ENVI實(shí)習(xí)-高光譜遙感

1、高光譜遙感第三次實(shí)習(xí)一、 實(shí)習(xí)任務(wù)： 運(yùn)用MNF變換后的波段以及散點(diǎn)圖工具提取端元 運(yùn)用MNF變換后的波段以及純潔像元指數(shù)工具以及N維可視化儀提取端元 運(yùn)用提取的端元進(jìn)行分類和制圖二、 實(shí)習(xí)目標(biāo)以及用時(shí)：學(xué)習(xí)運(yùn)用ENVI軟件進(jìn)行純潔像元的提取方法三、 教學(xué)方式：依據(jù)實(shí)習(xí)指導(dǎo)書進(jìn)行實(shí)驗(yàn)，并完成實(shí)習(xí)報(bào)告四、 使用器材：美國內(nèi)華達(dá)的赤銅礦AVIRIS遙感數(shù)據(jù)，該數(shù)據(jù)已經(jīng)經(jīng)過ATREM大氣校正，ENVI遙感軟件 五、 具體實(shí)習(xí)過程本次實(shí)習(xí)主要內(nèi)容：本章選用的實(shí)驗(yàn)數(shù)據(jù)是一幅經(jīng)過校準(zhǔn)的AVIRIS圖像，處理的結(jié)果用于地質(zhì)學(xué)應(yīng)用，這主要是考慮到，到目前為止地質(zhì)學(xué)研究仍然是高光譜遙感的主要應(yīng)用領(lǐng)域之一。 在E

2、NVI主菜單下選擇：File > Open Image File，在翻開的文件選擇窗口中選擇圖像文件cup95eff，點(diǎn)擊OK翻開圖像： 這是一幅經(jīng)過校準(zhǔn)的有50個(gè)波段的AVIRIS圖像，圖中顯示的是將第183、193、207波段分別賦紅、綠、藍(lán)合成的彩色圖像。 我們可以翻開它的2-D散點(diǎn)圖觀察一下。在主圖像窗口中選擇：Tools > 2-D Scatter Plots，在隨即彈出的波段選擇窗口中任意選擇兩個(gè)波段，點(diǎn)擊OK構(gòu)成2-D散點(diǎn)圖。這里選擇的是第172、173波段。 在這幅2-D三點(diǎn)圖上我們可以觀察到，在由172和173波段組成的光譜特征空間中圖像上的點(diǎn)明顯地呈線狀點(diǎn)云分布

3、，說明這兩個(gè)波段的相關(guān)性極強(qiáng)。 遙感圖像的某些波段之間往往存在著很高的相關(guān)性，直觀上波段圖像彼此很相似，從提取有用信息的角度考慮，有相當(dāng)一局部數(shù)據(jù)是多余和重復(fù)的，解決這一問題的有效方法是進(jìn)行特征提取和特征選擇，去相關(guān)和別離噪聲。 在多光譜遙感圖像處理中，我們會(huì)采取PC旋轉(zhuǎn)，但是相比之下，MNF變化更適用于高光譜遙感數(shù)據(jù)。下面我們就用MNF變換對(duì)圖像進(jìn)行處理。 最低噪聲分?jǐn)?shù)MNF變換用以確定圖像數(shù)據(jù)的內(nèi)在維度、隔離噪聲以及降低后處理的計(jì)算要求。MNF變換的本質(zhì)就是兩個(gè)疊置的主成分變換。第一次變換基于估計(jì)的噪聲協(xié)方差矩陣用于別離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲。第一步導(dǎo)致了轉(zhuǎn)換數(shù)據(jù)的噪聲個(gè)體的變異和波段與波

