遥感数字图像处理实验教程

遥感数字图像处理实验教程（ENVI）第一章ENVI应用基础 徐老师ENVI软件概述ENVI文件系统和存储ENVI常用系统配置说明ENVI数据的输入与输出ENVI数据显示操作第二章数据预处理 李飞坐标定义与投影转换图像预处理时遥感数字图像处理中非常重要的环节，也是空间信息提取之前首先要做的工作。主要包括图像几何校正、图像融合、图像镶嵌和图像裁剪等一般过程。坐标定义ENVI中的坐标定义文件存放在ITT\IDLxx\products\envixx\map_proj文件夹下。三个文件记录了坐标信息：ellipse.txt：椭球体参数文件。datum.txt：基准面参数文件。map_proj.txt：坐标系参数文件。在ENVI中自定义坐标系分三步：定义椭球体、基准面和定义坐标参数。1、定义椭球体语法为>Krasovsky,6378245.0,IAG-75,6378140.0,ellipse.txt（。图2-1定义地球椭球体ellipse.txt文件中已经有了克拉索夫斯基椭球，由于翻译原因，这里的英文名称是Krassovsky。为了让其他软件平台识别，这里新建一个Krasovsky椭球体。2、定义基准面语法为<基准面名称>，<椭球体名称>，<平移三参数>Beijing-54,Krasovsky,-12,-113,datum.txt（图2-2）。图2-2定义大地基准面有的时候为了与其他软件平台兼容，基准面的名称需要写成所用的椭球体名称。3、定义投影Map→CustomizeMapProjection命令；CustomizedMapProjectionDefinition窗口中设置地图投影的参数（图2-3）；图2-3定义地图投影关参数说明：ProjectionName：定义投影名称；ProjectionType：定义投影类型，这里选择TransverseMercator；ProjectionDatum:定义大地基准面，这里选择之前定义的Beijing-54；Falseeasting500km；LatitudeofProjectionLongitudeofcentralScalefactor：定义缩放倍率。Projection→AddNewProjection命令；File→SaveProjections保存自定义投影（2-4）；图2-4定义投影输出OK，输出自定义投影。ITT\IDLxx\products\envixx\map_projmap_proj.txt文件中可看到刚才定义的坐标系参数。4、使用定义的坐标系统

图2-5系统投影信息在主菜单中，选择File→OpenImage据；MapInfoDatum:<none>。选择未定义投影影像的MapInfoEditMapInfromation；EditMapInformation（2-7）；图2-7编辑地图信息 图2-6波段选择列表点击ChangeProj按钮，在弹出的 ProjectionSelection对话框中选择beijing54，点击OK（图2-8）。OK2-9图2-9图像投影信息 图2-8选择地图投影投影转换Map→ConvertMapProjection工具；ConvertMapProjectionInputImage中选择需要转化投影的图像文件（图0；图2-10选择转换图像投影的文件SpatialSubset：空间裁剪，参考图像裁剪；SpectralSubset：光谱分割，可有选择性的对波段进行处理。ConvertMapProjectionParametersChangeProj在nn对话框中选择投影类型，这里选择an8（如果没有选项，参考定义坐标系统，点击K按钮；ConvertMapProjectionParameters中设置转换参数及输出文件和文件名等；图2-11图像投影转换参数设置OK执行投影转换操作。图像几何校正遥感图像的几何纠正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。一般常见的几何纠正有从影像到地图的纠正，以及从影像到影像的纠正，后者也称为影像的配准。遥感影像中需要改正的几何形变主要来自相机系统误差、地形起伏、地球曲率以及大气折射等。几何纠正包括两个核心环节：一是像素坐标的变换，即将影像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。影像到影像的几何纠正1、打开并显示图像文件ENVIFile→OpenImageFile，打开参考影像（这里以SPOT像为例（TMDisplay所示。图2.12待纠正影像和参考影像显示图2、启动几何纠正模块ENVIMap→Registration→SelectGCPs：ImagetoImage，ImagetoImageRegistration选择显示参考影像SPOT文件）的Display为基准图像的BaseImag示需校正影像TM文件）的Display为待纠正图像WarpImag（如图2.13所示。OKGroundControlPoint2.14图2.14地面控制点选择对话框 图2.13选择基准影像与待纠正影像3、采集地面控制点在图像几何纠正过程中，采集地面控制点是一项重要和繁重的工作，直接影响最后的纠正结果，在实际操作中要特别认真和具有耐心。GroundControlPointSelectionOptions→SetPointColors，设置或修改GCP在可用和不可用状态的颜色。在两个DisplayGCP。Zoom分别移到基准影像与待纠正影像相同地物点上。GroundControlPointSelectionAddPoint2.15图2.15同名地物控制点采集利用同样的方法继续寻找其余的点，当选择控制点的数量达到3RMSGroundControlPointSelectionPredictPredictAddPoint预测点的精度越来越精确。选择Option→AutoPredict，打开自动预测功能，这时在基准图像显示窗口（至少3个，可以利用自动找点功能。Option→AutomaticallyGenerate信息量多Band5，单击OKAutomaticTiePointMethodParameterTie量（NumberofTiepoint：6；其他选择默认参数（图2.16所示，点击OK按钮。图2.16Tie点选择参数设置GroundControlPointsSelection上，单击ShowList2.17图2.17控制点列表ImagetoImageGCPListOption→OrderPointsbyRMSDeleteZOOMImagetoImageGCPList上的Update按钮进行微调。当RMS值小于1个像素时（根据实际情况判断最小RMS值点的数量足够且分布均匀，完成控制点的选择。File→SaveGCPsto4、选择纠正参数并输出结果此处ENVI提供两种输出方式：WarpFile和WarpFile（asImageMap）WarpFile图2.18在GroundControlPointsOptions→WarpFile图2.18在纠正参数对话框中（2.1所示置纠正参数；相关参数说明：（Background）为0。OutputImageOK按钮。WarpFile纠正方式得到的结果影像，它的尺寸大小、投影参数和像元大小（如果基准图像有投影）都与基准图像一致。WarpFile（asImage方式选择Options→WarpFile（asMap），选择纠正文件文件）。和Y的像元大小输入30m，按回车键，图像输出大小自动更改。OutputImageExtent图像大小计算，可以进行适当调整。OK按钮。5、检验纠正结果检验纠正结果的基本方法是：同时在两个窗口中打开图像，其中一幅是纠正后的图（LinkDisplayLink）进行关联。在显示纠正结果的Image窗口中，从右键快捷菜单中选择GeographicLink命令，选择需要链接的两个窗口，打开十字光标进行查看。图像到地图的几何纠正图像到地图的几何纠正纠正过程与图像到图像几何纠正基本类似。采集控制点方式更加灵活，如果控制点需要从不同途径收集或者直接从图上读取后键盘输入，可以采用这种方式，如地形图的纠正。下面以TM图像为例介绍该种几何纠正。1、打开并显示图像文件在ENVI主菜单栏中，选择File→OpenImageFile，打开需纠正影像。2、启动几何纠正模块ENVIMap→Registration→SelectGCPsImagetoImageto示窗口。弹出纠正参数设置选择对话框ImagetoMapRegistratio；ImagetoMapRegistration小（X/YPixelSiz。3、采集地面控制点地面控制点通过以下几种方式采集（几种方式可以同时采用）。键盘输入在纠正图像Display中移动方框位置，寻找明显的地物特征点作为输入GCP。在Zoom窗口中，移动定位十字光标（利用键盘↓↑←→微调），到地物特征点上；DisplayGCP；在Zoom到相同地物点上；GroundControlPointSelectiox（、值键盘输入；4Predict预测功能预测图上大致位置。从栅格文件中采集Display中显示；DisplayGCP；DisplayZoom窗口中十字光标定位到相同的地物特征点；DisplayPixelPixelLocatorExportGroundControlPoints对话框x、（）项；重复（1）～（4）步骤采集其他控制点。从矢量文件中采集在ENVI主菜单中，Open→OpenVector择USGSDLG（*.ddf，*.dlg），选择矢量文件；ENVI的。evf自动会对它进行格式转换。选择输出到内存（Memory），投影参数按照默认设置。在AvailableVectorListLoadSelectedVectorWindow中。DisplayGCP。在VectorWindow中，找到相应的区域，按住鼠标中键拉框对矢量数据放大。ExportMapLocationGroundControlPointsSelectio（E、yN。重复（4）～（6）步骤采集其他控制点。在GroundControlPointsSelection上，查看RMS值是否符合要求，单击ShowList按钮，可以看到选择的所有控制点列表。如果RMS值符合精度要求，点的数量足够且分布均匀，在GroundControlPointsSelection上，选择File→SaveGCPstoASCII，将控制点保持，完成控制点采集工作。4、选择纠正参数输出结果在GroundControlPointsSelection上，选择Option→WarpFile，选择纠正文件（TM文件），输出参数设置与图像到图像的几何纠正方式类似。5、检验纠正结果将标准矢量数据叠加在纠正结果上，或者与经过纠正的图像显示在Displays中，与纠正结果用GeographicLink命令链接查看地物特征点，检查纠正结果的精度。图像融合IHSPCA(HPF)融合方法等。其中，前三种方法最具代表性，也最常用。HSV融合在图像处理中经常应用的彩色坐标系统(或称彩色空间)有两种。一种是由红(R)、绿(G)、蓝(B)三原色组成的彩色空间即RGBHSV(V)，色调(H(SHSV控制，并且能够准确定量地描述颜色特征。RGB空间转换为HSVHSVV性内插法或者三次卷积法对HSVRGB操作步骤如下：在主菜单中，选择File→OpenImageFile图像；在主菜单中，选择Transform→ImageSharpening→HSVHSVSelectInputRGBInputRGB（在SelectInputRGBInputBandsRGB图2-19选择RGB图像在HighResolutionInputFile2-20）；图2-20选择高分辨率图像HSVSharpeningParameters和文件名（2-21）；图2-21HSV融合参数设置点击OKHSV2-22）。图2-22HSV融合参数设置PCA变换融合K-L关关系）中到前几个主成分中。采用高分辨率图像替换经PCA逆变换进行PCA操作步骤如下：在主菜单中，选择File→OpenImageFile图像；在主菜单中，选择Transform→ImageSharpening→PCSpectralSharpening命令进行PCA变换图像融合；SelectLowSpatialResolutionMultiBandInputFile的低分辨率多光谱图像2-23）；图2-23选择低空间分辨率多波段图像SelectHighSpatialResolutionInputFile图像（2-24）；图2-24选择高空间分辨率图像在PCSpectralSharpenParameters的路径和文件名（2-25）；图2-25PCA图像融合参数设置点击OKPCA图像镶嵌影像镶嵌是指在一定地数学基础控制下，把多景相邻遥感影像拼接成一个大范围的影响图的过程。下面以两幅经过几何校正的 TM30米图像为例（文件名分别为 mosaic_2和mosaic1_equal），介绍ENVI环境下图像的镶嵌过程。操作步骤如下：（1）选择主菜单File→OpenImageFile，打开要进行拼接的图像（图2-26）；图2-26图像波段选择列表（2）单击主菜单Map→Mosaicking→Georeferenced，打开图像镶嵌窗口；(3)在MapBasedMosaic窗口中单击Import→ImportFiles命令；在弹出的MosaicInputFiles（图2-27）；图2-27选择镶嵌文件点击OK，把图像加载到了图像镶嵌的窗口中；在图层列表栏中选择需要调整重叠次序的图层，右键点击选择RaiseImageTopRaiseImagetoPosition（2-28）；在图层列表栏中选择需要调整重叠次序的图层，右键点击选择EditEntry像镶嵌参数进行设置（2-29）；图2-28调整图像重叠次序 图2-29设置图像镶嵌参数相关参数说明：EditEntryDataValuetoIgnore:00FeatheringDistanceEntrySelectCutlineAnnotationFile割线的注记文件；点按钮进行波段组合设置；ColorBalancingAdjustmosaic_2.img进行调色；点击OK，2-302-30点击FileSavetemplate点击FileApplyOK（。OK进行图像的镶嵌（2-32）。图2-31图像镶嵌输出参数设置 图2-32图像镶嵌结果图像裁剪影像裁剪的目的是将研究区以外的区域去除，经常是按照行政区划或研究区域的边界对图像进行裁剪，在基础数据生产中，还经常要做标准分副裁剪。按照ENVI的图像裁剪过程，可分为规则裁剪和不规则裁剪。规则裁剪File→OpenImageBasicTools→ResizeData(Sptial/Spectral)命令；ResizeDataInputFile对话框中选择需要裁剪的图像（图2-33）；图2-33选择图像裁剪文件SpatialSubset按钮在空间上对图像进行裁剪；SpactralSubset按钮在光谱空间上分割。SpatialSubset按钮，设置规则裁剪的方式（2-34）；基于图像的裁剪，点区域（图2-35）。图2-34选择图像裁剪方式 图2-35基于图像的裁剪基于地图坐标的裁剪，点选择坐标范围（图2-36）。图2-36基于地图坐标的裁剪Map:通过输入左上角和右下角两点坐标来确定外边界矩形区域（有地理坐标）；基于文件的裁剪，点选择基准图像。