下载文档原格式
高光谱遥感图像预处理实验指导书一、实习目的通过高光谱遥感图像预处理的学习，使学生在课堂教学及实验课教学的基础上进一步将理论与实践相结合，消化和理解课堂所学理论知识，达到初步掌握利用ENVI等软件预处理高光谱遥感图像，并熟悉高光谱遥感图像预处理流程与方法的目的。
二、实习方式学生自学指导书为主，指导教师讲授为辅；利用计算机，结合相应遥感图像及ENVI软件的具体操作进行。
三、练习数据机载高光谱AVIRIS数据。
四、实习内容与要求掌握高光谱遥感图像预处理的理论与方法，利用ENVI中FLAASH大气校正工具和快速大气校正工具对高光谱数据进行大气校正及快速大气校正。
实验一、高光谱FLAASH数据大气校正实验目的：通过实验操作，掌握高光谱遥感图像FLAASH数据的大气校正的基本方法和步骤，深刻理解遥感图像大气校正的意义。
实验内容：ENVI软件中高光谱图像预处理模块下的图像大气校正。
高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气校正。
辐射校正一般由数据提供商完成。
太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。
如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。
操作步骤：1.打开文件File→Open→CupriteAVIRISSubset.dat→打开。
2. FLAASH Atmospheric Correction Module Input Parameters设置在 Toolbox 中打开 FLAASH 工具Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction→双击启动→进入FLAASH Atmospheric Correction Module Input Parameters 面板。
《E r d a s遥感图像处理》实验指导书-CAL-FENGHAI.-(YICAI)-Company One1《遥感图像处理》实验指导书实验一、ERDAS视窗的基本操作实验目的：初步了解目前主流的遥感图象处理软件ERDAS的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。
实验内容：视窗功能介绍；文件菜单操作；实用菜单操作；显示菜单操作；矢量和删格菜单操作等。
视窗操作是ERDAS软件操作的基础, ERDAS所有模块都涉及到视窗操作。
本实验要求掌握视窗的基本功能，熟练掌握图像显示操作和矢量菜单操作，从而为深入理解和学习ERDAS软件打好基础。
1、视窗功能简介二维视窗（图1-1）是显示删格图像、矢量图形、注记文件、AOI等数据层的主要窗口。
通过实际操作，掌握视窗菜单的主要功能、视窗工具功能。
图1-1 二维视窗重点掌握ERDAS图表面板菜单条；ERDAS图表面板工具条；掌握视窗菜单功能和视窗工具功能等基本操作。
2、图像显示操作（Display an Image）第一步：启动程序（Start Program）视窗菜单条：File→open→ RasterLayer→Select Layer To Ad d对话框。
第二步：确定文件（Determine File）在Select Layer To Add对话框中有File和Raster Option两个选择项，其中File就是用于确定图像文件的，具体内容和操作实例如表。
参数项含义实例Look in确定文件目录examplesFile name确定文件名xs_truecolorFile of type确定文件类型IMAGINE Image（*.img）Recent选择近期操作过的文------件Go to改变文件路径-------图1-2 参数设置第四步：打开图像（Open Raster Layer）3、实用菜单操作了解光标查询功能；量测功能；数据叠加功能；文件信息操作；三维图像操作等。
ERDASIMAGINE遥感图像处理教程.《ERDAS IMAGINE遥感图像处理教程》根据作者多年遥感应用研究和ERDAS IMAGINE软件应用经验编著而成，系统地介绍了ERDAS IMAGINE 9.3的软件功能及遥感图像处理方法。
全书分基础篇和扩展篇两部分，共25章。
