遥感影像多光谱变换

实习序号及题目实习五遥感影像多光谱变换实习人姓名专业班级及编号任课教师姓名实习指导教师姓名实习地点实习日期时间2014年11月25日实习目的1、理解主成份变换、去相关拉伸、缨帽变换、色彩变换、自然色彩变换的原理、方法和操作步骤。2、掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进行遥感影像分析。实习内容1、主成分变换2、去相关拉伸3、缨帽变换4、色彩变换5、自然彩色变换基本原理主成分变换：亦称Karhunen-Loève（K-L）变换，或霍特林（Hotelling）变换多光谱遥感影像主成分变换结果可用一阶线性变换的矩阵形式表示，即Y=AX其中X=[x1,x2,…,xn]T为多光谱空间中的各个像元向量，亦即多光谱影像数据的集合；Y=[y1,y2,…,yn]T为变换后生成的各个主成份分量，亦即变换后形成的多光谱影像数据的集合。A为变换系数矩阵，此矩阵为一方阵，且矩阵的大小等于多光谱空间的维数。变换以后生成了新的多光谱影像Y，Y的各个行向量依次称为第一主成分、第二主成分，…，第N主成分，并且第一主成分包含了原影像的大部分信息；第二主成分包含了第一主成分不能表达的影像信息，信息量少于第一主成分；第三主成分包含了前两个主成分未能表达的影像信息，信息量少于第一、第二主成分；其余影像信息分布在其他主成分中，且信息量依次递减，最后的几个波段的影像上实际仅包含噪声信息。主成份变换实质上就是根据像元灰度矢量在多光谱空间中的分布特征，对影像进行的旋转变换，使变换后坐标原点保持不变，而各个坐标轴与影像像元向量在多光谱空间中的主要分布方向保持一致。根据线性代数理论，主成份变换是一种可逆变换。也就是说，原始影像的各个波段可以通过主成份变换的逆变换恢复出来。主成分变换去除了原影像各个波段之间的相关性，还把有用的信息集中到数目尽可能少的前几个主成分影像波段上，从而有效地提高了目视影像分析的效能。去相关拉伸：用于消除多光谱影像中各个波段之间的相关性，从而生成一幅色彩亮丽的彩色合成影像。方法：首先对影像进行主成份变换，并对主成份变换结果进行反差拉伸，然后再进行主成份逆变换，将影像恢复到RGB彩色空间，达到影像增强的目的。缨帽变换：缨帽变换（TasseledCaptransform)，又称为Kauth-Thomas（K-T）变换。可看作是一种特殊的主成分变换：Y=CX+A对于LandsatTM/ETM+数据：TxxxxxxX754321,,,,,对应于TM影像的1、2、3、4、5、7波段。变换后得到：TyyyyyyY754321,,,,,变换结果的意义：（1）y1代表亮度分量（brightness），是TM六个波段亮度值的加权和，反映了总体的亮度变化；（2）y2代表绿度分量（greenness），与亮度分量正交，反映近红外与可见光波段的对比关系，又称为绿度植被指数（GVI）（3）y3代表黄度或湿度分量（yellowness），主要与土壤湿度/水分状况有关；（4）y4对于MSS数据没有意义，而对于TM数据代表霾，反映大气辐射衰减效应。色彩变换：是指将红、绿、蓝系统表示的图像变换为用亮度、色度、饱和度系统表示的图像的处理方法。自然彩色变换：利用绿、红、近红外三个波段数学变换形式仿真自然色彩数据准备数据：512*512大小的四川省自贡市Landsat8OLI影像1、传感器：Landsat8OLI传感器2、影像空间分辨率:30米3、辐射特征：辐射量化等级为12bit4、光谱特征：水体在影像上主要在绿光和蓝光波段反射率大，在红光较小，因浑浊而在可见光部分较清水有提高，最高反射率有自黄绿光向红光和近红外移动的趋势。。城镇、居民地在可见光波段和近红外波段具有很高的反射率而呈现高亮。草地等低盖度制备在影像上主要反射的是绿光，而森林等高盖度地物对蓝紫光反射率较低，主要反射红光和近红外波段。5、成像时间和农作物季候特征成像时间为2014年8月6日，当前为盛夏季节，当地主要以旱地蔬菜（大豆、红薯、再生稻、玉米、黄瓜、丝瓜、豇豆、空心菜和茄子）为主要农作物，此时生长旺盛，地表植被覆盖率较高。豆类植物正处于快速阶段，红薯、玉米等农作物即将成熟，水稻已经收割完毕。6、区域地理位置四川省自贡市地处四川盆地南部，位于北纬28度55分37秒至29度38分25秒，东经104度02分57秒至105度16分11秒之间。东临隆昌、泸县，南界江安、南溪、宜宾，西与犍为、井研，北靠威远、内江。幅员面积4372.6平方公里。7、自然环境特征自贡市气候属亚热带波澜季风气候区，日照时间较短，四季分明，阴云天气较为常见。气候温暖，年平均气温17.0-18.0摄氏度，极端最高气温40摄氏度。常年日照1150-1200小时。无霜期320-350天。雨量充沛，常年降水量平均1000-1100毫米。自贡境内中、浅丘陵起伏，地势由西北向东南倾斜，一般海拔标高在250-500米，城区海拔高度为280-400米。地貌类型属低山丘陵，由低山地貌、丘陵地貌、平坝地貌和沟谷地貌组成。市内河流主要为沱江水系，沱江下游段流经市境127公里。釜溪河为沱江在市境的主要支流，其上游有旭水河、威远河注入，流域总面积为3490平方公里。市境西部有越溪河自北向南穿越荣县，属岷江水系。7、人文地理特征2010年末，全市总人口325.96万人，其中非农业人口105.40万人。自贡市常住少数民族28个，共4789人。包括彝族、藏族、回族、苗族、土家族、满族等。城镇居民人均可支配收入1.45万元，农民人均纯收入5762元。2013年全市实现地区生产总值（GDP）1001.60亿元。全市粮食种植面积30.68万公顷，油料种植面积2.64万公顷，蔬菜种植面积5.39万公顷。自贡自唐以来就有新年燃灯的习俗，延至清代即有“狮灯场市”“灯竿节”。操作方法及过程启动ENVI5.1，在菜单栏中依次选择File》Preference，设置相关操作的工作空间和临时目录。加载实习一子区影像以5、4、3波段标准真彩色形式显示。