ENVI遙感概論實驗指導(dǎo)書

《遙感概論》實驗指導(dǎo)書地理信息系統(tǒng)教研室

實驗內(nèi)容根據(jù)新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院現(xiàn)有實驗條件及設(shè)備，針對遙感概論課程教學(xué)大綱實驗范圍，制定如下實驗內(nèi)容。1遙感圖像增強(qiáng)：對比度變換2遙感圖像增強(qiáng)：空間濾波3遙感圖像增強(qiáng)的彩色合成4遙感圖像變換—主成分分析5遙感圖像變換—纓帽變換6遙感圖像的HIS彩色空間變換7遙感圖像的分類（監(jiān)督分類或非監(jiān)督分類）*綜合性實驗實驗采用軟件為美國ENVI

ENVI實驗指南ENVI（TheEnvironmentforVisualizingImages）Version4.1,由美國系統(tǒng)研究公司（ResearchSystemINC.）開發(fā)。一界面系統(tǒng)介紹主菜單：菜單項，F(xiàn)ile、BasicTool、Classification、Tranform、Spectral實習(xí)所涉及的（粗略介紹）Help工具的使用主菜單設(shè)置（preferences）：內(nèi)存設(shè)置二文件的存取與顯示圖像顯示由一組三個不同的圖像窗口組成：主圖像窗口、滾動窗口、縮放窗口。主圖像Image窗口：（400*400）100％顯示（全分辨率顯示）scroll的方框，可交互式分析、查詢信息。主圖像窗口內(nèi)的功能菜單：在主圖像窗口內(nèi)點擊鼠標(biāo)右鍵，切換隱藏子菜單的開啟和關(guān)閉。該"Functions"菜單控制所有的ENVI交互顯示功能，這包括：圖像鏈接和動態(tài)覆蓋；空間和波譜剖面圖；對比度拉伸；彩色制圖；諸如ROI的限定、光標(biāo)位置和值、散點圖和表面圖等交互特征；諸如注記、網(wǎng)格、圖像等值線和矢量層等的覆蓋（疊置）；動畫以及顯示特征。滾動Scroll窗口：全局，重采樣(降低分辨率)顯示一幅圖像。只有要顯示的圖像比主圖像窗口能顯示的圖象大時，才會出現(xiàn)滾動窗口。滾動窗口位置和大小最初在envi.cfg文件中被設(shè)置并且可以被修改?？s放Zoom窗口：（200*200）顯示image的方框?？s放系數(shù)（用戶自定義）出現(xiàn)在窗口標(biāo)題欄的括號中。圖像的頭文件資料的獲取和編輯ENVI：File>>EditENVIHeader，選擇相應(yīng)的文件。從HeaderInfo對話框里，你可以點擊EditAttributes下拉菜單中的選項，調(diào)用編輯特定文件頭參數(shù)的獨立對話框。這些參數(shù)包括波段名、波長、地圖信息等。圖像的存取File>OpenImageFile.當(dāng)你打開任何文件，可用波段列表（ABL）自動地出現(xiàn)。ABL列出該圖像文件的所有波段，并允許你顯示灰階和彩色圖像、啟動新的顯示窗口、打開新文件、關(guān)閉文件，以及設(shè)置顯示邊框。要選擇當(dāng)前活動顯示，請按以下步驟：從ABL（AvailableBandsList）內(nèi)，點擊“Display#X”按鈕菜單（其中“X”是與顯示窗口標(biāo)題欄內(nèi)數(shù)字相對應(yīng)的數(shù)字），再從列表中選擇所需要的顯示。要開始一個新的顯示，從按鈕菜單選擇“NewDisplay”。點擊“LoadBand”或“LoadRGB”，以把選定的波段導(dǎo)入選定的顯示?；叶葓D像和彩色圖像的顯示ENVI：File>>OpenImage>>AvailableBandsList（ABL）中選擇GrayScale或RGBColor模式5．剖面和波譜圖（ProfilesandSpectralPlots）Image:>>Tools>>Profiles。ENVI允許抽取水平的（X）、垂直的（Y）、波譜的（對每個像元為Z）以及任意的剖面圖。剖面圖顯示在單獨的圖表窗口，并且X、Y和Z剖面圖可以同時是激活的。鼠標(biāo)用來移動一個十字準(zhǔn)線并交互地選擇剖面圖。圖表窗口內(nèi)Options菜單下的AutoScaleY-Axis非常有用。三圖像預(yù)處理圖像的切割（取子區(qū)）ENVI：BasicTools>>ResizeData>>ResizeDataInputFile對話框（如下圖）。①選擇需要切割的原始圖像；②選擇SpatialSubset或SpectralSubset方式；③若設(shè)置空間切割方式（SpatialSubset>>selectSpatialSubset）點擊“Image”；④出現(xiàn)SubsetbyImage對話框，Subset的尺寸用2種形式，移動圖像上的方框或直接填寫samples/lines（列/行）值；③’若設(shè)置波段范圍（SpectralSubset>>FileSpectralSubset），選擇波段；若要根據(jù)已選擇的感興趣區(qū)域進(jìn)行切割，可用ENVI：BasicTools>>SubsetDataviaROIs。若要使用與上次輸入的空間大小相同的文件的空間子集，點擊“Previous”按鈕。注：ResizeData還可以進(jìn)行圖像重采樣（如下），若僅僅進(jìn)行子區(qū)的選擇，則不要調(diào)整OutputFileDimensions。*圖像左上角為原點(1.1---列.行)。“Masking”---把一個空間掩膜應(yīng)用到圖像的某個部分，包括統(tǒng)計、分類、分離（unmixing）、匹配濾波、連續(xù)刪除（continuumremoval）和波譜特征擬合（spectralfeaturefitting）。①①②③④移動方框⑤⑥⑦⑧⑨④’可直接填寫S/L圖像的重采樣ENVI：BasicTools>>ResizeData>>ResizeDataInputFile對話框選擇需要采樣的原始圖像—OK>>ResizeDataParameters——調(diào)整OutputFileDimensions的像元數(shù)；選擇采用方法>>文件輸出實驗一遙感圖像增強(qiáng)——對比度變化得到遙感圖像以后，通過對圖像的各種處理及分析，可以判別出地物的屬性及分布特征。圖像增強(qiáng)處理是一種圖像處理方法。常用的圖像增強(qiáng)的方法有：對比度變換，彩色增強(qiáng)，濾波等。下面介紹遙感圖像增強(qiáng)—對比度變化的基本原理，方法，處理方法，目的及它在ENVI中的操作過程。一原理及方法：圖像增強(qiáng)的目的是改善圖像的現(xiàn)實質(zhì)量，以利于圖像信息的提取及識別。在這個方法上是通過突出重要信息，去除不重要或不必要信息來實現(xiàn)的?？梢酝ㄟ^調(diào)整數(shù)字圖像的直方圖，進(jìn)行像元亮度值之間的數(shù)字運算或數(shù)學(xué)變換達(dá)到圖像增強(qiáng)的目的。直方圖是以統(tǒng)計圖的形式表示圖像亮度值與像元數(shù)之間的關(guān)系。當(dāng)直方圖峰值偏向亮度坐標(biāo)軸左側(cè)或右側(cè)時，說明圖像偏暗或偏亮。其峰值過陡過窄，則表明圖像高密度值過于集中。兩者均表現(xiàn)為圖像對比度較小，圖像信息不清楚，圖像質(zhì)量較差。因此通過改變直方圖形態(tài)可以改變圖像質(zhì)量。圖像的對比度大，反映圖像的亮度值變化范圍大，目標(biāo)地物被識別的可能性就大；反之，目標(biāo)與背景難以區(qū)別，識別的可能性就小。進(jìn)行對比度擴(kuò)展的主要方法有（1）線性變換（2）非線性變換，（3）直方圖調(diào)整等（1）線性變換是圖像增強(qiáng)最常用的方法。指變換函數(shù)為線性關(guān)系，如：g(x,y)=af(x,y)+b式中，a,b為特定的系數(shù)。由于判讀目標(biāo)與背景的關(guān)系比較復(fù)雜，常將函數(shù)考慮為將原圖像的亮度值動態(tài)范圍擴(kuò)展至指定的范圍或最大動態(tài)范圍。-（2）非線性變換指采用非線性函數(shù)進(jìn)行對比度擴(kuò)展變換。常用方法有對數(shù)變換，指數(shù)變換，查表法等，其數(shù)學(xué)方式：g(x,y)=b.lg[af(x,y)+1]+cg(x,y)=b.ln[af(x,y)+1]+cg(x,y)=b.exp[af(x,y)+1]+c式中，a,b,c為可選擇的控制參數(shù)，控制曲線的變化率，起點，載距等，增加變化的靈活性的動態(tài)范圍的選擇性。對數(shù)變換常用于擴(kuò)展低亮度區(qū)，壓縮高亮度區(qū)的對比度，以突出隱伏暗區(qū)的目標(biāo)，或使暗區(qū)層次顯示清晰。指數(shù)變換的效果正好與對數(shù)變換相反，突出亮區(qū)而壓制暗區(qū)。二者互為逆運算操作。查表法是非線性變換的一種簡單而有效的方法，即把亮度值的輸入與輸出間的變換關(guān)系列成表格，當(dāng)輸入某已知值后，通過查表獲得其對應(yīng)的輸出值。直方圖調(diào)整是指通過變換函數(shù)，使原圖像的直方圖變換為所要求的直方圖，并根據(jù)新直方圖變更原圖像的亮度值，具體方法有直方圖均衡化和直方圖正態(tài)化.前者把原圖像的直方圖變換為灰度值頻率固定的直方圖,使變換后的亮度級分布均勻,圖像中等亮度區(qū)的對比度得到擴(kuò)展,相應(yīng)原圖像中兩端亮度區(qū)的對比度相應(yīng)壓縮.后者是將與正態(tài)分布形狀相距較大的圖像的頻率分布變換為正態(tài)分布.應(yīng)注意的是,若將與正態(tài)分布相差較大的原圖像的頻率分布勉強(qiáng)變換為正態(tài)分布,則因原圖像的某一灰度的頻率很高,變換成正態(tài)分布使其對應(yīng)的灰度值的頻率降低,造成對該部分的壓縮而丟失重要的信息.二實驗?zāi)康?認(rèn)識遙感圖像的基本結(jié)構(gòu),了解數(shù)字圖象;學(xué)習(xí)掌握圖像直方圖變化與圖像亮度變化的關(guān)系;3.掌握圖像線性拉伸的方法和過程。三實驗步驟：圖像增強(qiáng)(Image:Enhance)Stretch_Type下拉菜單InteractiveContrastStretching對話框內(nèi)的Stretch_Type菜單包含一個所有可以選擇的交互式拉伸類型的列表。每個菜單選項描述如下。線性對比度拉伸（LinearContrastStretch）線性對比度拉伸是系統(tǒng)默認(rèn)的交互式拉伸。線性拉伸的最小和最大值分別設(shè)置為0和255，兩者之間的所有其它值設(shè)置為中間的線性輸出值。1.從InteractiveContrastStretching對話框內(nèi)，選擇Stretch_Type>LinearContrastStretch.2.要限定最小和最大輸入值。使用鼠標(biāo)左鍵，移動輸入直方圖上的紅色（最小值）和綠色（最大值）垂直線到所需要的位置，或在紅色和綠色垂直線旁的文本框內(nèi)輸入所需要的DN值或一個數(shù)據(jù)百分比（例如，最小值為5%，最大值為95%），來輸入最小和最大輸入值。3.點擊“Apply”，把拉伸應(yīng)用于顯示的數(shù)據(jù)?！ひ匦嘛@示原來的拉伸，選擇Options>ResetStretch.分段線性對比度拉伸（PiecewiseLinearContrastStretch）分段線性對比度拉伸可以通過使用鼠標(biāo)在輸入直方圖中放置幾個點進(jìn)行交互地限定。當(dāng)在點之間提供線性拉伸時，線段在點處連接起來。1.選擇Stretch_Type>PiecewiseLinear.一個變換函數(shù)將被繪制在輸入直方圖上。2.在轉(zhuǎn)換函數(shù)的任何位置點擊鼠標(biāo)中鍵，繪制一個記號，用來標(biāo)記被選擇點X、Y坐標(biāo)。繪制的線段將端點和繪制的記號連接起來?！ひ苿右粋€點的位置，在記號上點擊鼠標(biāo)左鍵，然后把它拖曳到一個新位置。·要刪除點，用鼠標(biāo)右鍵在記號上點擊?！ひ謩拥劓I入輸入和輸出值，選擇Options>EditPiecewiseLinear.作為結(jié)果的直方圖將在輸出顯示器上被繪制。輸出的直方圖表明應(yīng)用新的拉伸后數(shù)據(jù)的分布。3.點擊“Apply”，將拉伸應(yīng)用于顯示的數(shù)據(jù)。直方圖均衡化對比度拉伸（HistogramEqualizationContrastStretch）要自動縮放數(shù)據(jù)以與每個直方圖中bin的DN數(shù)均衡：1.選擇Stretch_Type>Equalization.輸入直方圖顯示未被修改的數(shù)據(jù)分布。輸出直方圖用一條紅色曲線顯示均衡化函數(shù)，被拉伸數(shù)據(jù)的分布呈白色疊加顯示。2.點擊“Apply”，將拉伸應(yīng)用于顯示的數(shù)據(jù)。四實驗總結(jié)：通過學(xué)習(xí)這一門課以后，學(xué)生對圖像進(jìn)行各種處理而得到所需要的信息的能力進(jìn)一步提高了，并且對ENVI軟件的了解及操作能力提升。總的來說從以下幾個方面取得了進(jìn)一步的進(jìn)展：(1)掌握了遙感圖像的基本結(jié)構(gòu),學(xué)習(xí)了圖像直方圖變化與圖像亮度變化的關(guān)系,實驗了圖像線性拉伸的方法和過程;(2)通過這次實驗加深了學(xué)生對ENVI的進(jìn)一步認(rèn)識,對ENVI的各功能模塊有了更深的體會;(3)鍛煉了學(xué)生理論聯(lián)系實際的能力;(4)由于ENVI是純英文軟件這就對學(xué)生專業(yè)外語的要求很高，促進(jìn)專業(yè)英語水平的提高.

