混合像元分解及其应用(ENVI操作文本)讲解
ENVI操作的介绍
ENVI操作的介绍ENVI的应用(2009-05-07 15:38:47)转载标签：电脑像元监督分类分类：论文制作直方图波谱杂谈ENVI（The Environment for Visualizing Images）Version 4.1 ,由美国系统研究公司（Research System INC.）开发。
一. 界面系统介绍1. 主菜单：菜单项，File、Basic Tool、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）：内存设置二. 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。
2．图像的头文件资料的获取和编辑ENVI：File>>Edit ENVI Header，选择相应的文件。
从 Header Info 对话框里，你可以点击 Edit Attributes 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。
混合像元分解法操作步骤
混合像元分解法操作步骤1.数据准备-获取多光谱图像数据，可以使用航空或卫星遥感数据。
- 准备高分辨率的真实地物标记（Ground Truth），用于评估分解结果的准确性。
2.选择变量-选择用于混合像元分解的变量，一般是多光谱图像的波段数据。
-可以利用统计学方法、专家知识或试错法来选择最适合的变量。
3.确定光谱参考-选择用于确定混合像元分解的光谱参考数据。
-光谱参考可以是单一的像素或像元组合。
-光谱参考应该具有代表性，并且包含不同地物的特征光谱。
4.混合像元分解-使用混合像元分解模型来计算每个像素的混合成分比例。
-混合像元分解模型通常假设图像中的每个像素是由多个地物的混合成分组成，并输出每个地物的比例。
- 常用的混合像元分解模型包括Spectral Mixture Analysis（SMA）和Linear Spectral Mixture Analysis（LSMA）等。
5.分解结果评估-使用真实地物标记来评估混合像元分解的准确性。
-可以使用混合像元分解的结果与真实地物标记进行对比，计算混淆矩阵或其他评估指标。
-可以根据评估结果来调整或优化混合像元分解模型的参数。
6.结果解释-根据混合像元分解得到的地物比例，进行图像分类、植被指数计算等应用。
-可以通过阈值或其他分类方法将分解得到的比例转化为具体的地物类别。
-可以根据混合像元分解的结果进行地物变化检测、遥感图像解译等分析。
7.结果可视化-可以使用各种图像处理软件将混合像元分解的结果可视化。
-可以使用颜色编码、图形绘制等方法将混合像元分解的结果与原始图像进行对比。
-可以生成分类图像或指数图像等用于进一步分析或展示的结果。
总之，混合像元分解法是一种通过对多光谱图像像素进行分解来获取地物混合成分比例的方法。
它具有广泛的应用前景，并可以通过合理的参数选择和模型优化来提高分解结果的精度和准确性。
envi混合像元分解步骤
envi混合像元分解步骤
哎呀，envi 混合像元分解呀，这可真是个有意思的事儿呢！咱就一步步来瞧瞧。
首先呢，你得准备好你的数据呀，就像厨师要准备好食材一样。
这些数据就是你的宝贝，要好好对待它们哟！
然后呀，要选择合适的算法，这就好比是选择做菜的方法，不同的算法就像是不同的烹饪技巧，能做出不同风味的成果呢！
接下来，就是开始分解啦！这就好像是把一个大拼图一点点拆开，找出每一块的位置。
在这个过程中呀，你得细心再细心，可不能马虎哟！
分解的时候呢，要注意观察各种特征呀，就像观察菜肴的颜色、形状、味道一样。
每一个细节都可能影响最终的结果呢。
这中间可能会遇到一些小麻烦，就像做菜时不小心盐放多了或者火大了。
但别着急，咱慢慢调整，总能找到最合适的方法。
分解完了之后呢，还得检查检查，看看是不是都分解对了。
这就好比是尝尝菜做的好不好吃，要是味道不对，就得重新调整呀。
你想想看，这 envi 混合像元分解不就像是一场奇妙的冒险嘛！每一步都充满了挑战和惊喜。
咱得有耐心，有毅力，才能把这个任务完成得漂漂亮亮的呀！
在这个过程中，可别嫌麻烦，就跟学骑自行车似的，一开始可能会摔倒，但多练习几次就会啦！而且等你掌握了这个技能，那感觉可太棒啦！就好像你学会了做一道超级美味的菜，能在别人面前好好炫耀一番呢！
总之呀，envi 混合像元分解虽然有点复杂，但只要咱一步一个脚印地去做，就一定能成功的。
加油吧！让我们在这个奇妙的世界里探索出更多的精彩！。
python 混合像元分解方法 -回复
python 混合像元分解方法-回复什么是混合像元分解方法？混合像元分解方法（Mixture Pixel Decomposition）是一种用于解析遥感图像中复杂地物的探测和提取的技术。
