遥感图像监督分类教程:ENVI操作步骤解析

5星 · 超过95%的资源 需积分: 23 14 下载量 90 浏览量 更新于2024-09-08 1 收藏 1.45MB PDF 举报
本文档是关于使用ENVI软件进行遥感图像监督分类的教程,涵盖了遥感图像处理的基础知识和具体操作步骤,包括类别定义、样本选择、分类器选择、影像分类、分类后处理和精度验证。教程还提供了技术支持联系方式。 在遥感图像处理中,监督分类是一种重要的技术,它依赖于已知类别的样本来识别和分类图像中的其他未知区域。这种分类方法需要用户在分类前提供训练样本,以便计算机能够基于这些样本的统计特性构建分类模型。ENVI(Environment for Visualizing Images)是一款广泛使用的遥感图像处理软件,它支持多种监督分类算法,如最大似然、最小距离、马氏距离和神经网络等。 1. **概述** 监督分类的基本流程包括先验知识获取(通过目视判读和野外调查),然后选择训练样本,接着训练分类器,最后应用分类器对整个图像进行分类。在这个过程中,每个像元都会与训练样本比较,归类到最相似的类别。 2. **详细操作步骤** - **类别定义/特征判别** 用户首先需要定义分类系统,考虑分类的目的和图像特点。通过对图像进行目视检查,评估图像质量,确定是否需要预处理,如增强。 - **样本选择** 根据类别定义,选择代表性的像元作为训练样本。这些样本应该覆盖所有预期的类别,并且数量足够以确保分类的准确性。 - **分类器选择** ENVI提供了多种分类器,如最大似然分类,它基于样本间的统计差异;最小距离分类,依据像元与类中心的距离进行分类;马氏距离分类,考虑了像素值的协方差;还有神经网络和支持向量机等高级分类方法。 - **影像分类** 应用所选的分类器对整个图像进行处理,将每个像元分配到相应的类别。 - **分类后处理** 分类后,可能需要进行后处理步骤,如消除边界噪声,合并邻近的小类别,或进行分类优化。 - **精度验证** 为了评估分类效果,通常会进行精度验证,比如使用混淆矩阵计算总体准确率、Kappa系数等指标。 教程以Landsat TM5的Can_tmr.img数据为例,指导用户逐步实践ENVI的监督分类流程,提供了相关数据和操作指南。 遥感图像监督分类是遥感数据分析的重要部分,尤其在土地覆盖变化监测、城市规划、环境研究等领域具有广泛应用。理解并掌握这一技术,对于遥感数据的深入分析和应用至关重要。通过ENVI提供的工具和本教程的指导,用户可以更好地理解和操作遥感图像的监督分类。