ENVI实战—一文搞定遥感图像的计算机解译

最新推荐文章于 2025-06-27 14:40:06 发布
原创 最新推荐文章于 2025-06-27 14:40:06 发布 · 2k 阅读 · 13 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #算法 #计算机视觉 #ENVI #遥感图像处理

人工进行矢量化制图虽然可以达到相应的精度要求，但是在工作量大，内容繁琐，时间成本高，利用计算机帮助我们对各类图像进行解译是目前制图的趋势。

本文基于（ENVI和Arcgis）给出利用遥感图像制作某地土地利用图的详细步骤。

第一步，首先打开该地的.img图像文件，利用Band5,4,3合成RGB图像。

图片

第二步，右键 Layer Manger 框中的can_trm_img,在弹出的对话框中选择"New regions of interests"打开 ROI Tool对话框。开始定义训练样本。

图片

（1）选择ROI Name适当的名称以及配套的颜色。样本选择的区域个数以实际图像以及需要划分的类型有关。

（2）以相同的步骤对不同的土地类型选取样本。

（注意点，这里可能会出现软件闪退现象，建议输入沙地时，只输入“沙”即可，输水体时，只需要输入“水”即可，不知道原因，……个人操作是这样。）

第三步，评价训练样本

了解本专栏 订阅专栏 解锁全文 超级会员免费看
ENVI实战—一文搞定遥感的目视解译
Promising_GEO的博客
05-30 3348
按照Coastal Aerosol、Blue、Green、Red、Near Infrared（NIR）、SWIR 1、SWIR 2的波段顺序依次导入单波段影像数据，在ENVI中添加窗口，对比不同波段的水体差异（图1），按照亮、较亮、暗、较暗四个等级进行评价，并在表格中进行记录。②水中泥沙判读：首先在真彩色影像中找到能够明显看出泥沙和非泥沙的水体，此处在影像中选择一个湖泊，该湖泊在中部两侧的水色呈现较明显的黄色，为自然状态下水中含量大量的泥沙所致（图2右下角）。②依据个人的生活经验，对地物进行分辨。
使用ENVI对遥感影像进行辐射处理
m0_64819732的博客
08-21 4538
使用ENVI对遥感影像进行辐射处理。
ENVI|遥感解译标志：莲藕
weixin_43917272的博客
08-09 652
最近一次野外调查过程中碰到很多莲藕池 例如在山东天地图中选择118.656 37.588 一村、三十八户村、振兴路附近 选择夏天的影像例如2021.6.18 2m影像 东营市垦利县永安镇一村向牛圈村方向有一片确定的藕池养殖区 发现莲藕的图斑呈现以下两种形式，网络上很少能搜到相关信息 大致认为莲藕的这种图斑与种植、收获方式也有一定关联，一般几个藕池中间会有一个空池子 路上有听说一种收割方式：仅下一次种子之后，每年间隔用水冲根收取，第二次收割的时候就在第一次收割的空隙种生长出新的来，两片区域每次
ENVI 遥感解译技术流程
一起来交流学习吧
09-21 4629
遥感信息在林业调查中的应用越来越广。如林业领域，其通过远程信息采集，以无接触传播和接受电磁波的方式采集植物长势、生长面积、周边水文环境等信息，集约化、低成本收集数据，让林业调查有据可依。遥感数据的种类越来越复杂，数据量也在剧增，对数据分析能力提出了更高要求。技术怎样发展去应对这样的挑战？今天我们来学习一下 ENVI 遥感解译技术流程。
遥感图像处理一（ENVI5.6 Classic）
CUGLin的博客
12-11 8884
实验1内容： 1.任选一景遥感影像，进行图像的彩色合成任务，真彩色、假彩色和伪彩色合成，分析每种彩色合成的特点，突出了哪些地物； 2.任选一景灰度影像，进行基本的图像拉伸操作，包括：分段线性、非线性拉伸和直方图均衡化等，分析比较不同拉伸方式的特点。 3.利用示例数据，进行图像主成分分析、缨帽变换，分析变换后不同成分所表达的特定的信息。 4.利用示例数据，进行图像的平滑、锐化操作，分析不同方法的效果。 5.利用lansat7示例数据，进行图像融合，分析比较不同融合方法的效果。
卫星无人机遥感影像数据处理流程及自动化方案（上）
最新发布
weixin_66659399的博客
06-27 1469
一文了解遥感数据处理流程与自动化处理方案
在ENVI中如何结合使用纯净像元指数（PPI）和MNF变换进行遥感影像的波谱分析？请提供操作步骤和注意事项。
10-28
7. 分析处理后的数据，识别主要成分并进行相关的遥感解译工作。 在操作过程中，需要注意以下几点： - 确保所使用的数据已经经过适当的校正和预处理。 - 根据数据的特性和所需的分析精度，合理选择PPI迭代次数和纯度...
ENVI遥感影像解译制作土地利用专题图
hu397313168的博客
03-08 1万+
