ENVI，全名為Environment for Visualizing Images，作為遙感領(lǐng)域的一款專(zhuān)業(yè)軟件，以其強(qiáng)大的數(shù)據(jù)處理和圖像分析功能，在全球范圍內(nèi)得到了廣泛的應(yīng)用。本文簡(jiǎn)單介紹了ENVI遙感軟件系統(tǒng)在高光譜領(lǐng)域的應(yīng)用。

?

SPEAR Tools全稱(chēng)是光譜處理與分析?具（Spectral Processing Exploitation and Analysis Resource），在這?ENVI提供了?系列的處理?具，并形成向?qū)б龑?dǎo)使?者按照ENVI的標(biāo)準(zhǔn)處理影像。

SPEAR包含以下10個(gè)流程化處理模塊：

異常檢測(cè)模塊：搜索光譜不同的背景（譜異常）?標(biāo)

變化檢測(cè)模塊：檢測(cè)統(tǒng)?地區(qū)不同時(shí)段光譜變化的異常

?歌地球橋接器：提供?個(gè)簡(jiǎn)單的?法將ENVI中的圖像或?量?件輸出到Google Earth中

道路提取模塊：從影像中流程化提取道路信息

?體提取模塊：從影像中流程化提取河流，隱蔽?溝信息

?的相對(duì)深度模塊：從?光譜數(shù)據(jù)中快速獲取感興趣?域?的相對(duì)深度信息影像植被指數(shù)提取模塊：快捷容易地確定植被的存在情況，并?多光譜圖像可視化該植被的活??平。

船只提取模塊：船只提取模塊，利??和船的對(duì)?度。以及船的紋理特征來(lái)提取船只信息。

異常檢測(cè)模塊（SPEAR Anomaly Detection）

異常檢測(cè)提供了?種?法來(lái)搜索光譜不同的背景（譜異常）?標(biāo)，ENVI使?RXD異常探測(cè)算法來(lái)檢測(cè)光譜信息異于影像背景值的?標(biāo)。

由于植被在?些地區(qū)（?如在?燥的區(qū)域）光譜異常?較明顯，SPEAR 異常檢測(cè)模塊提供了能夠抑制植被的操作。

SPEAR異常檢測(cè)模塊能夠依靠設(shè)定閾值來(lái)減?絕對(duì)誤差。

SPEAR異常檢測(cè)模塊同時(shí)提供了濾波、核查和精度評(píng)定?具。

如果得出滿(mǎn)意的結(jié)果，可以將其輸出成shp?件的?量格式。

從影像中提取異常信息操作流程如下：

1. 在ENVI主菜單欄下，選擇Spectral > SPEAR Tools > Anomaly Detection。

彈出?件顯?對(duì)話(huà)框，選擇輸??件。（輸?的?件必須是能被ENVI

識(shí)別的多光譜數(shù)據(jù)）設(shè)定保存路徑。

2. 設(shè)定算法模型，包括RXD、UTD、RXD-UTD。

3. 設(shè)定異常檢測(cè)參數(shù)，設(shè)定Mean Source的來(lái)源，指定是否需要抑制植

被。

4. 可以重新設(shè)定參數(shù)來(lái)確定異常，最后會(huì)彈出兩幅影像，原影像與分析

后結(jié)果，以作?較。

?

變化檢測(cè)模塊（SPEAR Change Detection）

變化檢測(cè)模塊提供?個(gè)?法來(lái)檢測(cè)影像同?地區(qū)不同時(shí)段的變化，并在圖像上凸顯出來(lái)，說(shuō)明是什么要素發(fā)?了什么變化。

變化檢測(cè)模塊提供以下?種相對(duì)變化檢測(cè)?具：

Transform：輸?數(shù)據(jù)堆棧成?個(gè)圖像，然后圖像變換(主成分分析，最?噪聲?率，或獨(dú)?成分分析)應(yīng)?于所提取的特征相關(guān)的變化。Subtractive：歸?化差異植被指數(shù)（歸?化植被指數(shù)），紅/藍(lán)?，和?為的?例計(jì)算的輸?數(shù)據(jù)。得出的?率數(shù)據(jù)和波段數(shù)據(jù)從影像數(shù)據(jù)中減去以創(chuàng)建出不同的影像。

Two Color Multi-View (2CMV)：來(lái)?于時(shí)段1的波段顯?在紅?波段通道，來(lái)?于時(shí)段2的同?波段顯?在綠?波段通道和藍(lán)?波段通道，在?個(gè)圖像?區(qū)別于其他影像的亮的部分?青?表?，暗的部分?紅?表?。顏??來(lái)表?可能存在變化的區(qū)域。

?

