一、理论部分
1、绿地信息专题背景
城市绿地是城市中唯一有生命的基础设施，在改善城市生态环境和人居环境起着积极的作用，也是城市生态系统中的重要组成部分。城市绿地含量逐渐成为衡量城市生活质量的一个重要指标。
2、WorldView-2数据介绍
使用0.5米空间分辨率的WorldView-2图像数据，WV2数据除了四个业内标准波段外（蓝、绿、红、近红），还包括四个彩色波段：海岸波段（400-450）用于进行深海探测、植物鉴定和分析，由于该波段经常受到大气散射的影响，已经应用于大气层纠正技术；黄色波段（585-625）探测植被的yellow-ness特征指标，进行植被油气蚀变制图，重要的植物应用波段；红色边缘波段（860-1040）这波段部分重叠在NIR-1波段上，但很少受到大气层的影响。
3、数据处理流程图
4、图像获取与融合知识
5、正射纠正、大气校正及面向对象信息提取
二、数据预处理部分
1、数据预处理
（1）打开数据
1）打开数据
File–Open As–Optical Sensors–DigitalGlobe–WorldView-2
两个影像文件分别打开，格式为.TIL
注：数据是杭州地区的，靠近西湖地区（仅显示部分）
继续打开全色影像：
（2）图像融合
1）转换存储顺序 （ToolBox工具箱中）
选择多光谱图像：
查看对错：右击–View Metadata–查看格式
2）打开融合工具
ToolBox–Image Sharpening–NNDiffuse Pan Sharpening
双击–设置参数
线性拉伸：
部分结果图：
查看信息：
（3）正射纠正
1）为融合图像添加Associated RPC Info
打开融合后图像的头文件，添加
（注：如果头文件打不开，可以关闭融合图像，再次加载尝试打开就好了）
找到 RPC添加
注：遇到添加全色图像，ENVI奔溃，自动退出，解决办法，再次尝试
再次尝试失败，可能下载数据文件有损失吧，直接用给的。
2）正射纠正
Toolbox—RPC Orthorectification Workflow–
输入数据，设置参数（控制点选取的两种方法）
人工选点
即打开另一个ENVI界面，加载GoogleEarth数据，并在清楚的影像上选点，再去GoogleEarth中选择相同位置（因为二者的单位不同，需要修改单位）
修改参数单位
将结果输入：
输入到：
控制点文件输入
修改，选择重采样方法，并继续查看信息
3）大气校正（内存小了，卡了）二次尝试成功
查看波谱曲线
比较（左图为大气校正后的，比较符合植被的光谱曲线图；右图为原来的图）
4、ENVI遥感图像信息提取方案
三、面向对象信息提取
1、工具介绍
1是云检测；2是基于样本的面向对象提取（类似监督分类）；3是基于规则的 面向对象提取（类似决策树）；4是指分割不提取；5是密度分割
2、面向对象提取
1）打开Toolbox–Feature Extraction–Rule Based Feature Extraction Workflow
2)为了提出方法，选择一部分区域来研究，再应用于全部的区域
点击浏览–选择范围包含有城区、郊区、山等最适合
3）设置其余参数
4）点击下一步，设置，合并是合并小碎块，与分割不矛盾
注：由于影像为冬天，选择路中央绿化植被，为了明显看出植被，改变影像的颜色即：
右击–Chang bands–颜色调整为标准假彩色显示
5）分割情况查看，调节分割合并的大小，查看效果，最后根据研究区状况，设置分割与合并分别35与60
注：分割前，应该将分割图像用真彩色显示比较好
6）继续设置参数，修改名字、颜色、规则等
7）基于统计方法
再打开一个新的ENVI 界面–查看原来图像的头文件信息–复制地址–到新的ENVI界面–文件–打开–复制–OK
调整颜色
统计植被对应的NDVI有多大，选样本，选择红色部分的植被一些样本
查看统计结果–右击Veg文件–Statistics
添加到原来的规则中，得到
继续添加规则，提取这类房子区域：
同理，新建ROI为build，选择一些样本，统计整体的Statistics，查看信息，设置规则二，蓝波段小于1000
结果图：
感谢视频学习来源：
http://blog.sina.com.cn/s/blog_764b1e9d0102zygw.html
