ENVI教程：监督与非监督分类详解及遥感图象处理关键

监督分类和非监督分类是遥感图像分析中两种重要的数据处理技术，特别是在ENVI这样的地理信息系统软件中应用广泛。监督分类是一种基于已知类别信息进行训练的过程，它首先通过收集特定区域的样本数据，这些样本已标注了其对应的类别，然后利用这些样本训练一个判别模型，如决策树、支持向量机等。判别函数通过学习训练集的特征，确定用于分类新数据的参数。对于ENVI教程实例中的昌平区遥感图象处理，关键步骤包括： 1. 数据准备：处理的对象是经过影像融合（TM和印度卫星）以及假彩色合成的图象，任务是将其与矢量数据进行配准，并整理出乡镇级别的地图。 2. 矢量数据处理：ENVI支持多种矢量格式，但要注意版本兼容性问题。推荐转换成ARCINFO、ARCVIEW、DXF或MIF格式，避免过大数据量导致ENVI处理困难。对于山区和平原，由于地形差异，几何校正时应分别处理，并确保足够的控制点（GCP）密度以保证精度。 3. 图像显示与输出：ENVI的2%line自动拉伸功能可能影响建筑细节，因此在处理图象质量和打印要求时应避免此操作。如果需要拉伸，应在图像融合之前进行。 4. Photoshop后期处理：使用Photoshop5.0对乡镇分幅图进行细化和美化。 5. 图像尺寸计算：根据像素大小、图像分辨率和比例尺来确定打印输出图幅的具体尺寸。例如，每5米像素乘以图像的列数或行数，再乘以比例尺，即可得到宽度或长度。 6. 文件操作：在ENVI中打开文件时，选择".img"格式的栅格文件和对应的".hdr"头文件，通过File/OpenImageFile菜单，指定文件路径。 美国Landsat系列卫星是遥感领域的里程碑，Landsat-1的发射开启了地球观测卫星的时代，后续的卫星不断改进和更新，为ENVI等软件提供了丰富的多光谱数据源，供科研人员进行各种空间数据分析和应用。在整个ENVI教程实例中，监督分类和非监督分类的技巧，以及如何高效处理Landsat数据，都是重要的教学内容。