遥感图像信息提取
合集下载
相关主题
- 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)。
遥感图像信息提取
ENVI/IDL
主要内容
• 1、遥感信息提取技术概述
• 2、监督分类
• 3、基于专家知识的决策树分类 • 4、面向对象分类
• 5、地物识别和定量反演
• 6、动态监测 • 7、立体像对DEM提取
ENVI/IDL
1、遥感信息提取方法概述
ENVI/IDL
1.1 影像信息提取技术基础
• 遥感影像通过亮度值或像元值的高低差异（反映
面向对象分类练习——特征提取方法
• 监督分类、规则分类和直接矢量输出
ENVI/IDL
面向对象分类练习——特征提取
• 直接输出矢量
- 输出Shapefile矢量文件
- 属性
ENVI/IDL
面向对象分类练习——特征提取
• 监督分类
-
根据一定样本数量以及其对应的属性信息，利用K邻近法和支 持向量机监督分类法进行特征提取
ENVI/IDL
ቤተ መጻሕፍቲ ባይዱ
3、基于专家知识的决策树分类
ENVI/IDL
3.1 专家知识的决策树分类基本原理
根据光谱特征、空间关系和其他上下文关系归类像元
陡坡上的植被 缓坡上的植被
+
DEM
+
+
Road Map Zoning Coverage Landcover Classification
+
高山植被
公园用地
• 这一步是可选项，如果不需要可以直接跳过。
ENVI/IDL
面向对象分类练习——分块精炼
• FX提供了一种阈值法（Thresholding）进一步精炼分块的
方法。它是基于亮度值的栅格操作，根据分割后结果中的 一个波段的亮度值聚合分块。对于具有高对比度背景的特 征非常有效（例如，明亮的飞机对黑暗的停机坪）。
Transformed Divergence 参数表示，这两个参数的值在0~2.0之间，大于1.9 说明样本之间可分离性好，属于合格样本；小于 1.8，需要重新选择样本；小于1，考虑将两类样本 合成一类样本
ENVI/IDL
2.3 监督分类流程说明——分类器选择
• 据分类的复杂度、精度需求等确定哪一种分类器
• 特征提取
输出对象 为矢量文件？
是
是
特征提取
定义要素 规则分类 监督分类
导出要素
查看报告和统计
完成
ENVI/IDL
面向对象分类练习
• 准备工作
- 空间分辨率的调整
- 光谱分辨率的调整 - 多源数据组合 - 空间滤波
• 数据 - “..\练习数据\11-面向对象图像分类\qb_colorado.dat”
• 遥感定量反演就是根据观测信息和模型求解或推算描述地
面实况的应用参数
• 遥感反演的基础是描述遥感信号或遥感数据与地表应用之
间的关系模型
• ENVI的Bandmath工具可将模型应用于影像，实现定量反演
ENVI/IDL
5.2 Bandmath基础
• ENVI波段运算工具能够调用用户编写的程序进行
定制的处理
关系/逻辑
pc
mnf lpc Stdev Mean Min、max 其他 如：{ndvi} LT 0.3
主成分分析
最小噪声变换 局部主成分分析 标准差 平均值 最大、最小值 „„
其他符号
指数（^）、exp 对数alog 平方根（sqrt）、 绝对值（adb） „„
ENVI/IDL
决策树分类-练习
• 数据源 - “..\练习数据\10-决策树分类\bouldr_tm.dat” • 规则获取（经验总结和样本总结） - 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5： NDVI小于或等于0.3，波段4值小于20
更改类别颜色、分类统计分析、小斑点处理（分 类后处理）、栅矢转换等操作
ENVI/IDL
监督分类练习
• 数据源 - “..\练习数据\9-监督分类\sub-TM-Spot-GS.img” • 分类
- 类别定义 - 样本选择 - 分类器选择
• 分类后处理
- 分类处理
- 精度分析
• 精度验证 • 栅矢转换
ENVI/IDL
面向对象分类练习——准备工作
