图12 计算可分离度
③ 如果可分离度大于1.8，则认为roi选取合格，否则需要重新选择roi。将选择好的roi保存到指定路径。
④ 选择Classification ->supervised -> maximuum likelihood ->选择待分类影像 ->选择所有的roi，设置参数，点击OK。
图13 参数设置
⑤ 修改错分区域：
在display窗口中选择overlay->classification->选择分类后的影像；
在Interactive Class Tool面板中，选择Edit > Mode: Polygon Add to Class
在Interactive Class Tool面板中，鼠标左键单击\前面的方型色块，让\类别处于激活状态；
选择一个编辑窗口：Image，在Image窗口中绘制多边形，多边形以内的像元全部归于\一类；选择要合并的类并保存。
- 12 -
图14 最大似然法分类后结果
⑥ 影像统计：
选择Classification -> Post Classification ->class statistics->选择分类后的图像和原始图像；
设置统计内容，勾选Basic State,Histograms以及Covariance,点击OK。
图15 设置统计内容
图16 分类信息直方图
- 13 -
实习四：影像分类（二）
4.1 【实习内容】
1） 巩固非监督分类的基本原理；
2） 熟练掌握非监督分类的流程和操作步骤； 3） 掌握非监督分类的精度评定方法。
4.2 【实习步骤】
了解学习非监督分类的基本原理
使用ENVI对图像进行非监督分类 通过多种方式进行精度评定 4.3 【实习过程】
（1）非监督分类的内容
非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验（已知）类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参数的统计特征，建立决策规则来进行分类。而不需事先知道类别特征。把各样本的空间分布按其相似性分割或合并成一群集，每一群集代表的地物类别，需经实地调查或与已知类型的地物加以比较才能确定。是模式识别的一种方法。一般算法有：回归分析、趋势分析、等混合距离法、集群分析、主成分分析和图形识别等。
（2）非监督分类的过程 选择分类器 设定参数
（3）用ENVI进行非监督分类
分类后处理 精度评定 ENVI提供了两种非监督分类的算法：ISODATA和K-Measns。 本次实习我选择的是K-Measns分类，下面是具体步骤： ① 选择File->Open Image File,打开“裸土+水田.tif” ② 选择Classification->Unsupervised->K-Measns ③ 选择“裸土+水田.tif”
- 14 -
图 选择待分类文件
④ 设置参数，最大迭代次数为10次，一般非监督分类的分类数量比最终分类数量多2到3倍为宜，这样有利于提高分类精度。
图 参数设置
- 15 -
相关推荐：
loading