《资源环境遥感》
实习手册
任课教师：朱秀芳 邮箱：zhuxiufang@bnu.edu.cn
北京师范大学 资源学院 2015-2016学年 第二学期
目 录
软件使用
实习一：ENVI软件介绍 ........................................................................................................ 1
1. 实习目的： ....................................................................................................... 1 2. 理论内容： ....................................................................................................... 1 3. 实习数据： ....................................................................................................... 1 4. 实习步骤： ....................................................................................................... 1
ENVI界面基本组成 ........................................................................................ 1 ENVI基本功能模块 ........................................................................................ 1 ENVI常用系统设置 ........................................................................................ 2 图像打开与保存 ............................................................................................... 4
预处理
实习二：几何校正 ................................................................................................................. 10
1. 实习目的： ..................................................................................................... 10 2. 理论内容： ..................................................................................................... 10 3. 实习数据： ..................................................................................................... 10 4. 实习步骤： ..................................................................................................... 10
实习三：图像镶嵌 ................................................................................................................. 15
1. 实习目的： ..................................................................................................... 15 2. 理论内容： ..................................................................................................... 15 3. 实习数据： ..................................................................................................... 15 4. 实习步骤： ..................................................................................................... 15
实习四：图像裁剪 ................................................................................................................. 18
1. 实习目的： ..................................................................................................... 18 2. 理论内容： ..................................................................................................... 18 3. 实习数据： ..................................................................................................... 18 4. 实习步骤： ..................................................................................................... 18
实习五：辐射增强 ................................................................................................................. 21
1. 实习目的： ..................................................................................................... 21 2. 理论内容： ..................................................................................................... 21 3. 实习数据： ..................................................................................................... 21 4. 实习步骤： ..................................................................................................... 21