• 空间分辨率的调整 • 光谱分辨率的调整 • 多源数据组合
• 空间滤波
ENVI/IDL
面向对象分类练习——分割影像
• EX根据临近像素亮度、纹理、颜色等对影像进行分割，它
使用了一种基于边缘的分割算法，这种算法计算很快，并 且只需一个输入参数，就能产生多尺度分割结果。
• 这一步是可选项，如果不需要可以直接跳过。
ENVI/IDL
面向对象分类练习——计算对象属性
• 计算4个类别的属性：光谱、空间、纹理、自定义
（颜色空间和波段比）。其中“颜色空间”选择 三个RGB波段转换为HSI颜色空间，“波段比”选 择两个波段用于计算波段比（常用红色和近红外 波段）。
ENVI/IDL
ENVI/IDL
决策树分类-练习
• 构建执行决策树
ENVI/IDL
4、面向对象分类
ENVI/IDL
4.1 面向对象的图像分析
• 同物异谱，同谱异物”会对影像分类产生的影响，
加上高分辨率影像的光谱信息不是很丰富，还有 经常伴有光谱相互影响的现象，这对基于像素的 分类方法提出了一种挑战，面向对象的影像分类 技术可以一定程度减少上述影响
• 面向对象的技术
- 集合临近像元为对象用来识别感兴趣的光谱要素 - 充分利用高分辨率的全色和多光谱数据，利用空间，
纹理，和光谱信息来分割和分类的特点 - 以高精度的分类结果或者矢量输出
ENVI/IDL
4.2 与基于像元分类的区别
类型 基本原理 影像的最小单元 适用数据源 缺 陷
传 统 基 于 地 物 的 光 谱 信 息 单个的影像像元 中低分辨率多光 丰 富 的 空 间 信 息 光 谱 的 分 特征 类方法 基 于 专 家 根 据 光 谱 特 征 、 单个的影像像元 多源数据 知 识 决 策 空间关系和其他 树 上下文关系归类 知识获取比较复 杂 谱和高光谱影像 利用率几乎为零
• 选择高尺度影像分割将会分出很少的图斑，选择一个低尺
度影像分割将会分割出更多的图斑
ENVI/IDL
面向对象分类练习——合并分块
• 影像分割时，由于阈值过低，一些特征会被错分，一个特
征也有可能被分成很多部分。我们可以通过合并来解决这 些问题。
• FX利用了
Full Lambda-Schedule算法，该方法在结合光 谱和空间信息的基础上迭代合并邻近的小斑块。
• 目前ENVI的监督分类可分为基于传统统计分析学
的，包括平行六面体、最小距离、马氏距离、最 大似然，基于神经网络的，基于模式识别，包括 支持向量机、模糊分类等，针对高光谱有波谱角 （SAM），光谱信息散度，二进制编码
ENVI/IDL
2.3 监督分类流程说明——分类后处理
• 分类后处理包括很多过程，都是些可选项，包括
ENVI/IDL
3.2 专家知识的决策树分类基本步骤
知识（规则）定义
规则输入
决策树运行
分类后处理
ENVI/IDL
3.3 规则定义
• 规则获取：经验总结和样本总结
• 规则描述
- 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5：
- (b1
le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b2^2)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)
ENVI/IDL
地表温度反演基本流程图
ENVI/IDL
地表温度反演
地物的光谱信息）及空间变化（反映地物的空间 信息）来表示不同地物的差异，这是区分不同影 像地物的物理基础。
• 遥感影像分类就是利用计算机通过对遥感影像中
各类地物的光谱信息和空间信息进行分析，选择 特征，将图像中每个像元按照某种规则或算法划 分为不同的类别，然后获得遥感影像中与实际地 物的对应信息，从而实现遥感影像的分类，即信 息提取。
NDVI小于或等于0.3，波段4值小于20
ENVI/IDL
3.4 规则描述——表达式与变量
表达式 基本运算符 部分可用函数 +、-、*、/ 变量 slope aspect ndvi Tascap 作用 计算坡度 计算坡向 计算归一化植被 指数 穗帽变换