實驗二遙感圖像增強(qiáng)——空間濾波一、濾波的原理及方法在遙感圖像處理中，經(jīng)常采用空間域中的鄰域處理方法來改變遙感圖像中像元與其周圍相鄰像元的關(guān)系，即“空間濾波”，來突出遙感圖像上某些特征，如突出邊緣或紋理等。傳統(tǒng)的空間濾波方法有圖像卷積運算、平滑、銳化。圖像卷積運算是在空間域上對圖像進(jìn)行鄰域檢測的運算，具體做法是選定一個卷積函數(shù)t(m，n)，又稱為“模板”，即一個M×N的圖像，運算時，從圖像左上角開始一個與模板同樣大小的活動窗口U(m，n)，使活動窗口與模板像元的灰度值對應(yīng)相乘再相加，計算結(jié)果r(i，j)作為活動窗口中心像元的新的灰度值。在平滑處理中，均值平滑是將每個像元在以其為中心的區(qū)域內(nèi)取平均值來代替該像元值以達(dá)到去掉尖銳“噪聲”和平滑圖像的目的。常用的鄰域有4-鄰域和8-鄰域。在中值濾波中則是以某像元為中心的鄰域內(nèi)取中間亮度值來代替該像元值，以達(dá)到去掉尖銳“噪聲”和平滑圖像的目的?？臻g濾波是指在圖像空間(x，y)或空間頻率(ξ，η)對輸入圖像應(yīng)用若干濾波函數(shù)而獲得改進(jìn)的輸出圖像的技術(shù)，即對圖像中某些空間、頻率特征的信息增強(qiáng)或抑制，如增強(qiáng)高頻信息，即突出邊緣、紋理、線條等。增強(qiáng)低頻信息抑制高頻信息、既去掉細(xì)節(jié)。其效果有噪聲的消除，邊緣及線的增強(qiáng)，圖像的清晰化等。注意突出的圖像上的某些特征，突出邊緣或圖像處理方法，也叫做“空間濾波”，它屬于一種幾何增強(qiáng)處理。空間濾波技術(shù)的基本思路有3條：Filter濾波，操作如下：①提取原圖像的邊緣信息，進(jìn)行加權(quán)處理，然后與原圖像疊加；②提取原圖像中的模糊成分進(jìn)行加權(quán)處理，然后與原圖疊加；③使用某一指定的函數(shù)對原圖像進(jìn)行加權(quán)，是圖像產(chǎn)生尖銳或平滑的效果。在進(jìn)行運算時，多采用空間卷積技術(shù)，即在原圖像上移動“活動窗口”，逐塊進(jìn)行局部運算。濾波可用于各種不同的目的。均值和高斯濾波常用于綜合的一個圖像；中值濾波多用于多用于消除隨機(jī)噪聲；自適應(yīng)框濾波用于糾正“鹽和胡椒?！彪S機(jī)噪聲及像元亮度與圖像背景有關(guān)的但含噪聲數(shù)據(jù)；眾數(shù)濾波適宜于在經(jīng)過矢量到柵格轉(zhuǎn)換后的圖像上填補(bǔ)多邊形之間的空隙；邊緣增強(qiáng)濾波則增強(qiáng)在連續(xù)表面上變化的區(qū)域；高斯濾波強(qiáng)調(diào)那些相對于逐漸變化的區(qū)域之間的邊界；用戶自定義濾波文件選項則可用于模擬模型。在操作時，首先要求選擇使用濾波類型為：均值、高斯、中值、自適應(yīng)框、眾數(shù)、邊緣增強(qiáng)、高通濾波、用戶自定義、或其他尺寸濾波。如果所選濾波類型有多種濾波器尺寸，必須指定出所希望的使用哪一種。然后，要求輸入要濾波的圖像名及要產(chǎn)生的輸出圖像的新文件名。二、實驗?zāi)康牧私饪臻g濾波的操作過程和空間濾波對圖像產(chǎn)生的效果。三、實驗步驟Filetering(濾波)ENVI支持一種濾波類型：Convolution、Morphological、Texture、Adaptive和FFT濾波，它們都可以經(jīng)過ENVI主菜單的Filters菜單得到。ConvolutionFiltering(卷積濾波)卷積是一種濾波方法，它產(chǎn)生一幅輸出圖像（圖像上，一個給定像元的亮度值是其周圍像元亮度值加權(quán)平均的函數(shù)）。用戶選擇變換核用于圖像列卷積生成一個新的空間濾波圖像。下面將介紹進(jìn)行卷積需要的一般配置以及每一種濾波類型的詳細(xì)情況。使用卷積濾波用于濾波的文件選擇對話框，不象其它ENVI文件選擇對話框，它包括一個“File/Band”箭頭切換按鈕，這一按鈕可以讓你選擇輸入一個文件或輸入一個獨立的波段?！みx擇一個用于卷積濾波處理的文件：1選擇Filter>Convolutions>一種濾波類型。2出現(xiàn)ConvolutionInputFile對話框時，選擇一個輸入文件名，若需要可以輸入一個空間子集?！ぬ幚韱蝹€波段：1選擇Filter>Convolutions>一種濾波類型。2點擊“SelectBy”附近的箭頭按鈕，選擇“Band”。這時，在窗口的左邊一欄“SelectInputBand”文本框里出現(xiàn)所有可利用波段的列表。3通過點擊波段名選擇需要的波段。一旦選擇了，你還可以選擇一個空間子集。設(shè)置卷積參數(shù)卷積濾波需要選擇一個變換核的大小。多數(shù)濾波變換核呈正方形，默認(rèn)的變換核大小是3×3。原始圖像卷積結(jié)果中“Addingback”部分有助于保持空間聯(lián)系，代表性地被處理成尖銳化的圖像。在文件選擇對話框里，選擇好數(shù)據(jù)以后：1點擊“OK”。2出現(xiàn)ConvolutionParameters對話框時，在“Size”文本框里鍵入一個變換核的大小。注意一些特別的濾波（如Sobel和Roberts）有自己的默認(rèn)值，是不能改變的。選擇這些濾波時，不會出現(xiàn)變換核大小的選項。3對原始圖像的“AddBack”部分，在“AddBack”文本框里，鍵入一個0.0與1.0之間的數(shù)（與原始圖像的0到100%相對應(yīng)）?！ぞ庉嬤x擇的變換核，改變權(quán)重值，在對話框低部附近點擊“EditKernel”。出現(xiàn)KernelEdit對話框。在每個可編輯的文本框里，顯示出變換核的值。選擇下列選項。·改變數(shù)值，點擊要改變的數(shù)值，鍵入新值。·重新設(shè)置為原始值，點擊“Reset”?！ひ鎯庉嬤^的變換核，點擊“SaveKernel”，在合適文本框里鍵入輸出文件名。·要在ConvolutionParameters對話框里記起以前存儲的變換核，點擊“RestoreKernel”，從文件選擇對話框里，選擇需要的文件名。4點擊“OK”。5在第二個ConvolutionParameters對話框里，選擇輸出到“File”或“Memory”?！と暨x擇輸出到“File”，在標(biāo)有“EnterOutputFilename”的文本框里鍵入要輸出的文件名；或用“Choose”按鈕選擇一個輸出文件名。6點擊“OK”，開始卷積濾波。出現(xiàn)一條狀態(tài)信息，顯示操作的進(jìn)行過程。對于圖像tiling需要的一些濾波操作，狀態(tài)窗口顯示不是漸漸地進(jìn)展的，而是稍微等上一會兒，突然從0跳到100%（因為它是整個圖像一次性操作的）。完成以后，濾波后的圖像被添加到AvailableBandsList的頂部，且能用標(biāo)準(zhǔn)ENVI程序顯示。HighPassFilter(高通濾波器)高通濾波在保持高頻信息的同時，消除了圖像中的低頻成分。它可以用來增強(qiáng)不同區(qū)域之間的邊緣，猶如使圖像尖銳化。通過運用一個具有高中心值的變換核來完成（典型地周圍是負(fù)值權(quán)重）。ENVI默認(rèn)的高通濾波用到的變換核是3×3的（中心值為“8”，外部像元值為“-1”）。高通濾波變換核的大小必須是奇數(shù)。·實現(xiàn)這一功能，選擇Filters>Convolutions>HighPass。LowPassFilter(低通濾波器)低頻濾波保存了圖像中的低頻成分。ENVI的低通濾波是通過對選擇的圖像運用IDL“SMOOTH”函數(shù)進(jìn)行的。這一函數(shù)用到了boxcar平均，盒子的大小由變換核的大小決定，默認(rèn)的變換核的大小是3x3。·實現(xiàn)這一功能，選擇Filters>Convolutions>LowPass.Directional(直通濾波)直通濾波是第一個派生的邊緣增強(qiáng)濾波，它選擇性地增強(qiáng)有特定方向成分的圖像特征。直通濾波變換核元素的總和是零。結(jié)果在輸出的圖像中有相同像元值的區(qū)域均為0，不同像元值的區(qū)域呈現(xiàn)為亮的邊緣。實現(xiàn)直通濾波：1選擇Filters>Convolutions>Directional.2除了ConvolutionParameters對話框中的標(biāo)準(zhǔn)的濾波調(diào)整項目以外，ENVI直通濾波需要你在標(biāo)有“Angle”的文本框里鍵入需要的方向（單位是度）。正北方是0度，其他角度按逆時針方矢量度。GaussianFilter(高斯濾波器)高斯濾波通過一個指定大小的高斯卷積函數(shù)對圖像進(jìn)行濾波。默認(rèn)的變換核大小是3×3，且變換核的大小必須是奇數(shù)。1選擇Filters>Convolution>Gaussian。2除了ConvolutionParameters對話框中的標(biāo)準(zhǔn)濾波調(diào)整項目以外，選擇“HighPass”或“LowPass”濾波。MedianFilter(中值濾波器)中值濾波在保留比變換核大的邊緣的同時，平滑圖像。ENVI的中值濾波用一個濾波器大小限定的鄰近區(qū)的中值（不要與平均值混淆）代替每一個中心像元值。默認(rèn)的變換核大小是3x3?！崿F(xiàn)這一功能，選擇Filters>Convolutions>Median。UserDefinedConvolutionFilters(用戶自定義的卷積濾波)你可以通過選擇和編輯一個用戶變換核，定義習(xí)慣上用到的卷積變換核。1選擇Filters>Convolutions>UserDefined。除了ConvolutionParameters對話框中的標(biāo)準(zhǔn)的濾波調(diào)整項目以外，KernelSelection對話框中出現(xiàn)的標(biāo)有“Cols”、“Rows”、和“Bands”的文本框中有一個默認(rèn)的3×3×1低通變換核，作為當(dāng)前變換核。用戶定義的卷積變換核可以是n×m×k維的。2在合適文本框里，鍵入需要的數(shù)值，以改變變換核的維數(shù)。注意當(dāng)前波段數(shù)只能設(shè)置為1。3選擇“EditKernel”按鈕，交互式地編輯默認(rèn)值，改變個別濾波器的權(quán)重。四、實驗總結(jié)1傳統(tǒng)的空間濾波方法有些不足的地方。傳統(tǒng)濾波方法對數(shù)字圖像進(jìn)行空間濾波的處理，強(qiáng)調(diào)了像元與其周圍相鄰像元的關(guān)系，每個像元處理后的灰度值是在它自身及其周圍像元的灰度值參與下經(jīng)過運算處理得到的。各種算法都涉及到了一個固定值的模板，模板的值不隨像元運算順序的變化而變化，是一種靜態(tài)的運算。但是，實際上每個像元的灰度值與其周圍的像元灰度值的關(guān)系并不是一種固定的類似模板描述的關(guān)系。在不同的區(qū)域，地物的性質(zhì)不一樣，地物接受到太陽輻射時的天頂角、太陽高度角是不同的，太陽輻射投射到地物時由于光的特性會發(fā)生散射、衍射、反射、投射、折射等。在某個像元的太陽輻射的散射對該像元周圍的像元影響比較大，不同的像元其周圍受到該像元的影響不一樣。因此，可以采用一些動態(tài)的運算方法，以模擬隨著像元的不同位置，根據(jù)不同的像元周圍的像元值來確定該像元的灰度值，獲得另外一種效果。2遙感圖像的空間濾波是一種圖像增強(qiáng)的一種方法，主要的目的是經(jīng)過處理后，可以更好的對圖像進(jìn)行分析、判讀、理解、識別，提取其中豐富的遙感信息。因此是否對遙感圖像要進(jìn)行濾波處理應(yīng)該依據(jù)研究的需要而定。盲目的進(jìn)行遙感圖像主成分變換是不可取的。3空間濾波只是圖像增強(qiáng)的方法之一，其它的還包括對比度變換、彩色變換、圖像運算和多光譜變換等。所以征對不同的研究目的和想要提取的信息進(jìn)行不同的處理方法。也可以幾種方法都用，以達(dá)到最好的效果。

