关于遥感影像ENVI分类小结

1、关于分类精度检验

        (1)在对一副遥感影像进行分类时,往往需要心里有数,大致分为几类,如5类。

        (2)根据欲分类在影像上大致位置进行判断,针对每个类别选择50个采样点(根据个人情况而定)。

        (3)携带GPS等定位终端到野外调查,记录每个类别的位置和类型。

        ( 4)根据采集的实测点,首先进行分类,如每个类别的50个采样点分为两部分,一个部分是用于分类,一部分用于精度检验。然后再envi软件中对这两部分分别勾画roi区域。

         (5)对分类结果进行后处理,如消除小的斑块等。个人感觉在arcgis中使用eliminate工具挺好使用。

         (6)为分类后处理后的图像添加验证ROI(分类图的ROI tool ,file--restore ROI)。再使用EVNI中的classification---post classification--confusion matrix--use ground truth ROIS。使用真实点验证。即可获得=混淆矩阵的验证结果,可以查看整体分类精度和kappa值。(  如果不想通过手动勾画的roi进行验证,也可以把采集的点在arcgis中为每个采样点做buffer,然后再用dissolve工具融合,即可导入到envi中进行验证。)

2、关于分类方法

        (1)分类方法除了大家常用的最大距离、支持向量机、人工神经网络等。个人通过尝试发现使用“面向对象和基于专家系统的决策树分类”比较好用。特别是基于专家的分类树,如果研究区地形起伏较大,那么DEM可以充分发挥作用。在构建分类时,可以根据设置DEM为变量,如“高程大于2800 且NDVI 大于0.3为针叶林”,可以输入规则 “ B1 GT 2800 and NDVI GT 0.3”其中B1变量选择DEM数据,NVDI变量选择遥感影像。

      (2)基于专家分类系统的好处。可以根据高程、坡向、坡度等信息对分类进行控制,可以避免较为低级原始的错误。如在山脊上有道路的错误,如果加上高程限定就不会出现此类错误。

      (3)个人针对森林分类总结。个人在对一区域分类时,发现2000-3000内有阔叶林、针阔混交林、针叶林,由于三个光谱特征较难区分,选择训练样区也困难。后来本人采取根据DEM信息获取2000-3000m内的ROI(tools--region of interest band threshold to ROI),然后通过roi对遥感影像进行裁切(basic tools--subset data via rois)。裁切出来该海拔区域的影响后,使用非监督分类分为10类,然后把该海拔范围的分类结果重新进行类别合并为3三类,这样最大限度的减少了人为分类误差,有利于提高分类精度。

     (4) 对于如果研究区内有云的区域,但你又知道云下覆盖的类型,那么可以通过手动在ENVI中修改。在原始图主窗口中--overlay-classification选择分类结果图,即可把分类后的图叠加到了原始图上,针对不同类别可以选择边界,然后手动勾画把云下类别划归给你想要的类别。

3、分类结果导出

      导出栅格:通过分类结果窗口的file--save image as--image file保存(注意选择8bit图像)

      导出矢量:classification---post classification--classification to vector,选择分类后的图像即可导出为.evf格式,然后再打开的available vector list中选择export  layer to shapefile即可进行导出为arcgis识别的通过格式。

评论 1 您还未登录,请先 登录 后发表或查看评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题:大白 设计师:CSDN官方博客 返回首页

打赏作者

忠言睿长

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
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
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、C币套餐、付费专栏及课程。

余额充值