4、段的不相關(guān)。第二步是標(biāo)準(zhǔn)主成分變換。 在ENVI主菜單下選擇：Transform > MNF Rotation > Forward MNF > Estimate Noise Statistics from Data。變換完成后得到如下MNF特征值曲線，其橫坐標(biāo)為變換后的波段數(shù)之所以只有25個(gè)波段是因?yàn)槲以谥暗腗NF參數(shù)設(shè)置中更改了輸出波段數(shù)，縱坐標(biāo)為特征值。 把鼠標(biāo)移到曲線上并點(diǎn)擊左鍵，曲線上會(huì)出現(xiàn)一條以點(diǎn)擊位置為交叉點(diǎn)的十字，同時(shí)在窗口左下角顯示當(dāng)前的波段數(shù)和其特征值。特征值越高說明信息量越豐富另外，我們還可以利用2-D散點(diǎn)圖檢查去相關(guān)的情況。 以同樣的方法翻開2-D散點(diǎn)

5、圖，但需要注意的是我們要用MNF圖像的第1、2波段，也就是信息最集中的兩個(gè)波段構(gòu)成散點(diǎn)圖： 可見，經(jīng)過MNF變換后的圖像波段之間的相關(guān)性有效地降低了，并且出現(xiàn)了多個(gè)拐點(diǎn)，這些拐點(diǎn)就是我們要找的端元Endmembers。 在翻開的散點(diǎn)圖上點(diǎn)擊鼠標(biāo)中鍵會(huì)出現(xiàn)一個(gè)紅色的小方塊，在主圖像窗口中對(duì)應(yīng)這個(gè)小方塊區(qū)域中的點(diǎn)同時(shí)呈現(xiàn)紅色；在主圖像窗口中點(diǎn)擊鼠標(biāo)左鍵，在散點(diǎn)圖上對(duì)應(yīng)點(diǎn)擊位置的像素同時(shí)呈現(xiàn)紅色。這一功能方便我們觀察圖上像素點(diǎn)與散點(diǎn)圖上的像素點(diǎn)的相互對(duì)應(yīng)位置。 端元對(duì)應(yīng)圖像上的“純像元，是否能很好地提取它對(duì)于我們的分類是十分重要的。下面的操作就是利用MNF處理后圖像2-D散點(diǎn)圖選擇端元生成樣本區(qū)用以

6、分類的過程。 在翻開的2-D散點(diǎn)圖上利用ROI制圖功能將點(diǎn)云拐角零散的幾個(gè)點(diǎn)圈起來，并且不同的ROI用不同的顏色表示。同時(shí)在圖上這些ROIs也顯示了出來。在散點(diǎn)圖窗口中選擇：Options > Export All 將選擇的區(qū)域輸出為ENVI的ROIs，顯示如下窗口： 在此為了便于區(qū)分，我用Edit將每個(gè)樣本區(qū)更名為其顏色的名稱。 選好了樣本區(qū)后還要對(duì)樣本區(qū)中的點(diǎn)進(jìn)行訓(xùn)練。我接下來要進(jìn)行的操作就是要通過鏈接2-D散點(diǎn)圖和Z-剖面圖觀察樣本區(qū)中點(diǎn)的光譜特征曲線，刪除差異顯著的點(diǎn)，到達(dá)訓(xùn)練樣本區(qū)的目的。 在2-D散點(diǎn)圖窗口中選擇Options > Z-Profile ，在文件列表中選擇

7、反射數(shù)據(jù)CUP95EFF.INT，隨即顯示一個(gè)空白波段圖。在2-D散點(diǎn)圖窗口中點(diǎn)擊鼠標(biāo)右鍵，在空白的2-D散點(diǎn)圖窗口中就會(huì)出現(xiàn)當(dāng)前的像素剖面圖及其坐標(biāo)值，將差異顯著的點(diǎn)刪去用白色畫樣本區(qū)即可刪除。 訓(xùn)練完成后，在2-D散點(diǎn)圖窗口中選擇：Options > Mean All 提取各樣本區(qū)的平均波譜曲線我們現(xiàn)在已經(jīng)得到了七類地物，但還沒有確定它們的種類。在此，我們可以運(yùn)用ENVI的波譜分析功能來解決。波譜分析首先需要翻開一個(gè)波譜庫，然后將未知波譜與波譜庫中的波譜進(jìn)行匹配處理，并得出一系列匹配系數(shù)，系數(shù)越大就說明與這種地物越匹配。下面就進(jìn)行具體的說明。 在ENVI主菜單下選擇：Spectral

