envi教程
ENVI遥感图像处理实验教程 实验三 几何校正(影像、地形图)ok
实验三 ENVI影像的几何校正本专题旨在介绍如何在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的几何校正。
遥感图像的几何纠正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。
一般常见的几何纠正有从影像到地图的纠正，以及从影像到影像的纠正，后者也称为影像的配准。
遥感影像中需要改正的几何形变主要来自相机系统误差、地形起伏、地球曲率以及大气折射等。
几何纠正包括两个核心环节：一是像素坐标的变换，即将影像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。
本实验将针对不同的数据源和辅助数据，提供以下几种校正方法：Image to Map几何校正：通过地面控制点对遥感图像几何进行平面化的过程，控制点可以是键盘输入、从矢量文件中获取。
地形图校正就采取这种方法。
Image to image几何校正：以一副已经经过几何校正的栅格影像作为基准图，通过从两幅图像上选择同名点（GCP）来配准另一幅栅格影像，使相同地物出现在校正后的图像相同位置。
大多数几何校正都是利用此方法完成的。
Image to image自动图像配准：根据像元灰度值自动寻找两幅图像上的同名点，根据同名点完成两幅图像的配准过程。
当同一地区的两幅图像由于各自校正误差的影像，使得图上的相同地物不重叠时，可利用此方法进行调整1. 地形图的几何校正（1）打开并显示地形图从ENVI主菜单中，选择file →open image file，打开3-几何校正\地形图\G-48-34-a.JPG。
（2）定义坐标从ENVI主菜单栏中，选择Map →Registration →Select GCPs：Image to map。
在image to Map Registration对话框中，点击并选择New,定义一个坐标系从ENVI主菜单栏中，选择Map →Registration →Select GCPs: Image to Map。
《ENVI培训教程》课件
结果：通过对森林资源遥感监测，可以及时发现森林资源变化情况，为森林保护 和管理提供科学依据。
案例背景：某地区水资源短缺，需要监测水资源分布情况 应用ENVI软件：利用遥感技术，获取水资源分布数据 数据处理：对遥感数据进行预处理，包括几何校正、辐射校正等
分析结果：通过ENVI软件分析，得到水资源分布图，为水资源管理提供依据
汇报人：
2007年，ENVI软件被美 国Exelis公司收购
2015年，ENVI软件被美 国Harris公司收购
2019年，ENVI软件被美 国Maxar公司收购
2020年，ENVI软件被美 国Maxar公司收购
遥感数据处理：提供多种遥 感数据处理工具，如图像增 强、几何校正等
地理信息系统集成：支持与 GIS软件的集成，实现遥感数 据的空间分析
PART THREE
数据获取：从卫星、飞机等获取遥感图像 数据预处理：对图像进行几何校正、辐射校正等 数据分类：根据图像特征进行分类，如土地利用、植被覆盖等 数据分析：对分类结果进行分析，提取有用信息 数据可视化：将分析结果以图表、地图等形式展示 数据应用：将分析结果应用于实际领域，如环境监测、城市规划等
数据处理：ENVI数据处理能力强， ArcGIS数据处理能力较弱
添加标题
添加标题
操作界面：ENVI界面简洁， ArcGIS界面复杂，功能强大
添加标题
添加标题
应用领域：ENVI广泛应用于遥感 数据处理，ArcGIS广泛应用于地 理信息系统管理
功能对比：ENVI专注于遥感数据 处理，IDL则更侧重于科学计算和 数据分析
,
ENVI教程实例
ENVI教程实例ENVI（Environment for Visualizing Images）是一款用于遥感图像处理和分析的软件。
它提供了一套强大的工具和功能，可以帮助用户处理、分析和可视化遥感图像数据，以获取地理和环境信息。
在本教程中，我们将介绍ENVI的一些常用功能，并通过一个实例来展示其用法。
在ENVI中，首先要导入要处理的遥感图像数据。
用户可以从本地文件或通过网络加载图像数据。
一旦图像数据被导入，用户就可以使用ENVI的工具对其进行处理。
例如，我们可以使用ENVI的分类工具对图像中的特定类型进行分类。
为了演示这一点，我们选择了一张包含陆地和水体的遥感图像。
首先，我们可以使用ENVI的图像增强功能来改善图像的质量和可视化效果。
通过增加对比度、调整亮度等参数，我们可以使图像更清晰、更易于理解。
ENVI还提供了一系列的过滤器和平滑化工具，可以帮助减少图像中的噪点和杂质。
完成分类后，我们可以使用ENVI的空间分析工具来进行进一步的分析。