直方图拉伸 ..................................................................................................... 21 直方图匹配 ..................................................................................................... 22
图像增强
实习六：空间滤波 ................................................................................................................. 23
1. 实习目的： ..................................................................................................... 23 2. 理论内容： ..................................................................................................... 23 3. 实习数据： ..................................................................................................... 23 4. 实习步骤： ..................................................................................................... 23
低通滤波 ......................................................................................................... 23 中值滤波 ......................................................................................................... 24 高斯滤波 ......................................................................................................... 24
利用平滑去噪 ................................................................................................. 26 图像锐化 ......................................................................................................... 27 Sobel锐化 ....................................................................................................... 28 拉普拉斯锐化 ................................................................................................. 29 定向滤波 ......................................................................................................... 30
实习七：光谱增强 ................................................................................................................. 31
1. 实习目的： ..................................................................................................... 31 2. 理论内容： ..................................................................................................... 31 3. 实习数据： ..................................................................................................... 31 4. 实习步骤： ..................................................................................................... 31
主成分变换 ..................................................................................................... 31 缨帽变换 ......................................................................................................... 33
实习八：图像融合 ................................................................................................................. 34
1. 实习目的： ..................................................................................................... 34 2. 理论内容： ..................................................................................................... 34 3. 实习数据： ..................................................................................................... 34 4. 实习步骤： ..................................................................................................... 34
信息提取
实习九：图像分割 ................................................................................................................. 36
