ENVI的监督分类操作步骤
老师要求提交：
1.可能性矩阵
2.精度评价报告
3.分类结果图
具体流程：
1．打开影像，考试时的影像是老师给的高分辨率影像。以已有的QuickBird影像为例：File---Open Image File ，在Available Band 中以RGB打开，为真彩色，即地物的真实颜色。
2.选择监督分类样本（感兴趣区域）：
在影像的工具栏中选择，Overlay---Region of interest
在打开的#1 ROI Tool 工具栏中，以多边形的方式选择感兴趣区：ROI-Type----Polygon 在zoom窗口中进行选择
选择类别，植被，水体，裸地，房屋。
查看分离程度，继续在ROI Tool 工具栏中，选择Option—compute ROI separability ，选择影像ok.,
相关度大于1.8的说明分类较好。保存文件。
2.用最大似然法进行监督分类，主菜单栏中，Classification —Supervised—Maximum Likelihood，进入选择参数的对话框。
Select all Item
阈值Probability Threshold一般在0~1之间。
不需输出真实值。
因为还要分类后处理，储存至memory.
3.分类后处理，
①分类合并，在主菜单中Classification—post classification—Sieve Classes
选择刚才分类好的，memory影像，改变Group Min Threshold数值，由2改到8.即改变每类别最小像元值，由于我只选了四个类别数，应该做完后不会有类别的合并。
保存文件，即要求交的分类结果图。
②生成混淆矩阵
主菜单中，Classification—post classification—confusion Matrix—Using Ground Truth ROIS. 将所有类别都选上。
保存混淆矩阵
ENVI监督分类步骤
ENVI监督分类 监督分类用于在数据集中根据用户定义的训练样本类别聚集像元。训练样本类别是像元的集合或单一波谱。在分类过程中，可以选择它们作为代表区域或分类素材。 监督分类的步骤：类别定义/特征判别——样本选择——分类器选择——影像分类——分类后处理——结果验证 数据：以Landsat TM为数据源，影像can_tmr.img 处理过程： 一、样本选择：打开影像can_tmr.img后543波段显示，目视判断一下这个影像中地物大概分几类，可定义偏暗红色的为裸地，鲜绿色的为耕地，深绿色的为林地，白色的为沙地，沙地与林地之间的绿色的为草地，黑色的为阴影与水体定义为其他。在主影像窗口菜单中点overlay----region of interests, ROI tool窗口就打开了，window 的方式点击zoom窗口，先定义一类ROI：裸地
在缩放窗口中画裸地，画的图斑尽量小，分布尽量均匀。
划完裸地后，点击new region，定义新的种类，沙地、林地、草地、其他的定义和画法都同裸地一样。得到如下结果： 二、验证样本：在ROI tool对话框菜单点击options—compute ROI separability 计算ROI 可分离性，这是一种定量的方式来验证样本的方法。还有一种定性的来验证样本的方法是N维可视化方法。
选择要进行可分离性计算的文件为影像can_tmr.img，点击OK
点击把六组样本都选择，点击OK。出现如下报告： 红笔圈画区域数字代表两类样本的相近性，数字越大代表越不相近，两类样本越不好区分。后面每一栏>1.8最好，所以我们需要修改林地和草地。激活草地（表格中草地前面带星号），点击Goto，进行逐一删除后重新画样本。下图是我修改后进行计算ROI可分离性后的结果，每项都>1.8，合格。
envi图像处理基本操作
使用ENVI进行图像处理 主要介绍利用envi进行图像处理的基本操作，主要分为图像合成、图像裁减、图像校正、图像镶嵌、图像融合、图像增强。 分辨率：空间分辨率、波谱分辨率、时间分辨率、辐射分辨率。咱们平时所说的分辨率是指？怎么理解？ 1、图像合成 对于多光谱影像，当我们要得到彩色影像时，需要进行图像合成，产生一个与自然界颜色一致的真彩色（假彩色）图像。 对于不同类型的影像需要不同的波段进行合成，如中巴CCD影像共5个波段，一般选择2、4、3进行合成。（为什么不选择其他波段？重影/不是真彩色）。SOPT5影像共7个波段，一般选择7、4、3三个波段。 操作过程以中巴资源卫星影像为例 中巴资源卫星影像共有五个波段，选择2、4、3三个波段对R、G、B赋值进行赋值。 在ENVI中的操作如下： （1）file→open image file→打开2、3、4三个波段，选择RGB，分别将2、4、3赋予RGB。（2）在#1窗口file---〉save image as-→image file。 （3）在主菜单中将合成的文件存为tiff格式（file-→save file as-→tiff/geotiff） 即可得到我们需要的彩色图像。 2、图像裁减 有时如果处理较大的图像比较困难，需要我们进行裁减，以方便处理。如在上海出差时使用的P6、SOPT5，图幅太大不能直接校正需要裁减。 裁减图像，首先制作AOI文件再根据AOI进行裁减。一般分为两种：指定范围裁减、不指定范围裁减。 不指定范围裁减在ENVI中的操作如下： （1）首先将感兴趣区存为AOI文件 file→open image file打开原图像→选择IMAGE窗口菜单overlay→region of interesting 选择划定感兴趣区的窗口如scroll，从ROI_Type菜单选择ROI的类型如Rectangle，在窗口中选出需要选择的区域。在ROI窗口file→Save ROIs将感兴趣区存为ROI文件。
