《精》envi图像预处理.pptVIP

ENVI/IDL 本节收获 掌握了Image to Image的几何校正方法（图像配准） 掌握了ENVI下从栅格图像上选择控制点来配准另外一幅图像，进行几何校正的操作 主菜单-Map-Registration-Select GCPs:Image to Image 掌握了ENVI下的自动找点功能 Options-Automatically Generate Points ENVI/IDL 3.7 图像裁剪 图像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。 根据结果可分为 规则裁剪 不规则裁剪 ENVI/IDL 练习8 内容： 利用行政区划矢量边界对几何校正得到的结果进行裁剪，得到工程区域 数据： 7-图像裁剪 ENVI/IDL 本节收获 掌握了ENVI下矢量数据的读取、转换 掌握了ENVI下影像的不规则裁剪 主菜单-Basic Tools-Subset data via ROIs ENVI/IDL 3.8 图像融合 将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。 图像融合除了要求融合图像精确配准外，融合方法的选择也非常重要，同样的融合方法在用在不同影像中，得到的结果往往会不一样。 ENVI/IDL 3.8 图像融合——ENVI中的融合方法 融合方法 适用范围 IHS变换 纹理改善，空间保持较好。光谱信息损失较大大，受波段限制。 Brovey变换 光谱信息保持较好，受波段限制。 乘积运算（CN） 对大的地貌类型效果好，同时可用于多光谱与高光谱的融合。 PCA变换 无波段限制，光谱保持好。第一主成分信息高度集中，色调发生较大变化， Gram-schmidt（GS） 改进了PCA中信息过分集中的问题，不受波段限制，较好的保持空间纹理信息，尤其能高保真保持光谱特征。 Pansharpening 专为最新高空间分辨率影像设计，能较好保持影像的纹理和光谱信息。 ENVI/IDL 练习9 内容： 以SPOT4 的10米全色波段和Landsat TM30米多光谱的融合操作为例，学习ENVI的融合操作流程 数据： 8-影像融合 ENVI/IDL 本节收获 学习了影像融合的概念、方法 了解了不同影像融合方法各自的优缺点 学习了ENVI下SPOT全色和TM多光谱数据的GS融合操作 主菜单-Transform-Image Sharpening-Gram-Schmidt Spectral Sharpening ENVI/IDL 3.9.1 大气校正( 传感器定标） 传感器定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程 传感器定标可分为绝对定标和相对定标 绝对定标是获取图像上目标物的绝对辐射值等物理量 相对定标是将图像目标物辐射量归一化某个值范围内，比如以其他数据作为基准。 ENVI/IDL 3.9.1 大气校正（传感器定标方法） 传感器定标的三个阶段内容： 发射前的实验室定标 在遥感器发射之前对其进行的波长位置、辐射精度、光谱特性等进行精确测量 基于星载定标器的星上定标 有些卫星载有辐射定标源、定标光学系统，在成像时实时、连续的进行定标 发射后的定标（场地定标） 通过选择典型的均匀稳定目标，用精密仪器进行地面同步测量感器过顶时的大气环境参量和地物反射率，利用遥感方程，建立图像与实际地物间的数学关系，得到定标参数以完成精确的传感器定标 ENVI/IDL 3.9.2 大气校正（一、起源） 太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器 原始影像包含物体表面，大气，以及太阳的信息 如果想了解某一物体表面的光谱属性，就必须将它的反射信息从大气和太阳的信息中分离出来。 ENVI/IDL 遥感图像预处理 ENVI/IDL 3.1图像预处理流程 ENVI/IDL 3.1图像预处理流程 第一步：制作标准数据，作为控制点参考源 这里选择的是地形图，地形图是一种非常可靠的标准数据，精度高而且处理起来方便。 第二步：对高分辨率的全色影像进行正射纠正 全色影像是10米的SPOT PAN数据 第三步：高分辨率影像和多光谱影像的配准、融合 以SPOT PAN正射纠正结果作为基准影像，对TM影像进行图像配准；用工程区矢量数据（河北襄樊市部分区域）分别裁剪SPOT和TM影像，对裁剪结果进行图像融合，得到工程区域10米的多光谱影像。 ENVI/IDL 3.2基于影像自带地理定位文件几何校正 对于重返周期短，空间分辨率较低的卫星数据，如AVHRR、Modis、SeaWiFS等，地面控制点的选择有相当的难度。我们可以用卫星传感器自带地理定位文件进行几何校正，