遥感信息动态监测实验报告.docx

图像分类后比较

一、 数据来源

使用教材的实验数据光盘第12章\0-森林开采监测文件夹

july_00_quac.img2000年的TM5图像

july_06_quac.img2006年的TM5图像

二、 技术流程图

July_06_quac2006年7月影像数据

July_06_quac

2006年7月影像数据

July_00_quac

2000年7月影像数据

面向对象图像分类

图像分类后比较法处理

结果比较

图1技术流程图

三、实验步骤

打开文件

在ENVI5.1中打开july_00_quac.img， july_06_quac.img两幅影像，以432波段合成，如图

2所示。

图2july_00_quac.img（左）july_06_quac.img（右）面向对象图像分类

图2july_00_quac.img（左）july_06_quac.img（右）

面向对象图像分类

对两幅图像分别计算NDVI，得到了两幅NDVI图像，如图3：

图32000年ndvi（左）2006年ndvi（右）

根据NDVI的波谱图像确定分类规则，如图4所示:

得到了水体、裸地、草地和林地四类，波长范围分别为：2000年图像：

水体：-0.454-0，裸地：0-0.498，草地：0.498-0.678林地：0.678-0.987

2006年图像：水体：-0.445-0，裸地:0-0.540，草地：0.540-0.750，林地：0.750-0.987打开RuleBasedFeatureExtractionWorkflow工具，进行基于规则的样本信息提取。

在CustomBands选项卡，勾选NormalizedDifference:选择B3,B4进行植被归一化指数计算，

图5配置CustomBands

在参数设置面板中，分割设置中选择Edge:基于边缘检测算法。合并设置中选择:FullLambda

Schedule:合并大块，纹理性较强的区域。如图6所示：

图6图像分割与合并

添加林地，水体，草地，裸地，并添加规则进去，如图7所示:

AttributesAdvancedIIShowAttributeImageSpectralMeari(Norm：ilBackNextCancel图7根据规则进行提取分类后的影像如图8所示。_u123

AttributesAdvanced

IIShowAttributeImage

SpectralMeari(Norm：il

BackNextCancel

图7根据规则进行提取

分类后的影像如图8所示。

_u1234

Be--B-HHHHH

la

e

￡i

11

5

5

cla地地体地

Un拓草水裸

FeatureExtraction-RuleBased

Rule-basedClassification

CreateRules

AllClassez

$-■林地[Th-eshold=0.50]

白e[i.o]

; Spectr：alMe：ari(.NirrTi：ali

□草地[Threshold=0.50]

白…Rul丑[1.0]

;Spectr：alMe：an(.N：rm：ali

水体[Tk-eshold=0.50]

白…》Rule[1.0]

= FgfllSpectr：alMe：in(.NorrTi：ali

白“?口裸地[Threshold=0.50]

白…力Huie[1.0]

图8根据规则分类后的july_06_quac.img影像

将july_00_quac.img的影像也按照同样的方法进行分类，得到的图像如图9所示:

cl地地体地

cl地地体地Un林草水裸o1234BBBBOHHHH0

图9根据规则分类后的july_00_quac.img影像

分类后比较

将两幅分类好的图像进行比较，将july_00_quac.hdr影像作为前期影像，将

july_06_quac.hdr影像作为后期影像，得出以下报表：

回ChangeDetectionStatistics(InitialState:july_OO_quac_class.dat,FinalState:july_06_quac_class.dat)

FileOptionsHelp

PixelCountPercentageArg Meters..1Reference

InitialState

林地

草地

水体

裸地

Masked

RowT?jtal

ClassTot：dl

Unclassified

0