基础篇涵盖了视窗操作、数据转换、几何校正、图像拼接、图像增强、图像解译、图像分类、子像元分类、矢量功能、雷达图像、虚拟GIS、空间建模、命令工具、批处理工具、图像库管理、专题制图等ERDAS IMAGINE Professional级的所有功能，以及扩展模块Subpixel、Vector、OrthoRadar、VirtualGIS等；扩展篇则主要针对ERDAS IMAGINE 9.3的新增扩展模块进行介绍，包括图像大气校正（ATCOR）、图像自动配准（AutoSync）、高级图像镶嵌（MosaicPro）、数字摄影测量（LPS）、三维立体分析（Stereo Analyst）、自动地形提取（Automatic Terrain Extraction）、面向对象信息提取（Objective）、智能变化检测（DeltaCue）、智能矢量化（Easytrace）、二次开发（EML）等十个扩展模块的功能。
《ERDAS IMAGINE遥感图像处理教程》将遥感图像处理的理论和方法与ERDAS IMAGINE软件功能融为一体，可以作为ERDAS IMAGINE软件用户的使用教程，对其他从事遥感技术应用研究的科技人员和高校师生也有参考价值。
目录基础篇第1章概述21.1 遥感技术基础21.1.1 遥感的基本概念21.1.2 遥感的主要特点21.1.3 遥感的常用分类31.1.4 遥感的物理基础31.2 ERDAS IMAGINE软件系统6 1.2.1 ERDAS IMAGINE概述6 1.2.2 ERDAS IMAGINE安装7 1.3 ERDAS IMAGINE图标面板11 1.3.1 菜单命令及其功能111.3.2 工具图标及其功能141.4 ERDAS IMAGINE功能体系14第2章视窗操作162.1 视窗功能概述162.1.1 视窗菜单功能172.1.2 视窗工具功能172.1.3 快捷菜单功能182.1.4 常用热键功能182.2 文件菜单操作192.2.1 图像显示操作202.2.2 图形显示操作222.3 实用菜单操作232.3.1 光标查询功能232.3.2 量测功能242.3.3 数据叠加显示252.3.4 文件信息操作272.3.5 三维图像操作292.4 显示菜单操作332.4.1 文件显示顺序332.4.2 显示比例操作332.4.3 显示变换操作342.5 AOI菜单操作342.5.1 打开AOI工具面板35 2.5.2 定义AOI显示特性35 2.5.3 定义AOI种子特征35 2.5.4 保存AOI数据层36 2.6 栅格菜单操作372.6.1 栅格工具面板功能37 2.6.2 图像对比度调整392.6.3 栅格属性编辑402.6.4 图像剖面工具432.7 矢量菜单操作452.7.1 矢量工具面板功能46 2.7.2 矢量文件生成与编辑472.7.3 改变矢量要素形状482.7.4 调整矢量要素特征482.7.5 编辑矢量属性数据492.7.6 定义要素编辑参数502.8 注记菜单操作502.8.1 创建注记文件512.8.2 设置注记要素类型522.8.3 放置注记要素522.8.4 注记要素属性编辑542.8.5 添加坐标格网55第3章数据输入/输出563.1 数据输入/输出概述563.2 二进制图像数据输入573.2.1 输入单波段数据573.2.2 组合多波段数据583.3 其他图像数据输入/输出59 3.3.1 HDF图像数据输入操作59 3.3.2 JPG图像数据输入/输出60 3.3.3 TIFF图像数据输入/输出61第4章数据预处理624.1 遥感图像处理概述62 4.1.1 遥感图像几何校正62 4.1.2 遥感图像裁剪与镶嵌63 4.1.3 数据预处理模块概述63 4.2 三维地形表面处理64 4.2.1 启动三维地形表面64 4.2.2 定义地形表面参数65 4.2.3 生成三维地形表面66 4.2.4 显示三维地形表面67 4.3 图像几何校正674.3.1 图像几何校正概述67 4.3.2 资源卫星图像校正70 4.3.3 遥感图像仿射变换76 4.3.4 航空图像正射校正78 4.4 图像裁剪处理814.4.1 图像规则裁剪814.4.2 图像不规则裁剪824.4.3 图像分块裁剪844.5 图像镶嵌处理844.5.1 图像镶嵌功能概述84 4.5.2 卫星图像镶嵌处理90 4.5.3 航空图像镶嵌处理934.6 图像投影变换954.6.1 启动投影变换954.6.2 投影变换操作964.7 其他预处理功能964.7.1 生成单值栅格图像964.7.2 重新计算图像高程974.7.3 数据发布与浏览准备97 4.7.4 产生或更新图像目录98 4.7.5 图像范围与金字塔计算99第5章图像解译1005.1 图像解译功能概述1005.1.1 图像空间增强1005.1.2 图像辐射增强1015.1.3 图像光谱增强1015.1.4 