搜索
ENVI高光谱分析技术主要内容•1、高光谱简介•2、高光谱数据预处理•3、物质制图与识别、探测•4、植被分析1、高光谱遥感简介•光学遥感技术的发展：–全色（黑白）－－彩色摄影－－多光谱扫描成像－－高光谱遥感•高光谱分辨率遥感（HyperspectralRemoteSensing）–用很窄（10-2λ）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。从光谱影像上获得光谱曲线高光谱图像空间成像的同时，记录下成百个连续光谱通道数据从每个像元均可提取一条连续的光谱曲线对高光谱图像的处理实质是对像元光谱曲线的定量化处理与分析高光谱成像技术•成像光谱仪：–与地面光谱辐射计相比，成像光谱仪不是在“点”上的光谱测量，而是在连续空间上进行光谱测量，因此它是光谱成像的；–与传统多光谱遥感相比，其光谱通道不是离散而是连续的，因此从它的每个像元均能提取一条平滑而完整的光谱曲线。成像光谱仪系统介绍•航空成像光谱仪系统•国内系统：MAIS、OMIS-1、OMIS-2、PHI、WHI、LASIS•国外系统：AIS、AVIRIS、TRWIS、GERIS、HYDICEAISA、DAIS、CASI、HYMAPAVIRIS•Spectralcoverage:•VIStoNIR(400-2500nm)•Spectralbands:224•Spectralresolution:10nm•FOV:30°•IFOV:1.0mrad•Digitization:12bitsHYMAP•Spectralcoverage:•VIS:400-800nm,15nmbands;•NIR:881-1335nm,14nmbands;•SWIR1:1400-1813nm,12nmbands;•SWIR2:1950-2543nm,16nmbands;•Spectralbands:126•FOV:60°•IFOV:2.5mrad(along_track)•2.0mrad(across_track)•Pixelsperline:512航天成像光谱仪系统——Hyperion/EO-1•国家：美国•时间：2000年11月卫星发射成功•扫描带宽：7.5km,空间分辨率：30米，•在0.4－2.5μm共有220波段:•可见光－近红外(400-1000nm):60波段，•短波红外(900-2500nm):160波段。环境与减灾小卫星星座（HJ-1B）2、高光谱数据预处理•传感器定标•大气校正传感器定标•传感器定标是针对设备本身，建立传感器每个探测元件输出的数据量化值（DN）与它所对应像元内的实际地物的辐射亮度之间的定量关系（陈述彭等，1998）。辐射亮度（辐射率）单位可为：（μW）/（cm2*nm*sr）。•ENVI提供针对特定传感器的定标，包括ASTER、AVHRR、MODIS、MSS、TM、IKONOS、QuickBird、WorldView等；通用方法，包括：平场域定标、对数残差、内部平均反射率法和经验线性；针对热红外数据，还提供大气校正工具、相对通道发射率、归一化发射率、Α残差等定标工具。为什么做大气纠正？•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•原始影像包含物体表面，大气，以及太阳的信息•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。大气散射直接反射邻接反射大气校正方法•基于辐射传输模型–LOWTRAN模型–MORTRAN模型–ATCOR模型–6S模型•基于统计学模型–平场域定标–对数残差–内部平均反射率法–经验线性•基于简化辐射传输模型的黑暗像元法•基于统计的不变目标法•基于植被指数的大气阻抗植被指数法•……ENVI大气校正模块•ENVI的大气校正模块的模型为MODTRAN4+模型，它是由SpectralSciences,Inc.(SSI)和AirForceResearchLabs(AFRL)合作开发，ITTVIS进行整合和图形化。•ENVI的大气校正模块能够对高光谱、多光谱影像进行校正。–高光谱包括：HyMAP、AVIRIS、HYDICE、HYPERION、Probe-1,CASI、AISA等；–多光谱包括：ASTER、AVHRR、IKONOS、IRS、Landsat、MODIS、SeaWiFS、SPOT、QuickBird等，以及航空（860nm-1135nm）数据。•多光谱与高光谱的模型基础一样：MODTRAN4+。这个模块通过高光谱像素光谱上的特征来估计大气的属性，可以有效地去除水蒸气,气溶胶散射，漫反射的邻域效应。采用向导式操作流程，还包括快速大气校正功能。使用ENVI大气校正模块——输入文件准备•数据是经过定标后的辐射亮度（辐射率）数据•数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM）,这两个参数都可以通过编辑头文件信息输入（EditHeader）。•数据类型•支持四种数据类型：浮点型（floating）、4-bytesignedintegers,2-bytesignedintegers,以及2-byteunsignedintegers。•数据存储类型：ENVI标准栅格格式文件，且是BIP或者BIL。•波谱范围：flaash能够做的数据光谱范围是0.4－2500μm。