三角函数
Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh„. LT、LE、EQ„. and、or、not„. 最大值、最小值
• 黑体辐射亮度值 - (b2-3.39-0.6*(1-b1)*5.12)/(0.6*b1) • LST反演
ENVI/IDL
面向对象分类练习——特征提取
• 规则分类
-
每一个分类有若干个规则（Rule）组成，每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系，属性表 达式之间是并的关系
• 如下是对水的一个描述：
- 面积大于500像素 - 延长线小于0.5 - NDVI小于0.25
ENVI/IDL
ENVI/IDL
1.2 遥感信息提取方法概述
基于专家知识 的决策树分类
面向对象特征 自动提取
地物识别与 地表反演
基于光谱计算 机自动分类 变化检测
人工解译
地形信息提取
ENVI/IDL
1.3 遥感信息提取方法——适用范围
方法 人工解译 基于光谱的计算机分类 说明 适用定性信息的提取，也就是在图像上通过肉 眼能分辨的信息 对于中低分辨率的多光谱影像效果明显（小于 10米） 随着高分辨率影像的出现而发展起来的 定量信息提取，需要模型的支持，数据源有一 定要求 多时相影像支持 需要立体像对的支持
ENVI/IDL
地表温度反演——练习
• 数据 - “\练习数据\12-定量反演\TM-NDVI-60m.img” • 地表比辐射率计算
- 植被覆盖度
-
(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*((b1-0.0)/(0.7-0.0))
- 地表比辐射率
• 波段运算工具用来定义输入的波段或文件，并调
用用户编写的函数，最后将结果输出到文件或是 内存中
ENVI/IDL
5.2 Bandmath条件
• 必须符合IDL语言书写波段运算表达式
• 所有输入波段必须具有相同的空间大小
• 表达式中的所有变量都必须用Bn（或bn）命名 • 结果波段必须与输入波段的空间大小相同
ENVI/IDL
基于专家知识的决策树分类 需要多源数据支持 面向对象分类方法 地物识别与地表反演 变化监测 地形信息提取
2、监督分类
ENVI/IDL
2.2 监督分类基本流程
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
ENVI/IDL
平行六面体 最小距离 马氏距离 最大似然 波谱角 二进制编码 光谱信息散度 神经网络 支持向量机分类 模糊分类
面向对象分类练习——输出结果
• 特征提取结果输出
- 矢量 - 图像（分类图像、规则图像) - 结果统计报表
ENVI/IDL
5、地物识别与定量反演
ENVI/IDL
5.1 地物识别与定量反演基础
• 从高光谱图像的每个像元均可以获取一条连续的波谱曲线
，可以考虑用已知的波谱曲线和图上每个像元获取的波谱 曲线进行对比，理想情况下两条波谱曲线一样，就能说明 这个像元是哪种物质
• 样本选择是非常重要的过程，直接影响分类精度 • 在样本选择过程中，有很多辅助方法
- 可以显示不同的假彩色合成窗口，也可以进行主成
分分析后进行假彩色合成，由于去除了波段间的相 关性，不同地物区分的更加明显；还可以借助 Google Earth辅助解译
• 各个样本类型之间的可分离性要好
- 用Jeffries-Matusita,
像元
面 向 对 象 几 何 信 息 、 结 构 一个个影像对象 中高分辨率多光 速度比较慢 的 分 类 方 信息以及光谱信 法 息 谱和全色影像
注：一种方法不能完全取代另一种，每种方法都有其适用范围
ENVI/IDL
4.3 面向对象分类操作流程
• 发现对象
发现对象
影像分割 合并分块 精炼分块 计算属性
2.3 监督分类流程说明——类别定义/特征判断
• 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。
