利用ENVI软件处理遥感影像(精)

科技信息
1.ENVI 软件简介
ENVI 全称是 The Environment for Visualizing Images , 是美国 ITT VIS (ITT Visual Information Solutions 公司的旗舰产品, 是由遥感领域的科学家采用交互式数据语言 IDL(InteractiveData Language 开发的一套功能强大的遥感影像处理软件。

它是快速、便捷、准确地从影像中提取信息的首屈一指的软件工具。

目前, 众多的影像分析师和科学家选择 ENVI 软件从遥感影像中提取信息。

ENVI 软件已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防安全、地球科学、公用设施管理、遥感工程、水利、海洋、勘察测绘和城市规划等领域。

2. 影像校正
由于遥感器本身的内部结构、外部因素 (卫星的姿态、轨道、地球的运动和形状等等原因都可能引起影像的几何变形, 这叫几何失真。

为了纠正这些影像变形, 所以要对影像进行几何纠正。

而进行几何纠正通常是利用影像配准来实现的, 也就是在同一区域里利用基准影像 (或者地图对另一幅影像的校准, 以使两幅影像中的同名像元配准。

由此也可以清楚地看到影像配准的目的,就是使得我们能够获得比较准确的影像中的每一个像元所对应的地面的位置,这样在进行定性遥感中才能使得影像之间具有可比性,在定量遥感中才能使得我们能够确定具体目标。

在影像校正过程中, 首先是要选择所谓的地面控制点 (GCP , 这也是影像校正最关键、工作量最大的一步。

原则上 GCP 点的分布要求均匀, 并且数量要多, 这样校正的可靠性才比较高。

选择的 GCP 点一定是要在影像上容易辨识的, 地面上最好可以实测, 具有较固定的特征, 不会随时间的变化而变化的点。

本文实际采用某区域遥感得到的 SPOT 影像和 TM 影像,分别为 SPOTA 、TMA 、 SPOTB 、 TM B , 以所要分析的影像为例, 是选用 SPOT 影像为基准, 校正
TM 影像, 分别打开 SPOT 影像和 TM 影像, 采用 ENVI 软件中的 Image to Image 校正功能。

其中对于 SPOTA 和 TMA 影像, 选择了 108个 GCP 点, 整幅影像总的均方根
误差为 0.3316,其中最大的点的误差为 0.9479,最小的为 0.0005。

对于 SPOTB 和TMB 影像 , 选择了 126个 GCP 点, 整幅影像总的均方根误差为 0.1457,其中最大的点的误差为 0.7686,最小的为 0.0014。

加载了控制点的影像见图 1、图 2。

图 1加载 GCP 后的 SPOTA 影像图 2加载 GCP 后的 SPOTB 影像 3. 影像重采样
图 3TMA 重采样图图 4TMB 重采样图
对于影像重采样, 在 ENVI 软件中需要进行如下设置:
(1 对于 TMA 影像重采样时, 特别要注意点选“ Spatial Subset ” 设置 Samples 为1444To 8568, NS 为 7125; Lines 为 2222To 7000, NS 为 4779。

(2 对于 TMB 影像重采样时, 特别要注意点选“ Spatial Subset ” 设置 Samples 为 1610To 8720, NS 为 7111; Lines 为 2477To 7003, NS 为 4527。

这样设置的目的是只对 TM 影像中跟 SPOT 影像相对应的区域进行重采样, 使得 TM 和 SPOT 影像都是同一区域, 并且影像尺寸
大小一致, 以便为接下来做影像融合打好基础。

TMA 和 TMB 影像的重采样结果图如图 3、图 4。

4. 影像融合
影像融合是必须在重采样做完后进行处理,影像融合的目的是为了融合 SPOT 影像和 TM 影像, 使得融合后的影像同时拥有 SPOT 影像的高分辨率和 TM 影像的多信息, 使影像更真实、更美观。

在 ENVI 软件中分别打开影像 SPOTA 、 SPOTB 和重采样后的影像 TMA 、TM B , 进行影像融合, 融合结果图如图 5、图 6。

图 5SPOTA 和 TMA 融合图图 6SPOTB 和 TMB 融合图 5. 影像镶嵌
一幅遥感影像的幅面大小是由传感器的视场所决定,影像的位置是由卫星的运行来决定。

因此一个特定的地理和行政区域可能分成几块被覆盖在好几幅遥感影像中, 例如, 本文做的区域就是由两幅影像组成, 因此就需要将几幅影像组合起来才能形成一个区域的单幅影像, 这种过程就叫影像镶嵌。

