在多光谱影像中查找植被

简介: 影像数据差异可用于区分影像的不同表面特征,这些表面特征在不同的光谱通道中具有不同的反射率。通过查找可见红色通道和近红外通道之间的差异,该示例标识了包含重要植被的区域。

一、前言
使用三维图像阵列,其中三个平面表示来自电磁频谱不同部分的图像信号,包括可见的红色和近红外 (NIR) 通道。

影像数据差异可用于区分影像的不同表面特征,这些表面特征在不同的光谱通道中具有不同的反射率。通过查找可见红色通道和近红外通道之间的差异,该示例标识了包含重要植被的区域。
二、实现步骤
步骤 1:从多光谱图像文件导入彩色红外通道
本示例在覆盖法国巴黎部分地区的 LANDSAT 专题制图器影像中查找植被。七个光谱通道(波段)以 Erdas LAN 格式存储在一个文件中。LAN 文件 包含 7 通道 512 x 512 的 Landsat 图像。128 字节标头后跟像素值,像素值按波段数递增的顺序按线 (BIL) 交错排列。像素值以小端字节顺序存储为无符号 8 位整数。

第一步是使用函数从 LAN 文件中读取频段 4、3 和 2。
通道 4、3 和 2 覆盖电磁频谱的近红外 (NIR)、可见红色和可见绿色部分。当它们分别映射到 RGB 图像的红色、绿色和蓝色平面时,结果是标准的彩色红外 (CIR) 合成。最后一个输入参数,用于指定要读取的波段和顺序,以便您可以在单个步骤中构造复合。
变量是一个 512 x 512 x 3 的类数组。这是一个RGB图像,但带有假颜色。显示图像时,红色像素值表示NIR通道,绿色值表示可见红色通道,蓝色值表示可见绿色通道。
在 CIR 图像中,水景非常暗(塞纳河),绿色植被显示为红色(公园和遮荫树)。大部分图像外观是由于健康,富含叶绿素的植被在近红外中具有高反射率。由于 NIR 通道映射到合成图像中的红色通道,因此任何植被密度较高的区域在显示中都显示为红色。一个明显的例子是左边缘的鲜红色区域,这是一个大型公园(Bois de Boulogne),位于巴黎市中心以西塞纳河的一个弯道内。
1.png

通过分析NIR和红色通道之间的差异,您可以量化植被区域与其他表面(如路面,裸露的土壤,建筑物或水)之间光谱含量的这种对比度。
第 2 步:构建近红外-红色光谱散射图
在比较NIR通道(显示为红色像素值)和可见红色通道(显示为绿色像素值)时,散点图是一个自然的起点。将这些通道从原始 CIR 复合中提取到各个变量中很方便。从一个类转换为另一个类也很有帮助,这样就可以在下面的 NDVI 计算以及散点图中使用相同的变量。
将两个通道一起作为灰度图像查看,您可以看到它们的外观有何不同。
2.png
3.png

创建一个散点图,显示每个像素一个点(在本例中为蓝十字),其 x 坐标由其在红色通道中的值确定,其 y 坐标由其在 NIR 通道中的值确定。
4.png

巴黎场景散点图的外观是温带城市地区的特征,夏季树叶中有树木。对角线附近有一组像素,其NIR和红色值几乎相等。这种“灰色边缘”包括路面和许多屋顶等特征。上方和左侧是另一组像素,其NIR值通常远高于红色值。该区域基本上包括所有绿色植被。

第 3 步:通过算法计算植被指数
从散点图中观察到,采用NIR水平与红色水平的比率将是定位包含茂密植被的像素的一种方法。但是,对于两个通道中值较小的暗像素,结果将是噪声。另请注意,对于更大的叶绿素密度,NIR和红色通道之间的差异应该更大。归一化差分植被指数 (NDVI) 的动机是第二个观测值。它采用(NIR - 红色)差异并将其归一化,以帮助平衡不均匀照明的影响,例如云或山丘的阴影。换句话说,逐像素从近红外通道的值中减去红色通道的值,然后除以它们的总和。
请注意数组算术运算符如何在一个简单的命令中计算整个 NDVI 图像。回想一下变量并有类.此选择使用的存储比类少,但与整数类不同,它还允许结果比率假定值的平滑渐变。
变量是理论最大范围为 [-2 1] 的二维类数组。在显示为灰度图像时,可以指定这些理论限制。
5.png
塞纳河在NDVI图像中显得非常黑暗。图像左边缘附近的大光源区域是前面提到的公园(布洛涅森林)。
步骤 4:定位植被 -- 阈值 NDVI 图像
为了识别最有可能包含重要植被的像素,请对 NDVI 图像应用简单的阈值。因此,所选像素的百分比为或约5%。显示逻辑(二进制)图像时,公园和其他较小的植被区域默认显示为白色。
6.png

