ENVI遥感影像分类后处理详解
需积分: 14 112 浏览量
更新于2024-08-09
收藏 1.8MB DOCX 举报
"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。
2020-09-21 上传
2021-10-10 上传
2021-06-09 上传
2023-05-15 上传
2023-06-07 上传
2023-06-07 上传
2023-05-18 上传
2023-03-29 上传
2023-05-31 上传
m0_51609200
- 粉丝: 0
- 资源: 10
最新资源
- ES管理利器:ES Head工具详解
- Layui前端UI框架压缩包:轻量级的Web界面构建利器
- WPF 字体布局问题解决方法与应用案例
- 响应式网页布局教程:CSS实现全平台适配
- Windows平台Elasticsearch 8.10.2版发布
- ICEY开源小程序:定时显示极限值提醒
- MATLAB条形图绘制指南:从入门到进阶技巧全解析
- WPF实现任务管理器进程分组逻辑教程解析
- C#编程实现显卡硬件信息的获取方法
- 前端世界核心-HTML+CSS+JS团队服务网页模板开发
- 精选SQL面试题大汇总
- Nacos Server 1.2.1在Linux系统的安装包介绍
- 易语言MySQL支持库3.0#0版全新升级与使用指南
- 快乐足球响应式网页模板:前端开发全技能秘籍
- OpenEuler4.19内核发布:国产操作系统的里程碑
- Boyue Zheng的LeetCode Python解答集