《ENVI高光谱分析》课件

《ENVI高光谱分析》课件简介高光谱遥感技术概述高光谱遥感技术高光谱遥感技术是利用光谱信息来识别地物的一种技术。它使用传感器采集地物的光谱信息，通过分析光谱数据来识别不同地物。光谱信息光谱信息是指物体反射或发射的光在不同波长上的强度分布。通过分析光谱信息可以识别地物的种类、状态和变化。高光谱图像的特点及应用领域多波段、高光谱分辨率、高光谱信息量农业监测、地质勘探、环境监测、水质分析精准农业、矿产资源开发、环境污染治理ENVI软件介绍及主界面功能ENVI是一个功能强大的遥感图像处理和分析软件，由美国Exelis公司开发。它为各种应用提供了丰富的工具和功能，包括高光谱图像分析。ENVI软件的界面直观易用，主要包含以下几个部分：菜单栏：提供各种功能和操作选项工具栏：包含常用工具的快捷按钮数据视图窗口：显示加载的图像数据属性窗口：显示选定数据或对象的属性信息结果窗口：显示分析结果和日志信息导入高光谱数据及预处理1数据格式ENVI支持多种高光谱数据格式，如ENVI、BIL、BIP、BSQ等。选择合适的格式进行导入。2数据校正对原始数据进行校正，以消除传感器误差、大气影响等因素，提高数据质量。3辐射定标将数字量化值转换为辐射亮度值，为后续分析提供准确的辐射信息。4大气校正去除大气层对信号的影响，还原地表真实的光谱信息。5几何校正将图像与地理坐标系进行配准，确保空间位置的准确性。高光谱图像可视化及分析数据可视化选择合适的波段组合，生成假彩色图像，直观展现地物信息。谱线分析提取目标地物的特征光谱曲线，分析其光谱特征。光谱特征提取利用光谱特征，提取特定地物的波段范围或光谱指数。目标检测根据目标地物的特定光谱特征，识别和定位目标地物。分光光度计曲线浏览光谱特征曲线ENVI提供了光谱特征曲线浏览功能，可直观地观察目标物体的反射光谱，分析其光谱特征。数据可视化通过曲线显示，用户可以更清晰地识别不同的物质类型，例如植物、土壤和水体。像素光谱提取及分析1光谱信息分析单个像元的反射率曲线2特征波段识别特定物质的独特光谱特征3光谱库对比利用已有物质光谱库进行比对分析物质光谱库及其应用光谱库定义光谱库是一个包含各种物质的光谱信息的数据库，用于识别和分类未知物质。库建立通过收集大量已知物质的光谱数据，并对其进行校正和整理，即可建立光谱库。应用场景光谱库广泛应用于矿物识别、土壤分析、植被分类等领域。高光谱特征波段提取1识别目标提取对目标物质敏感的波段。2增强对比突出目标与背景的差异性。3简化数据减少后续分析的计算量。ENVI光谱角分类算法原理基于光谱相似性，计算待分类像素与已知类别光谱之间的角度。角度越小，相似度越高。优点对光照和大气影响不敏感，适合处理高光谱图像。应用用于土地覆被分类、目标识别、矿物探测等领域。最大似然分类算法1概率模型基于每个类别像素光谱特征的概率分布模型。2最大似然将未知像素分配给具有最大概率的类别。3精度评估通过混淆矩阵和精度指标评估分类结果。支持向量机分类算法原理寻找最优超平面，最大化不同类别样本之间的间隔，实现分类。优势对高维数据和非线性数据具有较好的分类效果，不易过拟合。应用高光谱图像分类、目标识别、人脸识别等。层次聚类及K-Means聚类层次聚类将样本逐步合并或分裂成不同的组，形成一个树状结构。K-Means聚类将样本分成K个不同的组，每个样本属于距离其最近的组中心。谱线分析及峰值提取1峰值提取识别并提取光谱曲线上的峰值波长，以识别物质特征。2谱线特征分析光谱曲线形状、峰值位置和峰值强度，揭示物质的化学组成和物理特性。