ENVI-FX4.6操作说明

遥感事业部ENVIFX操作说明ENVIFX的操作可分为两个部分：发现对象（FindObject）和特征提取（Extractfeatures），如图1所示。图1FX操作流程示意图（红色字体为可选项）规则分类特征提取监督分类导出要素查看报告和统计完成计算属性发现对象是定义要素影像分割合并分块精炼分块是输出对象为矢量文件？遥感事业部1、准备工作根据数据源和特征提取类型等情况，可以有选择的对数据做一些预处理工作。空间分辨率的调整如果您的数据空间分辨率非常高，覆盖范围非常大，而提取的特征地物面积较大（如云、大片林地等）。可以降低分辨率，提供精度和运算速度。可利用ENVI主界面-BasicTool-ResizeData工具实现。光谱分辨率的调整如果您处理的是高光谱数据，可以将不用的波段除去。可利用ENVI主界面-BasicTool-layerstacking工具实现。多源数据组合当您有其他辅助数据时候，可以将这些数据和待处理数据组合成新的多波段数据文件，这些辅助数据可以是DEM,lidar影像,和SAR影像。当计算对象属性时候，会生成这些辅助数据的属性信息，可以提高信息提取精度。可利用ENVI主界面-BasicTool-layerstacking工具实现。空间滤波如果您的数据包含一些噪声，可以选择ENVI的滤波功能做一些预处理。2、发现对象(一)打开数据在ENVIZoom中打开ProcessingFeatureExtraction。如图2所示，BaseImage必须要选择，辅助数据（AncillaryData）和掩膜文件（MaskFile）是可选。这里选择ENVI自带数据envidata\feature_extraction\qb_colorado,它是0.6米的快鸟数据，作为BaseImage特征提取数据，不增加辅助数据和掩膜文件。遥感事业部图2选择数据(二)影像分割FX根据临近像素亮度、纹理、颜色等对影像进行分割，它使用了一种基于边缘的分割算法，这种算法计算很快，并且只需一个输入参数，就能产生多尺度分割结果。通过不同尺度上边界的差异控制，从而产生从细到粗的多尺度分割。选择高尺度影像分割将会分出很少的图斑，选择一个低尺度影像分割将会分割出更多的图斑，分割效果的好坏一定程度决定了分类效果的精确度，我们可以通过预览分割效果，选择一个理想的分割阀值，尽可能好地分割出边缘特征。遥感事业部图3影像分割阈值设定调整滑块阀值对影像进行分割，这里设定阈值为45，点击Next按钮，这时候FX生成一个RegionMeans影像自动加载图层列表中，并在窗口中显示，它是分割后的结果，每一块被填充上该块影像的平均光谱值。接着进行下一步操作。注：按钮是用来选择分割波段的，默认为BaseImage所有波段。(三)合并分块影像分割时，由于阈值过低，一些特征会被错分，一个特征也有可能被分成很多部分。我们可以通过合并来解决这些问题。FX利用了FullLambda-Schedule算法，该方法在结合光谱和空间信息的基础上迭代合并邻近的小斑块。这一步是可选项，如果不需要可以直接跳过。遥感事业部图4合并分块设定一定阈值，预览效果。这里我们设置的阈值为95，点Next进入下一步。(四)分块精炼FX提供了一种阈值法（Thresholding）进一步精炼分块的方法。它是基于亮度值的栅格操作，根据分割后结果中的一个波段的亮度值聚合分块。对于具有高对比度背景的特征非常有效（例如，明亮的飞机对黑暗的停机坪）。可以将精炼结果生成掩膜图层（Mask），按钮可以修改基于哪个波段。遥感事业部图5精炼分块这里我们就直接选择NoThresholding（default）跳过这一步，点击Next进入下一步操作。(五)计算对象属性计算4个类别的属性：光谱、空间、纹理、自定义（颜色空间和波段比）。其中“颜色空间”选择三个RGB波段转换为HSI颜色空间，“波段比”选择两个波段用于计算波段比（常用红色和近红外波段）。