- 打开加载影像,对于ENVI classic版本:File → Open Image File,弹出两个窗口,选中名称点OK,然后选择BIL格式即可
-
![](https://img-blog.csdnimg.cn/img_convert/37b67357bfdaac0b8df95fb0b799a8fb.png)
-
图1-1 高光谱影像数据查看
- 彩色合成,波段组合方案多样,如假彩色R:G:B=51:31:21,真彩色29:23:16,可用ENVI默认的形式
- 查看光谱曲线与其属性编辑
-
![](https://img-blog.csdnimg.cn/img_convert/bd3f74ff03729a2841596c2f30b338f2.png)
- Hyperion影像的预处理
-
2.1去坏线与波段剔除
-
坏线与其坐标查看
-
选择特定的波段比如117波段或者201波段,通过RGB合成后可以看到影像上的坏线
-
![](https://img-blog.csdnimg.cn/img_convert/c039662327ff59998f119752379f1835.png)
- 去坏线
-
使用Workshop菜单Apply Bad Pixel List
借助bad_pixel_list文件实现,其中定义了坏线的位置,每一景数据坏线的分布情况并不相同,需根据实际情况加以修订(波段编号与坏线列编号之间用制表符分隔)
追加坏线波段:99、116-118、135-136、145-146、154、158-159、162、200-203
坏线列表每行只能标记一个坏线位置
第一步首先使用WS插件进行处理,之后选择坏线文件与输入文件。
-
![](https://img-blog.csdnimg.cn/img_convert/10442cc9d43d0cfcc3f6b7a66eabb598.png)
-
图2-1-2 WS插件处理
-
![](https://img-blog.csdnimg.cn/img_convert/fe76a29d75da4647f951dbfaef23f078.png)
![](https://img-blog.csdnimg.cn/img_convert/d9618b6df869c06ab71e6012dcc8af8e.png)
-
图2-1-3 选择坏线文件 图2-1-4 选择输出文件
-
第二步查看处理后的效果图,可以看到右侧校正后的图像坏线被剔除。
-
![](https://img-blog.csdnimg.cn/img_convert/715ace0216a63092579d80eeadce4704.png)
-
图2-1-5 坏线校正效果图
-
- 波段剔除
-
使用Edit Header→Bad Band List,保留179个波段
第一步 查看影像头文件,并且在头文件记事本中添加坏波段数据。
第二步 查看处理结果,其中蓝色选中的为好波段,其余的为坏波段数据。
-
![](https://img-blog.csdnimg.cn/img_convert/2db8f1d18d9decf4a45c5289083cc465.png)
图2-1-6 在头文件记事本中添加坏波段数据
-
![](https://img-blog.csdnimg.cn/img_convert/fdcf141f2c5d6d08a3574ebb889faf9a.png)
-
图2-1-7 查看坏波段 其中蓝色选中的为好波段
2.2 减弱 smile 效应
对于Hyperion影像,其“Smile”效应的检测主要通过亮度梯度(Brightness Gradient)来实现,具体来说它包括两个方面:一种是经MNF(最小噪声分离旋转变换)后的结果影像的第一或第二波段存在亮度梯度,即MNF-1或MNF-2;另一种是氧A吸收带(约760nm)对应波段的左右两肩波段的差值图像存在亮度梯度,由于Hyperion的第42波段(762nm)位于氧A吸收带,其左右两肩波段对应的是第40和第42波段,该检测方法可以写作:VNIR42-VNIR40。
第一步我们这里使用MNF处理,并且只保存第一或者第二波段,将smile效应的直观形式表现出来,处理后我们可以明显的看到图像的亮度梯度较大。
-
![](https://img-blog.csdnimg.cn/img_convert/0f666d65f6e9456b96bb249d092c400a.png)
![](https://img-blog.csdnimg.cn/img_convert/d1231d638d7b147a4533b2ce3057373d.png)
-
图2-2-1 MNF处理影像数据 图2-2-2 只处理第一个波段
![](https://img-blog.csdnimg.cn/img_convert/796bbd492636b9f75ff5c9808e7d959b.png)
图2-2-3 smile效应直接体现
第二步使用Workshop→Interpolate Wavelengths(de_smile)菜单并且结合cwl.txt与avwvl.txt两个辅助文件进行desmile处理。处理后的数据可以看到亮度梯度明显减缓。
-
![](https://img-blog.csdnimg.cn/img_convert/a721b99607f66c1383160d63f1a3a4a0.png)
图2-2-4 desmile处理
![](https://img-blog.csdnimg.cn/img_convert/92635cccf3c9f79fca576ef15939620f.png)
![](https://img-blog.csdnimg.cn/img_convert/1f7eb03eb4b49bf03f12ddd3e5741c02.png)
图2-2-5 输入辅助文件中心波长 图2-2-6 输入实际波长
-
![](https://img-blog.csdnimg.cn/img_convert/e3955e5a11c167c80488437c5ea75d67.png)
图2-2-7 desmile处理后的影像效果图 第三步我们制作图像立方体,首先选择输入文件,进行RGB选择,之后选择部分区域制作图像立方体,最后选择参数,输出图像立方体。
-
![](https://img-blog.csdnimg.cn/img_convert/dea604130a149fdd8ccfa4af9fba6e39.png)
![](https://img-blog.csdnimg.cn/img_convert/eac6c1e534f2d0c7b854d6442dbe7435.png)
图2-2-8 图像立方体输入文件 图2-2-9 RGB选择
-
![](https://img-blog.csdnimg.cn/img_convert/04dce4b0df63cbab88a3d2a128ec6e98.png)
![](https://img-blog.csdnimg.cn/img_convert/0e7a20b29f4dcd282d4c1529f6346cef.png)
