ENVI实习直方图匹配,校正,分类.doc

. . . . . . . ENVI实习 一 实验目的 （1）主要学习ENVI软件的基本功能 （2）ENVI 软件完成影像增强（包括直方图匹配和去云）、融合、正射校正和监督、非监督分类四个大方面的试验。 （3）掌握视窗操作模块的功能和操作技能 二 软件和设备 ENVI4.5一套 三 实验原理 各个任务的试验原理和操作详细见下面操作，再次不详述。 一、图像增强（算法、原理、对比图） 直方图匹配 在ENVI 中使用Histogram Matching 工具可以自动地把一幅实现图像的直方图匹配到另一幅上，从而使两幅图像的亮度分布尽可能地接近。使用该功能以后，在该功能被启动的窗口，输入直方图将发生变化，以与所选图像显示窗口的当前输出直方图相匹配。在灰阶和彩色图像上，都可以使用该功能。 操作步骤：选择Enhance Histogram Matching，出现Histogram Matching Input parameters 对话框，在Match To中选择想匹配的图像。在Input Histogram 会有Image、Scroll、Zoom、Band、、ROI来选择如数直方图的来源，下图为输入图像数据及其所用的拉伸（直方图匹配之前）： 下图为 Match To 想匹配的图像及其拉伸： 利用直方图匹配后图像2的直方图结果： 从结果可以看出，匹配后的图像在亮度上已经明显增强，从偏暗增强为较亮；其直方图与#1中的图像直方图在亮度上分布也很接近。 图像去云 常规的云处理算法会随云的覆盖类型的不同而不同，对在大围存在薄云的影像来说，采用同态滤波法较好。同态滤波法把频率过滤与灰度变化结合起来，分离云与背景地物，最终从影像中去除云的影响，这种方法由于涉及到滤波器以及截至频率的选择，在滤波的过程中有时会导致一些有用信息的丢失。对于局部有云的影像来说，一般使用时间平均法，这种算法适用于地物特征随时间变化较小的地区，如荒漠、戈壁等地区；对于植被覆盖茂密的地区，由于植被的长势与时间有密切的关系，不同时相的植被长势在影像中有明显的区别，这种简单的替代算法不再适用。 对影像进行去云处理，不光是要简单地提高影像分类及制图的精度，同时也是对影像进行大气纠正以及对地物信息进行提取的重要步骤。最好有一种算法是能够从影像中去除云的影响，同时还能够恢复不同云区覆盖下的地物光谱信息。在本例中，我选择的去云方法没有用常规的空间域图像增强，滤波等方法，而是利用自己定义掩膜的方法。具体操作步骤如下： 1）使用BasicTool statistics compute statistic,弹出如下Compute Statistics Input File 对话框。点击OK，弹出如下对话框。选择Histograms 复选框 2）然后点击OK，查看统计信息。 取两条绿线间的灰度值阈值围62.5-87.5，然后使用BasicTool maskingApply Mask，弹出对话框。点击Mask OptionBuild Mask，弹出Mask Definition对话框，选择OptionSelect Input Mask Data Range，选中需处理的影像文件，点击OK。又弹出Input for Data Range Mask对话框，在Data Min Value 文本框中输入62.5，在Data Max 对话框中输入87.5，然后选择Mask Pixel if Any band matches range。 点击OK！然后再在Mask Definition 中选择Memory ，点击OK，此时已经生成了掩膜结果： 3）可在Available Bands List中看到Mask Band。然后在Apply Mask对话框中点击OK。会弹出Apply Mask Parameters对话框，点击Memory，点击OK。.此时在Available Bands List中显示出掩膜后结果。对比图如下： 图像融合试验 ENVI中的融合算法 由于由于不同的遥感数据具有不同的空间分辨率、波谱分辨率和时间分辨率，如果将它们各自的优势综合起来，可以弥补单一图像上信息的不足。遥感数据融合是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较高的空间分辨率（高空间分辨率数据），同时又具有多光谱特征（较低分辨率数据），从而达到图像增强的目的。图像