遥感图像包含了不同地物的混合像元，即一个像素内存在多种地物的信号。
混合像元分解方法可以将混合像元分离为不同的地物成分，从而获得每个地物的光谱信息，进一步实现对地物进行分类和定量分析。
混合像元分解方法的原理混合像元分解方法通过数学模型对混合像元进行分解，其中最常用的数学模型是线性模型。
假设一个像元包含K 个地物成分，那么混合像元可以表示为K 个地物的线性组合。
即：I = ∑( f * ρ)其中，I 是观测到的混合像元，f 是混合像元中每个地物的系数，表示该地物在混合像元中的比例，ρ是对应地物的光谱响应曲线。
通过对I 进行解析，可以求解出每个地物的成分系数f。
常见的混合像元分解方法1. N-FINDR：N-FINDR 法（Normalized Maximum Likelihood Feature Discrimination）是一种经典的混合像元分解方法。
它通过最大似然估计寻找最优的像元组合，将混合像元分解为基础地物。
N-FINDR 法常用于无监督的遥感图像分类。
2. SISMA：SISMA 法（Spectral Information Subtraction Maximum Likelihood Algorithm）是一种监督的混合像元分解方法。
它引入了监督样本，通过最大似然估计计算每个地物的成分系数。
SISMA 法可以有效地提高分类精度和抑制混合像元效应。
3. VCA：VCA 法（Vertex Component Analysis）是一种基于顶点的混合像元分解方法。
它通过在N 混合像元图中选择顶点，进行解析，找到与顶点最接近的纯地物光谱，从而实现混合像元的分解。
VCA 法适用于对大尺度遥感图像进行定量分析。
混合像元分解方法的应用混合像元分解方法广泛应用于遥感图像解析、地物分类、环境监测等领域。
ENVI操作
ENVI操作ENVI图像拼接、栅格转⽮量、图像裁剪、图像融合ENVI图像拼接在ENVI主菜单中选择Map—Mosaicing—Georeferenced，在Mosaic对话框中点击Import —Import File，选择需要拼接的两幅图像，然后进⾏图像拼接。
然后对图⽚点击右键，选中Edit Entry，在Edit Entry对话框中，设置Data Value to Ignor：0，忽略0值，设置Feathering Distance为10，⽻化半径为10个像素，点击OK确定。
点击file-apply，保存即可ENVI栅格转⽮量1）要将感兴趣区转换成⽮量多边形，在ROI Tool对话框中选择File → Export ROIs to EVF，打开Export Region to EVF对话框。
2）⾼亮显⽰区域的名字来选择其中某个区域。
选择All points as one record单选按钮选项，在Layer Name⽂本框中输⼊层的名字，点击Memory，然后点击OK转换第⼀个感兴趣区。
i.重复上⾯的步骤，转换第⼆个感兴趣区。
ii.⽮量层的名字都会在可⽤⽮量列表中列出。
3）在可⽤⽮量列表中，点击Select All Layers，然后点击Load Selected按钮。
4）在Load Vector对话框中，选择New Vector Window打开⼀个新的⽮量显⽰窗⼝。
i. 这些⽮量将以多边形的⽅式加载到Vector Window #1对话框中。
5）在Vector Window #1对话框中，选择Edit → Add Attributes给多边形添加属性信息。
6）按照本专题辅导209页所描述的内容来添加属性信息。
i.这样就可以同其它⽮量数据⼀同使⽤查询和GIS分析功能了。
通过在Vector Window Parameters对话框中，选择File →Export Active Layer to Shapefile，将这些⽮量导出成shape⽂件。
混合像元分解提取植被
混合像元分解提取植被
混合像元分解是一种常用的遥感图像处理方法，它可以将遥感图像中的每个像元分解为不同的成分，从而提取出图像中的各种信息。
其中，植被是遥感图像中常见的一种成分，因此混合像元分解可以被用来提取植被信息。
混合像元分解的基本原理是将遥感图像中的每个像元分解为不同的成分，这些成分包括植被、土壤、水体等。
其中，植被成分可以通过NDVI指数来计算得到。
NDVI指数是一种反映植被覆盖度的指数，它的计算公式为：
NDVI = (NIR - RED) / (NIR + RED)
其中，NIR代表近红外波段的反射率，RED代表红色波段的反射率。
通过计算NDVI指数，可以得到遥感图像中每个像元的植被覆盖度。
除了NDVI指数，混合像元分解还可以使用其他的方法来提取植被信息。
