ENVI监督分类实践:从选择样本到最大似然分类
需积分: 10 167 浏览量
更新于2024-09-12
4
收藏 6.94MB DOC 举报
"envi监督分类"
在ENVI(Environment for Visualizing Images)软件中进行监督分类是一种常用的方法,主要用于遥感图像分析,通过已知的地物样本来识别和分类图像中的不同特征。监督分类是一种有指导的学习过程,需要用户事先提供训练样本,即来自图像的已知类别区域,然后利用这些样本的特征来训练分类器,从而在整个图像上进行分类。
1. 打开影像文件和选择波段
在进行监督分类之前,首先需要打开包含所需信息的遥感影像文件。通常,不同的波段可以提供关于地表特征的不同信息,用户可以根据研究需求选择合适的波段进行合成或单独使用。例如,Band7、4、2的合成通常能提供丰富的地物色彩信息。
2. 创建和编辑感兴趣区(ROI)
使用ENVI的Basic Tools菜单中的Region of Interest (ROI) Tool,用户可以划定感兴趣的区域并选取不同的地物样本。选择Polygon工具绘制多边形以覆盖特定地物类型,如农田、森林、水体等。保存选定的ROI以备后续分类使用。
3. ROI的分离性计算与评估
在选择好样本后,通过Options > Compute ROIs Separability进行样本之间的分离性检查。分离性是衡量不同类别样本在特征空间中是否易于区分的一个指标,一般认为大于1.8的值表示样本分离性良好。如果某个类别的分离性值低于1.8,可能需要重新选择或修改样本,以确保分类的准确性。
4. 训练区的保存和分类
完成样本选取并满足分离性要求后,将ROI保存,接着进入分类步骤。在主菜单的Classification > Supervised > Maximum Likelihood中启动最大似然分类器。最大似然分类是监督分类的一种常见方法,它基于贝叶斯理论,选择使类概率最大的分类结果。
5. 进行分类和查看结果
在指定待分类的图像后,设置分类参数并运行分类器。分类完成后,可以查看分类结果,通过对比原图和分类结果评估分类的准确性和质量。如果结果不满意,可以返回修改样本或调整分类参数,以优化分类效果。
ENVI的监督分类流程包括了影像预处理、样本选取、分离性检查、训练区保存和分类等多个环节,每个环节都对最终的分类精度有着直接影响。用户需要根据实际情况灵活调整和优化,以获得最理想的分类结果。
2023-07-28 上传
2024-10-15 上传
2024-01-06 上传
2023-03-28 上传
2024-06-15 上传
2023-12-28 上传
u010557215
- 粉丝: 0
- 资源: 1
最新资源
- SSM动力电池数据管理系统源码及数据库详解
- R语言桑基图绘制与SCI图输入文件代码分析
- Linux下Sakagari Hurricane翻译工作:cpktools的使用教程
- prettybench: 让 Go 基准测试结果更易读
- Python官方文档查询库,提升开发效率与时间节约
- 基于Django的Python就业系统毕设源码
- 高并发下的SpringBoot与Nginx+Redis会话共享解决方案
- 构建问答游戏:Node.js与Express.js实战教程
- MATLAB在旅行商问题中的应用与优化方法研究
- OMAPL138 DSP平台UPP接口编程实践
- 杰克逊维尔非营利地基工程的VMS项目介绍
- 宠物猫企业网站模板PHP源码下载
- 52简易计算器源码解析与下载指南
- 探索Node.js v6.2.1 - 事件驱动的高性能Web服务器环境
- 找回WinSCP密码的神器:winscppasswd工具介绍
- xctools:解析Xcode命令行工具输出的Ruby库