遥感影像分类envi
遥感课程教学实验之二： 遥感影像分类 实验二遥感影像的分类遥感影像的监督分类 ?实验目的
理解计算机图像分类的基本原理以及监督分类的过程，学会利用遥感图像处理软ENVI 件对遥感图像进行分类的方法。 ?实验内容 1、遥感图像分类原理。 2、遥感图像监督分类。 3、最大似然法分类 ?实验条件 电脑、ENVI4.5软件。厦门市TM遥感影像。 ?实验步骤 1、启动ENVI软件，从文件菜单打开多波段影像文件，从可用波段列表中装载彩色或假色 影像，显示遥感影像。 2、从主图像窗口的工具Tools →Region of Interest →ROI Tools; 3、在自动打开的ROI Tools窗口中，设定ROI_Type 为“Polygon”（多边形），选定样本采 集的窗口类型，用Zoom（缩放窗口）进行采集。。
4、在选定的窗口如Zoom用鼠标左键画出样本区域，在结束处击鼠标右键二次，样本区域 被红色充填，同时ROI Tools窗口中显示采集样本的信息。采集新的样本点击“New Region”，重新上述步骤进行多个地物样本采集。。 5、从ENVI主菜单中，选 Classification > Supervised > Maximum Likelihood；或在端元 像元采集对话框 Endmember Collection中选择 Algorithm >MaximumLikelihood 进行最大似然法分类。
6、在出现Classification Input File 对话框中，选择输入影像文件，出现 Maximum Likelihood Parameters 对话框。 7、输入常规的分类参数。 设定一个基于似然度的阈值（Set Prpbability Threshold）：如不使用阈值，点击“None” 按钮。要对所有的类别使用同一个阈值，点击“Single Value”按钮，在“Probability Threshold”文本框中，输入一个0 到1 之间的值。似然度小于该值的像元不被分入该类。 要为每一类别设置不同的阈值： ●在类别列表中，点击想要设置不同阈值的类别。 ●点击“Multiple Values”来选择它。 ●点击“Assign Multiple Values”按钮。 ●在出现的对话框中，点击一个类别选中它，然后在对话框底部的文本框中输入阈值。为每 个类别重复该步骤。 最后给定输出结果的保存方式：文件或内存，当影像较大时建设保存到文件中，以免因内存不够而出错运算错误。 点击“OK”计算机开始自动分类运算。 8、在可用波段列表中显示分类图像。 ?实验总结
《ENVI》实训指导
《ENVI》实训指导书 ENVI快速入门 一、软件概况介绍： ENVI（The Environment for Visualizing Images）遥感影像处理软件是由美国著名的遥感科学家用IDL开发的一套功能齐全的遥感影像处理软件，它是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具。曾获2000、2001年美国权威机构NIMA遥感软件测评第一。 ENVI的应用领域包括：地质、林业、农业、模式识别、军事、自然资源勘探、海洋资源管理、环境和土地利用管理等。 二、ENVI的安装 1、ENVI永久许可 1)ENVI浮动license：服务器版，多个用户可以同时访问一个服务器，服务器需要安装license，客户端不需要安装license，但是需要进行设置。 2)ENVI加密狗：加密狗也需要license安装，但是有灵活、不依赖网卡的特点。 3)ENVI网卡加密：利用网卡号的唯一性进行加密，如果更换机器时，需要将原来的网卡拔下重新安装在新机器上。 2、ENVI临时许可 三、目录结构介绍 一般情况下ENVI安装在RSI文件夹下，完全版本包括IDL60、License等文件夹，ENVI的所有文件及文件夹保存在IDL60\products\ENVI40下。 ?Bin：相应的ENVI运行目录。 ?Data：数据目录，保存一矢量文件夹（一些矢量数据）和一些例子数据（有 些数据有头文件，有些数据没有头文件）。 ?Flt_func：ENVI常规传感器的光谱库文件。例如：aster、modis、spot、tm 等。 ?Help：ENVI的帮助文档。 ?Lib：IDL生成的可编译的程序，用于二次开发。 ?Map_proj：影像的投影信息，文本格式，客户可以进行定制。 ?Menu：ENVI菜单文件，可以进行中、英文菜单互换。并不是所有的英文菜单 都已经汉化，汉化工作我们正在做，以后会陆续推出。 ?Save：应用IDL可视化语言编译好的、可执行的ENVI程序。 ?Save_add：客户自主开发的、可执行程序。 ?Spec_lib：波谱库，不同地区可以有不同的波谱库，用户可以自定义。 四、中文菜单和英文菜单的互换 1、文件互换 在RSI\IDL60\products\envi40\menu目录下，display.men、 display_shortcut.men、envi.men三个文件是ENVI的菜单文件，可以将其（中文或英文）菜单文件备份后，将另外（英文或中文）菜单文件考入此目录下
ENVI软件基础知识以及监督 分类详细步骤