例如，基于像元的分类方法可以将遥感图像中的每个像元分为不同的类别，其中包括植被、土壤、水体等。
通过对每个类别进行统计分析，可以得到遥感图像中植被的分布情况。
混合像元分解可以被广泛应用于植被监测、土地利用、环境保护等领域。
例如，在植被监测中，可以通过混合像元分解来提取植被信息，从而得到植被的分布情况、生长状态等信息。
在土地利用中，可以通过混合像元分解来分析土地利用类型的分布情况，从而为土
地规划和管理提供参考。
在环境保护中，可以通过混合像元分解来监测水体和土壤的污染情况，从而及时采取措施进行治理。
混合像元分解是一种非常有用的遥感图像处理方法，可以被用来提取植被信息以及其他各种信息。
在实际应用中，需要根据具体的需求选择合适的方法和参数，以得到准确的结果。
04 混合像元分解截取
混合光谱
光谱混合模型
光谱混合模型的数学表达式
假设：在一个给定的场景里，地表由少数的几种地物（端元）组成， 并且这些地物具有相对稳定的光谱特征，那么，遥感图像像元的反 射率可以表示为端元光谱和它们的面积百分比（丰度）的函数：
S f (x1 , x 2 ,..., x n , f1 , f 2 ,..., f n ) subject to: fi 1, fi 0, i 1,..., n
Y (y1 , y 2 ,..., y n ) G ( g1 , g 2 ,..., g n )T
29 混合像元分解新探索
上述最优化问题可以写为 T minimize 1- YG y S
subject to:
i
i
gi
1, gi 0, i 1,...n
由于 yS 1，YG 1 有
D S, XF PXFj (ln PXFj ln PSj ) PSj (ln PSj ln PXFj )
j 1 i 1
b
b
其中PXFj ( XF ) j / ( XF ) j , PSj S j / S j
j 1 i 1
b
b
混合像元分解新探索
由于光照、地形、阴影、大气等的影响，地物组分
BSMA (Song,2005)、MDA (Ju,2003)
19
端元内光谱差异问题
MESMA
Fraction image showing NPV(nophotosyntheticvegetation), GV(green vegetation) and soil fractions as red, green, and blue, respectively.
混合像元分解和其应用ENVI操作讲解
混合像元分解和其应用ENVI操作讲解混合像元分解的过程可以通过光谱混合分析法（SMA）来实现。
SMA假设观测到的光谱是由一个像元中每个地物类别的光谱能量线性组合得到的。
为了进行混合像元分解，需要预先获取每个地物类别的光谱特征。
常见的方法是通过野外调查、实地采样或其他遥感图像分类结果来获取这些特征。
在ENVI软件中，实施混合像元分解可以通过以下步骤完成：1.打开ENVI软件并加载需要进行混合像元分解的遥感图像。
2. 选择"Raster"菜单中的"Spectral"，然后选择"Spectral Indices"子菜单。
在弹出窗口中，选择需要进行混合像元分解的图像。
3. 在"Spectral Indices"窗口中，可以选择多种混合像元分解算法。
常见的算法有Jeffries-Matusita Distance、SMA、Parallel Factor Analysis (PARAFAC)等。
选择适合自己需求的算法并点击"OK"进行计算。
4.完成计算后，ENVI将在新窗口中显示出分解后的图像。
每个地物类别将以不同的颜色表示。
5.可以通过调整图像的对比度、亮度等参数，以及使用ENVI软件中的其他图像分析工具来进一步分析和提取分解后的地物类别。
1.土地利用和土地覆盖分类：混合像元分解可以提取出每个像元中不同地物类别的能量贡献，帮助识别和分类土地利用和土地覆盖类型。
这对于土地规划、农业生产、环境保护等有很大的指导作用。
2.环境监测：混合像元分解可以提取出不同地物类别在像元中的分布比例，从而可以监测和分析环境中不同地物的变化。
例如，可以通过监测城市中不同地物类别的分布变化来评估城市扩张对生态环境的影响。
3.自然资源管理：混合像元分解可以提取出影像中的不同地物信息，例如森林、水体、草地等，从而帮助管理和保护自然资源。
混合像元分解法操作步骤[整理版]
![混合像元分解法操作步骤[整理版]](https://img.taocdn.com/s3/m/ff294137bdd126fff705cc1755270722192e59ea.png)
一、农田作物的光谱特征与天然植被有所不同（后者的叶片含水量及绿度均不及农田作物），故在选择纯净端元时会出现混淆，故希望先将农田掩去。
首先要先将农田的界限提取出来。
提取农田边界的方法：
