- 博客(19)
- 收藏
- 关注
RSS订阅原创 监测植被水分含量的步骤（简单）
结合植被覆盖度（NDVI）与地表热量/辐射特性（反照率）。由于水分充足的植被反照率较低且 NDVI 较高，VSWI 的升高通常预示水分状况改善。通过归一化处理，将当前的 NDVI 置于历史/区域的极值背景下。VCI 接近 1 表示水分充足，接近 0 表示极端干旱。确保两者的行列号、投影（UTM Zone 50N）完全一致。对应的值（例如：-0.008），代表极端缺水状态。对应的值（例如：0.612），代表水分充足状态。：地表反照率（Albedo）波段。对应 NDVI 波段。在 ENVI 中打开。
2025-12-21 21:08:42
348
原创 地面反射率的具体步骤
若你的传感器波段范围差异较大（例如红波段中心波长 660 nm vs 680 nm，或 NIR 波段不同），需查找该传感器的专用反照率系数或重新拟合。若出现 <0 或 >1 的异常值，说明预处理有问题（如未归一化、存在 NaN 填充值），需回溯检查反射率计算过程并修正。若波段顺序与此不同（例如 b1 是红波段），必须在后续波段运算中调整公式中变量对应关系，否则结果会完全错误。b1,b2,b3,b4分别对应蓝、绿、红、近红外波段的反射率（取值范围 0–1）。若逻辑关系相反，说明波段顺序或系数有误，需排查。
2025-12-07 21:41:37
787
原创 ENVI 5.6 利用现场标准校准板计算地表反射率具体步骤
在植被区域采样，检查其光谱曲线：红波段反射率应较低（~0.05-0.2），近红外波段反射率应显著升高（~0.3-0.7）。假设它有4个波段（例如：蓝、绿、红、近红外）。在影像中找到第二块校准板（如80%灰板），重复上一步操作，创建一个新的多边形ROI，并命名为。绘制完成后，在ROI Tool的列表中，右键点击默认的ROI名称（如ROI #1），选择。 如果校准板较小，确保每个ROI包含至少30x30像素的区域，以减少随机噪声的影响。对蓝、绿、近红外波段，使用它们各自的DN均值数据，重复步骤2，计算出。
2025-11-30 20:41:52
639
原创 用ENVI计算地面反射率
建立逐波段线性关系（DN = a×ρ + b），再把全图各波段 DN 代入得到相对反射率影像。若研究需要跨时相/跨区域的绝对反射率对比或定量反演（如叶绿素、含水量等），建议在物理定标后使用。若数据自带元数据（如厂商定标系数、采集时间、太阳高度角等），ENVI 可自动识别。 区间的平均反射率作为该波段的标准 ρ，再参与回归建模，避免波段失配导致系统误差。 为因变量，逐波段做线性回归（推荐剔除异常点或饱和像元），得到每波段的。（避开阴影、边缘与异物，尽量取中心均匀区），并保存 ROI（.xml）
2025-11-22 21:15:48
578
原创 无人机影像的裁剪与辐射定标
一、无人机影像的裁剪目的：将所研究的对象裁剪出来，方便以后参数的计算，并且提高参数的精度具体落实：将图像导入ENVI，在Layer Manager处右击，选择New Region of Interest,接着选择多变形的框图，开始框选，框选后右击选择第一个就会看到所裁剪的区域；图12.1 核心原理辐射定标本质是线性转换：L=Gain×DN+Offset（辐射亮度）或 ρ=a×DN+b（地表反射率）。
2025-11-16 18:48:49
791
原创 用ENVI计算NDVI以及叶面积指数和地面反射率
在计算地面反射率，用envi进行校准时，先选择的图像是经过ipx4d处理过的“group1文件”用Redi ometric Calibration,进行校准时，点击ok后出现图中所示错误，图像缺失辐射定标所需要的增益和偏移参数；经验模型法基于数理统计方法，利用反射率、光谱一阶导数、植被指数等作为自变量，建立叶面积指数与特征光谱（如反射率、光谱指数）之间的回归模型，并利用该模型估算LAI。2)利用与右侧的工具栏搜索NDVI，双击选择NDVI，接着选择导入的图像然后点击波段，选择1-2的波段值，点击ok；
2025-11-09 16:42:10
265
原创 【无标题】
使用该公式计算:【利用ENVI进行图像预处理，计算NDVI值，提取植被生成专题地图】 https://www.bilibili.com/video/BV1Gv4y1R7HZ/?(5昙吉栙孿评腉猟川龄计算NDVI方法一:https://www.bilibili.com/video/BV1fm421E7BF/?二、植被覆盖度等级划分:0~10%(低覆盖度)、10-30%(较低覆盖度)、30-50%(中等覆盖度)、50。-70%(较高覆盖度)、70-100%(高覆盖度)(6)在NDVI图层“右击“-“快速统计'
2025-11-02 19:09:03
395
原创 用Envi计算NDVI指数
归一化植被指数，是反映农作物长势和营养信息的重要参数之一，应用于遥感影像。NDVI是通过植被在近红外波段（NIR）和红光波段（R）的反射率差异来计算的，用于评估地表植被的覆盖和生长情况。计算公式：NDVI = (NIR - R) / (NIR + R)。其中，NIR为近红外波段的反射值，R为红光波段的反射值。
2025-10-26 18:33:35
1012
原创 利用Envi计算植被蒸散量
ENVI是一款广泛应用于遥感数据处理和分析的地理信息系统（GIS）软件，它具有强大的遥感数据分析功能，可以用于处理、分析和展示遥感图像数据。ENVI软件界面直观，操作方便，不仅能够进行常规的遥感图像处理任务，还可以支持用户进行高级的数据分析和图像解译。ENVI的安装目录结构包括若干特定的文件夹，它们各自承担着不同的功能和职责。其中，bin文件夹是ENVI的运行目录，存放着ENVI运行所需的基本执行文件；classic文件夹则保存ENVI经典模式的安装路径和相关文件；
