ENVI高光谱数据处理流程
ENVI高光谱数据处理流程
一、显示图像波谱
1.打开文件：主菜单中，File→Open Image File→文件名.raw或者Window→Available Bands List→File →Open Image File→文件。
2.显示真彩色图像：波段列表（Available Bands Lis）中，右键→Load TrueColor。
3.*设置像素大小：主窗口（Display）中，右键→Pixel Locator。
4.绘制波谱：主窗口中，右键→Z Profile（Spectrum）。
5.收集任意点波谱：Spectral Profile中，Options→Collect Spectra，点击图像任
6.光谱平滑：Spectral Profile中，Options→Set Z Profile Avg Window，将window
7.部分光谱：主菜单→Basic Tools→Resize Data(Spatial/Spectral)→Spectral Subset，选择需要的光谱波段。生成新的文件，右键→Load True Color to
8.关闭所有文件：File→Close All Files。
二、标准波谱库
主菜单→Spectral→Spectral Libraries→Spectral Library Viewer→安装文件夹下，ITT\IDL\IDL80\products\envi48\spec_lib。
共有usgs_min、veg _lib、jpl_lib、jhu_lib四个标准波谱库。
在Spectral Library Viewer中，单击波谱名称，自动显示波谱。
三、自定义波谱库
1.输入波长范围：在菜单中，Spectral Spectral Library→Spectral Library Builder
2.波谱收集：以从影像数据中收集波谱为例：
a)打开高光谱图像，收集任意点波谱。
b)在Spectral Library Builder中，选择First Input Spectum选项，有第一次
输入波谱曲线的波长信息为准
3.保存波谱库：在Spectral Library Builder中，File→Savespectral As→Spectral Library，打开Output Spectral Library对话框，设置参数。
另有从文本文件（ASCП文件）、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱剖面和曲线等波谱来源。
四、波谱重采样
1.主菜单→Spectral→Spectral Libraries→Spectral Libraries Resampling→波谱库文件
2.在Spectral Libraries Resampling Parameters对话框中，为Resample Wavelength
3.输出重采样波谱库.sli
五、波谱库交互浏览
1.编辑数据、绘图参数
在Spectral Library Plots窗口中，Edit→Data Parameters，设置波谱名称、颜色、线性等。
在Spectral Library Plots窗口中，Edit→Plot Parameters，设置标题、X/Y轴
2.添加注记
在Spectral Library Plots窗口中，Option→Annotate Plot，手动添加注记，如文字、图形、图像等。
Annotation窗口中，Object选择注记类型后，在Spectral Library Plots窗口中左键添加，右键删除。最后右键确认。
在Spectral Library Plots窗口中，右键→Plot Key，添加注记，名称和颜色在Edit→Data Parameters中修改。
3.波谱曲线对比
打开两幅不同的绘图窗口，右键→Plot Key，添加注记，在其中之一的绘图窗口中点击一条波谱曲线的名称并按住左键，可将其拖动到另外一个绘图窗口中。
六、波谱分割
1.水平分割：主菜单→Spectral Spectral Slices→Horizontal Slice。选择图像文件后打开Spectral Slice Parameters，在Sample文本栏中，键入用于水平分割的列数。
2.垂直分割：主菜单→Spectral Spectral Slices→Vertical Slice。选择图像文件后打开Spectral Sliceparameters，在Sample文本栏中，键入用于垂直分割的列数。
3.任意方向分割：主菜单→Spectral Spectral Slices→Arbitrary Slice。选择图像文件后打开Spectral Sliceparameters。只有一个感兴趣区时，自动进行任意方向分割；由多个感兴趣区时，在Select Region For Slice列表中，点击所需的ROI，
4.
七、3D显示
主菜单→Spectral→Build 3D Cube，通过点击所需要的波段选择至于图像立
八、端元波谱提取
端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。
端元波谱获取的基本流程：
MNF变换-PPI纯净像元指数-n维可视化和端元选择-端元波谱-波谱识别端元光谱的确定有两种方式：
1.使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择
a)主菜单→Spectral→Spectral Libraries→Spectral Library Viewer，选择标准
波谱库文件
b)在Spectral Library Viewer中，单击某一物质绘制其波谱曲线
c)在Spectral Library Plots窗口中，右键→Plot Key，查看波谱库的名称
2.在遥感图像上得到的“图像端元”：
e)从二维散点图中基于几何顶点的端元提取
f)借助纯净像元指数（Pixel Purity Index——PPI）和n维可视化工具用于
端元波谱收集
g)基于连续最大角凸锥（Sequential Maximum Angle Convex Cone——简称
SMACC）的端元自动提取。
以第二种提取方法为例：
1)最小噪声分离（MNF）：
打开高光谱图像，主窗口中，File→Spectral→MNF Rotation→Forward MNF （正向MNF变化）→Estimate Noise Statistics From Data，选择高光谱图像。
在Forward MNF Transform Parameters对话框中设置参数。
●统计信息的图像范围（Shift Diff Subset）
●噪声统计文件（Output Noise Stats Filename）*
●MNF统计文件（Output MNF Stats Filename）*
●MNF变换输出波段选择（Select Subset Output MNF Bands）。
Yes：出现每个波段和其特征值，选择特征值大于1的波段为输出波段
2)纯净像元指数（PPI）
Spectral→Pixel Purity Index→[FAST]Existing Output Band，在打开的Pixel Purity Index Input File选择MNF变换结果，Spectral Subset中选择波段数，不宜过大，10-20左右均可→OK。
在Pixel Purity Index Parameters对话框中，设置参数：
●迭代次数：迭代次数越多，发现的极值像元越好，但所需时间也就越多。一般需要上千次迭代。
●阈值系数(极值像元的域值)：阈值越小，精度越高，但纯净像元量越小。一般设置2—3.