图2-37基于地图坐标的裁剪File:以另外一个图像文件范围为标准确定外边界区域；ROI/EVF：以感兴趣区域或者矢量边界为区域进行裁剪；Scroll：根据当前放大的（metazoomed）缩放窗口中的显示区域进行裁剪；选择输出路径及文件名，点击OK按钮，完成规则图像裁剪（2-38）。图2-38图像裁剪输出参数设置不规则裁剪不规则裁剪是指裁剪图像的边界范围是一个任意多边形，通过事先确定的一个完整的闭合区域进行，这个区域可以是一个手工绘制的ROI多边形，也可以是ENVI支持的矢量数据文件。1、基于手动绘制感兴趣区域的图像裁剪打开要裁剪的图像，并显示在DisplayImageOverlay→RegionofInterest。在ROITool中，选择ROI_Type→Polygon；WindowImage，然后在Image窗体中绘制一个多边形区域，然后右键单击两次结束；选择主菜单BasisubsetdataviaROIROIdataviaROIs（2-39）；图2-39选择图像裁剪文件OK，在出现的SpatialSubsetviaROIParameters剪的感兴趣区域及输出文件（2-40）。图2-40选择ROI文件OK，对图像进行裁剪处理（2-41）。图2-41图像裁剪前后对比2、基于矢量边界生成的感兴趣区域的裁剪选择主菜单File→OpenVector，打开Shapefile不变，选择OutputResulttoMemory，点击OK2-42图2-42输入矢量文件参数AvailableVectorListLayerstoROI在弹出的窗口中选择用矢量边界进行裁剪的影像图层，点击OK；ExportEVFlayerstoROI（2-43）；图2-43导出EVF图层为ROI选择主菜单BasisubsetdataviaROIROIdataviaROIs，选择要裁剪图像，点击OK；在弹出的SpatialSubsetviaROIParameters趣区域及输出文件（2-44）。图2-44图像裁剪输出参数设置OK，对图像进行裁剪处理（2-45）。图2-45图像裁剪前后对比实例与练习：****第三章图像增强 徐老师辐射增强处理直方图均衡化直方图匹配反差调整去条带处理光谱增强波段比计算主成分分析独立成分分析最小噪声分离变换彩色变换空间域增强卷积增强边缘检测纹理分析频率域增强快速傅立叶变换频率域滤波傅立叶逆变换3.4实例与练习：****第四章图像分类 李飞遥感图像分类就是利用计算机对遥感图像中各类地物的光谱信息和空间信息进行分用于图像分类中，发展了基于专家知识的决策树分类。非监督分类非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律）分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。主要有两方法： ISODATA分类与K-Means分类。ISODATA分类ISODATA是一种遥感图像非监督分类法。全称“迭代自组织数据分析技术”（IterativeSelf-OrganizingDataAnalysisTechnique 。ISODATA使用最小光谱距离方程产生聚类，此方法以随机的类中心作为初始类别的“种子”，依据某个一次迭代，直至超过最大迭代次数或者满足分类参数（阈值） ，完成分类过程。操步骤如下：在主菜单中，选择File→OpenImage在主菜单中，选择Classification→Unsupervised→ISOData；在ClassificationInputFile在ISODATAParameters（图4-1）；图4-1ISODATA分类参数设置Mumberof分类数量，最大数量为最终分类数量的23MaximumIterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长；ChangeMinimun#Pixelin于最少像元数，则将其中的像元归并到距离最近的类型中；MaximumClass比该阈值大，则将该类分成两类；MinimumClass均值之间的距离小于该值，则类别将被合并；Maximum#MergeMaximumStdevFrom这个标准差的像元参与分类；MaximumDistance差的像元参与分类；点击OK4-2图4-2ISODATA分类结果前后对比K-Means分类K-均值算法也称c-均值算法，其基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。1、计算特征空间上均匀分布的最初类均值；2、用最短距离技术重复地把像元聚集到最近的类里；3、每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就无法参与分类有像元都被归到与其最临近的一类里；4最多次数。