遥感图像处理基本操作——遥感图像信息提取(PCI和ENVI)详细步骤

引入

nbsp;遥感图象中含有大量丰富的信息,从这些海量、不完全的、有噪声的、模糊的、随机的实际应用遥感影像数据中提取出蕴涵在其中的大量的对用户有用的信息(例如地物、植被、温度等),并将其(形成结构化的数据)放入数据库中或以其它形式提供给用户查询使用的过程称之为遥感信息提取。

(1) 掌握遥感图像信息提取的目的、原理于方法。

(2) 熟练使用专业遥感图像处理软件,进行图像信息提取。

二、 实验准备

(1) 实验地点:新地学楼250

(2) 实验时间:2019年12月6日

(3) 实验名称:遥感影像的信息提取

(4) 实验软件:PCI、ENVI

(5) 实验数据:LandSat8 遥感数据

三、 实验内容

(1) 利用遥感图像处理的专业软件进行波段比值处理;

(2) 利用遥感图像处理的专业软件进行主成分分析;

四、 实验步骤

Part 1 ENVI软件进行波段比值处理

  1. 加载数据:将数据全部解压缩到同一文件夹下,运行ENVI软件(使用的是旧版本的界面class64bit),使用【File】|【Open External File】|【Landsat】|【GeoTif】加载.met数据,加载后的数据如图1所示,共有6个波段,波段数为1,2,3,4,5,7。

我们这里将数据另存为pix格式数据。

  1. 比值处理:依次点击【Basic Tools】|【band Math】,打开波段数学处理对话空,输入公式:(float(B2)-float(B1))/(float(B2)+float(B1)),点击Add to List 按钮,B1波段选择波段3,B2选择波段4,输出结果选择"Memory",点击OK。

这里有一处注意事项。我们知道遥感图像的每一个波段都是以灰度级数存储的,每个像元值的大小都是整数,而我们如果直接输入公式(B2-B1)/(B2+B1),就会导致结果出现负数、舍去小数部分等,这样就会丢失大量信息,所以正确的做法是进行格式的转换,将正整数转换为浮点数,这样就不会丢失小数部分,就可以较大程度的提取出我们想要的信息。

下图是进行格式转换和不进行格式转换的结果(左图进行格式转换,右图未进行格式转换)

Part 2 PCI软件进行主成分分析处理

  1. 数据加载:运行PCI软件,使用ImageWorks模块加载上一部分转换保存的pix格式数据,然后我们在File Utilities对话框中查看加载数据的通道数,如下图所示,加载的数据共有6个通道。

  2. 添加通道:在File Utilities对话框下,依次点击【Edit】|【Add channels】,这里选择添加六个通道,如下图所示:

  3. 主成分分析:使用Xpace模块,打卡该模块,依次选择【Multispectral Analysis】|【PCA】,单击打开主成分分析模块,如下图所示:

(1) FILE:输入进行主成分分析遥感影像,这里选择上述加载的pix数据。

(2) DBIC:输入影像的原始有数据的6个波段,如下图所示:

(3) EIGN:输入1,2,3,4,5,6,注意要在英文格式下输入,如下图所示。

(4) DBOC:设置输出通道,输入新添加的用来存放主成分分析成分因子数据的波段,如下图所示:

(5) MIDPOINT:保持默认

(6) DEVRANFE:保持默认

(7) MASK:保持默认

(8) RTYPE:设置为LONG,如下图所示:

(9) REPORT:设置输出文件格式,默认为TEMP,输出在显示屏上,这里我们设置输出为txt文件,如下图所示:

最终的设置如下所示:

点击Status,检查输出状态,如下图所示:

点击"Run"按钮进行输出。

  1. 结果分析:我们通过查看输出的txt文件对结果进行分析。

(1)原始通道含有信息比较:

根据输出结果的均值Mean,我们可以看到第四波段含有的信息最多,第一波段次之,再然后是第五波段,第六波段含有的信息最少,下面我们通道单独打开各个波段,对各个波段信息进行比较。

根据输出结果的离差,我们也可以看到第四波段的信息是详细的,如下所示:

(2)协方差矩阵:利用其可以进一步计算波段的相关性大小,相关性越大重复内容越多。

(3)主成分因子分析:根据输出结果,我们可以看到第一个主成分贡献率最大,前三个主成分的贡献率已超过98%,如下图所示:

因子的选取我们需要根据实际目的和应用场景,例如如果是为了压缩数据,我们可以选择前三个主成分因子,舍去后三个,而如果是为了找矿,反而后面贡献率小的可能更重要。

(4)因子系数分析:行代表主成分因子,列代表波段,每个值都是一个主成分因子表示的某个波段的系数,其中正值表示反射,负值表示吸收。例如我们需要找代表第三波段反射最大,吸收最大的因子,根据输出结果,我们可以找到是第四个主成分因子,如下图所示:

再如,我们需要找吸收最大、反射最小的波段,根据结果,我们难以找出较为合适的波段,此时我们可以进行思维的转换,找吸收最小、反射最大的,然后进行求反操作即255-灰度值。

(5)弱信息提取:

五、 实验总结

此次的实验内容是遥感图像的信息提取,包括两个部分,使用比值法提取信息和使用主成分分析法提取信息。这里我们需要注意波段和通道的区别,其中波段是获取的在一定波长范围内存储的图像,原始特征是黑白图像,是一个灰度图像,是0-255之间的灰度值,如第一波段,第二波段,而通道是用来存储波段的空间,用来存储数据的,通道是自由的,大小可以自由定义,而波段最多7个,通道可以是无限的,但受到硬盘存储空间的限制。另外我们需要注意的就是在实验的过程中,存放目录不要太深,而且路径不能有中文。

图像信息提取抓紧专题信息,扩大微小差异,消除地形、光照等环境的影响,其只是遥感图像处理的一个方面,遥感图像处理还包括图像增强、图像变换、图像融合等,我们需要对这些方面有较为清晰的认识,这样在对遥感图像进行处理分析时,才能够快速、准确地得到较为理想的图像。

相关推荐
可惜已不在34 分钟前
AI 搜索引擎工具集合
人工智能·ai
Landy_Jay38 分钟前
深度学习:基于MindSpore实现CycleGAN壁画修复
人工智能·深度学习
Langchain1 小时前
不可错过!CMU最新《生成式人工智能大模型》课程:从文本、图像到多模态大模型
人工智能·自然语言处理·langchain·大模型·llm·大语言模型·多模态大模型
龙的爹23331 小时前
论文翻译 | Generated Knowledge Prompting for Commonsense Reasoning
人工智能·gpt·机器学习·语言模型·自然语言处理·nlp·prompt
龙的爹23331 小时前
论文翻译 | Model-tuning Via Prompts Makes NLP Models Adversarially Robust
人工智能·gpt·语言模型·自然语言处理·nlp·prompt
方世恩2 小时前
【进阶OpenCV】 (5)--指纹验证
人工智能·opencv·目标检测·计算机视觉
A_lvvx2 小时前
OpenCV透视变换
人工智能·opencv·计算机视觉
百锦再2 小时前
自动驾驶的技术实现及原理
人工智能·机器学习·自动驾驶
AcademicIdeas学境思源2 小时前
避免学术欺诈!在ChatGPT帮助下实现严格引用并避免抄袭
人工智能
鲸~屿3 小时前
计算机视觉 第十章OpenCV
人工智能·opencv·计算机视觉