envi遥感图像处理之分类.docVIP

envi遥感图像处理之分类 ENVI遥感图像处理之计算机分类 非监督分类 1、K—均值分类算法 步骤：1）打开待分类的遥感影像数据 2）依次打开：ENVI主菜单栏—Classification—Unsupervised—K—Means即进入K均值分类数据文件选择对话框 3）选择待分类的数据文件 5）建立光谱类和地物类之间的联系：在新窗口中显示分类结果图： 然后，打开显示窗口菜单栏Tools菜单—Color Mapping—Class Color Mapping…进入分类结果的属性设置对话框，在这里，可以进行类别的名称，显示的颜色等，建立了光谱类和地物类之间的联系。 设置完成以后，点击菜单栏Options—Save Changes 即完成光谱类与地物类联系的确立 6）类的合并问题：如果分出的类中，有一些需要进行合并，可按以下步骤进行：选择ENVI主菜单Classfaction—Post Classfiction—Combine Classes，进入待合并分类结果数据的选择对话框 点击OK键，进入合并参数设置对话框，在左边选择要合并的类，在右边选择合并后的类，点击Add Combination 键即完成一组合并的设置，如此反复，对其他需合并的类进行此项操作，点击OK，出现输出文件对话框，选择输出方式，即完成了类的合并的操作。 至此，K—均值分类的方法结束。 2、ISODATA算法 基本操作与K—均值分类相似。 进行分类数据文件的选择（依次打开：ENVI主菜单栏—Classification—Unsupervised—IsoData即进入ISODATA算法分类数据文件选择对话框，选择待分类的数据文件） 进行分类的相关参数的设置（点击OK键以后，进入参数设置对话框，可以进行分类的最大最小类数、迭代次数等参数的设置） 如此，光谱类的划分到此结束。 参看K—均值分类的第5—6步，进行光谱类与地物类联系的建立以及类的合并等操作 至此，使用ISODATA算法进行分类完成。 监督分类 本实验说明以最大似然法为例，进行监督分类的讲解说明。 步骤：1）打开待分类的遥感影像数据文件 2）进行训练样本的选取：在窗口中打开一张影像，选择主窗口菜单栏Tools键—Region Of Interest—ROI Tools…（或是在主窗口上单击右键，在弹出的快捷菜单栏中选择ROI Tools…）进入训练样本选取对话框。 3）进行训练样本的选取，New Region 可以建立新的样本区，在ROI Name栏中双击，键入类的地物名，在Color栏中双击，可以输入类的颜色，ROI_Type菜单下可以进行样本类型的设置，在主窗口按鼠标左键即可进行样本区选择，以双击右键结束样本区的选取。选取完毕以后，选择File菜单—Save ROIs，对数据进行保存。 4）进行最大似然法的分类：在ENVI主菜单栏中Classfication—Supervised—Maximum Likelihood，进入分类文件的选取对话框，选择相应的待分类文件。 然后进入训练样本选取对话框，进行训练样本的选取及分类结果的存储等方面的设置。 5）单击OK键，即开始进行分类。 6）参看K—均值分类的第5—6步，进行类的相关设置及类的合并等操作 至此，使用最大似然法进行分类完成。 监督分类的方法还有：1）平行六面体法 2）最小距离法3）最大似然法 4）波谱角法 5）马氏距离法 6）二值编码法 7）神经网络法等分类的方法，基本的操作都是进行样本的训练和分类的相关设置，在这里就不再赘述了。 两类分类方法的比较 这里使用K—均值分类法和最大似然法进行了分类比较 从总体上看，两种分类的方法存在较大的差异，这是由于两种分类在相关参数的选取时都存在较大的主观性，在K—均值分类的算法中，类数的选取对结果有显著影响，在最大似然法分类中，样本选取的数量，样本的质量以及样本的代表性等对分类的结果都会产生很大的影响，这就需要进行相关参数的调节，来使得分类效果达到最佳。