高光谱基本工具1025.1.5 高光谱高级工具1035.1.6 傅里叶变换1035.1.7 地形分析功能1045.1.8 地理信息系统分析104 5.1.9 实用分析功能1055.2 空间增强处理1065.2.1 卷积增强处理106 5.2.2 非定向边缘增强107 5.2.3 聚焦分析1085.2.4 纹理分析1095.2.5 自适应滤波1105.2.6 统计滤波1115.2.7 分辨率融合1115.2.8 改进IHS融合112 5.2.9 HPF图像融合114 5.2.10 小波变换融合115 5.2.11 删减法融合1165.2.12 Ehlers图像融合117 5.2.13 锐化增强处理118 5.3 辐射增强处理1205.3.1 查找表拉伸1205.3.2 直方图均衡化120 5.3.3 直方图匹配1215.3.4 亮度反转处理122 5.3.5 去霾处理1235.3.6 降噪处理1235.3.7 去条带处理1245.4 光谱增强处理1245.4.1 主成分变换1245.4.2 主成分逆变换1255.4.3 独立分量分析1265.4.4 去相关拉伸1275.4.5 缨帽变换1275.4.6 色彩变换1295.4.7 色彩逆变换1295.4.8 指数计算1305.4.9 自然色彩变换1315.4.10 ETM反射率变换131 5.4.11 光谱混合器1335.5 高光谱基本工具135 5.5.1 自动相对反射1355.5.2 自动对数残差1365.5.3 归一化处理1365.5.4 内部平均相对反射137 5.5.5 对数残差1375.5.6 数值调整1385.5.7 光谱均值1395.5.8 信噪比功能1395.5.9 像元均值1405.5.10 光谱剖面1415.5.11 光谱数据库1425.6 高光谱高级工具142 5.6.1 异常探测1425.6.2 目标探测1475.6.3 地物制图1495.6.4 光谱分析工程向导153 5.6.5 光谱分析工作站154 5.7 傅里叶变换1565.7.1 快速傅里叶变换156 5.7.2 傅里叶变换编辑器157 5.7.3 傅里叶图像编辑158 5.7.4 傅里叶逆变换1685.7.5 傅里叶显示变换169 5.7.6 周期噪声去除1695.7.7 同态滤波1705.8 地形分析1715.8.1 坡度分析1715.8.2 坡向分析1715.8.3 高程分带1725.8.4 地形阴影1735.8.5 彩色地势1735.8.6 地形校正1755.8.7 栅格等高线1755.8.8 点视域分析1765.8.9 路径视域分析181 5.8.10 三维浮雕1825.8.11 高程转换1835.9 地理信息系统分析184 5.9.1 邻域分析1845.9.2 周长计算1865.9.3 查找分析1865.9.4 指标分析1875.9.5 叠加分析1885.9.6 矩阵分析1895.9.7 归纳分析1905.9.8 区域特征1905.10 实用分析功能191 5.10.1 变化检测1915.10.2 函数分析1925.10.3 代数运算1925.10.4 色彩聚类1935.10.5 高级色彩聚类194 5.10.6 数值调整1955.10.7 图像掩膜1965.10.8 图像退化197 5.10.9 去除坏线197 5.10.10 投影变换198 5.10.11 聚合处理199 5.10.12 形态学计算199第6章图像分类202 6.1 图像分类简介202 6.1.1 非监督分类202 6.1.2 监督分类2036.1.3 专家系统分类206 6.2 非监督分类2086.2.1 获取初始分类209 6.2.2 调整分类结果210 6.3 监督分类2126.3.1 定义分类模板213 6.3.2 评价分类模板221 6.3.3 执行监督分类226 6.3.4 评价分类结果227 6.4 分类后处理2316.4.1 聚类统计2326.4.2 过滤分析2326.4.3 去除分析2336.4.4 分类重编码2336.5 专家分类器2346.5.1 知识工程师2356.5.2 变量编辑器2396.5.3 建立知识库2426.5.4 知识分类器248第7章子像元分类2517.1 子像元分类简介2517.1.1 子像元分类的基本特征251 7.1.2 子像元分类的基本原理252 7.1.3 子像元分类的应用领域253 7.1.4 子像元分类模块概述254 7.2 子像元分类方法2567.2.1 子像元分类流程2567.2.2 图像质量确认2587.2.3 图像预处理2597.2.4 自动环境校正2607.2.5 