实验四 遥感图像非监督与监督分类.docVIP

实验四 遥感图像的非监督与监督分类 一、实验目的: 非监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进行分类，在没有用户定义的条件下练习使用，在ENVI环境下的非监督分类技术有两种：迭代自组织数据分析技术（ISodata）和K均值算法（K-Means）； 分类过程中应注意：1）怎样确定一个最优的波段组合，从而达到最佳的分类精度，基于OIF和相关系数，协方差矩阵以及经验的使用来完成对最适合的组合的选取，分类效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束后，被分类后的图像是一个新的图像，被分类类码秘填充，从而可以获得数据提取信息，统计不同类码数量，转化为实际面积，在得到后的图像上，可对不同目标的形态指标进行分析。 对训练区中的像元进行分类； 用训练数据集估计查看监督分类后的统计参数； 用不同方法进行监督分类，如最小距离法、马氏距离法和最大似然法。 二、实验设备与材料: 软件 ENVI 4.7软件 所需材料 TM数据 三、实验步骤: 选择最优的波段组合 K-Means法进行非监督分类 Classification →Unsupervised →K-Means，点击hbtmref.img →点击Spectral subset →选3,4,6三个波段→OK，回到上级菜单→OK，在Number of classes中输15即分为15类