ENVI-Classic非监督分类流程

TMTM 影像的非监督分类影像的非监督分类 1 1 首先打开首先打开 ENVIENVI ClassicClassic 然后点击 然后点击 File openFile open imageimage filefile 打开打开 待分类影像待分类影像 Can tmr imgCan tmr img 这里以 这里以 ENVIENVI 自带的参考影像为例 自带的参考影像为例 选择选择 RGBRGB 波段波段 5 4 35 4 3 然后 然后 loadload RGBRGB 显示图像 之后选择进行影像显示图像 之后选择进行影像 分析 大体上估计影像主要类别的数量 一般非监督分类的分类数分析 大体上估计影像主要类别的数量 一般非监督分类的分类数 量比最终分类数量多量比最终分类数量多 2 2 3 3 倍为宜 这样有利于提高分类精度 倍为宜 这样有利于提高分类精度 2 2 然后进行非监督分类 选择主菜单 然后进行非监督分类 选择主菜单 ClassificationClassification Unsupervised Unsupervised 然后会看到两种非监督分类的方法 这里选择然后会看到两种非监督分类的方法 这里选择 IsoData IsoData 在弹出的在弹出的 ClassificationClassification InputInput FileFile 对话框中选择对话框中选择 Can tmr imgCan tmr img 如下图 如下图 注 分类器的选择注 分类器的选择 IsoDataIsoData 重复自组织数据分析技术 计算数据空间中均匀分布的类重复自组织数据分析技术 计算数据空间中均匀分布的类 均值 然后用最小距离技术将剩余像元进行迭代聚合 每次迭代都均值 然后用最小距离技术将剩余像元进行迭代聚合 每次迭代都 重新计算均值 且根据新均值 对像元进行再分类 重新计算均值 且根据新均值 对像元进行再分类 K MeansK Means 使用了聚类分析方法 随机地查找聚类簇的聚类相似度相使用了聚类分析方法 随机地查找聚类簇的聚类相似度相 近 即中心位置 是利用各聚类中对象的均值所获得一个近 即中心位置 是利用各聚类中对象的均值所获得一个 中心对中心对 象象 来进行计算的 然后迭代地重新配置他们 完成分类过程 来进行计算的 然后迭代地重新配置他们 完成分类过程 3 3 点击点击 okok 弹出 弹出 ISODATAISODATA ParamentersParamenters 对话框 分类的数量对话框 分类的数量 NumberNumber ofof Classes 5 15Classes 5 15 因为该幅影像最终想要分 因为该幅影像最终想要分 6 6 类 迭代类 迭代 次数次数 MaximumMaximum IterationsIterations 2020 迭代次数越多越精确 同样处理的也 迭代次数越多越精确 同样处理的也 较慢 其他的阈值 最小像素 标准差等都保持默认设置就可以 较慢 其他的阈值 最小像素 标准差等都保持默认设置就可以 然后选择输出路径和文件名 设置参数如下图 然后选择输出路径和文件名 设置参数如下图 点击点击 okok 软件开始分类 下图为自动分类前 后的对比图 软件开始分类 下图为自动分类前 后的对比图 4 下面进行类别定义 在下面进行类别定义 在 display 中显示原始影像 在中显示原始影像 在 display overlay classification 选择选择 IsoData 法分类后的影像 点击法分类后的影像 点击 ok 显示图像如下 在 显示图像如下 在 Interactive Class Tool 窗口中 可以选择各窗口中 可以选择各 个分类结果进行显示 如下图 个分类结果进行显示 如下图 在在 Interactive Class Tool 窗口中 选择窗口中 选择 Option Edit class colors names 通过目视解译或其他方式识别分类结果 填写相应的通过目视解译或其他方式识别分类结果 填写相应的 类型名称和颜色 类型名称和颜色 下图为类别定义的结果 下图为类别定义的结果 注 在类别定义的时候 可以利用注 在类别定义的时候 可以利用 Mode Polygon Add to class Edit Polygon Delete from Class 或者或者 Set delete class value 把把 明显的错误分类结果并入或删除 明显的错误分类结果并入或删除 5 最后进行类别合并 选择主菜单最后进行类别合并 选择主菜单 Classification Post Classification Combine Classes 把同一类合并成一类 如下图 点击把同一类合并成一类 如下图 点击 ok 后 选择输出文件和后 选择输出文件和 Remove Empty Class 选择选择 YES 可以得到 可以得到 结果 结果 6 然后进行分类统计分析 主菜单 然后进行分类统计分析 主菜单 Classification Post Classification Class statistics 如下图设置 设置输出路径和文件名 如下图设置 设置输出路径和文件名 点击点击 ok 即可 即可 7 下面进行小斑点处理 一般采取的方法有 下面进行小斑点处理 一般采取的方法有 Majority Minority 聚类 聚类 clump 和过滤 和过滤 Sieve 这些工具都可以在主菜单 这些工具都可以在主菜单 Classification Post Classification 中找到 前两种方法都是把小斑点合并到大类当中找到 前两种方法都是把小斑点合并到大类当 中 过滤则是把不符合的小斑点去除掉 本流程采用中 过滤则是把不符合的小斑点去除掉 本流程采用 Majority 分析 分析 如下图 如下图 8 下面进行栅矢转换 这一步可以将分类后得到的结果转化为矢量 下面进行栅矢转换 这一步可以将分类后得到的结果转化为矢量 格式 打开主菜单格式 打开主菜单 Classification Post Classification Classification to Vector 选择类别合成之后的波段点击 选择类别合成之后的波段点击 ok 在弹出的