3)感兴趣区设置
Display中，Overlay→Region Of Interest，在ROI tools面板中，Options→Band Threshold To ROI，PPI结果为输入波段，设置阈值在图像中获得感兴趣区，一般
4)n维可视化
手动选点：主菜单→Spectral N-Dimensional Visualizer→Visualizer With New
在n维散点图中，选择一定的波段，Start，转动到一定位置时，Stop，在视图中鼠标左键勾画白点集中区域，右键确定，继续Start，检查选择是否集中，不集中的话Class→Items1:20→White，将散落的点删除。
Class→New Class或者在散点图中右键→New Class，新建一个样本区，选择
在散点图中，右键→Mean All，将最原始输入图像作为波谱曲线源数据，自动绘制样本内的像元平均波谱。
自动聚类（Auto Cluster）来确定类别数量及选择部分样点，主菜单→Spectral n-Dimensional Visualizer→Auto Cluster，输入MNF和PPI文件。在n-D Precluster Parameters对话框中，键入将用于n维可视化器的输入数据的最大值。越小越快越纯净，越大则散点图越完整，处理速度越慢，难以选择拐点。可对自动聚类结
5)波谱分析
利用Z Profile获取待鉴别波谱曲线，显示在Display中
主菜单→Spectral Spectral Analyst，选择用于比较的波谱库（根据图形文件重采样的波谱库效果最佳）。在Edit Identity Methods Weighting对话框中，各个
参数代表的意义如下：
●波谱角分类（SAM）方法
●波谱特征拟合(SFF)方法
●二进制编码方法
三种匹配方法的权重都设为1时，均参与打分。
在Spectral Analyst对话框中，Apply，选择已获得的波谱进行分析，记下分值最高对应的地物。
在Scatter Plot Mean曲线图中，Edit→Data Parameters，将分析得到的地物名在Name中输入，Apply。
重复以上步骤，识别全部波谱。
1.
九、物质识别和图像分类
ENVI提供许多波谱分析方法，包括：二进制编码、波谱角分类、线性波段预测（LS-Fit）、线性波谱分离、光谱信息散度、匹配滤波、混合调谐匹配滤波（MTMF）、包络线去除、光谱特征拟合、多范围光谱特征拟合等。
1.端元波谱收集
2.物质识别
1)打开高光谱文件
2)主菜单→Spectral→Mapping Methods→Spectral Angle Mapper
3)在Endmenber Collection对话框中，Import→form Plot Windows或者form Spectral Libraries file，选择所需的端元光谱
4)Apply，运行波谱角法制图
5)RGB方式在Display中显示高光谱数据，Display→Overlay→Classfication，
红外光谱分析概述
红外光谱分析概述（上） 1．红外光谱 红外光谱是反映红外辐射强度或其他与之相关性质随波长（波数）变化的谱图。目前，它是一种被广泛应用于研究表征物质的化学组成，在分子层次上的结构及分子间相互作用的有力手段。红外射线发现于1800年，在用普通温度计测量可见光谱的温度效应时，在红光一端的外侧观察到有较强的热效应。后来，实验证实了这是由一种肉眼看不见、波长比红光更长的电磁辐射所造成的，这种电磁辐射被称为红外光。通常将红外辐射的波长范围定为0.8～1000微米，并可粗略地分为三个波段：（1）近红外的波段为0.8～2.5微米，波数为12500～4000厘米-1；（2）中红外的波段为2.5～25微米，波数为4000～400厘米-1；（3）远红外的波段为25～1000微米，波数为400～10厘米，目前，实验上已能测定到2500微米，波数为4厘米-1。相应地有近红外光谱、中红外光谱和远红外光谱。 红外光谱的形式虽然多种多样，从本质上可分为发射光谱和吸收光谱两大类。物体的红外发射光谱是指样品在通过受激或自发辐射的条件下，所发射的红外光的强度随波长(波数)变化的光谱图，红外发射光谱主要决定于物体的温度和化学组成。吸收光谱是指样品对红外辐射的吸收能力随波长(波数)变化的光谱图，在实验上，使红外光与样品发生相互作用，测定红外光与物质相互作用前后光强的变化与波长(波数)之间的关系, 称红外吸收光谱。 2．分子的振动和转动光谱 对于分子体系而言，其振动和转动是量子化的，其能级差所对应的光子的波长落在红外光范围，因此是红外光谱(拉曼光谱)的主要研究对象。研究指出，红外光谱的研究范围不仅仅局限于分子的振动、转动跃迁，某些特殊体系的电子能级跃迁亦可能落在红外光谱波段范围内，例如，超大规模共轭体系的电子跃迁、某些稀土离子的f-f能级跃迁等等。不过目前绝大多数的红外光谱研究工作仍集中于分子的振动能级跃迁上，以最简单的双原子为例，其振动吸收Eν可近似地表示为： 式中h为普朗克常数；ν为振动量子数（取正整数）；n0为简谐振动频率。当ν=0时，分子的能量最低，称为基态。处于基态的分子受到频率为n0的红外射线照射时，分子吸收了能量为n0的光量子，跃迁到第一激发态，得到频率为n0的红外吸收带, 它称为分子振动的基频。反之，处于该激发态的分子也可发射频率为n0的红外射线而恢复到基态。n0的数值决定于分子的约化质量μ和力常数κ： κ决定于原子的核间距离、原子的特性和化学键及键级等。 在多原子分子体系中，各原子在平衡位置附近作相对运动。这些振动方式可以被分解为各种简正振动的线性组合，所谓简正振动就是指分子中各原子以同一频率、同一相位在平衡位置附近作简揩振动。含N个原子的非线分子有3N-6个简正振动方式；线性分子有3N－5种简正振动方式。 对于分子的转动而言，往往可以假定分子为刚性转子，则其转动能量Er为： 红外光谱分析概述（中）
