《envi图像预处理》课件

图像预处理ENVI本课程介绍了中图像预处理的基本步骤和常用方法，包括图像校ENVI正、几何校正、辐射校正、大气校正等课程大纲数字图像基础知识光谱特性分析几何校正概述云雾去除综述数字图像基础知识像素灰度级色彩空间分辨率图像由许多被称为像素的灰度级表示每个像素的亮色彩空间描述了图像中颜图像的分辨率是指图像中微小点组成每个像素存度程度，通常用到色的表示方式，常见的色像素的数量，分辨率越高0255储着关于该点颜色和亮度的数值来表示，为黑色彩空间包括、和，图像越清晰，细节越丰0RGB CMYK的信息，为白色等富255HSV光谱特性分析波长与反射率光谱曲线不同物质对不同波长的光反射率通过绘制反射率随波长的变化曲不同，形成独特的光谱指纹线，可以识别物质类型“”人眼感知人眼只能感知可见光范围的光谱信息，而遥感可以捕捉更广泛的光谱信息常见光谱校正方法大气校正几何校正12消除大气散射和吸收的影将图像与地理坐标系进行响，恢复地表真实反射率配准，确保图像的空间一致性辐射校正3将图像的灰度值转换为物理量，如反射率或辐射亮度几何校正概述传感器误差地球曲率传感器自身误差导致图像几地球表面为球形，导致影像何畸变，例如透镜畸变、扫边缘产生弯曲，需要进行投描方向误差等影转换地形起伏地形起伏导致影像不同区域存在高度差，需要进行正射校正图像拼接技术几何校正重叠区域拼接前，需要对影像进行几影像之间需要有重叠区域，何校正，保证影像之间几何以便进行拼接匹配一致性拼接算法常用的拼接算法包括图像配准、缝合、平滑等影像融合方法介绍全色影像多光谱影像融合影像具有高空间分辨率，但缺乏光谱信息具有丰富的光谱信息，但空间分辨率将两种影像的信息结合，兼具高空间较低分辨率和丰富光谱信息云雾去除综述云雾会遮挡地表信息，影响遥感图像多种云雾去除方法可用于恢复地表信选择合适的云雾去除方法取决于影像分析息特征土地覆盖分类流程分类精度评价1评估分类结果的准确性分类结果分析2解释分类结果，识别土地覆盖变化分类方法选择3选择合适的分类算法数据预处理4图像校正、增强、去噪影像数据准备5获取遥感影像数据分类精度评价总体精度系数制图精度Kappa正确分类的样本数占总样本数的比例衡量分类结果与随机分类结果的差异指每个类别被正确分类的比例，反映，反映模型整体的分类准确性，越大表示模型分类能力越强模型对特定类别的分类准确性变化检测应用土地覆盖变化灾害监测12监测森林砍伐、城市扩张评估洪水、地震、火灾等、农业用地变化灾害的影响，并进行灾后重建资源管理3追踪水资源变化、土壤侵蚀状况、矿产资源开采等栅格数据处理数据预处理数据分析数据可视化包括几何校正、辐射校正等，确保数基于栅格数据的分析方法，如空间统将处理后的栅格数据转化为地图、图据的空间一致性和准确性计、遥感指数计算等表等可视化形式，方便理解和解读集成多源数据互补优势提升精度不同数据源拥有独特的特征融合多源数据可以克服单一和信息，例如遥感数据可以数据源的局限性，增强分析提供空间覆盖，而地面数据结果的可靠性和精度则可以提供详细的属性信息扩展应用集成数据可以解决复杂问题，例如识别土地利用变化、监测环境污染等软件基本操作ENVI安装与启动软件的安装过程简单明了，可参考官方文档进行操作ENVI，启动软件后即可进入主界面界面概述软件拥有直观的界面，主要包括菜单栏、工具栏、数ENVI据视图窗口等，用户可根据需要进行操作基本功能软件提供丰富的图像处理功能，包括数据导入、显示ENVI、分析、处理等，用户可根据需求选择合适的功能图像预处理功能ENVI辐射校正几何校正将图像像素值转换为真实物理值对图像进行地理定位，使图像像，消除传感器和大气影响素与地理坐标系一致图像拼接图像增强将多幅图像拼接成一幅完整的图改善图像视觉效果，提高图像信像，消除图像之间的缝隙息的清晰度波段组合与显示多光