ENVI/IDL
2.3 监督分类流程说明——样本选择
ENVI/IDL
主要内容
• 1、遥感信息提取技术概述
• 2、监督分类
• 3、基于专家知识的决策树分类 • 4、面向对象分类
• 5、地物识别和定量反演
• 6、动态监测 • 7、立体像对DEM提取
ENVI/IDL
1、遥感信息提取方法概述
ENVI/IDL
1.1 影像信息提取技术基础
• 遥感影像通过亮度值或像元值的高低差异（反映
面向对象分类练习——特征提取方法
• 监督分类、规则分类和直接矢量输出
ENVI/IDL
面向对象分类练习——特征提取
• 直接输出矢量
- 输出Shapefile矢量文件
- 属性
ENVI/IDL
面向对象分类练习——特征提取
• 监督分类
-
根据一定样本数量以及其对应的属性信息，利用K邻近法和支 持向量机监督分类法进行特征提取
ENVI/IDL
ቤተ መጻሕፍቲ ባይዱ
3、基于专家知识的决策树分类
ENVI/IDL
3.1 专家知识的决策树分类基本原理
根据光谱特征、空间关系和其他上下文关系归类像元
陡坡上的植被 缓坡上的植被
+
DEM
+
+
Road Map Zoning Coverage Landcover Classification
+
高山植被
公园用地
• 这一步是可选项，如果不需要可以直接跳过。
ENVI/IDL
面向对象分类练习——分块精炼
• FX提供了一种阈值法（Thresholding）进一步精炼分块的
方法。它是基于亮度值的栅格操作，根据分割后结果中的 一个波段的亮度值聚合分块。对于具有高对比度背景的特 征非常有效（例如，明亮的飞机对黑暗的停机坪）。
Transformed Divergence 参数表示，这两个参数的值在0~2.0之间，大于1.9 说明样本之间可分离性好，属于合格样本；小于 1.8，需要重新选择样本；小于1，考虑将两类样本 合成一类样本
ENVI/IDL
2.3 监督分类流程说明——分类器选择
• 据分类的复杂度、精度需求等确定哪一种分类器
• 特征提取
输出对象 为矢量文件？
是
是
特征提取
定义要素 规则分类 监督分类
导出要素
查看报告和统计
完成
ENVI/IDL
面向对象分类练习
• 准备工作
- 空间分辨率的调整
- 光谱分辨率的调整 - 多源数据组合 - 空间滤波
• 数据 - “..\练习数据\11-面向对象图像分类\qb_colorado.dat”
• 遥感定量反演就是根据观测信息和模型求解或推算描述地
面实况的应用参数
• 遥感反演的基础是描述遥感信号或遥感数据与地表应用之
间的关系模型
• ENVI的Bandmath工具可将模型应用于影像，实现定量反演
ENVI/IDL
5.2 Bandmath基础
• ENVI波段运算工具能够调用用户编写的程序进行
定制的处理
关系/逻辑
pc
mnf lpc Stdev Mean Min、max 其他 如：{ndvi} LT 0.3
主成分分析
最小噪声变换 局部主成分分析 标准差 平均值 最大、最小值 „„
其他符号
指数（^）、exp 对数alog 平方根（sqrt）、 绝对值（adb） „„
ENVI/IDL
决策树分类-练习
• 数据源 - “..\练习数据\10-决策树分类\bouldr_tm.dat” • 规则获取（经验总结和样本总结） - 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5： NDVI小于或等于0.3，波段4值小于20
更改类别颜色、分类统计分析、小斑点处理（分 类后处理）、栅矢转换等操作
ENVI/IDL
监督分类练习
• 数据源 - “..\练习数据\9-监督分类\sub-TM-Spot-GS.img” • 分类
- 类别定义 - 样本选择 - 分类器选择
• 分类后处理
- 分类处理
- 精度分析
• 精度验证 • 栅矢转换
ENVI/IDL
面向对象分类练习——准备工作
• 空间分辨率的调整 • 光谱分辨率的调整 • 多源数据组合
• 空间滤波