2025-10-19 16:55:40
571
原创 利用Pix4D对图像进行预处理
此外，可以编辑或合并ROI以优化样本选择。是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，随后用训练好的判决函数去对其他待分数据进行分类。注意点：手簿导出的数据是按点号、Y、X、Z格式的，需对应在Pix4D中数据格式选择YXZ顺序，但是Pix4D的XY是反的，因此上虽然我们导出的数据顺序是YXZ，但是在PIX4D中选择时选择XYZ即可，不必选择YXZ。
2025-09-28 15:11:52
920
原创 图像预处理综述——基于ENVI和Pix4Dmapper对图像数据进行处理
4.在Ground Control Points Selection上，选择Options>Warp File,选择校正文件taian_drg.tif,点击OK.在校正参数面板中，校正方法选择多项式2次，重采样选择Bilinear,背景值Background为0.选择输出路径和文件名，点击OK.(3)选择安装路径：点击“Change”按钮，将默认安装路径（C盘）修改为其他磁盘，避免占用系统盘空间，点击“Next”。(2) 关闭杀毒软件：安装前要关闭电脑杀毒软件及防火墙，避免误删破解文件；
2025-09-13 16:09:38
787
原创 基于OpenCv的图像拼接的相关内容
（1）特征点的提取：找到图像中具有显著性信息的点，并计算该点的特征表达。（2）特征点的匹配：对于两张图片的匹配，需要为其中一张图中的点f1，找到一个与其最相似的另一张图片的点f2,可以利用特征矢量的相似性来寻找（3）仿射矩阵的计算（4）图像的拼接与融合：找到重合区域，逐行进行处理，若距离图一近，则图一的权重大，如果距离图二近，则右图的权重大，之后再对重合区域中间固定宽度的区域进行融合。
2025-06-26 22:08:54
649
原创 图像预处理综述——重点论述python图像处理库
腐蚀的基本思想是，如果一个结构元素完全包含在前景物体内部，则该结构元素对应的输出图像位置的值为1，否则为0。膨胀操作与腐蚀相反，它会增加图像中白色区域的大小，常用于填补前景物体中的小洞或扩大前景物体的边界。闭运算是先膨胀后腐蚀的过程，常用于填充前景物体中的小洞，平滑较大物体的边界以及连接邻近的物体。开运算是先腐蚀后膨胀的过程，常用于去除小的物体、平滑较大的物体边界以及填充细长的突出部分。形态学梯度是通过计算膨胀后的图像与腐蚀后的图像之间的差值来得到的，可以突出物体的边缘。dst (可选): 输出图像。
2025-06-19 19:45:27
783
原创 在基于Open CV基础上，不借助ENVI的图像预处理过程
（7）Canny算子此方法不容易受噪声的干扰，能够检测到真正的弱边缘。该方法的优点在于使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时，才将弱边缘包含在输出图像中，因此这种方法不容易被噪声填充，更容易检测出真正的边缘。（1）Roberts算子对具有陡峭的低噪声的图像处理效果较好，但利用Roberts算子提取边缘的结果是边缘比较粗，因此边缘定位不是很准确。（5）Laplacian算子对图像中的阶跃性边缘点定位准确，对噪声非常敏感，丢失一部分边缘的方向信息，造成一些不连续的边缘检测。
2025-06-12 21:55:38
675
原创 图像预处理中聚焦图像裁剪与拼接的相关部分代码
images:指的是传入原图像，传入参数时用[]括起来channels：如果输入图像是灰度图，他的值是[0];如果是彩色图的话，传入的参数可以是[0],[1][2 它们对应的着通道BGR。mask：淹膜图像his：BIN(组距）的数目，也应该用中括号括起来，例如：[256]ranges:像素值范围，通常为[0,256]
2025-06-05 09:19:48
174
原创 无人机遥感图像预处理技术文献综述
无人机遥感图像预处理是精准农业、灾害监测等应用的关键步骤。去噪、辐射矫正与图像裁剪需结合传统方法与深度学习技术，根据传感器类型（RGB、多光谱、热红外）与场景需求灵活选择方案。未来发展方向包括：轻量化模型：针对嵌入式设备优化去噪网络。跨模态融合：结合多光谱与LiDAR数据提升矫正精度。自动化流程：基于AI的端到端预处理系统开发。通过系统学习理论与实践结合，可掌握无人机遥感数据从采集到分析的全流程处理能力。参考文献地址：
2025-05-28 14:14:17
2006
原创 图像预处理相关内容文献综述
在农田环境中利用无人机对农田进行监测过程包括数据采集、 图像预处理、图像拼接和图像识别，各个步骤都需要人工干预，耗时耗力，影响图像的时效性，而且作物关键生育期管理窗口期短，制约了无人机在农田监测效率。通过对图像进行增强、滤波、融合等预处理操作，可以提高图像的质量和准确性，为后续的图像分析和处理提供有力支持。不同的应用场景需要选择合适的图像预处理技术和方法，同时，随着技术的不断发展，还需要进一步提高图像预处理算法的效率、鲁棒性和适应性，以满足无人机图像处理的需求。图像滤波用于去除图像中的噪声，平滑图像。
2025-05-22 17:57:59
1671
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人