1、对两期影像均提取NDVI图，再将两张NDVI图进行最大化合成。
再将合成后的NDVI
图与任一原图进行链接，调出CUSORLOCA TION 对话框，移动鼠标，观察对话框中NDVI图的数值变化，确定农田区的边界，注意图中某些高植被覆盖区的NDVI值也和农田区的数值一样高，这样做会把高值区也确定为农田区。
但没有关系，这些高值的天然植被区应为水库附近，其含水量等表象与农田作物相似，而与一般旱生植被有异。
正好一并掩去。
做NDVI图：
做最大化合成：
观察两幅图，确定阈值：
量图，此时即可得到农田的范围，然后可用该农田范围做掩膜。
在决策树上输入表达式：注意，阈值不一定是0.3，要自己确定。
给B1赋予NDVI波段
执行分类：
输出为矢量图：
二、应用掩膜，对某一期原始图像做MNF变换和主成分变换，选择前两个波段信息量最大的一种变换，选择其前两个波段，在ENVI5.1中做二维散点图，用最小法提取出纯净端元的光谱曲线。
三、对主成分图进行混合像元分解、分类。
，得到植被分量、分类图。
ENVI基础功能教程
ENVI基础功能教程ENVI（環境彩色光學圖像處理）是一個用於處理和分析光學遙感數據的軟件，具有豐富的功能和工具。
下面是一個關於ENVI基礎功能的教程，介紹了如何讀取和顯示數據、執行不同的圖像處理和分析操作。
希望這對你有所幫助。
第一步：數據讀取和顯示1.打開ENVI軟件，點擊“打開”按鈕，瀏覽和選擇要處理的遙感數據文件。
2.選擇一個數據集，點擊“打開”按鈕。
3.數據將被加載到ENVI中，你可以使用鼠標縮放和平移圖像，以顯示不同的區域。
第二步：圖像增強1.在ENVI工具欄上選擇“增強”。
2.在增強對話框中，可以通過調整亮度、對比度、色彩平衡等參數來改善圖像的視覺效果。
3.調整參數後，點擊“應用”按鈕，圖像將根據你的設置進行增強。
第三步：圖像分類1.在ENVI工具欄上選擇“分類”。
2.在分類對話框中，選擇一個分類算法，如最大似然法或支持向量機。
3.選擇一個訓練數據集，這將作為分類算法的參數。
4.點擊“運行”按鈕，ENVI將根據選擇的算法對圖像進行分類。
第四步：地物檢測1.在ENVI工具欄上選擇“地物檢測”。
2.在地物檢測對話框中，選擇一個地物檢測方法，如主成分分析或主成分追踪。
3.選擇一個訓練數據集，這將作為地物檢測方法的參數。
4.調整其他參數，如檢測閾值和最小區域大小。
5.點擊“運行”按鈕，ENVI將根據選擇的方法對圖像進行地物檢測。
第五步：影像融合1.在ENVI工具欄上選擇“融合”。
2.在融合對話框中，選擇兩個要融合的圖像。
3.選擇一個融合方法，如主成分分析融合或波段交插融合。
4.調整其他參數，如影像增強和調整。
5.點擊“運行”按鈕，ENVI將根據選擇的方法對圖像進行融合。
第六步：結果保存和導出1.在ENVI工具欄上選擇“文件”。
2.選擇“另存為”或“導出”。
3.選擇保存或導出的文件格式，如TIFF或JPEG。
4.選擇保存或導出的文件位置。
5.點擊“保存”或“導出”按鈕，結果將保存或導出到選擇的位置。
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。
(word完整版)ENVI使用手册
第一章：ENVI 概述如何使用本手册本手册包括若干章节；每章描述 ENVI 提供的一系列处理程序。
多数章节遵循 ENVI 的菜单结构。
例如，第 4 章的标题为“Basic Tools"，它描述的功能可以在 ENVI 的Basic Tools下拉菜单下找到。
5 个附录分别针对：ENVI基本功能、文件格式、波谱库、地图投影以及描述 ENVI 该版本的新特征.该介绍性章节包括与 ENVI 图形用户界面（GUI）的交互,使用 ENVI 窗口，及其它介绍性材料。
新的 ENVI 用户使用前务必认真阅读本手册,以及附带的 ENVI 教程.对于章节中的每个主题,功能描述之后给出了实现它的一步步向导.向导中描述了参数，通常还附有建议和例子。
大多数功能（除了交互的功能) 从 ENVI 的下拉主菜单启动。
出现包含接受用户输入参数的对话框。
许多参数包含系统默认值并且有一些是可选的。
当功能运行时，出现一个处理状态窗口。
运行功能的一步步向导被编号并且用粗体显示。
鼠标控制菜单选项与用斜体字印刷的下拉菜单一同出现。
子菜单用“〉" 连接。
每个步骤内的选项用项目符号显示。
按钮名用引号标明，对话框标题以大写字母开头。
一些对话框内部有下拉菜单。
每个下拉菜单下的选项通常在以该下拉菜单名为标题的一节中描述.例如，这些是如何对一个文件进行中值滤波的向导：1. 从 ENVI 主菜单，选择Filters > Convolutions > Median .将出现一个文件选择对话框，允许你交互地改变目录并选定需要的输入文件。
