ENVI高光谱分析

ENVI实习-高光谱遥感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。

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。

ENVI高光谱分析技术ENVI高光谱分析技术指的是利用ENVI软件和高光谱数据对地球表面进行分析和解译的技术。

高光谱分析技术是一种通过检测和记录地球表面上的物质反射和辐射特征来获取地物信息的方法。

通过分析不同波长的光谱数据，可以对地表进行分类、监测和测量，同时提供了对地球表面物质和环境变化的深入理解。

ENVI软件是一款功能强大、易于使用的高光谱遥感图像处理和分析软件。

它可以对高光谱数据进行校正、预处理、分割、分类、特征提取和变化检测等操作，进一步提取和分析高光谱数据中的信息。

ENVI软件可以处理来自多个传感器和平台的高光谱数据，包括卫星、航空和地面平台。

高光谱分析技术的主要步骤包括：1.数据获取和预处理：包括获取高光谱数据源，对数据进行几何校正、大气校正和辐射校正等预处理，以消除大气和仪器引起的影响。

2.高光谱数据展示和可视化：通过ENVI软件可以将高光谱数据以图像或光谱曲线的形式进行可视化，直观展示不同波段的反射率或辐射亮度。

3.特征提取和分类：通过ENVI软件中的分类算法，可以对高光谱数据进行地物分类，将不同类型的地物分开并标记出来。

常用的分类算法包括最大似然分类、支持向量机分类等。

4.目标检测和提取：通过高光谱分析技术，可以识别和提取特定目标或特征，如植被指数、污染物浓度等。

5.变化检测和监测：通过对不同时期的高光谱数据进行比较，可以检测地表发生的变化，如土地利用变化、植被覆盖变化等。

6.数据分析和解释：通过对高光谱数据中的光谱曲线进行分析，可以推断地表物质的成分和性质，并进行解释和评估。

高光谱分析技术在许多领域中得到广泛应用。

在农业领域，可以通过分析作物的生长状态、养分含量和病虫害情况，提供精准的农作物管理和决策支持。

在环境监测领域，可以监测水质、土壤质量、植被变化等环境指标，提供环境保护和可持续发展的数据支持。

在城市规划和土地管理领域，可以分析土地利用类型、城市扩张和更新等信息，为城市发展提供科学依据。

envi光谱指数
ENVI光谱指数是一种用于遥感影像处理和分析的技术，它利用了遥感影像的光谱信息来提取地物的特征和信息。

ENVI光谱指数可以用于监测和评估地物的光谱特征，如植被覆盖、土壤类型、水体分布等。

ENVI光谱指数的计算方法是将多个波段的遥感影像进行组合，通过一定的数学运算得到一个新的指数值。

这个指数值可以反映地物的光谱特征，从而帮助我们更好地理解和分析地物的分布和变化。

在ENVI中，有很多内置的光谱指数可供选择，如归一化水体指数（NDWI）、归一化泥指数（NDMI）、改进的归一化水体指数（MNDWI）等。

这些指数都可以帮助我们提取和分析地物的光谱特征。

例如，归一化水体指数（NDWI）可以用于提取水体信息，其值越大，说明地物的含水量越大。

改进的归一化水体指数（MNDWI）可以进一步提高水域特征的提取效果，抑制来自建筑物用地、植被和土壤的干扰。

ENVI高光谱数据处理流程1.数据预处理数据预处理是高光谱数据处理流程中的第一步，其主要目的是去除数据中的噪声并增加图像质量。

常用的预处理方法包括：大气校正、大气校正之后的辐射校正、大气校正之后的大气校正等。

-大气校正：高光谱数据中的大气散射会引入许多噪声。

大气校正的目的是根据大气散射的物理原理，通过对高光谱数据进行光谱校正和辐射校正，去除大气散射带来的干扰。

-辐射校正：高光谱数据中的辐射能量受到地面温度、雨水和云等因素的影响，导致数据中存在辐射偏差。