ENVI打开裁剪完的影像，右键单击图层，选择Change RGB Bands,在弹出的对话框中按照如图所示从上到下依次选择，得出类似于下面的图。在最大自然法分类器对话框中选择要用的序列样本，注意勾选none和No，最后选择输出路径，点击ok。17.林地1和林地2均合并到林地1，耕地和耕地1均合并到耕地（算法的逻辑关系），点击ok。按照上面的步骤依次建立下面的图层，得到的效果类似于下图（样本的选择根据经验自己判断）。21.选择合并的图层，选择输出路径，点击ok。16.分别选择两个框中的水，点击下面的合并。
基于ENVI的遥感影像解译——以Landsat8数据为例（上）
热门推荐
hu397313168的博客
06-20 3万+
秋天树叶开始变色，也有利于植被类型的识别。百度搜索“地理空间数据云”，选择“高级检索”，数据集选择“Landsat 8 OLI_TIRS 卫星数字产品”，空间位置选择“行政区”，然后再依次选择省、市、县等内容（选择你需要的区域就行），时间我这里用的是20200101-20201231，具体看自己需求，然后云量建议5%以下，因为云量覆盖太多的话，遮盖的影像信息就比较多，可用性不高，数据选择“有”，然后进行检索。例如，土地利用现状解译，是在影像上先识别土地利用类型，然后在图上测算各类土地面积。
使用ENVI软件进行遥感图像几何校正
weixin_73805919的博客
04-12 5970
误差最高的匹配点显示在表格顶部，可以直观的查看误差最大的匹配点，找到匹配点列表中精确度较低的匹配点点号，右键点击【Delete Tie Point】进行删除。1）【Geometric Correction】→【Georeference from IGM】，弹出【Input Data File】对话框，选择“cup99hy_true.img”文件，弹出【Input X Geometry Band】对话框，选择【IGM Input X Map】，弹出【Input Y Geometry Band】；
ENVI遥感图像处理教程系列
02-27
ENVI遥感图像处理教程系列，包括：辐射校正、图像增强、感兴趣目标及对象提取、特征提取与选择、图像去噪等。
遥感数字图像处理envi
10-11
上课用的，上传的txt里有一个邮箱，要资源的话发邮件告诉我，我给你发，因为上传资源大小有限，只能这样做，envi软件现在有很多版本，但大致都一样，4.2版本对电脑要求还不那么高，上传的是个安装教程，装很简单的。
ArcGIS支持下高分辨率遥感影像解译效率提高方法 (2014年)
05-12
探讨了在ArcGIS支持下提高人机交互解译生产效率的方法和关键技术，包括多用户并发编辑和协同验证的遥感影像解译系统、双重编码策略、基于要素模板的属性自动赋值、拓扑错误避免和批处理。通过2013年全国水土流失动态监测遥感影像解译检验了其合理性和高效性，为提高遥感影像人机交互解译生产效率提供了生产经验。
第6讲-遥感图像解译
01-26
第6讲-遥感图像解译第
利用ENVI制作遥感影像目视解译图
易水寒的博客
10-12 2万+
利用ENVI制作遥感影像目视解译图 1、首先使用ENVI打开一张遥感影像并打开Region of interest… 2、如图所示选择ROI_type 3、在图像上选择区域 4、Options–>Create Class image from ROIs 5、全选目标区域点击ok 6、选择要保存的路径，并保存解译图。 经过以上步骤目视解译图就做好了。 ...
ENVI遥感处理（9）：遥感影像镶嵌和图像裁剪
遇事不决，问春风
05-19 2万+
遥感影像镶嵌和图像裁剪图像镶嵌图像重叠设置切割线设置色彩平衡设置接边线操作输出图片裁剪规则裁剪resize data（toolbox）不规则裁剪生成xml文件保存为dat文件 图像镶嵌 图像镶嵌，指在一定数学基础控制下把多景相邻遥感图像拼接成一个大范围、无缝的图像的过程。 ENVI的图像镶嵌功能可提供交互式的方式，将有地理坐标或没有地理坐标的多幅图像合并，生成一幅单一的合成图像。最新ENVI提供了全新的影像无缝镶嵌工具Seamless Mosaic，所有功能集成在一个流程化的界面 打开mosaicking-
利用ArcGis进行遥感解译（空间信息采集与编辑）
m0_60667301的博客
10-24 2680
10、如图，当绘制的面元素包含了非目标地物时，可以使用Reshape Feture Tool：选中要编辑的要素，点击菜单栏的Reshape Feture Tool，用鼠标将多余部分圈画出来（注：两个端点在要素内），双击完成裁剪。Name设为“Landuse”；11、若是认为一个面要素可以分为两个面要素时，可以使用Cut Polygons Tool：首先选中要分割的面要素，在主菜单栏点击Cut Polygons Tool，从要分割的地方绘制分割曲线（注：两个端点在Polygon要素边界上），双击完成分割。
【遥感解译实验】利用ENVI绘制遥感影像监督分类专题图，并利用混淆矩阵进行精度评价——基于Landsat5TM影像的LUCC信息提取
