高光谱第二次实习.docxVIP

《高光谱遥感》实习报告姓名：郭士祥学号：201310041414 院（系）：地空学院专业：地球信息科学与技术教师：吴柯职称：副教授 2015 年11月26日对数据1的row=10，数据2的path=10的位置分别进行光谱切面光谱切面包括水平切面，垂直切面和任意方向切面。是通过一副多光谱图像合成一个空间或光谱剖面。ENVI中的切面被存为灰度图像，行的方向（Y）与图像被切面的空间维数相对应，采样的方向（X）与光谱维数（切面图像中的波段数）相对应，灰阶显示依赖于数据校正的光谱强度。最终的切面是一副ENVI图像，沿水平方向的切面，样本数等于光谱波段数，行数等于采样数；沿垂直方向的切面，样本数等于行数；对于任意方向的切面，样本数等于沿ROI折线的像元总数。操作步骤：选择Spectral-SpecturalSlices-HorizontalSlices(水平方向切割)出现下面的对话框时，选择一个进行切面的图像出现下面的对话框时，在line里输入10，行数设置为10，采样数也为10在ENVI中显示切面对数据2进行垂直方向的切面选择选择Spectral-SpecturalSlices-VerticalSlices（垂直方向切割）出现下面的对话框时，选择一个进行切面的图像出现下面的对话框时，在sample里输入10，样本数数设置为10。垂直方向切面结果对数据1，2进行包络线去除，指出包络线去除后的光谱与原始光谱曲线的区别。实验原理：包络线去除是将反射光谱标准化的一种方法，它允许从通过的基线对每个吸收特征进行比较。包络线去除是一个在光谱顶部的突起的外壳拟合，它用直线段链接局部的光谱最大值。第一个和最后一个光谱数据值在外壳上，因此在输出的包络线去除的数据文件中的首末波段将等于1.包络线消除法是一种常用的光谱分析方法，它可以有效地突出光谱曲线的吸收和反射特征，并且将其归一到一个一致的光谱背景上，有利于和其他光谱曲线进行特征数值的比较，从而提取出特征波段以供分类识别。用不同的光谱子集将得到不同的结果，因此应当选取包含感兴趣区的吸收特征的地方作为子集。连续统一体通过被分成对应图像每个像元的实际光谱而被消失。最终图像中，在连续光谱和匹配光谱处，光谱等于1，出现吸收特征的地方光谱小于1.包络线去除可以对数据文件或对绘图窗口的单个光谱进行。操作步骤：选择Spectral-MappingMethods-ContinuumRemoval,进行包络线去除对数据1，在下面的窗口中选择光谱子集，它的特征波段是183/193/297，所以，选择光谱子集：band181-186，band191-196，band204-209，18个波段。去包络线后，在ENVI中显示：原始图像（183,193,207波段RGB合成）对数据1去包络的图像原图像在（505，464）处的光谱曲线去包络线后的在相同位置光谱曲线对数据2去包络，选择光谱子集。因为它的特征波段为band10、39、64，所以光谱子集可选band8-13，band36-42，band61-67。得到的数据2的结果：原图像ita_100 去包络后的图像原图像在（254,416）处的光谱曲线去包络后的图像在相同位置的光谱曲线结果分析：经过包络线去除后，不同地物光谱曲线的吸收特征更加明显，而且光谱曲线都归一化到了0-1之间，首末位置为1.可以用来光谱特征分析和波段选择。对数据1，2，3利用PCA以及MNF变换进行特征提取，并比较提取后的特征光谱与原始光谱特征光谱的区别。实验原理：PCA 变换，理论上它是最佳变换。它是建立在统计特征基础上的多维正交线性变换。也是基于均方误差最小的变换，多波段图像通过这种变换后产生一组新的组分图像。组分图像数目可以等于或少于原来图像的波段数目。一幅高光谱图像通过PCA 变换能够把原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中，使图像数据得到有效的压缩，而且还能够使新的组分图像中的组分之间互不相关。MNF 变换，即最小噪声分离法，使变换后各成分按照信噪比而不是方差从大到小来进行排列。MNF 变换用于确定固有特征的分布范围，分离和平衡图像数据中的噪声，减低后续处理计算量。MNF 变换由两个串联的主成分变换来组成。第一个主成分变换基于噪声的协方差矩阵进行的，去除相关性，重新调节图像中的噪声分布。经过这个处理以后，噪声在各个波段之间没有相关性。第二个主成分变换是标准的主成分变换。在变换后的前几个分量图像按照方差大小顺序进行排列，向后方差一次减少，噪声逐步增大，甚至全部为噪声。操作步骤：一、数据1PCA变换选择Transforms-Principal Components-Forward PC Rotation-Compute New Stat