Envi监督分类及精度验证

最新推荐文章于 2025-04-02 22:48:11 发布
最新推荐文章于 2025-04-02 22:48:11 发布
阅读量2.3w 收藏 343
点赞数 34
分类专栏： 遥感 文章标签： 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/jiekeheiguanglan/article/details/128450472
版权

文章目录

一、建立样本点区域

（1）找到如下选项
在这里插入图片描述
（2）对各类样本进行命名，在进行各类样本的样点选取工作
勾选林地
在这里插入图片描述

勾选水体
在这里插入图片描述
依次勾选其他类别

（3）保存样本点方便下次使用
在这里插入图片描述
分离度：点击感兴趣区域查看分离度
在这里插入图片描述
数据达到1.9以上则表示分离效果好
在这里插入图片描述

二、监督分类

使用最大似然法分类
在这里插入图片描述
在这里插入图片描述

三、分类后处理

由于最大似然分类是基于像素的分类方法，分类结果中细小的版块较多，可以采用“Majority/Minority Analysis”聚类分析进行消除，最小聚类单元选择3*3.
在这里插入图片描述

输出结果
在这里插入图片描述

四、分类精度评价

对于无真实样本的情况，重复第一个步骤再选取各个类型的roi兴趣区作为分类的验证数据集。
在这里插入图片描述

然后，在Toolbox工具箱中，双击Classification→Post Classification→Confusion Matrix Using Ground Truth ROIs 工具，属性字段一致的会自动匹配，不一致的需要自行匹配。
在这里插入图片描述
得到混淆矩阵如下图所示
在这里插入图片描述

