基于ENVI下的土地利用信息提取(二)

5. 处理流程

5.1 TM数据的获取与预处理

由于需求方所提供的TM遥感数据已经经过几何校正、辐射校正等预处理工作，故不需要再对其进行处理。国内的TM数据可在中国科学院遥感与数字地球研究所的门户网站上下载（http://cs.rsgs.ac.cn/cs_cn/cshome.asp），该网站提供海量共享数据免费下载，下载的数据基本经过了预处理等操作。

5.2 非监督分类

非监督分类是计算机根据遥感影像的光谱差异，自动将遥感影像分为特定的类别的一种分类方法，其相比于非监督分类的优点在于实现了计算机的自动解译，无需人工确定类别来选取感兴区域（ROI），该分类结果在本次试验中起到一定的辅助作用。ENVI非监督分类的方式包括ISODATA和K-Means两种，具体分类原理便不再作介绍，下面便是利用ISODATA方法来分类的步骤。

在主菜单上选择Classification→Unsupervised→ISOData，在Classification Input File对话框中，选择待分类的TM图像文件，单机OK按钮，打开ISODATA Parameters对话框（图02），下面设置ISODATA Parameters对话框的参数。

（1）类别数量范围（Number of Classes：Min，Max）：一般输入最小数量不能小于最终分类数量，最大数量为最终分类数量的2-3倍。Min：10，Max：20。

图02 ISODATA分类器参数设置

（2）最大迭代次数（Maximum Iterations）：15。迭代次数越大，得到的结果越精确，运算时间也越长。

（3）变换阈值（Change Threshold）：5。当每一类的变化像元数小于阈值时，结束迭代过程。这个值越小得到的结果越精确，运算量也越大。

（4）Minimum # Pixel in Class：键入形成一类所需要的最小像元数。如果某一类中的像元数小于最小的像元数，该类将被删除，其中的像元被归并到距离最近的类中。

（5）最大分类标准差（Maximum Class Stdev）: 1。以像素值为单位，如果某一类的标准差比该阈值大，该类将被拆分成两类。

（6）类别均值之间的最小距离（Minimum Class Distance）：5。以像素值为单位，如果类均值之间的距离小于输入的最小值，则类别将被合并。

（7）合并类别最大值（Maximum # Merge Pairs）：2。

（8）距离类别均值的最大标准差（Maximum Stdev From Mean），这个为可选项。筛选小于这个像元标准差的像元参与分类。

（9）允许最大距离误差（Maximum Distance Error），这个为可选项。筛选小于这个最大距离的误差参与分类。

（10）选择输入路径及文件名，单机OK按钮，执行非监督分类。分类结果将以文件的形式保存。以下是结果展示（图03）。

图03 非监督分类结果

5.3 计算NDVI

归一化植被指数（Normalized Difference Vegetation Index，NDVI）计算，可以将多光谱数据变换成一个单独的图像波段，用于显示植被分布，较高的NDVI值预示着包含较多的绿色植被。水田的含水量相对较高，其NDVI值略低于其他的植被，故NDVI能有效的将水田信息从中分离，由于水体中的植被较少，其光谱特征表现为强吸收，在对水体的NDVI值进行统计中发现其值大都低于0.1，故水体信息也易提取。如下是利用ENVI计算NDVI的过程。

（1）打开TM图像。


图04 NDVI计算对话框	图05 NDVI计算结果

（2）在主菜单中，选择Transforms→NDVI。在NDVI Calculations Input File对话框中，选择TM图像，单击OK按钮。

（3）在NDVI Calculation Parameters对话框中（图04），单击“Input File Type”下拉菜单，选择Landsat TM。用于计算NDVI的波段将被自动导入到“Red”和“Near IR”文本框中，手动输入所需要的波段。

（4）在“Output Data Type”下拉菜单选择输出字节型（Byte）或浮点型（Floating Point）。如果选择字节型输出，键入最小NDVI值，该值将被拉伸为0；键入最大NDVI值，该值将被拉伸为255，获得的NDVI将被拉伸为0-255范围内。如果选择浮点型，NDVI数值范围保持为-1-1。

（5）选择输出文件路径及文件名，单击OK按钮。图05是NDVI计算的结果。

基于ENVI下的土地利用信息提取(二)相关推荐

基于高分辨率影像城市绿地信息提取_基于ENVI的高分辨率遥感影像城市绿地信息提取研究_陈阳pdf.doc...
基于ENVI的高分辨率遥感影像城市绿地信息提取研究_陈阳pdf 第卷第期测绘工程,244 Vol．24No．4年月,20154Engineering of Surveying and MappingA ...
基于ENVI的遥感影像解译——以Landsat8数据为例（上）
遥感影像解译是一种指从图像获取信息的基本过程.即根据各专业(部门)的要求,运用解译标志和实践经验与知识,从遥感影像上识别目标,定性.定量地提取出目标的分布.结构.功能等有关信息,并把它们表示在地理底图 ...
ENVI下的秸秆焚烧实时遥感监测方案及实现
ENVI下的秸秆焚烧实时遥感监测方案及实现前言前言每年夏收与秋收后,部分城市始终笼罩着浓浓的烟雾.这些烟雾不是来自重工业污染,也不是化工产品爆炸,而是来自秸秆焚烧.秸秆焚烧已经成为影响这些城市空 ...
基于ENVI与ERDAS的Hyperion高光谱经验比值法、一阶微分法叶绿素及地表参数反演
基于ENVI与ERDAS的Hyperion高光谱经验比值法.一阶微分法叶绿素及地表参数反演 1 前期准备与本文理论部分 1.1 几句闲谈 1.2 背景知识 1.2.1 Hyperion数据介绍 1.2 ...
ENVI下植被指数模型详解
[转载]ENVI下植被指数模型详解 (2013-09-06 08:41:35) 原文地址:ENVI下植被指数模型详解作者:ENVI-IDL中国植被指数(VI)是两个或多个波长范围内的地物反射率组合运 ...
基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度（LST）反演
基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度(LST)反演 1 原理部分与前期操作准备 1.1 图像预处理 1.2 植被指数反演 1.3 单窗算法原理 2 实际操作部分 2. ...
语义分割：基于openCV和深度学习（二）
语义分割:基于openCV和深度学习(二) Semantic segmentation in images with OpenCV 开始吧-打开segment.py归档并插入以下代码: Semanti ...
深度 | 智慧•城市，基于国际视野下的思考
来源:智慧城市决策参考智慧城市的兴起,得益于ICT技术的迅猛发展.经过这些年国内外诸多城市的探索和实践,智慧城市已经从最初的营销概念,逐渐发展成为一种支持城市发展的新理念.然而在实际应用中,智慧城市 ...
在OpenCV环境下写的灰度图像二维傅里叶换,幅值计算,频谱平移和将数值归一化到0到255区间的四个函数
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 灰度图像的二维傅里叶变换(cv_gray_fft ...

基于ENVI下的土地利用信息提取(二)

基于ENVI下的土地利用信息提取(二)相关推荐

最新文章

热门文章