envi林地草地耕地区别增强处理
ENVI的非监督分类
ENVI 的非监督分类非监督分类：也称为聚类分析或点群分类。
在多光谱图像中搜寻、定义其自然相似光谱集群的过程。
它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。
遥感影像的非监督分类一般包括以下6个步骤：图1 非监督分类操作流程1、影像分析大体上判断主要地物的类别数量。
一般监督分类设置分类数目比最终分类数量要多2‐3倍为宜，这样有助于提高分类精度。
本案例的数据源为ENVI 自带的Landsat tm5数据Can_tmr.img ，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。
确定在非监督分类中的类别数为15。
‐Mean2、分类器选择目前非监督分类器比较常用的是ISODATA、K‐Mean和链状方法。
ENVI包括了ISODATA和K‐Mean方法。
ISODATA（Iterative Self‐Orgnizing Data Analysize Technique）重复自组织数据分析技术，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进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像元进行再分类。
K‐Means使用了聚类分析方法，随机地查找聚类簇的聚类相似度相近，即中心位置，是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的，然后迭代地重新配置他们，完成分类过程。
3、影像分类打开ENVI，选择主菜单‐>Classification‐>Unsupervised‐>IsoData或者K‐Means。
这里选择IsoData，在选择文件时候，可以设置空间或者光谱裁剪区。
这里选择软件自带的Can_tmr.img，按默认设置，之后跳出参数设置，如图2。
这里主要设置类别数目（Number of Classes）为5‐15、迭代次数（Maximum Iteration）为10。
应用ENVI软件目视解译TM影像土地利用分类
应用ENVI软件目视解译TM影像土地利用分类一、本文概述随着遥感技术的不断发展，高分辨率卫星影像的获取与处理已经成为土地利用/覆盖分类研究的重要手段。
其中，TM（Thematic Mapper）影像，作为一种经典的中分辨率遥感数据源，具有广泛的应用前景。
然而，如何有效地从TM影像中提取土地利用信息，尤其是通过目视解译的方法，一直是遥感应用领域的研究热点。
本文旨在探讨利用ENVI软件对TM影像进行目视解译的方法，并对土地利用分类的过程进行详细阐述。
文章首先介绍了TM影像的特点及其在土地利用分类中的适用性，然后重点阐述了ENVI软件在目视解译过程中的优势和应用流程。
通过实例分析，本文展示了如何利用ENVI软件对TM影像进行预处理、特征提取、分类决策以及后处理，从而实现高精度的土地利用分类。
本文的研究不仅有助于提升TM影像在土地利用分类中的应用效果，同时也为其他遥感影像的目视解译提供了有益的参考。
通过本文的阐述，读者可以更好地理解ENVI软件在遥感影像处理中的重要作用，掌握土地利用分类的基本方法和技巧，为相关领域的实践和研究提供有力支持。
二、理论基础与技术方法土地利用分类是对地球表面土地利用类型进行划分和识别的过程，它是地理信息系统（GIS）和遥感（RS）技术的重要应用领域。
TM（Thematic Mapper）影像是由美国陆地卫星（Landsat）提供的多波段扫描影像，因其具有较高的空间分辨率和丰富的光谱信息，在土地利用分类中被广泛应用。
目视解译是一种基于专家知识和经验的影像解译方法，它通过人工观察和分析影像的纹理、色彩、形状等特征，结合地物的光谱特性，实现对地物类型的识别。
目视解译在土地利用分类中具有直观、准确和灵活等优点，尤其在处理复杂地物类型和细节信息时表现出色。
在ENVI软件中，目视解译可以充分利用其强大的图像处理和分析功能，如波段组合、色彩增强、空间滤波等，提高解译的精度和效率。
同时，ENVI软件还提供了丰富的地物分类工具和模型，如监督分类、非监督分类等，可以辅助用户进行自动化的土地利用分类。
ENVI土地利用变化处理与分析
2.
由于大气校正需要的格式必须为BIL或BIP，我们在辐射定标时输出格式为BIL，因此不需要再进行格式的转换。
3.
