envi5.x遥感影像处理入门实战教程包含备注gis思维

ENVI5.0ENVI5.1ENVI5.2ENVI5.3、ENVI5.4等等3报名课程后提供课程PPT与操作数 ，可在报名面或 页 哦实在找不到4报名课程后可申请加入GIS思维课堂群，提供课程咨询，与小伙伴一起学习，学 有个伴建议有课程56ENVI5.XENVI5.X711ENVIENVIysissoftwareisusedbyGISprofessionals,remotescientists,and yststoextractmeaningfulinformationfromtomakebetterdecisionsENVIcanbedeployedandaccessedfromthedesktop,inthecloudandonmobiledevicesandcanbecustomizedthroughanAPItomeetspecificproject。ENVI——完整的遥感图像处理平台ENVI(TheEnvironmentforVisualizingImagesExelisVisualInformationSolutions公司的旗舰产品。它是由遥感领域的科学家采用交互式数据语言IDL(InteractiveDataLanguage)开发的一套功能强大的遥感图像处理软件。它是快速、便和科学家选择ENV来从遥感影像中提取信息。ENV象、石油矿产勘探、农业、林业、医学、国防&81ENVIENVIServices服ENVIServices

ENVIENVIIDLIDLIDLIDL构建在ENVI之上的服务器产品ENVIforArcGISServer，可以将ENVI专业遥感功能 91ENVIIDL（交互式数据语言InteractiveDataIDL是一种数据分析和图像化应用程序及编程语言，IDL(InteractiveDataLanguage)语言是第1ENVIENVI5.X的系统需▪注▪注：可在系统上安装多个ENVI遥遥11ENVIENVI5.X 结1ENVIENVI5.X的安

ENVI运ENVI经典模式安装路自定义ENVI自带数IDL例自主开发的扩展程序，补丁插件GP工具箱文帮助资源文件夹，图标文件、语言配置文件、波普软件框架1ENVIENVI5.X1ENVI11ENVI 。全色遥感影像一般空间分辨率高，但无法显示地物色彩。实际操作中，我多光谱：是指对地物辐射中多个单波段的摄取。得到的影象数据中会有多个波段的光谱信息。对各个不同的波段分别赋予RG颜色将得到彩色影象。例如，将R，G，B分别赋予，G，B三个波段的光谱信息，合成将得到模拟真彩 象。多波段遥感影象可以得到地物的色彩信息，但是空间分辨率较低。（M）一景高光谱：对目标的空间特征成像的同时，对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，这样形成的遥感数据可以用“图像立方体”来形象的描述。同传统遥感技术相比，其所获取的图像包含丰富的空间 航片（DOM数字正射影像）：成像高度一般几千米到一万米，幅宽较小，高度越高，分辨率越低，由于飞机飞行姿态不平稳，航片一般畸变较大（农经权）第一，目前高分辨SAR系统的分辨率已经可以达到厘米级，能够清晰的对大型战术目标如、车等进行清晰的成像，有效的帮助军事人员对目标进行第二，SAR使用主动微波成像，有一定 第三，SAR具有全天时全天候的工作特点，适合在各种恶劣的战场条件下完成 11ENVI遥感影像DN值：DN值（DigitalNumber）是遥感影像像元亮度值，记录的地物的灰度值。无单22ENVIENVI通用栅格数据格式，包含一个简单的二进制文件（asimpleflatbinary）和一个相头文件（hdr）：ENVI头文件包含用于图像数据文件的信息，它通常创建于一个数据文件第一次被ENVI时。单独的ENVI头文本文件提供关于图像尺寸、嵌入的头文件（若存在）、数22ENVITheENVIimageformatisaflat-binaryrasterfilewithan panyingASCIIheaderfile.Thedataarestoredasabinarystreamofbytesinoneofthefollowingformats,oftenreferredtoastheinterleavetype: 