辐射校正的目的是根据卫星的辐射源数据和大地辐射能量的关系，对高光谱数据进行校正，消除辐射偏差。

-大气校正之后的大气校正：在进行大气校正之后，仍然可能存在一些小范围的大气散射。

大气校正之后的大气校正的目的是再次进行大气散射校正，进一步提高图像质量。

2.特征提取特征提取是高光谱数据处理流程中的核心步骤，其主要目的是从高光谱数据中提取出对地物分类和解译有用的特征信息。

-光谱特征提取：光谱特征提取是指根据高光谱数据中不同波段的辐射能量变化，提取出反映地物光谱特性的特征参数。

常用的光谱特征包括：光谱曲线的均值、方差、斜率等。

-空间特征提取：空间特征提取是指从高光谱数据的空间分布中提取出反映地物空间特性的特征参数。

常用的空间特征包括：纹理特征、形状特征、边缘特征等。

3.分类与监督解译分类与监督解译是高光谱数据处理流程中的关键步骤，其主要目的是将预处理和特征提取之后得到的数据进行分类和解译。

-监督分类：监督分类是指通过已知的训练样本数据，建立分类模型，并将该模型应用于未知的高光谱数据，将数据分成不同的类别。

常用的监督分类方法有：最大似然分类、支持向量机分类、随机森林分类等。

-非监督分类：非监督分类是指利用高光谱数据本身的统计特性，将数据按照统计特性对其进行分类。

常用的非监督分类方法有：K-均值聚类、多元高斯聚类等。

4.地物解译与验证地物解译与验证是高光谱数据处理流程中的最后一步，其主要目的是对分类结果进行解译和验证，以评估分类的准确性。

envi高光谱数据处理流程
envi高光谱数据处理流程是一种非常常用的数据处理方法，主要应用于高光谱遥感数据处理。

其主要流程包括：数据预处理、光谱反射率计算、特征提取与分类等几个步骤。

1、数据预处理：数据预处理包括数据校正、波长校准及大气校正等过程。

其中，数据校正主要是将数据进行去背景、去噪、去影响等处理。

波长校准是将采集到的数据进行波长校准，保证数据的准确性。

大气校正是将采集的数据进行大气校正，降低大气对数据的影响。

2、光谱反射率计算：光谱反射率计算是将采集到的数据进行转换，得到地表反射率信息。

这个过程主要通过将采集到的数据进行比对处理，计算出地表反射率。

3、特征提取：特征提取是将采集到的数据进行特征分析，得到地物分类信息。

这个过程主要通过对采集到的数据进行分析，计算出每个波段的特征，然后根据这些特征进行分类。

4、分类：分类是将采集到的数据进行分类，识别出地表不同的类别。

这个过程主要通过将采集到的数据进行分析，然后根据不同的特征进行分类，最终得到地表不同的类别。

总之，envi高光谱数据处理流程是一个比较全面、细致的数据处理方法，可以有效地对高光谱遥感数据进行处理，得到准确的地表信息。

- 1 -。

高光谱数据分析ENVI操作手册1.常见参数选择主菜单→File→Preferences●用户自定义文件（User Defined Files）图形颜色文件，颜色表文件，ENVI的菜单文件，地图投影文件等。

需重启ENVI ●默认文件目录(Default Directories)默认数据目录，临时文件目录，默认输出文件目录，ENVI补丁文件、光谱库文件、备用头文件目录等，需重启ENVI。

●显示设置(Display Default)可以设置三窗口中各个分窗口的显示大小，窗口显示式样等。

其中可以设置数据显示拉伸方式（Display Default Stretch），默认为2%线性拉伸。

●其他设置(Miscollaneous)制图单位（Page Unit），默认为英寸（Inches），可设置为厘米（Centimeters）还有缓冲大小（cache size），可以设置为物理内存的50-75%左右。

