envi遥感图像处理之分类

/ＥＮVI遥感图像处理之计算机分类非监督分类１、K—均值分类算法步骤：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5）建立光谱类和地物类之间的联系:在新窗口中显示分类结果图：然后，打开显示窗口菜单栏Toolｓ菜单—＞CｏｌｏrMaｐｐｉnｇ—>CｌassCｏlｏｒMaｐｐiｎｇ…进入分类结果的属性设置对话框，在这里，可以进行类别的名称,显示的颜色等，建立了光谱类和地物类之间的联系.设置完成以后,点击菜单栏Oｐtiｏnｓ—〉SavｅChanges即完成光谱类与地物类联系的确立6)类的合并问题：如果分出的类中，有一些需要进行合并，可按以下步骤进行:选择ENVI主菜单Clａsｓfａctｉon-〉PoｓtCｌassfictｉon—〉CombineClasses，进入待合并分类结果数据的选择对话框点击ＯK键，进入合并参数设置对话框，在左边选择要合并的类，在右边选择合并后的类，点击AddＣombｉnatioｎ键即完成一组合并的设置，如此反复,对其他需合并的类进行此项操作，点击OＫ，出现输出文件对话框，选择输出方式，即完成了类的合并的操作。至此，K—均值分类的方法结束.２、ISODATA算法基本操作与Ｋ—均值分类相似。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）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）如此，光谱类的划分到此结束.参看K—均值分类的第5—6步，进行光谱类与地物类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.监督分类本实验说明以最大似然法为例,进行监督分类的讲解说明。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—〉ReｇionOｆＩntｅｒｅst—＞ＲOIToｏls…（或是在主窗口上单击右键，在弹出的快捷菜单栏中选择ROＩTｏols…)进入训练样本选取对话框。3）进行训练样本的选取,ＮewRｅgｉｏn可以建立新的样本区,在ＲOINamｅ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-〉ＳaveROIs,对数据进行保存。4）进行最大似然法的分类：在ＥNVI主菜单栏中Ｃlａsｓficatｉoｎ—〉Superviｓｅｄ-＞MaximumＬikeliｈoｏd，进入分类文件的选取对话框，选择相应的待分类文件。然后进入训练样本选取对话框,进行训练样本的选取及分类结果的存储等方面的设置。5)单击OＫ键,即开始进行分类.６)参看Ｋ-均值分类的第５—6步,进行类的相关设置及类的合并等操作至此,使用最大似然法进行分类完成。监督分类的方法还有：１）平行六面体法2）最小距离法3）最大似然法4）波谱角法5）马氏距离法6)二值编码法7)神经网络法等分类的方法,基本的操作都是进行样本的训练和分类的相关设置，在这里就不再赘述了。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