ENVI教程_分类
ENVI监督分类操作步骤简单示例
ENVI监督分类操作步骤简单示例
1.打开TM8
波段组合6、4、3
2.确定影像中心经纬度，同时打开google earth，确定影像在google中的对应位置
影像中心经纬度为：
33。
0’6” N; 98。
9’44” E
3.结合分类任务、影像信息以及google，确定图像总类别数
重点分：地表水、草地、林地
（1）初步判断影像中地表水可分为三类：1冰川、2湖泊、3河流
河流
冰川
湖泊（2）还分布有深绿色的4林地
林地
（3）草地往往分布在平坦的区域，比如河流周边等，颜色为浅绿色的5草地
草地
（4）根据纹理可以判断影像中有很多山脉，且是裸露的山脉（类似6山脉）
山脉
（5）河谷平原中还分布有7建筑物
建筑物
（6）在图像中还有许多未知地类，但是肯定不属于目标地物（林地、草地、地表水）的类别，建议单独分为一类，比如：云（颜色偏白色）等
8其他
初步判定，影像至少可以分为8类地物：
1冰川、2湖泊、3河流、4林地、5草地、6山脉、7建筑物、8其他
4.开始选择ROI
原则：每类均匀分类、数量足够
建议在ZOOM窗口下选ROI
考虑到建筑物的光谱信息与山脉以及其他较为接近，且在图像中分布极少，因此调整分类类别为：
1冰川、2湖泊、3河流、4林地、5草地、6山脉、7其他5.选择SVM分类（或最大似然分类）模型，进行分类。
envi遥感图像处理之分类
ENVI遥感图像处理之计算机分类一、非监督分类１、K—均值分类算法步骤:1）打开待分类得遥感影像数据２)依次打开：EＮVI主菜单栏—〉Cｌaｓsifiｃatiｏn—>Unsuperｖｉsed—>K—Means即进入K均值分类数据文件选择对话框3）选择待分类得数据文件4)选好数据以后，点击OK键，进入K-Means参数设置对话框，进行有关参数得设置，包括分类得类数、分类终止得条件、类均值左右允许误差、最大距离误差以及文件得输出等参数得设置5）建立光谱类与地物类之间得联系：在新窗口中显示分类结果图：然后，打开显示窗口菜单栏Tools菜单—＞Color Maｐpｉng—〉Ｃlass ＣolｏｒMａppｉｎg…进入分类结果得属性设置对话框，在这里,可以进行类别得名称，显示得颜色等，建立了光谱类与地物类之间得联系。
设置完成以后，点击菜单栏Opｔiｏnｓ-〉Saｖe Chang ｅs 即完成光谱类与地物类联系得确立6)类得合并问题：如果分出得类中，有一些需要进行合并，可按以下步骤进行:选择ENＶI主菜单Classfaction-〉Post Clａｓsｆictｉon—>biｎe Classｅs，进入待合并分类结果数据得选择对话框点击OＫ键,进入合并参数设置对话框，在左边选择要合并得类，在右边选择合并后得类,点击Add bination键即完成一组合并得设置，如此反复，对其她需合并得类进行此项操作，点击OK，出现输出文件对话框,选择输出方式，即完成了类得合并得操作.至此,K—均值分类得方法结束。
2、ISODAＴA算法基本操作与K—均值分类相似。
1）进行分类数据文件得选择(依次打开:EＮVI主菜单栏—＞Clａｓsifｉｃation—>Unsupeｒｖised—＞IsoＤaｔa即进入ISODATA算法分类数据文件选择对话框，选择待分类得数据文件）2）进行分类得相关参数得设置(点击ＯK键以后，进入参数设置对话框，可以进行分类得最大最小类数、迭代次数等参数得设置）3）如此，光谱类得划分到此结束。
【VIP专享】ENVI4.5监督分类图文并茂超详细操作步骤
单击file—Open Image File打开图像，我的是TM7波段图像，加载5、4、3波段。
根据lay 选样本，OverLay—Region Of Interesting森林灌木、草地裸地耕地沙地其他（如水体、阴影之类的）选样本在Zoon放大窗口里选，这样可以选的更精确一些。
左键下点，右键结束因光谱值有差异，不在同一片地方选样本再在另一片地方选一下样本：正常情况下是通过别的方式选样本，如：野外调查或波峰影像上选样本，本次因条件限制就直接在图上选了。
选的差不多了，就选第二种灌木、草地样本，点的New Region按钮，选法一样，直至六类都选完：样本选完后验证样本对不对，静不精确点的Options后出现的下来菜单，选倒数第二个Compute ROI Separability点击后出现上面的对话框，选择我所要分类的图像，单击“OK”。
出现下面的对话框：，点击Select All Iterm选择全部的可分离性的样本，然后点击“OK”，出来下表：在这个表里，凡是最后的那个数值大于1.8的就说明符合要求，由此看出第一个是不符合要求的，应该是选的时候有问题（估计主要问题是灌木没有选好），按要求有问题就应该重新选，不过灌木和森林容易混淆，不容易选对，就不再重新选样本了。
只列出修改方法：在上面的对话框里选择森林，然后点击Goto，浏览每一个样本，将不好的样本删掉，再重新选一遍，然后再重新计算，直到达到要求为止。