1、主成分变换在工具箱中，依次选择Transform》PCARotation》ForwardPCANewStatisticsandRotate。设置StatsXResizeFactor和StatsYResizeFactor为小于等于1的调整系数，用于计算统计值时的数据二次采样。键入一个小于1的调整系数，将会提高统计计算速度。但是在使用时将会使用与系数成正比的像元大小，如系数设置成0.1，计算时将会使用十分之一个像元。这里设置成默认值1。输入一个输出统计路径。使用箭头按钮切换CovarianceMatrix（协方差矩阵）和CorrelationMatrix（相关系数矩阵）。一般情况下，当波段数据间数据范围差异较大时，选择相关系数矩阵；较小时，选择协方差矩阵。此处选择协方差矩阵。选择输出影像文件的路径。设置数据类型为FloatingPoint。点击SelectSubsetfromEigenvalues按钮，选择YES计算统计信息，并出现SelectOutputPCBands对话框，列出每个波段及其相应的特征值，同时也列出每个主成分波段中包含的数据方差的累积百分比。选择NO只会计算特征值和显示供选择的输出波段数。这里我们选择YES，选中后将在弹出窗口中选择输出波段数。设置输出波段数选择默认值（与输入文件的波段数相同）。Band1Band2Band3Band4Band5Band6Band7Band8Band9Band10Band11在工具箱中依次选择Statistics》ViewStatisticsFile，打开运算时保存的PCA.sta文件。BasicStatsMinMaxMeanStdevNumEigenvaluePercentBand1106413504411505581.311250147957.87Band295474240410549713.92673161389.03Band38452559579862823.53157894796.34Band4737665535910212994447004.998.41Band58388655351741827045161551.399.16Band6595755730126262269699411.8999.62Band755495630291621962763294.6899.91Band87947655359520104389750.41899.95Band951105640526258.2998492.83899.99Band10246943169527437852.610808.1821100Band11222112624423917511.411710.4266100Sum21603063通过观察通过主成分变换提取的各主成分影像和分波段统计值，可以看出影像前四个波段已经占据了原始影像信息的绝大多数信息，后面五个波段基本上都是影像的噪声信息。2、去相关拉伸实习1中截取的子区Landsat8OLI影像，从中选取相关性最大的3个波段进行处理。此处选择的红绿蓝三个波段进行运算。在工具箱中依次选择Transform》DecorrelationStretch。可以看出，去相关拉伸可以消除多光谱数据各波段间的高度相关性，从而生成生成一幅色彩亮丽的彩色合成影像。这种效果很好地将地物与其相邻的地物分离开来，地物边界的辨识效果优于简单的波段合成和灰度影像。3、缨帽变换（1）对LandsatETM+数据用已有的工具进行缨帽变换，说明在各个波段上各种典型地物在影像中的表现。在工具箱中依次选择Transform》TasseledCap。设置好输出路径即可。BrightnessGreennessWetnessFourthFifthSixth第一个波段代表亮度分量，是ETM+波段亮度值的加权和，反映了总体的亮度变化；第二个波段代表的是绿度分量，与亮度分量正交，反映了近红外与可见光波段的的对比关系，又称为绿度植被指数（GVI）；第三个波段代表的是黄度或湿度分量，主要与土壤的湿度或水分状况有关；第四个波段代表的是霾，反映了大气辐射衰减效应。这种类型的变换对定标后的反射率数据的效果要比灰度值数据更好。、（2）采用ETM+的缨帽变换系数对OLI数据对应的6个波段做波段运算，计算前四个分量，和（1）中的结果进行比较。Landsat7缨帽变换的参数为（公式为Y=𝐶X+A，X为原始影像）：C=[0.35610.39720.39040.69660.22860.1596−0.3344−0.3544−0.45560.6966−0.0242−0.26300.26260.21410.09260.0656−0.7629−0.53880.0805−0.04980.1950−0.13270.5752−0.7775−0.7252−0.02020.66830.0631−0.1494−0.02740.4000−0.81720.38320.0602−0.10950.0985],A=0计算前四个分量的公式应该为：0.3561*b1+0.3972*b2+0.3904*b3+0.6966*b4+0.2286*b5+0.1596*b6-0.3344*b1-0.3544*b2-0.4556*b3+0.6966*b4-0.0242*b5-0.2630*b60.2626*b1+0.2141*b2+0.0926*b3+0.0656*b4-0.7629*b5-0.5388*b60.0805*b1-0.0498*b2+0.1950*b3-0.1327*b4+0.5752*b5-0.7775*b6其中，b1-b6分别赋予蓝、绿、红、近红外、短波红外1和短波波红外2，也就是OLI的Band2-Band7。在工具箱中依次选择BandRatio》BandMath，输入以上四个公式，点击OK后指定相应的Landsat8波段，然后设置输出路径。BrightnessGreennessWetnessFourth采用同样的公式计算Landsat8和L