八周实验数据分类后处理.pptx

分类后处理技术支持邮箱：.cn技术支持热线：-7官方技术博客：官方技术

课程简介——分类后处理类型小斑块去除分类统计分类叠加分类结果转矢量ENVIClassic分类后处理（手动编辑）精度评价

小斑块去除

小斑块去除Majority和Minority分析聚类处理（Clump）过滤处理（Sieve）

Majority和Minority分析Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸，主要分析（MajorityAnalysis）用变换核中占主要地位（像元数最多）的像元类别代替中心像元的类别。如果使用次要分析（MinorityAnalysis），将用变换核中占次要地位的像元的类别代替中心像元的类别。Toolbox/Classification/PostClassification/Majority/MinorityAnalysis

聚类处理（Clump）聚类处理（clump）是运用数学形态学算子（腐蚀和膨胀），将临近的类似分类区域聚类并进行合并。分类图像经常缺少空间连续性（分类区域中斑点或洞的存在）。低通滤波虽然可以用来平滑这些图像，但是类别信息常常会被临近类别的编码干扰，聚类处理解决了这个问题。首先将被选的分类用一个膨胀操作合并到一块，然后用变换核对分类图像进行腐蚀操作。Toolbox/Classification/PostClassification/ClumpClasses

过滤处理（Sieve）过滤处理（Sieve）解决分类图像中出现的孤岛问题。过滤处理使用斑点分组方法来消除这些被隔离的分类像元。类别筛选方法通过分析周围的4个或8个像元，判定一个像元是否与周围的像元同组。如果一类中被分析的像元数少于输入的阈值，这些像元就会被从该类中删除，删除的像元归为未分类的像元（Unclassified）。Toolbox/Classification/PostClassification/SieveClasses

分类统计

分类统计分类统计(Classstatistics)可以基于分类结果计算相关输入文件的统计信息。基本统计包括：类别中的像元数、最小值、最大值、平均值以及类中每个波段的标准差等。可以绘制每一类的最小值、最大值、平均值以及标准差，还可以记录每类的直方图，以及计算协方差矩阵、相关矩阵、特征值和特征向量，并显示所有分类的总结记录。Toolbox/Classification/PostClassification/ClassStatistics

分类叠加

分类叠加分类叠加（OverlayClasses）功能，可以将分类结果的各种类别叠加在一幅RGB彩色合成图或者灰度图像上，从而生成一幅RGB图像。如果要想得到较好的效果，在叠加之前，背景图像经过拉伸并保存为字节型（8bit）图像。Toolbox/Classification/PostClassification/OverlayClasses

分类结果转矢量

分类叠加可以利用ENVI提供的ClassificationtoVector工具，将分类结果转换为矢量文件Toolbox/Classification/PostClassification/ClassificationtoVector

ENVIClassic分类后处理

ENVIClassic分类后处理局部手动修改更改类别颜色更改类别名称

精度评价

精度评价本节介绍对分类结果进行评价的方法，从而可以确定分类的精度和可靠性。常用的精度评价的方法有两种：一是混淆矩阵；二是ROC曲线。其中，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。ENVI5.x：/Classification/PostClassification/ConfusionMatrixUsing…和ROCCurvesUsing…ENVIClassic：Classification>PostClassification>ConfusionMatrix和ROCCurves

本节收获学习了以下分类后处理操作小斑块去除分类统计分类叠加分类结果转矢量ENVIClassic分类后处理（手动编辑）精度评价