上面是定量的评价，还有一个是定性的看：单击File，然后点击Export ROIs to Visualizer会出现，然后点击“OK”，出现，也是一样全选，点击“OK”出现n-D可视化对话框，，然后点击1、2、3、4、5、6，全选后，，单击Start，会出现一动态变化的样本聚类情况，在此只截一张图定性的看样本是否选的好，就看那个样本集中的程度，越高代表样本越好。
下面就可以分类了：点击主菜单的Classification—Supervised—Maximum Likelihood（最大似然发），出现，单击OK，出现此对话框设置如下：按着Shift全选样本，给输出分类文件命名并选择存储位置，然后点击OK输出，可用波段列表里会多出一个如图，在其上右键然后单击Load Band to New Display在新窗口加载分类图像如下：对分类图的后后处理（改名字、改颜色、分类后处理）：单击Overlay—Classification叠加分类图选择分类文件点OK，勾选样本前面的On可以叠加相应的分类，如：改名字：选择每一个分类，然后去掉后面的像素数，修改完毕点OK，然后单击Edit，选择第二个即将选择的类别并到其他类别里面去，出现下面的对话框，选Zoom，在On前面勾选即被归并的类别，点击颜色即要归并入的类别，然后在Zoom里左键画线，单击第一次一次右键闭合选择某一区域，再单击一次右键及可把此区域分错类别才分类并入另一类别里如：错分成林地的草地变回成了草地。
envi遥感图像处理之分类
ENVI遥感图像处理之计算机分类一、非监督分类1、K—均值分类算法步骤：1）打开待分类的遥感影像数据2）依次打开：ENVI主菜单栏—>Classification—>Unsupervised—>K—Means即进入K均值分类数据文件选择对话框3）选择待分类的数据文件4）选好数据以后，点击OK键，进入K-Means参数设置对话框，进行有关参数的设置，包括分类的类数、分类终止的条件、类均值左右允许误差、最大距离误差以及文件的输出等参数的设置5）建立光谱类和地物类之间的联系：在新窗口中显示分类结果图：然后，打开显示窗口菜单栏Tools菜单—>Color Mapping—>Class Color Mapping…进入分类结果的属性设置对话框，在这里，可以进行类别的名称，显示的颜色等，建立了光谱类和地物类之间的联系。
设置完成以后，点击菜单栏Options—>Save Changes 即完成光谱类与地物类联系的确立6）类的合并问题：如果分出的类中，有一些需要进行合并，可按以下步骤进行：选择ENVI主菜单Classfaction—>Post Classfiction—>Combine Classes，进入待合并分类结果数据的选择对话框点击OK键，进入合并参数设置对话框，在左边选择要合并的类，在右边选择合并后的类，点击Add Combination 键即完成一组合并的设置，如此反复，对其他需合并的类进行此项操作，点击OK，出现输出文件对话框，选择输出方式，即完成了类的合并的操作。
至此，K—均值分类的方法结束。
2、ISODATA算法基本操作与K—均值分类相似。
1）进行分类数据文件的选择（依次打开：ENVI主菜单栏—>Classification—>Unsupervised —>IsoData即进入ISODA TA算法分类数据文件选择对话框，选择待分类的数据文件）2）进行分类的相关参数的设置（点击OK键以后，进入参数设置对话框，可以进行分类的最大最小类数、迭代次数等参数的设置）3）如此，光谱类的划分到此结束。
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一、ENVI中的掩膜操作1.矢量掩膜矢量掩膜是指利用矢量图层作为掩膜对遥感影像进行遮罩。
在ENVI 中，可以将矢量图层导入后，选择“File -> Open -> Raster”命令，导入需要进行掩膜的遥感影像。
然后在“Raster Manager”对话框中，选中要进行掩膜的影像，并选择“Processing -> Mask -> BY Vector”命令。
在弹出的“Mask Parameters”对话框中，选择要使用的矢量图层，并设定输出掩膜后的文件名和路径。
2.栅格掩膜栅格掩膜是指利用另一个栅格影像作为掩膜对目标遥感影像进行遮罩。
在ENVI中，可以选择“File -> Open -> Raster”命令，导入需要进行掩膜的遥感影像。
然后在“Raster Manager”对话框中，选中要进行掩膜的影像，并选择“Processing -> Mask -> BY Raster”命令。
在弹出的“Mask Parameters”对话框中，选择要使用的栅格图层，并设定输出掩膜后的文件名和路径。
二、ENVI中的影像分类1.颜色转换在ENVI中进行影像分类前，需要对遥感影像进行颜色转换，将影像的不同波段转换为RGB彩色图像，以便于观察和分析。
在ENVI中，可以选择“Display -> Color”命令，打开“Display Color Table”对话框，选择要显示的波段，并设置彩色表。
2.基于统计的分类方法基于统计的分类方法是根据各像元的统计特征进行分类的方法，常见的方法有最大似然法、最小距离法、支持向量机等。
在ENVI中，可以选择“Classification -> Supervised -> Maximum Likelihood”命令，打开“Maximum Likelihood Classification”对话框，根据实际需求设置各项参数，并进行分类。
ENVI分类流程
ENVI分类流程ENVI是一种强大的遥感图像处理和分析软件，用于从航空或卫星遥感数据中提取地物信息和进行环境分析。
ENVI涵盖了广泛的功能，包括遥感图像预处理、分类和监督分类等。
本文将详细介绍ENVI分类流程。
1.数据预处理：在进行分类之前，应该对遥感图像数据进行预处理，以减少数据中的噪声和对比度差异。
ENVI提供了各种图像预处理工具，如辐射校正、大气校正、几何校正和平均滤波等。
这些预处理步骤有助于改善图像质量，并为后续的分类准备工作奠定基础。
2.区域定义：3.光谱统计：在进行分类之前，需要对图像数据中的不同光谱进行统计分析。
ENVI 提供了光谱统计工具，可以从图像中选择感兴趣的区域，并计算选定区域的光谱统计数据，如平均值、方差和标准差等。
这些统计数据对于分类算法的选择和参数设置起着重要的作用。
4.特征选择：根据前一步骤中计算得到的光谱统计数据，可以选择合适的特征用于分类。
ENVI提供了一系列的特征选择工具，可以根据不同的统计指标和算法选择特征。
特征选择的目的是减少特征的维度，提高分类的准确性和效率。
5.分类算法选择：ENVI提供了多种分类算法，如最大似然法、支持向量机、随机森林和人工神经网络等。
在选择分类算法时，需要考虑图像数据的特征和分类的目标。
不同的算法有不同的特点和适用范围。
一些算法适用于特定类型的图像数据，而其他算法则适用于各种类型的数据。
根据需要选择合适的分类算法。
6.分类参数设置：在使用分类算法之前，需要设置一些参数，如类别数、邻域大小和迭代次数等。
这些参数的设置取决于分类的目标和图像数据的特征。
ENVI提供了参数设置界面，可以通过调整参数值来优化分类结果。
7.监督分类：ENVI提供了监督分类工具，可以使用已知的样本数据来训练分类器。
监督分类需要已经标记好的样本数据，其中包含了不同类别的像素。
根据样本数据，分类器可以学习不同类别的特征，并将未知像素分类为相应的类别。
ENVI提供了几种监督分类算法，如最大似然法和支持向量机等。
envi面向对象分类步骤
envi面向对象分类步骤
分类步骤：
1. 确定对象的特征和行为：分析问题领域，确定需要建模的对象，并确定它们的特征和行为。
2. 根据特征和行为设计类：根据对象的特征和行为，设计出合适的类。
类包括属性和方法，属性表示对象的特征，方法表示对象的行为。
3. 确定类之间的关系：根据问题领域和对象之间的关系，确定类之间的关系，如继承、关联、聚合等。
4. 实现类的继承和关联关系：根据确定的类之间的关系，实现类之间的继承和关联关系。
5. 编写类的代码：根据类的设计，编写类的代码。
代码需要实现类的属性和方法，并确保它们能够正确地反映对象的特征和行为。
6. 实例化对象：根据类的定义，创建对象的实例。
实例化对象时，可以初始化对象的属性和调用对象的方法。
7. 测试和调试：对创建的对象进行测试和调试，确保对象的行为符合预期，修复可能存在的错误。
8. 重复上述步骤创建其他对象：根据问题的需求，重复上述步骤创建其他需要的对象。
利用envi进行tm影像监督分类详细操作步骤
利用envi进行tm影像监督分类详细操作步骤1.进行波段组合选取。
TM影像共有7个波段，一般的（根据经验值）选择543波段进行组合。
首先打开影像，点击File- Open Image File打开图像选择B5、B4、B3影像。
点击Basic Tools—Layer stacking-Import File，分别双击B5、B4、B3，然后点击Choose选择合成影像的路径并进行命名。
在ABL里，对应RGB选择合成影像的B5、B4、B3波段，点击Load RGB，显示影像2、选择样本训练区点击Basic Tools-Region Of Interest-ROI Tool点击New Region确定分类样本，水体、居民地、道路、耕地、森林，为了选择精确选择Zoom 窗口进行选择。
选择水体后，开始在zoom里选样本,点击右键结束，可在不同区域的水体上选择样本选择合适水体样本后，则依次选取居民地等地物的样本3、验证样本样本选择完成之后，需要对样本从定量和定性上分别进行评价。
（1）定量Options-Compute ROI Separability-选择合成影像-ok点击select all items-ok该工具来计算任意类别间的统计距离，一般的，参数的值在0~2.0之间，大于1.9说明样本之间可分离性好；小于1.8大于1.4属于合格样本；小于1.4需要重新选择样本；小于1考虑将两类样本合成一类样本。