Ⅰ.软件的基本操作 ENVI主工具条： 1．图像的输入与输出.首先启动ENVI, 选择File- Open Image File,出现Enter Data Filename 对话框，选择文件的正确路径，点击文件名，再点击“OK”打开文件。 2．在打开的Available Band List 菜单中，可以显示图像的各个波段的基本信息，其中“Gray Scale”为灰色显示，“RGB Color”为彩色合成，并且可以选择彩色合成的波段，单击“Load”就可显示图像，打开的图像由三部分组成：Scroll（滚动）窗口、主图像窗口、以及缩放（Zoom）窗口, 可以使用多个显示窗口组，组中每个窗口的大小都可以调整。其中菜单中的“New Diaplay”可以打开一个新的图像。 3．在“Available BandsList”菜单中选择“Available Files List”还可以可以显示出遥感图像的基本信息，具体如图所示： 4.若要保存图像，需要在图像所在窗口中选择File-Save Image As-Image File，弹出Output Display to ImageFile 对话框。对于单波段图像，选择8-bit Color，而多波段彩色合成图像则选择24-bit Color图像的保存方式有两种：一是直接保存为文件；二是选“Memory”，记忆在“Available BandsList”菜单中。 Ⅱ.图像增强与变换 一．空间域增强 1.线性变换 线性拉伸：线性拉伸的最小和最大值分别设置为0 和255，两者之间的所有其它值 设置为中间的线性输出值，选择Stretch_Type > Linear Contrast Stretch。
实验四遥感图像的监督分类和非监督分类
实验四遥感图像的非监督分类与监督分类 一、实验目的 1．非监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进行分类，在没有用户定义的条件下练习使用，在ENVI环境下的非监督分类技术有两种：迭代自组织 数据分析技术（ISodata）和K均值算法（K-Means）； 2．分类过程中应注意：1）怎样确定一个最优的波段组合，从而达到最佳的分类精度，基于OIF和相关系数，协方差矩阵以及经验的使用来完成对最适合的组合的选取，分类 效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束 后，被分类后的图像是一个新的图像，被分类类码秘填充，从而可以获得数据提取信息， 统计不同类码数量，转化为实际面积，在得到后的图像上，可对不同目标的形态指标进 行分析。 3．对训练区中的像元进行分类； 4．用训练数据集估计查看监督分类后的统计参数； 5．用不同方法进行监督分类，如最小距离法、马氏距离法和最大似然法。 二、实验设备与材料 1、软件 ENVI 4.7软件 2、所需材料 TM数据 三、实验步骤 1.选择最优的波段组合 ENVI主工具栏中File →Open image file →选择hbtmref.img打开→在Basic Tools中选择Statistics →Compute statistics选定原图，在Spectral subset中可选项全部选定→OK →OK →全选→保存→OK，则各类统计数字均可查； OIF计算，选择分类波段： 1，2；2，3；1，3波段标准差分别为2.665727；3.473308；4.574609，和为10.713644。Correlation Matrix 中1和2波段的相关系数0.964308，加上2和3波段的相关系数0.980166，再加上1和3波段的相关系数0.945880，最终等于2.890354。用标准差相加的结果10.713644比上相关系数之和2.890354等于3.70668922。可以选择其他不同波段的数据进行同上运算，比值结果最大的为最优波段，此次选择结果为3,4,6波段。 2.K-Means法进行非监督分类 1）Classification →Unsupervised →K-Means，点击hbtmref.img →点击Spectral subset →选3,4,6三个波段→OK，回到上级菜单→OK，在Number of classes 中输15即分为15类，Change Iterations中输6，即最大迭化量为6次， Maximum Stdev From Mean中为空，选择保存位置→OK；在原界面中选定 保存结果后New display →Load Band，双击查看Cursor Location/V alue，发 现Data已由原来的坐标形式转换为类码；在K-Means窗口工具栏中点击 Tools →Spatial Pixel Editor →可将类码转换成相应的地物类型，要求进行 大量的野外调查，确定同一类码所代表的地物是什么
遥感图像的监督分类与处理_赵文彪
杭州师范大学《遥感原理与应用》实验报告 题目：遥感图像的监督分类与处理实验姓名：赵文彪 学号： 2014212425 班级：地信141 学院：理学院