（1）图像基本信息准备：
图3.3 2015年影像参数（左）图3.4 2018年影像参数（右）
（2）图像平均高程的获取：在Toolbox中，搜索【Compute Statistics】
图5.6 数据透视表的制作
表5.7 2015-2018前后时相土地利用转移矩阵
前
时
相2015
后时相2018
单位(m²)
道路
耕地
建筑物
裸地
水体
植被
总计
道路
18044100
979200
17674200
223200
1251000
262800
38434500
耕地
380700
47520000
10932300
2206800
过程中遇到在大气校正时始终不能成功，我们在选择了LandSat8—OLI传感器之后，一些参数会自动添加，但是还有一部分需要手动添加，如时间，平均高程，影像的地区和大致类别，还有多光谱设置，都需要手动输入。ROI样本绘制时，绘制范围要小，样本尽可能的多一点且分散，最大似然法是基于像素分类的，这样我们才能保证影像精度，处理完成后会有许多的细碎图斑，我们也需要通过聚类的方式将其合并到临近像素中，使分类结果看起来更加平滑。
（6）新增建设用地的矢量结果图如图所示(红色代表新增建设用地)。
图5.8新增建设用地
六、结论与心得体会
此次作业进行的土地变化分析，是对我们遥感图像处理能力的一个综合考察，一方面要熟悉图像处理流程，另一方面我们要对流程中的细节要很熟悉。
ENVI遥感图像增强处理
任务五图像增强目录1.空间域增强处理 (1)1.1卷积滤波 (1)2.辐射增强处理 (2)2.1交互式直方图拉伸 (2)3.光谱增强处理 (4)3.1波段比的计算 (4)3.2色彩空间变换 (5)3.3NDVI计算 (6)4.傅里叶变换 (6)4.1快速傅里叶变换 (6)4.2定义FFT滤波器 (7)4.3反向FFT变换 (8)5.波段组合 (8)5.1RGB合成显示 (8)图像增强的主要目的是提高图像的目视效果，以便处理结果图像比原图像更适合于特定的应用要求，方便人工目视解译、图像分类中的样本选取等。
ENVI图像增强的内容主要包括：●空间域增强处理●辐射增强处理●光谱增强处理●傅里叶变换●波段组合1.空间域增强处理空间域增强处理是通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像。
1.1卷积滤波卷积滤波是通过消除特定的空间频率来增强图像。
它们的核心部分是卷积核，ENVI提供很多卷积核，包括高通滤波、低通滤波、拉普拉斯算子、方向滤波、高斯高通滤波、高斯低通滤波、中值滤波、Sobel、Roberts，还可以自定义卷积核。
使用数据：lena.jpg具体操作：通过尝试ENVI提供的各种图像增强算子，观察比较图像增强的效果。
（1）打开图像文件lena.jpg。
（2）在主菜单中，选择Filter→Convolutions and Morphology。
（3）在Convolutions and Morphology Tool中，选择Convolutions→滤波类型。
（4）不同的滤波类型对应不同的参数，主要包括三项参数：●Kernel Size（卷积核的大小）卷积核的大小，以奇数来表示，如3×3、5×5等，有些卷积核不能改变大小，包括Sobel和Roberts。
●Image Add Back（输入加回值）将原始图像中的一部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。
ENVI实验三-四
实验三波段组合计算及图像增强在本专题中，以ETM数据为对象，介绍在图像处理过程中的波段组合方式，波段之间的运算方式，数据的拉伸及增强处理过程。
（1）打开影像1选择file →open image file，打开can_tmr.img，点击打开，影像就出现在可用波段例表中。
2 在可用波段列表中，点击RGB Color，选择R（4）G（5）B（3）三个波段来进行波段显示。
3 点击Load RGB，一幅假彩色图像就显示在影像窗口中。
（2）波段组合1 在显示的影像中，只用了can_tmr.img文件的三个波段，而文件有6个波段，在这里，可以尝试从6个波段当中，选取3个波段来组合，并比较不同波段组合之间的图像显示效果。
2 在可用波段列表中，点击RGB Color，选择R（7）G（4）B（1）三个波段来进行波段显示。
3 在可用波段列表中，点击Display＃1，在下拉菜单中，选择New display，点击Load RGB，一幅真彩色图像就显示在影像窗口中。
【截图一张，】4 动态链接比较前后两幅影像的效果，在主影像窗口中，选择tools →link →link displays，在link displays对话框中，点击ok，两幅影像就链接起来了。
5 在可用波段列表中，选择其余的波段组合方式，并加以比较。
（2）波段运算Band math功能为用户提供了一个灵活的图像处理工具，在Band math对话框中，可以实现不同波段之间的加减乘除等运算。
在这里还是为对象进行波段运算。
1在主菜单栏中，选择Basic Tools →Band math。
