envi监督分类_土地覆盖分类

• 面对对象土地覆盖分类

面向对象方法-----通过对影像的分割，使同质像元组成不同大小的对象，利用对象的空间特征和光谱特征进行分类，可以有效地克服基于像元层次分类的不足。影像对象的大小决定分割尺度，当影像分割对象与地物边界吻合的程度越高时，地物信息提取精度越高。

• 案例

数据准备：

· 高空间分辨率遥感影像--最常用的数据源( WorldView-2，QuickBird，GeoEye-1, IKONOS，UAV，spot，Airborne images)

· 中分辨率遥感影像---主要来自ASTER、Landsat TM/ETM+/OLI

研究所使用图像的空间分辨率决定了研究区域的范围和大小，图像的空间分辨率与研究区域的大小呈正相关。而大部分学者研究区域的面积小于300 ha(95.6%)，这表明在未来的研究中需要更大的研究区，同时特征选择没有受到重视。

• 实验及结果

· 分割软件:

本次实验使用eco软件进行分割的研究占80.9%，使用ENVI软件的研究占4.4%，剩下的细分软件主要有SPRING和ERDAS；分辨率和最优分割尺度成反比

· 训练集大小对准确性的影响

分类精度与训练样本大小之间存在正相关关系，然而，这种正相关的强度非常弱。此外，随着训练样本的增加，分类精度的提高非常有限

· 监督分类方法---分类器

· 平均精度：RF(随机森林分类器) >SVM(支持向量机分类器)>D