2. 通过点击文件名，再点击“OK” 或“Open"，来选择所需要的文件。
若有必要，使用任意空间和/或波谱的构造子集（subsetting）。
3。
当出现 Convolution Parameters 对话框，在“Size” 文本框中，输入所需要的滤波器大小.4。
选择输出到“File” 或“Memory"，若需要，键入一个输出文件名.5. 点击“OK”，开始处理.ENVI 图形用户界面（ GUI ）要有效地使用 ENVI，你必须熟悉图形用户界面（GUI）的概念。
常见混合像元分解方法简介[技巧]
![常见混合像元分解方法简介[技巧]](https://img.taocdn.com/s3/m/65021f55e418964bcf84b9d528ea81c758f52ea9.png)
常见混合像元分解方法(2011-04-20 20:35:42)转载▼标签：分类：遥感技术混合像元亚像元分解方法线性波谱分离教育常见的混合像元分解方法，主要包括线性波谱分离(Liner Spectrl Unmixing )、匹配滤波(MF )、混合调谐匹配滤波(MTMF）、最小能量约束(CEM）、自适应一致估计（CE）、正交子空间投影(OSP)等。
0000下面分别对几种分类方法原理一一说明。
0000(1)线性波段预测(Liner Bnd Prediction)0000线性波段预测法（LS-Fit）使用一个最小方框（lest squres）拟合技术来进行线性波段预测，它可以用于在数据集中找出异常波谱响应区。
LS-Fit先计算出输入数据的协方差，用它对所选的波段进行预测模拟，预测值作为预测波段线性组的一个增加值。
还计算实际波段和模拟波段之间的残差，并输出为一幅图像，残差大的像元（无论正负）表示出现了不可预测的特征（比如一个吸收波段）。
0000(2)线性波谱分离(Liner Spectrl Unmixing )0000Liner Spectrl Unmixing可以根据物质的波谱特征，获取多光谱或高光谱图像中物质的丰度信息，即混合像元分解过程。
假设图像中每个像元的反射率为像元中每种物质的反射率或者端元波谱的线性组合。
例如：像元中的25%为物质，25%为物质B，50%为物质C，则该像元的波谱就是三种物质波谱的一个加权平均值，等于0.25+0.25B+0.5C，线性波谱分离解决了像元中每个端元波谱的权重问题。
0000线性波谱分离结果是一系列端元波谱的灰度图像（丰度图像），图像的像元值表示端元波谱在这个像元波谱中占的比重。
比如端元波谱的丰度图像中一个像元值为0.45，则表示这个像元中端元波谱占了45%。
丰度图像中也可能出现负值和大于1的值，这可能是选择的端元波谱没有明显的特征，或者在分析中缺少一种或者多种端元波谱。
envi中文说明
envi中文说明预览说明:预览图片所展示的格式为文档的源格式展示,下载源文件没有水印,内容可编辑和复制e n v i3.5使用说明（t h a n k s s u p e r s of t）1．数据输入输出格式1.1数据输入格式通用图像格式TIFF,t f w（T I F F w o r l d file）,G E O T I F F，J P E G，B M P，H D F/H D F1-D，P I C T，S R F，X W DN L A P S，P D S(P l a n e t a r y D a t a S y s t e m)，MrSid 矢量格式A R C I n t e r c h a n g e F o r m a t(u n c o m p r e s s e d)A R C/In f o Images(.bil)A r c V i e w S h a p e (.s h p)A D R GA u t o C A D D X FD X FM a p I n f o（及相应的.mid文件的属性）M i c r o s t a t i o n .D G NU S G S S D T S&D L G遥感数据格式L a n d s a t T M:F a s t,G e o T I F,H D F,N L A P S,M R L C,A C R E S C C R S,E S A C E O SS P O T:S P O T,G e o S P O T,A C R E S SPOT,Veg e t a t i o nI K O N O S: G e o T I F F,N I T FI R S: F a s tA V H R R: K L M/L e v e l1b,S H A R P(E S A's A V H R R f o rm a t)S e a W I F S: Level 1B H D F,C E O S(E R S-1,E R S-2,J