分类特征提取2637.2.6 分类特征组合2697.2.7 分类特征评价2717.2.8 感兴趣物质分类2747.2.9 分类后处理2767.3 子像元分类实例2777.3.1 图像预处理2777.3.2 自动环境校正2777.3.3 分类特征提取2787.3.4 感兴趣物质分类2797.3.5 查看验证文件2817.3.6 分类结果比较282第8章矢量功能2838.1 空间数据概述2838.1.1 矢量数据2838.1.2 栅格数据2848.1.3 矢量和栅格数据结构比较285 8.1.4 矢量数据和栅格数据转换286 8.2 矢量模块功能简介2898.3 矢量图层基本操作2898.3.1 显示矢量图层2898.3.2 改变矢量特性2908.3.3 改变矢量符号2918.4 要素选取与查询2988.4.1 查看选择要素属性2988.4.2 多种工具选择要素2998.4.3 判别函数选择要素3008.4.4 显示矢量图层信息3028.5 创建矢量图层3038.5.1 创建矢量图层的基本方法303 8.5.2 由ASCII文件创建点图层307 8.5.3 镶嵌多边形矢量图层3088.5.4 创建矢量图层子集3108.6 矢量图层编辑3118.6.1 编辑矢量图层的基本方法311 8.6.2 变换矢量图层3138.6.3 产生多边形Label点3148.7 建立拓扑关系3148.7.1 Build矢量图层3158.7.2 Clean矢量图层3158.8 矢量图层管理3168.8.1 重命名矢量图层3168.8.2 复制矢量图层3178.8.3 删除矢量图层3178.8.4 导出矢量图层3188.9 矢量与栅格转换3188.9.1 栅格转换矢量3188.9.2 矢量转换栅格3208.10 表格数据管理3228.10.1 INFO表管理3228.10.2 区域属性统计3288.10.3 属性转换为注记329 8.11 Shapefile文件操作331 8.11.1 重新计算高程3318.11.2 投影变换操作332第9章雷达图像处理3349.1 雷达图像处理基础334 9.1.1 雷达图像增强处理334 9.1.2 雷达图像几何校正336 9.1.3 干涉雷达DEM提取336 9.2 雷达图像模块概述337 9.3 基本雷达图像处理337 9.3.1 斑点噪声压缩3389.3.2 边缘增强处理3409.3.3 雷达图像增强3419.3.4 图像纹理分析3449.3.5 图像亮度调整3459.3.6 图像斜距调整3469.4 正射雷达图像校正3479.4.1 正射雷达图像校正概述347 9.4.2 地理编码SAR图像3489.4.3 正射校正SAR图像3529.4.4 GCP正射较正SAR图像355 9.4.5 比较OrthoRadar校正效果358 9.5 雷达像对DEM提取3599.5.1 雷达像对DEM提取概述359 9.5.2 雷达立体像对数据准备359 9.5.3 立体像对提取DEM工程360 9.6 干涉雷达DEM提取3699.6.1 干涉雷达DEM提取概述369 9.6.2 干涉雷达图像数据准备369 9.6.3 干涉雷达DEM提取工程370 9.6.4 DEM高程生成3759.7 干涉雷达变化检测3769.7.1 干涉雷达变化检测模块376 9.7.2 干涉雷达变化检测操作377第10章虚拟地理信息系统381 10.1 VirtualGIS概述38110.2 VirtualGIS视窗38210.2.1 启动VirtualGIS视窗382 10.2.2 VirtualGIS视窗功能382 10.3 VirtualGIS工程38510.3.1 创建VirtualGIS工程385 10.3.2 编辑VirtualGIS视景387 10.4 VirtualGIS分析39110.4.1 洪水淹没分析39110.4.2 矢量图形分析39410.4.3 叠加文字注记39610.4.4 叠加三维模型39810.4.5 模拟雾气分析40510.4.6 威胁性与通视性分析406 10.4.7 立体视景操作40910.4.8 叠加标识图像41010.4.9 模拟云层分析41210.5 VirtualGIS导航41410.5.1 设置导航模式41410.5.2 VirtualGIS漫游415 10.6 VirtualGIS飞行41610.6.1 定义飞行路线41710.6.2 编辑飞行路线41910.6.3 执行飞行操作42010.7 三维动画制作42010.7.1 三维飞行记录42110.7.2 三维动画工具42210.8 虚拟世界编辑器42210.8.1 虚拟世界编辑器简介422 