遥感技术应用36课件讲解.pptxVIP

技术应用遥感主讲人：蒋明-遥感图像分类后处理-

CATALOG目录一PART小斑块去除二PART分类统计三PART分类叠加四PART分类结果转矢量五PARTENVIClassic分类后处理（手动编辑）六PART精度评价

PART01小斑块去除

小斑块去除1.主要和次要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。

小斑块去除2.聚类处理（Clump）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。

小斑块去除3.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）。

PART02分类统计

分类统计类别中的像元数、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。基本统计基于分类结果计算相关输入文件的统计信息。

PART03分类叠加

分类叠加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。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。?

PART04分类结果转矢量

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。

PART05ENVIClassic分类后处理（手动编辑）

ENVIClassic分类后处理（手动编辑）主要包括1.局部手动修改?2.更改类别颜色?3.更改类别名称?

PART06精度评价

精度评价主要用于比较分类结果和地表真实信息，可以把分类结果的精度显示在一个混淆矩阵里面。通过将每个地表真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。ROC曲线混淆矩阵（ConfusionMatrix）

精度评价每一列代表了地面参考验证信息，每一列中的数值等于地表真实像元在分类图象中对应于相应类别的数量。每一行代表了遥感数据的分类信息，每一行中的数值等于遥感分类像元在地表真实像元相应类别中的数量。ROC曲线混淆矩阵（ConfusionMatrix）

CourseSummary课程小结一PART小斑块去除二PART分类统计三PART分类叠加四PART分类结果转矢量五PARTENVIClassic分类后处理（手动编辑）六PART精度评价

技术应用遥感-谢谢观看-