近红外光谱分析及其应用简介
近红外光谱分析及其应用简介 1、近红外光谱分析及其在国际、国内分析领域的定位 近红外光谱分析是将近红外谱区（800-2500nm）的光谱测量技术、化学计量学技术、计算机技术与基础测试技术交叉结合的现代分析技术，主要用于复杂样品的直接快速分析。近红外分析复杂样品时，通常首先需要将样品的近红外光谱与样品的结构、组成或性质等测量参数（用标准或认可的参比方法测得的），采用化学计量学技术加以关联，建立待测量的校正模型；然后通过对未知样品光谱的测定并应用已经建立的校正模型，来快速预测样品待测量。 近红外光谱分析技术自上世纪60年代开始首先在农业领域应用，随着化学计量学与计算机技术的发展，80年代以来逐步受到光谱分析学家的重视，该项技术逐渐成熟，90年代国际匹茨堡会议与我国的BCEIA等重要分析专业会议均先后把近红外光谱分析与紫外、红外光谱分析等技术并列，作为一种独立的分析方法；2000年PITTCON 会议上近红外光谱方法是所有光谱法中最受重视的一类方法，这种分析方法已经成为ICC（International Association for Cereal Science and Technology国际谷物科技协会）、AOAC(American Association of Official Analytical Chemists美国公职化学家协会)、AACC（American Association of Cereal Chemists美国谷物化学家协会）等行业协会的标准；各发达国家药典如USP(United States Pharmacopoeia美国药典)均收入了近红外光谱方法；我国2005年版的药典也将该方法收入。在应用方面近红外光谱分析技术已扩展到石油化工、医药、生物化学、烟草、纺织品等领域。发达国家已经将近红外方法做为质量控制、品质分析和在线分析等快速、无损分析的主要手段。 我国对近红外光谱技术的研究及应用起步较晚，上世纪70年代开始，进行了近红外光谱分析的基础与应用研究，到了90年代，石化、农业、烟草等领域开始大量应用近红外光谱分析技术，但主要是依靠国外大型分析仪器生产商的进口仪器。目前国内能够提供完整近红外光
高光谱数据处理工具软件使用手册
高光谱数据处理工具软件使用手册 一数据读取操作 1 读取南京中地仪器公司的光谱数据（单个文件） [sampleName,lambda,spectrum ]=hyperReadZD(fname) 2 读取北师大波谱库的数据（单条记录） [metaInfo,lambda,spectrum]=hyperReadSPL(fname,iStart,iEnd,i Step,desPathStr) 参数：如果输入参数iStart,iEnd,iStep则将读取的波谱数据按照以上三个参数进行重采样。三参数的含义分别是：起始波段（nm），终止波段(nm)，采样间隔（nm）；如果输入desPathStr，则将采样后的结果作为zip文件保存在目录desPathStr内。 3 读取Envi波谱库数据（单个文件，多条记录） [samplename,lambda,spectral]=hyperReadEnvi(fname) 4 读取ASD波谱仪数据 [measured, lambda, reference] = hyperReadAsd(filename) 5 读取高光谱影像数据（AVIRIS格式） [M, wavelengths_nm] = hyperReadAvirisRfl(filename, height, width, bands) 二数据转换 1 高光谱立方体数据转换为二维数组 [M] = hyperConvert2d(M) 输入： M - 高光谱立方体数据(m x n x p) 输出： M –二维矩阵形式(p x N) 2 将二维数组转换为数据立方体 [img] = hyperConvert3d(img, h, w, numBands) 输入： M –二维数据矩阵 (p x N) 输出： M –三维数据立方体 (m x n x p) 3 光谱重采样 [ output ] = hyperResample( M, currentWaveLengths, desiredWaveLengths ) 输入： M –二维高光谱数据矩阵 (p x N)
红外光谱仪的应用
红外光谱仪的应用 (陕西科技大学材料科学与工程学院西安任莹莹710021) 摘要：傅里叶转换红外光谱(FTIR)是一种用来获得吸收，射出光电导性或固体，液体或气体的拉曼散射的仪器。本文将从红外光谱仪的使用原理，样品制备，结果分析等几个方面对红外光谱仪进行介绍。 