1实验目的 运用envi软件对自己家乡的遥感影像经行分类和分类后操作。 2概述 分类方法：监督分类和非监督分类 监督分类——从遥感数据中找到能够代表已知地面覆盖类型的均质样本区域（训练样区），然后用这些已知区域的光谱特征（包括均值、标准差、协方差矩阵和相关矩阵等）来训练分类算法，完成影像剩余部分的地面覆盖制图（将训练样区外的每个像元划分到具有最大相似性的类别中）。 非监督分类——依据一些统计判别准则将具有相似光谱特征的像元组分分为特定的光谱类；然后，再对这些光谱类进行标识并合并成信息类。 光谱特征空间 同名地物点在丌同波段图像中亮度的观测量将构成一个多维的随机向量X，称为光谱特征向量。而这些向量在直角坐标系中分布的情况为光谱特征空间。 同类地物在光谱特征空间中不可能是一个点，而是形成一个相对聚集的点群。丌同地物的点群在特征空间内一般具有不同的分布。 特征点集群的分布情况： 理想情况：至少在一个子空间中可以相互区分 典型情况：任一子空间都有相互重叠，总的特征空间可以区分 一般情况：任一子空间都存在重叠现象 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。在分类乊前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决凼数迚行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决凼数去对其他待分数据迚行分类。使每个像元和训练样本做比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 3实验步骤 3.1遥感影像图的剪切 用envi打开下载的遥感影像图，剪切出一个地貌信息丰富的区域（因为一景遥感影像太大，分类时间较长，故而采用剪切的方法，剪切一个地貌丰富的遥感影像图。既便于分类也使得分类种数不至于减小的太多） 以下为剪切出来的遥感影像
ENVI非监督分类：ENVI图文教程
ENVI非监督分类：ENVI图文教程 ENVI非监督分类的流程 (1) 根据具体项目需求先整体上分析一下分类的影像，确定好需要分类出几类。 (2) 选择适合的分类算法。 (3) 对分类出来的类别进行定义、合并、删除。 (4) 分类后处理。 (5) 结果验证。 ENVI非监督分类的算法 非监督分类仅仅用统计方法对数据集中的像元进行分类，它不需要用户定义任何训练分类器。Unsupervised Classificatio n 菜单为你提供了： （1）Iso Data(迭代自组织数据分析技术) （2）K-Means(K-MEANS算法)两种非监督分类技术。 单个菜单具体内容如下所述。 Isodata Isodata 非监督分类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迭代聚集。每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。重复分类是分割、融合和删除是基于输入的阈值参数的。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就无法参与分类），所有像元都被归到与其最临近的一类里。这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已经到了迭代的最多次数。详情参见：Tou, J. T. and R. C. Gonzalez, 1974.Pattern Recognition Principles, Addison-Wesley Publishing Company, Reading, Massachusetts.
执行Isodata（独立数据）非监督分类： （1）打开影像数据（打开影像数据的方法参考上节内容），在这我们使用的是练习数据位置参考下图。 （2）读取波段值（R:4,G:3,B:2）,结果如下图。 （3）选择Classification > Unsupervised >Isodata. （4）出现Classification Input File 对话框，进行标准文件选择或输入文件的子集和掩模。 （5）点击“OK”，显示ISODATA Parameters 对话框。 ISODATA Parameters 对话框 在ISODATA Parameters 对话框中可以利用的选项包括：即将被限定的分类数的范围输入，像元变化阈值（0~100%），被用来对数据进行分类的最多迭代次数，分割、合并和删除分类阈值以及可选的距离阈值。 1 输入被限定的类数范围（最小值和最大值）。 用到类数范围是由于独立数据算法是基于输入的阈值进行拆分与合并的，并不遵循一个固定的类数。 2 在合适文本框里，输入迭代次数的最大值和一个变化阈值（0~100%）。 当每一类的像元数变化小于阈值时，用变化阈值来结束迭代过程。当达到阈值或迭代达到了最多次数时，分类结束。 3 在合适文本框里，键入形成一类需要的最少像元数。 如果一类中的像元数小于构成一类的最少像元数，则这一类就要被删除，其中的像元被归到距离最近的类里。 4 在“Maximum Class Stdv”文本框里，键入最大分类标准差（用十进制）。
envi遥感图像监督分类与非监督分类
envi遥感图像监督分类 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。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 遥感影像的监督分类一般包括以下6个步骤，如下图所示： 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。