3谱线分析利用光谱数据进行定量分析，识别不同物质的光谱特征并进行物质识别和定量分析。谱线微分分析及归一化1微分分析通过微分运算增强光谱曲线细节，更清晰地识别吸收峰和反射峰。2一阶微分一阶微分可以识别光谱曲线的拐点，有利于识别吸收峰和反射峰。3二阶微分二阶微分可以进一步增强光谱曲线细节，更精确地定位吸收峰和反射峰。4归一化处理将光谱曲线进行归一化处理，消除不同样本间的光照差异，提高光谱分析的精度。主成分分析及非监督分类主成分分析降维技术，提取重要信息，减少数据冗余，提高分类效率。非监督分类无需先验知识，根据数据本身的特征进行分类，如K-Means聚类。线性判别分析及监督分类1线性判别分析利用样本特征，寻找最佳分类面2监督分类根据已知样本类别，对未知样本进行分类3精度评估评估分类结果的准确性，优化分类模型异常检测及目标检测识别异常通过分析高光谱数据中每个像素的光谱特征，寻找与周围环境明显不同的像素点，从而识别出异常区域。例如：发现田野中病虫害、城市中的建筑物、或森林中的火灾。目标提取基于已知目标的特征，利用高光谱图像进行目标识别和定位。例如：利用矿物光谱库识别矿产资源，或利用植被指数监测土地覆盖变化。多种算法常见的异常检测和目标提取算法包括：光谱角映射(SAM)、最小距离分类、支持向量机(SVM)等。土地覆被/利用分类结果评估指标描述计算方法总体精度所有分类正确样本占总体样本的比例正确分类样本数/总样本数Kappa系数衡量分类结果与随机分类结果的差异程度公式计算，反映分类一致性制图精度衡量分类结果对地物边界的识别精度通过空间精度指标评估精度报告生成及分析1总体精度评估分类结果的整体准确性2Kappa系数衡量分类结果与随机分类结果之间的差异3制图精度评估分类结果在每个类别上的准确性4用户精度评估分类结果中正确分类的像素比例5生产者精度评估真实类别中被正确分类的像素比例分类结果可视化及比对ENVI提供多种可视化工具，如颜色合成、假彩色合成、图像直方图等，可直观展示分类结果。可将不同分类方法的结果进行比对，分析其优缺点，选择最优分类方案。分类结果后期处理1数据融合结合其他数据源提高分类精度2边界优化平滑分类结果边界，提高视觉效果3属性提取从分类结果中提取土地覆被/利用属性信息土壤成分反演分析1光谱特征利用高光谱数据提取土壤的光谱特征，如反射率、透射率等。2模型构建建立土壤成分与光谱特征之间的模型，例如多元线性回归、支持向量机等。3反演分析利用建立的模型，对高光谱数据进行反演，得到土壤的成分信息，例如有机质含量、粘土含量等。植被指数及变化检测植被指数利用遥感数据计算植被指数，如NDVI、EVI，反映植被生长状况和覆盖度。变化检测比较不同时期的植被指数，分析植被覆盖变化趋势，例如森林砍伐、土地利用变化等。地质矿产勘探应用高光谱遥感技术可用于识别不同矿物类型，并绘制矿产分布图。通过分析光谱特征，可以识别矿物类型，并进行矿产资源评估。高光谱数据还可以用于探测地下矿体，为矿山开采提供更准确的参考。环境污染监测应用1水污染监测利用高光谱数据识别水体污染物，如重金属、有机污染物等。2大气污染监测监测空气质量，识别污染源，如工业排放、汽车尾气等。3土壤污染监测识别土壤重金属、农药残留等污染，评估土壤环境质量。水质参数反演分析水质参数反演利用高光谱数据反演水质参数,例如浊度、叶绿素浓度、总悬浮固体等。模型构建建立高光谱数据与水质参数之间的模型关系,例如多元线性回归、偏最小二乘法等。精度评估利用独立样本或野外实测数据对反演结果进行精度评估,并分析误