各个属性的详细描述参考附录。遥感事业部图6对象属性的计算这里我们按照默认全选择，ColorSpace选择RGB，BandRatio选择红色和近红外波段，点击Next按钮进行下一步操作。目前，已经完成了发现对象的操作过程，接下来是特征的提取。3、特征提取如图7所示，有三种特征提取方法供选择，分别是监督分类、规则分类和直接矢量输出。遥感事业部图7特征提取方法选择(一)输出矢量在图7所示步骤中选择ExportVectors，进入图8界面，选择保存路径，属性信息也可选择输出。图8直接矢量输出输出完成会生成一个报表。不关闭FX浮动面板，在ENVIZoom中将得到的矢量遥感事业部特征加载显示。点击Previous按钮，回到图7界面。(二)监督分类在图7步骤中选择Classifybyselectionexamples，下一步到如图8所示界面。图9监督分类界面1)选择样本在ENVIZoom中，切换到Select方式，双击Feature_1，打开一个类别的属性，如图10所示，修改显示颜色、名称等信息。添加分类删除分类修改类别属性打开样本文件保存样本文件插入真实样本矢量数据打开显示分割块的边界遥感事业部图10修改类别属性信息在分割图上选择一些样本，为了方便样本的选择，可以在ENVIZoom的图层管理中将原图移到最上层，选择一定数量的样本，如果错选样本，可以在这个样本上点击左键删除。一个类别的样本选择完成之后，新增类别，用同样的方法修改类别属性和选择样本。在选择样本的过程中，可以随时预览结果。可以把样本保存为xml文件以备下次使用。点击按钮可以将真实数据作为这里的训练样本，真实样本数据为ShapeFile矢量文件，如图11所示，为一个真实矢量数据的属性表，可以分别选择其中的纪录作为样本插入。图11真实矢量数据这里我们建立5个类别：道路、房屋、草地、林地、水泥地，分别选择一定数遥感事业部量的样本，如图12所示。图12选择样本2)设置样本属性在图9中，切换到Attributes选项。默认是所有的属性都被选择，这些选择样本的属性将被用于后面的监督分类。可以根据提取的实际地物特性选择一定的属性。遥感事业部图13样本属性选择这里我们按照默认，全部选择。3)选择分类方法在图9中，切换到Algorithm选项。FX提供了两种分类方法：K邻近法（KNearestNeighbor）和支持向量机（SupportVectorMachine，SVM），如图14所示。K邻近分类方法依据待分类数据与训练区元素在N维空间的欧几里得距离来对影像进行分类，N由分类时目标物属性数目来确定。相对传统的最邻近方法，K近邻法产生更小的敏感异常和噪声数据集，从而得到更准确地分类结果，它自己会确定像素最可能属于哪一类。在K参数里键入一个整数，默认值是1，K参数是分类时要考虑的临近元素的数目，是一个经验值，不同的值生成的分类结果差别也会很大。K参数设置为多少依赖于数据组以及您选择的样本。值大一点能够降低分类噪声，但是可能会产生不正确的分类结果，一般值设到3-7之间就比较好。遥感事业部支持向量机是一种来源统计学习理论的分类方法。选择这一项，需要定义一系列参数：（1）KernelType下拉列表里选项有Linear，Polynomial，RadialBasisFunction，以及Sigmoid。如果选择Polynomial，设置一个核心多项式（DegreeofKernelPolynomial）的次数用于SVM，最小值是1，最大值是6。如果选择PolynomialorSigmoid，使用向量机规则需要为Kernel指定theBias，默认值是1。如果选择是Polynomial、RadialBasisFunction、Sigmoid，需要设置GammainKernelFunction参数。这个值是一个大于零的浮点型数据。默认值是输入图像波段数的倒数。（2）为SVM规则指定thePenalty参数，这个值是一个大于零的浮点型数据。