启动ENVI5.1，打开待分类数据：can_tmr.img。以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。 通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。 第二步：样本选择 （1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。 1）在Region of Interest (ROI) Tool面板上，设置以下参数： ROI Name：林地 ROI Color： 2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择； 3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上； 4）这样就为林地选好了训练样本。 注：1、如果要对某个样本进行编辑，可将鼠标移到样本上点击右键，选择Edit record是修改样本，点击Delete record是删除样本。 2、一个样本ROI里面可以包含n个多边形或者其他形状的记录（record）。 3、如果不小心关闭了Region of Interest (ROI) Tool面板，可在图层管理器Layer Manager上的某一类样本（感兴趣区）双击鼠标。 （2）在图像上右键选择New ROI，或者在Region of Interest (ROI) Tool面板上，选择工具。重复"林地"样本选择的方法，分别为草地/灌木、耕地、裸地、沙地、其他5类选择样本； （3）如下图为选好好的样本。
envi操作(1)
ENVI的一些操作 2009-07-27 11:06:51| 分类：ENVI应用| 标签：|字号大中小订阅 2、矢量图层编辑 1）在Vector Parameters对话框中，点击刚创建的新矢量层，然后选择Mode →Edit Existing Vectors。 2）在主影像窗口中，点击在上一节中所生成的某个多边形。 a) 该多边形就会高亮显示出来，并且多边形的节点会标记成钻石形。当矢量被选定，就可以进行如下的修改： 3）单击鼠标右键，在弹出的快捷菜单中选择Delete Selected Vector，删除整个多边形。4）单击节点，并拖曳到新的位置来移动节点。 5）单击鼠标右键，选择Accept Changes保存修改并重新绘制多边形。 6）通过点击鼠标中键或在右击显示的快捷菜单中选择Clear Selection，退出修改，不进行任何变动。 7）要在多边形中添加或删除节点，可以在右击显示的快捷菜单中按如下步骤进行选择： i. 要添加一个节点，右击并选择Add Node，然后将该节点拖曳到一个新的位置。 ii. 要删除节点，单击节点，然后从快捷菜单中选择Delete Node。 iii. 要改变每次添加的节点数，右击选择Number of Nodes to Add。在对话框中，输入节点的数目。 iv. 要删除一系列的节点，用右键点击该范围内的第一个点，然后选择Mark Node。再用右键点击该范围的最后一个点，再次选择Mark Node。最后，右击选择Delete Marked Nodes即可。 8）结束这一部分，从ENVI主菜单中选择Window →Available Vectors List，然后在显示的可用波段中选择新创建的矢量层，并点击Remove Selected来删除它们。注意不要删除vectors.shp矢量层，后面还会用到的。 3、屏幕数字化 1）从Vector Parameters对话框中选择File →Create New Layer来创建一个新的矢量层。在New Vector Layer Parameters对话框中，输入新矢量层的名字。点击Memory单选按钮，并点击OK。 2）在Vector Parameters对话框中，点击新生成的矢量层的名字，就会初始化新生成的.dbf 文件。 3）选择Mode →Add New Vectors。 4）在本专题中将创建多边形矢量，选择Mode →Polygon。 5）在影像显示窗口中（如果在Vector Parameters对话框中选择了Window单选按钮，则也可以在滚动窗口或缩放窗口中进行），按以下的步骤用鼠标来定义一个新的多边形区域：6）点击鼠标左键，绘制多边形的各线段。 7）点击鼠标中键，来擦除刚绘制的线段。 8）点击鼠标右键，固定多边形的形状。再次点击鼠标右键，从弹出的快捷菜单中选择Accept New Polygon接受新建的多边形。 9）以影像中区域的轮廓为参考，绘制一些多边形。 10）在Vector Parameters对话框中选择Edit →Add Attributes，给新创建的多边形添加属性。在Attribute Initialization对话框中，在Name字段输入Field_ID，点击Type
遥感实习遥感图像监督分类
实验五：监督分类与非监督分类 一、实验目的 采用监督分类对多光谱遥感图像进行分类，并对分类后的数据进行处理，处理方法包括：聚合（clump）处理、筛选（sieve）处理、并类（combine）处理，以及精度评估。监督法分类需要用户选择作为分类基础的训练样区。分析下面处理的分类结果，或者采用每个分类法默认的分类参数，生成自己的类，然后对分类结果进行比较。我们将使用各种监督分类法，并对它们进行比较，确定单个具体像素是否有资格作为某类的一部分。 二、实验数据与原理 美国科罗拉多州（Colorado）Canon市的Landsat TM 影像数据，其中包括can_tmr.img、can_tmr.hdr、can_km.img、can_km.hdr、can_iso.img、can_iso.hdr、classes.roi、can_pcls.img、can_pcls.hdr 、can_bin.img、can_bin.hdr 、can_sam.img、can_sam.hdr 、can_rul.img 、can_rul.hdr、can_sv.img、can_sv.hdr、can_clmp.img、can_clmp.hdr。 ENVI 提供了多种不同的监督分类法，其中包括了平行六面体（Parallelepiped）、最小距离法（Minimum Distance）、马氏距离法（Mahalanobis Distance）、最大似然法（Maximum Likelihood）、波谱角法（Spectral Angle Mapper）、二值编码法（Binary Encoding）以及神经网络法（Neural Net）。 三、实验过程： 1、打开TM图像，File →Open Image File，选择ljs-can_tmr.img文件，在可用波段列表中，选择RGB Color 单选按钮，然后使用鼠标左键，顺次点击波段4、波段3 和波段2。点击Load RGB 按钮，把该影像加载到一个新的显示窗口中。 2、查看光标值：
