《ENVI高光谱分析与应用》课件.pptVIP

*************************************第九章：变化检测差值法直接计算多时相影像差异的简单方法1比值法通过计算比值消除乘性影响的检测方法2主成分分析法基于变换的统计变化检测方法3高光谱变化检测是监测地表动态变化的重要应用，通过比较不同时期的高光谱影像，识别研究区的变化情况。与多光谱变化检测相比，高光谱变化检测不仅能发现空间变化，还能识别光谱变化，检测细微的物质组成变化。变化检测的前提是影像预处理，包括精确的辐射校正、大气校正和几何配准，确保多时相影像具有可比性。ENVI提供多种变化检测工具，从简单的差值、比值方法到复杂的变换和分类比较方法。差值法计算多时相影像对应波段或指数的差值，直观简单；比值法对光照条件变化不敏感，适合处理大气校正不充分的情况；主成分分析法能够综合多波段信息，识别复杂变化模式。高光谱变化检测特别适用于环境监测、灾害评估、城市扩张和生态变化等领域的动态监测。差值法1简单差值简单差值法是最基本的变化检测方法，直接计算两个时相对应波段或指数的差值：ΔV=V?-V?，其中V?和V?分别为第二和第一时相的影像值。差值结果可正可负，表示增加或减少的变化。简单差值计算简单直观，但结果受到太阳高度角、大气条件等因素影响较大，通常需要设置阈值区分显著变化和噪声变化。在高光谱数据中，差值分析可应用于每个波段或特定光谱特征，捕捉细微的光谱变化。2归一化差值归一化差值法通过标准化处理减少外部因素影响：NDVI=(V?-V?)/(V?+V?)，结果范围为[-1,1]。该方法对光照条件变化不敏感，提高了变化检测的稳定性和可比性。归一化差值广泛应用于植被监测(如NDVI变化检测)和水体变化分析。在高光谱数据处理中，可以选择对特定敏感波段或光谱指数应用归一化差值法，增强变化信号，抑制背景干扰。3标准化差值标准化差值法考虑数据的统计特性，将差值转换为标准差单位：SCV=(V?-V?)/σ，其中σ为差值的标准差。这种方法使变化幅度与背景变异性相关，统计意义更明确。标准化差值结果可以解释为变化的显著性水平，便于设置具有统计意义的阈值。在高光谱变化检测中，可以对每个波段计算标准化差值，然后通过Z检验或类似方法确定显著变化区域，减少虚假变化检测。比值法1简单比值简单比值法计算两个时相对应波段或指数的比值：R=V?/V?，其中V?和V?分别为第二和第一时相的影像值。比值结果大于1表示增加变化，小于1表示减少变化，等于1表示无变化。简单比值对乘性干扰(如太阳照明角度变化)不敏感，但对加性干扰(如大气散射)敏感。比值法在高光谱数据中可应用于每个波段或特定光谱特征，识别物质组成变化，如植被生长状态或土壤成分变化。2对数比值对数比值法对简单比值取对数：LR=log(V?/V?)=log(V?)-log(V?)，将乘性关系转换为加性关系。对数变换使得比值分布更接近正态分布，变化增加和减少的幅度变得对称(正值表示增加，负值表示减少，零表示无变化)。这种对称性便于统计分析和阈值设定。对数比值在光谱角变化检测和光谱反射率变化分析中尤为有效，能够平衡增强和减弱变化的表达。3归一化比值归一化比值法将比值转换到固定范围：NR=(R-1)/(R+1)=(V?-V?)/(V?+V?)，与归一化差值在数学上等价。归一化处理使结果范围限定在[-1,1]，便于不同区域或不同时间的比较。这种方法在处理光谱反射率变化时特别有用，可以消除绝对反射率水平的影响，突出相对变化模式。高光谱数据中，归一化比值可应用于每个波段或特定光谱区间，创建全光谱变化图谱，识别物质转化和属性变化。主成分分析法双时相PCA双时相PCA是将两个时相的影像数据合并，然后进行主成分分析的方法。原理是将相同区域、不同时间的影像视为高度相关的数据，主成分变换后的次要成分(通常是第二主成分)反映了两个时相的差异，即变化信息。双时相PCA能够综合考虑所有波段信息，减少冗余，突出变化特征。该方法适用于全波段变化检测，能够综合反映复杂的光谱变化，但解释相对复杂，需要结合载荷矩阵分析变化的性质。多时相PCA多时相PCA扩展了双时相方法，可处理三个或更多时相的数据，适用于长时间序列变化分析。在多时相PCA中，主成分的解释更加复杂，通常前几个主成分反映共有的空间结构和稳定特征，后续主成分则代表不同时间的变化模式。多时相PCA能够分解复杂的时序变化，识别不同阶段的变化趋势和周期模式，特别适合季节性变化和渐进性变化的监测，如植被物候变化、城市化进程和环境退化等。IR-MADIR-MAD(Iterativel