10-专题：高光谱数据的处理与分析

分类的处理流程
ENVI/IDL
1、图像预处理
ENVI/IDL
图像预处理
• 高光谱图像的预处理主要是辐射校正，辐射校正
包括传感器定标和大气纠正。
• 辐射校正一般由数据提供商完成。
ENVI/IDL
大气校正（三、练习）
• 专题内容：
- 用FLAASH对AVIRIS航空高光谱数据进行大气校正
• 数据：
• 学会了ENVI软件中专业的高光谱分析功能
ENVI/IDL
• 植被抑制
- 从多光谱和高光谱减少
或移除植被光谱信息 - 利用红外与近红外波段 - 方便地质或城市解译
ENVI/IDL
专题总结
• 本专题学习了高光谱图像分析的原理及处理流程
- 高光谱图像预处理，包括传感器定标、大气校正 - 高光谱物质识别（图像分类），包括波谱库建立、
端元波谱获取、MNF变换、PPI分析、N维可视化工 具、波谱沙漏工具 - 植被分析，包括植被指数计算器、农作物胁迫分析 、易燃性分布分析、林木健康分析、植被抑制
• 提供了生物物理学交叉检验 • 通过植被指数计算器统一进行计算 • 提供了每种植被指数的详细资料和计算公式 • 能够根据影像信息自动显示可计算的植被指数
ENVI/IDL
6.2 植被分析（一、概述）
• 农作物胁迫Agricultural • 易燃性分布分析
Stress
Fire Fuels Health
流程化操作进行地物识别
Map Distribution and Abundance
ENVI/IDL
6、植被分析
ENVI/IDL
源自文库
6.1 植被指数计算器
• 提供了6类
- 绿度
27种植被指数的计算
Greenness - 光利用率 Light Use Efficiency -氮 - 干旱或炭衰减Dry or Senescent Carbon - Stress Pigments - 冠层水分含量Canopy Water Content
选择前面得到的结果
• 分类后处理
ENVI/IDL
5.4 向导式目标识别——沙漏分析工具
• 向导式波谱分析工具
- 影像亮度值定标为反射率 - 最小噪声分离（MNF） - 纯净像元指数（PPI） - N维散度分析 - 选择终端单元 - 地物制图（地物识别）
Apparent Reflectance MNF PPI n-D ID
- “20-高光谱数据的处理与分析\1-大气校正”
ENVI/IDL
2、波谱库
ENVI/IDL
2.1 标准波谱库（一）
• ENVI自带多种标准波谱库，包括建立在JPL波谱库
基础上的，从0.4~2.5μm三种不同粒径160种“纯 ”矿物的波谱。美国USGS从0.4~2.5μm包括近500 种典型的矿物和一些植被波谱。来自Johns Hopkins University（JHU）的波谱包含 0.4~14μm。IGCP246波谱库有5部分组成，通过对 26个优质样品用5个不同的波谱仪测量获得。植被 波谱库由Chris Elvidge 提供，范围是 0.4~2.5μm。
4 物质识别
• 专题内容：
- 用波谱角分析方法从高光谱图像中识别物质
• 数据
- “20-高光谱数据的处理与分析\2-物质识别”
端元波谱收集
物质识别
ENVI/IDL
5、高光谱图像分类
ENVI/IDL
5 高光谱图像分类流程
影像文件 最小噪声分离 MNF 数据维数判断
是否从图像获得端 元波谱
否
计算纯净像元指数
ENVI/IDL
2.1 标准波谱库（二）
• 浏览标准波谱库数据：
- HOME\ITT\IDL\IDL80\products\envi48\spec_lib
ENVI/IDL
2.2 自定义波谱库
• ENVI提供自定义波谱库功能，允许您基于不同的
波谱来源创建波谱库，波谱来源包括：ASCII文件 ，由ASD波谱仪获取的波谱文件，其他波谱库，感 兴趣区均值，波谱剖面和曲线等等。
ENVI/IDL
-
•
计算时需要输入的参数
-
5.1 端元波谱获取（四、端元波谱收集）
• 端元波谱收集 • N维可视化工具 • 选取样本像元 • 生成地物平均波谱 • 波谱分析,端元识别
ENVI/IDL
5.2 波谱识别
• 波谱角分类
ENVI/IDL
5.3 分类结果浏览及后处理
• 以RGB方式在Display中显示高光谱数据。 • 在Display->Image->Overlay->Classfication，
选取样本像元 获取样本像元的平 均波谱 识别平均样本波谱
ENVI/IDL
5.1 端元波谱获取（二、MNF变换）
• MNF变换 • 重要作用
- 用于判定图像内在的维数 - 分离数据中的噪声 - 减少计算量
