ENVI实习直方图匹配校正分类

ENVI实习

一 实验目的

(1)主要学习ENVI软件的基本功能

(2)ENVI 软件完成影像增强(包括直方图匹配和去云)、融合、正射校正和监督、非监督分类四个大方面的试验。

(3)图像增强(算法、原理、对比图)

直方图匹配Enhance > Histogram Matching，出现Histogram Matching Input parameters 对话框，在Match To中选择想匹配的图像。在Input Histogram 会有Image、Scroll、Zoom、Band、、ROI来选择如数直方图的来源，下图为输入图像数据及其所用的拉伸(直方图匹配之前)：

下图为 Match To 想匹配的图像及其拉伸：

利用直方图匹配后图像2的直方图结果：

从结果可以看出，匹配后的图像在亮度上已经明显增强，从偏暗增强为较亮；其直方图与#1中的图像直方图在亮度上分布也很接近。

图像去云

常规的云处理算法会随云的覆盖类型的不同而不同对在大范围内存在薄云的影像来说采用同态滤波法较好同态滤波法把频率过滤与灰度变化结合起来分离云与背景地物最终从影像中去除云的影响这种方法由于涉及到滤波器以及截至频率的选择在滤波的过程中有时会导致一些有用信息的丢失对于局部有云的影像来说一般使用时间平均法这种算法适用于地物特征随时间变化较小的地区如荒漠戈壁等地区对于植被覆盖茂密的地区由于植被的长势与时间有密切的关系不同时相的植被长势在影像中有明显的区别这种简单的替代算法不再适用 对影像进行去云处理不光是要简单地提高影像分类及制图的精度同时也是对影像进行大气纠正以及对地物信息进行提取的重要步骤是能够从影像中去除云的影响同时还能够恢复不同云区覆盖下的地物光谱信息1)使用BasicTool >statistics >compute statistic,弹出如下Compute Statistics Input File 对话框。点击OK，弹出如下对话框。选择Histograms 复选框)然后点击OK，查看统计信息。取两条绿线间的灰度值阈值范围62.5-87.5然后使用BasicTool >masking>Apply Mask弹出对话框。点击Mask Option>Build Mask弹出Mask Definition对话框选择Option>Select Input Mask Data Range选中需处理的影像文件点击OK。又弹出Input for Data Range Mask对话框，在Data Min Value 文本框中输入，在Data Max 对话框中输入然后选择Mask Pixel if Any band matches range。

点击OK然后再在Mask Definition 中选择Memory ，点击OK，此时已经生成了掩膜结果

3)可在Available Bands List中看到Mask Band。然后在Apply Mask对话框中点击OK。会弹出Apply Mask Parameters对话框，点击Memory点击OK.此时在Available Bands List中显示出掩膜后结果。图像融合试验

ENVI中的融合算法感数据融合是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较高的空间分辨率(高空间分辨率数据)，同时又具有多光谱特征(较低分辨率数据)，从而达到图像增强的目的图像融合的关键是融合前两幅图像的配准(Registration)以及处理过程中融合方法的选择，只有将不同空间分辨率的图像精确地进行了配准，使两种分辨率的影像覆盖同一地理区域、有相同的像素大小、影像大小以及相同的方位，才可能得到满意的融合效果；而对于融合方法的选择，则取决于被融合图像的特性以及融合的目的，同时，需要对融合方法的原理有正确的认识。方法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt等。(1)HSV(hue, saturation, and value：色调，饱和度，亮度值)可进行RGB图像到HSV色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB色度空间。输出的RGB图像的像元将与高分辨率数据的像元大小相同。(2)Brovey锐化方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB图像的像元将与高分辨率数据的像元大小相同。3)用Gram-Schmidt 可以对具有高分辨率的高光谱数据进行锐化。第一步，从低分辨率的波谱波段中复制出一个全色波段。第二步，