监督分类和非监督分类Word文件下载.docx

监督分类和非监督分类Word文件下载.docx

《监督分类和非监督分类Word文件下载.docx》由会员分享，可在线阅读，更多相关《监督分类和非监督分类Word文件下载.docx（15页珍藏版）》请在冰豆网上搜索。

国际科学数据服务平台

数据属性：

四、实验过程

1、监督分类

（1）加载所要分类的遥感图像，目视判断图像大致能分为几类，然后在图像窗口菜单中执行Overlay->

RegionofInternet，打开ROITool窗口，在ROIName下输入将要选择的一类地物的名称，在Color下选择颜色，然后在图像窗口中手动选择此类地物的训练区。

选择完成后，点击窗口ROITool中NewRegion按钮，新生长一类，输入名字，选择颜色，选择训练区。

重复此操作，直到所有地物训练区均选择完成。

（2）统计学方法检查可分类型。

ROITool窗口菜单执行Options->

ComputeROISeparability，打开如右图所示窗口，选择分类图像，点击OK。

（3）打开右图所示窗口，选择所有训练区，点击OK。

（4）在打开的窗口中查看各类所选训练区的可分类性，如果两类训练区的可分类性小于1.4的话，可以执行ROITool窗口菜单Options->

MergeRegions合并两类训练区。

（5）主菜单执行Classification->

Supervised->

MaximumLiklihood（最大似然法），在打开的窗口中选择分类图像，点击OK打开如下图所示窗口。

选择所有训练区，选择路径保存分类后图像。

可以点击Preview预览一下分类后图像。

（6）分类后图像

2、非监督分类

（1）主菜单执行Classification->

Unsupervised->

Isodata，在打开的窗口中选择分类图像，点击OK，打开如右图所示窗口，设置参数，选择保存位置。

点击OK。

（2）在原图像菜单执行Overlay->

Classification，打开右图所示图像，逐渐单个显示分类后类别，判断其类别，然后执行菜单Options->

Editclasscolor\names,在打开的窗口中修改类别名称。

`

（3）合并。

主菜单执行：

Classification->

PostClassification->

Combineclasses，在打开的窗口中选择分类图像，点击OK，打开如右图窗口，在左侧选择框内选择给类类别，在右侧窗口选择归类于类别。

（4）改颜色。

分类后图像窗口菜单执行：

Tools->

ColorMapping->

ClasscolorMapping，打开如右图窗口，改变颜色。

（5）分类后图像

3、分类后处理

（1）剔除。

Postclassification->

Sieveclasses，再打开的窗口中选择分类后图像，点击OK，打开如右图所示窗口中设置参数，点击OK。

（2）监督分析。

选择一个高分辨率影像的ROI。

PostClassification-ConfusionMatrix->

UsingGroudTruthsROIS,在打开的窗口中选择要做混淆矩阵的图像，打开如右图1）所示窗口，选择对应种类，点击OK。

在出现的窗口中继续点击OK。

在出现的窗口中查看混淆矩阵。

1）

2）

3）

（3）统计分析。

主菜单执行Classification->

ClassStatistics，在打开的窗口中选择分类后图像，点击OK，在打开的窗口中选择原图像，点击OK，在打开的窗口中选择所有分类，点击OK，在打开的窗口中勾选BasicStatic，直方图分布，相关性矩阵，点击OK，打开如右图所示窗口，查看相关内容。

（4）类型矢量化。

ClassificationtoVector，在打开的窗口中选择分类后图像，点击OK，打开如右图所示窗口。

在最上方选择框内选择要矢量化的类别；

Output后选择每个类别生成一个矢量文件，还是所有选择类别生成一个矢量文件；

选择文件保存路径。

生成矢量文件。

4、决策树分类

DecisionTree->

BuiltNewDecisiontree,打开如右图窗口。

（2）点击根节点，出现右图窗口，在Name栏中填写节点名称，在Expression中填写此节点运算表达式。

（3）出现右图所示窗口，点击图中显示ndvi处，选择做决策树分类的图像。

（4）点击子节点，出现右图所示窗口，可修改子节点名称和颜色。

（5）完成后执行Options->

Execute，运行决策树。

运行结果如右图。

（可以决策树窗口右击子节点，点AddChildren，为子节点添加子节点，继续分类。

）

五、心得、意见和建议

ENVI的决策树分类感觉很方便，是个跟不错的方法。

同时实验还是需要多做，才能熟悉它，活用它。