E R S-1)D M S P(N O A A)T h e r m a l:TIMS,M A S T E RR a d a r:R A D A R S A T,E R S ,J E R S,JPL T O P S A R&P O L S A R,SIR -C，A I R S A R（JPL）SIR-C/X-S A R S P O T(1A, 1B,2A,C A P) Military: AD R G,C A D R G,CIB,N I T FD i g i t a lE l e v a t i o n:D T E D,U S G S D E M ,U S G S S D T S D E MU S G S: D R G,D O Q,DEM,S D T S D E MMODIS S i m u l a t o r(M A S-50H D F)A V I R I S，C A S IA T S RC AD R GCIB其它遥感软件格式P C I (.p i x) FilesE R M a p p e rE R D A S7.5&IMAGINE8.X（包括其投影信息）其它数据格式A S C I IDMA D T E D&A D R GD M S PD O QE N V I/I D L C o m m a n d-line VariablesFlat B i n a r y FilesGeneric BIP,B I L,B S QNo P r o p r i e t a r y F o r m a t sO n-t h e-Fly D at a C o n v e r s i o n sU s e r-D e f i n a b l e D a t a F o r m a t sU S G S D E M &D O QU S G S S D T S D E M X,Y,Z A S C I I1.2数据输出格式ARC/INFO I m a g e s(.b i l)A r c V i e w S h a p e f i l e sASCII （R O I区可以ASCII输出）BMP（图像可以BMP格式输出，目前有24比特图和8比特灰度图两种）Direct O u t p u t t o P r i n t e r （先输出到P o s tｓcript格式上，则用户可进行大小/掩膜等设置）ERDAS 7.5(.l a n)E R M A P P E RG E O T I F FGIFP C I(.p i x)P I C TP o s tｓcript（可把掩膜输出到i m a g e或Postｓcript格式上）RGB F i l e sSRFT I F F(如有地理坐标信息，则可另输出成G e o T I F F文件或.t f w T I F F文件)X W D可在I D L命令行将E N V I的波段/文件/子集，及绘图窗口的显示数据输出成I D L变量E N V IMPEG（允许将3D曲面飞行动画序列输出为MPEG文件）N I T F02.00 (MIL-STD-2500A)或02.10 (MIL-STD-2500B)2．交互式分析2.1感兴趣区（R O I）：可交互定义R O I：P o l y g o n s,P o l y l i n e s,P i x e l s允许多个R O I s合并成一个R O I可以将整个R O I区转换成点可将一幅图像里的R O I s通过地理座标转换到另一幅图像里可通过输入带有像元位置或地理坐标的ASCII文件来定义R O I ？可使图像中的R O I s和从地理坐标来定义的R O I s协调一致可用2-D散点图曲线或n-D散度分析器来定义R O I可用区域生长来定义R O I把ASCII文件转变成多边形R O I s,可将R O I s以ASCII文件输出在注记中采用T r u e T y p e字体作为注记的位置矢量图，能保持输出到P R I N T E R或POST ｓcript上（注：不会显示在输出的图像上）新增R O I类型——M u l t i Part，用户可实现“d o n u t”R O I s ？ROI分析功能增强：可以计算多个感兴趣区（R O I）的交集，并用计算结果定义新的R O I或进行掩膜2.2n-维散度可视化分析：给散点窗口中的一类或几类散点增加不同的符号可以显示和输出任意散点或类的光谱曲线，很容易地勾圈，编辑，分离各类可视化分析的每一步都可以前进或后退，分析速度可控制可将外边的光谱曲线读入n-维分析空间和图形窗口类控制对话框可报告每类里包含的散点数，可显示或关闭每一类或每几类检索到的统计结果和光谱曲线是来自文件的整个空间维，而不是参与n-D分析的子空间维（子空间维是整个空间维的一个字集）可将可视化分析窗口与光谱分析工具（S p e c t r a l A n a l y s t）连结起来以便对可视化分析窗口中的光谱曲线和标准光谱库作比较改进的N-D散度分析功能：可用预分类结果进行N-D散度分析,交互式地进行感兴趣区的细化。