8、 > Spectral Analyst，在彈出的窗口中選擇波譜庫，在此我們選擇USGS美國地質(zhì)調(diào)查局波譜庫，點(diǎn)擊OK，在彈出的“Edit Identify Methods Weighting窗口中設(shè)定計(jì)算參數(shù)后點(diǎn)擊OK，隨即彈出波譜分析窗口，點(diǎn)擊Apply，在彈出的輸入波段列表中選擇我們要鑒別的波譜。 選擇一個(gè)待鑒別的波譜后波譜分析窗口中就會(huì)顯示這一波譜與波譜庫中的波譜匹配分析的結(jié)果，如下列圖： 從結(jié)果來看，這一類顯著匹配明礬石，所以我們根本上可以將這類定為“明礬石。 雙擊列表中的第一個(gè)波段名稱繪制未知波段，波譜庫波譜也會(huì)同時(shí)顯示以作比擬： 依此方法將其余的幾類逐一進(jìn)行分析，確定其特征，

9、并更改類別名稱。通過分析我們發(fā)現(xiàn)最后兩類顯示了極其相似的特征，即中長(zhǎng)石特征，于是我把這兩類合并。在ROIs Tools窗口中選擇Option > Merge Regions。彈出如下窗口，選擇基準(zhǔn)類及合并類后點(diǎn)擊OK即完成合并。在保存了新的樣本區(qū)文件后，就可以利用適當(dāng)?shù)谋O(jiān)督分類方法進(jìn)行分類了。 以上介紹的是通過2-D散點(diǎn)圖定義樣本區(qū)的方法，對(duì)于高光譜遙感來說由于其數(shù)據(jù)特點(diǎn)，考慮到運(yùn)用n-D散點(diǎn)圖分析效果可能會(huì)更好。此外在得到MNF處理圖像以后通常還用到其它一些處理方法，下面就一一介紹。 像素純度指數(shù)(PPI)是一種在多光譜和高光譜圖像中尋找波譜最純的像元的方法。 波譜最純像元與混合的端元

10、相對(duì)應(yīng)。像素純度指數(shù)通過迭代將N-D散點(diǎn)圖影射為一個(gè)隨機(jī)單位向量。每次影射的極值像元被記錄下來，并且每個(gè)像元被標(biāo)記為極值的總次數(shù)也記下來。一幅“像素純度圖像被建立，在這幅圖像上，每個(gè)像素的 DN 值與像元被標(biāo)記為極值的次數(shù)相對(duì)應(yīng)。 下列圖概括ENVI中PPI的使用過程： 在ENVI主菜單下選擇：Pixel Purity Index > FASTNew Output Band，選擇前面得到的MNF圖像進(jìn)行PPI處理。經(jīng)過10000次迭代后得到的PPI圖像如下所示： 越亮的像素說明它被標(biāo)記為極值的次數(shù)越多相應(yīng)地也越純；相反，暗一些的圖像純度就低。在主圖像窗口中選擇：Enhance >

11、Interactive Stretching 嘗試不同的交互式拉伸以理解PPI圖像的直方圖和數(shù)據(jù)分類。 上圖顯示的是一個(gè)輸入和一個(gè)輸出直方圖的比擬窗口，在圖中顯示了當(dāng)前的輸入數(shù)據(jù)和各自拉伸的結(jié)果。兩條垂直的星布線標(biāo)志著當(dāng)前拉伸的最小值和最大值。在窗口的底部列出了拉伸類型和直方圖的來源。拖拽星布線的最大值和最小值，然后點(diǎn)擊“Apply，拉伸將自動(dòng)執(zhí)行。 這幅PPI圖像是前面的MNF圖像經(jīng)過一萬次迭代得到的結(jié)果，圖像上像素點(diǎn)的值說明了它在迭代過程中有多少次作為極值像元被記錄下來。這些數(shù)值顯示了每個(gè)像素周圍的數(shù)據(jù)云的局部突面程度以及每個(gè)像素和數(shù)據(jù)的突起外殼的親近程度。簡(jiǎn)言之，值越高越接近n-D散點(diǎn)圖