實驗三遙感圖像增強(qiáng)的彩色合成一、彩色合成的原理及方法簡介在使用單波段圖像時,由于成像系統(tǒng)動態(tài)范圍的限制,地物顯示的亮度值差異較小。又由于人眼對黑白圖像亮度級的分辨能力僅有10~20級左右，而對色彩和強(qiáng)度的分辨力則可達(dá)100多種，因此將黑白圖像轉(zhuǎn)換成彩色圖像可能使地物的差別易于分辨。1彩色合成（colorcomposite）從通過濾光片，衍射光柵等分光系統(tǒng)而獲得多波段圖像中選出三個波段，分別賦予三原色進(jìn)行合成。根據(jù)各波段的賦色不同，可以得到不同的彩色合成圖像。2真彩色合成在通過藍(lán)、綠、紅三原色的濾光片而拍攝的同一地物的三張圖像上，若使用同樣的三原色進(jìn)行合成，可得到接近天然色的顏色，此方法稱為真彩色合成。假彩色合成由于在多波段攝影中，一幅圖像多不是在三原色的波長范圍內(nèi)獲得的，如采用人眼看不見的紅外波段等，因此由這些圖像所進(jìn)行的彩色合成稱假彩色合成（falsecolorcomposite）。計算機(jī)的彩色合成原理與光學(xué)彩色合成原理相同，在計算機(jī)系統(tǒng)中，彩色合成的操作更簡單，只要改變調(diào)色板，即改變各原色的合成比例和波段，就很容易改變影像的色彩。進(jìn)行遙感影像合成時，方案的選擇十分重要，它決定了彩色影像能否顯示較豐富的信息或突出某一方面的信息。以陸地衛(wèi)星Landsat的TM影像為例，當(dāng)4、3、2波段被分別賦予紅、綠、藍(lán)顏色進(jìn)行彩色合成時，這一合成方案就是標(biāo)準(zhǔn)假彩色合成，是一種最常用的合成方案。實際應(yīng)用時，常常根據(jù)不同的應(yīng)用目的在實驗中進(jìn)行分析、調(diào)試，尋找最佳合成方案，以達(dá)到最好的目視效果。3假彩色密度分割（densitysplitting）將一幅圖像的整個亮度值變量L。按照一定量分割為若干等量間隔L，每一間隔賦予一種顏色C，以C控制成像系統(tǒng)的彩色顯示，就可得到一幅假彩色密度分割圖像。二、實驗?zāi)康?．通過計算機(jī)中彩色合成的演示，了解加色法原理；2．理解遙感圖像彩色合成的基本原理；3．掌握選用不用的合成方案產(chǎn)生不同的合成效果的方法，從而達(dá)到突出不同目標(biāo)地物的目的。三、實驗步驟顯示一幅彩色合成圖象1.從AvailableBandsList內(nèi)，選擇“RGBColor”切換按鈕。2.在序列中點擊所需要顯示的紅、綠和藍(lán)波段名（或在每個R、G或B波段使用切換按鈕）?！ぴ谒{(lán)波段名上雙擊鼠標(biāo)左鍵，以把彩色圖像自動導(dǎo)入到活動顯示。3.若有必要，改變活動顯示。4.一旦波段名導(dǎo)入到標(biāo)簽為“R:”、“G:”、“B:”的文本框中，點擊“LoadRGB”來顯示彩色合成圖像。ENVI用2%的系統(tǒng)默認(rèn)線性拉伸值來顯示所有圖像。你可以在envi.cfg文件中改變系統(tǒng)默認(rèn)拉伸值，或通過在圖像頭文件中設(shè)置一個系統(tǒng)默認(rèn)拉伸值。SyntheticColorImage(合成彩色圖像)用SyntheticColorImage變換選項，你可以將一幅灰階圖像變換成一幅彩色合成圖像。ENVI通過對圖像進(jìn)行高通和低通濾波，將高頻和低頻信息分開，使灰階圖像變換成彩色圖像。低頻信息被賦予色調(diào)，高頻信息被賦予強(qiáng)度或顏色值，也用到了一個恒定的飽和度值。這些色調(diào)、飽和度和顏色值（HSV）數(shù)據(jù)被變換為紅、綠、藍(lán)（RGB）空間，生成一幅彩色圖像。這一變換經(jīng)常被用于雷達(dá)數(shù)據(jù)在保留好的細(xì)節(jié)情況下，改善精確的大比例尺特征。它非常適于中低地貌。在雷達(dá)圖像里，由于來自小比例尺地形的高頻特征的存在，要看清低頻的變化（差異）通常較困難。低頻信息通常是由于來自巖石或植被的表面散射差異形成的。詳見下面參考書。Daily,M.,1983Hue-saturation-intensitysplit-spectrumprocessingofSeasatradarimagery,PhotogrammetricEngineeringandRemoteSensing,Vol.49,No.3,pp.349-355.1選擇Transforms>SyntheticColorImage。2出現(xiàn)文件選擇對話框時，選擇輸入文件，需要的話，運行空間子集。3出現(xiàn)SyntheticColorParameters對話框時，在“HighPassKernelSize”和“LowPassKernelSize”標(biāo)簽附近，用下拉按鈕選擇高通濾波和低通濾波的變換核（kernel）的大小。高通變換核的大小應(yīng)是與高頻坡度決定的散射相對應(yīng)的像元的數(shù)量。低通變換核的大小應(yīng)是與低頻漫射相對應(yīng)的像元的數(shù)量。4鍵入一個飽和度值（0~1）。較高的飽和度值產(chǎn)生較飽和的或“純”的顏色。5選擇輸出到“File”或“Memory”。·若選擇輸出到“File”，鍵入要輸出的文件名，或選擇輸出文件名。6點擊“OK”開始變換。在SyntheticColorProcessing對話框中顯示著變換的過程。作為結(jié)果的合成彩色圖像將從AvailableBandsList中顯示。四、實驗心得通過對ENVI軟件的實驗與應(yīng)用，學(xué)生了解了對遙感圖像增強(qiáng)有很多方法。進(jìn)行遙感影像合成時，方案的選擇十分重要，它決定了彩色影像能否顯示較豐富的信息或突出某一方面的信息。1．彩色合成是為達(dá)到突出不同目標(biāo)地物為目的而對遙感影像進(jìn)行增強(qiáng)的一種方法。2．實際應(yīng)用時，應(yīng)根據(jù)不同的應(yīng)用目的經(jīng)實驗、分析、尋找最佳合成方案，以達(dá)到歲好的目視效果。一般情況下，以合成后的信息量最大和波段之間的信息相關(guān)最小作為選取合成的最佳目標(biāo)。彩色合成是一種實踐性很強(qiáng)的遙感圖像處理方法，有時為了達(dá)到研究目的需要大量的數(shù)據(jù)分析處理和嘗試。

