8专题高光谱数据的处理与分析

ENVI/IDL专题四：高光谱数据的处理与分析ENVI/IDL专题背景•高光谱分辨率遥感（HyperspectralRemoteSensing）-空间成像的同时，记录下成百个连续光谱通道数据-光谱通道窄（10-2λ）而连续，从每个像元均可提取一条连续的光谱曲线ENVI/IDL专题介绍•高光谱遥感本身的特点具有很大的应用前景•本专题介绍高光谱图像预处理、物质识别、图像分类的处理流程ENVI/IDL1、图像预处理ENVI/IDL图像预处理•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纠正。ENVI/IDL1.1传感器定标（一、定义）•传感器定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程•传感器定标可分为绝对定标和相对定标-绝对定标是获取图像上目标物的绝对辐射值等物理量-相对定标是将图像目标物辐射量归一化某个值范围内，比如以其他数据作为基准。ENVI/IDL1.1传感器定标（二、定标方式）•传感器定标的三个阶段内容：-发射前的实验室定标-在遥感器发射之前对其进行的波长位置、辐射精度、光谱特性等进行精确测量-基于星载定标器的星上定标-有些卫星载有辐射定标源、定标光学系统，在成像时实时、连续的进行定标-发射后的定标（场地定标）-通过选择典型的均匀稳定目标，用精密仪器进行地面同步测量感器过顶时的大气环境参量和地物反射率，利用遥感方程，建立图像与实际地物间的数学关系，得到定标参数以完成精确的传感器定标ENVI/IDL1.2大气校正（一、起源）•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•如果想了解某一物体表面的光谱属性，就必须将它的反射信息从大气和太阳的信息中分离出来。ENVI/IDL示意图大气散射直接反射邻接反射ENVI/IDL1.2大气校正（二、校正方法）•遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种：-绝对大气校正方法：将遥感图像的DN(DigitalNumber)值转换为地表反射率、地表辐射率、地表温度等的方法。-相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。•ENVI下FLAASH大气校正工具-基于MODTRAN4+辐射传输模型-支持高光谱和多光谱数据ENVI/IDL1.2大气校正（三、练习）•专题内容：-用FLAASH对AVIRIS航空高光谱数据进行大气校正•数据：-“18-高光谱数据的处理与分析\1-大气校正”ENVI/IDL2、波谱库ENVI/IDL2.1标准波谱库（一）•ENVI自带多种标准波谱库，包括建立在JPL波谱库基础上的，从0.4~2.5μm三种不同粒径160种“纯”矿物的波谱。美国USGS从0.4~2.5μm包括近500种典型的矿物和一些植被波谱。来自JohnsHopkinsUniversity（JHU）的波谱包含0.4~14μm。IGCP246波谱库有5部分组成，通过对26个优质样品用5个不同的波谱仪测量获得。植被波谱库由ChrisElvidge提供，范围是0.4~2.5μm。ENVI/IDL2.1标准波谱库（二）•浏览标准波谱库数据：-HOME\ITT\IDL\IDL80\products\envi48\spec_libENVI/IDL2.2自定义波谱库•ENVI提供自定义波谱库功能，允许您基于不同的波谱来源创建波谱库，波谱来源包括：ASCII文件，由ASD波谱仪获取的波谱文件，其他波谱库，感兴趣区均值，波谱剖面和曲线等等。•步骤-输入波长范围-波谱收集-保存波谱库ENVI/IDL2.3波谱库交互•波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等-编辑数据、绘图参数-添加注记-波谱曲线对比-……ENVI/IDL3、端元波谱ENVI/IDL端元波谱•端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。类似于监督分类中的训练样本•端元光谱的确定有两种方式：-使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择-在遥感图像上得到的“图像端元”：-从二维散点图中基于几何顶点的端元提取-借助纯净像元指数（PixelPurityIndex——PPI）和n维可视化工具用于端元波谱收集-基于连续最大角凸锥（SequentialMaximumAngleConvexCone——简称SMACC）的端元自动提取。