12、的數(shù)據(jù)源拐角，擁有這些值的數(shù)據(jù)，其純度比值低的像素高。零值像素是從未被作為極值的像素。 下面要執(zhí)行的操作是由PPI圖像生成樣本區(qū)。 在ROIs Tool對(duì)話框中選擇Options > Band Threshold to ROI 建立一個(gè)只包含擁有高PPI值像素的ROI。選擇輸入的PPI文件，在彈出的對(duì)話框中輸入最小極限值： 點(diǎn)擊“OK，即生成包含在迭代過程中100次以上作為極值的最純像素的ROI。從下列圖中可以看出有2989個(gè)符合條件的點(diǎn)被提取出來，生成了紅色的樣本區(qū)。 生成的ROI包含最純像素的位置，但卻沒有區(qū)分它們相應(yīng)的端元。N維空間觀察儀可以幫我們解決這個(gè)問題。 波譜可以被認(rèn)為是n

13、-D散點(diǎn)圖中的點(diǎn)其中n是波段數(shù)。n-D空間中的點(diǎn)坐標(biāo)由n個(gè)值組成，它們只是一個(gè)給定像元的每個(gè)波段中波譜輻射或反射值。這些點(diǎn)在n-D空間中的分布可以用來估計(jì)波譜的端元數(shù)以及它們的純波譜信號(hào)數(shù)。N維觀察儀為N維空間中選擇端元提供了一個(gè)交互式工具。n-D觀察儀用于連接最小噪聲分?jǐn)?shù)轉(zhuǎn)換(MNF)和要定位、識(shí)別的純潔像元指數(shù)，并收集數(shù)據(jù)集中最純的像元和極值波譜反響。 n-D觀察儀允許數(shù)據(jù)在N維空間中交互式旋轉(zhuǎn)，選擇像元組進(jìn)行分類，以及聚集類，使其它類的選擇更容易。選擇的類可以輸出到ROIs，并用作分類、不混溶和匹配的濾波技術(shù)的輸入。 在ENVI主菜單中選擇Spectral > n-Dimensio

14、nal Visualizer > Visualize with New Data，在彈出的對(duì)話框中選擇前面處理好的MNF文件，選擇其前十個(gè)波段進(jìn)行觀察。這里默認(rèn)使用剛剛生成的只擁有高PPI值的ROI。如果有多個(gè)可選擇的ROIs，它會(huì)讓你選擇用哪一個(gè)。點(diǎn)擊ROI后將彈出可以選擇1到10波段的N維控制對(duì)話框和N維散點(diǎn)圖窗口。 選擇前五個(gè)波段構(gòu)成n-D散點(diǎn)圖。并選擇n-D控制對(duì)話框中的Options > Show Axes選項(xiàng)。隨后在n-D控制窗口中點(diǎn)擊Start進(jìn)行旋轉(zhuǎn)： 這是一個(gè)N維空間散點(diǎn)圖的任意位置的動(dòng)態(tài)顯示功能，在這個(gè)模型中，小于輸入波段數(shù)的任意多的波段都能同時(shí)被檢查。在這一過

15、程中我們可以切實(shí)感受到N維數(shù)據(jù)在空間中的分布，可以確定數(shù)據(jù)真的是高維的，可見對(duì)于處理高光譜圖像數(shù)據(jù)二維散點(diǎn)圖是無法滿足要求的。 運(yùn)用N維觀察器進(jìn)行動(dòng)態(tài)旋轉(zhuǎn)觀察，當(dāng)出現(xiàn)感興趣的位置時(shí)停止旋轉(zhuǎn)，選擇一種顏色將點(diǎn)云的拐角處圈起來作為一個(gè)ROI，點(diǎn)擊鼠標(biāo)左鍵對(duì)ROI進(jìn)行定義，點(diǎn)擊右鍵完成ROI的建立。繼續(xù)旋轉(zhuǎn)，根據(jù)需要對(duì)類進(jìn)行修改。 以下的關(guān)于定義樣本區(qū)、訓(xùn)練樣本區(qū)、波譜分析法確定地物類別測(cè)試波譜和波譜庫中的波譜進(jìn)行比擬等操作均與前面介紹的用2-D散點(diǎn)圖生成樣本區(qū)的一系列操作類似，在此就不一一贅述了。下面只給出操作結(jié)果。 通過n-D散點(diǎn)圖定義樣本區(qū)并輸出： 運(yùn)用Z-剖面圖進(jìn)行樣本區(qū)的訓(xùn)練，之后輸出樣本