10.8.2 创建一个虚拟世界425 10.8.3 虚拟世界的空间操作429 10.9 空间视域分析43110.9.1 视域分析数据准备431 10.9.2 生成多层视域数据432 10.9.3 虚拟世界视域分析434 10.10 设置VirtualGIS默认值436 10.10.1 默认值设置环境436 10.10.2 默认值设置选项436 10.10.3 保存默认值设置439第11章空间建模工具44011.1 空间建模工具概述44011.1.1 空间建模工具的组成440 11.1.2 图形模型的基本类型441 11.1.3 图形模型的创建过程44111.2 模型生成器功能组成442 11.2.1 模型生成器菜单命令442 11.2.2 模型生成器工具图标443 11.2.3 模型生成器工具面板444 11.3 空间建模操作过程444 11.3.1 创建图形模型44411.3.2 注释图形模型44711.3.3 生成文本程序44811.3.4 打印图形模型44911.4 条件操作函数应用450第12章图像命令工具453 12.1 图像信息管理技术453 12.1.1 图像金字塔45312.1.2 图像世界文件45312.2 图像命令工具概述454 12.3 图像命令功能操作455 12.3.1 改变栅格图像类型455 12.3.2 计算图像统计值456 12.3.3 图像金字塔操作457 12.3.4 图像地图模式操作458 12.3.5 图像地图投影操作459。
九、高光谱图像处理高光谱分辨率遥感（Hyperspectral Remote Sensing），简称高光谱遥感，是在电磁波的紫外、可见光、近红外和中红外波段范围内，获取许多非常窄且光谱连续的影像数据的技术。
常规遥感的波段宽度一般大于50nm，并且波段在电磁波谱上不连续，所有波段加起来并不能覆盖可见光到热红外的整个波普范围，而光谱遥感成像光谱仪可以提供数十个甚至数百个很窄的波段（波段宽度一般小于10nm）来接受信息，且能够产生一条连续完整的光谱曲线（V ane and Goetz,1933），光谱覆盖从可见光到红外光的全部电磁波范围，因此其信息量是无法探测的，而高光谱传感器极窄的波段宽度，足够识别这些地物特征。
高光谱遥感凭借着其明显的技术优势，在各领域展现出广阔的应用前景。
目前已广泛应用于地质矿产调查、植被研究、环境监测、土壤调查、农作物估产、大气科学等领域中。
高光谱图像具有以下特点：（1）波段多，光谱分辨率高，光谱间相关性强。
（2）空间分辨率高。
高的光谱分辨率和空间分辨率是遥感技术发展的两个方向，这两个方向有趋于统一的趋势。
（3）由于波段多，狭窄且连续，使得高光谱数据量巨大、数据冗余严重。
一些常规遥感图像处理分析方法仍可用于高光谱影像。
但由于高光谱图像波段多、广谱分辨率大、数据量大等特点，常规的遥感图像处理方法并不完全适合高光谱图像处理，对它的处理需要一些特殊的方法和技术。
ERDAS IMAGINE9.2提供了一个高光谱分析工具，是高光谱数据的分析简单化、自动化。
本章主要介绍高光谱分析工具中的各个功能，这些功能都在Interpreter图标下的BasicHyperSpectral Tools工具中（图9.1）。
本例使用的示例数据是一幅1995年美国内华达州某地的AVIRS图像，从波段172~221，共50个波段，文件格式为img，存放在chp\tutor\ex_hyper.img（图9.2）。
图9.1Basic HyperSpectral Tools工具图9.2实例图像ex_hyper.img9.1归一化处理光谱归一化（Normalize ），是将每一个像元的光谱值统一到整体平均亮度水平，以减小亮度差异。
实习1、ERDAS视窗的基本操作实验目的：了解目前主流的遥感图象处理软件ERDAS的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能。
实验内容：ERDAS的主要功能模块；视窗功能；文件菜单操作；实用菜单操作；显示菜单操作；矢量和删格菜单操作等。
视窗操作是ERDAS软件操作的基础, ERDAS所有模块都涉及到视窗操作。
本实验要求掌握视窗的基本功能，熟练掌握图像显示操作和矢量菜单操作，从而为深入理解和学习ERDAS软件打好基础。
实习步骤如下：1.ERDAS Imagine 软件模块构成、功能1.1、在程序菜单中选择ERDAS IMAGINE 启动在程序菜单中选择ERDAS IMAGINE，ERDAS IMAGINE 开始启动运行, 图标面板（ICON Panel）自动打开，并在你的屏幕上显示如下：ERDAS IMAGINE的图标面板包括菜单条：Session, Main, Tools, Utilities, Help 和工具条两部分。
