envi监督分类,envi监督分类步骤

envi监督分类步骤

详细操作步骤第一步：类别定义/特征判别根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。用计算机模拟入脑的结构,用许多小的处理单元模拟生物的神经用算法实现人脑的识记忆、思考过程应用于图像分类,操作步骤如下:在ENVI主菜单栏中选择“Classificantion>Supervised>NeuralNet”,在分类输入文件对话框中选择待分类遥感影打开“NeuralNetParameters”对话框,如图17-7所示。ENVI监督分类图像分割，打开ENVI并加载栅格图像，在Toolbox工具栏找到ExampleBasedFeatureExtractionWokflow，双击打开进行编辑设置和保存。监督分类,非监督分类里面的几个参数,一般不用自己设置,默认即可,除非你想改变分类的数目或迭代次数,这些可以设置一下。

envi中监督分类和非监督分类有什么区别?各是怎么定义的

监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。（ENVI提供了多种监督分类方法，不同方法的参数设置不同，而且最终的分类效果也会有所不同。）每一种分类方法都有特定的参数对话框，所用的分类方法显示在对话框的标题中。监督分类：利用先验知识，ENVI将地物划分为不同的类型，如草地、森林等，通过特征空间距离度量和最大似然分类，提高分类的准确性。非监督分类：当没有先验知识时，ENVI依靠光谱特征的自主分布进行分类，揭示数据中的隐藏模式。非监督分类不需要事先给定类由图像数据的统计特征来决定,即同类地物在相同的成像条件下具有相同或相近的光谱特征(如DN值),归属于同一个光谱空间区域;不同地物由于光谱信息特征不同,归属于不同的光谱空间区域。非监督分类一般可分为四个执行非监督分类、类别定合并子类和评价结果。在处理过程中，对分类结果进行优化是必不可少的。例如，ISODATA非监督分类虽精度较低，但后续可以通过小斑块去除（Majority/Minority分析）和分类统计（像元数量、值分布等）进行优化。ENVIClass软件则能快速制图，提供丰富的定制选项，使结果可视化更为直观。

ENVI监督分类及精度评价

用户精度=正确分类数/(正确分类数+错分到某类别总数)当然是生产则精度和用户精度都大最好当然是最大似然法最好,马氏距离、最小距离法都是最大似然法的简化。平行管道法也不如最大似然法。生产则精度=正确分类数/某类别总数用户精度=正确分类数/（正确分类数+错分到某类别总数）当然是生产则精度和用户精度都大最好当然是最大似然法最好，马氏距离、最小距离法都是最大似然法的简化。平行管道法也不如最大似然法。在ENVI的监督分类步骤很简单：第一步：首先打开需要进行监督分类的影像数据，选择不同的波段进行彩色合成，这里尽可能的选择信息量最丰富的波段来进行合成。波段选择可以通过计算不同波段之间的相关系数来分析其相关性。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。

envi监督分类后,进行混淆矩阵精度验证,除了总体精度和kappa系数,怎么看

将影像转化为tif格式导入到arcmap中查看。kappa系数是用来衡量两个变量一致性的指标，如果将两个变量换为分类结果和验证样本，就可以用来评价分类精度了。真实的感兴趣区验证样本的选择可以是在高分辨率影像上选择，也可以是野外实地调查获取，原则是获取的类别参考源的真实性。首先在Googleearth、高分辨率影像和实地均匀的选取检验样本，制作成ROI文件或者.shp文件，再进行精度评价。总体分类精度等于被正确分类的像元总和除以总像元数。kappa系数是一种衡量分类精度的指标。对于二元分类，通常可以输出混淆矩阵，看预测的情况，并从中总结出一些指标，给予评价。混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等，这些精度指标从不同的侧面反映了图像分类的精度。首先将提取地物进行分类细化。将细化后的物体放入相关检测设备。再通过设备计算kappa系数验证精度。以上就是提取地物怎么用kappa系数验证精度的方法。

envi监督分类后怎么统计面积

具体如下：选中数据，然后右键，找到NewRasterColorSlices点击，然后在文件中找到你要分级统计的数据，点击确认。点击确认后，就会发现软件会给你自动做一个分级，也就是给你分了16级，当然我们这里不要他自动的分级结果。我们就把所有的x掉，自己重新分为5级。最简单的办法，就是统计像元个数，在arcgis里面统计非常方便，每个像元的大小是你设置好的。选取合适的水体指数（NDWI,MNDWI,NDWI等），在ENVI里面计算指数值，通过对指数值设定适当的阈值将湖泊提取出来，然后统计湖泊水体像元的个数，或者将湖泊水体转换为矢量格式，它可以自动计算湖泊面积。如果要算植被覆盖度的话，可以先计算NDVI，然后利用NDVI与植被覆盖度之间的关系计算。ENVI中classfication---postclassfication---classstatistics.这个方法是在非监督分类之后。统计出面积的百分比，根据你的已知区域，计算一下就好了。

实验十七 遥感图像监督分类处理

通过使用ENVI的六种主要的遥感监督分类器——平行六面体分类、最小距离分类、马氏距离分类、最大似然分类、神经网络分类和支持向量机分类的命加深对遥感监督分类原理的理解,了解其技术实现过程,初步掌握其ENVI功能命令的基本使用操作。监督分类监督分类是先用某些已知类别训练样本让分类识别系统学习，待其掌握了各个类别的特征之后，按照分类的决策规则进行分类的过程。使用的数学方法有多级切割分类法、决策树分类法、最小距离分类法、最大似然分类法。监督分类，又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训练区的像元。监督分类一般是在图像中选取具有代表性的区域作为训练区，由训练区得到各个类别的统计数据，然后根据这些统计数据对整个图像进行分类，其既可采用概率判别函数，也可采用距离判别函数。图像分割法  它是数字图像处理中的关键技术之遥感图像处理中常用的监督分类方法有最小距离法、贝叶斯线性和非线性判别法(最大似然法)、多级分割法(平行六面体法)、特征曲线法(光谱角法)、马氏距离法、费歇尔线性判别法等。

感谢您选择阅读本文。如果您还有任何疑问或需要帮助，请随时联系我们。