ENVI学习总结(十五)——遥感影像分类与应用

(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,进行有关参数的设置,包括分类的类数、分类终止的条件、类均值左右允许误差、最大距离误差以及文件的输出等参数的设置。如图1、图2、图3、图4所示

 

图1 原图像界面

图2操作菜单

图3 K-Means图像界面

图4 在原图进行显示

2、ISODATA算法

基本操作与K—均值分类相似。

1) 进行分类数据文件的选择(依次打开:ENVI主菜单栏—>Classification—>Unsupervised—>IsoData即进入ISODATA算法分类数据文件选择对话框,选择待分类的数据文件)

2) 进行分类的相关参数的设置(点击OK键以后,进入参数设置对话框,可以进行分类的最大最小类数、迭代次数等参数的设置)

3) 如此,光谱类的划分到此结束。如图5、图6所示

图5 操作菜单

图6  ISODATA算法图像界面

4)进行光谱类与地物类的联系的建立以及类的合并等操作

 至此,使用ISODATA算法进行分类完成。

(二)监督分类

监督分类(Supervised Classification)用于在数据集中根据用户定义的训练样本类别(Training Classes)聚类像元。训练样本类别是像元的集合或者单一波谱,通常的训练区采用ROI来选择,而且应该尽可能的选择纯净的感兴趣区域。

1)、类别定义/特征判别

2)、样本选择,建立ROIs,Display->Overlay->Region of Interest,建立感兴趣区域

3)、分类器选择

4)、影像分类

步骤:

1)打开待分类的遥感影像数据文件

2)进行训练样本的选取:在窗口中打开一张影像,选择主窗口菜单栏Tools键—>Region Of Interest—>ROI Tools…(或是在主窗口上单击右键,在弹出的快捷菜单栏中选择ROI Tools…)进入训练样本选取对话框。

3)进行训练样本的选取,New Region 可以建立新的样本区,在ROI Name栏中双击,键入类的地物名,在Color栏中双击,可以输入类的颜色,ROI_Type菜单下可以进行样本类型的设置,在主窗口按鼠标左键即可进行样本区选择,以双击右键结束样本区的选取。选取完毕以后,选择File菜单—>Save ROIs,对数据进行保存。

4)最大似然法的分类:

在ENVI主菜单栏中Classfication—>Supervised—>Maximum Likelihood,进入分类文件的选取对话框,选择相应的待分类文件。单击OK键,即开始进行分类。如图7、图8所示

图7 菜单界面

图8 最大似然法图像界面

监督分类的方法还有:

5)平行六面体法:在ENVI主菜单栏中Classfication—>Supervised—>Parallelepiped,进入分类文件的选取对话框,选择相应的待分类文件。单击OK键,即开始进行分类。如图9所示

图9 平行六面体发图像界面

(6)最小距离法: 在ENVI主菜单栏中Classfication—>Supervised—>Minimum Distance,进入分类文件的选取对话框,选择相应的待分类文件。单击OK键,即开始进行分类。如图10所示

图10 菜单界面

图11 最小距离法图像界面

(7)马氏距离法: 在ENVI主菜单栏中Classfication—>Supervised—>Mahalanobis Distance,进入分类文件的选取对话框,选择相应的待分类文件。单击OK键,即开始进行分类。如图12、图13所示

图12菜单界面

图13 马氏距离法图像界面

(8)此外还有波谱角法、二值编码法、神经网络法等分类的方法

(三)两类分类方法的比较

这里使用K—均值分类法和最大似然法进行了分类比较从总体上看,两种分类的方法存在较大的差异,这是由于两种分类在相关参数的选取时都存在较大的主观性,在K—均值分类的算法中,类数的选取对结果有显著影响,在最大似然法分类中,样本选取的数量,样本的质量以及样本的代表性等对分类的结果都会产生很大的影响,这就需要进行相关参数的调节,来使得分类效果达到最佳。如图14所示

  

图14 两类方法的比较

(四)分类后处理

运用遥感影像分类结果中,不可避免地会产生一些面积很小的图斑。无论从专题制图的角度,还是从实际应用的角度,都有必要对这些小图斑进行剔除和重新分类,目前常用的方法有Majority/Minority分析、聚类(clump)和过滤(Sieve)。这些工具都可以在主菜单->Classification->Post Classification中找到。Majority/Minority分析和聚类(clump)是将周围的“小斑点”合并到大类当中,过滤(Sieve)是将不符合的“小斑点”直接剔除。

栅矢转换:打开主菜单->Classification->Post Classification->Classification to Vector,可以将分类后得到的结果转化为矢量格式,或者主菜单->Vector->Raster to Vector,在选择输出参数时候,可以选择特定的类别,也可以把类别单独输出为矢量文件或者一个矢量文件。

 

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页