ENVI实战—地物波谱分类

于 2024-03-17 23:20:16 发布
阅读量4.5k 收藏 57
点赞数 30
分类专栏： 快速上手：ENVI 实用功能小技巧 文章标签： 分类 算法 ENVI 遥感
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Promising_GEO/article/details/136792854
版权
文章介绍了五个实验，通过ENVI软件操作，展示如何利用内置波谱库分析不同类型的光谱，如植被、矿物和水体的特性，以及如何进行地物分类。实验强调了波谱曲线在遥感技术中的关键作用，并讨论了分类效果的问题和改进方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

实验1：浏览内置波谱库

目的：学会使用波谱浏览器，浏览内置波谱库，以进行课程后继实验

过程：

①打开ENVI软件，在窗口选择“显示”并点击，找到“波谱库浏览器”并打开，此时可以浏览ENVI内置的波谱库数据
了解本专栏 订阅专栏 解锁全文 超级会员免费看
【Envi遥感图像处理】015：查看高光谱影像、光谱曲线
「 刘一哥与GIS的故事」
03-11 909
高光谱数据是包含光谱维度的三维数据，获取依赖高光谱成像仪器。数据格式多样，如ENVI、HDF、NetCDF等。数据特点为光谱分辨率高、信息量大、数据维度高。处理流程包括数据导入、预处理、特征提取、分类和可视化。应用领域广泛，如农业、环境监测、军事侦察和城市规划。保来发仪器提供高光谱相机等配色系统产品。
ENVI与ArcGis利用卫星影像进行土地利用类型分类
最新发布
qq_50522851的博客
02-29 2126
（3）将卫星影像文件Multispectral_LC08_L1TP_123035_20131120_20170428_01_T1_MTL和Multispectral_LC08_L1TP_124035_20131111_20170428_01_T1_MTL拖入到ENVI中。（6）土地利用类型分类（Toolbox--Classification--Classification Workflow--next--Using training data--分类--next--finish）
利用ENVI进行土地利用监督分类
m0_71391833的博客
01-30 7934
本次实验土地利用分类为例，分类仅考虑大面积连续分布的地物，不考虑更加详细的亚类，选择Landsat8OLI图像为数据源，谷歌地球遥感影像数据为参考影像。监督分类主要包括特征提取和选择、确定分类类别和建立解译标志、训练样本选取和评价、图像分类四个部分。提示：以下是本篇文章正文内容，下面案例可供参考。
ENVI学习总结（十四）——高光谱地物识别
Arcgiser的博客
01-20 2万+
高光谱地物识别 高光谱图像分类方法与传统的多光谱分类有本质的区别，从高光谱图像的每个像元均可以获取一条连续的波谱曲线，就可以考虑用已知的波谱曲线和图上每个像元获取的波谱曲线进行对比，理想情况下两条波谱曲线一样，就能说明这个像元是哪种物质。我们把高光谱图像分类、物质识别、探测等称为波谱识别。 ENVI 提供许多波谱分析方法，包括：二进制编码、波谱角分类、线性波段预测（LSFit）、线性波...
ENVI土地利用分类
T_Maxx的博客
05-19 1万+
做完监督分类之后不知道该怎么进行精度评定
ENVI中利用平均波谱角的方法进行分类
zhoulong_giser
11-28 9254
总体思路是：在分类图像上绘制感兴趣区域(ROI)，利用Send ROIs to n-D Visualizer工具，求得其平均光谱曲线，再根据Spectral Angle Mapper Classification进行分类，分类效果很棒。 下面让我们将超级牛逼的平均波普分类方法一步步实现(以提取阴影为例)： 步骤一：创建ROI(注意：均匀的选择感兴趣区域)： 步骤二：Send ROIs t...
应用ENVI 进行高光谱波谱分析和地物识别
03-20
主要介绍用ENVI如何实现地物识别，以求在此过程中更好地熟悉和理解高光谱遥感图像的处理方法和步骤。本章选用的实验数据是一幅经过校准的AVIRIS图像，处理的结果用于地质学应用，这主要是考虑到，到目前为止地质学研究仍然是高光谱遥感的主要应用领域之一。最后，我对一幅相比之下空间分辨率更高的用于军事的高光谱图像进行了部分改进的分析操作，以便比较分类效果。
地物分类
杨过
06-06 2325
采用影像重选感兴趣区自评和Google earth等第三方软件选点两种方法进行精度评定和对比分析。 其一是重新选一些新的、目视非常明显的地类作为感兴趣区，以感兴趣区代替整幅图像进行自评。 其二是使用Google earth同期数据目视解译，每种地类随机选20-50个点跟影像上的数据进行比较，计算精度指标。 显然，自选评定主观性较强。 监督分类精度高于非监督分类。 由于“混合像元”，同物异谱、同谱异物等原因，不同地物之间的分类精度差异明显，存在错分、误分情况。 ...
使用ENVI进行高光谱波谱分析与地物识别实践
"这篇内容主要介绍了如何利用ENVI软件进行高光谱波谱分析和地物识别，通过实例展示了ENVI在高光谱遥感图像处理中的应用。实验数据选取了一幅校准过的AVIRIS图像，适用于地质学研究。在ENVI中，通过打开图像文件，...
ENVI波谱分类算法：从理论到实践的完整指南
接着，详细探讨了ENVI软件中波谱分类算法的实现方法，通过实践案例演示了像元级和对象级波谱分类算法的操作。最后，文章针对波谱分类的高级应用、挑战及未来发展进行了讨论，重点分析了高光谱数据分类和深度学习在...
基于ENVI的遥感影像分类
05-14
传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生“同物异谱， 异物同谱”的问题， 使得分类精度和效果不理想。因此本文采用基于专家知识的决策树 Ｃ４．５法， 利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树， 与监督分类中的支持向量机法、最小距离法去比较。
Envi监督分类，主要是随机森林分类
热门推荐
guaicaicexu的博客
04-14 2万+
目前精度较高的方法主要是支持向量机分类和随机森林分类。所以废话不多说，直接上干货 1.打开envi，加载影像，主要以land sat8为例，直接打开以MTL为后缀的文件 如果打不开的话，就是头文件有问题，可以把各个波段的tif文件加载进来，进行波段合成。 2.打开头文件后，之后要进行数据的预处理，分别是辐射定标和大气校正。 3.首先是辐射定标在tool box 中直接搜索radiometric，如下图 双击打开，共有7个波段，点击OK，具体设置如图 设置输出路径，不要有中文 4.大气校正，在toolbox
ENVI的非监督分类
10-28
非监督分类：也称为聚类分析或点群分类 在多光谱图像中搜寻 定义其自 然相似光谱集群的过程 它不必对影像地物获取先验知识 仅依靠影像上不同类 地物光谱 或纹理 信息进行特征提取 再统计特征的差别来达到分类的目的 最 后对已分出的各个类别的实际属性进行确认 ">非监督分类：也称为聚类分析或点群分类 在多光谱图像中搜寻 定义其自 然相似光谱集群的过程 它不必对影像地物获取先验知识 仅依靠影像上不同类 地物光谱 或纹理 信息进行特征提取 再统计特征的差别来达到分类 [更多]
遥感地物分类识别
09-21
介绍利用SPOT5多光谱数据实现地物分类。利用光谱和空间特征表示象元信息，神经网络进行分类识别
使用ENVI进行监督分类
Billie使劲学的博客
10-11 1万+
④大气校正模型的选择：根据目标地理位置所在的纬度以及影像拍摄的时间选择相应的模型。将边界的.shp文件转为.evf文件。(直接打开.shp文件好像也可以)打开ENVI并打开文件，找到下载的影像压缩包，解压并打开MTL文件。设置完成后点击OK，即完成转换操作（生成的数据为.evf格式）。全部完成后点击确定，完成大气校正，然后打开大气校正后的文件。在ENVI打开.evf格式（.shp格式）的边界文件。点击OK，就在定义的位置出现了.evf 的边界文件。右侧搜索“flaash”出现如图所示，打开大气校正。
ENVI学习总结（十五）——遥感影像分类与应用
Arcgiser的博客
01-27 1万+
（一）非监督分类 方法有两种，Isodata 和K-means。 1、K—均值分类算法 1）打开待分类的遥感影像数据 2）依次打开：ENVI主菜单栏—>Classification—>Unsupervised—>K—Means即进入K均值分类数据文件选择对话框。 3）选择待分类的数据文件。 4）选好数据以后，点击OK键，进入K-Means参数设置对话框，进行有关参数的...
工作中使用的git操作流程
weixin_44713462的博客
10-11 561
问题：需要克隆下来公司的项目进行代码编辑后提交自己的分支进行项目合并 1、使用git Bash：cat ~/.ssh/id_rsa.pub获取公钥，然后填到公司git地址自己账户下的SSH keys。这样可以通过SSH的方式克隆公司项目 2、克隆项目：选择一个文件夹下打开git Bash，使用git clonegit@****:********.git将项目克隆下来 3、进入项目文件查看本地和远程仓库上的所有分支：git branch -a 4、创建本地自己的分支：git branch ccTes.
卫星遥感土地覆被制图中的地物分类
ewahiogj的博客
08-13 973
地物分类是遥感图像处理中的一个关键步骤，旨在将遥感影像中的像素或区域分配给不同的地物类别，如森林、水体、道路、建筑物等。地物分类可以采用多种方法，包括传统的监督和非监督分类方法，以及更高级的深度学习模型。非监督分类是一种无需预先标记样本的分类方法，它通过对影像中的像素进行聚类，将相似的像素分配到相同的类别中。可以根据任务的复杂程度选择不同的模型结构。使用训练好的深度学习模型对遥感影像进行分类，将影像中的像素或区域分配给不同的地物类别。使用训练好的分类器将影像中的每个像素或区域分配给特定的地物类别。
envi监督分类_土地覆盖分类
weixin_31256083的博客
12-28 5272
面对对象土地覆盖分类面向对象方法-----通过对影像的分割，使同质像元组成不同大小的对象，利用对象的空间特征和光谱特征进行分类，可以有效地克服基于像元层次分类的不足。影像对象的大小决定分割尺度，当影像分割对象与地物边界吻合的程度越高时，地物信息提取精度越高。案例数据准备：· 高空间分辨率遥感影像--最常用的数据源( WorldView-2，QuickBird，GeoEye-1, IKONOS，UA...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

梧桐GIS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值