Image Tile Size不能超过4M。

2.显示图像及其波谱2.1.打开文件●主菜单，Open Image File→文件名.raw。

●或Window→Available Bands List→File →Open Image File→文件名.raw。

2.2.显示图像●显示单波段灰度级图像：Gray color,选择的波段一般是图像显示最清晰的波段。

●显示伪彩色图像：RGB color，选择具有明显吸收谷、强烈反射作用和所含信息量较大的波段作为彩色合成RGB波段。

●显示真彩色图像：波段列表（Available Bands List）中，右键→Load TrueColor 。

●图像保存：Display窗口，File→Save Image As→Image File，选择输出格式、路径和名称，OK。

●动画显示：Display窗口，Tools→Animation，动态显示各波段图像，能很快的分辨出包含信息量较多的波段。

专题二十四 使用ENVI的高光谱工具处理多光谱数据(节选)1.1.专题概述本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。

要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。

要获取额外的详细信息，请参见《ENVI遥感影像处理实用手册》（ENVI User’s Guide）或者ENVI的在线帮助。

♦本专题中使用的文件光盘：《ENVI遥感影像处理专题与实践》附带光盘 #1♦背景知识ENVI并非仅设计成高光谱影像处理系统。

在1992年，ENVI的开发者就决定开发出一个通用的影像处理软件，它包含一整套的基本处理工具，弥补了商业软件缺乏强大灵活处理功能的不足，使得它能够处理各种科学格式的影像数据。

它对全色、多光谱、高光谱以及基本和改进雷达影像数据都提供了支持。

当前，ENVI包含了与其它主要影像处理系统（例如：ERDAS，ERMapper和PCI）相同的基本处理功能。

其中，ENVI在前沿遥感研究中采用了许多不同的先进算法。

虽然这些算法都是在处理成像光谱仪数据或者多达上百个波谱波段的高光谱数据基础之上发展而来，但是它们也可以应用到多光谱数据和其它标准数据类型的处理上。

本专题将对某些分析Landsat Thematic Mapper（TM）数据的方法进行介绍。

本专题分为两个独立的部分：1）使用标准或者经典多光谱分析技术，对TM影像数据进行典型的多光谱分析，2）使用ENVI高光谱工具对相同的数据集进行分析。

1.2.使用ENVI的高光谱工具分析多光谱数据♦读取TM影像数据z要从磁带中读取数据，可以在ENVI主菜单中选择File → Tape Utilities → Read Known Tape Formats → Landsat TM（或者对于新的EDC-格式的磁带选择NLAPS）。

z要从光盘中读取数据，可以选择File →Open External File → Landsat → Fast，或者选择File → Open External File → Landsat → NLAPS（对于NLAPS数据）。

ENVI高光谱数据处理流程一、显示图像波谱1.打开文件：主菜单中，File→Open Image File→文件名.raw或者Window→Available Bands List→File →Open Image File→文件。

2.显示真彩色图像：波段列表（Available Bands Lis）中，右键→Load TrueColor。

3.*设置像素大小：主窗口（Display）中，右键→Pixel Locator。

4.绘制波谱：主窗口中，右键→Z Profile（Spectrum）。

5.收集任意点波谱：Spectral Profile中，Options→Collect Spectra，点击图像任6.光谱平滑：Spectral Profile中，Options→Set Z Profile Avg Window，将window7.部分光谱：主菜单→Basic Tools→Resize Data(Spatial/Spectral)→Spectral Subset，选择需要的光谱波段。

生成新的文件，右键→Load True Color to<new>。

显示新图像。

8.关闭所有文件：File→Close All Files。

二、标准波谱库主菜单→Spectral→Spectral Libraries→Spectral Library Viewer→安装文件夹下，ITT\IDL\IDL80\products\envi48\spec_lib。

