1、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
2、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
3、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。
三、影像分类：选好“训练场地”---样本后，我们就要把选好的样本适用于全图进行分类。
主菜单点击classfication ----superv
4、ised---maxinum likelihood,选用最大似然分类法。
点击OK。出现最大似然分类方法参数设置对话框，设置如下：
点击OK后，available band list对话框自动生成了分类文件TM-class，右键load band to new display显示。
接下来要把分类后图像与原图像叠加显示，在原图像的主影像菜单点击overlay---classfication.
选择要用来叠加的文件为分类后图像TM-class，点击OK。这样两个文件就叠加到一个影像上了。每一种样本都可以进行显示。
接下来修改样本的颜色和名称，点击opti
5、ons—edit class colors/names.
可根据自己的喜好和样本实际颜色进行颜色的修改。修改好可以保存一下。点击file---save changes to file.
去除噪声：可在缩放窗口看到仔细看到图上有很多的小斑点，我们需要用一些方法去除它们，这里我们采用主要/次要分析方法为例。
在主菜单点击classfication----post classfication-----majority/minority analysis (主要/次要分析方法).
选择要进行主要次要分析的文件为TM-class，点击OK。
出现主要次要分析参数设置对话框，把六个样本全选，用主要分析法，保存，点击OK。
把新生成的TM—class 右键Load band to new display后，比较发现用分类后处理方法生成的图像比原先的“噪声”少了很多。最新生成的图像就是我们需要的监督分类的成果。
浙ICP备2021020529号-1 | 浙B2-20240490 
