ENVI学习总结（十五）——遥感影像分类与应用

远方~ · 发表于 2020-9-11 15:35

（一）非监督分类

方法有两种，Isodata 和K-means。

1、K—均值分类算法

1）打开待分类的遥感影像数据

2）依次打开：ENVI主菜单栏—>Classification—>Unsupervised—>K—Means即进入K均值分类数据文件选择对话框。

3）选择待分类的数据文件。

4）选好数据以后，点击OK键，进入K-Means参数设置对话框，进行有关参数的设置，包括分类的类数、分类终止的条件、类均值左右允许误差、最大距离误差以及文件的输出等参数的设置。如图1、图2、图3、图4所示

图1 原图像界面

图2操作菜单

图3 K-Means图像界面

图4 在原图进行显示

2、ISODATA算法

基本操作与K—均值分类相似。

1）进行分类数据文件的选择（依次打开：ENVI主菜单栏—>Classification—>Unsupervised—>IsoData即进入ISODATA算法分类数据文件选择对话框，选择待分类的数据文件）

2）进行分类的相关参数的设置（点击OK键以后，进入参数设置对话框，可以进行分类的最大最小类数、迭代次数等参数的设置）

3）如此，光谱类的划分到此结束。如图5、图6所示

图5 操作菜单

图6 ISODATA算法图像界面

4）进行光谱类与地物类的联系的建立以及类的合并等操作

至此，使用ISODATA算法进行分类完成。

（二）监督分类

监督分类（Supervised Classification）用于在数据集中根据用户定义的训练样本类别（Training Classes）聚类像元。训练样本类别是像元的集合或者单一波谱，通常的训练区采用ROI来选择，而且应该尽可能的选择纯净的感兴趣区域。

1）、类别定义/特征判别

2）、样本选择，建立ROIs，Display->Overlay->Region of Interest，建立感兴趣区域

3）、分类器选择

4）、影像分类

步骤：

1）打开待分类的遥感影像数据文件

2）进行训练样本的选取：在窗口中打开一张影像，选择主窗口菜单栏Tools键—>Region Of Interest—>ROI Tools…（或是在主窗口上单击右键，在弹出的快捷菜单栏中选择ROI Tools…）进入训练样本选取对话框。

3）进行训练样本的选取，New Region 可以建立新的样本区，在ROI Name栏中双击，键入类的地物名，在Color栏中双击，可以输入类的颜色，ROI_Type菜单下可以进行样本类型的设置，在主窗口按鼠标左键即可进行样本区选择，以双击右键结束样本区的选取。选取完毕以后，选择File菜单—>Save ROIs，对数据进行保存。

4）最大似然法的分类：

在ENVI主菜单栏中Classfication—>Supervised—>Maximum Likelihood，进入分类文件的选取对话框，选择相应的待分类文件。单击OK键，即开始进行分类。如图7、图8所示

图7 菜单界面

图8 最大似然法图像界面

监督分类的方法还有：

5）平行六面体法：在ENVI主菜单栏中Classfication—>Supervised—>Parallelepiped，进入分类文件的选取对话框，选择相应的待分类文件。单击OK键，即开始进行分类。如图9所示

图9 平行六面体发图像界面

（6）最小距离法: 在ENVI主菜单栏中Classfication—>Supervised—>Minimum Distance，进入分类文件的选取对话框，选择相应的待分类文件。单击OK键，即开始进行分类。如图10所示

图10 菜单界面

图11 最小距离法图像界面

（7）马氏距离法: 在ENVI主菜单栏中Classfication—>Supervised—>Mahalanobis Distance，进入分类文件的选取对话框，选择相应的待分类文件。单击OK键，即开始进行分类。如图12、图13所示

图12菜单界面

图13 马氏距离法图像界面

（8）此外还有波谱角法、二值编码法、神经网络法等分类的方法

（三）两类分类方法的比较

这里使用K—均值分类法和最大似然法进行了分类比较从总体上看，两种分类的方法存在较大的差异，这是由于两种分类在相关参数的选取时都存在较大的主观性，在K—均值分类的算法中，类数的选取对结果有显著影响，在最大似然法分类中，样本选取的数量，样本的质量以及样本的代表性等对分类的结果都会产生很大的影响，这就需要进行相关参数的调节，来使得分类效果达到最佳。如图14所示

图14 两类方法的比较

（四）分类后处理

运用遥感影像分类结果中，不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除和重新分类，目前常用的方法有Majority/Minority分析、聚类（clump）和过滤（Sieve）。这些工具都可以在主菜单->Classification->Post Classification中找到。Majority/Minority分析和聚类（clump）是将周围的“小斑点”合并到大类当中，过滤（Sieve）是将不符合的“小斑点”直接剔除。

栅矢转换：打开主菜单->Classification->Post Classification->Classification to Vector，可以将分类后得到的结果转化为矢量格式，或者主菜单->Vector->Raster to Vector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件。

本文转载来自CSDN作者 arcgiser 版权归作者所有

原文链接：https://blog.csdn.net/weixin_43626557/article/details/104095789