数据以下列格式之一为二进制字节流，通常称为交错类型BandSequential:BSQ（按波段保存）formatisthesimplestformat,whereeachlineofthedataisfollowedimmediaybythenextlineinthesamespectralband.Thisformatisoptimalforspatial(x,y)accessofanypartofasinglespectralband.Band-interleaved-by-pixel:BIP（按像元保存）formatstoresthefirstpixelforallbandsinsequentialorder,followedbythesecondpixelforallbands,followedbythethirdpixelforallbands,andsoforth,interleaveduptothenumberofpixels.Thisformatprovidesoptimumperformanceforspectral(z)accessoftheimagedata.Band-interleaved-by-line:BIL（按行保存）formatstoresthefirstlineofthefirstband,followedbythefirstlineofthesecondband,followedbythefirstlineofthethirdband,interleaveduptothenumberofbands.Subsequentlinesforeachbandareinterleavedinsimilarfashion.Thisformatprovidesacompromiseinperformancebetweenspatialandspectralprocessingandisthe mendedfileformatformostENVIprocessingtasks.BSQ（bandsequentialformat）是按波段保存，也就是一个波段保存后接着保存BIL（bandinterleavedbylineformat）是按行保存，就是保存第一个波段的第一BIP（bandinterleavedbypixelformat）是按像元保存，即先保存第一个波段的第谱（Z）的存取提供最佳性能。22ENVIBSQ（bandsequentialformat）是按波段保存，也就是一个波段保存后接着保存 BIL（bandinterleavedbylineformat）是按行保存，就是保存第一个波段的第一BIP（bandinterleavedbypixelformat）是按像元保存，即先保存第一个波段的第谱（Z）的存取提供最佳性能。33ENVI使用File>Open打开ENVI图像文件或其它已知格式的二进打开数据dat、3ENVI

项，ENVI能 一标准文件类型的若干格式，包括精选的遥感格式、军事格式、数字高程模型格式、图像处理软件格式及通用图像格式。I从 打开landsat打开MODIS数 33ENVI增强数据的输出（ChipviewToandExportViewTo）后续图像拉伸4认识ENVI（ENVI的界面4142444图层管45认识ENVI（ENVI的界面菜单栏各功能菜单介

OpenOpenOpenWorldOpenRemote打开数据RemoteConnectonVSaveChpVewExportVewDataCloseAllFShortcutEx44认识ENVI（ENVI的界面4.2File1以真彩色加载显 2重置波段选2以假彩色加载显 3栅格色彩分3以灰度图加载显 4快速统44ENVI（ENVI的界面File动DataManager等 显示设置：设置默认数据拉伸方法、缩放因子、缩放插值方法、 的显方法、测量时的单等44认识ENVI（ENVI的界面4.2File为了提高ENVI运算效率打开经典界面，缓冲大小（cachesize），可以设置为物理内存的50-75%左右，ImageTile原则 过4M，如果64位操作系统内存8g，可设置为50-100M。 