本文转载自https://blog.csdn.net/archielau/article/details/18152959
ENVI下推荐使用的波谱识别流程(如图1所示)。大致可以分为五个部分:大气校正、数据维数判断、端元波谱选择、波谱识别和结果分析。
(1) 大气校正:使用FLAASH大气校正工具;
(2) 数据维数判断:对图像做MNF变换,根据特征值判断数据的维数;
(3) 端元波谱选择
端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱,与监督分类中的分类样本具有类似的作用,直接影响波谱识别与混合像元分解结果的精度。
最简单的端元波谱获取途径是选择已知的波谱,这些已知的波谱可以来自标准波谱库中的波谱,或者波谱仪器量测等;也可以从图像自身的像元波谱中获得,这些像元一般选择只包含一种地物的纯净像元;还常常采用前面两种方法相结合,即使用已知波谱校正和调整图像上获取的端元波谱。
可选择很多种方法,流程图上标识了两种方法——基于PPI的端元提取和从外部源(如波谱库)获取,也可以选择基于几何顶点的端元提取、基于SMACC的端元提取等方法;
(4) 波谱识别可选的方法就很多,如波谱角填图(SAM)、二进制编码(Binary Encoding )和光谱信息散度(Spectral Information Divergence)、线性波段预测(Linear Band Prediction)、线性波谱分离(Linear Spectral Unmixing )、匹配滤波(Matched Filtering )、混合调谐匹配滤波(Mixture Tuned Matched Filtering)、最小能量约束(Constrained Energy Minimization)、自适应一致估计(Adaptive Coherence Estimator)、正交子空间投影(Orthogonal Subspace Projection)、包络线去除(Continuum Removal)、光谱特征拟合(Spectral Feature Fitting)和多范围光谱特征拟合(Multi Range Spectral Feature Fitting)等。
(5) 分析结果。