16、區(qū)： 利用波譜分析工具確定地物類別： 在n-D控制窗口中選擇Options > Class Controls 彈出n-D分類控制窗口，在窗口中可以任意改變每一類的顏色，開啟或關(guān)閉類，以及對(duì)類值片斷的控制。 點(diǎn)擊窗口中的顏色塊可以激活此類，并可對(duì)此類的顯示符號(hào)進(jìn)行修改，同時(shí)可以對(duì)其進(jìn)行計(jì)算統(tǒng)計(jì)圖表、平均波譜、劃分類、去除或輸出操作。 接下來我們要根據(jù)樣本區(qū)進(jìn)行分類。在此我采用光譜角度制圖法SAM。 在ENVI主菜單下選擇：Classification > Supervised > Spectral Angle Mapper。選擇原始圖像作為待分類圖像。點(diǎn)擊OK后彈出端元收集窗口

17、，在此窗口中選擇：Import > form ROI from Input File，選擇我們剛剛定義好的樣本區(qū)，點(diǎn)擊OK，這些樣本區(qū)就出現(xiàn)在端元收集器中了，我們就會(huì)根據(jù)這些樣本區(qū)對(duì)圖像進(jìn)行分類。 點(diǎn)擊Apply，在彈出的SAM參數(shù)設(shè)定窗口中設(shè)定參數(shù)，點(diǎn)擊OK即生成分類后圖像： ENVI的分類后處理包括類別合并、面積濾波、類別統(tǒng)計(jì)、集群分析、分類疊合、混淆矩陣等。 在ENVI主菜單下選擇：Classification > Post Classification > Confusion Matrix，這里有兩個(gè)選擇，一是利用地面真實(shí)圖像，一是利用地面真實(shí)樣本區(qū)。我選擇用地面真實(shí)

18、樣本區(qū)。輸入待分析的分類圖像運(yùn)用SAM方法得到的分類圖像，出現(xiàn)如下參數(shù)輸入窗口，可以看見分類圖上的樣本已經(jīng)與地面真實(shí)樣本一一對(duì)應(yīng)。 點(diǎn)擊OK。得到如下混淆矩陣： 分類平滑技術(shù)采用鄰區(qū)處理法，平滑窗口可以是3×3或5×5的，但它不是代數(shù)運(yùn)算而是邏輯運(yùn)算。這種運(yùn)算方法叫做“多數(shù)平滑，它的原理是：一個(gè)移動(dòng)的窗口通過分類后的數(shù)據(jù)集，并且確定這個(gè)窗口中的占優(yōu)勢(shì)的類別，即窗口中像元所占類別數(shù)最多的那一類，如果這個(gè)窗口中的中心像元的類別不屬于該窗口的優(yōu)勢(shì)類別，就將該像元的類別變換成優(yōu)勢(shì)類別，如果在窗口中沒有優(yōu)勢(shì)類別那么中心像元的類別不發(fā)生變化，當(dāng)窗口在數(shù)據(jù)集中前進(jìn)時(shí)，原始的類別代碼被連續(xù)使用而不是使用在前一個(gè)窗口位置中被修改后的代碼值。 在ENVI主菜單下選擇：Classification > Post Classification > Clump Classes。適當(dāng)設(shè)定參數(shù)這里采用3×3的模板： 點(diǎn)擊OK生成平滑后的圖像我們最終得到了這個(gè)平滑后的分類圖像，從圖上我們可以大致判斷出不同礦物質(zhì)的分布情況，事實(shí)證明，高光譜的特性使得它目前應(yīng)用最為廣泛的領(lǐng)域就是在地質(zhì)上的應(yīng)用，主要是利用礦物的光譜吸收特征參數(shù)包括吸收波段波長(zhǎng)位置、深度、寬