實驗四遙感圖像變換—主成分分析一、主成分分析的思想與原理主成分分析也稱主分量分析，旨在利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個綜合指標(biāo)。在實證問題研究中，為了全面、系統(tǒng)地分析問題，必須考慮眾多影響因素。這些涉及的因素一般稱為指標(biāo)，在多元統(tǒng)計分析中也稱為變量。因為每個變量都在不同程度上反映了所研究問題的某些信息，并且指標(biāo)之間彼此有一定的相關(guān)性，因而所得的統(tǒng)計數(shù)據(jù)反映的信息在一定程度上有重疊。在實際中研究多變量問題時，變量太多會增加計算量和增加分析問題的復(fù)雜性，人們希望在進(jìn)行定量分析的過程中，涉及的變量較少，得到的信息量較多。主成分分析正是適應(yīng)這一要求產(chǎn)生的，是解決這類題的理想工具。而把主成分方法用在遙感圖像的變換處理上稱為遙感圖像的主成分變換（K-L變換）。原理如下：有矩陣：

其中，m和n分別為波段數(shù)（或稱變量數(shù)）和每幅圖像中的像元數(shù)；矩陣中每一行矢量表示一個波段的圖像。

對于一般的線性變換Y=TX，如果變換矩陣T是正交矩陣，并且它是由原始圖像數(shù)據(jù)矩陣X的斜方差矩陣S的特征向量所組成，則此式的變換稱為K-L變換。

K-L變換的具體過程如下：

第一步，根據(jù)原始圖像數(shù)據(jù)矩陣X，求出它的協(xié)方差矩陣S，X的協(xié)方差矩陣為：

式中：；（即為第i個波段的均值）；

；S是一個實對稱矩陣。

第二步，求S矩陣的特征值λ和特征向量，并且成變換矩陣T?？紤]特征方程：

）

式中，I為單位矩陣，U為特征向量。

解上述的特征方程即可求出協(xié)方差矩陣S的各個特征值，將其按排列，求得各特征值對應(yīng)的單位特征向量（經(jīng)歸一化）Uj：

若以各特征方量為列構(gòu)成矩陣，即

U矩陣滿足：UTU=UUT=I（單位矩陣），則U矩陣是正交矩陣。

U矩陣的轉(zhuǎn)置矩陣即為所求的K-L變換的變換矩陣T。

有了變換矩陣T，將其代入Y=TX，則：

式中Y矩陣的行向量為第j主成分。

經(jīng)過K-L變換后，得到一組（m個）新的變量（即Y的各個行向量），它們依次被稱為第一主成分、第二主成分、…第m主成分。這時若將Y矩陣的各行恢復(fù)為二維圖像時，即可以得到m個主成分圖像。K-L變換是一種線性變換，而且是當(dāng)取Y的前p（p<m）個主成分經(jīng)反變換而恢復(fù)的圖像和原圖像X在均方誤差最小意義上的最佳正交變換。它具有以下性質(zhì)和特點：

（1）由于K-L變換是正交線性變換，所以變換前后的方差總和不變，變換只是把原來的方差不等量的再分配到新的主成分圖像中。

（2）第一主成分包含了總方差的絕大部分（一般在80%以上），其余各主成分的方差依次減小。

（3）可以證明，變換后各主成分之間的相關(guān)系數(shù)為零，也就是說各主成分間的內(nèi)容是不同的，是“垂直”的。

（4）第一主成分相當(dāng)于原來各波段的加權(quán)和，而且每個波段的加權(quán)值與該波段的方差大小成正比（方差大說明信息量大）。其余各主成分相當(dāng)于不同波段組合的加權(quán)差值圖像。

（5）K-L變換的第一主成分還降低了噪聲，有利于細(xì)部特征的增強(qiáng)和分析，適用于進(jìn)行高通濾波，線性特征增強(qiáng)和提取以及密度分割等處理。

（6）K-L變換是一種數(shù)據(jù)壓縮和去相關(guān)技術(shù)，第一成分雖信息量大，最后的分量全是噪聲，但有時對于特定的專題信息，最后的主成分也有重要的意義。

（7）可以在圖像中局部地區(qū)或者選取訓(xùn)練區(qū)的統(tǒng)計特征基礎(chǔ)上作整個圖像的K-L變換，則所選部分圖像的地物類型就會更突出。

（8）可以將所有波段分組進(jìn)行K-L變換，再選主成分進(jìn)行假彩色合成或其它處理。

（9）K-L變換在幾何意義上相當(dāng)于進(jìn)行空間坐標(biāo)的旋轉(zhuǎn)，第一主成分取波譜空間中數(shù)據(jù)散布最大的方向；第二主成分則取與第一主成分正交且數(shù)據(jù)散布次大的方向，其余依此類推。二、主成分變換的實驗?zāi)康?.了解并掌握K-L變換的過程和方法；2.進(jìn)一步理解K-L變換產(chǎn)生的處理效果和處理意義。三、主成分分析在ENVI遙感圖像處理軟件中的實驗步驟影像統(tǒng)計分析PrincipalComponentAnalysis(主成分分析)主成分分析（PCA）用多波段數(shù)據(jù)的一個線性變換，變換數(shù)據(jù)到一個新的坐標(biāo)系統(tǒng)，以使數(shù)據(jù)的差異達(dá)到最大。這一技術(shù)對于增強(qiáng)信息含量、隔離噪聲、減少數(shù)據(jù)維數(shù)非常有用。ENVI能完成正向的和逆向的PC旋轉(zhuǎn)。詳見以下參考書。Richards,J.A.,1994.RemoteSensingDigitalImageAnalysis:AnIntroduction,Springer-Verlag,ForwardPCRotation(正向的PC旋轉(zhuǎn))正向的PC旋轉(zhuǎn)用一個線性變換使數(shù)據(jù)差異達(dá)到最大。當(dāng)你運用正向的PC旋轉(zhuǎn)時，ENVI允許你計算新的統(tǒng)計值，或?qū)⒁呀?jīng)存在的統(tǒng)計項進(jìn)行旋轉(zhuǎn)。輸出值可以存為字節(jié)型、浮點型、整型、長整型或雙精度型。你也可以基于特征值抽取PC旋轉(zhuǎn)輸出的部分內(nèi)容，生成只有你需要的PC波段的輸出。一旦旋轉(zhuǎn)完成，將會出現(xiàn)PC特征值圖。顯示出每一個輸出的PC波段的差異量。PC波段將顯示在AvailableBandsList中。ComputeNewStatisticsandRotate(計算新的統(tǒng)計值和旋轉(zhuǎn))這一選項用于計算數(shù)據(jù)特征值、協(xié)方差或相關(guān)系數(shù)以及PC正向的旋轉(zhuǎn)。1選擇Transforms>PrincipalComponents>ForwardPCRotation>ComputeNewStatisticsandRotate.2出現(xiàn)PrincipalComponentsInputFile對話框時，選擇輸入文件或用標(biāo)準(zhǔn)ENVI選擇程序建立子集。3出現(xiàn)ForwardPCRotationParameters對話框時，在“StatsX/YResizeFactor”文本框鍵入小于1的調(diào)整系數(shù)，對計算統(tǒng)計值的數(shù)據(jù)進(jìn)行二次抽樣。鍵入一個小于1的調(diào)整系數(shù)，以提高統(tǒng)計計算的速度。例如，在統(tǒng)計計算時，用一個0.1的調(diào)整系數(shù)將只用到十分之一的像元。4若需要，鍵入一個輸出統(tǒng)計文件名。5點擊按鈕，選擇是否計算“CovarianceMatrix”。計算主成分時，有代表性地要用到協(xié)方差矩陣。當(dāng)波段之間數(shù)據(jù)范圍差異較大時，要用到相關(guān)系數(shù)矩陣，并且需要標(biāo)準(zhǔn)化。6選用“File”或“Memory”輸出?！と暨x擇輸出到“File”，在標(biāo)有“EnterOutputFilename”的文本框里鍵入要輸出的文件名；或用“Choose”按鈕選擇一個輸出文件名。7從“OutputDataType”菜單里，選擇需要的輸出類型（字節(jié)型，整型，無符號整型，長整型，無符號長整型，浮點型，雙精度型）。8用下列選項，選擇輸出PC波段數(shù)?！は薅ㄝ敵鯬C波段數(shù)，鍵入需要的數(shù)字，或用“NumberofOutputPCBands”標(biāo)簽附近的按鈕確定輸出的PC波段數(shù)。默認(rèn)的輸出波段數(shù)等于輸入的波段數(shù)?！ねㄟ^檢查特征值，選擇輸出的PC波段數(shù)。A點擊“SelectSubsetfromEigenvalues”標(biāo)簽附近的按鈕，選擇“YES”。特征值將被計算，出現(xiàn)SelectOutputPCBands對話框，列表顯示著每一個波段和其相應(yīng)的特征值。同時也為所有波段顯示出每個波段中包含的數(shù)據(jù)變化的累積百分比。B在“NumberofOutputPCBands”文本框里，鍵入一個數(shù)字或點擊按鈕，確定輸出的波段數(shù)。特征值大的PC波段包含最大量的數(shù)據(jù)差異。較小的特征值包含較少的數(shù)據(jù)信息和較多的噪聲。有時，為存儲磁盤空間，最好僅僅輸出特征值大的那些波段。C在SelectOutputPCBands對話框里，點擊“OK”。輸出的PC旋轉(zhuǎn)將只包含你選擇的波段數(shù)。例如，如果你選擇“4”作為輸出的波段數(shù)，則只有前4個波段會出現(xiàn)在你的輸出文件里。9選擇上面一個選項以后，在ForwardPCRotationParameters對話框里，點擊“OK”為選擇的輸入文件計算協(xié)方差或相關(guān)系數(shù)和特征值，并進(jìn)行正向的PC旋轉(zhuǎn)。當(dāng)ENVI已經(jīng)處理完畢，將出現(xiàn)PCEigenValues繪圖窗口，PC波段將被導(dǎo)入AvailableBandsList中，你可以從列表中選擇顯示。InversePCRotation(反向PC旋轉(zhuǎn))將主成分圖像變換回到它們的原始數(shù)據(jù)空間：1選擇Transforms>PrincipalComponents>InversePCRotation.2當(dāng)出現(xiàn)標(biāo)準(zhǔn)ENVI選擇文件或子集對話框時，選擇你的輸入文件，并用標(biāo)準(zhǔn)ENVI文件選擇程序建立需要的子集。出現(xiàn)另一個文件選擇對話框，在當(dāng)前輸入數(shù)據(jù)目錄中，列表顯示出了已經(jīng)存在的統(tǒng)計文件（默認(rèn)擴(kuò)展名為.sta）。3用標(biāo)準(zhǔn)ENVI文件選擇程序選擇前面在正向PC旋轉(zhuǎn)中存儲的統(tǒng)計文件。注意在選擇反向PC旋轉(zhuǎn)之前，統(tǒng)計文件必須已經(jīng)存在。4在“Calculateusing”標(biāo)簽附近，選擇“CovarianceMatrix”或“CorrelationMatrix”。5選用“File”或“Memory”輸出?！と暨x擇輸出到“File”，在標(biāo)有“EnterOutputFilename”的文本框里鍵入要輸出的文件名，或用“Choose”按鈕選擇一個輸出文件名。6從“OutputDataType”下拉菜單里，選擇一個數(shù)據(jù)類型，作為輸出文件的數(shù)據(jù)類型。7點擊“OK”運行反向變換。當(dāng)ENVI已經(jīng)處理完畢，PC波段將被導(dǎo)入AvailableBandsList中，你可以從列表中選擇顯示（用標(biāo)準(zhǔn)灰階或RGB彩色合成方法）。四、實驗心得遙感圖像的主成分分析是統(tǒng)計學(xué)上的主成分分析思想在遙感圖像變換上的應(yīng)用。它的主要目的就是減小數(shù)據(jù)間的相關(guān)性，達(dá)到提取主要信息和分離噪聲的目的。遙感圖像的主成分分析是一種圖像變換方法，對遙感圖像是否要進(jìn)行主成分變換應(yīng)該依據(jù)研究的需要而定。盲目的進(jìn)行遙感圖像主成分變換是不可取的。在進(jìn)行主成分變換的波段選取上應(yīng)該選擇對研究貢獻(xiàn)較大的波段進(jìn)行，主成分變換波段組合選擇非常重要，較差的波段組合很難達(dá)到提取有用信息的目的。根據(jù)研究目的的不同現(xiàn)在有多種主成分變換方法，如分波段組合的主成分變換、局部的主成分變換等，究竟選擇什么樣的變換方法都要以研究目的為選擇依據(jù)。對于每一主成分要充分了解它所表示的物理意義更能發(fā)揮主成分變換的價值。也更利于遙感的應(yīng)用研究?，F(xiàn)階段一般把主成分變換做為一種圖像預(yù)處理方法，在充分理解主成分物理意義基礎(chǔ)上的主成分變換可以達(dá)到直接提取有用信息的目的。對于每一主成分的重要性不能以它包含信息量的大小來衡量，對于不同的研究目的，信息量小的主成分也可能具有重要價值。主成分變換是一種實踐性很強(qiáng)的遙感圖像處理方法，有時為了達(dá)到研究目的需要大量的數(shù)據(jù)分析處理和嘗試。

實驗五遙感圖像變換—纓帽變換一、原理及方法簡介：纓帽變換是RJKauth和GSThomas通過分析陸地衛(wèi)星MSS圖像反映農(nóng)作物和植被生長過程的數(shù)據(jù)結(jié)構(gòu)后提出的一種經(jīng)驗性的多波段圖像的正交線性變換，又稱K-T變換。其變換公式為：Y＝BX這里X為變換前的多光譜空間的像元矢量，Y為變換后的新坐標(biāo)空間的像元矢量，B為變換矩陣。這也是一種坐標(biāo)空間發(fā)生旋轉(zhuǎn)的線性變換，但旋轉(zhuǎn)后的坐標(biāo)軸不是指向主成分方面，而是指向了與地面景物有密切關(guān)系的方向。1984年，Crist和Cicone提出TM數(shù)據(jù)在K－T變換時的B值：在此，矩陣為6×6，主要針對TM的1至5和第七波段，低分辨率的熱紅外（第6波段）波段不予考慮。B與矢量相乘后得到新的6個分量，。經(jīng)過研究，新分量中的前三個分量與地面景物的關(guān)系明確：y1為亮度，實際是TM的6個波段的加權(quán)和，反映了總體的反射值。y2為綠度，從變換矩陣B的第二行系數(shù)看，波長較長的紅外波段5和7即（x5，x7）有很明顯的抵消，剩下的4與1，2，3，剛好是近紅外與可見光部分的差值，反映了綠色生物量的特征。y3為濕度，這個分量反映了可見光至近紅外波段（波段1至4）與波長較長的紅外（波段5，7）波段的差值，而5，7兩波段對土壤濕度和植被最為敏感，便于反映出濕度特征。y4,y5,y6這三個分量與地物沒有明確的對應(yīng)關(guān)系，因此，K-T變換后只取前三個分量。這樣也實現(xiàn)了數(shù)據(jù)壓縮。K－T變換的研究主要針對TM數(shù)據(jù)和以前使用過的MSS數(shù)據(jù)，目前，應(yīng)用范圍教窄，但它抓住了地面景物，特別是植被和土壤在多光譜空間中的特征。對于擴(kuò)大陸地衛(wèi)星TM影像數(shù)據(jù)分析在農(nóng)業(yè)方面應(yīng)用有重要意義。二、實驗?zāi)康模毫私夂驼莆绽t帽變換的過程和處理效果。進(jìn)一步熟悉ENVI軟件操作步驟。三、實驗步驟：影像分析TasseledCap(纓帽變換)纓帽變換是一種通用的植被指數(shù)，可以被用于LandsatMSS或LandsatTM數(shù)據(jù)。對于LandsatMSS數(shù)據(jù)，纓帽變換將原始數(shù)據(jù)進(jìn)行正交變換，變成四維空間（包括土壤亮度指數(shù)SBI、綠色植被指數(shù)GVI、黃色成分（stuff）指數(shù)YVI，以及與大氣影響密切相關(guān)的non-such指數(shù)NSI）。對于LandsatTM數(shù)據(jù)，穗帽植被指數(shù)由三個因子組成——“亮度”、“綠度”與“第三”（Third）。其中的亮度和綠度相當(dāng)于MSS纓帽的SBI和GVI，第三種分量與土壤特征有關(guān)，包括水分狀況。詳見下面的參考書：Jensen,J.R.,1986.IntroductoryDigitalImageProcessing,Prentice-Hall,New1選擇Transforms>TassledCap。2出現(xiàn)TasseledCapTransformationInputFile對話框時，選擇輸入文件。（若需要）用標(biāo)準(zhǔn)ENVI文件選擇程序輸入文件或空間子集。3點擊“OK”繼續(xù)，顯示TasseledCapTransformParameters對話框。4用下拉菜單，選擇“InputFileType”（LandsatTM或LandsatMSS）。5選擇輸出到“File”或“Memory”·若選擇輸出到“File”，在標(biāo)有“EnterOutputFilename”的文本框里鍵入要輸出的文件名；或用“Choose”按鈕選擇一個輸出文件名6點擊“OK”開始計算穗帽變換，變換進(jìn)行時，屏幕上出現(xiàn)一條狀態(tài)信息。完成時，ENVI將穗帽波段名輸入到AvailableBandsList中，在那里可以用標(biāo)準(zhǔn)ENVI灰階或RGB彩色合成方法顯示。四、實驗心得：Landsat圖像的纓帽變換是通過大量LandsatMSS圖像的統(tǒng)計研究后，發(fā)現(xiàn)把各種土壤和各種植被地物按它們在陸地衛(wèi)星圖像的亮度值投影到光譜特征空間中時，總是落在一個形似三角形帽狀的集群范圍內(nèi)。纓帽變換的基本思想是基于像素的仿射變換。這一線性變換能最好地顯示圖象的內(nèi)部結(jié)構(gòu)。（1）通過實驗，學(xué)生進(jìn)一步熟悉了ENVI軟件的操作環(huán)境，尤其K－T變換的操作過程，對K－T變換有了更加深入直觀的理解。（2）在K－T變換過程中，TM影像至少要選擇6個通道，否則在轉(zhuǎn)換過程中會出現(xiàn)出錯提示：ERROR:CNUMmusthave6inputchannelsforTMdata.ErrorDuringExecution.（3）采用纓帽變換可以將ＴＭ圖像除熱紅外波段的6個波段壓縮成3個分量，其中的土壤亮度指數(shù)分量是6個波段的加權(quán)和，反映了總體的反射值；綠色植被指數(shù)分量反映了綠色生物量的特征；土壤特征分量反映了可見光和近紅外與較長的紅外的差值。這樣的三個分量就是ＴＭ數(shù)據(jù)進(jìn)行纓帽變換后的新空間，它可以對植被、土壤等地面景物作更為細(xì)致、準(zhǔn)確的分析，應(yīng)用這種處理方法可增強(qiáng)影像上深色區(qū)域的信息。（4）K－T變換是一種實踐性很強(qiáng)的遙感圖像處理方法，有時為了達(dá)到研究目的需要大量的數(shù)據(jù)分析處理和嘗試。