共有usgs_min、veg _lib、jpl_lib、jhu_lib四个标准波谱库。

在Spectral Library Viewer中，单击波谱名称，自动显示波谱。

三、自定义波谱库1.输入波长范围：在菜单中，Spectral Spectral Library→Spectral Library Builder2.波谱收集：以从影像数据中收集波谱为例：a)打开高光谱图像，收集任意点波谱。

高光谱遥感技术是一种能够获取地物光谱特征的重要手段，它在农业、林业、环境监测等领域有着广泛的应用。

而在高光谱遥感数据处理中，波段自相关计算是一种重要的分析方法，它能够帮助我们更好地理解数据的特征和结构。

本文将对高光谱波段自相关计算进行深入探讨，旨在帮助读者更好地掌握这一分析方法。

一、高光谱波段自相关概述1.1 高光谱遥感数据的特点高光谱遥感数据是指在可见光、红外和短波红外等波段范围内具有连续的光谱信息的遥感数据。

相比于传统的单一波段遥感数据，高光谱数据能够提供更为丰富的地物光谱信息，能够更准确地反映地物的特征和变化。

1.2 高光谱波段自相关的作用波段自相关是指在高光谱数据中，同一波段内不同位置像元的相关性分析。

它可以帮助我们了解数据的空间相关性和结构特征，为后续的特征提取和分类分析提供基础。

二、高光谱波段自相关的计算方法2.1 高光谱波段自相关的数学原理在高光谱数据中，每个像元由连续的光谱波段组成，我们可以将每个像元看作是一个包含多个变量的数据点。

可以使用传统的自相关分析方法来计算波段间的相关性。

2.2 高光谱波段自相关的计算步骤将高光谱数据按照波段进行整理，得到一个波段数乘以像元数的矩阵。

对于每一个波段，可以计算其与其他波段的相关系数，得到一个相关系数矩阵。

可以根据需要进行相关性分析和数据可视化处理。

三、高光谱波段自相关的应用案例3.1 农业领域在农业领域，利用高光谱波段自相关分析，可以更准确地识别农田的作物种类，并了解植被生长情况。

这对于精准农业和农作物的管理有着重要意义。

3.2 林业领域在林业领域，高光谱波段自相关分析能够帮助我们了解森林地区的植被类型和生长状态，为森林资源的监测和保护提供支持。

3.3 环境监测领域在环境监测领域，利用高光谱波段自相关分析，可以对土壤污染、水质变化等环境问题进行监测和分析，为环境保护和治理提供有力的技术支持。

四、高光谱波段自相关计算的发展趋势4.1 数据挖掘和机器学习随着数据挖掘和机器学习技术的不断发展，高光谱波段自相关计算将会更加智能化和自动化，能够更好地挖掘数据的隐藏信息和规律。

ENVI高光谱分析ENVI（Environment for Visualizing Images）是一种用于遥感数据分析和处理的软件平台，通过其高光谱分析工具，可以对高光谱数据进行处理和解释。

