ENVI教程：遥感图像分类与后处理解析

"本教程是关于ENVI（Environment for Visualizing Images）软件的分类方法介绍，通过使用来自科罗拉多州Cañon City的Landsat TM数据进行实践教学。内容涵盖了无监督和监督分类的实施，以及分类后的处理，如聚类、筛选、合并类别和精度评估等环节。" 在ENVI中进行图像分类是一个复杂但重要的过程，它涉及到将遥感图像的像素分配到预定义的类别中，以提取地物信息。本教程主要涉及以下几个关键知识点： 1. **分类方法**：教程首先介绍了两种基本的分类方法——无监督分类和监督分类。无监督分类是在没有先验知识的情况下，让软件根据像素的光谱特性自行聚类。K-Means和ISODATA是常见的无监督分类算法，它们试图找到最佳的聚类中心，使同类别的像素光谱差异最小。 2. **监督分类**：与无监督分类不同，监督分类需要用户提供已知类别的训练样本。通过选择感兴趣区域（ROI），可以定义训练集。ENVI支持多种监督分类算法，包括平行四边形法、最大似然法、最小距离法和马氏距离法。其中，最大似然分类是基于统计概率的一种常用方法，它假设每个类别具有特定的光谱分布，并选择最可能属于某一类别的像素。 3. **端元光谱收集**：在进行某些监督分类时，如马氏距离分类，需要收集代表每种类别的端元光谱，这是为了更准确地描述类别的光谱特性。 4. **二进制编码分类**：这是一种特殊的分类方法，它将分类结果表示为二进制码，有助于处理多类别问题。 5. **后分类处理**：分类完成后，通常需要进一步处理以优化结果。这包括提取类统计，生成混淆矩阵以评估分类准确性。此外，聚类和筛选操作用于合并相似的小块或去除噪声。结合类别允许创建新的分类，而覆盖类则能直观地查看不同分类层的叠加效果。编辑类颜色可以定制视觉表现，使得分类结果更易于理解。 6. **交互式分类覆盖**：ENVI提供了交互式工具，允许用户在地图上直接编辑分类结果，增加灵活性。 7. **矢量化转换**：将分类图像转换为矢量格式，便于与其他GIS数据集成，进行空间分析和决策。 8. **覆盖矢量图层**：分类结果可以与矢量图层叠加，以便进行空间关系分析，如缓冲区分析、空间查询等。 通过这个ENVI教程，学习者可以全面了解图像分类的流程和技术，从而在实际应用中有效地解析遥感图像，获取有价值的地理信息。