ENVI/IDL
面向对象分类练习——分割影像
• EX根据临近像素亮度、纹理、颜色等对影像进行分割，它
使用了一种基于边缘的分割算法，这种算法计算很快，并 且只需一个输入参数，就能产生多尺度分割结果。
• 这一步是可选项，如果不需要可以直接跳过。
ENVI/IDL
面向对象分类练习——计算对象属性
• 计算4个类别的属性：光谱、空间、纹理、自定义
（颜色空间和波段比）。其中“颜色空间”选择 三个RGB波段转换为HSI颜色空间，“波段比”选 择两个波段用于计算波段比（常用红色和近红外 波段）。
ENVI/IDL
ENVI/IDL
决策树分类-练习
• 构建执行决策树
ENVI/IDL
4、面向对象分类
ENVI/IDL
4.1 面向对象的图像分析
• 同物异谱，同谱异物”会对影像分类产生的影响，
加上高分辨率影像的光谱信息不是很丰富，还有 经常伴有光谱相互影响的现象，这对基于像素的 分类方法提出了一种挑战，面向对象的影像分类 技术可以一定程度减少上述影响
• 面向对象的技术
- 集合临近像元为对象用来识别感兴趣的光谱要素 - 充分利用高分辨率的全色和多光谱数据，利用空间，
纹理，和光谱信息来分割和分类的特点 - 以高精度的分类结果或者矢量输出
ENVI/IDL
4.2 与基于像元分类的区别
类型 基本原理 影像的最小单元 适用数据源 缺 陷
传 统 基 于 地 物 的 光 谱 信 息 单个的影像像元 中低分辨率多光 丰 富 的 空 间 信 息 光 谱 的 分 特征 类方法 基 于 专 家 根 据 光 谱 特 征 、 单个的影像像元 多源数据 知 识 决 策 空间关系和其他 树 上下文关系归类 知识获取比较复 杂 谱和高光谱影像 利用率几乎为零
• 选择高尺度影像分割将会分出很少的图斑，选择一个低尺
度影像分割将会分割出更多的图斑
ENVI/IDL
面向对象分类练习——合并分块
• 影像分割时，由于阈值过低，一些特征会被错分，一个特
征也有可能被分成很多部分。我们可以通过合并来解决这 些问题。
• FX利用了
Full Lambda-Schedule算法，该方法在结合光 谱和空间信息的基础上迭代合并邻近的小斑块。
• 目前ENVI的监督分类可分为基于传统统计分析学
的，包括平行六面体、最小距离、马氏距离、最 大似然，基于神经网络的，基于模式识别，包括 支持向量机、模糊分类等，针对高光谱有波谱角 （SAM），光谱信息散度，二进制编码
ENVI/IDL
2.3 监督分类流程说明——分类后处理
• 分类后处理包括很多过程，都是些可选项，包括
ENVI/IDL
3.2 专家知识的决策树分类基本步骤
知识（规则）定义
规则输入
决策树运行
分类后处理
ENVI/IDL
3.3 规则定义
• 规则获取：经验总结和样本总结
• 规则描述
- 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5：
- (b1
le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b2^2)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)
ENVI/IDL
地表温度反演基本流程图
ENVI/IDL
地表温度反演
地物的光谱信息）及空间变化（反映地物的空间 信息）来表示不同地物的差异，这是区分不同影 像地物的物理基础。
• 遥感影像分类就是利用计算机通过对遥感影像中
各类地物的光谱信息和空间信息进行分析，选择 特征，将图像中每个像元按照某种规则或算法划 分为不同的类别，然后获得遥感影像中与实际地 物的对应信息，从而实现遥感影像的分类，即信 息提取。
NDVI小于或等于0.3，波段4值小于20
ENVI/IDL
3.4 规则描述——表达式与变量
表达式 基本运算符 部分可用函数 +、-、*、/ 变量 slope aspect ndvi Tascap 作用 计算坡度 计算坡向 计算归一化植被 指数 穗帽变换
三角函数
Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh„. LT、LE、EQ„. and、or、not„. 最大值、最小值
• 黑体辐射亮度值 - (b2-3.39-0.6*(1-b1)*5.12)/(0.6*b1) • LST反演
ENVI/IDL
面向对象分类练习——特征提取
• 规则分类
-
每一个分类有若干个规则（Rule）组成，每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系，属性表 达式之间是并的关系
• 如下是对水的一个描述：
- 面积大于500像素 - 延长线小于0.5 - NDVI小于0.25
ENVI/IDL
ENVI/IDL
1.2 遥感信息提取方法概述
基于专家知识 的决策树分类
面向对象特征 自动提取
地物识别与 地表反演
基于光谱计算 机自动分类 变化检测
人工解译
地形信息提取
ENVI/IDL
1.3 遥感信息提取方法——适用范围
方法 人工解译 基于光谱的计算机分类 说明 适用定性信息的提取，也就是在图像上通过肉 眼能分辨的信息 对于中低分辨率的多光谱影像效果明显（小于 10米） 随着高分辨率影像的出现而发展起来的 定量信息提取，需要模型的支持，数据源有一 定要求 多时相影像支持 需要立体像对的支持
ENVI/IDL
地表温度反演——练习
• 数据 - “\练习数据\12-定量反演\TM-NDVI-60m.img” • 地表比辐射率计算
- 植被覆盖度
-
(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*((b1-0.0)/(0.7-0.0))
- 地表比辐射率
• 波段运算工具用来定义输入的波段或文件，并调
用用户编写的函数，最后将结果输出到文件或是 内存中
ENVI/IDL
5.2 Bandmath条件
• 必须符合IDL语言书写波段运算表达式
• 所有输入波段必须具有相同的空间大小
• 表达式中的所有变量都必须用Bn（或bn）命名 • 结果波段必须与输入波段的空间大小相同
ENVI/IDL
基于专家知识的决策树分类 需要多源数据支持 面向对象分类方法 地物识别与地表反演 变化监测 地形信息提取
2、监督分类
ENVI/IDL
2.2 监督分类基本流程
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
ENVI/IDL
平行六面体 最小距离 马氏距离 最大似然 波谱角 二进制编码 光谱信息散度 神经网络 支持向量机分类 模糊分类
面向对象分类练习——输出结果
• 特征提取结果输出
- 矢量 - 图像（分类图像、规则图像) - 结果统计报表
ENVI/IDL
5、地物识别与定量反演
ENVI/IDL
5.1 地物识别与定量反演基础
• 从高光谱图像的每个像元均可以获取一条连续的波谱曲线
，可以考虑用已知的波谱曲线和图上每个像元获取的波谱 曲线进行对比，理想情况下两条波谱曲线一样，就能说明 这个像元是哪种物质
• 样本选择是非常重要的过程，直接影响分类精度 • 在样本选择过程中，有很多辅助方法
- 可以显示不同的假彩色合成窗口，也可以进行主成
分分析后进行假彩色合成，由于去除了波段间的相 关性，不同地物区分的更加明显；还可以借助 Google Earth辅助解译
• 各个样本类型之间的可分离性要好
- 用Jeffries-Matusita,
像元
面 向 对 象 几 何 信 息 、 结 构 一个个影像对象 中高分辨率多光 速度比较慢 的 分 类 方 信息以及光谱信 法 息 谱和全色影像
注：一种方法不能完全取代另一种，每种方法都有其适用范围
ENVI/IDL
4.3 面向对象分类操作流程
• 发现对象
发现对象
影像分割 合并分块 精炼分块 计算属性
2.3 监督分类流程说明——类别定义/特征判断
• 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。
ENVI/IDL
2.3 监督分类流程说明——样本选择