多次试验，道路不易单独提取，建议进行人工后期提取。
（2）定性点击File-Export ROIs to n-D Visualizer,选择影像点击ok-Select all items-ok在n-DContrs对话框点击1、2、3，变成白色之后点击start，在visualizer 会出现动态变化的样本聚类情况，如下图，看样本的集中度，越高代表样本越好。
3、进行监督分类点击Classification-Supervised-Maximum Likelihood（最大似然法），选择影像，点击ok选择要分的类，设置好输出路径。
envi随机森林分类步骤
envi随机森林分类步骤随机森林（Random Forest）是一种常用的集成学习方法，它通过构建大量的决策树并综合它们的结果来进行分类。
下面是随机森林分类的详细步骤，共分为以下几个部分：1.数据准备：-收集并整理需要分类的数据集，包括特征变量（如身高、体重等）和目标变量（如人是否患有其中一种疾病）。
-将收集到的数据集划分为训练集和测试集。
2.随机选取特征：-在随机森林算法中，为了增加每棵树的差异性，每次构建决策树时，从原始特征集中随机选取一部分特征。
-选择的特征数量可以是固定的，也可以是随机的。
3.构建决策树：-从训练集中随机抽样，按照其中一种方法（如ID3、C4.5、CART等）构建一棵决策树。
-决策树的构建过程中，每次在选定的特征集中选择最佳的划分特征，以使得划分后的子集尽可能纯净。
4.重复步骤2和3：-重复步骤2和3多次，构建出多棵不同的决策树。
5.预测分类结果：-使用构建好的随机森林对测试集中的样本进行分类预测。
-对于分类问题，通常采用多数表决的方法，即每棵树根据其分类结果投票，最终分类结果为票数最多的类别。
-对于回归问题，可以采用求平均值的方法，即每棵树返回的预测值取平均。
6.评估分类效果：-根据评估结果判断随机森林的分类效果，并可以根据需要对算法进行调优。
除了以上的基本步骤，还有一些额外的技术和策略可以应用于随机森林的分类过程中，以提升分类效果和泛化能力。
以下是一些常用的技术和策略：-特征重要性评估：-随机森林可以通过计算每个特征在所有决策树中的重要性来评估特征的重要性。
-常用的计算方法有基尼指数、信息增益等。
-调参：-随机森林有一些超参数需要调节以获取最佳的分类效果。
-常见的超参数包括决策树的数量、每棵决策树中选取特征的数量、决策树的最大深度等。
-可以使用交叉验证等方法对超参数进行调优。
-异常值处理：-随机森林对异常值具有一定的鲁棒性，但是严重的异常值可能会影响分类结果。
-可以通过删除异常值、替换异常值等方法进行处理。
ENVI分类流程
打开envi-file-open image file在下对话框选择RGB Color,4,3,2波段，点击Load RGB在窗口中右键—ROI tool1）点击如上窗口中的ROI_Type—polygon.2）点击上图窗口中的zoom，在zoom窗口中选取样本。
3）选择类型，*为选中状态，每种类型选择样本在40个以上。
（类型相对较少的可适当少选取一些训练样本）4）点击左键，选取样本区域，右键闭合，再右键选中，选中后颜色改变。
注：如若删除选错样本，选择类型后，点击GO to,查看要修改的样本，点击鼠标中键，即可删除。
（提交文件一）输出样本文件，操作如下先选择第一类（图中为草地）然后点击file-export ROIS to shapefile裸、林、灌、草等类型提取采用的训练样本文件：文件命名p126_r037_l5_20050612_smp00_**.shp，**代表地类英文名称依次输出每一类的shape文件下图为输出草地的shape文件Classification——supervised——support vector machine分类后，点击classification——post classification ——majority/minority analysis。
选择去噪前的图，然后点击Load Band再选择去噪后的图，选择New display,再点击Load Band出现如下窗口在任意一个image窗口中右键——link displays去噪前后对比修改地类颜色，操作入下选择class color mapping 后出现如下窗口：按下表赋予不同地类RGB值。
打开掩膜后影像，4，3，2波段点击classification后，选择去噪后影像，叠加到掩膜后影像上。
编辑错误分类的类型（选择颜色框）on是把去噪后分类影像显示在掩膜影像上。
编辑错误分类影像，操作如下：点击左键，选取分类错误区域，右键闭合。
ENVI软件基础知识以及监督 分类详细步骤
S(饱和度)V(亮度)
三．多图像代数运算