• 弥补了主成分分析在高光谱数据处理中的不足 • 计算时需要输入的参数
- 统计信息的图像范围
shift diff subset - 噪声统计文件（可以用到另一副图像上做变换） - MNF统计文件(反变换的时候要用) - Mnf变换输出波段选择(根据特征值选择输出波段)
N维可视化和端元选择 是
是否输入用户选定端 元波谱
用户选定端元波谱
波谱识别 结果
ENVI/IDL
5 高光谱图像分类
• 专题内容
- 基于PPI端元提取方法完成高光谱图像分类数据
• 数据
- “20-高光谱数据的处理与分析\3-高光谱分类”
ENVI/IDL
5.1 端元波谱获取（一、基本流程）
MNF变换 计算纯净像元指数 PPI N维可视化工具
专题四：高光谱数据的处 理与分析
ENVI/IDL
专题背景
• 高光谱分辨率遥感（HyperspectralRemote
Sensing）
- 空间成像的同时，记录下成百个连续光谱通道数据 - 光谱通道窄（10-2λ）而连续，从每个像元均可提取一
条连续的光谱曲线
ENVI/IDL
专题介绍
• 高光谱遥感本身的特点具有很大的应用前景 • 本专题介绍高光谱图像预处理、物质识别、图像
ENVI/IDL
5.1 端元波谱获取（三、PPI计算）
• 计算纯净像元指数PPI
• •
PPI生成的结果是一副灰度的影像,DN值越大表明像元越纯. 作用及原理
-
纯净像元指数法对图像中的像素点进行反复迭代，可以在多 光谱或者高光谱影像中寻找最” 纯”的像元.(通常基于MNF变换 结果来进行) 纯净像元指数可以将N维散点图迭代映射为一个随机单位向量 来计算,每次映射的极值像元被记录下来,并且被标为极值的 总数也被记录下来. 按照多次映射每个像元被记录为极值像元的次数来决定该像 元是否为纯净像元. 进行迭代的次数 设置域值的系数(极值像元的域值) 数据二次采样(减少内存,但不能太小)
ENVI/IDL
4、高光谱图像物质识别
ENVI/IDL
4 物质识别
• ENVI提供许多波谱分析方法，包括：二进制编码
、波谱角分类、线性波段预测（LS-Fit）、线性 波谱分离、光谱信息散度、匹配滤波、混合调谐 匹配滤波（MTMF）、包络线去除、光谱特征拟合 、多范围光谱特征拟合等
ENVI/IDL
• 步骤
- 输入波长范围 - 波谱收集 - 保存波谱库
ENVI/IDL
2.3 波谱库交互
• 波谱库浏览器提供很多的交互功能，包括设置波
谱曲线的显示样式、添加注记、优化显示曲线等
- 编辑数据、绘图参数 - 添加注记 - 波谱曲线对比 - ……
ENVI/IDL
3、端元波谱
ENVI/IDL
端元波谱
• 端元的物理意义是指图像中具有相对固定光谱的
• 林木健康分析Forest • 植被的抑制
ENVI/IDL
6.2 植被分析（二、农作物胁迫分析）
• 农作物胁迫Agricultural
Stress
- 创建农作物胁迫的空间分布图 - 判断出适合农作物生长的区域，可用于精确农业分析； - 绿度：来标识闲置农田、虚弱的植被、健康的作物； - 光利用效率：标识植被生长率； - 冠层氮含量：用于估计相关的氮等级； - 叶绿素：突出植被胁迫； - 冠层水分含量：标识水胁迫的层次。
特征地物类型，它实际上代表图像中没有发生混 合的“纯点”。类似于监督分类中的训练样本
• 端元光谱的确定有两种方式：
- 使用光谱仪在地面或实验室测量到的“参考端元”
，一般从标准波谱库选择 - 在遥感图像上得到的“图像端元”：
- 从二维散点图中基于几何顶点的端元提取 - 借助纯净像元指数（Pixel
Purity Index——PPI）和 n维可视化工具用于端元波谱收集 - 基于连续最大角凸锥（Sequential Maximum Angle Convex Cone——简称SMACC）的端元自动提取。
• 林木健康分析工具
- 创建整个森林区域健康程度的空间分布图 - 用于检测病虫害以及枯萎病的发生情况，也可以用
于评估某地区的木材收获量 - 绿度：表面绿色植被的分布； - 叶绿素：标识类胡萝卜素以及花青素的含量； - 冠层水分含量：标识水分含量； - 光使用效率：标识森林生长率；
ENVI/IDL
6.2 植被分析（五、植被抑制）
ENVI/IDL
6.2 植被分析（三、易燃性分布分析）
• 易燃性分布分析
- 创建某一区域植被易燃性的空间分布图 - 用于森林规划，也可用它来分析城郊混合区的火灾
风险 - 绿度：显示大多数的绿色指数； - 冠层水分含量：标识植被的冠层水分含量； - 干旱或炭衰竭：突出非生物指数；
ENVI/IDL
6.2 植被分析（四、林木健康分析）