ENVI遥感影像处理：监督分类实验

"这篇文档是关于使用ENVI软件进行遥感影像监督分类的教程，涵盖了基本概念、实验目的、所需数据、实验要求以及详细的实验步骤。实验数据来源于Landsat TM5的Can_tmr.img图像文件，实验目标是掌握监督分类原理及像素级别的自动分类技术，并进行精度评估和专题图制作。" 在遥感影像分析中，监督分类是一种关键的技术，通过已知类别的样本来训练模型，然后将模型应用于未知像元的分类。这种分类方法依赖于用户预先提供的训练样本，确保分类的准确性。监督分类的流程通常包括以下六个步骤： 1. 类别定义/特征判别：首先定义需要分类的地物类别，评估图像质量，可能需要进行预处理如增强来提高分类效果。 2. 样本选择：在影像上选取代表各类别的样本区域，这些样本称为训练集。在ENVI中，可以通过Layer Manager创建Region of Interest (ROI)，并为其指定颜色以便区分。 3. 光谱特征分析：对选定的样本进行光谱分析，获取它们在不同波段的反射率或亮度值，这些数值将成为分类的基础。 4. 建立分类模型：使用训练样本的数据，通过算法（如最小距离分类、最大似然分类等）建立分类模型。 5. 全图分类：应用建立好的模型对整个影像进行分类，每个像元都会被分配到与其特征最接近的类别。 6. 精度评估：通过混淆矩阵或Kappa系数等指标评估分类结果的准确度，这一步骤对于验证分类效果至关重要。 在实验过程中，用户需要启动ENVI软件，加载Can_tmr.img数据，根据R、G、B波段组合观察影像，识别出六大地物类型。然后在ROI Tool面板上设置参数，创建并标记各类别的ROI。完成这些步骤后，可以进行全图分类，并进一步进行精度评估和专题图制作。 这个实验旨在帮助用户深入理解遥感影像监督分类的流程，提升在实际工作中应用这一技术的能力。通过这样的实践，用户不仅可以掌握理论知识，还能熟练操作ENVI软件进行复杂的影像处理任务。