遥感图像处理——数据拉伸、主成分分析、裁剪

下一篇：遥感图像处理——非监督分类

要点：直方图、乘除拉伸，主成分分析，两种裁剪

本文所用数据为landsat8，福州平潭，2013。
本文用到的遥感图像处理工具是 ArcMap 10.4.1

---

要对遥感影像数据进行分类，那我们首先要对其进行分析。

1、直方图和数据拉伸

首先对于分类我们有假设前提：波段数据和训练样本数据符合正态分布。如何查看是否符合正太分布？分类过程对各波段中的值范围很敏感。要使各波段的属性数大致相同，各波段的值范围应类似。

调出空间分析工具条 工具栏右键-spatial ananlysis （先在拓展模块激活）。点击直方图，查看特定波段的数据分布
如福州市平潭岛第一波段

这里如果不同波段的数量级相差太大，如几百和几万，可以用乘除操作。对上述第一波段进行乘10拉伸（times是乘操作，devide是除操作）。

输出结果和第一波段原始数据对比

2、主成分分析

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。提取后的主成分不能大于原有数据（不能10个数据提取出来12个主成分吧）

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。通过增强头几个波段，影像在 ArcMap 中显示时可在影像中看到更多的详细信息。

空间分析工具-多元分析-主成分分析

用前7个波段提取3个波段，会保存一个txt文件

提取效果

这里先合成7,5,3波段，然后用卷帘工具对比一下效果，会发现提取主成分后更加利于非监督分类了。
卷帘工具的使用：效果-卷帘
上面是主成分，下面是合成753波段

打开PCA输出的txt文件，从里面可以读到一些信息：
（1）协方差矩阵，各个波段之间的联系；
（2）波段之间的相关系数，可以看到，不同波段之间的相关性还是很强的，比如1和2，说明数据的冗余度很强；
（3）方差累计值，可以看到，第一个主成分就已经包含了近96%的信息，前两个主成分就已经包含了99%以上原始数据的信息了。

3、裁剪

如果我们不是想对整个图进行分析，只想分析平潭县的数据，则可以用裁剪操作。

先加载平潭的矢量文件数据

方法一：栅格裁剪

数据管理工具-栅格-栅格处理-裁剪

裁剪后效果

方法二：按掩膜提取

空间分析工具-提取分析-按掩膜提取

裁剪效果