谱影像1包含多个波段，每个波段对应特定光谱范围波段组合2将不同波段数据按特定顺序组合，形成彩色图像颜色映射3将不同波段值映射到不同的颜色，增强图像视觉效果直方图处理图像灰度分布图像增强直方图显示每个灰度值的像通过调整直方图，可以增强素数量，揭示图像的整体亮图像对比度，使图像细节更度和对比度清晰色彩平衡直方图均衡化可以使图像的灰度值分布更均匀，从而改善图像的视觉效果图像滤波技术高斯模糊中值滤波锐化滤波减少噪声，平滑图像去除椒盐噪声，保留边缘特征增强图像细节，提高清晰度几何校正实操影像预处理1校正前，需对影像进行预处理，例如去噪、辐射校正等，以提高校正精度控制点选择2选择地面控制点GCP或参考点RP，准确标定影像与地面坐标系之间的对应关系模型选择3根据影像类型和精度要求，选择合适的几何校正模型，例如多项式变换或仿射变换校正参数计算4利用选定的控制点或参考点，计算校正参数，以建立影像与地面坐标系的转换关系校正影像生成5根据计算出的校正参数，生成几何校正后的影像，使其符合预定的空间参考系统图像拼接实践数据准备1准备不同时相或不同位置的图像数据几何校正2确保图像具有相同的坐标系和几何精度拼接处理3使用ENVI的Mosaic工具进行图像拼接质量评估4检查拼接结果的质量，例如拼接缝是否存在错位或颜色不一致融合算法比对加权平均法主成分分析法变换法小波变换法IHS简单易行，但结果易受噪可以有效减少数据冗余，在保留高分辨率影像细节可以有效提高融合影像的声影响但对高光谱影像效果较好的同时，引入低分辨率影空间分辨率和光谱信息像的光谱信息云雾去除实例提供多种云雾去除方法，例如基于图像特征的去除方法，基于物ENVI理模型的去除方法，以及结合机器学习的去除方法等具体方法的选择需要根据实际情况进行判断，例如影像类型，云雾覆盖程度，以及数据质量等提供了友好的操作界面，方便用户快速上手和进行云雾去除处理ENVI，提升遥感影像数据的质量和可利用性分类方法选择监督分类无监督分类面向对象分类需要先对训练样本进行人工标注，建根据像素值特征自动聚类，无需先验基于图像分割，对每个分割区域进行立类别特征库信息分类精度评估实操混淆矩阵1计算分类结果的准确率、精确率和召回率系数Kappa2衡量分类结果的一致性误差分析3识别分类错误的原因并进行改进变化检测流程数据准备图像配准变化检测算法变化提取获取两期或多期影像数据，并将不同时期的影像数据进行配选择合适的变化检测算法，例根据变化检测结果，提取出变进行预处理，包括几何校正、准，以保证它们在空间上的一如图像差值法、比值法、变化化区域，并进行分析和解释辐射校正等致性向量分析法等多光谱影像处理遥感数据获取植被指数计算土地覆盖分类多光谱影像数据通常由卫星或飞机传利用多光谱影像，可以计算植被指数多光谱数据能够区分不同地物的反射感器获取，提供不同波段的光谱信息，如，评估植被覆盖度和健康状特征，实现土地覆盖分类，识别不同NDVI况土地类型指数计算NDVI归一化植被指数NDVI公式NIR-RED/NIR+RED范围到-11用途评估植被覆盖度、生物量、健康状况指数提取SAVI

0.

51.0土壤调整最大值指数修正了土壤背景的影响指数的取值范围在到之间，SAVI SAVI01，有效提高了植被信息的提取精值越大代表植被覆盖度越高度植被指数应用监测植被覆盖度评估植被健康状况12植被指数可以用于评估植通过植被指数的分析，可被覆盖程度，了解植被生以判断植被的健康状况，长状况，并监测其变化趋识别受损区域，并及时采势取保护措施研究气候变化影响3植被指数能够反映气候变化对植被的影响，为研究气候变化的影响提供重要参考总结与展望本课程介绍了图像预处理的基本概念、方法和实践，旨在为遥感ENVI应用提供坚实的基础未来将进一步深入探讨高级预处理技术，包括机器学习辅助预处理、深度学习影像重建等。