图2-2-10 选择部分区域制作图像立方体 图2-2-11 参数设置
-
![](https://img-blog.csdnimg.cn/img_convert/c8dc6ccc8c60d9945b1e3b0a93adecf8.png)
图2-2-12 输出后的图像立方体 2.3去条纹处理
第一步条纹波段的筛选,由操作者根据个人理解自行选择,如:8-11,134,165,188-194,197-198,215-216,219-222
(注:去条纹操作只针对选中的波段进行处理,其他未选中的波段原封不动输出)
第二步使用Workshop→column stats d_streak菜单,推荐局部去条纹方法(Local_F)
(注:图像维窗口半宽度(Size_X)无统一要求,根据数据情况自行确定,如5)
第三步Size_W(光谱维窗口半宽)一定要设置为0 d_steaking method选择线性Linear
-
![](https://img-blog.csdnimg.cn/img_convert/464b1c8c5ef7c8ba281e8acc897d7a9c.png)
图2-3-1 选择波段进行去条纹处理 -
![](https://img-blog.csdnimg.cn/img_convert/881d0450bd06abefdf05c9e7a4d60387.png)
![](https://img-blog.csdnimg.cn/img_convert/0f8250c5b079e7a0d79fe31d8d9fb346.png)
图2-3-2 校正方法选择 图2-3-3 窗口大小选择
-
![](https://img-blog.csdnimg.cn/img_convert/72524d49dcd3334abb2a872adfb6e3dc.png)
图2-3-4 校正前后效果对比图 2.4 绝对辐射亮度值转换
这里我们将各波段定标系数记录为文本文件(flaash factor),无需独立执行辐亮度转换,可以在大气校正时同步完成。
-
![](https://img-blog.csdnimg.cn/img_convert/c9be0cf36f928204296607a8e9936585.png)
图2-4-1 利用记事本转换数据 2.5 大气校正
FLAASH模块中预先定义了Hyperion传感器,可以直接使用flaash插件进行大气校正,
中心维度与成像时间参数在头文件中,我们仅需要计算区域内的平均海拔
第一步计算区域内平均海拔
-
![](https://img-blog.csdnimg.cn/img_convert/f87bacd78454b4a6302a43f731a80def.png)
![](https://img-blog.csdnimg.cn/img_convert/aee972121b1fea7c4e813b738d1bb023.png)
图2-5-1 计算平均海拔 图2-5-2 计算结果图
可以得出区域内平均海拔为395m
第二步使用FLAASH模块进行大气校正
-
![](https://img-blog.csdnimg.cn/img_convert/226e72b11e2f9ef591c4bfa062f78a8a.png)
图2-5-3 大气校正参数设置 -
![](https://img-blog.csdnimg.cn/img_convert/03ac0ee93ab6c5a1a3f19239ea85b0d0.png)
图2-5-4 大气校正后典型植被像元的光谱曲线图 2.6 光谱平滑
第一步计算VNIR VNIR→Forward MNF→VNIR_MNF (57波段之前)
-
![](https://img-blog.csdnimg.cn/img_convert/0967ae6732001c00d9d907fd0ab84a0a.png)
![](https://img-blog.csdnimg.cn/img_convert/226b81ba127a5a32d340288b30cd1f4c.png)
图2-6-1 数据输入 图2-6-2 计算后的VNIR输出
第二步 计算MNF-VNIR(取前12-14个分量)→Inverse MNF→Inverse_VNIR
-
![](https://img-blog.csdnimg.cn/img_convert/84ba54d14d3d890e18c50137e1b0d77d.png)
图2-6-3 计算 MNF-VNIR 第三步计算SWIR SWIR→Forward MNF→SWIR_MNF (79波段之后)
-
![](https://img-blog.csdnimg.cn/img_convert/333a28d5809fe1a3f54c75275607d822.png)
![](https://img-blog.csdnimg.cn/img_convert/5f40bc4dc93cd92514b80308742fb811.png)
图2-6-4 数据输入 图2-6-5 计算后的SWIR输出
第四步 计算SWIR-MNF
-
![](https://img-blog.csdnimg.cn/img_convert/bb59a0945ba7a32185eee2ec784b7027.png)
图2-6-6 计算 SWIR-MNF其中SWIR_MNF(取前8个分量)→Inverse MNF →Inverse_SWIR 第四步进行光谱平滑操作
![](https://img-blog.csdnimg.cn/img_convert/506eccf77b4eb96469e4140cee3d73a2.png)
![](https://img-blog.csdnimg.cn/img_convert/41656678802cae4041b09e399b3106d2.png)
图2-6-7 光谱平滑操作 图2-6-8 平滑前后光谱曲线对比图
3.波谱运算与光谱求导
第一步利用波谱运算(Spectral Math)工具将FLAASH校正后的反射率转换到正常的数值范围:s1/10000.0
![](https://img-blog.csdnimg.cn/img_convert/a2606496e35d6cd5402687c645c87a64.png)
![](https://img-blog.csdnimg.cn/img_convert/550989f175d09778f6869aaee061530c.png)
图3-1 使用光谱计算绝对反射率 图3-2 查看绝对光谱
第二步光谱求导函数deriv(s1)
-
![](https://img-blog.csdnimg.cn/img_convert/b6a14968a9c929d58b69e4d809333ab4.png)
![](https://img-blog.csdnimg.cn/img_convert/c6969fb6ab65607c8197197fe390f36c.png)
图3-1 光谱求导 图3-2 计算后的原始光谱曲线与一阶导数曲线
-