基于监督分类的ENVI遥感技术.docxVIP

基于监督分类的ENVI遥感技术概述监督分类对监督分类的理解监督分类与非监督分类最本质的区别是在于是否有训练样区，训练区是通过人为的目视判读，光谱分析等方法提供给计算机，而计算机以训练区为基础，通过预先设定好的规则对图像进行分类。所以影响监督分类的质量的因素有训练区的选取（人为因素）与分类方法的优劣(算法因素)。判断分类质量的方法一般是混淆矩阵法，即通过比较分类结果与通过实地调查或者用地类型图得出的检验用的ROI，建立混淆矩阵，分析两者之间的差异，评价分类错分与漏分的几率而间接评价分类精度。训练样区的选择训练样区应选择在地物类型分布典型的地区，这样才不会导致错分的像元太多出现。（例如最小距离法，如果将不典型的地物也选择进去，就会导致同种地物内部差异过大，也就是方差或者标准差偏大，就会使两种原本谱线就相近的地物产生交叉的地方，而在交叉的地方的地物就很有可能被错分）但是同时也不宜试图将差别过小的地物分开。例如我的CIR图中植被也有分几个层次，有的颜色比较浅，有的颜色比较深，（如光谱收集图中红色和蓝色为较深色植被）但是由于图是位于城市内部，而不是天然的植被或者拥有连片的单一植被，就算能够将其分离也有可能是混合像元造成的，而且另一方面也会导致图像过于破碎，分布不集中等问题。在训练样区的选择中，一般可以将地物分为水体、岩石（城市）、植被三大类，因为这三类的光谱差异最大，较容易且准确地分出来。而