6
图1.5 大气校正参数设置面板
图1.6 大气校正成功后生成的报告
7
图1.7 经大气校正后的影像
3.图像裁剪
在全部做过许多遍后效果都不是很理想后，首先想到的第一个改进措施是裁剪，但在几次尝试后效果并没有很大提升，便想到了数据本身的质量问题，经调整波段后发现影像前几个波段噪声太大，便想到了第二个改进措施即在裁剪时舍去前30个波段对图像进行裁剪，效果要较之前的好很多。
图1.8 裁剪后的影像
8
二． 光谱识别与地物分析
1.波段相关性分析
在主图像窗口中选择：Tools > 2-D Scatter Plots，在随即弹出的波段选择窗口中任
意选择两个波段，点击OK构成2-D散点图。这里选择的是第1、2波段。
图2.1 2-D散点图
在这幅2-D散点图上我们可以观察到，在由1和2波段组成的光谱特征空间中图像上的点大致呈线状点云分布，说明这两个波段的相关性比较强。遥感图像的某些波段之间往往存在着很高的相关性，直观上波段图像彼此很相似，从提取有用信息的角度考虑，有相当一部分数据是多余和重复的，解决这一问题的有效方法是进行特征提取和特征选择，去相关和分离噪声。在多光谱遥感图像处理中，我们会采取PC旋转，但是相比之下，MNF变换更适用于高光谱遥感数据。下面我们就用MNF变换对图像进行处理。最低噪声分数（MNF）变换用以确定图像数据的内在维度、隔离噪声以及降低后处理的计算要求。MNF变换的本质就是两个叠置的主成分变换。第一次变换（基于估计的噪声协方差矩阵）用于分离和重新调节数据中的噪声。第一步导致了转换数据的噪声个体的变异和波段与波段的不相关。第二步是标准主成分变换。
2.MNF变换
在ENVI主菜单下选择：Transform>MNF Rotation>Forward MNF>Estimate Noise Statistics from Data。
9
图2.2 MNF输入影像面板
、
图2.3 MNF参数设置面板
10
变换完成后得到MNF特征值曲线，其横坐标为变换后的波段数，纵坐标为特征值。
图2.4 MNF特征值曲线 图2.5 MNF变换后的散点图
把鼠标移到曲线上并点击左键，曲线上会出现一条以点击位置为交叉点的十字，同时在窗口左下角显示当前的波段数和其特征值。特征值越高说明信息量越丰富。
另外，我们还可以利用2-D散点图检查去相关的情况。 以同样的方法打开2-D散点图，但需要注意的是我们要用MNF图像的第1、2波段，也就是信息最集中的两个波段构成散点图。由图可见，经过MNF变换后的图像波段之间的相关性有效地降低了，并且出现了多个拐点，这些拐点就是我们要找的端元——Endmembers。
3.端元提取 3.1 2-D散点图法
在打开的散点图上点击鼠标中键会出现一个红色的小方块，在主图像窗口中对应这个小方块区域中的点同时呈现红色；在主图像窗口中点击鼠标左键，在散点图上对应点击位置的像素同时呈现红色。这一功能方便我们察看图上像素点与散点图上的像素点的相互对应位置。
端元对应图像上的“纯”像元，是否能很好地提取它对于我们的分类是十分重要的。下面的操作就是利用MNF处理后图像2-D散点图选择端元生成样本区用以分类的过程。在打开的2-D散点图上利用ROI制图功能将点云拐角零散的几个点圈起来，并且不同的ROI用不同的颜色表示。同时在图上这些ROIs也显示了出来。