关键字：FTIR，原理，样品制备，结果分析 The Application of Infrared Spectrometer (School of Materials Science and Engineering, Shaanxi University of Science and Technology, Xi’an Ren yingying 710021) Abstract:Fourier transform infrared spectroscopy (FTIR) is a kind of instrument, which is used to get absorbed, penetrate photoconductivity or solid, liquid or gas Raman scattering. This article from the principle of the use of infrared spectrometer, sample preparation, the analysis of several aspects, such as the infrared spectrometer is introduced. Key words: FTIR, principle, sample preparation, analysis of the results 一、原理 红外线是波长介于可见光和微波之间的一段电磁波。红外光又可依据波长范围分成近红外、中红外和远红外三个波区，其中中红外区（2.5—5μm；4000—400cm-1）能很好地反映分子内部所进行的各种物理过程以及分子结构方面的特征，对解决分子结构和化学组成中的各种问题最为有效，因而中红外区是红外光谱中应用最广的区域，一般所说的红外光谱大都是指这一范围。 红外光谱法实质上是一种根据分子内部原子间的相对振动和分子转动等信息来确定物质分子结构和鉴别化合物的分析方法。当一束具有连续波长的红外光通过物质，物质分子中某个基团的振动频率和红外光的频率一样时，分子就吸收能量由原来的基态振动能级跃迁到能量较高的振动能级，分子吸收红外辐射后发生振动和转动能级的跃迁，该处波长的光就被物质吸收。将分子吸收红外光的情况用仪器记录下来，就得到红外光谱图。红外光谱图通常用波长(λ)或波数(σ)为横坐标，表示吸收峰的位置，用透光率(T%)或者吸光度(A)为纵坐标，表示吸收强度。如图1，辛烷的红外光谱图，纵坐标为透过率，横坐标为波长λ(μm )或波数(cm-1)。
高光谱图像分类
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。
红外与近红外光谱常用数据处理算法
一、数据预处理 （1）中心化变换 （2）归一化处理 （3）正规化处理 （4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth） （6）导数处理（Derivative） （7）多元散射校正（Multiplicative Scatter Correction,MSC） （8）正交信号校正（OSC） 二、特征的提取与压缩 （1）主成分分析（PCA） （2）马氏距离 三、模式识别（定性分类） （1）基于fisher意义下的线性判别分析（LDA） （2）K-最邻近法（KNN） （3）模型分类方法（SIMCA） （4）支持向量机（SVM） （5）自适应boosting方法（Adaboost） 四、回归分析（定量分析） （1）主成分回归（PCR） （2）偏最小二乘法回归（PLS） （3）支持向量机回归（SVR）
一、数据预处理 （1） 中心化变换 中心化变换的目的是在于改变数据相对于坐标轴的位置。一般都是希望数据集的均值与坐标轴的原点重合。若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算： u ik k x x x =- ，其中k x 是n 个样本的均值。 (2) 归一化处理 归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。其公式为： 'ik x = 归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。 （3）正规化处理 正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。 min() 'max()min() ik ik k k x xk x x x -= - 该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。但这种方法对界外值很敏感，若存在界外值，则处理后的所有数据近乎相等。 （4） 标准化处理（SNV ）也称标准正态变量校正 该处理能去除由单位不同所引起的不引人注意的权重，但这种方法对界外点不像区间正规化那样的敏感。标准化处理也称方差归一化。它是将原始数据集各个元素减去该元素所在列的元素的均值再除以该列元素的标准差。 ';ik k ik k k x x x S S -==
近红外光谱技术在药物分析中的应用
近红外光谱技术在药物分析中的应用 1·前言 近红外光谱分析技术是分析化学领域迅猛发展的高新分析技术，越来越引起国内外分析专家的注目，在分析化学领域被誉为分析“巨人”，它的出现可以说带来了又一次分析技术的革命。 近红外（NIR）谱区是人类认识最早的非可见光谱区，波长范围在0.75—2.5 m之间，用波数表示时则在13330—4000cm-1之间。由于近红外的吸收谱带复杂，谱峰重叠，信号弱，在分析上难以应用，长期以来没有受到人们的重视。近十多年来，随着近红外仪器的改良，新的光谱理论和光度分析方法的建立，特别是计算机技术和化学计量学的广泛应用和迅速发展，使近红外光谱技术成为目前发展最快、最引人注目的分析技术，并以其简单快速、实时在线、无损伤无污染分析等特点，在复杂物质的分析上得到广泛应用。在包括制糖和制药的许多与化学分析和品质管理有关的行业中的应用前景极其广阔。 关于近红外光谱技术在制药行业中应用的文献报道越来越多，显示了近红外光谱技术在制药领域中越来越受到人们的重视。近红外光谱分析具有的快速实时、操作简单、无损伤测定、不受样品状态影响的特点很符合药物分析的要求。因此，在制药业中原料药的分析、药物制剂中水分、有效成分的分析、药物生产品质的过程控制等方面近红外光谱技术得到了十分广泛的应用。 2·光谱介绍 近红外光是介于可见光和中红外光之间的电磁波，根据ASTM（美国试验和材料检测协会）定义是指波长在780～2526nm范围内的电
