遥感数字图像处理

从多波段影像中选取512×512子区并保存为另一文件供后续工作中使用。

7.通过S tatistics→compute statistics生成子区影像的直方图，与原影

像进行比较分析。

8.利用Spear→Spear Google Earth Bridge定位和分析研究区的高分辨率

影像特征。

9.采用标准假彩色合成影像进行影像目视解译。

10.利用工具提取影像中6种地物至少10个样本，点击shift可连续选

取，选取足够目标后导出为txt格式，以供数据分析使用。

11.加载Excel中的分析工具库和分析工具库—VBA，并导入第10步中的txt

数据，计算每种地物各个波段的均值、方差、标准差、最大值、最小值，以及每种地物各个波段的协方差和相关系数，选取红光波段和近红外波段的数据制作散点图。

结果与分析

1.影像文件的基本信息和投影信息如图所示：

其中所包含的数据信息如下：

数据大小：831275354字节

文件类型：ENVI

传感器类型：Landsat OLI

投影信息：UTM投影，北半球49带

地理坐标系：WGS—84

像元大小：30米

波长：0.443到2.201微米

2.各个波段直方图信息如图所示：

3.波段组合试验：

4、3、2：

7、6、4：

5、4、3：

6、5、2：

7、6、5：

实现真彩色合成所需波段组合为：4（红）、3（绿）、2（蓝），能够反映自然界真实景观。

实现标准假彩色合成所需波段组合为：5（近红外）、4（红）、3（绿），能够反映植被信息。

4.截取的512×512子区：

5.原影像与子区影像直方图对比分析：

原影像每个波段的最小值均为0，而子区影像每个波段的最小值不为0，且最大值小于原影像最大值，均值小于原影像的均值，标准差小于原影像的标准差，这是因为子

区只包含原影像的一部分，数据量相对原影像较小，且不包含原影像外围的黑色区域，丢失了原影像中包含的最大最小值，各个波段的值相对较为集中，因此导致了子区各个波段的均值较大，标准差较小，突出表现了区域的特殊性。

6.利用Google Earth分析研究区的影像特征

7.标准假彩色合成目视解译：

地物在两种波段组合下的颜色及纹理特征：

耕地草地裸地森林居民

地公路/

铁路

河流云

标准假彩色

颜色绿色浅绿青色红色藏蓝深绿黑色白色纹理特征平滑平滑平滑粗糙粗糙平滑平滑平滑真彩色

颜色棕黄棕黄白色绿色灰白棕色黑色白色纹理特征平滑平滑平滑粗糙粗糙平滑平滑平滑

8.光谱剖面图：

Farmland：

Forest：

Road：

Cloud：

Stream：

Village：

由各种地物的协方差矩阵可以看出，各个波段与自身的相关系数均为1，且相邻波段之间的相关系数一般大于不相邻波段的相关系数，这说明相邻波段所包含的信息相近。

散点图：

由散点图可以看出：

不同的地物光谱特征相差很大，相同的地物在散点图中较为聚集，即使在地理空间上相隔很远，但其光谱特征呈现一致性，这说明各种地物的光谱特征具有特殊性和统一性。