高光谱分析是一种基于光谱信息的数据分析方法，可以通过测量目标物体反射或辐射出的电磁波谱，来获取物体的光谱特性以及与之相关的信息。

高光谱数据是由接收传感器采集的波长范围较宽的连续光谱数据。

与常规的彩色图像数据相比，高光谱数据包含了更多的细节和信息。

通过对高光谱数据进行分析，可以提供更准确和全面的目标物体特征、组成和状态信息。

ENVI高光谱分析提供了一系列功能强大的工具和算法，用于处理和分析高光谱数据。

首先，可以利用ENVI对高光谱数据进行预处理，如去噪、辐射校正和几何校正等。

然后，可以通过ENVI的分类分析功能对高光谱数据进行分类，将目标物体按照其光谱特性划分为不同的类别，如植被、水体、建筑物等。

此外，ENVI还提供了目标检测和变化检测的功能，可以帮助用户发现目标物体的存在和变化。

ENVI高光谱分析还支持光谱曲线的提取和分析。

用户可以选择感兴趣的区域或像素，提取其代表性的光谱曲线，并进行分析。

通过对光谱曲线进行分析，可以获取目标物体的物理特性信息，如物质组成、粒径分布等。

此外，ENVI还支持光谱相似性和光谱混合分析等功能，帮助用户更好地理解和解释高光谱数据。

ENVI高光谱分析还提供了数据可视化和结果输出的功能。

用户可以利用ENVI的图像显示和分析工具，对高光谱数据进行可视化，以便更直观地观察和分析数据。

同时，用户还可以将分析结果输出为图像文件或报告，以便与其他人共享和交流。

总而言之，ENVI高光谱分析为用户提供了一种强大且全面的工具，用于处理和解释高光谱数据。

通过利用ENVI的功能和算法，用户可以更准确地分析高光谱数据，获取目标物体的光谱特性和相关信息，从而在不同领域的应用中取得更好的效果和成效。

无论是在农业、环境、地质、气象还是其他领域，ENVI高光谱分析都可以帮助用户更好地理解和利用高光谱数据，并为实现可持续发展和智能决策提供有力支持。

ENVI高光谱数据处理流程ENVI（Environment for Visualizing Images）是一款功能强大的遥感数据处理软件，用于高光谱数据的处理和分析。

它提供了许多功能模块，可以进行数据导入、预处理、特征提取、分类和可视化等操作。

下面是ENVI高光谱数据处理流程的详细介绍。

1.数据导入首先，我们需要将高光谱数据导入ENVI软件。

ENVI支持导入多种高光谱数据格式，如Hyperion、AVIRIS等。

可以通过ENVI的文件菜单选择导入数据或者使用ENVI API导入数据。

2.数据预处理在数据导入之后，我们需要对高光谱数据进行预处理，以减少噪声和增强图像的质量。

ENVI提供了多种数据预处理方法，包括大气校正、大气校正和去除噪声。

可以根据数据的需求选择适当的预处理方法。

3.特征提取特征提取是高光谱数据分析的关键步骤。

在这一步骤中，我们可以利用ENVI提供的各种特征提取算法来提取数据中的有用信息。

ENVI提供了许多特征提取算法，包括主成分分析（PCA）、线性判别分析（LDA）、最大似然分类（MLC）等。

4.分类分类是高光谱数据处理的一个重要环节。

ENVI提供了多种分类算法，用于将数据分成不同的类别。

可以使用ENVI的分类工具对特征提取后的数据进行分类，根据分类结果进行应用。

5.可视化可视化是高光谱数据处理的最后一步。

ENVI提供了丰富的可视化工具，可以对数据进行可视化和可视化分析。

可以通过ENVI的图像菜单选择适当的可视化工具，并根据需要生成图像。

以上是ENVI高光谱数据处理的基本流程。

当然，根据具体的应用和需求，还可以根据需要选择其他的处理方法和工具。

此外，ENVI还支持自定义算法和脚本编程，以满足更高级的数据处理需求。

总结起来，ENVI高光谱数据处理流程包括数据导入、数据预处理、特征提取、分类和可视化等步骤。

通过这些步骤，我们可以对高光谱数据进行全面的处理和分析，从而获取有用的信息并进行进一步的应用。

ENVI上机⼤实验报告遥感原理与应⽤⽬录1、实验⼀⾼光谱数据分析 (2)2、实验⼆影像镶嵌 (15)3、实验三影像配准 (26)4、实验四⾮监督分类 (38)5、实验五监督分类 (41)6、实习总结 (49)- 1 -实验⼀⾼光谱数据分析⼀、实验⽬的本专题旨在向⽤户介绍波谱库的概念，并描述如何从感兴趣区中提取波谱信息，然后还将进⾏彩⾊合成，并使⽤⼆维散点图进⾏简单的分类。