Band Math功能提供了一个灵活的图像处理工具，其中许多功能是无法在任何其它的图像处理系统中获得的。由于每个用户都有独特的需求，因此该功能允许用户自己定义处理算法，并将之应用到打开的波段或整个图像中，可以根据需要自定义简单或复杂的处理程序。
选择Basic Tools > Band Math.在“Enter an expression”的文本框内，输入变量名和所需要的数学运算符。变量名必须以字符“b”或“B”开头，后面跟着5个以内的数字字符。
ENVI4.5监督分类步骤
单击file—Open Image File打开图像，我的是TM7波段图像，加载5、4、3波段。根据lay选样本，OverLay—Region Of Interesting
森林灌木、草地裸地耕地沙地其他（如水体、阴影之类的）
选样本
在Zoon放大窗口里选，这样可以选的更精确一些。
左键下点，右键结束
因光谱值有差异，不在同一片地方选样本
再在另一片地方选一下样本：
正常情况下是通过别的方式选样本，如：野外调查或波峰影像上选样本，本次因条件限制就直接在图上选了。
选的差不多了，就选第二种灌木、草地样本，点 的New Region按钮，
选法一样，直至六类都选完：
样本选完后验证样本对不对，静不精确
该对话框参数设置如下：
在“Stats X/Y Resize Factor”文本框键入小于1的调整系数，对计算统计值的数据进行二次抽样。键入一个小于1的调整系数，以提高统计计算的速度。例如，在统计计算时，用一个0.1的调整系数将只用到十分之一的像元。若需要，键入一个输出统计文件名。点击按钮，选择基本“Covariance Matrix”或“Correlation Matrix”。
利用envi进行tm影像监督分类详细操作步骤2篇
利用envi进行tm影像监督分类详细操作步骤2篇第一篇：Envi（Environment for Visualizing Images）是一款功能强大的遥感图像分析软件，可以用于遥感图像的处理、分析和可视化。
本篇文章将详细介绍如何利用Envi进行TM影像的监督分类。
步骤一：导入TM影像1. 打开Envi软件，在菜单栏上选择“File”-“Open”，然后选择要导入的TM影像文件。
2. 在弹出的对话框中，选择正确的影像文件格式，并指定正确的数据投影等参数，确认后点击“OK”按钮。
3. 导入的TM影像将在Envi主界面上显示出来。
步骤二：创建训练样本1. 在Envi主界面上，点击工具栏上的“ROI（Region of Interest）”按钮，打开ROI工具。
2. 在左侧窗口中选择“Polygon”工具，然后在右侧窗口中点击鼠标左键逐个画出训练样本的区域。
每个训练样本的区域应包含一个类别的特征，例如植被、水体等。
3. 重复上述步骤，逐个创建所有类别的训练样本。
步骤三：进行分类设置和训练1. 在Envi主界面上选择“Supervised Classification”菜单，然后选择“Maximum Likelihood Classifier”选项。
2. 在弹出的对话框中，点击“Add New Class”按钮，然后为每个类别输入名称并选择对应的训练样本。
确保每个类别都有足够的样本进行训练，以提高分类的准确性。
3. 点击“OK”按钮开始进行分类训练。
训练过程可能会花费一些时间，取决于图像的大小和复杂度。
步骤四：进行影像分类1. 训练完成后，Envi会自动对整个TM影像进行分类，并生成分类结果。
2. 在Envi主界面上选择“Display”菜单，然后选择“LayerM anager”选项。
3. 在弹出的对话框中，选择分类结果图层并点击“Add”按钮，然后点击“OK”。
4. 分类结果将显示在Envi主界面上，可以根据需要进行调整和编辑。
最新ENVI遥感软件应用--第七章 分类.ppt课件
3）分类统计
Class statistics工具可以基于分类结果计算任何相关 输入文件的统计信息。基本统计包括：类别中的像 元数、最小值、最大值、平均值、类中每个波段的 标准差等，记录每类的直方图，计算协方差矩阵、 相关矩阵、特征值、特征向量，显示所有分类的总 结记录。
➢选择输入文件—先前生成的规则影像（也可以是未分 类的任意空间子集）
➢输入不同的阈值，进行分类。（阈值要以百分号形式 输入）
➢Classify by：规则影像来自最短距离或波谱角分类器用 最小值分类，若来自最大似然法，用最大值分类。 （1）直方图绘制 可以绘制规则波段的直方图，有助于设定阈值：点击该 类的“hist”按钮，将会出现显示所选波段直方图的图表 窗口。
1）规则影像：envi在最终分类结果生成以前生成的 中间影像。其像元值会被用来生成分类影像。这些 可选择性生成的影像允许用户对分类的结果进行评 估，如果需要还可以根据指定的阈值，重新进行分 类。这些灰阶规则影像每一个都对应于分类中所用 的某一个感兴趣区或某个端元波谱。
在不同分类方法所生成的规则影像中，像元值代 表了不同的信息：
ENVI遥感软件应用--第七章 分 类.