實驗六遙感圖像的HIS彩色空間變換一、HIS彩色空間變換的原理及方法HIS是在彩色空間中用色調(diào)、亮度和飽和度(Hue,Intensity和Saturation)來表示的色彩模式，又稱HLS,（hue,lightness,saturation）。HIS變換是將其他色彩模式到HIS模式的變換及反變換方法。在自動處理彩色時，通常采用彩色顯示器顯示系統(tǒng)進(jìn)行，彩色顯示器顯示的彩色是由R（紅）G（綠）B（藍(lán)）信號的亮度來確定的，由于RGB表色系統(tǒng)不是線性的，所以通過這種操作調(diào)整顯示色的色調(diào)比較困難。在這種情況下，可采用將RGB信號暫時變換為假設(shè)的表色系統(tǒng)HIS,調(diào)整明度和飽和度后，再返回到RGB信號上進(jìn)行彩色合成。把這種RGB空間和HIS空間之間的關(guān)系模型及所進(jìn)行的相互變換的處理過程稱HIS變換。HIS變換也稱彩色變換或蒙塞爾（Munsell）變換。在圖像處理中通常應(yīng)用的有兩種彩色坐標(biāo)系（或彩色空間）：一是由RGB三原色構(gòu)成的彩色空間（RGB坐標(biāo)系或RGB空間）；另一種是由色調(diào)（Hue）、飽和度（Satuation）及亮度（Intensity）三個變量構(gòu)成的彩色空間（IHS坐標(biāo)系或IHS空間）。也就是說一種顏色既可以用RGB空間內(nèi)的R、G、B來描述，也可以用IHS空間的I、H、S來描述，前者是從物理學(xué)角度出發(fā)描述顏色，后者則是從人眼的主觀感覺出發(fā)描述顏色。IHS變換就是RGB空間與IHS空間之間的變換。由于HIS變換是一種圖像顯示、增強(qiáng)和信息綜合的方法，具有靈活實用的優(yōu)點，因此產(chǎn)生了多種HIS變換式。彩色空間模型是多種多樣的,其中,應(yīng)用最為普遍的是RGB(紅、綠、藍(lán))模型。它是面向硬件的,幾乎大部分的監(jiān)視器都采用這種彩色模型。RGB相對應(yīng)于監(jiān)視器或掃描器的三個刺激值,它們組成三維正交坐標(biāo)系統(tǒng)如圖（右邊）所示,在此系統(tǒng)中計算的任何顏色都落在RGB彩色立方體內(nèi)。它的優(yōu)點是:(1)簡單;(2)其它表色系統(tǒng)必須最后轉(zhuǎn)化成RGB系統(tǒng)才能在彩色顯示器上顯示。RGB系統(tǒng)的缺點:(1)RGB空間用紅、綠、藍(lán)三原色的混合比例定義不同的色彩,使不同的色彩難以用準(zhǔn)確的數(shù)值來表示,并進(jìn)行定量分析;(2)在RGB系統(tǒng)中,由于彩色合成圖像通道之間相關(guān)性很高,使合成圖像的飽和度偏低,色調(diào)變化不大,圖像視覺效果差;(3)人眼不能直接感覺紅、綠、藍(lán)三色的比例,而只能通過感知顏色的亮度、色調(diào)以及飽和度來區(qū)分物體,而色調(diào)和飽和度與紅、綠、藍(lán)的關(guān)系是非線性的,因此,在RGB空間中對圖像進(jìn)行增強(qiáng)處理結(jié)果難以控制。HIS模型可以用近似的彩色立體來定量化。如圖（右邊）所示，彩色立體曲線錐形改成上下兩個六面金字塔狀。環(huán)繞垂直軸的圓周代表色調(diào)（H），以紅色為00，逆時針旋轉(zhuǎn)，每隔600改變一種顏色并且數(shù)值增加1，一周3600剛好6種顏色，順序為紅、黃、綠、青、藍(lán)、品紅。垂直軸代表明度（L），取黑色為0，白色為1，中間為0.5。從垂直軸向外沿水平面的發(fā)散半徑代表飽和度（S），與垂直軸相交處為0，最大飽和度為1。根據(jù)這一定義，對于黑白色或灰色，即色調(diào)H無定義，飽和度S=0,當(dāng)色調(diào)處于最大飽和度時S=1,這時L=0.5。二、實驗?zāi)康牧私夂驼莆詹噬臻g變換的過程和方法。三、實驗步驟RGBtoHLS這一項允許你將RGB圖像變換成HLS（色調(diào)，亮度，飽和度）彩色空間。這一功能生成的色調(diào)范圍是0~360度（紅為0度，綠為20度，藍(lán)是240度），亮度和飽和度范圍為0~1（浮點型）。運行這一功能必須先打開一個至少包含3個波段的輸入文件，或一個能用于輸入的彩色顯示。生成的RGB值是字節(jié)數(shù)據(jù)，其范圍為0到255。1選擇Transforms>ColorTransforms>ForwardtoColorSpace>RGBtoHLS。2出現(xiàn)RGBtoHLSInput對話框時，從一個顯示的彩色圖像或AvailableBandsList中選擇三個波段進(jìn)行變換?！囊环噬@示中選擇你的波段，運用已經(jīng)顯示的拉伸數(shù)據(jù)。從RGB到HLS輸入列表中選擇一個顯示，如“Display#1”。出現(xiàn)RGBtoHLSParameters對話框時，ENVI自動地從已經(jīng)選擇的窗口里運用RGB波段，并在標(biāo)有“InputRGBBands”的文本下方列表顯示。·你可以用標(biāo)準(zhǔn)ENVI構(gòu)建子集程序，選擇一個空間子集?！腁vailableBandsList中選擇你的波段。注意用這一項時，不用拉伸，所有數(shù)據(jù)都是字節(jié)型的。A從RGBtoHLSInput對話框里，選擇“AvailableBandsList”。B出現(xiàn)RGBtoHLSInputBands對話框時，從AvailableBandsList中，點擊三個需要的波段名（若需要，可以運用一些空間子集），以用在正向的變換中?！つ憧梢杂脴?biāo)準(zhǔn)ENVI構(gòu)建子集程序，選擇一個空間子集?！ぶ匦略O(shè)置選項，點擊“Reset”。C點擊“OK”，出現(xiàn)RGBtoHLSParameters對話框。3選擇輸出到“File”或“Memory”?！と暨x擇輸出到“File”，在標(biāo)有“EnterOutputFilename”的文本框里鍵入要輸出的文件名；或用“Choose”按鈕選擇一個輸出文件名。4點擊“OK”開始處理。出現(xiàn)一個狀態(tài)窗口。當(dāng)向前變換全部完成時，HLS名字將被存入AvailableBandsList中，在那里可以用標(biāo)準(zhǔn)ENVI灰階或RGB彩色合成方法顯示。四，實驗心得遙感技術(shù)是當(dāng)前人類研究地球資源環(huán)境的一種基本手段,傳感器獲取的遙感影像含有大量的地球特征信息。在圖像上這些地物特征表現(xiàn)的灰度差很小時,目視判讀就無法認(rèn)辨,而圖像增強(qiáng)的方法可以突出顯示這種微小灰度差的地物特征,其中彩色空間變換可以幫助改善圖象的質(zhì)量，不同彩色變換可大大增強(qiáng)圖象的可讀性，提高目視判讀能力。HIS變換是遙感圖象彩色空間變換的一個重要的變換方法，它有以下幾個作用：

（1）可以進(jìn)行不同分辨率遙感圖像的合成顯示

（2）可以使合成圖像更加飽和（3）可以通過對亮度的濾波增強(qiáng)圖像

（4）便于多源數(shù)據(jù)的綜合顯示

除此之外，HIS變換還可以進(jìn)行其他處理以達(dá)到特定的增強(qiáng)和信息提取的目的，如可將色調(diào)圖像不改，亮度和飽和度置常數(shù)，以突出地物色調(diào)在空間上的分布。