让学⽣学会如何使⽤ENVI 先进的⾼光谱⼯具对多光谱数据进⾏分析。

更好地理解⾼光谱处理的概念及其⼯具。

本专题将从特定矿物质的感兴趣区中提取其波谱曲线，并与波谱库中的波谱曲线进⾏⽐较，找出显⽰波谱信息的最佳RGB 彩⾊组合。

使⽤⼆维散点图定位独特的像元，探究其数据的分布特点，然后进⾏简单的分类。

⼆、实验数据介绍Imaging Spectrometer，简称为A VIRIS）所采集的表观反射率数据，该数据是美国内华达州（Nevada）Cuprite 地区的表观反射率数据，它使⽤ATREM ⼤⽓纠正建模软件进⾏了校正。

这个数据⼦集共包含50 个波段，波谱分辨率近似为10nm 宽，其波长范围为1.99~2.48µm。

三、实验内容本部分将介绍以下内容：波谱库操作、浏览和提取影像反射率波谱、ENVI 中感兴趣区（ROI）的定义及进⾏彩⾊合成影像的选取，其⽬的是为了鉴别波谱类型。

1加载A VIRIS影像数据并显⽰灰阶影像在 ENVI 主菜单中，选择 File → Open Image File，然后选择进⼊envi47/data⽬录。

选择zhumuqian 95_at.int ⽂件作为输⼊⽂件名，点击Open 弹出可⽤波段列表，它将列出 50 个波段的名字。

在可⽤波段列表对话框中，选择 Band 193（2.2008um），点击 Gray Scale 单选按钮，然后点击 Load Band。

将灰度影像加载到显⽰窗⼝中。

从主影像窗⼝菜单中选择 Tools> Profiles>Z Profile (Spectrum)，提取表观反射率波谱曲线。

ENVI高光谱分析ENVI高光谱分析是一种用于图像处理和数据分析的软件平台，主要用于处理和分析在大气、地球表面和水体等领域获取的高光谱数据。

高光谱数据是指在较窄波段范围内获取的光谱信息，通常包含数百个波段。

ENVI高光谱分析利用这些波段信息，可以提供更详细、更精确的数据结果，有助于理解地球表面的复杂变化和环境过程。

1.数据预处理：ENVI高光谱分析可以对高光谱数据进行预处理，包括大气校正、辐射校正、几何纠正等。

这些预处理步骤可以消除由于大气、仪器和环境等因素引起的杂乱噪声，并提高数据的质量和可靠性。

2.特征提取：ENVI高光谱分析可以通过使用不同的数学和统计算法，从高光谱数据中提取目标的特征信息。

这些特征可以用于分类、目标检测、遥感变化检测等应用。

3.数据可视化：ENVI高光谱分析可将高光谱数据以多种方式进行可视化，包括光谱曲线、散点图、等高线、伪彩色图等。

这些可视化方法有助于用户直观地理解数据的内在规律和潜在关系。

4.数学建模和分析：ENVI高光谱分析提供了多种数学建模和分析工具，包括主成分分析、线性回归、非线性回归、聚类分析等。

这些工具可以帮助用户识别数据中的模式和趋势，从而进行进一步的数据分析和解释。

5.地物分类：ENVI高光谱分析可进行高光谱图像的地物分类，包括监督分类和非监督分类。

监督分类需要用户提供一些参考样本，用于训练分类器；非监督分类则通过统计分析和像元聚类等方法，自动划分不同地物类型。

6.数据挖掘：ENVI高光谱分析可以挖掘高光谱数据中的隐藏信息和趋势，帮助用户发现新的知识和洞见。

数据挖掘算法包括关联规则挖掘、聚类分析、分类分析等。

ENVI高光谱分析在许多领域具有广泛的应用，包括地球科学、环境监测、农业、气象、地质勘探等。

例如，在农业领域，ENVI高光谱分析可以帮助农民分析土壤和植被的光谱特征，以优化施肥、灌溉和作物管理等决策。

在环境监测领域，ENVI高光谱分析可以检测和监测大气污染、水体污染、土壤侵蚀等环境问题。