高光谱遥感第三次实习 一、 实习任务： 运用MNF变换后的波段以及散点图工具提取端元 运用MNF变换后的波段以及纯净像元指数工具以及N维可视化仪提取端元 运用提取的端元进行分类和制图 二、 实习目标以及用时：学习运用EN V I软件进行纯净像元的提取方法 三、 教学方式：依据实习指导书进行实验，并完成实习报告 四、 使用器材：美国内华达的赤铜矿AVIRIS遥感数据，该数据已经经过ATREM大气校正，ENVI遥感软件 五、 具体实习过程 本次实习主要内容：本章选用的实验数据是一幅经过校准的AVIRIS图像，处理的结果用于地质学应用，这主要是考虑到，到目前为止地质学研究仍然是高光谱遥感的主要应用领域之一。 在ENVI主菜单下选择：File > Open Image File，在打开的文件选择窗口中选择图像文件cu p 95eff，点击OK打开图像： 这是一幅经过校准的有50个波段的AVIRIS图像，图中显示的是将第183、193、207波段分别赋红、绿、蓝合成的彩色图像。 我们可以打开它的2-D散点图观察一下。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172、173波段。 在这幅2-D三点图上我们可以观察到，在由172和173波段组成的光谱特征空间中图像上的点明显地呈线状点云分布，说明这两个波段的相关性极强。 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变化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。 在ENV I主菜单下选择：Transform > MNF Rotation > Forw ard MNF > Estimate Noise Statistics from Data。变换完成后得到如下MNF特征值曲线，其横坐标为变换后的波段数（之所以只有25个波段是因为我在之前的MNF参数设置中更改了输出波段数），纵坐标为特征值。 把鼠标移到曲线上...