将出现band math对话框。
图6.2 Band math对话框3 在enter an expression的文本框中，输入需要进行波段计算的IDL （Interactive Data Language）表达式，使用变量代替波段名或文件名，变量名必须以字符“b”或“B”开头，后面跟着5个以内的数字字符。
ENVI遥感图像处理-农业耕作变化监测
✓ 绿植耕地 ✓ 留茬耕地 ✓ 休耕地/裸地 ✓ 水体 ✓ 居民用地
３、农业耕作用地变化信息提取
健康变化信息提取
这个步骤是从第二个步骤中得到的两个时相图像的分类结果进行对比，得 到变化信息
在 Toolbox 工 具 箱 中 ， 双 击 Change Detection/Thematic Change Workflow工具。
处理流程
农业耕作用地的分类可以选择基于 样本的面向对象分类方法或者监督 分类方法。
农业耕作 用地分类
分类后比 较
耕作变化 信息
结果统计
2、农业耕作用地的分类
农业耕作用地的分类
这一步是通过监督分类方法从分别从两个时相图像上提取耕作信息。
绘制耕作区域，作为掩膜文件。 在Toolbox工具箱中，双击Classification/Classification
专题：农业耕作变化监测
1、专题背景
专题概述
本实例是以2008年和2009年获得的Landsat TM数据为数据 源，获得两个时期农业耕作类型。
图像覆盖区域的土地类型主要包括水体、沙漠、耕地、城市区 域等。
整个过程包括Landsat TM农业耕作用地分类和农业耕作信息 变化提取两部分，变化检测采用分类后比较方法。
envi土地覆盖分类方法
envi土地覆盖分类方法嘿，咱今天就来说说 envi 土地覆盖分类方法。
你知道吗，这就像是给大地的各种“外衣”贴标签呢！想象一下，大地就像一个巨大的舞台，上面有着各种各样的“角色”，也就是不同的土地覆盖类型。
而 envi 土地覆盖分类方法呢，就是我们用来分辨这些“角色”的神奇工具。
它就像是一个超级侦探，能从复杂的表象中找出关键线索。
比如说，森林是一片郁郁葱葱的绿色，那它就是一个独特的“角色”；草原呢，是那一望无际的平坦绿地；而城市则是高楼大厦林立、道路纵横交错的景象。
我们通过 envi 土地覆盖分类方法，可以把这些不同的景象准确地区分开来。
这可不是一件简单的事儿啊！就好像你要在一群穿着相似衣服的人当中，准确地找出你的朋友一样。
这种方法为啥这么重要呢？那可关系大了去了！它能帮助我们更好地了解土地的利用情况，知道哪里是森林，哪里是农田，哪里是城市扩张的区域。
这对于环境保护、资源管理、城市规划等等，那可都是至关重要的呀！比如说，我们知道了森林的分布，就能更好地保护它们，让那些可爱的小动物们有个安稳的家呀！要是不知道，稀里糊涂地就把森林给破坏了，那得多糟糕呀！而且呀，这 envi 土地覆盖分类方法还在不断发展和进步呢！就像我们人一样，要不断学习新知识，变得更厉害。
它的精度越来越高，能分辨的类型也越来越多。
咱再想想，要是没有这个方法，那我们对大地的了解不就像盲人摸象一样，只知道个局部，不知道整体是啥样儿吗？那可不行呀！所以说呀，envi 土地覆盖分类方法可真是个宝贝！它让我们能更清楚地看到大地的“真面目”，为我们保护地球、合理利用资源提供了有力的支持。
咱可得好好珍惜和利用这个神奇的方法，让我们的大地变得更加美丽和宜居呀！这就是我对 envi 土地覆盖分类方法的看法，你觉得呢？。
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林地草地耕地区别增强处理
envi 遥感图像中林地草地耕地区别增强处理，该处理可以提取出森林和草地中具有识别特征值的线状或点状物体，而且这些目标之间还存在着明显的差异。
因此，我们就需要对其进行一定的归类。
归类后的数据可用于判读、制图等方面，并为研究区域环境的变化情况提供依据。
新型的高光谱遥感图像能有效地反映森林植被在不同生长阶段，尤其是植被生长发育成熟期的色彩信息，能够较好地反映植被类型及其组成，对于区分相似但又不同种类的植被非常有利；由于遥感图像是二维的，不便于人工检查和精确计算，因此需要借助地面调查资料进行综合分析与判断，从而更准确地把握植被类型、种类和结构特征。
遥感技术作为一门综合性很强的学科，应用范围十分广泛，随着航空遥感、卫星遥感和地面观测的快速发展，遥感已经渗透到了国民经济建设和社会发展的各个领域，遥感技术正日益深入到农业、林业、水利、土地管理、环境保护、海洋开发、军事侦察、考古探险、灾害监测预报、气象预报等许多领域。
遥感影像中常见的分类标志是波段的多少，它们往往表示不同的时间分辨率，如：多波段图像，多波段的空间分辨率越大，则说明遥感器获得的图像信息量越丰富。
从遥感原理来看，遥感具有三个基本特征：即遥感平台运动、传感器固定和遥感信息的空间分布。
所谓“遥感”，就是指通过遥远的太阳辐射电磁波，接收地球上物质的红外辐射、可见光辐射、紫外辐射和 X 射线辐射，然后将它转换成电信号，
再按照一定的规律，把这些电信号记录下来，最终形成图像。