磁波，习惯上又将近红外区划分为近红外短波（780~1100nm）和近红外长波（1100~2526nm）两个区域。 近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，具有较强的穿透能力。近红外光主要是对含氢基团X－H（X=C、N、O）振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。由于不同的有机物含有不同的基团，不同的基团有不同的能级，不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别，且吸收系数小，发热少，因此近红外光谱可作为获取信息的一种有效的载体。近红外光照射时，频率相同的光线和基团将发生共振现象，光的能量通过分子偶极矩的变化传递给分子；而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。因此，选用连续改变频率的近红外光照射某样品时，由于试样对不同频率近红外光的选择性吸收，通过试样后的近红外光线在某些波长范围内会变弱，透射出来的红外光线就携带有机物组分和结构的信息。通过检测器分析透射或反射光线的光密度，就可以确定该组分的含量。 3·近红外光谱技术在制药业中的应用 3·1 原料和活性组分的测定 药物加工过程中第一步就是原料的鉴定，其质量的好坏直接决定后续加工过程的成败于否，而同一类型的原料中多变因素主要是湿度和颗粒大小，近红外光谱在湿度测定中的灵敏度及其适于固体表面的表征的特性，使他能够很快地得到样品的湿度和颗粒大小的信息，然
高光谱遥感技术及发展
遥感技术与系统概论 结课作业 高光谱遥感技术及发展
高光谱遥感技术及发展 摘要：经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的 发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技 术为主的时代。本文系统地阐述了高光谱遥感技术在分析技 术及应用方面的发展概况，并简要介绍了高光谱遥感技术主 要航空/卫星数据的参数及特点。 关键词：高光谱，遥感，现状，进展，应用 一、高光谱遥感的概念及特点 遥感是20 世纪60 年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通 常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可
探测的物质，在高光谱中能被探测。 同其它传统遥感相比，高光谱遥感具有以下特点： ⑴波段多。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。 ⑵光谱分辨率高。成像谱仪采样的间隔小，一般为10nm 左右。精细的光谱分辨率反映了地物光谱的细微特征。 ⑶数据量大。随着波段数的增加，数据量呈指数增加[2]。 ⑷信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。 ⑸可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。近二十年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术。 二、发展过程 自80 年代以来，美国已经研制了三代高光谱成像光谱仪。1983 年，第一幅由航空成像光谱仪
高光谱数据处理基本流程
高光谱数据处理基本流 程 The document was finally revised on 2021
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库
ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理：
红外光谱技术
红外光谱技术 学号：1211050126 姓名：徐健榕 班级：12110501
摘要 红外光谱作为一门先进的技术，已经在各个领域得到了广泛的应用，。本文主要了解红外光谱分析的历史发展、现状分析、研究应用及其应用成果。 关键词：红外光谱历史应用成果 一、红外光谱的历史发展 真正意义上对光谱的研究是从英国科学家牛顿(Newton) 开始的.1666 年牛顿证明一束白光可分为一系列不同颜色的可见光, 而这一系列的光投影到一个屏幕上出现了一条从紫色到红色的光带.牛顿导入"光谱" (spectrum)一词来描述这一现象.牛顿的研究是光谱科学开端的标志. 从牛顿之后人类对光的认识逐渐从可见光区扩展到红外和紫外区.红外辐射是18世纪末，19世纪初才被发现的。1800年英国物理学家赫谢尔（Herschel）用棱镜使太阳光色散，研究各部分光的热效应，发现在红色光的外侧具有最大的热效应，说明红色光的外侧还有辐射存在，当时把它称为“红外线”或“热线”。这是红外光谱的萌芽阶段。由于当时没有精密仪器可以检测，所以一直没能得到发展。过了近一个世纪，才有了进一步研究并引起注意。 1892年朱利叶斯（Julius）用岩盐棱镜及测热辐射计（电阻温度计），测得了20几种有机化合物的红外光谱，这是一个具有开拓意义的研究工作，立即引起了人们的注意。