混杂的各种各样的五花八门的多方面的44认识ENVI（ENVI的界面4.2Edit、PlaceMark菜单（编辑、书签菜单 44认识ENVI（ENVI的界面4.2View菜单（视窗菜单44ENVI（ENVI的界面Display菜单（显示菜单1自定义拉伸（交互式拉伸 44认识ENVI（ENVI的界面4.2DisplaySpectralLibrary44认识ENVI（ENVI的界面4.2DisplaySpectralLibrary44认识ENVI（ENVI的界面4.2Display：2DScatter44认识ENVI（ENVI的界面4.2Z波普剖面[指针处像元波普图（所有波段44认识ENVI（ENVI的界面4.2Display：CursorMap:754435.5009, MGRS:50RQPProj:UTM,Zone50N,WGS-File:Data:[6824,11594,44认识ENVI（ENVI的界面4.2Display：Portal—ViewBlend—ViewFlicker—View44ENVI（ENVI的界面拉量4认识4认识ENVI（ENVI的界面像元定位输入坐标值，Enter，则图像将显示在图像中心的位4认识ENVI（ENVI的界面•像元定位输入坐标值，Enter，则图像将显示在图像中心的位地图坐标，平面坐44ENVI（ENVI的界面拉增强数据的输出（ChipviewToandExportView44ENVI（ENVI的界面量4认识ENVI（ENVI的界面图层管 •重命输出图层为窗口显示于最上更改RGB组合显图层排新建 图对图层进行灰度分波段动剖查看元数快速统缩放图层至当前视缩放图层至栅格分辨加载注加载当前栅帮4认识ENVI（ENVI的界面

异常探波段代变换检图像分面向对象信息提滤波工几何校正工图像融数图像镶工辐射校栅格数据管 区工时空模式分流程化工光谱分统计工目标探高光谱分析流程化工地形工图像转矢量工扩展工44ENVI（ENVI的界面ResizeData(重采样—改变栅格大小44ENVI（ENVI的界面ResizeData(重采样1、NearNeighbor最近邻法取待采样点周围4个相邻像素点中距离最近的1个邻点的灰2、Biliner双线性内插法利用周围4个邻点的灰度值在两个方向上作线性内插以得到待采4 55主要商 、Landsat8、哨兵数据介绍、波段组 影像、影像都是2米级别国外商 影像（）：WV3——0.31米，WV2/WV1——0.46）：0.41）：0.6 无人 主要商 、Landsat8、哨兵数据介绍、波段组55主要商、Landsat8、哨兵数据介绍、波段组标准的数字相机拍摄得到的图像是真彩色的和人眼看到的一，红、绿、篮三个波段分别用红、个显示当器有 波段，我们就可以得到 的信息，以Ld为例，某些特殊的光谱波段可以帮助我们看到一些特殊的地物特征，或者可以透过“现象看到本质”。比如，近红外波段（NI）是多光谱传器常用的一个通，因为在该通道，植被的反射率非常高，所以这个波段对于监测植被很有效；外波（SWI）对监测土非常有效，它可以反应出土表面的湿度情类例还有。下面以Landat的RG组合下显示的效果及其应用。主要商 、Landsat8、哨兵数据介绍、波段组色，地显示为品红色，休耕地显9）5,7,1——假彩色合，有效监测植被和水体。这种波段组合使用了近红外波段短波红外2波段和海岸波段，海岸波段是Landst独有的，可以 一些很小的微粒如灰尘烟雾等，还能 浅的水55、Landsat8 （GSC） 系列，由欧 （EC）投资，洲航天局（ESA）研制。“哨兵”系 主要包括颗哨 、2颗哨兵 （2015年A星，2017年B）、2颗哨兵 、2个哨兵－4载荷、2个哨兵－5载荷1颗哨兵－5的先导星——哨兵－5P，以及1颗哨兵 55、Landsat8合 移动网络55主要商、Landsat8、哨兵数据介绍、波段合 5主要商 、Landsat8、哨兵数据介绍、波段组 Sentinel2A在ENVI中打号，欧空局修改了哨兵2号（S2）数 名规则，这导致ENVI53仅能打开此前获取的S2数据，而之的数据仅能在 版54、55中打开5主5主要商、Landsat8、哨兵数据介绍、波段组 Sentinel2A在SNAP中打5主要商 、Landsat8、哨兵数据介绍、波段组 Sentinel2A在ArcGIS中打66数据预处理 66 图像的畸变看成是几何上的一些变形比如、偏移等，利用畸变图像和参考图像之间的对应点（的控制点）求算两者之间的几何畸变模型，利用求算的模型进行校正）。几何校正（基于地面控制点的几何校正1、RST仿射变2、Polynomial多项式变3、Taiangulation局部三角

地 计算RMS

1、NearNeighbor最近邻法3、CubicConvolutionRMSEerror=sqrtRMSEerror=sqrt（（x’-x）2+（y’-66几何校正（基于地面控制点的几何校正控制点个数与阶数n的关系：一般软件原理上1、NearNeighbor最近邻法：取待采样点周围4个相邻像素点中距离最近的13、CubicConvolution三次卷积内插法：度值变化率的影响。计算时用周围的1666几何校正（基于地面控制点的几何校正基于图像的配准（Imageto12266几何校正（基于地面控制点的几何校正431米(m)~=3.28084英尺66几何校正（基于地面控制点的几何校正基于地图的配准（Imageto1221、选择永久性地物1、选择永久性地物水塘地 道路的交叉口小 大2、点要分布均匀地形图控制 一般35个以上6影像融法直接获取这样的影像，为此图像的融合技术就出现了。MSSPANLandsatTM30m），分辨率融合通常用于产生高分辨率，多光谱图像。对于分辨率融合最为重 6数据预处6数据预处6.2像融融合适用范HSV光谱信息保持较好，受波段限制--3Brovey变换该方法使用比例算法来组合水和高反射率区域（例如城市特征）中提供对比度）射度很重要，则不应使用BrvyTfm。然而，在图像直方图的和高端产生具有较高对比度的RGB图像并且用于产生“视觉上吸引人的”图像是有利的。由于Bvy变换旨在产生RGB图像，因此一次只能从输入多光谱场景中合并三个波段，例如SPOT或LtTM图像的波段,2,，或者来自Lndat的4,,2TM图像。然后，结果合并的图像应显示带1,2,3到RGB乘积运算融合适融合适用专为高空间分辨率影像设计，能较好保持影像的纹理和光谱信息 tirDiffusin(Diffusni算法，输入图像支持标准地理和投影坐标系统、具备RPC信息和基于像元位置（无空间坐标系）几种地理信息元数据类型；支持多线程计算，能进行高性能处理。融合结果对于色彩、纹理和光谱信息，均能得到很好保留。NNDiffuse是的融合算法，支持最近传感器类型，如Lndat8、SOT、Woldiw2/3、liaes1A/1B、uiBird、GeEye1、EO1ALI、IOS、DubiSt-/2、igeiSt2、高分数据等，融合结果对于色彩、纹理和光谱信息，均能得到很好保留。这种方法可以满足绝大部分多光谱与全色分辨率为整数倍关系的图像融合，推荐使用。像融像融

66图像图像6数据预处6.3像镶无缝镶嵌基于像素实际工作中的色彩调整调色ps一景一景 较大的envi的作用（colorbalancing）内陆海边6数据预处理6.4像裁66HOWHOW66众所周知我们的地球表面是一个凸凹不平的表面，而对于地球测量而言，地表是一个无法用数学公式表达的曲面，这样的曲面不能作为测量和制图的基准面。假想一个扁率极小的椭圆，绕大地球体短轴旋转所形成的规则椭球体称之为地球椭球体。地球椭球体表面是一个规则的数学表面，可以用数学公式表达，所以在测量和制图中就用它替代地球的自然表面。因此就有了地球椭球体的概念。地球椭球体有长半径和短半径之分，长半径()即赤道半径，短半径(b)即极半径。=（-b）。由此可见，地球椭球体的形状和大小取决于ab、f。因 6大地水准面指平均海平面通过大陆延伸勾画出的 大地基准面心的位置不同，需要最大限度的贴合自己的那一部分，因而大地基准面就会不同。在G中大地基准面指目前参考椭球与WG84椭球的相对位置关系（3个平移、3旋转、1个缩放，参数）。6数据预处理6.5坐标系定义及投影转椭球长半基于这四个椭球，建立了我国常用的四个基准面和地理GCS_WGS1984(基于WGS84基准面) GCS_GGCS2000(基于CGCS2000基准面6666坐标系定义及投影转地理坐标系（GeogrpahicCoordinateSystem）GCS：1）坐标的标系统；2）描述地球上某一点所处的位置；3）投影坐标系（P）使用基于X,值的坐标系统来描述地球上某个点所处的位置。这个坐标系是从地球的近似椭球体投影得到的，它对应于某个地理坐标系。投影坐标系由以下参数确定地理坐标系（由基准面确定，比如：54、西安80、CGCS2000。基准面是利用特定椭球体对特定地区地球表面的近，因此每个国家或地区均有各自的基准面，我们通常称谓的54坐标投影方法（比如高斯－克吕格（TM的变种）、Lambert投影、UTM投影、TM（通用横轴墨卡61、高斯--克吕格投影（Gu-Krgr），横轴等角切椭圆柱投影，我国基本比例尺地形图1 5000，1:1万，1:2.万1:5万，1 10万，1:25万，1:50万都采用该投影。2、通用横轴墨卡托投影(UTM，UniversalTransverseMercator)横轴等角割圆柱投影，椭圆柱割地球南纬80度， 高斯--克吕格投影（Gu-Krg）和通用墨卡托投影()都是横轴墨卡托投影的变种，6高斯--克吕格投影（Gauss-（此子午线称为或轴子午线）体中心，然后用一定投影方法，将上，再将此柱面展开即成为投影面。