?歌地球橋接器（Googl e Earth Bridge）

它提供了?個(gè)簡(jiǎn)單的?法將ENVI中的圖像或?量?件輸出到Google Earth 中。Google Earth是?個(gè)強(qiáng)?的數(shù)據(jù)可視化?具，它允許圖像被放置在?個(gè)區(qū)域或全球范圍內(nèi)。?歌數(shù)據(jù)橋創(chuàng)建了?個(gè)包含?量數(shù)據(jù)的kml格式?件。如果選擇縮略圖，kml格式的?量?件也會(huì)被輸出。

Google Earth不能直接直接?持包含地理坐標(biāo)的圖像，通過(guò)四個(gè)?點(diǎn)和?個(gè)定義在kml?件上的旋轉(zhuǎn)器將圖像放在地球上。為了確定圖像?件

能夠準(zhǔn)確疊加在上?，?歌地球橋接器將輸?圖像校正到向北的?向。如果可?將會(huì)通過(guò)包含全球?程數(shù)據(jù)庫(kù)的矯正器來(lái)進(jìn)?快速的坐標(biāo)校準(zhǔn)，如果快速校準(zhǔn)失敗，圖像校正的四個(gè)?點(diǎn)會(huì)被?來(lái)作為控制點(diǎn)，把圖像校正?正北?向。

?

影像—地圖校正模塊（SPEAR Image to Map Registration）

影像—地圖校正?具在保留原有的空間分辨率的同時(shí)，變換輸?的圖件來(lái)匹配基礎(chǔ)圖像的地圖信息。

1. 在ENVI的主菜單中，選擇Spectral > SPEAR Tools > Image-to-Map

Registration，打開(kāi)?件選擇對(duì)話(huà)框。

2. 選擇兩幅影像：?幅作為基礎(chǔ)圖件，另?幅是需要校正的圖件。

3. 選擇?于?動(dòng)連接點(diǎn)匹配的波段，?部分情況下，可見(jiàn)光區(qū)域的紅波

段的是?較合適的。

4. 點(diǎn)擊下?步，會(huì)彈出校正參數(shù)對(duì)話(huà)框，下?步，會(huì)彈出?個(gè)校正精度

對(duì)話(huà)框和?個(gè)連接點(diǎn)對(duì)話(huà)框。

5. 點(diǎn)擊Finish，完成處理，對(duì)出向?qū)А?/p>

5 獨(dú)?成分分析（Ind ependent Components Analysis）

它可以?來(lái)發(fā)現(xiàn)和分離圖像中隱藏的噪聲，可以?來(lái)降維、異常檢測(cè)、降噪、分類(lèi)和端元提取以及數(shù)據(jù)融合，不需要任何圖像預(yù)先知識(shí)。ＩＣＡ可以把?組混合信號(hào)轉(zhuǎn)化成相互獨(dú)?的成分，在感興趣信號(hào)與數(shù)據(jù)中其它信號(hào)相對(duì)較弱的情況下，這種變換要?主成分分析得到的結(jié)果更加有效。

6 道路提取模塊（Lines of Communication （LOC）- Roads）

?

從影像中流程化提取道路信息。操作流程如下：

1. 輸?影像數(shù)據(jù)

2. 選擇線(xiàn)性信息提取?法，有兩種?法可以選擇

監(jiān)督?法（基于波譜匹配技術(shù)）步驟如下：

1）??校正，課選擇六種??校正?法中的任意?種。

2）?戶(hù)為繪制道路選擇訓(xùn)練的像素

3）選擇波譜處理?法，繪制道路。有三種?法：SAM、MF and MF/SAM ?率，主成分分析，紅壤指數(shù)。

?監(jiān)督?法

選擇波譜處理?法，繪制道路。有兩種?法，主成分分析，紅壤指數(shù)。紅壤指數(shù)性質(zhì)如同NA VI，計(jì)算出來(lái)的結(jié)果紅壤指數(shù)以??顯?。

3. 輸出提取結(jié)果，并可以轉(zhuǎn)化成?量數(shù)據(jù)，以shapefile格式輸出。

?

