像共5个波段，一般选择2、4、3进行合成。
（为什么不选择其他波段？重影/不是真彩色）。
SOPT5影像共7个波段，一般选择7、4、3三个波段。
操作过程以中巴资源卫星影像为例中巴资源卫星影像共有五个波段，选择2、4、3三个波段对R、G、B 赋值进行赋值。
在ENVI中的操作如下：（1）fileopenimagefile打开2、3、4三个波段，选择RGB，分别将2、4、3赋予RGB。
（2）在#1窗口file---〉aveimagea-imagefile。
（3）在主菜单中将合成的文件存为tiff格式（file-avefilea-tiff/geotiff）即可得到我们需要的彩色图像。
2、图像裁减有时如果处理较大的图像比较困难，需要我们进行裁减，以方便处理。
如在上海出差时使用的P6、SOPT5，图幅太大不能直接校正需要裁减。
裁减图像，首先制作AOI文件再根据AOI进行裁减。
一般分为两种：指定范围裁减、不指定范围裁减。
不指定范围裁减在ENVI中的操作如下：（1）首先将感兴趣区存为AOI文件fileopenimagefile打开原图像选择IMAGE窗口菜单overlayregionofintereting选择划定感兴趣区的窗口如croll，从ROI_Type菜单选择ROI的类型如Rectangle，在窗口中选出需要选择的区域。
在ROI窗口fileSaveROI将感兴趣区存为ROI文件。
（2）裁减：在菜单BaicToolSubetDataviaROI，在选择窗口electtheinputfile选择需要裁减的原始图象，RetoreROI选择ROI。
ENVI基础操作(全)
ENVI基础操作（全）ENVI是一种专业的遥感数据分析和图像处理软件，它广泛应用于地理信息系统（GIS）和遥感领域。
以下是ENVI的基础操作指南，包括数据加载、图像增强、分类和制图等功能。
1.数据加载：- 打开ENVI软件后，通过菜单栏中的 "File" -> "Open" 来加载遥感数据。
-可以选择加载多种类型的数据，包括图像文件、数据集文件、栅格数据等。
-ENVI还支持加载多波段数据和多时相数据，方便进行多光谱分析和时间序列分析。
2.图像增强：-ENVI提供了多种图像增强算法，可以改善图像的对比度、亮度和清晰度。
- 通过菜单栏中的 "Basic Tools" -> "Display" 可以调整图像的亮度、对比度和伪彩色显示。
- 通过菜单栏中的 "Basic Tools" -> "Spatial Filter" 可以应用空间滤波算法，如平滑、锐化和边缘增强等。
-ENVI还支持直方图均衡化、波段拉伸、多尺度分析等高级图像增强方法。
3.数据分析：-ENVI提供了多种数据分析算法，包括统计分析、光谱分析和变化检测等。
- 通过菜单栏中的 "Basic Tools" -> "Statistics" 可以计算图像的统计信息，如均值、最大值、最小值和标准差等。
- 通过菜单栏中的 "Basic Tools" -> "Spectral" 可以进行光谱分析，如图像分类、聚类分析和主成分分析等。
-ENVI还支持变化检测算法，可以对多时相数据进行像元级变化检测和物体级变化检测。
4.数据分类：-ENVI提供了多种数据分类算法，包括监督分类和非监督分类等。
- 通过菜单栏中的 "Supervised Classification" 可以进行监督分类，需要提供训练样本和分类器。
(完整word版)ENVI遥感图像处理方法
《ENVI遥感图像处理方法》科学出版社2010年6月正式出版上一篇/ 下一篇 2010-05-26 15:02:30 / 个人分类：ENVI查看( 643 ) / 评论( 5 ) / 评分( 0 / 0 )从上个世纪六十年代E．L．Pruitt提出“遥感”这个词至今，遥感已经成为人类提供了从多维和宏观角度去认识宇宙世界的新方法与新手段。
目前，遥感影像日渐成为一种非常可靠、不可替代的空间数据源。
ENVI (The Environment for Visualizing Images)是由遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。
ENVI以其强大的图像处理功能，尤其是与ArcGIS 一体化集成，使得众多的影像分析师和科学家选择ENVI来处理遥感图像和获得图像中的信息，从而全面提升了影像的价值。
ENVI已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等众多领域。
与此形成鲜明对比的是，目前关于ENVI 的中文教程非常少，给广大用户学习软件和应用软件带来诸多不便。
针对上述情况，在ESRI中国（北京）有限公司的大力支持下，根据多年遥感应用研究和软件操作经验，历时一年半编著完成本书。
全书按照遥感图像处理流程由浅到深逐步引导读者掌握ENVI软件操作。
各个章节相对独立，读者可视个人情况进行选择阅读。
全书分为17章，第1、2、3章介绍了ENVI软件的基础知识，可作为ENVI软件入门，也可作为参考内容；第4、5、6、7、8章介绍了遥感图像处理一般流程，包括图像几何校正、图像融合、图像镶嵌、图像裁剪、图像增强等预处理，图像分类、矢量处理、制图和三维可视化等图像基本处理，这5章又可独立阅读；第9、10、11、12章为专业操作，包括正射校正、面向对象图形特征提取、地形分析、遥感动态监测；第13、14章是光谱分析和高光谱处理方面的内容，包括辐射定标与大气校正、高光谱与光谱分析技术；第15章介绍了ENVI非常灵活的波段运算和波谱运算；第16章介绍了ENVI基本的雷达图像处理功能；第17章介绍了ENVI的二次开发功能。
ENVI中几种监督分类方法精度比较
ENVI中几种监督分类方法精度比较遥感图像的监督分类常用方法目前可以分为：平行六面体法，马氏距离法，最大似然法，神经网络法以及支持向量机法等。
文章将就以上所述的五种常用的监督分类方法在ENVI中分别对汶川县威州镇同一Landsat8 OLI数据进行土地覆盖与利用状况分类.比较各种方法的分类精度，并对之所产生的差异的原因进行浅析，进而对实际的生产以及应用做出借鉴。