一、遥感影像分类
目的：介绍如何完成常规的遥感影像分类操作 处理，比较监督和非监督分类后影像，并对分 类后结果进行处理，包括聚合（clump）、筛选 （sieve）、并类（combine）、精度评估等。
主要分类方法：监督、非监督、决策树、ROI
1. 非监督分类：(unsupervised classification)根据 事先指定的某一准则，而进行计算机自动判别 归类，无须人为干预，分类后需确定地面类别。
envi最大似然法分类步骤
envi最大似然法分类步骤
嘿，咱今儿个就来讲讲 envi 最大似然法分类的那些步骤。
你想想啊，这就好比你要去给一群小伙伴分类，得有个靠谱的办法不是？
首先呢，你得准备好你的数据，就像厨师准备食材一样，得新鲜、齐全。
这数据就是你的宝贝，可得好好珍惜。
然后啊，你要选好特征，这特征就像是小伙伴们的特点，比如有的高，有的矮，有的胖，有的瘦。
你得根据这些特征来区分他们呀。
接下来呢，就到了关键的一步，建立模型。
这模型就像是给小伙伴们分组的规则，得合理，得能把他们分得清清楚楚。
建立好模型后，就开始计算似然值啦。
这似然值就好像是给每个小伙伴打分一样，分数越高，说明他越符合某个类别。
再之后，你就得根据这些似然值来决定每个样本属于哪个类别。
这可不能马虎，得仔细着点，不然就把小伙伴分错组啦。
分好类后，可别以为就大功告成了。
你还得检查检查，看看有没有分错的，有没有遗漏的。
这就像是考试完了检查试卷一样，得认真。
哎呀，你说这 envi 最大似然法分类是不是挺有意思的？就跟我们生活中的很多事情一样，都得一步一步来，不能着急。
你要是不按照这些步骤来，那可不行哦。
就好比你做饭不按步骤来，能做出美味的菜肴吗？肯定不能呀！
所以啊，咱可得好好记住这些步骤，把 envi 最大似然法分类给玩转了。
这样以后遇到相关的问题，咱就能轻松应对啦，是不是？咱可不
能在这上面栽跟头呀，得把它搞得明明白白的。
你说是不是这个理儿？。
ENVI4.5监督分类图文并茂超详细操作步骤
单击file—Open Image File打开图像，我的是TM7波段图像，加载5、4、3波段。
根据lay 选样本，OverLay—Region Of Interesting森林灌木、草地裸地耕地沙地其他（如水体、阴影之类的）选样本在Zoon放大窗口里选，这样可以选的更精确一些。
左键下点，右键结束因光谱值有差异，不在同一片地方选样本再在另一片地方选一下样本：正常情况下是通过别的方式选样本，如：野外调查或波峰影像上选样本，本次因条件限制就直接在图上选了。
选的差不多了，就选第二种灌木、草地样本，点的New Region按钮，选法一样，直至六类都选完：样本选完后验证样本对不对，静不精确点的Options后出现的下来菜单，选倒数第二个Compute ROI Separability点击后出现上面的对话框，选择我所要分类的图像，单击“OK”。
出现下面的对话框：，点击Select All Iterm选择全部的可分离性的样本，然后点击“OK”，出来下表：在这个表里，凡是最后的那个数值大于1.8的就说明符合要求，由此看出第一个是不符合要求的，应该是选的时候有问题（估计主要问题是灌木没有选好），按要求有问题就应该重新选，不过灌木和森林容易混淆，不容易选对，就不再重新选样本了。
只列出修改方法：在上面的对话框里选择森林，然后点击Goto，浏览每一个样本，将不好的样本删掉，再重新选一遍，然后再重新计算，直到达到要求为止。
上面是定量的评价，还有一个是定性的看：单击File，然后点击Export ROIs to Visualizer会出现，然后点击“OK”，出现，也是一样全选，点击“OK”出现n-D可视化对话框，，然后点击1、2、3、4、5、6，全选后，，单击Start，会出现一动态变化的样本聚类情况，在此只截一张图定性的看样本是否选的好，就看那个样本集中的程度，越高代表样本越好。
下面就可以分类了：点击主菜单的Classification—Supervised—Maximum Likelihood（最大似然发），出现，单击OK，出现此对话框设置如下：按着Shift全选样本，给输出分类文件命名并选择存储位置，然后点击OK输出，可用波段列表里会多出一个如图，在其上右键然后单击Load Band to New Display在新窗口加载分类图像如下：对分类图的后后处理（改名字、改颜色、分类后处理）：单击Overlay—Classification叠加分类图选择分类文件点OK，勾选样本前面的On可以叠加相应的分类，如：改名字：选择每一个分类，然后去掉后面的像素数，修改完毕点OK，然后单击Edit，选择第二个即将选择的类别并到其他类别里面去，出现下面的对话框，选Zoom，在On前面勾选即被归并的类别，点击颜色即要归并入的类别，然后在Zoom里左键画线，单击第一次一次右键闭合选择某一区域，再单击一次右键及可把此区域分错类别才分类并入另一类别里如：错分成林地的草地变回成了草地。
ENVI操作流程
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。
保留全部属性并采用最近邻法，保存文件。
分类图。
ENVI--监督分类步骤
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。
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。
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：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。