ENVI的监督分类操作步骤
老师要求提交： 1.可能性矩阵 2.精度评价报告 3.分类结果图 具体流程： 1．打开影像，考试时的影像是老师给的高分辨率影像。以已有的QuickBird影像为例：File---Open Image File ，在Available Band 中以RGB打开，为真彩色，即地物的真实颜色。 2.选择监督分类样本（感兴趣区域）： 在影像的工具栏中选择，Overlay---Region of interest
在打开的#1 ROI Tool 工具栏中，以多边形的方式选择感兴趣区：ROI-Type----Polygon 在zoom窗口中进行选择 选择类别，植被，水体，裸地，房屋。 查看分离程度，继续在ROI Tool 工具栏中，选择Option—compute ROI separability ，选择影像ok., 相关度大于1.8的说明分类较好。保存文件。 2.用最大似然法进行监督分类，主菜单栏中，Classification —Supervised—Maximum Likelihood，进入选择参数的对话框。 Select all Item 阈值Probability Threshold一般在0~1之间。 不需输出真实值。 因为还要分类后处理，储存至memory.
3.分类后处理， ①分类合并，在主菜单中Classification—post classification—Sieve Classes 选择刚才分类好的，memory影像，改变Group Min Threshold数值，由2改到8.即改变每类别最小像元值，由于我只选了四个类别数，应该做完后不会有类别的合并。 保存文件，即要求交的分类结果图。 ②生成混淆矩阵 主菜单中，Classification—post classification—confusion Matrix—Using Ground Truth ROIS. 将所有类别都选上。
遥感图像的分类实验报告
精心整理 一、实验名称 遥感图像的监督分类与非监督分类 二、实验目的 理解遥感图像监督分类及非监督分类的原理；掌握用ENVI对影像进行监督分类和非监督分类的方法，初步掌握图像分类后的相关操作；了解整个实验的过程以及实验过程中要注意的事项。 三、 四、 五、 1. 1.1打开并显示影像文件，选择合适的波段组合加载影像 打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，为了更好地区分不同地物以及方便训练样本的选取，选择5、4、3波段进行相关操作，点击Load Band 在主窗口加载影像。 1.2使用感兴趣区（ROI）工具来选择训练样区 1）主影像窗口菜单栏中，选择 Overlay >Region of Interest。出现ROI Tool对话框， 2）根据不同的地物光谱特征，在图像上画出包含该类地物的若干多边形区域，建立相应的感兴趣区域，输入对应的地物名称，更改感兴趣区对应的显示色彩。
由于该地区为山西省北部，地物相对单一，故分为以下几类：裸地、草地、灌木林、农田、水体、人类活动区、云层，阴影。 1.3选择分类方法进行分类 1）主菜单中，选择Classification>Supervised，在对应的选项菜单中选择分类方法，对影像进行分类。 以最小距离法（Minimum Distance）为例进行说明。选择Minimum Distance选项，出现Classification Input File对话框，在该对话框中选择待分类图像。 2）在出现的Minimum Distance Parameters对话框中，select Ttems选择训练样本，定义相关参数，选择 点击 2. 1 2 3. 。 1 选择Mode :polygon delete from class将错误点剔除。 2）主菜单classification->Post classification->sieve classes打开sieve parameters对话框，选择训练样本，及最小剔除像素，选择输出位置，完成操作。图为采用八联通域将像素小于5的点删除。 3.3混淆矩阵精度验证 1）选取验证样本，与监督分类操作类似，选择不同的感兴趣区域，保存ROI,作为选择训练样本。 2）进行精度验证，主菜单classification->Post classification->Using Ground Truth ROI，选择分类图像。
ENVI操作流程
1.Sobel滤波变换 图像滤波可以从图像中提取空间尺度信息，突出图像的空间信息，压抑其他无关信息，或者去除图像某些信息。所以，为了增强园区线性影像，使用空间滤波变换也是不错的选择。 ①打开ENVI，主菜单选择Filter。 ②选择Sobel滤波 ③选择要进行滤波变换的文件 选择完毕，点OK， Sobel滤波完成后的效果如图