1. 实习目的： ..................................................................................................... 36 2. 理论内容： ..................................................................................................... 36 3. 实习数据： ..................................................................................................... 36 4. 实习步骤： ..................................................................................................... 36
去除天空 ......................................................................................................... 36 提取兰花 ......................................................................................................... 38 提取娃娃 ......................................................................................................... 40 提取水体 ......................................................................................................... 43
实习十：图像分类 ................................................................................................................. 48
1. 实习目的： ..................................................................................................... 48 2. 理论内容： ..................................................................................................... 48 3. 实习数据： ..................................................................................................... 48 4. 实习步骤： ..................................................................................................... 48
非监督分类 ..................................................................................................... 48 监督分类 ......................................................................................................... 52 精度评价 ......................................................................................................... 55 分类后处理 ..................................................................................................... 56
扩展阅读 ................................................................................................................................ 58 手册说明
图像处理中有多种工具方法，如主成分分析、缨帽变换、颜色空间变换等，任意一种方法都有多种图像处理功能，比如主成分分析既可用作图像去噪、图像增强，还可以用作图像融合、数据压缩等；颜色空间变换可以用作图像增强、特征提取；缨帽变换可用于特征提取、图像压缩、图像增强、图像融合。因此在其他的教程或实践中，经常会遇到同一种方法用在各种不同的图像处理阶段。在本实习教程中，为了便于初学者，一种工具方法仅介绍一种图像处理功能中，但不代表该方法只能用于该类图像处理功能。
实习一：ENVI软件介绍
1. 实习目的：
了解遥感数字图像处理系统ENVI5.2模块组成，熟悉ENVI软件数据处理的基本操作，包括文件打开，文件显示，多波段合并，ROI，View，Chip View To等功能。
2. 理论内容：
ENVI (The Environment for Visualizing Images)是美国Exelis VIS公司的旗舰产品。ENVI是由遥感领域的科学家采用IDL开发的一套功能强大的遥感图像处理软件。众多的影像分析师和科学家选择ENVI来从地理空间影像中提取信息。
3. 实习数据：
Filename: ..\\data1\\.. Sensor Type: Landsat8 Bands: 4
4. 实习步骤：
ENVI界面基本组成
启动ENVI主模块，软件操作界面分为菜单栏、常用工具栏、图层管理、工具箱（Toolbox）、影像显示区五部分。
ENVI基本功能模块
ENVI50以后将影像处理工具进行了重组，以工具箱的形式给出，可以通过搜索的方式
1
方便地找到所需工具，类似于ARCGIS工具箱。ENVI52包括如下工具模块：异常检测模块、波段运算模块、变化检测模块、影像分类模块、特征提取模块、滤波模块、几何校正模块、影像锐化模块、激光雷达（LiDAR）处理模块、影像镶嵌模块、合成孔径雷达（RADAR）处理模块、辐射校正模块、栅格数据管理模块、感兴趣区域（ROI）管理模块、时空分析模块、流程化波谱工具箱、光谱分析模块、统计模块、特定目标识别模块、流程化高光谱工具模块、地形工具模块、图像变换工具模块、矢量文件工具模块。此外，用户也可以添加自定义工具到Toolbox。
ENVI常用系统设置
打开File>Preferences，可以设置ENVI系统参数。下面是几个常用的参数设置说明。 （1）默认文件目录。在左侧面板中，选择Directories选项，如图所示。设置一些ENVI默认打开的文件夹，如默认输入数据目录（Input Directory）、临时文件目录（Temporary Directory）、默认输出文件目录（Output Directory）、ENVI补丁文件（Extensions File Directory）。带有*符号的设置项需要重启ENVI生效。
2
（2）数据管理设置。在左侧面板中，选择Data Manager选项，如图所示。可以设置是否自动显示打开文件（Auto Display Files On Open）、多光谱数据显示模式（Auto Display Method For Multispectral Files）等选项。
（3）其他常用设置。Display General选项可以设置默认缩放因子、缩放插值方法、默认选择颜色等属性。North Arrow设置指北针是否显示以及显示方式，Overview设置鸟瞰图相关属性。
3
图像打开与保存
（1）导入图像
在菜单栏，点击File>Open，选择..\\data1\\band1.dat数据。在菜单栏，点击File>Data Manager，可以在File Information中查看该数据的头文件信息。
（2）编辑头文件
在Toolbox中点击Raster Management>Edit ENVI Header，（或者search Edit ENVI Header）。在Edit Attribute中编辑头文件的重要参数，波段名称、波长、像素大小、传感器
4
类型、数据中忽略值等。
（3）多波段合并与显示
现实中卫星影像原始数据常常是以一个波段一个文件的形式发布的，便于用户只下载那些需要的波段，而不需将所有波段都下载下来。影像下载后，为了方便后续管理与处理，往往需要将具有相同行列的多个单波段图像文件合并为一个图像文件，这就需要进行多波段合并。在菜单栏，点击File>Open，导入band1.dat、band2.dat、band3.dat、band4.dat、band5.dat。在Toolbox工具箱中选择Raster Management>Layer Stacking，在Layer Stacking Parameters面板点击Import File，设置输出投影参数与输出方式，输出到内存，点击OK即可合并图像。
点击Layer Manager面板下方的Band Selection功能，给band2、band3、band4前的方框分别赋以蓝绿红三色（下图左），点击Load Data，实现真彩色模式显示影像（如下图右）。
当合成文件是无地理坐标的图像时，需采用Toolbox>Raster Management > New File Builder工具进行合并，合并过程同上。
5
（4）图像重采样
在Toolbox工具箱中选择Resize Data，选择重采样的影像，在Resize Data Parameter面板中，Sample和Lines用来设置重采样后的行列数，或者用xfac和yfac来设置行列数缩放比例因子，Resampling设置重采样方法。
（5）创建ROI
ROI（Region of interest）为ENVI中感兴趣区域文件的简称，这是ENVI软件中一个很重要的概念，广泛地应用到挑选样本、图像掩膜、图像裁剪等方面。ENVI50后的版本沿用了ACRGIS中文件图层管理的思想，创建ROI需要依赖于某个图层或影像。在Layer Manager面板中，右击影像，点击New Region Of Interest。
6
可在Region of Interest(ROI) Tool面板中设置ROI文件的属性，包括形状、颜色、名称等。在影像上绘制要标注为ROI的区域。点击点击
删除所有ROI，点击
新增一个ROI，点击
删除一个ROI，
可选择ROI绘制形状，包括不规则多边
形、矩形、圆形、线、点。
保存ROI，在影像上绘制要标注为ROI的区域，点击此面板的File>Save As，保存为ROI.xml。
7
（6）View
点击Views>Create New View，可创建一个新的视图窗口用来显示影像。ENVI52
预设了一些多窗口模板，垂直两视图、水平两视图、四视图、九视图、十六视图。
创建多个视图后，还可通过Link Views>New Link功能，将多个视图连接，以实现
多窗口联动的效果。
(7)Chip View To
8
点击File>Chip View To可以将当前视图中显示的影像进行导出，包括File、PowerPoint、PDF或者GE中显示。
如果安装了GE，通过File>Chip View To>Google Earth，可以将截图叠加至google影像上，这一功能有助于我们借助GE的高清影像进行地物识别。
（7）文件关闭
点击菜单File>Data Manager，在Data Manager面板中选择要关闭的文件，右击Close File，关闭文件。或者Close All Files，关闭所有文件。
9
实习二：几何校正
1. 实习目的：
学会在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的配准。主要掌握遥感图像处理中影像校正、配准功能，通过实验进一步掌握这类处理的理论原理。
2. 理论内容：
图像几何变形包括系统性变形和非系统性变形。其中系统性变形是传感器本身引起，可用传感器模型校正，卫星地面接收站已经完成了这一工作。数字图像处理中的几何校正一般指对非系统性变形进行校正。几何校正利用地面控制点和几何校正数学模型对非系统性误差进行校正。
3. 实习数据：
Filename:..\\data2\\ TM8_pan Sensor Type: Landsat8 Bands: 1
------------------------
Filename:..\\data2\\ TM8_no_projection Sensor Type: Landsat8 Bands: 5
------------------------- Filename:..\\data2\\ gcp.pts Sensor Type: Landsat8 Bands: 5
4. 实习步骤：
打开TM8_pan数据，单波段显示。在菜单栏上，点击View>Create New View,在新的视图中打开TM8_no_projection数据，432波段真彩色合成显示。如图所示。
10
新建一个txt类型空白文档，命名为gcp.pts。在左右两幅视图中寻找同名像点，记录其坐标位置，如下图所示。
第一个点在txt文档中记录4839 10525 270 267四个数即可，基准影像坐标在前，待校正影像坐标在后。第二点另起一行，至少寻找三个同名像点。如下图所示。
11
在Toolbox中选择Geometric correction>Registration>Registration: Image to Image。在Select Input Band from Base Image 面板选择基准影像TM8_pan。在Select Input Warp File面板选择TM8_no_projection。Warp Band Matching Choice面板任选一个波段即可。ENVI Question窗口中选择是。接着选择之前的控制点文件gcp.pts。
Automatic Registration Parameters面板中Examine参数设置为Yes，其他参数不变。接着对控制点进行检查。
此时ENVI会根据之前的三个同名像点自动预测生成25个控制点。我们需要逐一进行检查，剔除那些明显有误或者RMS过大的点，一般控制在1个像元以内，实际中RMS需要根据需求来定。
12
控制点检查完毕后，在Ground Control Points Selection 面板中点击File>Save GCPs to ASCII，保存控制点文件。
在Ground Control Points Selection 面板中，点击Option>Warp File。选择待校正影像TM8_no_projection。
在Registration Parameters面板中对几何校正的参数进行设置，主要对几何校正模型Method和重采样方法进行选择。点击ok保存。
13
点击菜单栏View>One View，回到单视图。点击菜单栏Display>View Swipe，动态查看校正后的影像和基准影像的差异。
14
实习三：图像镶嵌
1. 实习目的：
了解图像镶嵌的具体含义，熟悉图像镶嵌的过程。
2. 理论内容：
图像镶嵌指在一定数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。一般包括图像拼接，色调调整（匀色）、去重叠等过程。从ENVI 5.1版本开始，ENVI提供了全新的影像无缝镶嵌工具Seamless Mosaic，所有功能集成在一个流程化的界面，主要处理步骤包括：加载数据、匀色处理、接边线与羽化、输出结果。
3. 实习数据：
Filename:
..\\data3\\ mosaic1.img ..\\data3\\mosaic2.img Sensor Type: Landsat7 Bands: 7
4. 实习步骤：
可参考 http://blog.sina.com.cn/s/blog_764b1e9d0102v1p9.html
导入需要进行镶嵌的两幅影像mosaic1.img、mosaic2.img，点击Toolbox>Mosaicking>Samless Mosaic，点击Seamless Mosaic面板左上方的嵌的影像。勾选右上角的Show Preview，可以预览镶嵌效果。
，添加需要镶
然后进行彩色校正，匀色方法是直方图匹配（Histogram Matching），在Color Correction选项中，勾选Histogram Matching。通过设置Overlap Area Only（重叠区直方图匹配）或Entire Scene（整景影像直方图匹配）观察匀色效果。还可以在main选项中，放在Color Matching
15
Action上单击右键，设置参考（Reference）和校正（Adjust），根据预览效果确定参考图像。
选择下拉菜单Seamlines > Auto Generate Seamlines，自动绘制接边线。自动生成的接边线比较规整，可以明显看到由于颜色不同而显露的接边线。下拉菜单Seamlines> Start editing seamlines，可以编辑接边线。
设置导出目录、重采样方法、背景值及输出波段，将镶嵌好的文件导出。
16
17
实习四：图像裁剪
1. 实习目的：
掌握图像裁剪的不同方法，包括规则空间裁剪、不规则空间裁剪，光谱裁剪。
2. 理论内容：
在图像处理过程中，图像裁剪常常指图像空间范围剪裁，去除那些不需要的部分。常用方法是按行政区划边界或自然区划边界进行图像裁剪，在基础数据生成中，还经常要进行标准分幅裁剪。光谱裁剪则是指取出一个影像文件中部分波段。
3. 实习数据：
Filename:
..\\data4\\ TM8 ..\\data4\\ vetor.shp Sensor Type: Landsat8 Bands: 5
4. 实习步骤：
可参考：http://blog.sina.com.cn/s/blog_764b1e9d0102v1pe.html 打开实验文件TM8。
（1）规则图像裁剪（裁剪图像的边界范围是一个矩形）
点击File>Save As，进入File Selection面板，选择Spatial Subset选项，打开右侧裁剪区域，可以①点击Subset By File选择一个矢量或者栅格等外部文件，自动读取外部文件的区域，或者②点击Use View Extent自动读取主窗口中显示的区域进行裁剪，③或者手动交互确定裁剪区域，通过输入行列数（Columns和Rows）确定裁剪尺寸，然后点击OK保存。
18
（2）不规则图像裁剪（裁剪图像的边界范围是一个任意多边形）
①利用ROI进行不规则裁剪，在Toolbox中，打开Regions of Interest>Subset Data from ROIs，选择ROI文件，将Mask pixels output of ROI设置为Yes，（若为No则为规则裁剪），输出结果到内存显示。
②利用外部矢量数据裁剪图像进行不规则裁剪。点击菜单栏File>Open，打开外部矢量书vector.shp，在Toolbox中，打开Regions of Interest>Subset Data from ROIs，选择ROI文件，将Mask pixels output of ROI设置为Yes，（若为No则为规则裁剪），输出结果到内存显示。
19
（3）光谱范围裁剪（提取影像的部分波段）
点击File>Save As，进入File Selection面板，选择Spectral Subset选项，在弹出的Spectral Subset窗口中选择光谱波段子集。（注意：ENVI52里面若保存文件时抛出[SaveRasterFile failed: IDLnaMetadata Error: naGetMetadata - GetMetadataJob failed]错误，可能是由于文件路径太长或路径名中有中文导致）
20
实习五：辐射增强
1. 实习目的：
熟悉直方图的使用，学会运用直方图进行图像拉伸与直方图匹配。
2. 理论内容：
辐射增强处理是通过对单个像元的灰度值进行变换来增强处理，比如直方图匹配、直方图拉伸、去条带噪声处理等。直方图匹配是指将一幅显示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接近。直方图匹配经常作为相邻图像镶嵌或者应用多时相图像进行动态监测的预处理。
3. 实习数据：
Filename: ..\\data5\\ TM8 Sensor Type: Landsat8 Bands: 5
4. 实习步骤：
直方图拉伸
打开ENVI Classic，导入TM8影像，Band5单波段灰度显示。在Image窗口，点击Enhance>Interactive stretching，就可以打开交互式直方图拉伸操作对话框。可在Input Histogram中手动移动拉伸的最小值和最大值，也可以在Stretch输入框中输入。在Stretch_Type中选择拉伸方式，包括线性拉伸高斯拉伸等七种方法。
本实验选择Equalization直方图均衡拉伸，拉伸范围8-79。结果如下图所示。
21
直方图匹配
打开ENVI Classic，导入TM8影像。分别在两个窗口中打开Band4,和Band5单波段显示。在Band4的Image窗口中点击Enhance>Histogram Matching，选择Input Histogram直方图绘制源为Band（该波段所有像元）。
匹配结果图如下。
22
实习六：空间滤波
1. 实习目的：
熟悉图像滤波特别是平滑和锐化的基本方法，理解典型卷积核的作用。
2. 理论内容：
通过图像滤波可以去除原始图像噪声、突出表达图像局部特征或者恢复其他信息。图像滤波按增强目的不同可分为图像平滑和图像锐化，按实现方式不同可分为空间域滤波（卷积滤波）、变换域滤波（傅里叶变换、小波变换、维纳滤波）等。
3. 实习数据：
Filename:
..\\data6\\ EE_sobel la.bmp
..\\data6\\TM3图像中的噪音.bmp ..\\data6\\高斯噪声.bmp ..\\data6\\椒盐噪声.bmp
..\\data6\\去除图像中的噪音(中巴卫星1图像).bmp Sensor Type: Landsat8 Bands: 5
4. 实习步骤：
低通滤波
导入TM8影像，点击Toolbox>Filter>Convolutions and Morphology>Convolutions>Low Pass。使用默认kernel size。点击应用到文件，选择TM8影像。
23
中值滤波
点击Toolbox>Filter>Convolutions and Morphology>Convolutions>Median。使用默认kernel size。点击应用到文件，选择TM8影像。
高斯滤波
点击Toolbox>Filter>Convolutions and Morphology>Convolutions>Gaussian low pass。使用默认kernel size。点击应用到文件，选择TM8影像。
低通滤波、中值滤波、高斯滤波结果分别如下图所示。
24
导入椒盐噪声.JPG，分别利用低通滤波、中值滤波、高斯滤波对其进行处理。低通滤波，
核大小为3，点击应用到文件，选择高斯噪声.JPG。中值滤波、高斯滤波同上。下图为结果图。
25
导入高斯噪声.JPG，分别利用低通滤波、中值滤波、高斯滤波对其进行处理。低通滤波，核大小为3，点击应用到文件，选择椒盐噪声.JPG。中值滤波、高斯滤波同上。下图为结果图。
利用平滑去噪
关闭所有的窗口和打开的文件。打开“TM3图像中的噪音.bmp”和“去除图像中的噪音（中巴卫星1图像).bmp”。这两个图像一个是单色图像，一个是彩色图像。
根据已有的知识，可以判断图像中的噪声属于椒盐类型，使用中值滤波，应用到“TM3图像中的噪音.bmp”，核大小分别为3、5、7，比较处理结果。
使用中值滤波，应用到“去除图像中的噪音（中巴卫星1图像).bmp”，核大小分别为3、5、7，比较处理结果。发现核大小为5的时候即可去除噪声。
26
图像锐化
关闭所有的窗口和打开的文件。打开“显卡_7221390.jpg”选择User Defined，分别设置Kernel（1）和Kernel（2）如下图所示。
将Kernel（1）和Kernel（2）的结果加和，与单独的处理结果进行比较。原始图像与加和结果如下图。
选择User Defined，分别设置Kernel（1）和Kernel（2）如下图所示。
27
将Kernel（1）和Kernel（2）的结果加和，与单独的处理结果进行比较。原始图像与加和结果如下图。
Sobel锐化
关闭所有的窗口和打开的文件。打开EE_sobel la.bmp。点击Toolbox>Filter>Convolutions and Morphology>Convolutions>Sobel，直接使用sobel进行锐化，然后将原始图像加上锐化后的图像作为最后的结果。
28
拉普拉斯锐化
关闭所有的窗口和打开的文件。打开EE_sobel la.bmp。点击Toolbox>Filter>Convolutions and Morphology>Convolutions>Laplacian，直接使用拉普拉斯直接计算梯度，并将梯度结果与原始图像进行加和作为锐化结果。参数设置如下。
对图像进行高斯低通滤波，对滤波结果进行拉普拉斯处理，将原始图像与梯度图像加和后作为锐化结果。如下图所示。
对比上图，似乎没有差异。使用波段运算b1-b2将两个处理结果相减，其中b1是低通后锐化的图像，b2是直接锐化图像。然后对结果的现实进行均衡化，如图所示，其中高亮的部分就是两者的差异
29
定向滤波
关闭所有窗口和文件。打开TM8影像。点击Toolbox>Filter>Convolutions and Morphology>Convolutions>Directional，分别输入30、70、90对比不同方向梯度的锐化效果，如下图。
30
实习七：光谱增强
1. 实习目的：
掌握图像变换的基本操作方法，对比变换前后图像的差异，理解PCA、KT不同变换方法之间的区别。
2. 理论内容：
常用的图像变换方法有主成分分析、缨帽变换等。主成分分析是一种常用的统计方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分，主要变换过程是计算统计值、基于统计值前向变换、逆变换。缨帽变换基于图像物理特征的固定转换，本质是一种特殊主成分变换，，转换后的第1分量代表亮度值，第2分量代表绿度指数，第3分量代表湿度指数。
3. 实习数据：
Filename: ..\\data7\\ TM8 Sensor Type: Landsat8 Bands: 5
4. 实习步骤：
主成分变换
打开TM8.dat数据，Toolbox> Transform> PC Rotation> Forward PC Rotation New Statistics and Rotate。在Forward PC Parameters面板中，设置统计文件的输出路径，PCA变换的主成分结果保存到内存，将Select Subset from Eigenvalue 设置为Yes，点击ok。
在弹出的Select Out PC Bands面板中，查看各主成分的特征值和累积的方差贡献率百分比，从下图可看出，前三个主成分的累积累积的方差贡献率达99.74%，即前三个主成分可以解释原始数据99.74%的方差。选择输出的主成分个数为3个。
31
点击Toolbox> Transform> PC Rotation> Inverse PC Rotation进行主成分逆变换。选择主成分变换文件和统计值文件。结果输出到内存，点击OK。主成分变换完成。（通过选择或替换主成分可以实现降维、去噪、图像融合等功能）
打开变换前和变换后的影像进行对比，可以发现变化不大。
点击Toolbox>Statistics>View Statistics File，打开之前的主成分变换统计文件pca.sta。查看主成分变换的统计信息。
32
缨帽变换
点击Toolbox>Transform>Tasseled Cap，缨帽变换只能用于Landsat的MSS、TM和ETM数据，本例中数据为Landsat8作为演示数据，暂且将其作为Landsat MSS数据处理。
查看缨帽变换结果，三个分量分别是亮度、绿度、第三分量。在MSS数据的缨帽变换三分量分别对应为土壤亮度指数SBI、绿度植被指数GVI、黄度指数YVI。如下图所示。
33
实习八：图像融合
1. 实习目的：
理解图像融合的意义，掌握彩色变换的图像融合的方法。
2. 理论内容：
图像融合是指将多源影像通过一定方式合成，以达到能取长补短形成高时间或空间分辨率的影像的目的。通过彩色变换可以达到图像融合的目的，彩色变换是指将一种颜色空间转换到另一种颜色空间，以便对某些颜色分量进行处理的过程。常用颜色空间有RGB、CMYK、HSV（hue, saturation, value），HLS（hue, lightness, saturation）。
3. 实习数据：
Filename: ..\\data8\\ TM8 Sensor Type: Landsat8 Bands: 5
---------------------------------- Filename: ..\\data8\\ TM8_pan Sensor Type: Landsat8 Bands: 1
4. 实习步骤：
打开TM8.dat和TM8_pan数据，分别查看两个影像信息。TM8.dat数据分辨率30m，数据类型为Byte型，TM8_pan数据分辨率15m，数据类型Byte型。
将TM8.dat数据重采样至15m分辨率，与TM8_pan数据一致。然后将RGB转换到HSV空间，点击Toolbox>Transform>RGB to HSV Color Transform，选择重采样后的432波段作为RGB输入，保存至内存。
点击Toolbox>Transform>HSV to RGB Color Transform，将上一步输出的HSV三个分量
34
中的V分量用TM8_pan全色波段代替，H分量和S分量不变。输出如下图，发现结果似乎不正确。这是由于HSV空间三个分量色度、饱和度、颜色亮度值取值范围分别为0~360、0~1、0~1，TM_pan全色波段的取值应与颜色亮度值范围一致（0~1）才能进行逆变换。
接着，点击Toolbox>Band Algebra>Band Math，对TM8_pan进行如下波段运算将TM_pan的取值从0~255转换到0~1。
