使用ENVI+eCognition面向对象分类（1）

前言

  由于之前在使用ENVI+eCognition的两篇文章中一上来就是开始进行分类，没有对总体流程和实验的数据进行介绍，所以在阅读中会觉得部分步骤不理解，下面我会在这篇中对分类的总体流程和实验的数据进行一些详细地说明。

分类目的

  本次分类是想要使用高分辨率的遥感影像对连云港市部分区域的植被进行分类，主要是想将植被利用ndvi指数提取出来然后采用支持向量机（svm）的分类方式将植被区域分为互花米草、芦苇、其他植被。在进行分类之前也是对这些植被区域作为事先的调查知道影像中的哪些区域大量存在该植被。

数据说明

  分类中采用的数据为风云2号拍摄的高分辨率的影像，总计两景影像，一景为五月份的另外一景为十月份的主要考虑到芦苇和互花米草在两种植物生长周期的问题。五月份芦苇生长较为旺盛而在十月份时互花米草生长较为旺盛。这样可以先分别使用两个月份的影像单独分类，然后再考虑将两幅影像结合起来一起分类。当然影像的预先处理也是需要的诸如辐射校正、大气校正等，这里的数据已经进行过预处理。

ENVI中操作的相关说明

  在EVNI中主要是对遥感影像进行图像的融合和配准裁剪，图像的融合是考虑到卫星的波段中着分辨率较低的多光谱波段和一个分辨率较高的全色波段，这样图像融合后可以进一步提高图像的分辨率，达到更好的分类效果。由于在后期需要使用两个月份结合起来进行分类，所以就需要对这个月份的图像进行一次配准如果只是单独对一景影像进行分类的话则不需要这一步。进行配准后由于这两景影像的大小不一致，所以在最后需要将两幅影像裁剪为同样的大小，这也是为了结合分类做准备。

eCognition中相关操作说明

  其实如果只是想要进行一次分类的话使用ENVI也可以做到，而且ENVI中也有着很多的分类方法，但是在eCognition中的强大之处在于它面向对象的分类以及可以制定复杂的规则集（ENVI也有面向对象分类但是没有eCognition强大）。面向对象的第一步就是创建对象，如何将影像中的一个一个像素点转变为一个一个对象，这就需要进行分割，不同得分割方法会获得不同的对象，这其中的算法有很多这里不细说。在分割完后就可以进行分类。不同的分类方法要采取的方式也会不同，在本次分类中先根据ndvi指数将所有的植被区域得到，然后再在植被区域中进行分类获得芦苇、互花米草、其他植被的区域。在eCognition中的支持向量机分类和最邻近分类的方法有着一个较大的区别（不是算法的不同），这个区别是最邻近分类是选择样本当做训练区，而svm则需要选择分类好的对象作为训练区。所以在操作中“3.6矢量转为样本”是为了将分好的类转为样本这样才可以查看作为svm训练区域选择得好坏。当然我是在arcgis中创建了样本点，其实也可以直接选择分割好的对象将其选择为不同的类。使用下图中的工具就可以做到。最后将svm分类器训练好之后就可以进行分类了。

总结

  ENVI和eCognition都是两个很强大的分类软件，在进行分类时并不存在谁好谁坏的情况，要选择一个适合自己的软件进行分类，目前网络上ENVI的教程是较多的，我认为ENVI是比较合适新手去学习，eCognition则稍微难一些而且教程较少，最后给大家一个学习eCognition的课程以及9.5版本的易康软件。
链接：https://pan.baidu.com/s/12w0_DDRoEeX8zT3c3OVd0g?pwd=1234
提取码：1234
复制这段内容后打开百度网盘手机App，操作更方便哦
链接：https://pan.baidu.com/s/1ah2UtZfqyK3RSPJoLGvwLQ?pwd=1234
提取码：1234
复制这段内容后打开百度网盘手机App，操作更方便哦