ERDAS IMAGINE的图标面板包括菜单条中的5项下拉菜单都由一系列命令或选择项组成，这些命令及其功能如表1.1所示。
.表1.2 综合菜单命令及其功能表1.4 工具菜单命令及其功能表1.5 实用菜单命令及其功能1.2工具图标及其功能（Panel ICON）与IMAGINE Professional级功能及其应用外，还将涉及两个重要的扩展模块Vector模块和Virtual GIS模块，因而共有13个图标（表1.7）2、图像显示视窗（Viewer）图像显示视窗（Viewer）是显示栅格图像、矢量图形、注记文件、AOI等数据层的主要窗口，每次启动 ERDAS IMAGING时，系统都会自动打开一个二维视窗（Viewer）如图2.1所示。
在应用过程中可以随时打开新的视窗。
图2.1 二维视窗（Viewer）二维视窗（Viewer）主要由视窗菜单条、工具条、显示窗和状态条四部分组成。
高光谱遥感实验实验一高光谱遥感数据一. 分别使用AVIRIS和Hyperion数据，如何针对植被、水体等不同地物进行假彩色合成选择合适的波段？根据彩色合成原理，可选择同一目标的单个多光谱数据合成一幅彩色图像，当合成图像的红绿蓝三色与三个多光谱段相吻合，这幅图像就再现了地物的彩色原理，就称为真彩色合成。
假彩色合成又称彩色合成。
根据加色法或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术。
合成彩色影像常与天然色彩不同，且可任意变换，故称假彩色影像。
下面以ETM影像为例，进行真彩色合成，详细步骤如下：1.在ERDAS IMAGINE 2010中加载ETM影像etmsubsrt.img。
图一.添加ETM影像数据2.由ETM影像数据的基本参数中，RGB三色数据如下故分别选取1、2、3波段作为蓝、绿、红三色进行真彩色合成，结果如下图二.ETM影像真彩色合成图中绿色为植被，蓝色为水体。
3.对ETM影像数据的基本参数进行分析，选取对水体、植被有特征三个波段进行假彩色合成。
因为ETM影像中波段2，即绿色波段可用于分辨植被，波段,3，即红色波段处于叶绿素吸收区域，可用于观测植被效果好，波段4，即近红外波段，可以从植被中区分出水体，故分别选取波段2、3、4作为蓝、绿、红三色进行假彩色合成。
图三.ETM影像假彩色合成图中深蓝色为植被，浅蓝色和红色为水体。
使用AVIRIS和Hyperion数据，针对植被、水体等不同地物进行假彩色合成的步骤如上，其中，使用AVIRIS数据进行假彩色合成时选取波段50、31、20作为红绿蓝三色进行假彩色合成图四.AVIRIS影像假彩色合成使用Hyperion数据进行假彩色合成时选取波段110、31、21作为红、绿、蓝三色进行假彩色合成图五. Hyperion影像假彩色合成图中深蓝色为水体，浅蓝色为植被。
二. 分别从ETM、AVIRIS和Hyperion数据中分别选取3到5种不同的地物，提取曲线。
九、高光谱图像处理高光谱分辨率遥感（Hyperspectral Remote Sensing），简称高光谱遥感，是在电磁波的紫外、可见光、近红外和中红外波段范围内，获取许多非常窄且光谱连续的影像数据的技术。
常规遥感的波段宽度一般大于50nm，并且波段在电磁波谱上不连续，所有波段加起来并不能覆盖可见光到热红外的整个波普范围，而光谱遥感成像光谱仪可以提供数十个甚至数百个很窄的波段（波段宽度一般小于10nm）来接受信息，且能够产生一条连续完整的光谱曲线（V ane and Goetz,1933），光谱覆盖从可见光到红外光的全部电磁波范围，因此其信息量是无法探测的，而高光谱传感器极窄的波段宽度，足够识别这些地物特征。
高光谱遥感凭借着其明显的技术优势，在各领域展现出广阔的应用前景。
目前已广泛应用于地质矿产调查、植被研究、环境监测、土壤调查、农作物估产、大气科学等领域中。
高光谱图像具有以下特点：（1）波段多，光谱分辨率高，光谱间相关性强。
（2）空间分辨率高。
高的光谱分辨率和空间分辨率是遥感技术发展的两个方向，这两个方向有趋于统一的趋势。
（3）由于波段多，狭窄且连续，使得高光谱数据量巨大、数据冗余严重。
一些常规遥感图像处理分析方法仍可用于高光谱影像。
但由于高光谱图像波段多、广谱分辨率大、数据量大等特点，常规的遥感图像处理方法并不完全适合高光谱图像处理，对它的处理需要一些特殊的方法和技术。
ERDAS IMAGINE9.2提供了一个高光谱分析工具，是高光谱数据的分析简单化、自动化。