ENVI/IDL4、高光谱图像物质识别ENVI/IDL4物质识别•ENVI提供许多波谱分析方法，包括：二进制编码、波谱角分类、线性波段预测（LS-Fit）、线性波谱分离、光谱信息散度、匹配滤波、混合调谐匹配滤波（MTMF）、包络线去除、光谱特征拟合、多范围光谱特征拟合等ENVI/IDL4物质识别•专题内容：-用波谱角分析方法从高光谱图像中识别物质•数据-“18-高光谱数据的处理与分析\2-物质识别”端元波谱收集物质识别ENVI/IDL5、高光谱图像分类ENVI/IDL5高光谱图像分类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ENVI/IDL5高光谱图像分类•专题内容-基于PPI端元提取方法完成高光谱图像分类数据•数据-“18-高光谱数据的处理与分析\3-高光谱分类”ENVI/IDL5.1端元波谱获取（一、基本流程）MNF变换计算纯净像元指数PPIN维可视化工具选取样本像元获取样本像元的平均波谱识别平均样本波谱ENVI/IDL5.1端元波谱获取（二、MNF变换）•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)ENVI/IDL5.1端元波谱获取（三、PPI计算）•计算纯净像元指数PPI•PPI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.•计算时需要输入的参数-进行迭代的次数-设置域值的系数(极值像元的域值)-数据二次采样(减少内存,但不能太小)ENVI/IDL5.1端元波谱获取（四、端元波谱收集）•端元波谱收集•N维可视化工具•选取样本像元•生成地物平均波谱•波谱分析,端元识别ENVI/IDL5.2波谱识别•波谱角分类ENVI/IDL5.3分类结果浏览及后处理•以RGB方式在Display中显示高光谱数据。•在Display-Image-Overlay-Classfication，选择前面得到的结果•分类后处理ENVI/IDL5.4向导式目标识别——沙漏分析工具•向导式波谱分析工具-影像亮度值定标为反射率-最小噪声分离（MNF）-纯净像元指数（PPI）-N维散度分析-选择终端单元-地物制图（地物识别）ApparentReflectanceMNFPPIn-DIDMapDistributionandAbundance流程化操作进行地物识别ENVI/IDL6、植被分析ENVI/IDL6.1植被指数计算器•提供了6类27种植被指数的计算-绿度Greenness-光利用率LightUseEfficiency-氮-干旱或炭衰减DryorSenescentCarbon-StressPigments-冠层水分含量CanopyWaterContent•提供了生物物理学交叉检验•通过植被指数计算器统一进行计算•提供了每种植被指数的详细资料和计算公式•能够根据影像信息自动显示可计算的植被指数ENVI/IDL6.2植被分析（一、概述）•农作物胁迫AgriculturalStress•易燃性分布分析FireFuels•林木健康分析ForestHealth•植被的抑制ENVI/IDL6.2植被分析（二、农作物胁迫分析）•农作物胁迫AgriculturalStress-创建农作物胁迫的空间分布图-判断出适合农作物生长的区域，可用于精确农业分析；-绿度：来标识闲置农田、虚弱的植被、健康的作物；-光利用效率：标识植被生长率；-冠层氮含量：用于估计相关的氮等级；-叶绿素：突出植被胁迫；-冠层水分含量：标识水胁迫的层次。ENVI/IDL6.2植被分析（三、易燃性分布分析）•易燃性分布分析-创建某一区域植被易燃性的空间分布图-用于森林规划，也可用它来分析城郊混合区的火灾风险-绿度：显示大多数的绿色指数；-冠层水分含量：标识植被的冠层水分含量；-干旱或炭衰竭：突出非生物指数；ENVI/IDL6.2植被分析（四、林木健康分析）•林木健康分析工具-创建整个森林区域健康程度的空间分布图-用于检测病虫害以及枯萎病的发生情况，也可以用于评估某地区的木材收获量-绿度：表面绿色植被的分布；-叶绿素：标识类胡萝卜素以及花青素的含量；-冠层水分含量：标识水分含量；-光使用效率：标识森林生长率；ENVI/IDL6.2植被分析（五、植被抑制）•植被抑制-从多光谱和高光谱减少或移除植被光谱信息-利用红外与近红外波段-方便地质或城市解译ENVI/IDL专题总结•本专题学习了高光谱图像分析的原理及处理流程-高光谱图像预处理，包括传感器定标、大气校正-高光谱物质识别（图像分类），包括波谱库建立、端元波谱获取、MNF变换、PPI分析、N维可视化工具、波谱沙漏工具-植被分析，包括植被指数计算器、农作物胁迫分析、易燃性分布分析、林木健康分析、植被抑制•学会了ENVI软件中专业的高光谱分析功能