实验6波谱沙漏矿石识别(阅读).docVIP

实验报告 班级：遥感科学与技术1班 姓名：蒋相如 学号：2011043023 实验名称 波谱沙漏矿石识别 实验目的 利用ENVI软件进行矿石的分类与识别。 实验数据 cup95_ff.int 实验内容与分析 打开实验所需数据，在主图像窗口中选择：Tools 2-D Scatter Plots，在随即弹出的波段选择窗口中任意选择两个波段，点击 OK 构成 2-D 散点图。 在 ENVI主菜单下选择：Transform MNF Rotation Forward MNF Estimate Noise Statistics from Data。选择好保存路径，点击OK。 在结果窗口中把鼠标移到曲线上并点击左键，曲线上会出现一条以点击位置为交叉点的十字，同时在窗口左下角显示当前的波段数和其特征值。特征值越高说明信息量越丰富。 4、打开2D散点图，可发现散点图明显发生了变化，经过 MNF变换后的图像波段之间的相关性有效地降低了，并且出现了多个拐点，这些拐点就是我们要找的端元——Endmembers。 如图所示，选择好八种端元进行分类。在散点图窗口中选择：Options Export All 将选择的区域输出为ENVI的 ROIs，显示如下窗口： 训练完成后，在2-D 散点图窗口中选择：Options Mean All 提取各样本区的平均波谱曲线： 6、在 ENVI主菜单下选择：Spectral Spectral Analyst，在弹出的窗口中选择波谱库，在此我们选择USGS波谱库，点击 OK，在弹出的“Edit Identify Methods Weighting”窗口中设 定计算参数后点击 OK，随即弹出波谱分析窗口，点击 Apply，在弹出的输入波段列表中选择我们要鉴别的波谱。双击列表中的第一个波段名称绘制未知波段，波谱库波谱也会同时显示以作比较：我们可知此类地物为margrit。 依此方法将其余的几类逐一进行分析，确定其特征，并更改类别名称。 7、在 ENVI主菜单下选择：Pixel Purity Index [FAST]New Output Band，选择前面得到的 MNF图像进行 PPI处理。经过 5000 次迭代后得到的 PPI图像如下所示：越亮的像素说明它被标记为极值的次数越多相应地也越纯；相反，暗一些的图像纯度就低。在主图像窗口中选择： Enhance Interactive Stretching 尝试不同的交互式拉伸以理解 PPI图像的直方图和数据分类。 在 ROIs Tool对话框中选择 Options Band Threshold to ROI 建立一个只包含拥有高 PPI值像素的ROI。选择输入的 PPI文件，在弹出的对话框中输入最小极限值： 9、在 ENVI主菜单中选择 Spectral n-Dimensional Visualizer Visualize with New Data，在弹出的对话框中选择前面处理好的 MNF文件，选择其前十个波段进行观察。这里默认使用刚才生成的只拥有高PPI值的 ROI。如果有多个可选择的 ROIs，它会让你选择用哪一个。点击 ROI后将弹出可以选择1到 10 波段的 N 维控制对话框和 N维散点图窗口。选择前五个波段构成 n-D散点图。并选择 n-D控制对话框中的Options Show Axes 选项。随后 在n-D 控制窗口中点击 Start进行旋转： 10、在 ENVI主菜单下选择：Classification Supervised Spectral Angle Mapper。选择原始图像作为待分类图像。点击OK 后弹出端元收集窗口，在此窗口中选择：Import form ROI from Input File，选择我们刚才定义好的样本区，点击OK，这些样本区就出现在端元收集器中了，我们就会根据这些样本区对图像进行分类。 自动矿物识别 点击spectral---- automated spectral hourglass。选择待识别数据，点击ok得出结果图