實驗七遙感圖像的分類（監(jiān)督分類或非監(jiān)督分類）*綜合性實驗圖象分類需要根據(jù)圖像質(zhì)量進(jìn)行相應(yīng)的預(yù)處理(包口輻射校正,幾何校正,增強(qiáng)處理等)。另要結(jié)合多學(xué)科專業(yè)知識。因此該實驗又為本科綜合性實驗。在應(yīng)用遙感技術(shù)解決實際問題時常常需要根據(jù)地物的特征進(jìn)行歸類,有時還要制成專題圖并量算面積,例如土地利用調(diào)查、士壤調(diào)查等等,這一工作稱為分類。目視判讀分類所依據(jù)的是影像的色調(diào)和幾何特征等解譯標(biāo)志,而計算機(jī)分類的對象是數(shù)字圖像,地物的所有特征都是通過數(shù)字化的灰度值反映出來的,因此,計算機(jī)分類是建立在對圖像像元灰度值的統(tǒng)計、運算、對比和歸納基礎(chǔ)上進(jìn)行的。遙感圖像計算機(jī)分類是基于數(shù)字圖像中所反映的同類地物的光譜相似性和異類地物的光譜差異性進(jìn)行的。一、遙感圖象的計算機(jī)分類基本過程（1）首先明確遙感圖象分類的目的及其需要解決的問題，在此基礎(chǔ)上根據(jù)應(yīng)用目的選取特定區(qū)域的遙感數(shù)字圖象（2）根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)，進(jìn)行輻射糾正和幾何糾正（3）對圖象分類方法進(jìn)行比較研究，選擇適合的圖象分類方法和算法，制定分類系統(tǒng)，確定分類類別（4）找出代表這些類別的統(tǒng)計特征（5）監(jiān)督分類，非監(jiān)督分類的不同情況（6）對遙感圖象中各像素進(jìn)行分類（7）分類精度檢查（8）對判別分析的結(jié)構(gòu)進(jìn)行統(tǒng)計檢驗二、監(jiān)督分類原理方法首先需要從研究區(qū)域選取有代表性的訓(xùn)練場地作為樣本。根據(jù)已知訓(xùn)練區(qū)提供的樣本,通過選擇特征參數(shù)(如像素亮度均值、差等),建立判別函數(shù),據(jù)此對樣本像元進(jìn)行分類,依據(jù)樣本類別的特征來識別非樣本像元的歸屬類別。監(jiān)督分類包括利用訓(xùn)練區(qū)樣本建立判別函數(shù)的“學(xué)習(xí)”過程和把待分像元代入判別函數(shù)進(jìn)行判別的過程。(1)最小距離分類法按照模式與各類代表樣本的距離進(jìn)行模式分類的一種統(tǒng)計識別方法。在這種方法中，被識別模式與所屬模式類別樣本的距離最小。進(jìn)行最小距離分類首先要為每個類別確定它的代表模式的特征向量，這是用這種方法進(jìn)行分類效果好壞的關(guān)鍵。各類代表特征向量可以根據(jù)所研究對象的物理、化學(xué)、生物等方面的機(jī)理來確定，常用的方法是收集各類樣本，用各類樣本特征向量的平均向量作為各類代表模式的特征向量。其次要選擇一種確定的距離度量以計算被識別模式與各類代表模式特征向量之間的距離。常用的距離有歐幾里得距離、絕對值距離等。距離的標(biāo)準(zhǔn)化是通過對每個像素值減去均值并除以標(biāo)準(zhǔn)差來實現(xiàn)的。可以發(fā)現(xiàn)，當(dāng)這個程序使用標(biāo)準(zhǔn)化距離時，常常產(chǎn)生很好的效果。它比最大似然分類快，并且對訓(xùn)練區(qū)的要求也比最大似然分類低。(2)多級切割分類法通過設(shè)定在各軸上的一系列分割點，將多維特征空間劃分成分別對應(yīng)不同分類類別的互不重疊的特征字空間的分類方法。對于一個未知類別的像素來說，它的分類取決于它落入哪個類別特征字空間中。(3)特征曲線窗口法特征曲線是地物光譜特征曲線參數(shù)構(gòu)成的曲線。以特征曲線為中心取一個條帶，構(gòu)造一個窗口，凡是落在此窗口內(nèi)的地物即被認(rèn)為是一類，反之，則不屬于該類。(4)最大似然比分類法基于一組光譜特征文件中的信息，最大似然模塊能對遙感數(shù)據(jù)進(jìn)行最大似然分類。最大似然分類以特定訓(xùn)練區(qū)光譜特征的概率密度函數(shù)為基礎(chǔ)。通過比較像素屬于考慮的各光譜特征的后驗概率，把這個像素分給可能性最大的類。最大似然分類器又稱貝葉斯分類器，因為它能使用貝葉斯定理來結(jié)合先驗知識。先驗知識被表達(dá)為各類別存在的先驗概率。它可以被指定為適用于所有像元的單一值，或表示各像元的不同先驗概率的圖像。通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣，近似服從正態(tài)分布。三、實驗?zāi)康模毫私獠⒄莆者b感圖像的計算機(jī)分類方法，熟悉監(jiān)督分類方法四、實驗步驟監(jiān)督分類（SupervisedClassification）監(jiān)督分類：按照分類以前自定義的樣本進(jìn)行分類。訓(xùn)練樣本的選擇和優(yōu)化1）訓(xùn)練樣本的提?。≧OI區(qū)的選擇）ENVI:BasicTools>>RegionOfInterest>>ROItool調(diào)出感興趣區(qū)工具窗口進(jìn)行樣本選擇（注意：必須事先打開一幅圖像），可以進(jìn)行樣本編輯（名稱，顏色，填充方式等），樣本選擇越精確，分類結(jié)果越好。感興趣區(qū)工具窗口的打開方式還有：Image：Overlay>>RegionofInterest，或者直接在圖像窗口上點擊鼠標(biāo)右鍵，再選擇ROITool。根據(jù)前面的背景資料和預(yù)處理結(jié)果選擇分類圖像，建立各類地物的訓(xùn)練區(qū)。各類地物的解譯標(biāo)志，即地物的明顯特征是最重要的選擇標(biāo)準(zhǔn)。根據(jù)其在影像上表現(xiàn)出的色調(diào)、紋理等特征，通過目視解譯方法用鼠標(biāo)在工作區(qū)影像圖上選擇其訓(xùn)練區(qū)，并使訓(xùn)練區(qū)的分布盡量均勻。在實際的工作中，由于存在“同物異譜”的情況，因此對于同一種類型可能有多種不同的特征。為此，我們可以對同一地物選擇多個訓(xùn)練區(qū)，分類后再合并。感興趣工具窗口見下圖。提取訓(xùn)練樣本的具體操作如下：（1）確定ROI的提取類型（ROIToolL:ROI_Type>>Polygon,Polyline,Point,Rectangel,Ellipse）和待操作窗口（主圖像窗口、滾動窗口或縮放窗口）。（2）在圖像窗口上畫出感興趣區(qū)，單擊鼠標(biāo)右鍵確定選擇形狀（此時可以拖動感興趣區(qū)域，用Ctrl＋鼠標(biāo)左鍵可以刪除），再次單擊右鍵確定此訓(xùn)練區(qū)（此時若要刪除訓(xùn)練區(qū)，需要點擊ROITool窗口中的Delete控鍵，此操作將刪除所有該類型的感興趣區(qū)域）。ROITool窗口中將會顯示選擇區(qū)域的顏色和相關(guān)信息，其中，感興趣區(qū)域名稱（ROIName）和色彩可以修改?？删湍骋活愑?xùn)練區(qū)選擇多個感興趣區(qū)域。（3）該類訓(xùn)練區(qū)的選擇完成后，點擊ROITool窗口的NewRegion控鍵，再進(jìn)行另一類訓(xùn)練樣本的選擇，其顏色將自動改變。按以上操作完成所有訓(xùn)練區(qū)的選擇。2）訓(xùn)練樣本的優(yōu)化和提純ROI上述步驟中選擇的某類訓(xùn)練樣本，可能混入了其他類型的樣本，為了提高圖像分類精度，需要對訓(xùn)練樣本進(jìn)行提純。N維可視化分析器（N—DimensionalVisualizer）即是對選擇的訓(xùn)練區(qū)像元進(jìn)行提純。當(dāng)某些像元始終聚集在一起運動時，這些就是所需的最純像元；若在運動時，像元分成了兩個部分，則說明選擇了兩類地物的訓(xùn)練區(qū)，需把此訓(xùn)練區(qū)像元分開處理。ROITool:File>>ExportROIston-DVisualizer>>n-DControl;n-DVisualizer讓訓(xùn)練區(qū)像元在n維空間內(nèi)自由轉(zhuǎn)動（可以控制轉(zhuǎn)動速度Speed），當(dāng)轉(zhuǎn)到最能區(qū)分各類型訓(xùn)練區(qū)像元的位置時，停止轉(zhuǎn)動，進(jìn)行樣本提純操作。即：（1）在n-DVisualizer窗口中用鼠標(biāo)選擇某類訓(xùn)練區(qū)的純像元并點擊鼠標(biāo)右鍵確定（可進(jìn)行多次選擇），再次單擊右鍵>>ExportClass，提純后的訓(xùn)練區(qū)將出現(xiàn)在ROITool窗口中。（2）進(jìn)行下一個類型訓(xùn)練區(qū)的提純時，首先要在n-DVisualizer窗口中單擊右鍵>>NewClass，下面的操作如前。如此，完成所有訓(xùn)練區(qū)的提純。（3）訓(xùn)練區(qū)的保存：ROITool:File>>SaveROIs…選擇分類方式分類方式包括平行六面體法、最短距離法、馬氏距離法、最大似然法、波譜角分類以及二進(jìn)制編碼法等，選擇合適的分類方式。1)最大似然法（MaximumLikeloodClassification）ENVI:Classification>>supervised>>Maximumlikelihood>>ClassificationInputFile選擇分類的圖像>>MaximumlikelihoodParameters選擇訓(xùn)練樣本，設(shè)置說明最大似然分類假定每個波段每一類統(tǒng)計呈均勻分布，并計算給定像元屬于一特定類別的可能性。除非選擇一個可能性閾值，所有像元都將參與分類。每一個像元被歸到可能性最大的那一類里。在MaximumLikelihoodParameters對話框中設(shè)置一般分類參數(shù)，在“SetProbabilityThreshold”文本框里，鍵入一個閾值（0~1）。選項參數(shù)被用來控制像元準(zhǔn)確分類的可能性。如果像元的可能性低于所有類的閾值，則它被歸為“無類別”，在此，我們一般選擇默認(rèn)值。波譜角分類法（SpectralAngleMapper—SAM）ENVI:Classification>>supervised>>SpectralAngleMapper>>ClassificationInputFile選擇分類的圖像>>SpectralAngleMapperParameters選擇訓(xùn)練樣本，設(shè)置說明波譜角分類法是以物理學(xué)為基礎(chǔ)的一種分類法，通過比較終端光譜向量和每個像元的矢量在N維空間中的角度，將像元分配到相應(yīng)的區(qū)間中去，角度值越小，分類越精確。輸入由上步提純得到的像元數(shù)據(jù)，