2.运用ENVI面向对象空间特征提取工具（Feature Extraction Module）实现分类 第一步：发现对象 ①启动ENVI ZOOM，在主菜单中打开Processing中的Feature Extraction选项。 ②选择经过sobel滤波变换的文件，点击OK完成。
③影响分割：参照现实环境，利用边界分割规则对图像进行切割。可以选择Preview对切割 后的图像边界进行实时查看，以确定合适的切割尺度。 分割图像预览 ④斑块合并。此步骤主要解决图像过度分割的问题。可以将小的斑块合并到更大尺度的斑块 中。
合并图像预览 ⑤亮度阈值合并。此步骤选择No Thresholding(default)不进行亮度值设定。 ⑥选择属性计算项。选择波段比值（Band Ratio）选项，进行波段比值运算。如把红色波段赋给B1，把近红外波段赋给B2，那么计算出来的波段比值就可以用来提取NDVI，因为绿 色的植被会有一个较高的NDVI值。
点击NEXT进入下一步骤。 第二步：提取特征。 a．①选择样本进行分类（监督分类）。Classify by selecting examples：监督分类模式。 上选择训练区域。
ENVI监督分类及制图
土地利用监督分类及制图 1、数据准备 (2) 1-1.提取聊城所在地级市.shp图像 (2) https://www.360docs.net/doc/3c13914633.html,ndsat 8 oli遥感影像获取 (3) 1-3.对影像做辐射定标、大气校正处理 (3) 1-3-1辐射定标 (3) 1-3-2大气校正 (4) 1-4影像镶嵌 (8) 1-5.裁剪聊城地域遥感影像 (10) 1-6.监督分类（最大似然法） (10) 1-6-1.建立感兴趣区域 (10) 1-6-2.可分离度检验 (11) 1-6-3.监督分类 (11) 1-6-3混淆矩阵 (12) 1-6-4. 分类后处理 (12) 1-6-5目视解译修改局部 (12) 1-7导出TIF (13) 2、制图 (13) 2-1.ARCGIS中打开前期导出的TIF图像 (14) 2-2.在属性表中增加（名称）字段 (14) 2-3.将视图切换成--布局视图 (15) 2-4.插入标题、比例尺、指北针等 (15) 2-5.导出地图 (16)
1、数据准备 1-1.提取聊城所在地级市.shp图像 1.ARCGIS中打开全国县级矢量图 2.工具箱中打开:ArcToolbox--Analysis Tools--Extract--Select 根据所选择区域的字段属性进行提取 Select工具 3.提取结果 聊城市矢量图
https://www.360docs.net/doc/3c13914633.html,ndsat 8 oli遥感影像获取 注意下载的影像时间差不要太大，云量要小 下载影像信息 1-3.对影像做辐射定标、大气校正处理 1-3-1辐射定标 1.ENVI 5.1中打开遥感影像 2.ENVI 5.1 工具箱中打开工具：Radiometric Correction--Radiometric Calibration； 选择要校正的多光谱数据“- - - -_MTL_MultiSpectral”进行辐射定标。 定标参数设置
遥感图像的非监督分类
实验五遥感图像的非监督分类 一、实验目的 1．非监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进行分类，在没有用户定义的条件下练习使用，在ENVI环境下的非监督分类技术有两种：迭代自组织 数据分析技术（ISodata）和K均值算法（K-Means）； 2．分类过程中应注意：1）怎样确定一个最优的波段组合，从而达到最佳的分类精度，基于OIF和相关系数，协方差矩阵以及经验的使用来完成对最适合的组合的选取，分类 效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束 后，被分类后的图像是一个新的图像，被分类类码秘填充，从而可以获得数据提取信息， 统计不同类码数量，转化为实际面积，在得到后的图像上，可对不同目标的形态指标进 行分析。 二、实验设备与材料 1、软件 ENVI 4.7软件 2、所需材料 TM数据 三、实验步骤 1.选择最优的波段组合 ENVI主工具栏中File →Open image file →选择hbtmref.img打开→在Basic Tools中选择Statistics →Compute statistics选定原图，在Spectral subset中可选项全部选定→OK →OK →全选→保存→OK，则各类统计数字均可查； OIF计算，选择分类波段： 1，2；2，3；1，3波段标准差分别为2.665727；3.473308；4.574609，和为10.713644。Correlation Matrix 中1和2波段的相关系数0.964308，加上2和3波段的相关系数0.980166，再加上1和3波段的相关系数0.945880，最终等于2.890354。用标准差相加的结果10.713644比上相关系数之和2.890354等于3.70668922。可以选择其他不同波段的数据进行同上运算，比值结果最大的为最优波段，此次选择结果为3,4,6波段。 