搜索
ENVI监督分类监督分类用于在数据集中根据用户定义的训练样本类别聚集像元。训练样本类别是像元的集合或单一波谱。在分类过程中，可以选择它们作为代表区域或分类素材。监督分类的步骤：类别定义/特征判别——样本选择——分类器选择——影像分类——分类后处理——结果验证数据：以LandsatTM为数据源，影像can_tmr.img处理过程：一、样本选择：打开影像can_tmr.img后543波段显示，目视判断一下这个影像中地物大概分几类，可定义偏暗红色的为裸地，鲜绿色的为耕地，深绿色的为林地，白色的为沙地，沙地与林地之间的绿色的为草地，黑色的为阴影与水体定义为其他。在主影像窗口菜单中点overlay----regionofinterests,ROItool窗口就打开了，window的方式点击zoom窗口，先定义一类ROI：裸地在缩放窗口中画裸地，画的图斑尽量小，分布尽量均匀。划完裸地后，点击newregion，定义新的种类，沙地、林地、草地、其他的定义和画法都同裸地一样。得到如下结果：二、验证样本：在ROItool对话框菜单点击options—computeROIseparability计算ROI可分离性，这是一种定量的方式来验证样本的方法。还有一种定性的来验证样本的方法是N维可视化方法。选择要进行可分离性计算的文件为影像can_tmr.img，点击OK点击把六组样本都选择，点击OK。出现如下报告：红笔圈画区域数字代表两类样本的相近性，数字越大代表越不相近，两类样本越不好区分。后面每一栏1.8最好，所以我们需要修改林地和草地。激活草地（表格中草地前面带星号），点击Goto，进行逐一删除后重新画样本。下图是我修改后进行计算ROI可分离性后的结果，每项都1.8，合格。三、影像分类：选好“训练场地”---样本后，我们就要把选好的样本适用于全图进行分类。主菜单点击classfication----supervised---maxinumlikelihood,选用最大似然分类法。点击OK。出现最大似然分类方法参数设置对话框，设置如下：点击OK后，availablebandlist对话框自动生成了分类文件TM-class，右键loadbandtonewdisplay显示。接下来要把分类后图像与原图像叠加显示，在原图像的主影像菜单点击overlay---classfication.选择要用来叠加的文件为分类后图像TM-class，点击OK。这样两个文件就叠加到一个影像上了。每一种样本都可以进行显示。接下来修改样本的颜色和名称，点击options—editclasscolors/names.可根据自己的喜好和样本实际颜色进行颜色的修改。修改好可以保存一下。点击file---savechangestofile.去除噪声：可在缩放窗口看到仔细看到图上有很多的小斑点，我们需要用一些方法去除它们，这里我们采用主要/次要分析方法为例。在主菜单点击classfication----postclassfication-----majority/minorityanalysis(主要/次要分析方法).选择要进行主要次要分析的文件为TM-class，点击OK。出现主要次要分析参数设置对话框，把六个样本全选，用主要分析法，保存，点击OK。把新生成的TM—class右键Loadbandtonewdisplay后，比较发现用分类后处理方法生成的图像比原先的“噪声”少了很多。最新生成的图像就是我们需要的监督分类的成果。