操作步骤如下：在主菜单中，选择File→OpenImage在主菜单中，选择Classification→Unsupervised→K-Means；在ClassificationInputFile在ss窗口中设置分类参数以及输出的路径和文件名（图3；图4-3K-Means分类参数设置NumberofClasses：分类数量，一般为最终分类数的23ChangeThreshold%(0-100结束迭代过程；MaximumIterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长；MaximumStdevFrom这个标准差的像元参与分类；MaximumDistance差的像元参与分类。OKK-Means4-4所示。图4-4K-Means分类结果前后对比监督分类监督分类（supervisedclassification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。其一般过程如图4-5所示：图像特征判别图像特征判别选择训练区图像分类统计分析分类后处理精度验证图4-5监督分类一般流程训练样本的选择在主菜单中，选择File→OpenImage选择图像视图窗口菜单Overlay→RegionofInterest在ImageOverlay→RegionofInterest。在ROIToolROI_Type→Polygon；在WindowImage，然后在ImageROIName5（4-6）；图4-6选择训练样本选择Options→ComputeROISeparability在SelectInputFileforSeparability在ROISeparabilityCalculation（图4-7）；图4-7ROI分离性计算在ROISeparabilityReport4-8图4-8ROI分离性报告ENVI为每一个感兴趣区组合计算 Jeffries-Matusita距离和TransformedDivergence在窗口底部根据可分离性值的大小从小到大列出感兴趣区组合02.0，1.91.81，考虑将两类样本合成一类样本。图像分类选择主菜单Classification→Supervised→MaximumLikelihoodSupervisedParallelpiped：平行六面体分类器，根据训练样本的亮度值形成一个N对应的区域，就被划分到其对应的类别中。平行六面体的尺度是由标准差阈值所确定的，而该标准差阈值则是根据所选类的均值求出；MinimumDistance：最小距离分类器，利用训练样本数据计算出每一类的均值向一类；MahalanobisDistance：马氏距离分类器，计算出入图像到各训练样本的马氏距离（一种有效的计算两个未知样本集的相似度的方法），的，即为该类别；MaximumLikelihood属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中；SpectralAngle是一个基于自身的波谱分类，它是N（它们作为具有维数等于波段数特征的空间矢量进行处理），SAMNBinary01。使用“异或”逻辑函数对每一种编码的匹配阈值（这时，如果一些像元不符合标准，它们将不参与分类）类到其匹配波段最多的端元一类中；Neural元，用算法实现人脑的识别、记忆、思考过程应用于图像分类；SupportVectorMachine：支持向量机分类是一种建立在统计学习理论和较高的分类准确率。在ClassificationInputFile在MaximumLikelihoodParameters（图4-9）；图4-9最大似然法分类参数设置SelectClassesfrom:选择训练样本，点击SelectAllItems选择全部的训练样本；SetProbabilityThresholdSingleValue,则在ProbabilityThreshold01择“None”；DataScale型数据；PreviewChangeView区域。OK4-10图4-10最大似然法分类结果结果验证ConfusionMatrixENVIKappa选择Classification→PostClassification→ConfusionMatrix→UsingGroundTruthROIs；在ClassificationInputFile在MatchClassesParameters（4-11）；图4-11设置匹配的类型在SelectGroundTruthROI中选择地面真实的感兴趣区，在SelectClassificationImage中选择与真实的感兴趣相匹配的分类。点击AddCombination按钮将真实的感兴趣区与分类结构相匹配。如果地面真实感兴趣区中的类别与分类图像中的类别名称相同，它们将自动匹配。在ConfusionMatrixParameters（4-12）；图4-12设置混淆矩阵参数点击OK（图4-13）。图4-13分类混淆矩阵报告OverallAccuracy：总体分类精度等于被正确分类的像元总和除以总像元数。地元总数等于所有地表真实分类中的像元总和。KappaCoefficient：Kappa有地表真实分类中的像元总数）k)的和，再减去某一像元总数的平方减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果得到的。