将融合好后的两幅影像在 ENVI 软件中打开进行影像镶嵌, 本文进行影像镶嵌的参数设置如下:
(1 背景值, 在两幅影像的“ Background Data Value to Ignore ” 文本框里都键入“ 0” , 即透明;
(2 羽化值, 在两幅影像的“ Feathering Distance ” 文本框都键入“ 35” ;
(3 色彩平衡, 在“ Color Balancing ” 选项中, 对于 TMB 影像设置为 Fixed , 对于TMA 影像设置为 Adjust 。

两幅影像的镶嵌结果图如图 7所示。

图 7镶嵌结果图
6. 影像分类
遥感影像分类的目的是将遥感影像中的像元按照地物类别进行划分。

例如将影像分成许多区域, 这些区域分别代表森林、草地、湖泊、城镇等实际地物类别。

遥感影像的分类方法有非监督分类和监督分类两种。

非监督分类不需要任何关于分类对象的先验知识, 完全根据数据自身的统计规律进行分类。

利用 ENVI 软件处理遥感影像
交通运输部天津水运工程科学研究院武艺文先华
[摘要 ]遥感影像处理是对遥感影像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理的方法。

本文结合实际遥感影像, 主要介绍如何利用 ENVI 软件进行遥感影像的校正、重采样、融合、镶嵌、分类及分类后处理。

[关键词 ]ENVI 软件遥感
影像
专题论述—
科技信息
对馆员的服务方式提出了新的挑战。

它要求高校图书馆员必须是德才兼备的新型专业人才。

在“ 才” 方面必须是“ 一专多能” 。

在“ 能” 方面则越多越好。

至少精通一门外语, 熟悉计算机操作, 长于知识管理与组织, 善于服务, 更要有敬业奉献精神, 真正能从社会发展,文化普及以及全面提高国民素质的角度去认识高校图书馆的社会地位和教育功能。

5、大力宣传, 提高普通高校图书馆的社会知名度
首先, 要提高对宣传作用的认识, 校外人来高校图书馆的少, 是因为对图书馆不了解。

这就要求高校图书馆加大宣传力度, 让普通市民了解高校图书馆, 宣传高校图书馆的服务宗旨、服务方式、服务项目。

可通过制作图书馆主页、 BBS 公告板、设立宣传栏和发放图书馆使用指南, 新书通报等宣传资讯, 开办专题讲座、举办各种读书活动。

演讲比赛, 组织读者参加社会实践活动, 深入到社区、用户中去, 开展宣传教育和科技知识的传播等, 接纳社会团体、家庭以及个人入馆参观, 扩大图书馆在社会人员中的影响, 为图书馆的社会化服务争取有利的支持。

6、树立高校与地方经济互相依存、共同发展的思想, 强调以服务求支持, 以贡献求发展的理念, 充分发挥文献信息资源的优势
高校图书馆可给校外人员办理图书借阅证,与公共图书馆实现馆际互借, 满足校外读者的文献信息需要。

可以通过组织科普活动、专题讲座、学术报告会、
举办学习班和计算机检索培训班等形式, 帮助校外读者掌握文献信息知识和检索技能,通过这些影响扩大图书馆的社会影响和知名度, 树立良好的服务形象。

7、高校图书馆要发挥社会化服务的技术优势与人才优势
高校不仅是先进文化的发源地和集散地,同样也是新技术的研发地和传播地。

现代高校图书馆更注重先进的信息技术在管理中的应用。

随着网络化、自动
化、数字化的建设, 高校图书馆不断更新服务设备, 安装先进的集成管理软件, 由手工借阅到电脑扫描, 由人工目录到网上智能检索, 读者完全可以通过联网微机进入图书馆, 实现网上预约、借阅、续借、咨询等功能。

图书馆手工借阅时期, 工作量大, 满足在校师生的要求都很难, 现在藏、借、阅一体, 数字资源丰富, 网络链接方便、快捷, 大大节省了人力, 方便了读者, 无论是借阅服务、还是网上传输, 或者是信息咨询, 都可以较快地满足读者的要求, 提高了资源的利用率。

随着现代图书馆的发展,高校图书馆的工作已不只是简单的被动借还服务, 更多的是针对教学科研和学科建设特点, 由被动变主动, 形成了主动推送服务、网上资源集成服务、为教学科研人员和各类读者提供知识信息服务等职能。

现代图书馆服务职能的变化, 对高校图书馆的工作人员提出了更高的要求。

近几年, 高校图
书馆的工作人员队伍发生了较大的变化, 由老龄化向年轻化发展, 由低学历向高学历发展, 由单学科向多学科发展, 聚集了大量的高职称的图书馆学、计算机和各学科专业人才, 他们不仅关注本馆的馆藏和学科服务, 而且对当今世界和国内图书馆界的知识信息服务给予了极大的关注,对海量的知识信息进行识别、整理、排序、推送, 起到了知识导航员的作用。