本章主要介绍高光谱分析工具中的各个功能，这些功能都在Interpreter图标下的BasicHyperSpectral Tools工具中（图9.1）。
本例使用的示例数据是一幅1995年美国内华达州某地的AVIRS图像，从波段172~221，共50个波段，文件格式为img，存放在chp\tutor\ex_hyper.img（图9.2）。
图9.1Basic HyperSpectral Tools工具图9.2实例图像ex_hyper.img9.1归一化处理光谱归一化（Normalize ），是将每一个像元的光谱值统一到整体平均亮度水平，以减小亮度差异。
当图像亮度过于集中，差异较大时，可通过此功能改善图像对比度，从而改善图像质量，对于每一个像元，计算公式如下：i （9.1）∑==′N RN R R 11λλλλ式中：是波段的原广谱值；是第波段归一化后的光谱值；N 是波段数。
归一化λR λ′λR λ处理常用来减少或消除反照率变换和坡度变化对光谱图像的影响，或者消除系统误差影响。
归一化虽然可以减小图像的亮度差异，但有时也会造成信息损失。
因此，当图像覆盖两种或两种以上特征差异显著的地物时，该方法就不适用了。
（1）在ERDAS 主窗口，选择Interpreter 图标/Basic HyperSpectral Tools/Normalize 命令，打开Normalize 对话框（图9.3）。
（2）选择处理图像文件（Input File ）为...chp5\tutor\ex_hyper.img 。
（3）设置输出文件（Output File ）为....chp5\tutor\result\normalize.img 。
（4）在Corrdinate Type 复选框选择文件的坐标类型，这里有两种方法。
（5）在Subset Definition 中定义处理的图像范围，这里有两种方法：①在UL X 、UL Y 、LR X 、LR Y 选框中输入图像处理范围。
②点击“From Inquire Box ”按钮，启动查询框，在视窗中单击右键，在弹出的快捷菜单中选择“Inquire Box ”工具，可以在图像上自由选择处理范围，默认值为整个图像范围。
（6）选中“Ignore Zero in Output Stats ”复选框，表示在输出数据统计时忽略零值。
（7）在Select Layers 文本框内输入处理的波段，默认值为所有波段。
（8）单击OK 按钮，开始执行操作，当处理进度条显示完成时，单击OK 按钮即完成归一化处理。
处理结果见图9.4所示。
将同一波段的灰度直方图作比较，处理前的图像灰度值集中在663~755之间，图像色彩对比强烈（图9.5）；而处理后的图像灰度直方图集中度减小（图9.6），图像锐度降低，色彩较处理之前细腻，过渡教自然。
图9.3Normalize对话框图9.4Normalize处理结果图9.5ex_hyper.img灰度直方图图9.6normalize.img直方图9.2数值调整高广谱波段图像多，少则几十个，多则几百个；且很多影像数据的像元量化级大于8bit，或者是浮点型。
因此数据量巨大，是常规影像的几十倍甚至几百倍，并且数据冗余严重。
数值调整（Rescale）工具可以在保持广谱曲线形状不变的情况下，将数据的像元量化级调整为8bit，即灰度值调整为0~255之间，以达到压缩数据的目的。
输入图像可以是任何量化级，但输出图像只是8bit。
数值调整对整幅图像所有波段同时调整，而不是仅调整用户感兴趣的波段，因此也称为三维数值调整。
（1）在ERDAS主窗口，选择Interpreter图标/Basic HyperSpectral Tools/Rescale命令，打开Rescale对话框（图9.7）。
图9.7Dimensional Rescale对话框（2）选择处理图像文件（Input File）为...chp5\tutor\ex_hyper.img。
（3）设置输出文件（Output File）为....chp5\tutor\result\rescale.img。
（4）在Corrdinate Type复选框选择文件的坐标类型为Map。
（5）在Subset Definition中定义处理的图像范围。
（6）选中“Ignore Zero in Output Stats”复选框，表示在输出数据统计时忽略零值。
（7）在Select Layers文本框内输入处理的波段，这里选择默认的1~50波段。
（8）单击OK按钮，开始执行操作。
打开Rescale.img的信息对话框，选择Pixel Data选项卡（图9.8），可以看到Rescale.img 的像元灰度值均已调整到0~255。
分别作ex_hyper.img和rescale.img的同一个像元的广谱曲线（图9.9，图9.10），可以看出rescale.img的广谱曲线是没有发生改变的，即数值调整仅将图像灰度值进行了压缩，并没有改变图像的光谱特征。
图9.8Rescale.img的信息表图9.9ex_hyper.img像元光谱曲线图图9.10rescale.img像元光谱曲线图9.3相对反射传感器接收到的辐照度与两个方面有关，即太阳辐射到地面的辐照度和地物的光谱反照率。
在辐射传输过程中，由于大气的存在，大气的吸收、散射，影响了辐射达到传感器的辐照度，从而产生畸变。
要消除大气环境对遥感信息提提取的影响，就需要找出大气与地物反射率的关系，将图像灰度值转换为地物反射率值，从而提取出地物光谱反射率。
大气校正式高光谱遥感图像处理的关键技术之一，是进行高光谱遥感数据定量分析、特征提取、辐射比图像转换和光谱重建等研究的基础。
目前，大气校正方法主要有基于图像特征的定标模型、基于地面线性回归经验模型、基于大气辐射传输理论模型和其他模型。
基于图像特征的定标模型不需要进行实际地面光谱及其大气环境参数等辅助数据的测量，仅利用图像数据本身进行反射率的反演，简单实用。
内在平均相对反射率和对数残差都是基于图像特征的反射率反演模型。
9.3.1内在平均相对反射内在平均相对反射（Internal Average Relative Reflectance）是基于图像特征模型的定标模型，首先计算每个波段的像元平均光谱值，得到整幅图像的平均参考光谱，再用每个像元的光谱值除以对应波段的平均光谱值，作为每个像元得相对反射值。
这样原始图像的像元灰度值就变成了像元相对反射值。
内在平均相对反射虽然得到的是相对反射率，但也能够反映出地物的反射特性。
该方法的不足之处在于，当图像某些位置出现强吸收特征时，参考光谱受其影响而偏低，导致其他不具备此吸收特征的地物广谱出现与该吸收特征相应的假反射峰，使计算结果出现误差。
（1）在ERDAS 主窗口中，选择Interpreter 图标/Basic HyperSpectral Tools/IAR Reflectance命令，打开Internal Average Relative Reflectance 对话框（图9.11）。
图9.11Internal Average Relative Reflectance 对话框（2）选择处理图像文件（Input File ）为…chp5\tutor\ex_hyper.img 。
（3）设置输出文件（Output File ）为\chp5\tutor\result\iar_ref.img 。
（4）在Coordinate Type 复选框选择文件的坐标类型为Map 。
（5）在Subset Definition 中定义处理的图像范围。
（6）选择Ignore Zero in Output Stats ，图像输出时忽略零值。
（7）单击OK 按钮，开始执行Internal Average Relative Reflectance 操作。
处理结果如图9.12所示。
图9.13显示了原ex_hyper 图像经过内在平均相对反射功能后，消除了大气影响，其灰度值已转变为相对反射率。
这种方法在没有植被覆盖的干旱区域能得到非常好的结果。
图9.12Internal Average Relative Reflectance 处理结果图9.12ar_ref.img 信息表9.3.2自动相对反射ERDAS IMAGINE9.2还提供了自动相对反射（Automatic Internal Average Relative Reflectance ）功能。
自动相对反射是将三个常用的高光谱图像增强功能集成在一起，即归一化处理、内在平均相对反射和数值调整。
每一步的算法与子功能一样。
这使得用户不再分别执行每一个功能，一次即可对图像进行亮度调整、大气校正以及数值调整，操作更加方便。
（1）在ERDAS 主窗口中，选择Interpreter 图标/Basi cHyperSpectral Tools/Automatic Rel.Reflectance 命令，打开Automatic Internal Average Relative Reflectance 对话框（图9.14）。
图9.14Automatic Internal AverageRelative Reflectance 对话框（2）选择处理图像文件（Input File ）为…chp5\tutor\ex_hyper.img 。