分类后处理计算机自动分类得到的初步结果需要再进行一些处理，才能得到最终的分类结果，这些处理过程通常称为分类后处理。常用分类后处理包括更改分类颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等。1、Majority/Minority分析应用监督分类或者非监督分类，分类结果中不可避免地会产生一些面积很小的图版。无论从专题地图制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或Majority/MinorityClum（SievMajority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个核窗口，用核窗口中占主要地位的像元类别代替中心像元的类别（选择Majority），或者使用次要地位的像元的类别代替中心像元的类别（选择Minority）。Classification→PostClassification→Majority/MinorityAnalysis；在ClassificationInputFile在Majority/MinorityParameters（4-14）；图4-14分类混淆矩阵报告SelectClasses：选择分类类别，单击SelectAllItems按钮，选择所有类别；AnalysisMethod：选择处理方式；KernelSize：核窗口大小，核窗口越大，分类图像越平滑；CenterPixelWeight：中心像元权重；选择输出路径和文件名，单击OK2、分类结果转化为矢量数据在主菜单上选择ClassificationPostClassificationClassificationVector，或者选择VectorClassificationto。RastertoVectorInputBandOK（图4-15选择栅格到矢量转换的输入文件在RasterToVectorParameters（4-16）；图4-16栅格到矢量的转换参数选择文件输出路径和文件名，点击OK基于专家知识的决策树分类基于专家知识的决策树分类是基于遥感图像数据及其其他空间数据，通过对专家经验知识的总结、简单的数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用多源数据。基于专家知识的决策树分类总体上可分为四个过程：定义分类规则、构建决策树、执行决策树和评价分类结果。1、定义分类规则C4.5CARTS-PLUSC4.5构造完成之后进行剪枝，能够对连续属性进行离散化处理。图：算法中描述的属性也叫做变量，来源于多源数据中，如DEM文件可以当作变量。以LandSatTM数据和DEM数据构成多源数据获得分类规则：Class1（朝北缓坡植被）：NDVI>0.320Class2（非朝北缓坡植被）：NDVI>0.320，非朝北Class3（陡坡植被）：NDVI>0.320Class4（水体）：NDVI4DN020Class5（裸地）：NDVI4DN20Class6（无数据区，背景4DN0规则转换成规则表达式为：Class1（朝北缓坡植被）：{NDVI}gtltlt90)or({aspect}gt270)Class2（非朝北缓坡植被gt0.3，{slope}lt20，({aspect}gtor({aspect}lt270)Class3（陡坡植被）：{NDVI}gt0.3，{slope}gt20Class4（水体）：{NDVI}le0.3，(b4gt0)and(b4eq0)Class5（裸地）：{NDVI}gt0.3，b4ge20Class6（无数据区，背景）：{NDVI}gt0.3，b4eq02、构建决策树ENVI01.0No”如下：DEM数据；ClassificationDecisionNewDecisionENVIne窗口，其中默认包含一个决策树节点和两个类别（分支，如图7所示。图4-17决策树分类点击e1图标，打开节点属性编辑属性（图；图4-18编辑决策树属性Name填写节点表达式gt。OKVariable/FilePairings变量TM将自DNVI计算中需要哪一个波段；如果图像在所选的头文件中没有包含波长信息，那么I就会给出提示，以确定I计算中所需的红波段和近红外波段（图。图4-19变量/文件配对NDVI>0.3成立与否划分为两部分。本例中分成植被覆盖区与无植被区；Class1AddChildren，将NDVIENVIClass1下创建两个新的类和；Variable/FilePairingsName中填写：Slope<20，在Expression中填写：{slope}lt20；OKVariable/FilePairings{slope}变量，在弹出的文件选择对话框中选择DEM文件；重复（8）4-20所示。图4-20分类树ClassEditClassPropertiesClassValueColor；FileSaveTree保存新建的决策树文件。