无人机影像的纹理特征提取【ENVI+Python】--纯操作无原理_envi+idl批量处理图像多角度纹理特征

今天看了张琦琦同学三月新发表的一篇forests文章，顺便学习了一下以前一直早有耳闻但从来不会的遥感影像纹理特征提取的操作（我是小辣鸡），做个学习记录~今天用到的示例数据是今年一月初的精灵4多光谱P4M获取的冬小麦影像，包含五个波段R,G,B,Nir，RedEdge。
主要包含辐射定标，layer stacking，PCA，提取第一主成分，基于GLCM提取纹理特征（Co-occurrence Measures）。

8种纹理因子：

均值（Mean）、方差（Variance）、协同性（Homogeneity）、对比度（Contrast）、相异性（Dissimilarity）、熵（Entropy）、角二阶矩（Angular Second Moment）、相关性（Correlation）。
1.辐射定标：提供两种方法
(1)无人机影像辐射定标方法
之前写过，不再赘述。
(2)直接用大疆智图软件导入反射率灰度板一步合成出反射率图像大疆智图的辐射定标
2.五个单波段反射率图像的layer stacking。
3.PCA

pca的输入是layerstacking.tif


pca之后提取第一主成分（band math）–Co-occurrence Measures-

-得到图像数据类型为8通道的32位float，单通道导出8个纹理图像。

在pca这一步envi报了错，原因是对图像中的空值无法计算，在此进行了一个给Nan值补0的操作。代码由论文原作者提供，灰常感谢~~

from osgeo import gdal
import numpy as np
import os
import
1
2
3