ENVI实习-高光谱遥感.pdfVIP

实用标准文案 高光谱遥感第三次实习 一、 实习任务： 运用 MNF变换后的波段以及散点图工具提取端元 运用 MNF变换后的波段以及纯净像元指数工具以及 N维 可视化仪提取端元 运用提取的端元进行分类和制图 二、 实习目标以及用时： 学习运用 ENVI软件进行纯净像元的提取方法 三、 教学方式： 依据实习指导书进行实验，并完成实习报告 四、 使用器材： 美国内华达的赤铜矿 AVIRIS遥感数据，该数据已经经 过ATREM大气校正， ENVI遥感软件 五、 具体实习过程 本次实习主要内容：本章选用的实验数据是一幅经过校准的 AVIRIS图像，处理的结 果用于地质学应用，这主要是考虑到，到目前为止地质学研究仍然是高光谱遥感的 主要应用领域之一。 在 ENVI主菜单下选择： File Open Image File ，在打开的文件选择窗口中选择图 像文件 cup95eff ，点击 OK打开图像： 这是一幅经过校准的有 50个波段的 AVIRIS图像， 图中显示的是将第 183、193、207波段分别赋红、绿、蓝合成的彩色图像。 我们可 以打开它的 2-D散点图观察一下。 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。这里选择 的是第 172、173波段。 文档大全 实用标准文案 在这幅 2-D三点图上我们可以观察到， 在由 172和 173波段组成的光谱特征空间中图像 上的点明显地呈线状点云分布， 说明这两个波段的相关性极强。 遥感图像的某些波 段之间往往存在着很高的相关性，直观上波段图像彼此很相似，从提取有用信息的 角度考虑，有相当一部分数据是多余和重复的，解决这一问题的有效方法是进行特 征提取和特征选择， 去相关和分离噪声。 在多光谱遥感图像处理中， 我们会采取 PC 旋转，但是相比之下， MNF变化更适用于高光谱遥感数据。下面我们就用 MNF变换对 图像进行处理。 最低噪声分数（ MNF）变换用以确定图像数据的内在维度、隔离噪 声以及降低后处理的计算要求。 MNF变换的本质就是两个叠置的主成分变换。 第一次 变换（基于估计的噪声协方差矩阵）用于分离和重新调节数据中的噪声。第一步导 致了转换数据的噪声个体的变异和波段与波段的不相关。 第二步是标准主成分变换。 在ENVI主菜单下选择： Transform MNFRotation Forward MNF Estimate Noise Statistics from Data 。 变换完成后得到如下 MNF特征值曲线，其横坐标为变换后的波段数（之所以只有 25 个波段是因为我在之前的 MNF参数设置中更改了输出波段数） ，纵坐标为特征值。 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 文档大全 实用标准文案 另外，我们还可以利用 2-D散点图检查去相关的情况。 以同样的方法打开 2-D散点图， 但需要注意的是我们要用 MNF图像的第 1、2波段，也就是信息最集中的两个波段构成 散点图： 可见，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，