Envi监督分类：关键步骤与难点解析

在遥感实验课程中，第五课重点关注的是遥感图像的监督分类，这是一种基于先验知识和特定样本的分类方法。监督分类与非监督分类相对，后者无需预先定义类别，而前者则需要依赖于已知的训练样本（兴趣区）来进行像素分类。 教学目标主要在于让学生掌握如何使用Envi软件进行监督分类，包括以下关键步骤： 1. **感兴趣区的定义**：这是监督分类的核心步骤，选择准确、具有代表性的训练区域至关重要。理想的兴趣区应满足以下原则：包含典型类别，区域内地物均匀分布，样本数量充足（至少100个像元），且样本呈现单峰分布。通过打开TL.im图像并使用BasicTools中的RegionofInterest工具进行定义。 2. **选择分类方法和参数**：根据选定的兴趣区，学生需学习并应用不同的分类方法，如Parallelepiped（平行六面体）、MinimumDistance（最小距离）、MahalanobisDistance（马氏距离）、MaximumLikelihood（最大似然分类）、SpectralAngleMapper（波谱角度映射表）以及BinaryEncoding（二进制编码）。每种方法都有其独特的原理和适用场景，例如，Parallelepiped是基于多维空间中的特征向量，而SpectralAngleMapper则关注波谱特征间的角度差异。 3. **分类后的图像分析**：完成分类后，会进行图像的后续处理，如分析图像的DN值（数字数），可能还会采用密度分割和统计分析来验证分类结果的准确性。 4. **矢量化和数据表生成**：最后一步是将分类结果转换为矢量图形，并生成分类数据表，以便进一步的数据处理和分析。 在教学过程中，难点主要集中在理解监督分类参数的含义和选择合适的分类方法上，因为这直接影响到分类的精度。通过实践操作和理论学习，学生能够深入理解监督分类在遥感图像处理中的作用及其挑战。