3、执行决策树ENVIDecisionTreeDecisionTreeExecutionParameters窗口中设置决策树分类的执行参数（图；图4-21决策树执行参数设置SelectBaseFilenameandProjection：选择一个文件作为输出分类结果的基准。分类结果的地图投影，像素大小和范围都将被调整，以与该基准图像匹配；Resampling：选择重采样方法。选择分类结果的输出路径和文件名，点击OK执行决策树分类。ENVIDecisionTree窗口的空间处，点击右键，选择Zoom在每个节点标签上会显示每个分类的像素个数以及所占总图像像素的百分比。评价分类结果的过程与监督分类的评价方法一样，可参考前面章节，这里不再赘述。实例与练习：****第五章高光谱图像处理与分析徐老师传感器定标大气校正地物波谱与波谱库物质制图与识别5.4.1第六章雷达图像处理 王春基本功能正射雷达图像校正SARDEMDEM第七章ENVI功能扩展 李飞ENVIIDLENVI中，用户可以很方便IDLENVIENVI的功能进行扩展，添加新的功能函ENVI界面的全新系统。菜单的定制ENVIITT\IDL71\products\envi47\menu文件夹下，有三个文件：Envi.men：主菜单文件。用记事本打开envi.men文件。每个菜单项有三部门组成：LEVEL{BUTTONNAME}[{UVALUE}{EVENTHANDLERPROCEDURE}][{separator}]LEVEL0开始的整数表示，为必选项；{BUTTONNAME}菜单名称，为必选项；{UVALUE}项时非常有用，可以区别哪个菜单项被选中；{EVENTHANDLERPROCEDURE}事件名称，为必选项；{separator}菜单“横线”标示关键字。{UVALUE}大多数ENVI的程序中是需要的，同时要保持用户值的唯一性。但编写用户函数时，大多数情况下，用户值是不会使用的，这时候，可以将用户值设为和用户函数名一致，也可以将它设置为{notused}等醒目的标示。具体操作步骤如下：envi.men文件，在文件的最后添加以下语句，如图7-1所示：7-1ENVI菜单文件启动L环境（图2；图7-2ENVI+IDL开发环境点击 按钮新建一个源文件，编写代码（图3：图7-3编写ENVI程序代码file_save_add目录下；ENVI+IDLENVIMyFunctions，点击BasicFileInfo命令；IDLWorkbench环境中出现运行，结果如图7-4所示。7-4程序运行结果波段运算ENVI波段运算工具能够调用用户编写的程序进行定制的处理。波段运算工具用来定义输入的波段或文件，并调用用户编写的函数，最后将结果输出到文件或内存中。b1，b2等。通过在波段运算表达式窗口中输入函数名BasicMath；Enteranexpression(float(b4)+float(b3))/float(b4)-float(b3))，单击dt按钮，将表达式加入sdhs中（图5；

波段运算VariablestoBandsPairings窗口中选择表达式中各个变量对应的波段以及运算结果的输出路径和文件名（图6；OK

变量与波段配对IDLENVIIDLIDLIDL函数。FUNCTIONbm_func,b1,[b2,…,bn,parametersandkeywords]ProcessingstepsRETURN,resultENDIDLBandMath中使用这个函数。自0的情况。用记事本编写比值的计算函数，并保存文件为（图7；IDL用户函数bm_save_addENVI+IDL模式，FileCompileIDLModuleEnterModuleFilename对话框中选择bm_文件；ENVIBasicEnteranexpression(b1,b2)或者bm_ratio(b1,b2,/check)（图7-8）；波段运算VariablestoBandsPairings窗口中选择表达式中各个变量对应的波段以及运算结果的输出路径和文件名（图9；变量与波段配对OKIDL函数的波段运算。波谱运算ENVISpectralMath是一种灵活的波谱处理工具，可以用数学或IDL程序对波谱曲线进行处理。波谱曲线可以来自一幅多波段图像的Z剖面、波谱库或ASCII文件。下面以表达式(s1+s2+s3)/3为例说明BandMath工具。FileOpenImageFileDisplay显示；在y的主图像窗口中，右键点击选择Z（；SpectralProfileOptionsCollect在图像视图主窗口中点击收集几个波谱曲线（图；选择光谱曲线在主菜单中选择llhann中输入光谱表达式（3；VariabletoSpectralPairingsVariablesusedn与eat列表中依次对应的选择（图1；变量与光谱曲线配对（6）点击OK执行光谱运算，结果如图7-12所示。光谱运算结果实例与练习：****第八章ENVI/IDL与ArcGIS一体化GISGISGISGIS数据一体化管理与共享平台一体化分析系统一体化集成开发ENVI/IDLArcGISGIS不仅从数据上，还会从整个软件构架体系上真正实现融合，从而可以达到GIS软件的可操作性，提升