1905年库柏伦茨（Coblentz）测得了128种有机和无机化合物的红外光谱，引起了光谱界的极大轰动。这是红外光谱开拓及发展的阶段。到了20世纪30年代，光的二象性、量子力学及科学技术的发展，为红外光谱的理论及技术的发展提供了重要的基础。不少学者对大多数化合物的红外光谱进行理论上研究和归纳、总结，用振动理论进行一系列键长、键力、能级的计算，使红外光谱理论日臻完善和成熟。尽管当时的检测手段还比较简单，仪器仅是单光束的，手动和非商化的，但红外光谱作为光谱学的一个重要分支已为光谱学家和物理、化学家所公认。这个阶段是红外光谱理论及实践逐步完善和成熟的阶段。20世纪中期以后，红外光谱在理论上更加完善，而其发展主要表现在仪器及实验技术上的发展：①1947年世界上第一台双光束自动记录红外分光光度计在美国投入使用。这是第一代红外光谱的商品化仪器；②20世纪60年代，采用光栅
高光谱遥感期末考复习材料
1、地面光谱测量的作用： ①地面光谱辐射计在成像光谱仪过顶时，常用于地面野外或实验室同步观测，获取下 行太阳辐射，以用于遥感器定标。 ②在一些反射率转换模型中，需要引入地面光谱辐射计测取得地面点光谱来完成 DN 值图像到反射率图像的转换。 ③地面光谱辐射计可以为图像识别获取目标光谱和建立特征项。但是，这时地面光谱 测量要在空间尺度上与图像像元尺度相对应，且要具有代表性；另外，地面光谱测 量要与高光谱图像获取条件相一致。 ④通过地面光谱辐射计测量数据和地面模拟，可以帮助人们了解某一地物被高光谱遥 感探测的可能性，理解其辐射特性，确定需要采用的探测波长、光谱分辨率、探测 空间分辨率、信噪比、最佳遥感探测时间等重要参数。 ⑤地面光谱辐射计还可以勇于地面地质填图。它可以用于矿物的光谱吸收特征，识别 地面矿物或矿物的集合，从而直接完成野外矿物填图。 ⑥可以用来建立地物的表面方向性光谱反射特性。 ⑦建立目标地面光谱数据与目标特性间的定量关系。 2、高光谱成像特点： ①高光谱分辨率。高光谱成像光谱仪能获得整个可见光、近红外、短波红外、热红外 波段的多而窄的连续光谱，波段多至几十甚至数百个，其分辨率可以达到纳米级， 由于分辨率高，数十、数百个光谱图像可以获得影像中每个像元的精细光谱。 ②图谱合一。高光谱遥感获取的地表图像包含了地物丰富的空间、辐射和光谱三重信 息，这些信息表现了地物空间分布的影像特征，同时也可能以其中某一像元或像元 组为目标获得他们的辐射强度以及光谱特征。 ③光谱波段多，在某一光谱段范围内连续成像。成像光谱仪连续测量相邻地物的光谱 信号，可以转化城光谱反射曲线，真实地记录了入射光被物体所反射回来的能量百 分比随波长的变化规律。不同物质间这种千差万别的光谱特征和形态也正是利用高 光谱遥感技术实现地物精细探测的应用基础。 3、高光谱遥感图像数据表达： ①图像立方体——成像光谱信息集。 ②二维光谱信息表达——光谱曲线。 ③三维光谱信息表达——光谱曲线图。（书本44页） 4、成像光谱仪的空间成像方式： （1）摆扫型成像光谱仪。摆扫型成像光谱仪由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。扫描镜对地左右平行扫描成像，即扫描的运动方向与遥感平台运动方向垂直。其优点：可以得到很大的总视场，像元配准好，不同波段任何时候都凝视同一像元；在每个光谱波段只有一个探测元件需要定标，增强了数据的稳定性；由于是进入物镜后再分光，一台仪器的光谱波段范围可以做的很宽，比如可见光一直到热红外波段。其不足之处是：由于采用光机扫描，每个像元的凝视时间相对就很短，要进一步提高光谱和空间分辨率以及信噪比比较困难。 （2）推扫型成像光谱仪。是采用一个垂直于运动方向的面阵探测器，在飞行平台向前运动中完成二维空间扫描，它的空间扫描方向是遥感平台运动方向。其优点是：像元的凝视
红外光谱测试法
红外光谱测试法 红外光谱 (Infrared Spectroscopy, IR) 的研究始于 20 世纪初，自1940 年红外光谱仪问世，红外光谱在有机化学研究中广泛应用。新技术（如发射光谱、光声光谱、色红联用等）出现，使红外光谱技术得到发展。 原理 当一束具有连续波长的红外光通过物质，物质分子中某个基团的振动频率或转动频率和红外光的频率一样时，分子就吸收能量由原来的基态振(转)动能级跃迁到能量较高的振(转)动能级，分子吸收红外辐射后发生振动和转动能级的跃迁，该处波长的光就被物质吸收。所以，红外光谱法实质上是一种根据分子内部原子间的相对振动和分子转动等信息来确定物质分子结构和鉴别化合物的分析方法。将分子吸收红外光的情况用仪器记录下来，就得到红外光谱图。红外光谱图通常用波长(λ)或波数 (σ)为横坐标，表示吸收峰的位置，用透光率(T%)或者吸光度(A)为纵坐标，表示吸收强度。 当外界电磁波照射分子时，如照射的电磁波的能量与分子的两能级差相等，该频率的电磁波就被该分子吸收，从而引起分子对应能级的跃迁，宏观表现为透射光强度变小。电磁波能量与分子两能级差相等为物质产生红外吸收光谱必须满足条件之一，这决定了吸收峰出现的位置。 红外吸收光谱产生的第二个条件是红外光与分子之间有偶尔作用，为了满足这个条件，分子振动时其偶极矩必须发生变化。这实际上保证了红外光的能量能传递给分子，这种能量的传递是通过分子振动偶极矩的变化来实现的。并非所有的振动都会产生红外吸收，只有偶极矩发生变化的振动才能引起可观测的红外吸收，这种振动称为红外活性振动；偶极矩等于零的分子振动不能产生红外吸收，称为红外非活性振动。 