使用ENVI大气校正模块——基本参数设置•传感器基本信息设置使用ENVI大气校正模块——大气模型ModelAtmosphereWaterVapor(stdatm-cm)WaterVapor(g/cm2)SurfaceAirTemperatureSub-ArcticWinter(SAW)5180.42-16°Cor3°FMid-LatitudeWinter(MLW)10600.85-1°Cor30°FU.S.Standard(US)17621.4215°Cor59°Sub-ArcticSummer(SAS)25892.0814°Cor57°Mid-LatitudeSummer(MLS)36362.9221°Cor70°Tropical(T)51194.1127°Cor80°Latitude(°N)Jan.MarchMayJulySept.Nov.80SAWSAWSAWMLWMLWSAW70SAWSAWMLWMLWMLWSAW60MLWMLWMLWSASSASMLW50MLWMLWSASSASSASSAS40SASSASSASMLSMLSSAS30MLSMLSMLSTTMLS20TTTTTT10TTTTTT0TTTTTT-10TTTTTT-20TTTMLSMLST-30MLSMLSMLSMLSMLSMLS-40SASSASSASSASSASSAS-50SASSASSASMLWMLWSAS-60MLWMLWMLWMLWMLWMLW-70MLWMLWMLWMLWMLWMLW-80MLWMLWMLWSAWMLWMLW水气去除设置WaterRetrieval•水气去除设置，采用两种方式对水气进行去除：–利用水气去除模型恢复影像中每个像元的水气量•使用水气去除模型，数据必须具有15nm以上波谱分辨率，且至少覆盖以下波谱范围之一：1050-1210nm(对应1135nm)870-1020nm(对应940nm)770-870nm(对应820nm)–单一的水气因数用于整体影像，默认是1，•对于多光谱数据使用水气去除模型，可以在多光谱设置中手动设置水气波段气溶胶模型（AerosolModel）•提供四种标准MODTRAN气溶胶模型–Rural（乡村）、Urban（城市）、Maritime（海洋）、Tropospheric（对流层，能见度在40km以上）•两种气溶胶去除方法–2-Band（K-T）方法(类似模糊减少法)，如果没有找到适应的黑值（一般是阴影区或者水体），系统将采用能见度值来计算；所以即使选择了该选项也要给能见度。–选择None，采用能见度值参与气溶胶去除，能见度值大约参考值参见表天气条件能见度晴朗40to100km中等雾、阴霾20to30km厚雾、阴霾15km或者更少高级设置•光谱定义文件：内置AVIRIS、HYMAP、HYDICE、HYPERION、CASI、AISA。•气溶胶厚度系数：用于技术邻域效应范围。一般值为1~2km。•CO2混合比率：默认为390ppm。•使用领域纠正。•使用以前的MODTRAN模型计算结果。•设置MODTRAN模型的光谱分辨率（推荐值5cm-1)。•设置MODTRAN多散射模型。•提供三种模型供选择Isaacs，DISORT和ScaledDISORT。默认是ScaledDISORT和streams为8，这种模型对于小于1000nm具有较高的精度；•天顶角\方位角（针对非星下点传感器）。•输出反射率缩放系数（OutputReflectanceScaleFactor）：为了降低结果储存空间，默认反射率乘于10000。输出结果•表面反射率影像•水气含量数据•云图•日志文件•FLAASH大气校正模板文件3、物质制图与识别、探测•波谱库•波谱分析•端元波谱收集•高光谱制图与识别波谱库•ENVI波谱库（安装目录下spec_lib）–JetPropulsionLaboratory0.4~2.5um160种纯矿物波谱–美国地质调查局(USGS)0.4~2.5um500种质优矿物波谱和几个植被波谱–Johnshopkinsuniversity0.4~14um矿物波谱–IGCP264(项目)26个质优样品应用波谱仪测量得到•打开波谱库（spectral/spectrallibraries/…view)•显示波谱曲线(点击）•创建波谱库（spectral/spectrallibraries/…builder)波谱库的创建与浏览•输入波长范围•输入光谱–从图像中获取–外部文件（二进制）导入–ASD波谱仪•波谱库交互–波谱库查看、编辑和分析–波谱分割–波谱重采样波谱分析工具SpectralAnalyst•波谱分析首先需要打开一个波谱库，然后将未知波谱与波谱库中的波谱进行匹配处理，该工具运用波谱角分类,波谱特征拟和二进制编码技术,对一未知波谱与波谱库中要素的匹配进行排序,输出一个列表,按照波谱匹配的好坏依次排列,并纪录一个总体的得分.•匹配时需要设置三种方法所占的权重,权重是任意的,最后输出一个总体得分,得分越高,表明匹配效果越好.光谱识别流程影像文件最小噪声分离MNF数据维数判断是否从图像获得端元波谱计算纯净像元指数用户选定端元波谱N维可视化和端元选择是否输入用户选定端元波谱波谱识别结果否是MNF变换•重要作用–用于判定图像内在的维数–分离数据中的噪声–减少计算量•弥补了主成分分析在高光谱数据处理中的不足•计算时需要输入的参数–统计信息的图像范围shiftdiffsubset–噪声统计文件（可以用到另一副图像上做变换）–MNF统计文件(反变换的时候要用)–Mnf变换输出波段选择(根据特征值选择输出波段)•利用MNF变换后的图像进行端元提取–经过MNF变换后的图像波段之间的相关性有效地降低了，并且出现了多个拐点，这些拐点就是我们要找的端元—Endmembers。–波谱曲线对比编辑端元–生成端元地物平均波谱曲线–利用波谱分析工具进行端元识别\–识别每一类地物后,将端元导出成ROIPPI纯净像元指数•生成的结果是一副灰度的影像,DN值越大表明像元越纯.•作用及原理–纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最”纯”的像元.(通常基于MNF变换结果来进行)–纯净像元指数可以将N维散点图迭代映射为一个随机单位向量来计算,每次映射的极值像元被记录下来,并且被标为极值的总数也被记录下来.–按照多次映射每个像元被记录为极值像元的次数来决定该像元是否为纯净像元.•计算时需要输