例如，我们可以计算图像中陆地和水体的面积，以及它们在整个图像中的分布情况。
ENVI还提供了强大的变化检测功能，可以用于监测和分析图像中的变化。
这对于监测土地利用、水体变化等方面非常有用。
最后，我们可以使用ENVI的数据可视化功能来展示和分享我们的分析结果。
ENVI支持将图像导出为各种格式，如JPEG、TIFF等，以便用于印刷、网站等媒体上。
此外，ENVI还支持生成交互式地图和报告，以便用户更直观地理解和展示分析结果。
遥感软件ENVI使用方法
实验报告一、实验内容：1.遥感影像读入与裁剪；2.遥感影像融合；3.遥感影像非监督分类；4.分类结果转成矢量（shapefile）二、实验内容实验一1. 将实验所需数据复制到新建的C盘test 文件2. 打开ENVI Classi—c —file——preferences修改前三个选项，都改为C盘test3 点击file——open image file——enter data filenames 选中这九个图像文件4.弹出对话框并选B50——loadband，出图5 返回菜单，点击basic tools——layer stacking——import file 选中B10—B706.点击spatial subset——Image，框选一个范围，并修改下面两个数字7.逐步点击ok，到layer stacking parameters——reorder files 进行从小到大排序8.点击ok，选中chose——test 将文件命名为stack_b1-6162-7.img9.点击RGB Colo，r 如图依次选择B50，B40，B3010.点击display——New Display——load RGB，出图11.回到主菜单，点选Transform——Image Sharpening——HSV——display212. 在主菜单上点击Basic Tools ——rezise Data ——点选B80进行如下操作13. 将文件保存为b8.img14. 在RGB Color 进行B50，B40，B30排序15. 产生display3 ，出图16. 点击Transform ——Image sharpening ——HSV，选择display217. 依次确定后跳出如下对话框，将图片命名为hsv_543.img 保存18. 完成后生成新的display219. 图片点右键——Geographic Link 全部点选on20. 实验一结束，关闭所有图片实验二1．在主菜单点击Classification ——Unsupervised ——ISODATA，选择stack_b1-6162-7.img2. 弹出如下对话框，第三个数字改为5，保存文件名为iso.img3. 生成新的display4．点击主菜单上Classification ——post Classification ——Majority\Minority analysis ，如图选择iso.img,5. 弹出如下对话框之后，点选所有class ，将kernel size 数值调为76. 将文件保存，并命名为iso_maj77.img7. 生成新的display8. 在图片上单击右键——Geographic Link 全部点选on9. 继续在主菜单点击Classification ——post Classification ——Classification to vector ，选择iso_maj77.img10. 选择所有class ，output 一栏选择single layer ，保存文件，命名为iso_maj77toevf.evf11.计算机进行分析，分析完成后出现如下对话框12.选择RTV，对弹出对话框进行如下选择13. 在生成图片的菜单上选择file ——export active layer to shapefile ，选择命名为iso_maj77toshp.shp 保存。
[课件]ENVI培训教程PPT
![[课件]ENVI培训教程PPT](https://img.taocdn.com/s3/m/ff367007ccbff121dd3683b1.png)
高光谱分析
• 像元纯净指数(PPI) 纯净像元指数是一种在多波谱和高光谱影像中寻找波 谱最纯净的像元的方法。通过，波谱最纯净的像元与 混合的端元相对应。像元纯净指数通过迭代将N维散点 图映射为一个随机单位向量来计算。每次映射的纯净 像元被记录下来，并且每个像元被标记为纯净像元的 总次数也将被记录下来。这将生成一幅像元纯净影像 PPI，在该影像上，每个像元的DN值与像元被标记为 纯净像元的次数相对应。
基于影像自带几何信息的地理坐标定位