6高斯--克吕格投影（Gauss-高斯-度分带和312.5万~~~150万的地形图采用度分带投影，即经差为度，从零度子午线开始，自西向东每个经差0个带。我国度带子午线的经度，由°起每隔6°而至15°，共计12带（12～23带），带号用N表示，子午线的经度用L0表示们的关系是L0=6n-1∶1万和1:2.5万的地形图采用3度分带，从东经1.5度的经线开始，每隔3为一带，全球共划分120个投影带。我国带共计22带（24～45带）。66高斯--克吕格投影（Gauss-在投影面上 子午线和赤道的投影都是直线，并且 子午线和赤道的交点0作为坐标原点， 子午线投影为横坐标x轴，以赤道的投影为纵坐标y在我国坐标都是正的，坐标的最大值（在赤道上，°带）约为330m。为了避免出现负的横坐标，可在横坐标上加上066数据预处理6.5坐标系定义<椭球体名称>,<长半轴>,<短半轴注：为了更好的与ArcGIS系列产品兼容，从ENVI4.7开始，所有产品包括ENVI、ENVI+IDL、ENVIZoomENVIEx，全部采用ArcGIS投影转换引擎66数据预处理6.5坐标系定义D_Beijing_1954,Krasovsky,-12,-113,-D_Xian_1980,IAG-75,0,0,D_China_2000,CGCS2000,0,0,确定大地基准面的关键是确定7个参数（或者其中的几个参数dxdydzrxrzds(7参数)中，dx、dy、dz是x、y、z，3个轴对于WGS84基准点的平移参数，单位为m。rx、注：为了更好的与ArcGIS系列产品兼容，从ENVI4.7开始，所有产品包括ENVI、ENVI+IDL、ENVIZoomENVIEx，全部采用ArcGIS投影转换引擎66数据预处理6.5坐标系定义参注：为了更好的与ArcGIS系列产品兼容，从ENVI4.7开始，所有产品包括ENVI、ENVI+IDL、ENVIZoomENVIEx，全部采用ArcGIS投影转换引擎66数据预处理6.5坐标系定义66数据预处理6.5投影转换一般的情况是两种：1）相同椭球体地理坐标系与平面坐标系之间的互转；2） 66数据预处理6.5投影转换一般的情况是两种：1）相同椭球体地理坐标系与平面坐标系之间的互转；2）图像增强：图像增强是通过各种增强算法，提高影像的显示效果。图像增强的实质是提高影像的质量和突出所需要的信息，从而有利于分析判读或进一步处理。1卷积滤波、形态学滤波、纹理分析、焦点分析2、辐射增强：通过对单个像元的灰度值处理进行变换处理来增强图像拉伸、直方图匹配、亮度反转、噪声处理3主成分分析、色彩空间变换、指数计算空间增 通滤波（HighPss）、低通滤波（LowPass）、拉普斯算子（Laplacian）、方向滤波器、高斯高通录播（GussianHighPass）、高斯低通滤波器（GussianLowPass）、中值滤波（Median）、索伯尔算子（Sobel）、空空间增强—卷积滤辐射增强辐射增强—7图像增强7.277图像增强7.3主成分分析（PCA）：主成分分析（又称因子分析），是将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法。主成分分析会变换多波段影像以移除波段间的相关性。输出影像中的信息主要集中在头几个波段中等。空间增强—77图像增强7.3NDVI：NDVI（NormalizedDifferenceVegetationIndex,归一化差分植被指数,标准差异植被指数)，也称为生 ZY3NDVI空间增强—

分类流程化工决策树分收集端元光分类后处栅格色彩分监督分非监督分88影像分类遥感影像分类，是以遥感数字图像为研究对象，在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，对遥感图像中各类地物的光谱信息和空间信息进行分析处理，依据其特征变量，将特征空间划分为互不的子空间，把各个像元划归到各个子空间的过程。影像分类是从多波段栅格影像中提取信息类的任务。基于影像分类生成的栅格可用于创建专题地图。分类的目的是将研究区域中的每个像元都分配到类或目录。类或的示例包括土地使用类型、熊更喜欢的位置以及雪崩的可能性等。根据分析人员与计算机在分类过程中的交互情况，将有两种类型的分类：监督分类和非监督分类。还有目前常见的决策树分类。88影像分类在监督分类中，你有一个要素的采样。