步骤 5:链接光谱和空间内容
要链接光谱和空间内容,可以在 NIR 红色散点图上定位高于阈值的像素,使用对比度颜色(绿色)的高于阈值像素重新绘制散点图,然后使用相同的蓝绿色配色方案重新显示阈值 NDVI 图像。正如预期的那样,NDVI值高于阈值的像素显示在其余像素的左上角,并与CIR复合显示器中的较红像素相对应。创建散点图,然后显示阈值 NDVI。
7.png

目录
相关文章
|
负载均衡 容灾 关系型数据库
mysql主从复制
mysql主从复制
880 1
|
数据可视化 数据处理 Python
使用Python绘制多个股票的K线图
使用Python绘制多个股票的K线图
|
11月前
|
存储 边缘计算 运维
光纤收发器:连接数字世界的桥梁
【10月更文挑战第22天】
511 2
|
SQL 存储 关系型数据库
6本值得推荐的MySQL学习书籍
本文是关于MySQL学习书籍的推荐,作者在DotNetGuide技术社区和微信公众号收到读者请求后,精选了6本值得阅读的MySQL书籍,包括《SQL学习指南(第3版)》、《MySQL是怎样使用的:快速入门MySQL》、《MySQL是怎样运行的:从根儿上理解MySQL》、《深入浅出MySQL:数据库开发、优化与管理维护(第3版)》以及《高性能MySQL(第4版)》和《MySQL技术内幕InnoDB存储引擎(第2版)》。此外,还有12本免费书籍的赠送活动,涵盖《SQL学习指南》、《MySQL是怎样使用的》等,赠书活动有效期至2024年4月9日。
3865 0
|
存储 数据库
7.Mysql 快速建表,你学会了吗?
7.Mysql 快速建表,你学会了吗?
291 0
|
运维 数据可视化 搜索推荐
(极态/JIT)新一代软件开发平台
极态云平台,极态云,也叫Jit、极态。是一个基于全新的软件设计理论的开发平台。他继承了经典软件开发理念理论、技术和方法,结合了最新的可视化零代码开发的价值,开创性地创造了面向元素开发方法论、元素动态管理和分层机制、应用继承、通用系统模型,可扩展的可视化工具框架,彻底解决了产业界一直以来非常棘手的许多难题和冲突,大大提升业务系统软件开发和维护的效率,也必将给产业带来更加健康的发展,可以说,是近20年来,软件开发技术最重大的一次进步。
|
算法 Java 关系型数据库
漫谈分布式数据复制和一致性!
漫谈分布式数据复制和一致性!
154 0
|
SQL 关系型数据库 MySQL
关系型数据库mysql跨平台兼容性
【6月更文挑战第13天】
732 4
|
自然语言处理 IDE 开发工具
通义灵码上线 Visual Studio 插件市场啦!
通义灵码上线 Visual Studio 插件市场啦!
|
XML 缓存 搜索推荐
RSS 解析:全球内容分发的利器及使用技巧
RSS(Really Simple Syndication)是一种 XML 格式,用于网站内容的聚合和分发,让用户能快速浏览和跟踪更新。RSS 文档结构包括 `<channel>` 和 `<item>` 元素,允许内容创作者分享标题、链接和描述。通过 RSS,用户可以定制新闻源,过滤不相关信息,提高效率。RSS 支持不同版本,如 RSS 0.91 和 RSS 2.0,其中 RSS 2.0 语法简单且广泛使用。RSS 提高网站流量,适用于新闻、博客、日历等频繁更新的站点。RSS 的历史始于 1997 年,至今仍无官方标准,但已成为内容共享的重要工具。
948 0