标签：监督分类；平行六面体；神经网络；支持向量机；分类精度Abstract：The common methods of supervised classification of remote sensing images can be divided into：parallelepiped classifier method，Mahalanobis distance method，maximum likelihood method，neural network method and support vector machine method. In this paper，the land cover and utilization of the same Landsat8 OLI data in Weizhou Town，Wenchuan County are classified by the five common supervised classification methods mentioned above in ENVI. Comparing the classification accuracy of various methods，we made an analysis of the causes of the differences，and then identify their actual production and application.Keywords：supervised classification；parallelepiped；neural network；support vector machine；classification accuracy1 概述遥感图像的分类主要是利用计算机将遥感图像中的光谱和空间信息进行分析，提出不同地物之间的特征及边界，并利用一定的算法的各个像元划归到互不重叠的各个子空间之中。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ENVI遥感图像处理之计算机分类
一、非监督分类
１、K—均值分类算法
步骤:1）打开待分类得遥感影像数据
２)依次打开：EＮVI主菜单栏—〉Cｌaｓsifiｃatiｏn—>Unsuperｖｉsed—>K—Means即进入K均值分类数据文件选择对话框
3）选择待分类得数据文件
4)
选好数据以后，点击OK键，进入K-Means参数设置对话框，进行有关参数得设置，包括分类得类数、分类终止得条件、类均值左右允许误差、最大距离误差以及文件得输出等参数得设置
5）建立光谱类与地物类之间得联系：在新窗口中显示分类结果图：
然后，打开显示窗口菜单栏Tools菜单—＞Color Maｐpｉng—〉Ｃlass ＣolｏｒMａppｉｎg…进入分类结果得属性设置对话框，在这里,可以进行类别得名称，显示得颜色等，建立了光谱类与地物类之间得联系。
设置完成以后，点击菜单栏Opｔiｏnｓ-〉Saｖe Chang ｅs 即完成光谱类与地物类联系得确立
6)
类得合并问题：如果分出得类中，有一些需要进行合并，可按以下步骤进行:选择ENＶI主菜单Classfaction-〉Post Clａｓsｆictｉon—>biｎe Classｅs，进入待
合并分类结果数据得选择对话框
点击OＫ键,进入合并参数设置
对话框，在左边选择要合并得
类，在右边选择合并后得类,点击
Add bination键即完成一组合
并得设置，如此反复，对其她需
合并得类进行此项操作，点击
OK，出现输出文件对话框,选择
输出方式，即完成了类得合并得
操作.
至此,K—均值分类得方法结束。
2、
ISODAＴA算法
基本操作与K—均值分类相似。
1）进行分类数据文件得选择(依次打开:EＮVI主菜单栏—＞Cl
ａｓsifｉｃation—>Unsupeｒｖised—＞IsoＤaｔa即进入
ISODATA算法分类数据文件选择对话框，选择待分类得数据
文件）
2）进行分类得相关参数得设置(点击ＯK键以后，进入参数设置
对
话
框
，
可
以
进行分类得最大最小类数、
迭代次数等参数得设置）
3）如此，光谱类得划分到此结
束。
4）参瞧K—均值分类得第5-6步，进行光谱类与地物类联系得建立以及类得合并等操作至此，使用IＳＯＤＡTA算法进行分类完成。
二、监督分类
本实验说明以最大似然法为例,进行监督分类得讲解说明。
步骤:1)打开待分类得遥感影像数据文件２)进行训练样本得选取:在窗口中打开一张影像,选择主窗口菜单栏Ｔoolｓ键—〉RegioｎOf Inｔerｅst—〉ROI Toｏls…(或就是在主窗口上单击右键，在弹出得快捷菜单栏中选择ROI To
ｏls…）进入训练样本选取对话框。
3）进行训练样本得选取，NewＲeｇioｎ可以建立新得样本区，在RＯI Na ｍe栏中双击，键入类得地物名，在Colｏｒ栏中双击，可以输入类得颜色，ROI_Type 菜单下可以进行样本类型得设置，在主窗口按鼠标左键即可进行样本区选择，以双击右键结束样本区得选取。
选取完毕以后，选择File菜单—>Ｓａve RＯＩｓ，对数据进行保存。
4)进行最大似然法得分类：在EＮVＩ主菜单栏中Ｃlassｆicatioｎ—>Supeｒｖiｓｅｄ—>MａximｕｍLikｅlihood，进入分类文件得选取对话框，选择相应得待分类文件。
然后进入训练样本选取对话框，进行训练样本得选取及分类结果得存储等方面得设置。
５)单击ＯK键,即开始进行分类。
6）参瞧K—均值分类得第５-6步，进行类得相关设置及类得合并等操作
至此,使用最大似然法进行分类完成。
监督分类得方法还有:1)平行六面体法2）最小距离法3)最大似然法4)波谱角法５)马氏距离法6)二值编码法7）神经网络法等分类得方法,基本得操作都就是进行样本得训练与分类得相关设置，在这里就不再赘述了。
三、两类分类方法得比较
这里使用Ｋ—均值分类法与最大似然法进行了分类比较
从总体
上瞧，两
种分类
得方法
存在较
大得差
异,这就
是由于
两种分
类在相
关参数
得选取时都存在较大得主观性，在Ｋ-均值分类得算法中,类数得选取对结果有显著影响,在最大似然法分类中，样本选取得数量，样本得质量以及样本得代表性等对分类得结果都会产生很大得影响，这就需要进行相关参数得调节，来使得分类效果达到最佳。