因此, 利用高校图书馆的人才优势, 积极开拓社会服务的新领域, 能更好地满足社会成员的信息需求, 为社会的信息化做出贡献。

总之, 拓展高校图书馆的社会化服务职能, 是一个学术研究课题, 更是一个实践的过程, 它不仅要求政府的大力支持和经济援助, 更需要图书馆内部的管理创新。

高校图书馆社会化服务有着较好的前景, 也大有文章可做, 只要高校图书馆从构建和谐社会的需要出发, 社会化服务工作就一定能开展起来并受到社会的欢迎。

参考文献
[1]刘龙 . 高校图书馆服务社会化的优势与实现途径 [J ]. 河南科技学院学报 (社会科学版 ,2010(1
[2]赵玉贞 . 新时期高校图书馆社会化服务初探 [J ]. 图书馆界 ,2008(3
(上接第 771页
表 1分类统计结果表
本文采用的是 K-Means (K 均值非监督分类, K-M eans (K 均值非监督分类是通过计算数据空间上均匀分布的最初类均值,然后用最短距离技术重复地把像元聚集到最近的类里。

每次迭代重新计算均值, 且用新的均值对像元进行再分类。

当限定了标准差和距离的阀值时, 如果一些像元不满足选择的标准, 就无法参与分类, 所有像元都被归到与其最临近的一类里。

这一过程持续到每一类的像元数变化少于选择的像元变化阀值或已经达到迭代的最多次数。

K-Means (K 均值非监督分类的准则是:使每一聚类中, 多模式点
到该类别中心的距离的平方和最小。

其基本思想是:通过迭代, 逐次移动各类的中心, 直到得到最好的聚类结果为止。

通过 ENVI 软件打开镶嵌好的影像, 进行 K-Means (K 均值非监督分类, 在“ K-Means Parameters ” 对话框中设置相关参数, 在其中“Number of Classes ” 文本框里键入分类个数“ 8” , “ Maximum Iterations ” 文本框里键入迭代次数“ 5” , 点选菜单File → 输出, 点击“ OK ” 即可。

分类结束后得到的分类结果图如图 8。

图 8K-Means (K 均值非监督分类结果图
7. 影像分类后处理
在 ENVI 软件中打开镶嵌结果图和分类结果图, 选择菜单 Classifi-cation → Post Classification → Class Statistics , 在弹出的“ Classification Input File ” 对话框中选择分类结果图, 点“ OK ” 继续, 在弹出的“ Statistics Input File ” 对话框中, 选择镶嵌结果图 (TM 影像 , 选好输入文件后, 点击“ OK ” , 出现“ Class Selection ” 对话框, 在列表中选择前面所分的 8类, 然后一直默认设置点“ OK ” 即可得到分类后处理的分类统计结果, 见表 1。

8. 结语
本文结合某区域遥感得到的 SPOT 影像和 TM 影像, 主要介绍如何利用 ENVI 软件进行遥感影像的校正、重采样、融合、镶嵌、分类及分类后处理的方法及操作步骤。

ENVI 软件其他强大的遥感影像处理功能还有待进一步研究。

参考文献
[1]赵文吉, 段福州, 刘晓菲等 .ENVI 遥感影像处理专题与实践 [M ]. 北京:中国环境科学出版社, 2007.
[2]李小娟, 宫兆宁, 李静等 .ENVI 遥感影像处理教程 [M ]. 北京:中国环境科学出版社, 2007.
[3]沈焕锋, 钟燕飞, 王毅等 .ENVI 遥感影像处理方法 [M ]. 武汉:武汉大学出版社, 2009.
[4]韦玉春, 汤国安, 杨昕等 . 遥感数字图像处理教程 [M ]. 北京:科学出版社, 2007.
类别 Band M in Max M ean StDev points percent-age
Class1 10430.5106373.538195
1747992632.43% 20450.3834822.375020 30490.5325773.173868
Class2 105618.78919415.427580
25894914.80% 2010950.37537115.296509 3511852.98285813.488644
Class3 12711073.48461518.221747
52152139.68% 207421.39964914.041566 309831.46083716.088489
Class4 199255142.63808828.320246
48224678.95% 20689.86294010.420598 3012022.64040719.171965
Class5 177255120.61689329.178835
638952411.86% 2016272.62335424.015492 32418287.96849522.595675
Class6 108748.02682522.532882
52994599.83% 2314374.46480014.017938 32113878.07702412.240106 Class7 1010632.51514628.560081
674922512.52% 253197118.56323716.543299 337188115.60638915.468289 Class8 1023969.57489340.872762
53474969.92%
283255160.53886023.256186
389255160.28515520.308670
专题论述
773——。