• 构建GLT（几何查找表） 几何信息查找表文件包含了行和列的对应信息，这样就 将输出影像中的每一个像素同输入影像联系起来。如 果GLT值是正值，那么就会进行精确的像素匹配。如 果GLT值是负值，无法进行精确的像素匹配，只能使 用最临近的像素进行匹配。 • 通过GLT纠正影像 • 通过IGM（输入几何信息数据文件）纠正影像
监督分类 • 平行六面体法 平行六面体使用一条简单的判定规则对多光谱数据进行分类。判 定边界在影像数据空间中是否形成了一个N维的平行六面体。平 行六面体的尺度是由标准差阈值所确定的，而该标准差阈值则是 根据每种所选类的均值求出。 • 最小距离法 最小距离分类使用了每个感兴趣区的均值矢量，来计算每一个未 知像元到每一类均值矢量的欧氏距离。除非用户指定了标准差和 距离的阈值，否则所有像元都将分类到感兴趣区中最接近的那一 类。
• 二值编码法 二值编码分类技术将根据波段值落在波谱均值的下方或 者上方的情况，把数据波谱和端元波谱编码为0或者1。 “异或”逻辑函数被用来将每一种编码后的参考波谱同 编码后的数据波谱进行比较，生成一幅分类影像。 • 波谱角法 波谱角填图分类法（SAM)是一个基于物理的波谱分类 法，它是用N维角度将像元与参考波谱进行匹配。该算 法将波谱看作是空间的矢量，矢量的维数就等于波段的 个数，通过计算波谱间的角度，来判断两个波谱间的相 似度。
（完整）基于单窗算法反演地表温度的ENVI操作教程
（完整）基于单窗算法反演地表温度的ENVI操作教程单窗算法反演地表温度教程1.1 算法原理1.1.1单窗算法单窗算法（MW 算法）是覃志豪于2001年提出的针对TM 数据只有⼀个热红外波段的地⾯温度反演算法。
经过众多学者验证，单窗算法具有很⾼的反演精度，且同样适⽤于ETM+和landsat 8数据。
公式如下：6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+--=式中，LST 为地表温度（K ），T sensor 是传感器上的亮度温度（K），T a 是⼤⽓平均温度（K ）；a 、b 为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D为中间变量，计算公式为：式中，为地表⽐辐射率，为地⾯到传感器的⼤⽓总透射率。
因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表⽐辐射率、⼤⽓透射率和⼤⽓平均作⽤温度T a 。
1.1.2参数计算1.1.2.1辐射亮温计算利⽤Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。
公式如下式中，T senso 为亮度温度值；影像预处理后得到的光谱辐射值，λL 单位为，K1 、K2为常量，可由数据头⽂件获取。
)/(2m sr m w µ??计算图像辐射亮温之前，需采⽤辐射定标参数将像元灰度值DN转换为热辐射强度值，公式如下：式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通⽂件数据中获取，且ENVI 软件中已经集成，不需要⾃⼰在查找。
1.1.2.2地表⽐辐射率计算根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。
对于城市区域，我们简单的将其分为⽔体、⾃然表⾯和建筑表⾯三种，因此针对混合像元尺度上的地表⽐辐射率通过下式来估算：式中，为混合像元的地表⽐辐射率；P V 为植被覆盖率；R V 为植被的温度⽐率；R M 为建筑表⾯的温度⽐率；V 表⽰植被法地表⽐辐射率，m 表⽰建筑表⾯的地表⽐辐射率；d表⽰辐射校正项。
ENVI中掩膜掩膜操作及影像分类教程（转）
ENVI中掩膜掩膜操作及影像分类教程（转）ENVI中掩膜掩膜操作及影像分类教程(转)上⼀篇/ 下⼀篇 2008-11-25 15:41:31 / 个⼈分类：收藏查看( 179 ) / 评论( 0 ) / 评分( 0 / 0 )Arcview中添加影像并根据需要建⽴裁剪区，命名为caijian.shp--->ENVI中打开被裁剪影像，如TMband432，-->vector--open vector file--->选择caijian.shp, load selected--->masking--buildmask--->options--inport ENFs--选择caijian.shp---继续操作保存为⽂件或保存于缓存中----> apply mask---选择TMband432并设置spatial subset中的ROI/ENF,select mask band及裁剪波段的选择--保存裁剪后的影像.