《ENVI高光譜分析》課件

《ENVI高光譜分析》課件簡介高光譜遙感技術(shù)概述高光譜遙感技術(shù)高光譜遙感技術(shù)是利用光譜信息來識別地物的一種技術(shù)。它使用傳感器采集地物的光譜信息，通過分析光譜數(shù)據(jù)來識別不同地物。光譜信息光譜信息是指物體反射或發(fā)射的光在不同波長上的強(qiáng)度分布。通過分析光譜信息可以識別地物的種類、狀態(tài)和變化。高光譜圖像的特點及應(yīng)用領(lǐng)域多波段、高光譜分辨率、高光譜信息量農(nóng)業(yè)監(jiān)測、地質(zhì)勘探、環(huán)境監(jiān)測、水質(zhì)分析精準(zhǔn)農(nóng)業(yè)、礦產(chǎn)資源開發(fā)、環(huán)境污染治理ENVI軟件介紹及主界面功能ENVI是一個功能強(qiáng)大的遙感圖像處理和分析軟件，由美國Exelis公司開發(fā)。它為各種應(yīng)用提供了豐富的工具和功能，包括高光譜圖像分析。ENVI軟件的界面直觀易用，主要包含以下幾個部分：菜單欄：提供各種功能和操作選項工具欄：包含常用工具的快捷按鈕數(shù)據(jù)視圖窗口：顯示加載的圖像數(shù)據(jù)屬性窗口：顯示選定數(shù)據(jù)或?qū)ο蟮膶傩孕畔⒔Y(jié)果窗口：顯示分析結(jié)果和日志信息導(dǎo)入高光譜數(shù)據(jù)及預(yù)處理1數(shù)據(jù)格式ENVI支持多種高光譜數(shù)據(jù)格式，如ENVI、BIL、BIP、BSQ等。選擇合適的格式進(jìn)行導(dǎo)入。2數(shù)據(jù)校正對原始數(shù)據(jù)進(jìn)行校正，以消除傳感器誤差、大氣影響等因素，提高數(shù)據(jù)質(zhì)量。3輻射定標(biāo)將數(shù)字量化值轉(zhuǎn)換為輻射亮度值，為后續(xù)分析提供準(zhǔn)確的輻射信息。4大氣校正去除大氣層對信號的影響，還原地表真實的光譜信息。5幾何校正將圖像與地理坐標(biāo)系進(jìn)行配準(zhǔn)，確?？臻g位置的準(zhǔn)確性。高光譜圖像可視化及分析數(shù)據(jù)可視化選擇合適的波段組合，生成假彩色圖像，直觀展現(xiàn)地物信息。譜線分析提取目標(biāo)地物的特征光譜曲線，分析其光譜特征。光譜特征提取利用光譜特征，提取特定地物的波段范圍或光譜指數(shù)。目標(biāo)檢測根據(jù)目標(biāo)地物的特定光譜特征，識別和定位目標(biāo)地物。分光光度計曲線瀏覽光譜特征曲線ENVI提供了光譜特征曲線瀏覽功能，可直觀地觀察目標(biāo)物體的反射光譜，分析其光譜特征。數(shù)據(jù)可視化通過曲線顯示，用戶可以更清晰地識別不同的物質(zhì)類型，例如植物、土壤和水體。像素光譜提取及分析1光譜信息分析單個像元的反射率曲線2特征波段識別特定物質(zhì)的獨特光譜特征3光譜庫對比利用已有物質(zhì)光譜庫進(jìn)行比對分析物質(zhì)光譜庫及其應(yīng)用光譜庫定義光譜庫是一個包含各種物質(zhì)的光譜信息的數(shù)據(jù)庫，用于識別和分類未知物質(zhì)。庫建立通過收集大量已知物質(zhì)的光譜數(shù)據(jù)，并對其進(jìn)行校正和整理，即可建立光譜庫。應(yīng)用場景光譜庫廣泛應(yīng)用于礦物識別、土壤分析、植被分類等領(lǐng)域。高光譜特征波段提取1識別目標(biāo)提取對目標(biāo)物質(zhì)敏感的波段。2增強(qiáng)對比突出目標(biāo)與背景的差異性。3簡化數(shù)據(jù)減少后續(xù)分析的計算量。ENVI光譜角分類算法原理基于光譜相似性，計算待分類像素與已知類別光譜之間的角度。角度越小，相似度越高。優(yōu)點對光照和大氣影響不敏感，適合處理高光譜圖像。應(yīng)用用于土地覆被分類、目標(biāo)識別、礦物探測等領(lǐng)域。最大似然分類算法1概率模型基于每個類別像素光譜特征的概率分布模型。2最大似然將未知像素分配給具有最大概率的類別。3精度評估通過混淆矩陣和精度指標(biāo)評估分類結(jié)果。支持向量機(jī)分類算法原理尋找最優(yōu)超平面，最大化不同類別樣本之間的間隔，實現(xiàn)分類。優(yōu)勢對高維數(shù)據(jù)和非線性數(shù)據(jù)具有較好的分類效果，不易過擬合。應(yīng)用高光譜圖像分類、目標(biāo)識別、人臉識別等。層次聚類及K-Means聚類層次聚類將樣本逐步合并或分裂成不同的組，形成一個樹狀結(jié)構(gòu)。K-Means聚類將樣本分成K個不同的組，每個樣本屬于距離其最近的組中心。譜線分析及峰值提取1峰值提取識別并提取光譜曲線上的峰值波長，以識別物質(zhì)特征。2譜線特征分析光譜曲線形狀、峰值位置和峰值強(qiáng)度，揭示物質(zhì)的化學(xué)組成和物理特性。3譜線分析利用光譜數(shù)據(jù)進(jìn)行定量分析，識別不同物質(zhì)的光譜特征并進(jìn)行物質(zhì)識別和定量分析。譜線微分分析及歸一化1微分分析通過微分運算增強(qiáng)光譜曲線細(xì)節(jié)，更清晰地識別吸收峰和反射峰。2一階微分一階微分可以識別光譜曲線的拐點，有利于識別吸收峰和反射峰。3二階微分二階微分可以進(jìn)一步增強(qiáng)光譜曲線細(xì)節(jié)，更精確地定位吸收峰和反射峰。4歸一化處理將光譜曲線進(jìn)行歸一化處理，消除不同樣本間的光照差異，提高光譜分析的精度。主成分分析及非監(jiān)督分類主成分分析降維技術(shù)，提取重要信息，減少數(shù)據(jù)冗余，提高分類效率。非監(jiān)督分類無需先驗知識，根據(jù)數(shù)據(jù)本身的特征進(jìn)行分類，如K-Means聚類。線性判別分析及監(jiān)督分類1線性判別分析利用樣本特征，尋找最佳分類面2監(jiān)督分類根據(jù)已知樣本類別，對未知樣本進(jìn)行分類3精度評估評估分類結(jié)果的準(zhǔn)確性，優(yōu)化分類模型異常檢測及目標(biāo)檢測識別異常通過分析高光譜數(shù)據(jù)中每個像素的光譜特征，尋找與周圍環(huán)境明顯不同的像素點，從而識別出異常區(qū)域。例如：發(fā)現(xiàn)田野中病蟲害、城市中的建筑物、或森林中的火災(zāi)。目標(biāo)提取基于已知目標(biāo)的特征，利用高光譜圖像進(jìn)行目標(biāo)識別和定位。例如：利用礦物光譜庫識別礦產(chǎn)資源，或利用植被指數(shù)監(jiān)測土地覆蓋變化。多種算法常見的異常檢測和目標(biāo)提取算法包括：光譜角映射(SAM)、最小距離分類、支持向量機(jī)(SVM)等。土地覆被/利用分類結(jié)果評估指標(biāo)描述計算方法總體精度所有分類正確樣本占總體樣本的比例正確分類樣本數(shù)/總樣本數(shù)Kappa系數(shù)衡量分類結(jié)果與隨機(jī)分類結(jié)果的差異程度公式計算，反映分類一致性制圖精度衡量分類結(jié)果對地物邊界的識別精度通過空間精度指標(biāo)評估精度報告生成及分析1總體精度評估分類結(jié)果的整體準(zhǔn)確性2Kappa系數(shù)衡量分類結(jié)果與隨機(jī)分類結(jié)果之間的差異3制圖精度評估分類結(jié)果在每個類別上的準(zhǔn)確性4用戶精度評估分類結(jié)果中正確分類的像素比例5生產(chǎn)者精度評估真實類別中被正確分類的像素比例分類結(jié)果可視化及比對ENVI提供多種可視化工具，如顏色合成、假彩色合成、圖像直方圖等，可直觀展示分類結(jié)果?？蓪⒉煌诸惙椒ǖ慕Y(jié)果進(jìn)行比對，分析其優(yōu)缺點，選擇最優(yōu)分類方案。分類結(jié)果后期處理1數(shù)據(jù)融合結(jié)合其他數(shù)據(jù)源提高分類精度2邊界優(yōu)化平滑分類結(jié)果邊界，提高視覺效果3屬性提取從分類結(jié)果中提取土地覆被/利用屬性信息土壤成分反演分析1光譜特征利用高光譜數(shù)據(jù)提取土壤的光譜特征，如反射率、透射率等。2模型構(gòu)建建立土壤成分與光譜特征之間的模型，例如多元線性回歸、支持向量機(jī)等。3反演分析利用建立的模型，對高光譜數(shù)據(jù)進(jìn)行反演，得到土壤的成分信息，例如有機(jī)質(zhì)含量、粘土含量等。植被指數(shù)及變化檢測植被指數(shù)利用遙感數(shù)據(jù)計算植被指數(shù)，如NDVI、EVI，反映植被生長狀況和覆蓋度。變化檢測比較不同時期的植被指數(shù)，分析植被覆蓋變化趨勢，例如森林砍伐、土地利用變化等。地質(zhì)礦產(chǎn)勘探應(yīng)用高光譜遙感技術(shù)可用于識別不同礦物類型，并繪制礦產(chǎn)分布圖。通過分析光譜特征，可以識別礦物類型，并進(jìn)行礦產(chǎn)資源評估。高光譜數(shù)據(jù)還可以用于探測地下礦體，為礦山開采提供更準(zhǔn)確的參考。環(huán)境污染監(jiān)測應(yīng)用1水污染監(jiān)測利用高光譜數(shù)據(jù)識別水體污染物，如重金屬、有機(jī)污染物等。2大氣污染監(jiān)測監(jiān)測空氣質(zhì)量，識別污染源，如工業(yè)排放、汽車尾氣等。3土壤污染監(jiān)測識別土壤重金屬、農(nóng)藥殘留等污染，評估土壤環(huán)境質(zhì)量。水質(zhì)參數(shù)反演分析水質(zhì)參數(shù)反演利用高光譜數(shù)據(jù)反演水質(zhì)參數(shù),例如濁度、葉綠素濃度、總懸浮固體等。模型構(gòu)建建立高光譜數(shù)據(jù)與水質(zhì)參數(shù)之間的模型關(guān)系,例如多元線性回歸、偏最小二乘法等。精度評估利用獨立樣本或野外實測數(shù)據(jù)對反演結(jié)果進(jìn)行精度評估,并分析誤