IsodataIsodata 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。
envi光谱角分类步骤
ENVI是一款遥感图像处理软件，可以进行光谱角分类。
以下是ENVI光谱角分类的一般步骤：
1. 导入遥感图像数据。
2. 对图像进行预处理，包括大气校正、辐射校正等。
3. 选择需要分类的波段和波段范围。
4. 进行光谱角分类。
可以选择手动分类或自动分类。
5. 对分类结果进行评估和精度分析，包括OA、Kappa系数等指标。
6. 可以对分类结果进行可视化和制图等处理。
需要注意的是，光谱角分类的精度和准确性受到多种因素的影响，包括遥感数据的质量、预处理的准确性、分类方法的选择等。
因此，在进行光谱角分类时，需要进行充分的实验和验证，以确保分类结果的可靠性和准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第六章分类6.1 分类菜单可以使用C l a s s i f i c a t i o n下拉菜单访问E N V I的分类功能，具体功能包括：监督分类和非监督分类、波谱端元收集、对先前规则图像的分类、计算类别统计信息、计算混淆矩阵、对分类图像进行m a j o r i t y和m i n o r i t y分析、集群或筛选分类、合成分类、对灰阶图像的叠加分类、生成缓冲区图像、图像分割以及将分类输出到矢量层。
图6-1：分类菜单6.2 端元波谱收集E n d m e m b e r C o l l e c t i o n工具可以从许多来源中选择端元波谱，用于分类和高光谱分析技术。
在E n d m e m b e r C o l l e c t i o n对话框中，可以运行所有的监督分类技术以及许多高光谱技术。
注意：通过改变算法，可以将相同的端元和训练区作为输入，运行不同的分类方法。
图6-2：Endmember Collection对话框选择C l a s s i f i c a t i o n>E n d m e m b e r C o l l e c t i o n。
当出现C l a s s i f i c a t i o n I n p u t F i l e对话框时，选择所需的文件，子集和/或掩模。
点击“O K”，将出现E n d m e m b e r C o l l e c t i o n对话框。
按照下节描述的方法来收集端元、选择算法类型和管理端元。
（1）拖放－下拉窗口的使用（Using the Drag-and-Drop Window）使用E n d m e m b e r C o l l e c t i o n对话框顶部的拖放-下拉窗口，可以从Z剖面或波谱图中收集波谱。
点击鼠标右键显示快捷菜单。
选择“P l o t K e y”。
在波谱名上点击并按住左键。
将波谱名拖动到拖放-下拉窗口中，释放鼠标左键。
波谱名将被列入已选波谱列表中。
（2）输入端元波谱使用I m p o r t下拉菜单可以从其它来源（如A S C I I文件、R O I均值、波谱库或统计文件）输入波谱。
注意：当应用马氏（Ma h a l a n o b i s）距离或最大似然分类器时，端元波谱只能从R O I s或统计文件中输入，因为这些分类用到了端元协方差统计。
"从ASCII文件输入波谱图6-3：Input ASCII File对话框在E n d m e m b e r C o l l e c t i o n对话框中,选择I m p o r t>f r o m A S C I I F i l e。
出现文件选择对话框时，选择一个A S C I I文件或一组相同格式的A S C I I文件。
注意：如果选择一个有效文件（即 A S C I I文件中至少包含一列数字型数据），将出现A S C I I I n p u t对话框，其中显示一个行列数列表和每一列数据中的前几个数据。
在“X A x i s C o l u m n”文本框里，键入包含X轴数据的列数。
点击所需的列名，选择端元波谱。
如果需要，在“W a v e l e n g t h U n i t s”和“Y S c a l e F a c t o r”文本框里，对参数进行更改。
点击“O K”将选择的端元波谱输入到E n d m e m b e r C o l l e c t i o n对话框的列表中。
输入同模板ASCII文件要运用先前I n p u t A S C I I F i l e对话框中设定的参数，再选择一个A S C I I文件，读取数据：选择 I m p o r t> f r o m A S C I I f i l e(p r e v i o u s t e m p l a t e)。
选择 A S C I I文件的文件名。
数据将被直接读到E n d m e m b e r C o l l e c t i o n 对话框中，中间不再出现参数对话框。
从ASD二进制文件输入波谱选择I m p o r t>F r o m A S D B i n a r y>F i l e。
在E n t e r A S D F i l e s t o I m p o r t对话框中，选择A S D文件并点击“O p e n”。
该文件将被自动重采样以与数据文件、A S C I I文件或启动构建波谱库功能时所指定的第一个输入波谱中的波长相匹配。
如果从E n d m e m b e r C o l l e c t i o n对话框中输入A S D文件，该文件将被自动重采样到第一个输入波谱形状。
注意：如果A S D文件的范围与输入波长的范围不匹配，将会产生一个全0结果。
从波谱库输入波谱图6-4：Spectral Library Input File 对话框选择 I m p o r t>f r o m S p e c t r a l L i b r a r y。