envi中lst的计算方法
envi中lst的计算方法
在ENVI中，LST（Land Surface Temperature）通常是通过一系列步骤来计算的，包括辐射定标、大气校正、计算NDVI、计算植被覆盖度等。
1. 打开数据，对第10波段进行辐射定标（Band10的后缀为Thermal），获得辐射亮度图像。
2. 在ENVI中打开原始数据_，选择Radiometric Calibration工具，选择_MTL_Thermal数据，并根据需要选择spatial subset。
3. 计算NDVI。
NDVI的计算公式是NDVI=(近红外-红)/(近红外+红)。
4. 计算植被覆盖度Fv。
这通常采用混合像元分解法，将整景影像的地类大致分为水体、植被和建筑。
具体的计算公式如下：Fv = (NDVI-NDVIS)／(NDVIV - NDVIS)。
其中，NDVI为归一化差异植被指数，取NDVIV = 和NDVIS = 。
以上步骤仅供参考，建议查阅ENVI软件使用说明或咨询专业人士获取更准确的信息。
ENVI简介与操作指导
灰度级窗效果示意图
原图
灰级窗
灰度级窗切片：只保留感兴趣的部分，其余部 分置为0
g
255
a
b
255
f
灰度级窗切片效果示意图
动态范围调整：
动态范围：是指图像中从暗到亮的变化范围
由于人眼所可以分辨的灰度的变化范围是有限的， 所以当动态范围太大时，很高的亮度值把暗区的 信号都掩盖了。
通过动态范围的压缩可以将所关心部分的灰度级 的变化范围扩大。 线性动态范围调整 非线性动态范围调整
影像的链接和叠加显示Tools/link
Overlay/contour lines等高线的绘制
DEM中 提取等高 线与影像 叠加
DEM中提取等高线
ENVI可用波段列表
ENVI可以访问影像文件，或者这些文件中 的单个波段。 可用波段列表是一个特殊的ENVI对话框， 它包含了所有被打开文件中可用的影像波 段，以及与此相关的地图信息列表。 使用可用波段列表可以把彩色和灰阶影像 加载到一个显示窗口中
更多信息提取的功能
FX（空间特征提取）
采用面向对象的提取方法，运用空间特征+纹理特征+波谱特 征来提取矢量信息； 采用流程化操作，易于使用、速度快； 可应用于各种不同的图像和特征 ENVI4.4之后正式发布
提取线状信息(道路、河流等)
能够提取影像中各种类型的地物
更加紧密与第三方软件整合
ENVI数据的输入与输出
ENVI是数据格式转换的很好工具
数据输入-支持丰富的数据格式
遥感数据
完全约束最小二乘法混合像元分解
完全约束最小二乘法混合像元分解是一种用于遥感影像处理的方法，其主要目的是将遥感像元分解为其混合的成分，通过这种方法可以更好地理解遥感图像所包含的信息，从而更好地支持遥感应用和研究。
1. 混合像元分解的原理完全约束最小二乘法混合像元分解是基于遥感图像混合像元模型的理论，通过最小二乘法来确定每个像元由哪些成分混合而成。
在这个过程中，对于每个像元来说，其反射率可以被表示为各种地物类型的反射率及其混合比例之和。
通过这种方式，可以更加真实地还原遥感图像所代表的地物信息。
2. 完全约束最小二乘法的优势相比较其他的像元分解方法，完全约束最小二乘法混合像元分解有着一些独特的优势。
完全约束最小二乘法混合像元分解可以更加准确地还原遥感像元的混合成分，这对于地物分类和识别有着重要的意义。
这种方法可以充分利用各种地物类型的光谱特征，减少了信息的损失，从而有利于提高遥感图像的解译精度。
3. 完全约束最小二乘法混合像元分解的应用完全约束最小二乘法混合像元分解在遥感领域有着广泛的应用。
它可以用于提取地表覆盖类型的信息，对于土地利用、土地覆被变化等研究具有重要意义。
这种方法还可以应用于环境监测、资源调查等领域，为相关研究提供重要的数据支持。
完全约束最小二乘法混合像元分解还可以应用于城市规划、灾害监测等领域，为城市发展和灾害监测提供重要的科学依据。
4. 完全约束最小二乘法混合像元分解的未来发展随着遥感技术和数据处理方法的不断发展，完全约束最小二乘法混合像元分解也将会得到进一步完善和扩展。
未来，我们可以期待这种方法在时序遥感数据分析、高光谱遥感数据处理等领域的应用，从而更好地支持遥感科学研究和应用。
完全约束最小二乘法混合像元分解是一种重要的遥感数据处理方法，其在地物信息提取、环境监测、资源调查等领域都具有重要的应用价值，并且有着广阔的发展前景。
相信随着遥感技术的不断进步和完善，完全约束最小二乘法混合像元分解将会在更多领域展现其重要作用，为遥感科学研究和应用提供更为可靠的数据支持。