?

?

?體提取模塊（Lines of Communication （LOC）- Water）

從影像中流程化提取河流，隱蔽?溝信息。操作流程如下：

1. 輸?影像數(shù)據(jù)；

2. 選擇線(xiàn)形信息提取?法，有兩種?法可以選擇

監(jiān)督?法(

基于波譜匹配技術(shù))步驟如下：

1)??校正，可選擇六種??校正?法中的任意?種。

2)?戶(hù)為繪制?體選擇訓(xùn)練的像素。

3)選擇波譜處理?法，繪制?體。有三種?法SAM、MF and MF/SAM ?

率，主成分分析，歸?化?指數(shù)(NDWI)。

?監(jiān)督?法

選擇波譜處理?法，繪制?體。有兩種?法：主成分分析，歸?化?指數(shù)(NDWI)。NDWI性質(zhì)如同NA VI，計(jì)算出來(lái)的結(jié)果是單波段灰度圖像。

輸出結(jié)果，可以將結(jié)果轉(zhuǎn)?量。

?

?

?

元數(shù)據(jù)瀏覽器（SPEAR Metadata Browser）

元數(shù)據(jù)瀏覽器從國(guó)家影像傳輸格式（NITF）圖像中提取的關(guān)鍵元數(shù)據(jù)，并??個(gè)簡(jiǎn)單的閱讀格式來(lái)顯?。此外,這個(gè)?具提供?個(gè)?法來(lái)?較多個(gè)?來(lái)變化檢測(cè)的圖像，這種?法還可以在收集影像數(shù)據(jù)時(shí)瀏覽傳感器和太陽(yáng)的三維圖形。

正射校正（SPEAR Orthorectification）

?個(gè)正射校正過(guò)的影像包含了對(duì)應(yīng)地?的真實(shí)?何、地形信息。達(dá)到?定精度的傳感器的傳感器導(dǎo)致的畸變已經(jīng)被去除。

正射校正變換把航空照?或衛(wèi)星獲得的圖像轉(zhuǎn)換為中?投影?地?的正交視圖，從?消除了因傳感器傾斜和地形起伏所帶來(lái)的誤差。整幅影像上?例尺是連續(xù)的，并忽略了?低起伏，因此能夠提供?向和距離上的精確的測(cè)量數(shù)據(jù)。地理空間專(zhuān)業(yè)從業(yè)?員可以很?便的將正射校正數(shù)據(jù)和其他的地理信息空間數(shù)據(jù)?起應(yīng)?在城市規(guī)劃、資源管理和其他相關(guān)領(lǐng)域。

泛銳化圖像融合?法（SPEAR Pan Sharpening）

泛銳化圖像融合?法是??分辨率的全?數(shù)據(jù)與較低分辨率的多光譜數(shù)據(jù)融合創(chuàng)建?個(gè)彩??分辨率的數(shù)據(jù)集。得出的結(jié)果只能做表?上的輔助分析?不能做深?的頻譜分析。

?

地形分類(lèi)?具（TERCAT）

在地形分類(lèi)（TERCAT）?具創(chuàng)建的?個(gè)輸出結(jié)果中，具有相似光譜特性的像素被分成類(lèi)。這些類(lèi)可以是?戶(hù)??定義的或是系統(tǒng)?動(dòng)?成。TERCAT?具提供所有的標(biāo)準(zhǔn)ENVI的分類(lèi)算法，加?個(gè)額外的算法稱(chēng)為“贏家通吃”。

?

?的相對(duì)深度模塊（Relative Water Depth）

從?光譜數(shù)據(jù)中快速獲取感興趣?域的?的相對(duì)深度信息影像。操作流程如下：

1. 輸??光譜影像；

2. ??校正，提供五種可供選擇的?法（模糊減少，平均域，對(duì)數(shù)殘差，

IARR反射率，經(jīng)驗(yàn)線(xiàn)性）。如果沒(méi)有特殊要求，在本流程中建議不執(zhí)?

