ENVI遥感影像分类后处理详解

"ENVI遥感影像处理，分类后处理，包括更改分类颜色、分类统计分析、小斑点处理、栅矢转换等操作。实验基于Landsat TM5数据Can_tmr.img，涉及Majority/Minority分析、聚类处理（Clump）和过滤处理（Sieve）去除小斑块。" 在ENVI（Environment for Visualizing Images）这个强大的遥感影像处理软件中，分类后处理是提高分类准确性和专题图质量的关键步骤。无论是通过监督分类、非监督分类还是决策树分类获得的初步结果，通常都需要进一步处理以优化成果。ENVI 5.x版本的分类后处理工具可以在"Toolbox/Classification/PostClassification/"下找到，而在ENVIClassic版本中则位于"Classification>PostClassification"。 实验10.1的目标是理解和掌握影像分类后处理的方法，以实现更精确的专题图制作。实验数据来源于Landsat TM5的Can_tmr.img图像，这是一份ENVI自带的示例数据。在精度评估中，可以使用can_tmr_验证.roi作为参考。 实验过程中，小斑块去除是一项重要任务，因为它们可能由分类错误或噪声引起。去除这些小斑块的方法主要有三种： 1. Majority/Minority分析：这种分析利用一个变换核，将中心像元替换为邻域内数量最多的类别的像元（MajorityAnalysis）或最少的类别（MinorityAnalysis）。这有助于消除孤立的错误分类像素，提升分类的连续性和一致性。 操作步骤包括： - 打开分类结果文件，如"can_tmr_class.dat"。 - 选择"Majority/Minority分析"工具，位于"Toolbox/Classification/PostClassification"。 - 设置合适的变换核尺寸，然后执行分析，将小斑块调整到相邻的大类中。 2. 聚类处理（Clump）：这种方法将邻近的小斑块合并成更大的斑块，减少地图上的破碎感。适用于具有相邻相似特征的斑块。 3. 过滤处理（Sieve）：Sieve过滤器通过设定最小斑块大小，直接删除或重新分类小于该阈值的斑点，简化图像结构。 通过这些后处理技术，可以显著改善遥感影像分类的质量，使得结果更适合用于地理信息系统（GIS）分析、环境监测、城市规划等实际应用。同时，这些处理步骤也有助于提高后续精度评估的准确性，确保分类结果的可靠性。