怎样在envi中求两幅影像的相关系数 比如tm6个波段e799bee5baa6e78988e69d8331333264636234，打开影像波段组合。basic tools-statistics-compute statistics-选择打开的影像，确定-选择convariance，确定，记得到统计结果，Correlation 这一项为相关系数：Correlation Band 1 Band 2 Band 3 Band 4 Band 5 Band 6Band 1 1.000000 0.962418 0.944524 0.722882 0.768651 0.814786Band 2 0.962418 1.000000 0.968743 0.771633 0.826653 0.864049Band 3 0.944524 0.968743 1.000000 0.791159 0.865166 0.898138Band 4 0.722882 0.771633 0.791159 1.000000 0.798735 0.724444Band 5 0.768651 0.826653 0.865166 0.798735 1.000000 0.953025Band 6 0.814786 0.864049 0.898138 0.724444 0.953025 1.000000
多时相主成分分析遥感图像变化检测得到的pc1pc2到底是什么？ 首先给出答案，PC1、PC2不是变化信息也不是不变信息。具体要从主成分分析的原理以及其在变化监测的应用中得到解释。主成分分析的原理：主成分分析（PCA-Principal components analysis）又称为K-L变换，是一种除去波段之间的多余信息，将波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。其利用波段之间的相互关系，在尽可能地不丢失信息的同时，用几个综合性波段代表多波段的原图像，使处理的数据量减少。也就是说，主成分分析是将相关的多波段信息通过数学转换成不相关的信息。从定义中可以看出，PC1、PC2不再是原来的波段信息，而是转换后的综合性波段。其中其主成分中一般第一主成分PC1包含了原所有波段中80%的信息，剩下主成分包含的信息逐渐减少。主成分分析在变化检测中的应用：基于原始图像进行主成分变化检测：先对原始的两幅不同时相的图像做主成分分析，分别得到两幅图像的主成分PC1、PC2…，这里的主成分是包含原始影像信息的综合波段信息。然后将两幅图像对应的主成分做差值，就得到分量的差值图像，而这个差值图像就反映了原始图像中的变化信息。基于差值图像的主成分变化检测：首先对不同时相的两幅图像做差值处理，此时的差值图像中就去除了两。
怎么计算大小不一样的图像的互相关系数