应用 红外光谱对样品的适用性相当广泛，固态、液态或气态样品都能应用，无机、有机、高分子化合物都可检测。此外，红外光谱还具有测试迅速，操作方便，重复性好，灵敏度高，试样用量少，仪器结构简单等特点，因此，它已成为现代结构化学和分析化学最常用和不可缺少的工具。红外光谱在高聚物的构型、构象、力学性质的研究以及物理、天文、气象、遥感、生物、医学等领域也有广泛的应用。 红外吸收峰的位置与强度反映了分子结构上的特点，可以用来鉴别未知物的结构组成或确定其化学基团；而吸收谱带的吸收强度与化学基团的含量有关，可用于进行定量分析和纯度鉴定。另外，在化学反应的机理研究上，红外光谱也发挥了一定的作用。但其应用最广的还是未知化合物的结构鉴定。 红外光谱不但可以用来研究分子的结构和化学键，如力常数的测定和分子对称性的判据，而且还可以作为表征和鉴别化学物种的方法。例如气态水分子是非线性的三原子分子，它的v1=3652厘米、v3=3756厘米、v2=1596厘米而在液态水分子的红外光谱中，由于水分子间的氢键作用，使v1和v3的伸缩振动谱带叠
红外光谱分析
红外光谱分析 序言 二十世纪初叶，Coblentz发表了一百多个有机化合物的红外光谱图，给有机化学家提供了鉴别未知化合物的有力手段。到四十年代红外光谱技术得到了广泛的研究和应用。当今红外光谱仪的分辨率越来越高，检测范围扩展到10000－200cm-1，样品量少至微克级。红外光谱提供的某些信息简捷可靠，检测样品中有无羰基及属于哪一类（酸酐、酯、酮或醛）是其他光谱技术难以替代的。因此，对从事有机化合物为研究对象的化学工作者来说，红外光谱学是必需熟悉和掌握的一门重要光谱知识。 一、基本原理 1、基本知识 光是一种电磁波。可根据电磁波的波长范围分成不同类型的光谱，它们各自反映出物质的不同类型的运动形式。表1列出这些电磁波的波长，其所在区域的光谱名称，以及对应的运动形式。 红外光谱研究的内容涉及的是分子运动，因此称之为分子光谱。通常红外光谱系指2-25μ之间的吸收光谱，常用的为中红外区4000-650cm-1或4000-400cm-1。 这段波长范围反映出分子中原子间的振动和变角振动，分子在振
动运动的同时还存在转动运动。在红外光谱区实际所测得的图谱是分子的振动与转动运动的加合表现，即所谓振转光谱。 每一化合物都有其特有的光谱，因此使我们有可能通过红外光谱对化合物作出鉴别。 红外光谱所用的单位波长μ，波数cm-1。光学中的一个基本公式是λυ= C，式中λ为波长，υ为频率，C为光速(3×1010cm/s)。设υ为波数，其含义是单位长度(1cm)中所含的波的个数，并应具有以下关系：波数(cm-1)＝104/波长(μ) 波长和波数都被用于表示红外光谱的吸收位置，即红外光谱图的横坐标。目前倾向于普遍采用波数为单位，而在图谱上方标以对应的波长值。红外光谱图的纵坐标反映的是吸收强度，一般以透过率(T%)表示。 2、红外光谱的几种振动形式 主要的基本可以分为两大类：伸缩振动和弯曲振动。 (1)伸缩振动(υ) 沿着键轴方向伸或缩的振动，存在对称与非对称两种类型。它的吸收频率相对在高波数区。 (2)弯曲振动(δ) 包括面内、面外弯曲振动，变角振动，摇摆振动等。它的吸收频率相对在低波数区。 4000cm-1（高）400cm-1（低） 3、红外光谱吸收峰主要的几种类型 (1)基频峰：伸缩振动，弯曲振动产生的吸收峰均为基频峰。 (2)倍频峰：出现在基频峰波数二倍处。如基频为900cm-1，倍频为 1800cm-1。 4、红外光谱吸收峰的强度
高光谱数据处理基本流程
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱
来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理： 纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）
高光谱图像分类讲解学习
高光谱图像分类
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 2111603035 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。高光谱遥感技术虽然是遥感领域的新技术，但是高光谱图像的分类一直制约着高光谱遥感的应用[3,4]，因此对其进行研究显得尤为重要。 高光谱遥感图像较高的光谱分辨率给传统的图像分类识别算法提出严峻的挑战。波段维数的增加不仅加重了数据的存储与传输的负担，同时也加剧了数据处理过程的复杂性，并且由于波段与波段间存在着大量的冗余信息，从而使得传统图像分类算法并不适用于高光谱遥感图像的分类。传统
简述高光谱遥感及其进展与应用综述
高光谱遥感及其进展与应用综述 摘要：高光谱遥感是20世纪80年代兴起的新型对地观测技术。文中归纳了高光谱遥感技术波段多、波段宽度窄，光谱分辨率高，数据量大、信息冗余，“图谱合一”等特点，具有近似连续的地物光谱信息、地表覆盖的识别能力极大提高、地形要素分类识别方法灵活多样、地形要素的定量或半定量分类识别成为可能等优势，简单介绍了高光谱遥感在国外及国内的发展情况。在此基础上，概述了高光谱遥感在植被生态、大气科学、地质矿产、海洋、农业等领域的应用。 关键词：高光谱遥感；发展；应用 高光谱遥感（Hyperspectral Remote Sensing）的兴起是20世纪80年代遥感技术发展的主要成就之一，是当前遥感的前沿技术。高光谱遥感在光谱分辨率上具有巨大的优势，被称为遥感发展的里程碑。世界各国对此类遥感的发展都十分重视，随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛。本文系统地阐述了高光谱遥感及其发展的概况，并简要介绍了高光谱遥感技术的主要应用。 1 高光谱遥感 孙钊在《高光谱遥感的应用》中提到，高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，利用成像光谱仪获取许多非常窄的光谱连续的影像数据的技术。[1] 高光谱遥感具有较高的光谱分辨率，通常达到10～2λ数量级。[2] 1.1 高光谱遥感特点 综合多篇关于高光谱的期刊文章，总结高光谱具有如下特点： （1）波段多，波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。 [3]与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。[4] （2）光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。[5]成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。 （3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线，即所谓的“谱像合一”。 （4）数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。 （5）数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。 1.2 高光谱遥感的优势
高光谱数据分析ENVI操作手册
高光谱数据分析ENVI操作手册
1.常见参数选择 主菜单→File→Preferences ●用户自定义文件（User Defined Files） 图形颜色文件，颜色表文件，ENVI的菜单文件，地图投影文件等。需重启ENVI ●默认文件目录(Default Directories) 默认数据目录，临时文件目录，默认输出文件目录，ENVI补丁文件、光谱库文件、备用头文件目录等，需重启ENVI。 ●显示设置(Display Default) 可以设置三窗口中各个分窗口的显示大小，窗口显示式样等。其中可以设置数据显示拉伸方式（Display Default Stretch），默认为2%线性拉伸。 ●其他设置(Miscollaneous) 制图单位（Page Unit），默认为英寸（Inches），可设置为厘米（Centimeters） 还有缓冲大小（cache size），可以设置为物理内存的50-75%左右。 Image Tile Size不能超过4M。
2.显示图像及其波谱 2.1.打开文件 ●主菜单，Open Image File→文件名.raw。 ●或Window→Available Bands List→File →Open Image File→文件名.raw。 2.2.显示图像 ●显示单波段灰度级图像：Gray color,选择的波段一般是图像显示最清晰的波 段。 ●显示伪彩色图像：RGB color，选择具有明显吸收谷、强烈反射作用和所含信息量较大的波段作为彩色合成RGB波段。 ●显示真彩色图像：波段列表（Available Bands List）中，右键→Load TrueColor 。 ●图像保存：Display窗口，File→Save Image As→Image File，选择输出格式、路径和名称，OK。 ●动画显示：Display窗口，Tools→Animation，动态显示各波段图像，能很快的分辨出包含信息量较多的波段。
高光谱数据的制图方法简介
高光谱数据的制图方法简介 ENVI软件在Spectral菜单中提供许多波谱制图方法，包括：二进制编码、波谱角制图、线性波段预测(LS-Fit)、线性波谱分匹配滤波、混合调制匹配滤波、包络线去除，以及波谱特征拟合等。 本文主要介绍几种高光谱数据处理的过程操作。 1.二进制编码 二进制编码分类技术根据波段值落在波谱均值的下方或上方，将数据和端元分别编码为0和1。在编码过程中，使用一个高级的（exclusive）OR函数，用于将需要编码的数据波谱与参照波谱相比较，从而生成一幅分类图像。 选择菜单栏Spectral—Mapping Methods—Binary Encoding。在打开的窗口设置参数如下： 图1-1 二进制编码分类参数设置 注意：“OutputRuleImages”切换按钮被设置为“No”，规则图像将不被保存。 分类结束后，规则图像将出现在可用波段列表中，可以在任何显示窗口中显示（或链接/覆盖），并可以使用ENVI的像元位置/值功能进行查询。结果显示如图1-2：
图1-2 原影像图（左）与二进制编码分类结果图（右） 2. 波谱角分类 波谱角分类(SAM)是一种基于自身的波谱分类方法，这种方法将图像波谱与参照波谱在N-维空间进行匹配。SAM用到的参照端元波谱可以来自于ASCII文件、波谱库、统计文件或直接从图像中抽取（如ROI均值波谱），本实验中用的是ROI均值波谱。SAM把端元波谱（被认为是一个N维向量，N维波段数）和像元向量放在n维空间中进行角度比较。较小的角度代表象元与参照波谱匹配紧密。这一技术用于数据定标时，对照度和反照率的影响并不敏感。 选择菜单栏Spectral—Mapping Methods—Spectral Angle Mapper。设置参数如图2-1，波谱角分类结果，如图2-2： 图2-1 波谱角分类参数设置图2-2 波谱角分类结果影像 3.LS-Fit(线性波段预测)