該步驟，因?yàn)樵?域的??校正過(guò)程中，常常引起計(jì)算出來(lái)的相對(duì)?深

數(shù)據(jù)效果不太令?滿(mǎn)意，甚?異常。

3. 選擇計(jì)算?的相對(duì)深度的?法，有兩種?法供選擇：對(duì)數(shù)?例轉(zhuǎn)換和主

成分分析。

4. 輸出與?深度相關(guān)數(shù)據(jù)，并把結(jié)果加載到可?波段列表中。

?

?

?

波譜相似地物提?。⊿pectral Analogues）

波譜相似地物提取模塊

從輸?影像中提取與已知波譜信息地物類(lèi)似的地物。操作流程如下：

1. ?輸?多光譜數(shù)據(jù)；

2. ?輻射校正，提供五種可供選擇的?法（模糊減少，平均域，對(duì)數(shù)殘差，IARR 反射率，經(jīng)驗(yàn)線(xiàn)性）；

3. ?選擇?戶(hù)感興趣區(qū)域ROI ；

4. ?選擇波譜處理?法，包括：MF、SAM 、MF/SAM 、歸?化歐?距離。

5. ?輸出突出了波譜相似地物的影像，并加載到可?波段列表中。

?

?

?

植被提取模塊（SPEAR Vegetation Delineation）

快捷容易地確定植被的存在情況，并?多光譜圖像可視化該植被的活??平。植被指數(shù)NDVI提取模塊操作流程如下：

1. ?輸??件；

2. ?輻射校正，提供五種可供選擇的?法（模糊減少，平均域，對(duì)數(shù)殘差，IARR 反射率，經(jīng)驗(yàn)線(xiàn)性）；也可以跳過(guò)這?步；

3. ?計(jì)算植被指數(shù)；

4. ?對(duì)植被指數(shù)結(jié)果數(shù)據(jù)利?顏?表附上顏?，也可以應(yīng)?密度分割的?法對(duì)植被指數(shù)結(jié)果數(shù)據(jù)進(jìn)?密度分割，保存結(jié)果。

?

去除豎條紋（Vertical Stripe Removal）

在圖像的同質(zhì)區(qū)域可能會(huì)出現(xiàn)?為導(dǎo)致的垂直條帶，這?區(qū)域的亮度與附近的亮度是不?樣的。這些?為地物使圖像很難識(shí)別，它們會(huì)為圖像的處理產(chǎn)?消極的影像。

當(dāng)圖像的背景是相對(duì)均勻（整個(gè)圖像有?致的亮度?平）時(shí)，豎條紋刪除?具去除?具?較好?。由于它可以產(chǎn)??為異常條帶，所以在異構(gòu)圖像上（如含有明亮的?地和暗??域的沿海圖像），不推薦使?此?具。

?

船只提取模塊（Watercraft Find er）

船只提取模塊，利??和船的對(duì)?度以及船的紋理特征來(lái)提取船只信息。操作流程如下：

1. 輸?待處理?件；

2. 選擇船只探測(cè)的處理?法，有兩種?法供選擇：

texture based search 基于紋理的提取，該?法允許?戶(hù)?先創(chuàng)建?個(gè)陸地和?的掩膜，然后?主成份分析的?法增強(qiáng)?和船的對(duì)?度，最后利?紋理特征提取船。

Two band scatterplot允許?戶(hù)增強(qiáng)?維散點(diǎn)圖中典型地物所在的像素，從?增強(qiáng)船與?的對(duì)?度。

3. 選擇紋理提取的?法，有pca和skip pca兩種?法，如果影像的近紅外

波段?和船的對(duì)?度很?，選?skip pca跳過(guò)這?步，如果不夠明顯，

選?pca來(lái)增強(qiáng)對(duì)?度；

4. 選擇進(jìn)?紋理特征提取的波段，（盡量選擇?和船對(duì)?度最?的波段），

?成紋理提取后影像，可以利?直?圖交互式拉伸修改提取的效果，給定紋理濾波的域值，進(jìn)?紋理濾波；

5. 去除salt and pepper以及陸地等?船信息；

6. ?成船只提取結(jié)果影像；

7. 將結(jié)果影像轉(zhuǎn)?量并?動(dòng)疊加到原始影象上。

?