ENVI实战—一文搞定监督分类
Promising_GEO的博客
06-20 3918
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实战—一文搞定非监督分类
Promising_GEO的博客
06-20 1162
②分类合并：打开“图像分类”工具，找到“分类合并”工具，选择分类影像，在合并窗口中，按照“Class1→Class1，Class2→Class2，Class3→Class3，CLass4→Class2，Class5→Class5”的规则进行分类合并。③图像分类：选择“图像分类”工具，下拉找到“非监督分类”，找到“IsoData”方法打开，选择裁剪好的影像，点击确定，在参数设置窗口将最大迭代次数改为10，设置输出参数，进行输出。在参数设置窗口中，将五类选中，设置输出结果路径，得到经过主次分析的结果。
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；
ENVI监督分类、非监督分类及精度评定详细教程
04-14
envi监督分类
【ENVI的IDL中实现遥感影像的最大似然监督分类方法】
最新发布
qq_36253366的博客
04-02 198
需要完成以下几个步骤：读取影像数据和ROI（Region of Interest）文件，计算各区域的统计参数（均值、标准差、协方差矩阵），应用最大似然分类算法，并保存分类结果。根据具体需求和数据格式，可能需要对代码进行调整和优化。
【遥感解译实验】利用ENVI绘制遥感影像监督分类专题图，并利用混淆矩阵进行精度评价——基于Landsat5TM影像的LUCC信息提取
weixin_73805919的博客
09-11 4100
此次遥感影像监督分类的实践经历，不仅让我巩固了课堂上学到的理论知识，还使我熟练掌握了使用ENVI软件进行遥感影像监督分类的具体步骤，并认识到监督分类在遥感影像处理中的关键作用。例如，采用波段组合4、3、2的影像，林地呈现深红色，草地为深紫色，而耕地则呈现粉红色，这有助于我们进行精准的分类。当影像中的地物种类普遍且光谱特征差异不大时，监督分类尤为适用，它能有效地提取常见地物，如土地类型、植被覆盖、森林、农田、道路、水体和沙漠等，广泛应用于城市规划、土地管理和道路网络建设等领域。（3）计算样本的可分离性。
ENVI监督分类及精度评价
zhoulong_giser
02-24 5万+
最近协助同学做了完整的监督分类数据，特此记录下来。对于ENVI监督分类，是每一个遥感从业者掌握的最基础的一个方法，但是完整的监督分类流程和精度评价，估计往往认识不够，所以以下的分享还是有点意义。 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。它就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...
【ENVI】精度验证——基于感兴趣区进行混淆矩阵分析
m0_73628219的博客
01-09 1万+
ERDAS做精度评价验证，这里采用ENVI 5.6。本例采用混淆矩阵进行精度验证，感兴趣区作为验证样本，感兴趣区域来源为对原始影像的目视解译。
geemap学习笔记019：监督分类与精度验证（上）
主要是关于代码方面的内容，包括但不限于Python、MATLAB、ENVI、ArcGIS
12-04 955
上一节中介绍了，今天就详细介绍一下监督分类与精度验证。从这一节开始，我也是配置了本地的geemap，就可以不用colab了，配置也是花了挺长时间，但好在也是能够成功应用了，准备用两节的时间介绍监督分类与精度验证。GEE中的监督分类方法主要是包括以下几种，包括决策树、随机森林(RF)、贝叶斯、支持向量机(SVM)等。监督分类主要是包括以下几个步骤：(1)收集数据，包括待分类的影像数据以及标签数据；(2)划分训练集和测试集；(3)利用训练数据训练一个分类器；(3)对原有的数据进行分类；(4)精度验证。
16-监督分类（精度验证)
菜鸟的博客
02-18 1万+
1.打开镜像文件----RGB color543---Overlay---Region of Interest--监督分类导入样本file---Restory ROIs---选择样本--OK2.导入验证样本Overlay---Region of Interest--监督分类导入样本file---Restory ROIs---选择样本--OK3.精度验证---Post Classifition---...
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。
ENVI5.6监督分类
qq_65772557的博客
11-02 2650
2.在上图的窗口处选择Option→compute ROI separability,第一步生成的五个指标全选，然后ok生成样本分离度报告，参数值为0-2，大于1.9说明样本之间的可分离性好，属于合格样本，小于1.8就需要编辑样本或重新选择样本，小于1，就要考虑将两类样本合成一类样本，为了后续保存工作，同样在第一步的窗口选择File→save as，选择所有指标，确定名称保存。（配色可以自行更改）
ENVI监督分类、决策树分类、火烧迹地提取和ArcMap制图
06-14
4. **精度验证**：分类结果的质量评估是必要的，可以通过生成混淆矩阵来进行。混淆矩阵能够直观地展示分类器的表现情况，包括各种类型的正确分类率和误分率。 #### 基于专家知识的决策树分类 **决策树分类**是一种...
envi监督分类精度验证
01-06
### 如何在 ENVI 中执行监督分类的精度评估 #### 准备工作 为了确保后续的操作顺利，在开始之前需确认已经完成了影像数据的预处理以及监督分类过程。这包括选择了合适的监督分类算法并设置了必要的参数，如分类数量...
利用ENVI进行土地利用监督分类
m0_71391833的博客
01-30 8028
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精度评定_envi分类精度评价操作步骤
weixin_33891841的博客
02-01 8869
envi分类精度评价操作步骤 分类精度评价主要有两种方式：混合矩阵、ROC 曲线。其中混合矩阵是以数据的形式表示 分类的精度，而 ROC 曲线的用线条来表示精度。 这里主要整理一下混合矩阵中的两种方式 首先对被分类的原图像再次进行一次 ROI 的选择，这次的感兴趣区的选择尽量只选择纯净 像元， 这样使得分类的精度较高， 或者在跟原图像同一区域范围的高精度图像上进行感兴趣区的 选取。这次的感兴趣定义...
如何使用ENVI进行精度验证步骤
舒克&beta
12-10 4万+
1.加载使用程序或者人工解译分类的tif图像 加载图像 进行彩色密度分割 位置：New Raster Color Slice 结果 转换为ENVI类型图像 工具位置：Slice>Export Color Slices>Class Image 结果 注：ENVI中的混淆矩阵验证工具只接受ENVI 2.使用ROI工具建立验证样本集 建立验证样本集的方式主要有两种，一是通过ROI直接建立样本集，二是从外部导入shp或者xml文件。 通过ROI建立验证样本
geemap学习笔记 08 geemap 监督分类结果的精度验证案例
qq_35776031的博客
05-14 5899
文章目录前言一、分类精度评价二、监督分类结果的精度验证1. 混淆矩阵2. 总体精度3. Kappa 系数4. 生产者精度5. 用户精度总结 前言 要评估分类器的准确性，可以使用ConfusionMatrix。**sample()方法从输入数据生成两个随机样本:一个用于训练，另一个用于验证。训练样本用于训练分类器。从classifier.confusionMatrix()**中可以得到训练数据的替换精度。为了获得验证的准确性，需要对验证数据进行分类。这将向验证FeatureCollection添加一个分类属
ENVI软件对Landsat-8数据进行辐射定标、大气校正、提取NDVI、估算植被覆盖度等操作【图说GIS】
热门推荐
ONEGISER的博客
04-21 9万+
本系列文章会介绍在ENVI软件对Landsat-8数据进行辐射定标、大气校正、几何校正、投影转换、图像裁剪与镶嵌、提取NDVI、估算植被覆盖度等操作，内容会逐步利用业余时间添加，暂时只有部分内容，敬请期待，如有不当的地方，欢迎大家批评指正。先来了解几个概念。DN值（Digital Number ）遥感影像像元亮度值，记录地物的灰度值，无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等相关。反映地物的辐射率radiance地表反射率。
评论 3
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

dropoutgirl

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