3分类后处理讲解.pptxVIP

《林业遥感技术》

;第七章：遥感影像目视解译;教学模块三遥感数据处理;计算机分类原理

监督分类

非监督分类

分类后处理

;小斑块去除

Majority和Minority分析

聚类处理（Clump）

过滤处理（Sieve）

;小斑块去除

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

;小斑块去除

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

;小斑块去除

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

;分类结果转矢量

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

;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：

ClassificationPostClassificationConfusionMatrix和ROCCurves