当出现S p e c t r a l L i b r a r y I n p u t F i l e对话框时，选择波谱库名，点击“O K”打开波谱库。
注意：如果需要的波谱库之前没有被打开，在L i b r a r y I n p u t F i l e对话框中，选择F i l e>O p e n S p e c t r a l L i b r a r y。
当出现I n p u t S p e c t r a l L i b r a r y对话框时，通过点击需要的波谱名选择端元波谱。
如果需要，在“W a v e l e n g t h U n i t s”和“Y S c a l e F a c t o r”文本框里，对参数进行更改。
注意：如果在波谱库头文件和图像数据头文件中都对“R e f l e c t a n c e S c a l e F a c t o r”参数进行了设置，E N V I 会自动对波谱库数据进行缩放以与图像数据相匹配。
如果上述两者之一在头文件中不包含比例系数，则不会进行自动缩放。
点击“O K”，将所需波谱输入S e l e c t e d E n d m e m b e r S p e c t r a l列表。
从感兴趣区输入波谱可以从与当前文件或其他文件相关联的先前定义的感兴趣区中输入波谱输入当前文件的感兴趣区选择 I m p o r t>f r o m R O I f r o m I n p u t F i l e。
当出现I n p u t R e g i o n s o f I n t e r e s t对话框时，点击需要的R O I名，选择端元波谱（R O I均值）。
要选择所有R O I s，点击“S e l e c t A l l I t e m s”。
要删除所有R O I s，点击“C l e a r A l l I t e m s”。
注意：只有之前定义了R O I s，该对话框才会出现。
点击“O K”，将R O I均值输入到S e l e c t e d E n d m e m b e r S p e c t r a l列表中。
输入其他文件的感兴趣区选择I m p o r t>f r o m R O I f r o m O t h e r F i l e。
从I n p u t F i l e o f a s s o c i a t e d R O I对话框中选择需要输入的文件。
当出现I n p u t R e g i o n s o f I n t e r e s t对话框时，点击所需的R O I名，选择端元波谱（R O I均值）。
要选择所有 R O I s，点击“S e l e c t A l l I t e m s”。
要删除所有 R O I s，点击“C l e a r A l l I t e m s”。
注意：只有之前定义了R O I s，该对话框才会出现。
点击“O K”，将R O I均值输入到S e l e c t e d E n d m e m b e r S p e c t r a l列表中。
从统计文件输入波谱使用f r o m S t a t s f i l e选项可以从一个先前分类结果输入均值波谱，该波谱可以使用B a s i c T o o l s>S t a t i s t i c s 计算出来。
选择 I m p o r t>f r o m S t a t s f i l e。
当出现E n t e r S t a t i s t i c s F i l e n a m e对话框时，选择要输入的统计文件。
来自统计文件的均值波谱将被输入到E n d m e m b e r C o l l e c t i o n对话框的列表中。
波谱删除要从S e l e c t e d E n d m e m b e r S p e c t r a l列表中删除一个端元波谱，选择端元波谱名并点击“D e l e t e S p e c t r u m”。
（3）端元Options下拉菜单E n d m e m b e rC o l l e c t i o n对话框中的O p t i o n s下拉菜单允许编辑端元名，绘制端元图，和清除端元。
编辑端元名在E n d m e m b e r C o l l e c t i o n对话框中，选择O p t i o n s>E d i t E n d m e m b e r N a m e s。
当出现E n d m e m b e r N a m e E d i t i n g对话框时，在“C u r r e n t E n d m e m b e r N a m e s”列表中，点击端元名，选择要编辑的端元。
从下列选项中选择：要手工更改端元名，在“E d i t S e l e c t e d I t e m”文本框中，点击它，按需要修改，然后按回车键。
要从A S C I I文件中输入端元名，点击“I m p o r t A S C I I”，并选择所需输入的A S C I I文件。
A S C I I文件中必须包含与对话框中端元波谱相同数量的端元名——在A S C I I文件中，每个端元名占用一行。
要将端元名重新设置为它们的初始名，点击“R e s e t”。
点击“O K”。
绘制端元波谱要将所有端元波谱绘图，选择 O p t i o n s>P l o t E n d m e m b e r s。
清除端元波谱要从“S e l e c t e d E n d m e m b e r S p e c t r a”列表中清除所有的端元波谱，选择O p t i o n s>C l e a r E n d m e m b e r s。