weixin_73805919的博客
09-11 4642
此次遥感影像监督分类的实践经历，不仅让我巩固了课堂上学到的理论知识，还使我熟练掌握了使用ENVI软件进行遥感影像监督分类的具体步骤，并认识到监督分类在遥感影像处理中的关键作用。例如，采用波段组合4、3、2的影像，林地呈现深红色，草地为深紫色，而耕地则呈现粉红色，这有助于我们进行精准的分类。当影像中的地物种类普遍且光谱特征差异不大时，监督分类尤为适用，它能有效地提取常见地物，如土地类型、植被覆盖、森林、农田、道路、水体和沙漠等，广泛应用于城市规划、土地管理和道路网络建设等领域。（3）计算样本的可分离性。
遥感影像数据解译基本步骤
ydluyi的博客
08-23 2万+
前言：因论文数据需要，所以开始解译遥感影像数据，整个解译过程都是参考ESRI China的遥感事业部整理的Envi学习教程实现的，非常感谢该公司的学习资料，受益匪浅。同时，在这个过程中遇到了很多问题，幸得老师、师兄和同学的帮助得以解决，个人认为有必要记录各个流程以及问题的解决办法。趁着今天解译数据选样本快吐了，换个口味，整理一下。 （一）数据下载 我是在地理空间数据云(http://www.g...
envi遥感图像综合解译
06-22
### ENVI遥感图像综合解译方法 ENVI是一款功能强大的遥感图像处理软件，其综合解译能力涵盖了目视解译、计算机辅助解译以及多种图像处理技术。以下是关于使用ENVI进行遥感图像综合解译的主要方法和教程： #### 1. 目视解译 目视解译是通过人工观察遥感影像，结合地物特征进行分类的一种方法。在ENVI中，可以通过以下步骤完成目视解译： - 打开遥感影像并进入`Region of Interest (ROI)`工具[^1]。 - 根据实际需求选择合适的ROI类型（如点、线或面）[^1]。 - 在影像上手动绘制感兴趣区域，并对不同地物类别进行标注。 - 使用`Options -> Create Class image from ROIs`生成基于ROI的分类图[^1]。 #### 2. 计算机辅助解译 计算机辅助解译利用算法自动对遥感影像进行分类，常见的方法包括监督分类和非监督分类。 ##### 监督分类 监督分类需要用户提供训练样本，然后通过算法计算每个像元所属的类别。在ENVI中，可以使用以下工具实现监督分类： - 在`Toolbox`中选择`Classification -> Supervised Classification`下的具体算法（如最小距离分类、最大似然分类等）[^3]。 - 输入训练样本数据，并设置分类参数[^3]。 - 运行分类算法后生成分类结果图。 ##### 非监督分类 非监督分类不需要训练样本，而是根据影像中的光谱特性自动聚类。在ENVI中，可以通过以下步骤完成非监督分类： - 在`Toolbox`中选择`Classification -> Unsupervised Classification`下的具体算法（如ISODATA分类）。 - 设置分类参数（如类别数、迭代次数等），运行算法生成分类结果图。 #### 3. 图像增强与特征提取 为了提高解译精度，通常需要对遥感影像进行预处理，包括图像增强和特征提取。例如： - **彩色合成**：通过不同的波段组合生成真彩色或假彩色图像，便于区分地物类型[^2]。 - **边缘检测**：使用滤波器（如Sobel滤波器）突出地物边界。 - **主成分分析**：减少数据维度，提取主要信息。 #### 4. 分类后处理 分类结果可能包含噪声或不连续区域，因此需要进行后处理以提高精度。常用的方法包括： - **多数滤波**：消除孤立像元。 - **形态学运算**：平滑分类结果中的小孔洞或毛刺。 ```python # 示例代码：ENVI IDL脚本实现简单分类后处理 import envi def majority_filter(class_image, filter_size=3): """ 对分类图像进行多数滤波 :param class_image: 分类图像数组 :param filter_size: 滤波窗口大小 :return: 处理后的分类图像 """ filtered_image = envi.majfilt(class_image, filter_size) return filtered_image ``` #### 5. 结果验证与评估 分类结果的准确性需要通过验证和评估来确保。常用的方法包括： - **混淆矩阵**：统计分类结果与参考数据之间的差异。 - **总体精度**：计算正确分类像元占总像元的比例。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

梧桐GIS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值