遥感图像分析与分类：ENVI/IDL算法实践(2005)

"Image Analysis, Classification and Change Detection in Remote Sensing with Algorithms in ENVI/IDL(2005)" 是一份由 Morton John Canty 编写的教程，专注于使用 ENVI/IDL 软件进行遥感图像分析、分类和变化检测。这份教程是2005年3月21日的版本，它并非2006年正式出版的同名书籍。 教程内容主要分为以下几个部分： 1. 图像、数组和向量 - 多光谱卫星图像：讨论了遥感图像的基础，特别是多光谱图像在地球观测中的应用。 - 向量和矩阵的代数：讲解了基础的线性代数概念，这对于处理遥感图像数据至关重要。 - 特征值和特征向量：这部分介绍了如何通过这些概念来理解和分析图像数据的特性。 - 寻找极值：讨论了如何在图像中找到局部最小值和最大值，这对图像分割和特征识别很有帮助。 2. 图像统计 - 随机变量：介绍了统计学中的随机变量，这是理解遥感图像噪声和信号的基础。 - 正态分布：探讨了在遥感数据中常见的正态分布模型。 - 特殊函数：可能涉及如高斯函数或指数函数等在遥感分析中常见的数学工具。 - 条件概率和贝叶斯定理：讲解如何利用这些概念进行概率推理和分类。 - 线性回归：讨论了如何使用线性模型分析图像像素之间的关系。 3. 变换 - 傅里叶变换：涵盖了离散傅里叶变换及其在图像频域分析中的应用。 - 小波变换：介绍了一种用于图像分析的时空局部化方法，适用于边缘检测和图像压缩。 - 主成分分析（PCA）：这是一种降维技术，可以提取图像数据的主要特征。 - 最小噪声分数（MNF）：这是一种去噪和特征提取的方法，有助于分离图像中的不同成分。 - 最大自相关因子（MAF）：用于图像增强，提高目标与背景之间的对比度。 4. 辐射增强 - 查找表：介绍了如何使用查找表进行图像色调校正和增强。 - 直方图均衡化：一种提高图像对比度的技术，通过重新分配像素值来扩展图像的动态范围。 - 直方图匹配：使得两幅图像的直方图相似，用于比较和匹配不同的遥感图像。 - 滤波：如拉普拉斯算子滤波器，用于边缘检测和图像锐化。 5. 地形建模 - RST变换：即辐射立体变换，用于纠正地形引起的阴影和光照不均匀问题。 - 成像变换：可能涉及其他地形校正或几何校正的方法。 这份教程为遥感领域的从业者提供了深入理解ENVI/IDL软件以及相关图像处理技术的宝贵资源，包括基础的数学概念、统计分析、变换理论以及实际的图像增强和地形校正技术。通过学习这些内容，读者能够有效地分析和解释遥感图像数据，进行分类和变化检测。