- 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)。
一基于PPI的端元提取
借助纯净像元指数（PPI）和n维可视化工具用于端元波谱收集。
第一步、获取纯净像元
这个步骤是在MNF变换的结果上计算纯净像元指数（PPI），之后选择阈值范围从PPI图像上获得感兴趣区，感兴趣区包含的像元就是比较纯净的像元。
（1）打开高光谱数据。
（2）在ENVI主菜单中，选择Spectral ->MNF Rotation- > Forward MNF -> Estimate Noise Statistics From Dat a。
在标准ENVI文件选择对话框中，选择高光谱图像文件。
（3）打开Forward MNF Transform Parameters面板，选择MNF输出路径及文件名，单击OK执行MNF变换。
（4）在波段列表中输出MNF影像及特征曲线值。
从图中可以看出，大约20个波段以后的MNF的特征值很小
（5）MNF变换后，在ENVI主菜单中，选择 Spectral-> Pixel Purity Index->[FAST] New Output Band。
在打开的Pixel Purity Index Input File对话框中，选择MNF变换结果，单击Spectral Subset按钮，选择前面10个波段（MNF后面波段基本为噪声），单击OK。
（6）在Display窗口中显示PPI结果。
选择Overlay->Region of Interest，在ROI Tool 面板中，选择Options->Band Threshold to ROI，选择PPI图像作为输入波段，单击OK，打开Band Threshold to ROI 面板（图14.19）。
Min Thresh Value：10，Max Thresh Value：空（PPI图像最大值），其他默认设置，单击OK计算感兴趣区，得到的感兴趣区显示在Display窗口中。
第二步、构建n维可视化窗口
（1）在ENVI主菜单中，选择Spectral ->n-Dimensional Visualizer，在n-D Visualizer Input File 对话框中选择MNF变换结果，单击OK。
（2）在n-D Controls面板中，选择1、2、3、4、5波段，构建5维的散点图。
第三步：选择端元波谱
（1）在n-D Controls面板中，设置适当的速度（Speed），单击Start按钮，在n-D Visualizer 窗口中的点云随机旋转，当在n-D Visualizer窗口中的点云有部分聚集在一块时，单击Stop按钮。
（2）在n-D Visualizer窗口中，用鼠标左键勾画“白点”集中区域，选择的点被标示颜色。
（3）在n-D Controls面板中，选择Class->Items 1:20->White（用于删除点），单击Start按钮，当看到有部分选择的点云分散时候，单击Stop按钮，在n-D Visualizer窗口中选择分散的点，自动会将选择的点删除。
借助<-，->，New按钮可以一帧帧从不同视角浏览以辅助删除分散点。
（4）在n-D Visualizer窗口中，单击右键选择New Class快捷菜单，重复（1）~（3）选择其他“白点”集中区域。
第四步、输出端元波谱
（1）在n-D Controls面板中，选择Options->Mean All，在Input File Associated with n-D Scatter Plot对话框中选择原图像，单击OK。
（2）获取的平均波谱曲线绘制在n_D Mean绘图窗口中。
（3）识别每条波谱曲线对应的地物类型。
（4）在n_D Mean绘图窗口中，选择File->Save Plot As->Spectral Library（或者ASCII），将端元波谱保存为波谱库文件或者文本文件。
二丰度解混
（以线性光谱解混为例）
（1）Spectral ->Mapping Method-> spectral angle mapper 打开要分类的图像（2）在端元选择器中打开光谱库 Import->form Spectral Library File
（3）选择所有端元
（4）Apply后，填写保存路径即可
三利用端元进行分类
（以光谱角填图（spectral angle mapper）为例）（1）Spectral ->Mapping Method->Liner spectral unmixing 打开要分类的图像
（2）在端元选择器中打开光谱库 Import->form Spectral Library File
（3）选择所有端元
（4）Apply后，填写参数设置，如图所示：
（5）结果图。