炒茄子的博客

对于伪彩色显示，则是我们实际上只有一个波段影像（灰度图），但是我们将该波段影像上像元灰度值进行分级（例如0~255中0~50为一级，51~100又为一级如此），每一级的像元赋予一种颜色显示，如此可以得到伪彩色图像。简单理解就是我们在计算机中，将本就位于蓝波段的影像放在蓝色通道显示，绿光波段的影像放在绿色通道显示，红色波段的影像放在红色通道显示，那么这时候三个通道合成显示的影像我们称之为真彩色合成显示的影像；使用数据为Landsat8 OLI 海洋波段（第一波段/紫波段）

所有的Landsat8 1级数据产品中均包含MTL.txt(Metadata File)文件。Landsat MTL文件包含对数据的系统搜索和归档分类有益的信息。该文件还包含关于数据处理和恶对增强陆地卫星数据有重要价值的信息（例如转换为反射率和辐射亮度）。现在以地理空间数据云的如下图像对*_MTL.txt进行说明。

通过ENVI Classic对自行下载的遥感图像进行一些基本操作，了解和明白ENVI Classic软件中： a. 如何加载、存储和显示各种类型的图像文件； b. 查看图像文件的波段信息、投影信息等基本信息； c. 显示遥感图像中不同地类的光谱曲线； d. 尽量明确菜单栏中各个功能的含义和使用； e. 图像特征统计； f. 遥感影像的图像特征统计和ROI区域不同波段的特征统计 g. 影像的投影信息查看和变换

这次的结果比较满意吧，主要就是先对遥感影像进行NDVI植被指数的提取（使用ENVI），接着将得到的NDVI植被指数提取图进行重分类（使用ArcGIS），接着在布局视图进行精美的修饰（包括但是不限于插入标题，图例，比例尺，指北针），然后就是没了。对遥感影像进行植被指数的提取，并对植被指数提取图制作成标准的，好看的专题地图。包括插入图例，标题，比例尺，指北针等等。

首先是三种变换(HSV变换、Brovey变换、PC变换)可以实现高分辨率的全色影像与低分辨率的多光谱影像融合得到高分辨率的多光谱影像。首先对RGB图像变换HSV颜色空间，用高分辨率的图像代替颜色亮度值波段，自动用最近邻或双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB颜色空间。这是PC变换中各个波段信息量多少的展示（可以发现前三个波段的信息量是最多的，这也就是为什么我们加载RGB影像是选用前三个波段的原因）无波段限制，光谱保持好。光谱信息保持较好，受波段限制（三波段）。

首先，需要明确，手机拍摄的影像即是Red、Green、Blue三波段影像；另外，由于方法十分多，以下方法是认为比较简单(未必方便)的方法，一是转化为HSI比较简单(用ENVI即可实现)，二是多波段转化为几个单波段影像很简单而且手机就能查看而不是专业的ArcMap才能打开。这里全部使用jpg格式是由于其它格式的照片用普通照片查看器无法打开等等。

选中需要记载的窗口（这里选择新窗口，如果需要叠加显示，那就叠加显示的那个影像所在的窗口）1.2 加载DEM高程数据。

1.设置ENVI；2.打开图像，显示单波段图像、显示彩色图像、显示矢量数据、矢量数据与图像数据叠加显示；3.窗口连接；4.图像格式转换（自行定义转入转出格式）；5.将所给实验数据中的b1、b2、...、b7等7个单波段数据合并为一个图像文件；6.将第5部分合成的图像的头文件进行编辑；7.图像裁剪：规则裁剪和不规则裁剪；8.图像重采样：将第5部分合成的图像重采样为20米和60米；9.显示图像的象元灰度值；10.显示图像的光谱曲线.

1.1 编辑波段名称1.2 编辑波段的波长1.3 编辑影像的像素大小(分辨率)1.4 编辑传感器类型1.5编辑数据中忽略值：0值

将多个单波段影像合成为一个多波段影像；解决报错Problem: The input file must be georeferenced；

窗口链接、图像格式转换；顾名思义，就是将两个窗口的影像进行链接，使得我在移动一个显示窗口的影像时，另一个窗口的影像对应位置也会移动，主要用于观察两幅影像的差别，在图像融合时会经常使用（图像融合另一个博客有提到）。

微米为红波段，该波段位于叶绿素的主要吸收带，可用于区分植物类型、覆盖度、判断植物生长状况等，此外该波段对裸露地表、植被、岩性、地层、构造、地貌、水文等特征均可提供丰富的植物信息；微米，为近红外波段，该波段位于植物的高反射区，反映了大量的植物信息，多用于植物的识别、分类，同时它也位于水体的强吸收区，用于勾绘水体边界，识别与水有关的地质构造、地貌等；微米为蓝波段，该波段位于水体衰减系数最小的部位，对水体的穿透力最大，用于判别水深，研究浅海水下地形、水体浑浊度等，进行水系及浅海水域制图；传感器的几个波段及作用。

本次以区分是否为火烧迹地进行分类为例。

小斑块去除之Majority/Minority处理、聚类处理、过滤处理；对于分类图像的情况的统计 ==> 分类统计；当然，对于分类叠加、数据拉伸(线性拉伸为例)、分类结果转矢量也会稍微说明，这很简单。

决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-else结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法决策树：是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果，本质是一颗由多个判断节点组成的树。对于决策树，大家想象一棵树的生长，是不是先有根(叫作根节点)，然后由根继续长大，然后会分叉(即将分叉的位置称为节点)，再分叉...最后长出叶子(又叫叶子节点)。那么对于决策树模型，其实按照这种思路进行的分类。