这个参数控制了样本错误与分类刚性延伸之间的平衡，默认值是100。（3）ClassificationProbabilityThreshold为分类设置概率域值，如果一个像素计算得到所有的规则概率小于该值，该像素将不被分类，范围是0~1，默认是0。图14分类方法遥感事业部这里我们选择K邻近法，K参数设置为5，点击下一步，输出结果。4)输出结果特征提取结果可以以两种格式输出，矢量和图像，如图15所示。矢量可以是所有分类以单个文件输出或者每一个类别分别输出；图像可以把分类结果和规则结果分布输出。图15输出分类结果这里我们选择单个文件以及属性数据一块输出，分类图像和规则图像一块输出。点击Next按钮完成输出，同时可以看到整个操作的参数和结果统计报表。遥感事业部图16分类结果和统计报表(三)规则分类在图7界面中选择Classifybycreatingrules，点击Next，到图17规则分类界面。每一个分类有若干个规则（Rule）组成，每一个规则有若干个属性表达式来描述。规则与规则直接是与的关系，属性表达式之间是并的关系。同一类地物可以由不同规则来描述，比如水体，水体可以是人工池塘、湖泊、河流，也可以是自然湖泊、河流等，描述规则就不一样，需要多条规则来描述。每条规则又有若干个属性来描述，如下是对水的一个描述：面积大于500像素延长线小于0.5NDVI小于0.3对道路的描述：延长线大于0.9紧密度小于0.3标准差小于20遥感事业部图17规则分类这里以提取居住房屋为例来说明规则分类的操作过程。首先分析影像中容易跟居住房屋错分的地物有：道路、森林、草地以及房屋旁边的水泥地。双击Feature_1图标，修改好类别的相应属性。1)第一条属性描述，划分植被覆盖和非覆盖区。双击rule，打开对象属性选择面板，如图18所示。选择Customized-bandratio。FX会根据选择的波段情况计算波段比值，比如这里在属性计算步骤中选择的RatioBand是红色和近红外波段，所以此时计算的是NDVI。把ShowAttributeImage勾上，可以看到计算的结果，通过ENVIZoom工具查看各个分割块对应的值。点击Next按钮，或者双击bandratio，进入bandratio属性设置对话框，如图19所示。新增分类为分类新增规则为规则新增属性变量修改分类或规则属性删除分类或属性重设规则打开规则文件保存规则文件浏览规则语句高级设置遥感事业部图18对象属性面板图19属性设置对话框通过拖动滑条或者手动输入确定阈值。FuzzyTolerance是设置模糊分类阈值，值越大，其他分割块归属这一类的可能性就越大。归类函数有线性和S-type两种。这里设置模糊分类阈值为默认的5，归属类别为S-type，值的范围为0~0.3，勾选ShowRuleConfidenceImage可以预览规则图像。点击Ok完成此条属性描述。2)第二条属性描述，去除道路影响居住房屋和道路的最大区别是房屋是近似矩形，我们可以设置Rect_fit属性。点遥感事业部击按钮或者双击rule，选择Spatial-rect_fit。设置值的范围是0.5~1，其他参数为默认值。同样的方法设置Spatial-Area:FuzzyTolerance=0,90Area1100Spatial-elongation(延长):elongation33)第三条属性描述，去除水泥地影响水泥地反射率比较高，居住房屋反射率较低，所以我们可以设置波段的象元值。Spectral-avgband_2:avgband_250。最终的rule1规则和预览图如图20所示。图20房屋提取规则与结果类似的思路可以提取道路、林地、草地等分类，这里就不一一例举。最终结果的输出方式和监督分类一样。4批处理操作ENVI提供了ENVI_FX函数，具体语法如下：ENVI_DOIT,’ENVI_FX_DOIT’[,A_FID=array][,A_POS=array][,BR_BANDS=array][,CEN