ENVI高光谱数据处理流程
1.数据预处理
数据预处理是高光谱数据处理流程中的第一步，其主要目的是去除数
据中的噪声并增加图像质量。

常用的预处理方法包括：大气校正、大气校
正之后的辐射校正、大气校正之后的大气校正等。

-大气校正：高光谱数据中的大气散射会引入许多噪声。

大气校正的
目的是根据大气散射的物理原理，通过对高光谱数据进行光谱校正和辐射
校正，去除大气散射带来的干扰。

-辐射校正：高光谱数据中的辐射能量受到地面温度、雨水和云等因
素的影响，导致数据中存在辐射偏差。

辐射校正的目的是根据卫星的辐射
源数据和大地辐射能量的关系，对高光谱数据进行校正，消除辐射偏差。

-大气校正之后的大气校正：在进行大气校正之后，仍然可能存在一
些小范围的大气散射。

大气校正之后的大气校正的目的是再次进行大气散
射校正，进一步提高图像质量。

2.特征提取
特征提取是高光谱数据处理流程中的核心步骤，其主要目的是从高光
谱数据中提取出对地物分类和解译有用的特征信息。

-光谱特征提取：光谱特征提取是指根据高光谱数据中不同波段的辐
射能量变化，提取出反映地物光谱特性的特征参数。

常用的光谱特征包括：光谱曲线的均值、方差、斜率等。

-空间特征提取：空间特征提取是指从高光谱数据的空间分布中提取
出反映地物空间特性的特征参数。

常用的空间特征包括：纹理特征、形状
特征、边缘特征等。

3.分类与监督解译
分类与监督解译是高光谱数据处理流程中的关键步骤，其主要目的是
将预处理和特征提取之后得到的数据进行分类和解译。

-监督分类：监督分类是指通过已知的训练样本数据，建立分类模型，并将该模型应用于未知的高光谱数据，将数据分成不同的类别。

常用的监
督分类方法有：最大似然分类、支持向量机分类、随机森林分类等。

-非监督分类：非监督分类是指利用高光谱数据本身的统计特性，将
数据按照统计特性对其进行分类。

常用的非监督分类方法有：K-均值聚类、多元高斯聚类等。

4.地物解译与验证
地物解译与验证是高光谱数据处理流程中的最后一步，其主要目的是
对分类结果进行解译和验证，以评估分类的准确性。

-地物解译：地物解译是指根据分类结果，将不同类别的地物识别并
标记出来。

地物解译可以通过人工解译、图像处理软件的辅助解译等方式
进行。

- 准确性验证：准确性验证是指对分类结果进行准确性和精确度的评估。

常用的验证方法包括：混淆矩阵分析、Kappa系数计算等。

综上所述，ENVI高光谱数据处理流程主要包括数据预处理、特征提取、分类与监督和非监督解译等步骤。

通过这些步骤，可以提高高光谱数
据的质量，并从中提取出对地物分类和解译有用的特征信息。

最后，通过地物解译与验证，可以评估分类的准确性，确保处理结果的可靠性。