然后再次执行Toolbox>Transform>HSV to RGB Color Transform，用变换后的TM8_pan波段代替HSV分量中的V分量，输出融合后的结果。对比观察融合后与融合前（432合成）的影像。
35
实习九：图像分割
1. 实习目的：
熟练掌握图像直方图的应用、彩色图像分割的基本方法以及利用波段组合进行图像分割的工作流程，能够根据图像光谱特征，综合使用不同的方法分割出地物对象。
2. 理论内容：
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。图像分割是图像识别和计算机视觉至关重要的预处理，现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。基于直方图的分割是阈值分割的一种常用方式。
3. 实习数据：
Filename:
..\\data9\\AA
..\\data9\\天空.jpg ..\\data9\\兰花.JPG ..\\data9\\娃娃.bmp
4. 实习步骤：
去除天空
打开地物与直方图DSCF0153.jpg，点击Toolbox>Statistics>Compute Statistics。参数如下图设置，勾选Histograms。
36
点击Select Plot>All Histogram。可以明显地看到RGB三个波段直方图匀有两个波峰。
点击工具栏
Cursor Value，移动鼠标至天空、山体、农田不同区域，可发现天空的
RGB三个波段亮度值均较高，由此可以判断直方图第二波峰代表天空部分。在直方图上移动鼠标找出能够区分两个波峰的阈值，我们将RGB波段对应阈值设置为150、160、150。
利用波段运算工具得到一张去除天空后的掩膜。点击Toolbox>Band Algebra>Band Math，输入如下公式，b1、b2、b3分别对应RGB波段。结果保存到内存。
利用波段运算工具结合掩膜得到去除天空的彩色图片。点击Toolbox>Band Algebra>Band Math。输入如下公式，b1代表掩膜文件，b2代表R波段。GB两个波段也R波段的计算一样。最终得到RGB三个波段去除天空的文件。
37
点击Toolbox>Raster Management New File Builder。将去除天空的RGB文件合成一个文件。最终结果如下图。
提取兰花
打开兰花.JPG，点击Toolbox>Statistics>Compute Statistics，勾选Histograms。点击Select Plot>All Histogram。点击工具栏值总是高于R波段和G波段。
Cursor Value，移动鼠标至兰花区域，可发现B波段亮度
38
通过上述推断，利用波段运算工具提取兰花部分的掩膜。点击Toolbox>Band Algebra>Band Math，输入如下公式，b1代表B波段，b2、b3分别对应R波段和G波段。结果保存到内存。
利用波段运算工具结合掩膜得到兰花部分的彩色图片。点击Toolbox>Band Algebra>Band Math。输入如下公式，b1代表掩膜文件，b2代表R波段。GB两个波段也和R波段的计算一样。
39
点击Toolbox>Raster Management New File Builder。将只有兰花部分的RGB文件合成一个文件。最终结果如下图。
提取娃娃
打开娃娃.bmp，点击Toolbox>Statistics>Compute Statistics，勾选Histograms。点击Select Plot>All Histogram。点击工具栏
Cursor Value，移动鼠标至娃娃区域，娃娃整体上偏红，
可发现R波段亮度值总是高于G波段和B波段，但差异不大。
40
点击Toolbox>Band Algebra>Band Math。输入如下公式，b1代表R波段，b2分别对应G波段。结果保存到内存。
打开保存的内存文件，点击工具栏
Cursor Value，移动鼠标至娃娃区域和背景区域，
发现背景区域较暗，娃娃区域稍亮分布在0.9附近。点击Toolbox>Statistics>Compute Statistics，勾选Histogram。打开Select Plot>Histogram Band1。可发现有两个波峰，可推断第一个波峰为背景，第二波峰为娃娃区域。取二值之间波谷分割阈值为1.01（或者附近其他阈值也可）。
41
通过上述推断，利用波段运算工具提取娃娃部分的掩膜。点击Toolbox>Band Algebra>Band Math。公式如下，b1代表上一步内存保存的比值波段。
利用波段运算工具结合掩膜得到娃娃部分的彩色图片。点击Toolbox>Band Algebra>Band Math。输入如下公式，b1代表掩膜文件，b2代表R波段。GB两个波段也R波段的计算一样。最终得到RGB三个波段娃娃部分的文件。
42
点击Toolbox>Raster Management New File Builder。将只有兰花部分的RGB文件合成一个文件。最终结果如下图。
提取水体
在ENVI Classic中打开AA.hdr。432波段彩色合成显示。图像窗口Tools> Profiles>Z Profile（Spectrum)，如下图。在image窗口移动矩形框，查看光谱剖面曲线的变换。
43
图像窗口Tools> Profiles>Arbitrary Profile(Transect)，在Image窗口的图像中，单击鼠标左键，拖拽一条直线过长江，单击鼠标左键，点击右键两次。系统自动弹出空间剖面绘图窗口参数，使用RGB对应的颜色，线型分别为线、虚线、点，thick为2。
应用设置后，空间剖面的显示如下图。
44
在空间剖面窗口移动鼠标（1），观察Image窗口和Zoom窗口中光标位置的变换（2），观察光谱剖面中对应位置的光谱变换（3）。
45
在Image窗口中，移动光标位置到长江中，然后在Spectral Pixel Editor窗口中，点击Edit->Extract 8 Pixel Average。依次移动光标到玄武湖、秦淮河、长江、紫金山上的林地、城区中的建筑提取位置周围8个像素的均值，共5条曲线。编辑数据参数，前三条曲线使用蓝色显示，厚度为2，后两条曲线使用红色显示，厚度为1。
观察比较，水体与非水体光谱在波段5上的差异最大。在新窗口中灰阶显示5波段图像。在Image窗口中，点击Enhance>interactive stretching。在直方图窗口移动鼠标，查看显示的DN值，确定谷底的灰度级（显示在窗口下面的状态中）。设置拉伸的范围，保持最小值0不变，改变最大值为25，应用拉伸，如下图。
进行图像波段运算：b2-b5，其中b2,b5分别对应图像的波段2和波段5。点击工具栏>Baisc Tools>Band Math。波段运算后的结果直方图如下图。
46
查看运算结果的直方图，分别设置拉伸的最大的灰度为40，25，10，应用拉伸，比较不同的拉伸结果。
伪彩色显示。将波段运算产生的图像按照如下的阈值分为4级，0-10（red），11-25（green），26-40（blue），41-255（black）。在Image窗口点击Tools>Color Mapping>Density Slice。结果如下图。
47
实习十：图像分类
1. 实习目的：
理解遥感图像非监督分类和监督分类的算法差异，掌握监督分类的工作流程。
2. 理论内容：
遥感图像分类是根据地物在图像上的表现差异，按照一定规则将其划分为若干具有意义的类别。分类方法的分类有不同的分类标准，最为常用的分类标准是基于有无训练样本分为监督分类和非监督分类。非监督分类主要包括ISODATA、KMEANS，监督分类主要分为最大似然分类、最小距离分类、支持向量机、人工神经网络等。
3. 实习数据：
Filename:
