Landsat系列影像数据数据处理流程

Landsat影像数据数据处理流程

打开 XXXX_MTL.txt文本文件

可以对影像进行一个线性拉伸

在进行其他操作之前，我们应该做一辐射定标，如果先进行其他操作，定标参数可能会丢失，因此在进行其他步骤之前先进行辐射定标

选择要辐射定标的多光谱影像数据

对影像进行辐射定标

我们一般要处理我们感兴趣区域的影像，而没必要对正幅影像进行处理，因此需要进行影像裁剪。很多教材都是在做完 影像镶嵌后或者其他操作后再做裁剪，但是比较耗费时间，在不影响其他操作之前，我们先对影像进行裁剪

本次使用的是shp文件（矢量文件的坐标系应该和影像数据坐标系相同，如果不相同建议在ArcGIS中进行处理）

3.2 打开ROI工具 导入矢量文件

3.3 关联影像文件

3.4 影像裁剪

这里要注意：只处理矢量范围内部的影像数据。

我们看到我们裁剪的结果，同样对另外一幅影像进行操作

4 影像镶嵌

我们的影像是有地理坐标的，因此我们使用Seamless Mosaic 工具进行影像镶嵌

4.1 加载影像

我们可以计算一下Footprints

4.2 色彩平衡

两幅影像往往存在一定的色差，一般我们需要进行色彩平衡处理，否则镶嵌后的影像效果比较不理想。

在色彩平衡中，我们一般现在面积较大的影像作为参考影像，选择面积较小的作为色彩校正影像。

（如果右键影像没有出现 Reference等信息，可以先选择Color Correction选项卡，勾线直方图后再进行操作）

在进行色彩平衡前，我们明显可以看到影像在接边线出有色差

勾选 show preview后,我们可以看到两幅影像的色差不明显了！

4.3 无缝镶嵌

自动生成接边线，

自动生成的接边线往往比较生硬，往往我们需要对接边线进行编辑，是接边线沿山脊，河流等进行接边，因此需要对接边线进行编辑

对接边线编辑好后，对停止接边线处理

在接边线 选项卡中，选择 应用接边线并基于接边线进行羽化处理

4.4 导出镶嵌影像

最后镶嵌的结果还是挺让我们满意的。

大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。

ENVI中有两种大气校正方法，FLAASH大气校正和QUAC快速大气校正。快速大气校正速度快，效果较差，FLAASH大气校正较慢一点，设置的参数较多，但是大气校正效果也比较好。因为我们缺少必要的信息，因此在这里主要对QUAC大气校正进行处理。

FLAASH大气校正方法可以参考 邓书斌老师的教程。

NDVI提取应该在做完大气校正后进行

查看是否有异常值（NDVI值都在-1到1之间）

隐藏黑色背景值

对影像进行预处理完毕后，需要对影像数据进行解析分类

本次采用监督分类的方式对影像进行分类：

在分类前，需要首先和甲方或则项目需求方讨论一下要分类的种类，项目需求是否能提供一些样本文件等。

本次分类内容主要有：乔木林 灌木林  水域  耕地  荒地  建设用地 草地 裸地等。

直接打开的影像，往往色彩的辨识度不是很好，我们一般可以根据需要对影像进行增强，或则波段变换

打开ROI工具

根据影像特征，添加样本文件

分类方法比较多:最常见的最大似然分类方法、支持向量机分类方法等。

本次我们采用支持向量机的分类方法

支持向量机分类（Support Vector Machine 或 SVM）是一种建立在统计学习理论（Statistical Learning Theory 或 SLT）基础上的机器学习方法。SVM 可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。

SVM分类器处理时间比较长，请耐心等待

分类结果如图所示

做完分类后，我们一般需要将将同一类分类类型进行合并，所用的工具为 分类à分类后处理->合并分类

做完分类合并后，图像中存在很多零星分类，或者称为噪点或者椒盐，一般我们需要做一个滤波分析，所用工具为 主/次要分析 Classification->Post Classification-> Majority/Minority Analysis

分类编辑处理

分类的结果可能有些错误，需要我们通过交互式工具对分类结果进行编辑。