ENVI操作监督分类.docx

ENVI操作监督分类.docx

《ENVI操作监督分类.docx》由会员分享，可在线阅读，更多相关《ENVI操作监督分类.docx（14页珍藏版）》请在冰点文库上搜索。

ENVI操作监督分类

监督分类

监督分类用于在数据集中根据用户定义的训练样本类别聚集像元。

训练样本类别是像元的集合或单一波谱。

在分类过程中，可以选择它们作为代表区域或分类素材。

区分：

非监督分类仅仅用统计方法对数据集中的像元进行分类，它不需要用户定义任何训练样本类别。

监督分类的方法：

1.基于传统统计分析分类器：

平行六面体、最小距离、马氏距离、最大似然

2.基于人工智能分类器：

神经网络

3.基于模式识别分类器：

支持向量机、模糊分类

监督分类的步骤：

类别定义/特征判别——样本选择——分类器选择——影像分类——分类后处理——结果验证

数据：

以LandsatTM为数据源，影像can_tmr.img

处理过程：

一、样本选择：

打开影像can_tmr.img后543波段显示，目视判断一下这个影像中地物大概分几类，可定义

偏暗红色的为裸地，

鲜绿色的为耕地，

深绿色的为林地，

白色的为沙地，沙地与林地之间的

绿色的为草地，

黑色的为阴影与水体定义为其他。

在主影像窗口菜单中点overlay----regionofinterests,ROItool窗口就打开了，window的方式点击zoom窗口，先定义一类ROI：

裸地

在缩放窗口中画裸地，画的图斑尽量小，分布尽量均匀。

划完裸地后，点击newregion，定义新的种类，沙地、林地、草地、其他的定义和画法都同裸地一样。

得到如下结果：

二、验证样本：

在ROItool对话框菜单点击options—computeROIseparability计算ROI可分离性，这是一种定量的方式来验证样本的方法。

还有一种定性的来验证样本的方法是N维可视化方法。

选择要进行可分离性计算的文件为影像can_tmr.img，点击OK

点击

把六组样本都选择，点击OK。

出现如下报告：

红笔圈画区域数字代表两类样本的相近性，数字越大代表越不相近，两类样本越不好区分。

后面每一栏>1.8最好，所以我们需要修改林地和草地。

激活草地（表格中草地前面带星号），点击Goto，进行逐一删除后重新画样本。

下图是我修改后进行计算ROI可分离性后的结果，每项都>1.8，合格。

三、影像分类：

选好“训练场地”---样本后，我们就要把选好的样本适用于全图进行分类。

主菜单点击classfication----supervised---maxinumlikelihood,选用最大似然分类法。

点击OK。

出现最大似然分类方法参数设置对话框，设置如下：

点击OK后，availablebandlist对话框自动生成了分类文件TM-class，右键loadbandtonewdisplay显示。

接下来要把分类后图像与原图像叠加显示，在原图像的主影像菜单点击overlay---classfication.

选择要用来叠加的文件为分类后图像TM-class，点击OK。

这样两个文件就叠加到一个影像上了。

每一种样本都可以进行

显示。

接下来修改样本的颜色和名称，点击options—editclasscolors/names.

可根据自己的喜好和样本实际颜色进行颜色的修改。

修改好可以保存一下。

点击file---savechangestofile.

去除噪声：

可在缩放窗口看到仔细看到图上有很多的小斑点，我们需要用一些方法去除它们，这里我们采用主要/次要分析方法为例。

在主菜单点击classfication----postclassfication-----majority/minorityanalysis（主要/次要分析方法）.

选择要进行主要次要分析的文件为TM-class，点击OK。

出现主要次要分析参数设置对话框，把六个样本全选，用主要分析法，保存，点击OK。

把新生成的TM—class右键Loadbandtonewdisplay后，比较发现用分类后处理方法生成的图像比原先的“噪声”少了很多。

最新生成的图像就是我们需要的监督分类的成果。