2.K-Means法进行非监督分类 1）Classification →Unsupervised →K-Means，点击hbtmref.img →点击Spectral subset →选3,4,6三个波段→OK，回到上级菜单→OK，在Number of classes中输15即分为15类，Change Iterations中输6，即最大迭化量为6次，Maximum Stdev From Mean中为空，选择保存位置→OK；在原界面中选定保存结果后New display →Load Band，双击查看Cursor Location/Value，发现Data已由原来的坐标形式转换为类码；在K-Means窗口工具栏中点击Tools →Spatial Pixel Editor →可将类码转换成相应的地物类型，要求进行大量的野外调查，确定同一类码所代表的地物是什么 2）合并类的操作：Classification →Post classification →Combine classes →K-Means →OK； 在Select Input Class中选Class 8，Select Output Class中选Class 10（即把第8类和第10类合并）→点Add combination →OK →Memory →OK；在原界面中选择保存结果→New Display →Load Band；在Load 后的Display中点击Tools →Link →Geographic link，则Display（当前）和Display #2（前一个）变为on，表示2者合并→OK，可查看变化结果。
ENVI使用手册
第一章：ENVI 概述 如何使用本手册 本手册包括若干章节；每章描述ENVI 提供的一系列处理程序。多数章节遵循ENVI 的菜单结构。例如，第4 章的标题为“Basic Tools”，它描述的功能可以在ENVI 的Basic Tools下拉菜单下找到。5 个附录分别针对：ENVI基本功能、文件格式、波谱库、地图投影以及描述ENVI 该版本的新特征。该介绍性章节包括与ENVI 图形用户界面（GUI）的交互，使用ENVI 窗口，及其它介绍性材料。新的ENVI 用户使用前务必认真阅读本手册，以及附带的ENVI 教程。 对于章节中的每个主题，功能描述之后给出了实现它的一步步向导。向导中描述了参数，通常还附有建议和例子。大多数功能（除了交互的功能）从ENVI 的下拉主菜单启动。出现包含接受用户输入参数的对话框。许多参数包含系统默认值并且有一些是可选的。当功能运行时，出现一个处理状态窗口。 运行功能的一步步向导被编号并且用粗体显示。鼠标控制菜单选项与用斜体字印刷的下拉菜单一同出现。子菜单用“>” 连接。每个步骤内的选项用项目符号显示。按钮名用引号标明，对话框标题以大写字母开头。一些对话框内部有下拉菜单。每个下拉菜单下的选项通常在以该下拉菜单名为标题的一节中描述。 例如，这些是如何对一个文件进行中值滤波的向导： 1. 从ENVI 主菜单，选择Filters > Convolutions > Median 。 将出现一个文件选择对话框, 允许你交互地改变目录并选定需要的输入文件。 2. 通过点击文件名，再点击“OK” 或“Open”，来选择所需要的文件。 若有必要，使用任意空间和/或波谱的构造子集（subsetting）。 3. 当出现Convolution Parameters 对话框，在“Size” 文本框中，输入所需要的滤波器大小。 4. 选择输出到“File” 或“Memory”，若需要，键入一个输出文件名。 5. 点击“OK”，开始处理。
ENVI中掩膜掩膜操作及影像分类教程
ENVI中掩膜掩膜操作及影像分类教程(转) 上一篇/ 下一篇 2008-11-25 15:41:31 / 个人分类：收藏 查看( 179 ) / 评论( 0 ) / 评分( 0 / 0 ) Arcview中添加影像并根据需要建立裁剪区，命名为caijian.shp--->ENVI中打开被裁剪影像，如 TMband432，-->vector--open vector >选择caijian.shp, load selected--->masking--build mask--->options--inport ENFs--选择caijian.shp---继续操作保存为文件或保存于缓存中----> apply mask---选择TMband432并设置spatial subset中的ROI/ENF,select mask band及裁剪波段的选择--保存裁剪后的影像. 监督与非监督分类结合的影像分类方法: 以2004年的Aster影像为例,软件采用Erdas,步骤如下: 1) 对Aster2004band432进行非监督分类生成unsuclass2004band432.img(60类,迭代20次,其他默认),同时生成摸板文件unsuclass2004band432_sig1.img; 2) 对unsuclass2004band432_sig1.img进行类合并操作,生成摸板文件 unsuclass2004band432_reclssig.img; 3) 进行监督分类时的样区选择并加入到unsuclass2004band432_reclssig.img 中,生成分类摸板unsuclass2004band432_susig.img,同时进行分类后合并,生成监督分类摸板 unsuclass2004band432_susig.img,并进行监督分类生成分类后文件suclass2004band432.img; 4) 对suclass2004band432.img进行分类重编码,生成C; 5) 对suclass2004band432.img进行club操作生成suclassband432_club.img; 6) 对suclassband432_club.img进行elimite操作生成2004classband432_x.img,其中的x 为聚类参数. 操作过程中的具体操作见下图,但愿对需要的人有所帮助: