ENVI实战—一文搞定非监督分类

最新推荐文章于 2025-04-12 13:54:06 发布
最新推荐文章于 2025-04-12 13:54:06 发布
阅读量1.1k 收藏 13
点赞数 4
分类专栏： 快速上手：ENVI 实用功能小技巧 文章标签： 分类 人工智能 数据挖掘 ENVI 非监督分类
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/139841979
版权

实验1：使用isodata法分类

目的：学会使用isodata法开展非监督分类

过程：

①导入影像：打开ENVI，按照“文件→打开为→光学传感器→ESA→Sentinel-2”的顺序，打开实验1下载的哨兵2号数据。

图1

②区域裁剪：在影像中寻找区域，该区域需要包含水体、建筑、植被等地物类型，利用roi工具绘制感兴趣区域，按照“文件→另存为→

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】014：影像非监督分类
「 刘一哥与GIS的故事」
02-27 313
包括了ISODATA和K-Mean两种非监督分类方法。ISODATA是一种重复自组织数据分析技术，计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像元进行再分类。K-Means使用聚类分析方法，随机地查找聚类簇的聚类相似度相近，即中心位置，是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的，然后迭代地重新配置他们，完成分类过程。非监督分类总体上一般可分为4个过程：执行非监督分类、类别定义、合并子类和评价分类结果。启动
ENVI实战—一文搞定监督分类
Promising_GEO的博客
06-20 3892
值得注意的是，由于本次用于监督分类的样本仅包含4类地物，因此最终的分类结果中，会存在错分的现象，且由于建筑和道路难以区分，二者无论是从建筑用材还是从空间距离上都具有高度的相似性，以后进行分类时，可以尝试将二者统一，另外，将地物类别扩充，如增加农田，山体等，提高分类与实际影像的匹配程度。依据上述过程对三种方法的结果进行一一对应，得到三种分类的精度评估结果。图1展示了最大似然法下影像的分类结果，对比原图像，整体的分类效果还是较好的，在颜色的显示上，最大似然法最后显示的颜色相对明亮，对地物的区分度高。
ENVI【非监督分类】
weixin_33781606的博客
04-20 7920
非监督分类的概念： 非监督分类，又称“聚类分析或者点群分析”。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对图像地物获取先验知识，仅依靠图像上不同地物光谱信息进行特征提取，在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。   在ENVI中ISODATA和K-Means两种非监督分类的方法： ISODATA是一种重复自组织数据分析技术，计算数据空间...
ENVI CLASSIC图像分类（一）----非监督分类
weixin_52182263的博客
03-16 3595
非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。主要有两方法：ISODATA分类与K-Means分类。
使用ENVI软件进行遥感图像几何校正
最新发布
weixin_73805919的博客
04-12 1338
误差最高的匹配点显示在表格顶部，可以直观的查看误差最大的匹配点，找到匹配点列表中精确度较低的匹配点点号，右键点击【Delete Tie Point】进行删除。1）【Geometric Correction】→【Georeference from IGM】，弹出【Input Data File】对话框，选择“cup99hy_true.img”文件，弹出【Input X Geometry Band】对话框，选择【IGM Input X Map】，弹出【Input Y Geometry Band】；
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]
使用ENVI进行监督分类和非监督分类
qq_43370701的博客
12-27 2万+
使用ENVI进行监督分类和非监督分类，包括最小距离法，最大似然法，支持向量机法，Iso Data法和K-Mean法。
基于ENVI的遥感影像的非监督分类
hu397313168的博客
06-30 1万+
在Toolbox工具箱中，双击Classification/Unsupervised Classification/IsoData Classification工具，在Classification Input File对话框中，选择分类的TM图像文件，单击OK按钮，打开ISODATA Parameters对话框，下面设置ISODATA Parameters对话框中的参数。如果某一类中的像元数小于最少像元数，该类将被删除，其中的像元被归并到距离最近的类中。这个值越小，得到的结果越精确，运算量也越大。
【ENVI遥感影像分类】 监督、非监督分类
热门推荐
kekeOldIron的博客
04-15 2万+
基于光谱的分类方法 1.概要 灰度分割 非监督分类： ISODATA、K-Means 监督分类：基于传统统计分析分类器（平行六面体、最小距离、马氏距离、最大似然）【分类器】 基于人工智能分类器（神经网络）【分类器】 基于模式识别分类器（支持向量机、模糊分类)【分类器】 针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。 2.详细介绍 2.1 灰度分割 对于单波段影像...
ENVI监督分类、非监督分类及精度评定详细教程
04-14
ENVI提供了ISODATA和K-Means两种非监督分类方法。以K-Means为例，用户需要指定分类数量，例如4类，然后运行K-Means分类器，让算法自动找出相似像素的群组。 **非监督分类步骤**： 1. **选择分类方法**：在Toolbox...
ENVI遥感数字图像处理课程设计-遥感图像监督与非监督分类
12-15
遥感数字图像处理课程设计-遥感图像监督与非监督分类，主要对于烟台市地区，包含原始数据，处理数据，以及50页的课程设计报告详细讲述了分析以及操作。以下是节选：4.1.1 图像校正 地理空间数据云下载的0云量数据...
非监督分类
04-28
envi软件非监督分类的操作方法，有详细的分类结果图
ENVI遥感图像处理方法第六章图像分类监督与非监督
03-24
ENVI遥感图像处理方法_邓书斌 第六章图像分类实例
envi-监督分类超详细
07-15
超详细的监督分类教程 第一步：打开envi 4.8 打开待处理影像文件（tiff），设置显示rgb先后顺序；
遥感影像监督分类与非监督分类的比较（pdf）
05-14
遥感影像分类是影像分析的一个重要内容,它是利用计算机通过对影像中不同地物的空间信息和光谱 信息进行分析,选择特征,并将特征空间划分为互不重叠的子空间,然后将影像中各个像元划归到子空间去. 目前国内国际上对影像分类的研究主要集中在应用具体的物理的、数学的方法等对影像进行的分类研究方 面[1 - 8 ] ,对于影像分类方法的研究,从不同的方面可以划分为不同的类型. 按照利用图像要素的不同,影像 分类大体可以分为三种:一是基于图像灰度值的分类,二是基于图像纹理的分类,三是基于多源信息融合的 分类[9 ] . 用计算机对影像进行分类应用的主要是模式识别技术,根据具体应用的数学方法不同又可分为:统 计法(决策分类法) 、语言结构法(句法方法) 、模糊法以及神经网络法. 在影像分类过程中,根据是否已知训练 样本的分类数据,影像分类方法又可以分为监督分类和非监督分类. 本文主要从分类原理、分类过程、分类方 法等方面来探讨这两种分类方法的区别与联系.
非监督分类ISODATA算法的C++实现
03-20
ISODATA算法是目前图像处理主流软件erdas、envi等，它们非监督分类最常采用的算法，分类效果好，
高光谱遥感图像处理（14）-----ENVI使用教程之监督分类与非监督分类
小木匠的博客
05-04 1万+
监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求， 随后用训练好的判决函数去对其他待分数据进行分类。 1.1打开并显示影像文件
17-非监督分类
菜鸟的博客
02-19 2446
1.打开影像文件---classifition----Unsupervised-----isodata-----OK----OK----Load  band  to new display2.overlay---classifition----OK---options----edit class colors/names---修改名称命名类别----保存修改file---save changes ...
土地分类——基于Sentinel-2多源遥感的无监督分类进行土地分类
此星光明博客
04-19 984
无监督分类是一种基于统计学方法的图像分类技术，不需要先验知识和训练样本，直接对图像进行分类。基于Sentinel-2多源遥感数据进行无监督分类可以实现对土地类型的划分。本教程主要的目的是通过多源遥感影像进行土地分类，这里主要的数据是哨兵2号数据，波段+纹理特征，灰度波段用的NDVI指数。步骤如下：1. 数据预处理：对Sentinel-2数据进行预处理，包括辐射校正、大气校正和几何校正等。2. 特征提取：从预处理后的数据中提取有效的特征。
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