如您知道在研究区域的北部有一片针叶林，因此您通过在地图上用一个面（或多个面）将其包围来识别它。然后，分别为麦田、市区建筑物和水域创建一个面来将其包围。您继续执行此过程，直到有足够多的要素来表示类，且数据中的所有类均已被识别为止。每组要素都被视为一个类，而包围该类的面便是训练样本。将训练样本识别完成后，对其进行多元统计数据计算以建立类内部与类之间的关系。统计数据 在特征文件。在非监督分类中，你不知道任何指定位置处的要素实际上是什么，但是你想要将每个位置聚合为指定数量的组或聚类之一。由什么来确定每个位置要分配给哪个类或聚类取决于对输入波段进行的多元统计数据计算？根据聚类中每个像的统计数据将在特征文件中。术描图通过用光学或电子设备扫描地球表面而生成的栅格数据集。常见示例包括扫描文 遥感数据（如影 热的强度值或电像像元是栅格数据中最小的信息单位。每个像元都代表地球上对应单位区域位置上的某一测量像元通常是方形。每个像元所表示的区域面积取决于栅格分辨率。高分辨率（大比例）栅格像元表示的区域积较小，通常采用像平方米这样的单位来计量。低分辨率（小比例）栅格中的像元表示为大面积区域取一个相同的值，通常采用像公顷或平方公里这样的单位计量。像在影像或栅格地图中的最小信息单位，通常为正方形或矩形。术语“像素”在使用时通常与“像元”含义相影像分将影像中的像素排序或排列成类或簇的过程。根据分析人员与计算机的交互情况，现有两种类型的影像分类：监督分类和非监督分类。监督分这种影像分类方法基于分析人员所的训练样本。训练样本会“指示”软件如何对影像中的其余像素进行分类。非监督分这种影像分类方法是在没有分析人员介入的情况下将影像中的像素排序成簇。该过程只取决于属性空间中像素值的分布。分影像中表示地球表面上同一物体的一组像集在属性空间中可区分的一组像素。簇与类相似，只是执行聚类分析时它所表示的地表物体是未知的训练样影像中的样本区域，用于在监督分类中表示各个类。训练样本提供了影像中类的示例，以使分类工具知道如何对其余像素进行分类。特征文特征文件用于记录一系列波段的不同类的频谱特征。对于每个类，特征都包含根据其训练样本计算得出的平均值和协方差。8影像分类计算每个像元与新聚类中心的距离，取距离最短的类别作为这一像元的归属，计算新的类中心。 3）计算每个像元对应的特征量与个聚类中心的距离，取距离最短的类别作为这一像8影像分类选取选取训图像分类分类模像元输输出8影像分类8非监督分类K-Means算法andIsoData算法聚类分析88IsoData算法实在k-means算法的基础上加入了试探性的步骤，能够吸收中间成果的经验，在迭代的过程中可以进行类别的分离和合并，具有“自组织性”，是目前应用最广泛的非监督分类算法。影响该分类算法分类结果的有迭代次数、 8非监督分类8非监督分类8非监督分类88非监督分类（分类后处理B88非监督分类（分类后处理B8影像分类选取选取训图像分类分类模像元输输出88影像分类8.21）创建训练样本（绘制感区其他（··）林8影像分类8.2监督分88影像分类8.23）1、88影像分类8.23）在 空间中每个类样本中的像元呈正态分贝叶（先验）决策理论将各个像元指定给以分类模板表示的类时，此方同时考虑类模板的方差和协方差。假设类2ⁿ-模糊性不确定性88影像分类8.23）2ⁿ-8影像分类8.2监督分指用计算机模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的、思考过程应用于图像使用NeuralNe选项可以应用一个分层的正向（feed-orar）神经元网络分类。该技术在进行监督学习时使用标准的后向 技术（bakpopgaio）。用户可以选择所用的隐藏层的数量，也可以在对数和双曲线活化（activatio）函数之间选择所需函数。由于调整节点中的权重可以使输出节点活化与所需的输出结果间的差异达到最小化，因此神经元网络技术利用该方法对发生的事件进行学习在过，误差在网络中后向 同时使用递归法调整权重。也可以使用神经元网络来进行一个非线性分类。8影像分类8.2监督分3）执行监督分11、通过“SletClsssfrmRgins”列表中点击感 区名称，选择要绘制的类别。通过点击相应的切换按选择所需的活化方。2、在“TrainngThresholdContribution”文本框中，输入一个0-1的值。该参数决定了与节点活化水平相关的和所希望的回应间的误差达到最小。将该参数设置为0不会调整节点的内部权重。适当调整节点的内部权重可以生成一幅较好的分类图像，但是如果设置的权重太大，对分类结果也会产生不良影响。