监督与⾮监督分类结合的影像分类⽅法:以2004年的Aster影像为例,软件采⽤Erdas,步骤如下:1) 对Aster2004band432进⾏⾮监督分类⽣成unsuclass2004band432.img(60类,迭代20次,其他默认),同时⽣成摸板⽂件unsuclass2004band432_sig1.img;2) 对unsuclass2004band432_sig1.img进⾏类合并操作,⽣成摸板⽂件unsuclass2004band432_reclssig.img;3) 进⾏监督分类时的样区选择并加⼊到unsuclass2004band432_reclssig.img中,⽣成分类摸板unsuclass2004band432_susig.img,同时进⾏分类后合并,⽣成监督分类摸板unsuclass2004band432_susig.img,并进⾏监督分类⽣成分类后⽂件suclass2004band432.img;4) 对suclass2004band432.img进⾏分类重编码,⽣成C;5) 对suclass2004band432.img进⾏club操作⽣成suclassband432_club.img;6) 对suclassband432_club.img进⾏elimite操作⽣成2004classband432_x.img,其中的x 为聚类参数. 操作过程中的具体操作见下图,但愿对需要的⼈有所帮助:数据：⽮量数据为SHP格式，⾯状（多边形）特征⽂件test.tif。
envi中seamless mosaic步骤
Envi中Seamless Mosaic步骤概述Envi是一款专业的遥感图像处理软件，提供了丰富的功能和工具，用于处理、分析和可视化遥感图像数据。
其中，Seamless Mosaic是一项重要的功能，用于将多个遥感图像拼接成无缝的镶嵌图。
本文将详细介绍Envi中Seamless Mosaic的步骤，包括准备工作、图像预处理、拼接参数设置、拼接操作和结果验证等内容，帮助读者了解和掌握该功能的使用方法。
准备工作在进行Seamless Mosaic之前，需要准备好以下材料和环境：1.遥感图像数据：将要拼接的多个遥感图像数据，可以是同一区域的不同波段图像或不同时间的遥感图像。
2.Envi软件：确保已经安装并成功启动Envi软件，具备使用SeamlessMosaic功能的权限。
图像预处理在进行拼接之前，需要对遥感图像进行一些预处理操作，以确保拼接的准确性和效果。
以下是常见的图像预处理步骤：1.图像校正：对每个遥感图像进行几何校正，以纠正图像的投影变形和畸变。
2.辐射校正：对每个遥感图像进行辐射校正，以消除图像中的大气和光照效应。
3.颜色匹配：对每个遥感图像进行颜色匹配，以使它们在颜色和亮度上保持一致。
以上预处理步骤可以使用Envi软件中的相应工具和功能完成，确保每个图像都经过了相同的处理过程。
拼接参数设置在进行拼接操作之前，需要设置一些参数，以控制拼接的方式和效果。
以下是常见的拼接参数设置：1.拼接方法：选择合适的拼接方法，如无缝拼接、重叠拼接或最佳像素拼接等。
2.拼接顺序：确定图像的拼接顺序，可以按照时间顺序、空间位置或其他规则进行排序。
3.拼接范围：定义拼接的区域范围，可以手动指定或根据图像边界自动计算。
通过设置适当的拼接参数，可以获得更好的拼接效果和图像质量。
拼接操作完成了图像预处理和参数设置之后，即可进行实际的拼接操作。
以下是拼接操作的步骤：1.打开Envi软件，并加载所有待拼接的遥感图像。
2.在Envi菜单栏中选择”Mosaic”或”镶嵌”选项，进入拼接功能界面。
- 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教程
欢迎来到我们的envi教程。
在这个教程中，我们将介绍有关envi的一些基本知识和使用方法。
envi是一款功能强大的遥感图像处理软件，适用于许多领域，如环境科学、地理信息系统等。
通过envi，您可以处理、分析和可视化遥感图像数据，从而获得有关地球表面的有用信息。
这个教程将涵盖以下方面：
1. 安装和启动envi：我们将指导您如何安装envi软件，并演
示如何启动和创建新的项目。
2. 导入和加载图像数据：了解如何将遥感图像数据导入到envi 中，并通过加载图像来展示这些数据。
3. 图像增强和预处理：学习如何对图像进行增强和预处理操作，以提高图像质量和可视化效果。
4. 图像分类和分类：了解如何使用envi进行图像分类和分类，以从图像中提取特定的目标和特征。
5. 空间分析和建模：探索如何使用envi进行空间分析和建模，以研究地表特征和趋势。
6. 结果可视化和报告：学习如何将处理后的图像结果可视化，并生成报告以分享您的分析成果。
随着教程的进行，我们将提供一些实际的例子和案例研究，以帮助您更好地理解如何在envi中应用这些技术和方法。
我们希望这个envi教程对您有所帮助，并能够更好地理解和运用这个强大的遥感图像处理工具。
如果您对任何内容有疑问或需要进一步的帮助，请随时向我们提问。
祝您学习愉快！。