这就还需要用到我们创建的ROI，不过这次用来验证的ROI绝对不能是之前用来训练模型的ROI，否则这次训练是无效的（这很显然是无效的，这类似于考试，平时的训练我给你出了一些题目，然后还给了你标准答案，让你去分析除这一类题目的解法。考试的时候我当然不应该还将之前出过的题目用来考试了，而是应该用类似的题目来考考你，看看你和标准答案之间的区别，如果区别不大那么说明你已经领悟到了这类题目是如何进行计算处理的，如果你给出的答案和标准答案出入很大，那么说明你还没有理解这类题目到底该如何进行计算。这对应于模型也是类似的。

图像镶嵌，是指在一定的数学基础上将多景相遥感图像拼接成一个大范围、无缝的图像的过程。

其实前面我们创建了一个ROI文件，那个ROI就是感兴趣的区域的意思，其实那个本质就是矢量数据，也就是说，前面我们是创建了一个矢量属性的ROI（这并不是说ROI就是矢量数据，ROI就是感兴趣的区域的意思，只要一个数据能够表示一块区域，而且你对它感兴趣或者有用，那么你可以将它视为裁剪的一个范围），现在不需要我们创建了，他已经给了我们现成的矢量数据，所以方法都差不多，这里就不再一一演示。（波段的选择：按住ctrl多选，按住shift连续选择）这是比较普通常用的一种方式。

图像融合是以图像为研究对象的信息融合，它把对同一目标或场景用不同传感器获得的多种图像，或用同种传感器以不同成像方式或在不同成像时间获得的不同图像，融合为一幅图像，在这一幅融合图像中能反映多重原始图像的信息，以达到对目标和地物的综合描述。

说人话就是，两幅图像有重叠部分，但是如果直接按照各自的地理或者投影坐标进行排布，那么重叠部分又会有重影效果，即没有完全重合，所以配准就是让两幅图像的重叠部分完全重叠在一起而不是错位重叠。（错位重叠可看下图），就是将相同或者不同传感器所采集得到的同一场景的多光谱、多波段或同一 传感器在不同时相、不同方位获得同一场景的图像 建立对应关系，进行匹配和叠加的过程。工具1也是一样的效果，只不过我选择的工具2更为方便，但是灵活性也会相应的减弱一些。需要说明的是，不是所有的图像都能进行图像的。图像几何校正工作流程。...

话不多说，这个仅仅是按部就班。

但是我们知道，人生哪里有那么多1就是1，2就是2的情况，更多的实际上是非线性的关系，所以说RPC模型(基于线性多项式模型的进一步改进)会比线性多项式模型更为妥善的解决几何校正的问题。一幅图像上的每一个像素都有它的像点坐标（x，y）（即以图像的左上角点为原点，该像素在整幅图像的哪一个行（y），哪一列（x）），以及该像素所在实际位置的DEM高程数据。那么也就是说，对于一幅图像上的每一个像素，都需要知道该像素所在的行数（y），所在的列数（x），所处位置的DEM高程数据（h） ==> 坐标（x，y，h）。...

需要说明的是，控制点的数量一般在30~50之间，当然实际情况实际分析，我没有几次实操达到了30个控制点以上，但是有一点很重要，RMS这个误差需要需要维持在1.0以下，该数值在Show List按钮的右侧，你每添加一个控制点RMS都会更新一下，你需要确保RMS不能超过1，否则你需要调整控制点的位置或者删除误差较大的控制点或者添加更多的控制点等等。另外添加控制点是一个重新操作，这里只演示了一个控制点的添加不意味只需要添加一个控制点即可，你需要重复操作，显然这是一个枯燥乏味的操作，但你需要坚持。...

GLT是Geographic Lookup Table的简写，意为地理信息查找表。邓书斌等的《ENVI下基于GLT的风云三号气象卫星几何校正研究》这样描述：VIRR影像文件包含每个初始像元的地理定位信息, 以几何文件 (经纬度) 方式提供。GLT几何校正法利用输入的几何文件生成一个地理位置查找表文件 (Geographic Lookup Table, GLT) , 从该文件中可以了解到某个初始像元在最终输出结果中实际的地理位置。...

1.1 打开ENVI软件1.2 打开MODIS数据1.3 打开工具箱寻找 Georeference By Sensor工具进行几何校正1.3.1 工具所在位置1.3.2 打开 MODIS 几何校正工具并操作校正的参数设置上面的图片操作中选择投影类型不能随便选择，需要查看当前img文件的元数据了解到图像的投影类型（这里是UTM横轴墨卡托投影），基准面是WGS-84椭球体，带号可以计算也可以直接看软件正中最下方的显示（这里显示是）。2.1 打开ASAR数据。...

格式为：参数1,参数2,参数3,解释：参数1为该自定义坐标系基于的椭球体的名称参数2为椭球体的长半轴大小参数3为椭球体的短半轴大小注意：逗号为英文的半角符号,而不是中文的全角符号。这是三个坐标系的需要写入的信息：额外补充一下Beijing1954、西安80、国家2000坐标系的相关知识。...

软件：ENVI5.3b站视频讲解：【ENVI】遥感图像处理入门教程_哔哩哔哩_bilibili数据下载：链接：学习数据.rar_免费高速下载|百度网盘-分享无限制 (baidu.com)提取码：Love自定义坐标目录前提概要Beijing1954坐标系西安80坐标系国家2000坐标系（地心坐标系）定义坐标系添加椭球体关于各个坐标系椭球的参数信息将椭球体参数信息添加到ENVI的ellipse.txt文件中去​编辑添加后保存，形式如下添加基准面各个基准面的参数信息将基准面添加到存储有基准面的datum.txt