3、在“TrainingRate”文本框中，输入一个0-1的值。该参数决定了权重的调节速度（magnitude）。大的参数值会使训练速度加快，但也会使磁盘振动（oscillations）并且使训练结果不集中。4、在“TrainingMomentum”文本框中，输入一个0-1的值。该值大于0时，在“TrainingRate”文本框中键入较大值不会引起磁盘振动。该值越大，训练的步幅,越大。该参数的作用是促使权重沿当前方向改变。5、在“TrainingRMSExitCriteria”文本框中，指定RMS误差为何值时，训练应该停止。注意：RMS、在“brofiddnLyr文本框中，键入所用的隐藏层的数量。要进行线性分类，键入值为0。没有隐藏层，1，因为当输入的区域并非线性分离或需要两个超平面才能区分类别时，必须拥有至少一个隐藏层才能解决这个问题。两个隐藏层用于区分输入空间，空间中的不同要素既不也不相连。注意：要输入一个最小输出活化阈值，在“MinOutputActivationThreshold”文本框中键入一个8、如果被分类像元的活化值小于该阈值，在输出的分类中，该像元将被归入未分类中（unclassified）。选择输出到“File”或“Memory”。通过点击“OutputRuleImages切换按钮选择“Yes”或“No”，设定是否输出规则图像如果选择“Yes”，为规则图像选择输出到“File”或“Memory”。注意：如果输出规则图像，则为每一类生成一幅规则图像。该图像为某一类别中的每个像元输出活化值、RS误差。如果riigR”文本框中，输入一个较小值，或者使用不同的感区。操作完毕后，神经元网络分类结果图像和规则图像（如果选择）将出现在可用图层列表中。88影像分类8.23）支持向量机分类：支持向量机分类（SV）是一种建立在统计学习理论（StatstcalLernngTeo或SL）基础上的机器学习方法。SV可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。8影像分类8.2监督分3）执行监督分88影像分类8.23）12 矩8影像分类8.2监督分3）分类精度评数目沿着Kap系数：通过所有地表真实分类的像元总数乘以 矩阵对角线的和，减去某一类中地表真实像元总数与该中被分类像元总数之积的所有类别求的结果，然后除以总像元数的平方减对某一类中地表真实像元总数与该类被分类像元总数之积的所有类别求和结得的。88影像分类8.2A、Majority/Minority分析: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.输入内核大小，内核中的中心像素将替换为内核中大多数像素所具有的类值。如果选择“少数分析”，则内核中B、分类聚合ClassificationAggregation：将小的、的斑块聚合成大的斑块，对分类结果中包含C、聚类分析clumpclasses：将相邻的类别合并在一起。使用Clump类使用形态 在一起。分类图像通常缺乏空间一致性（分类区域中的斑点或洞）。可以使用低通滤波来平滑这些图像，但是类信息会被相邻的类代码干扰。Clum 类解决了这个问题。通过首先执行扩 D、过滤分析（sieve）：使用SieveClasses来解决分类图像中出现孤立像素（孤岛）的问题。过滤处理使用斑点分组方法来消除这些被的分类像元。类别筛选方法通过分析周围的4个或8个像元，判定EF、分类叠加（OverlayClasses）8影像分类8.2监督分类：4）分类后处理A、Majority/Minority分析8影像分类8.24）分类后处理B、分类聚合Classification8影像分类8.24）分类后处理C、聚类分析clump8影像分类8.2监督分类：4）分类后处理D、过滤分析8影像分类8.2监督分类：4）分类后处理E、分类统计Total（累积点的数量）、Pct（每个灰度值的百分比）、和AccPct（累积百分比）（Covariance8影像分类8.2监督分类：4）分类后处理F、分类叠加8.2监督分类：4）分类后处理G、分类结果转矢量1010波段运算与波普运算1、BandBandMath框定义用作输入的波段或文件，调用用户波段数学函，以及将结果写入文件或 器。Bdh函数通过将变量映射到bd或文件来空间 数据。使用数据平铺自动访问太大而无法完全读入内存的空间数据。右图描绘了添加三个波段的波段数学处理。表达式中的每个波段被映射到输入图像波段，求和，并作为结果图像数据输出。