1.5 图像镶嵌
图像镶嵌也是所谓的羽化操作，一般来说一景高分影像能覆盖的区域是有限的，所以需要进行镶嵌操作，对其进行拼接到所需要的研究范围，点击工具箱中的Mosaicking—seamless Mosaic
镶嵌过程最好两张两张镶嵌，这样电脑可以承受，先将要镶嵌的两张图通过绿色的加号加载进来，然后使用右上角的seamlines中的自动接边线进行自动拼接，再观察自动拼接的效果，如果有不好的地方再对其进行修改。
接边线的修改主要就是画三角形，将不想要的部分去除，这个很简单，在网上也可以搜到。如何觉得对接边线进行修改比较麻烦，可以加我qq545698595
接边效果:
1.6 影像增强
在遥感集市网站上有植被增强的插件，如果要做绿地信息提取的话可以去上面下载安装，然后对影像进行处理，但是很多情况下不需要这一步，对影像做一个拉伸处理便可。
第二章 绿地信息提取
2.1监督分类
这一步实习课上都有，不需要演示
2.2 面向对象绿地信息提取
面向对象信息提取是目前最流行的信息提取方法，现在可以实现的软件有econition8.7 ERDAS还有envi 的EX模块，总体来说易康软件的面向对象提取方法比较完善，分割方法也比较多，但是因为软件需要收费，所以本文使用envi来进行处理。
2.2.1 分类步骤
2.2.2 实现
对象的创建
影像对象的创建主要进行了图像分割处理，本文采用多尺度分割算法对影像进行分割。首先要对数据源进行一些预处理操作，本文将RGB调整成4:3:2显示模式，这样能够更好的判别出绿地和非绿地的区别，这个时候在图像上可以看到有些红色的建筑物顶和植被覆盖区域发生混淆，这个是之后需要解决的问题。然后打开基于规则面向对象分类模块，将影像输入，考虑到房屋和绿地之间的颜色混淆，在定制波段一栏选择归一化差值，将红波段和近红波段输入，可以在后期的规则特征提取中提供额外的属性数据。 然后对图像进行影像分割和合并，经过反复试验，本文采用使用Edge和Full Lambda Schedue 方法，阈值分别为39.9和89.7，纹理内核为3。分割效果如下：
图 切割效果预览
基于规则特征提取
本文需要提取绿地，分类主要依靠的是绿地的植被覆盖指数。正常情况下，当NDVI>0便可以认为有植被存在，本文发现当令NDVI在0-1之间一些建筑物的房顶也被提了出来，所以将最低值提高到了0.1，虽然发现还是会有一些建筑物被提取，但是情况已经好了很多，其次因为建筑物大多是矩形的，所以可以通过设置矩形度对房屋进行剔除，因此对绿地的描述设置为：NDVI在0.1-1.0之间，rectangle在0.0182-0.8之间，两个属性的分类结果如下图（同一区域），光谱值和纹理提取出来的效果良好，将结果进行输出：
图两种属性提取信息预览（左基于光谱，右基于几何）
试验区绿地提取
从分类结果可以看出分类的效果良好，将肉眼不能分辨的绿地提取了出来，适用于高分辨遥感影像的绿地信息提取，接着将其应用于全图：
图 分类结果图
2.2.3 精度评价
精度评价有两种方法，在classic中的classification-post classicification-confusion Matrix中的两种，一种是从高分辨率提取的图像验证低分辨率的图像，另一种是勾选正确的样本来验证用面向对象方法提取的影像信息，我使用了8m分辨率的多光谱影像提取结果和融合后影像的提取结果进行对比，来得出此次面向对象分类的准确度。