..\\data10\\ TM8
..\\data10\\精度评价样本.roi ..\\data10\\训练样本.xml Sensor Type: Landsat8 Bands: 5
4. 实习步骤：
设置分类体系 类别编号 1 2 3 4 5 类别名称 林地 Forestland 草地 Grassland 建设用地 Construction land 水体 Water 裸地 Bare soil 类别颜色(RGB) 0,153,0 29,255,29 255,255,0 0,0,240 153,99,0 非监督分类
点击Toolbox>Classification>Unsupervised Classification>ISOData Classification。打开TM8影像。如下图设置，类别数目最小不能小于最终分类数量，最大数量为最终分类数量2~3倍，最大迭代次数15次，其他的默认。
48
对比观察：下图左最大迭代次数为1，下图右最大次数15，可以明显发现不同的迭代次数对于ISODATA发的分类结果影像较大。
执行非监督分类后，需要对初步分类结果进行类别定义与合并子类的操作。将分类文件保存为ISODATA.dat
定义类别。根据自定义的分类体系，通过目视解译或野外调查数据判断非监督分类的类别含义。在Layer Manager面板中通过选中或不选中类别，来对比变化确认所有类别的真实含义。如下图所示，左右图对比观察，判断红色类别为水体。
在ENVI52中定义类别和颜色需要通过修改头文件实现。通过记事本打开ISODATA.hdr，如下图。
49
根据前面判断的真实类别和自定义的分类体系中设定的类别颜色将头文件的class names与class lookup，修改并保存，结果如下图。（注意：类别名字不要用中文，可能出现乱码）
在Data Manager管理器中关闭ISODATA.dat文件，重新打开ISODATA.dat。类别信息如下图。
50
合并子类。在选择非监督分类类别数量时候，一般选择最终结果数量2~3倍，因此在定义类别后需进行同类别合并。点击Toolbox>Classification>Post Classification>Combie Classes。从Select Input Class选择合并的类别，Select Output Class中选择并入的类别，点击Add Combination。合并方案显示在Combined Classe中，合并方案确定和点击ok，在弹出的窗口中Remove Empty Classes选项改为Yes，移除空白类。
51
合并后的类别如下图所示。包括Unclassified 和自定义类别共6类。若需要对类别后面的数字进行修改，参照之前的在头文件中修改class name。
监督分类
定义样本。ENVI中通过ROI Tool创建训练样本，创建训练样本的过程就是创建感兴趣区域的过程。打开TM8.dat影像，波段5、4、3假彩色合成显示。在Layer Manager中右击TM8影像，选择New Region Of Interest。根据事先定义好的分类体系，创建5类样本。
评价训练样本。点击Toolbox>Region Of interest>ROI Separability。五类样本全选，计算样本分离度，如图所示。ENVI通过Jeffries-Matusita距离和Transformed Divergence 计算可分离值。参数值为0~2.0，打于1.9说明样本间可分离性好，小于1.8需重新选择样本，小于1考虑两类样本合并。在Layer Manager面板中右击Region Of Interest>Save。将ROI命名为训练样本.xml进行保存。
52
执行监督分类。ENVI提供了多种监督分类器，包括Parallelpiped、Minimum Distance、Mahalanobis Distance、Maximum Likelihood Classification、Neural Net Classification、Support Vector Machine Classification。实验采用Parallelpiped和Likelihood Classification进行对比实验。
点击Toolbox>Classification>Supervised Classification>Parallelpiped Classification。参数设置如图。将结果保存为Parallelpiped.dat。
53
点击Toolbox>Classification>Supervised Classification>Maximun Classification。参数设置如图。将结果保存为ML.dat。
Likelihood
下图给出了真实影像（真彩色合成）、ISODATA、Parallelpiped、Maximun Likelihood的对比图。
54
精度评价
无论是监督分类还非监督分类，其分类结果的好坏需要通过精度评价来鉴定，没有精度评价的分类结果是没有意义的。ENVI提供了分类结果叠加、混淆矩阵和ROC曲线三种评价方法。本实验基于地面真实感兴趣区通过混淆矩阵对最大似然分类结果进行精度评价。
挑选评价样本。精度评价的样本应重新进行挑选，与训练样本的关系是独立的。精度评价ROI的创建过程和训练样本的创建过程一样，也需要和分类体系一致，创建5类。（利用ENVI Classic创建，保存为.roi格式，新版本的ENVI中只能保存为.xml，然而精度评价时又只能选择roi格式的样本。）
精度评价。点击Toolbox>Classification>Post Classification>Confusion Matrix Using Ground Truth ROIs，将Ground Truth ROI与分类影像类别一一对应，如下图。
55
设置混淆矩阵参数如下图所示。输出精度评估结果。
混淆矩阵报表包含了总体精度，Kappa系数。混淆矩阵、错分误差。漏分误差、制图精度和用户精度。下图是最大似然分类的精度报表部分内容。
分类后处理
无论是监督分类还是非监督分类，在分类精度达到制图要求后，一般还是难以达到最终的应用目的。我们需要对分类结果进行一些处理，常用分类后处理包括更改分类颜色、小斑点处理、分类统计分析、栅矢转换。
更改分类颜色。如果需要修改不同类别的颜色，可以参照本小节非监督分类类别定义部分，通过修改hdr头文件来定义类别颜色。
分类结果不可避免的产生一些面积很小的图斑，无论是专题制图的角度还是实际应用角度，都有必要对图斑进行剔除或重分类。目前小斑处理主要方法有Majority/Minority分析、Clump处理、Sieve处理。
56
Majority/Minority分析，点击Toolbox>Classification>Post Classification>Majority/Minority Analysis。单选中裸地，窗口大小设置为5*5，保存到内存，参数设置及结果如下图。
Clump分析。对Majority/Minority分析结果进行聚类分析。单选中Water，窗口设置为5*5。结果保存至内存，参数设置及结果如下图。
栅矢转换。可通过Toolbox>Classification>Post Classification>Classification to Vector。
57
扩展阅读
ENVI/IDL新浪博客 http://blog.sina.com.cn/s/blog_764b1e9d0102v5e9.html 《ENVI要按图像处理方法》邓书斌 著
《遥感数字图像处理—原理与方法》朱文泉 著
TIP：
实习手册文档及实验数据由助教编写和设计完成，如有关于本文档的使用问题或建议，请联系蔡毅(charyee@mail.bnu.edu.cn)
58
因篇幅问题不能全部显示，请点此查看更多更全内容