您可以将表达式的一个或多个变量映射到文件，而不是将每个变量映射到单个波段。结果输出是一个新的图像文件。例如，在表达式b1+b2+b3中，如果b1被映射到文件并且b2和b3被映射到单个带，则所得到的图像文件包含与b2和b3相加的b1文件的带。10.1BandBandMath1、BandMath表达式必须是单个IDL语句 定义处理算法或BandMath表达式的语法需符合IDL的语法。但是，简单的BandMath表达式不需要IDL的先验知识。如果计划执行复杂处理，请参阅在BandMath中使用的IDL知识。BandMath表达式可以包含任何有效的IDL2、所有输入波段必须具有相同的尺寸：表达式以逐个像素（pixel-by-pixel）为单位应用。因此，输入波段（3、表达式中的所有变量必须命名为Bn（或bn）：表达式中表示输入带的变量必须以字符“b”或“B”5个数字字符。例如，添加三个波段时，以下所有表达式都有效b1+b2+b3、B1+B11+B111、B1+b2+结果。MAX（B1）不能得到正确的结果，但是可以b1/MAX(B1).示 b1+b2+TheBandMathtoolhasfourbasicTheBandMathexpressionmustbeasingleIDLstatement:Thesyntaxfordefiningyourprocessingalgorithm,orBandMathexpression,isthatofIDL.However,simpleBandMathexpressionsdonotrequirepriorknowledgeofIDL.Ifyouplanto plexprocessing,refertoIDLTipsforUseinBandMath.ABandMathexpressionmustbeasingleIDLstatementintheformofafunction:result=expressionIntheBandMathdialog,enteronlytheexpressionpartofthefunction.YourexpressioncanincludeanyvalidIDLfunction,includingthosethatwriteAllinputbandsmusthaveidenticaldimensions:Theexpressionisappliedonasimplepixel-by-pixelbasis.Therefore,theinputbands(towhichyourexpressionisapplied)mustallhavethesamespatialdimensionsinsamplesandlines.Furthermore,BandMathdoesnotautomaticallycoregisterimagesthatareAllvariablesintheexpressionmustbenamedBn(orbn):Thevariablesinexpressionthatrepresentinputbandsmustbeginwiththecharacter“b”orfollowedbyupto5numericcharacters.Forexample,allofthefollowingexpressionsarevalidwhenaddingthreebands:b1+b2+b3B1+B11+B111B1+b2+Theresultmustbeabandofthesamedimensionastheinputbands:Theexpressionmustproducearesultwiththesamespatialdimensionsinsamplesandlinesastheinputbands.数据类转换函数据范B12）unit(U2L44.4D8long64(8881010Band数据类1010Band1、数值溢出IDL8bit230BB1+5识别为16bit数据、以LandSat8求NDVI为例(Nir-(float( mustproducearesultwiththesamespatialdimensionsinsamplesandlinesastheinputbands.1010波段运算与波普运算IDLFOR循环的使用（不允许在波段运算中使用关系运算符对真值（关系成立）返回值为1（关系不成立）返回值为0示例要找出所有负值像元并用值-999代替它们，可以使 (b1lt0)*(-999