【ENVI】遥感影像监督分类全过程

### 遥感影像监督分类全过程详解 #### 一、监督分类概述 监督分类是一种基于已知类别的训练样本对遥感影像进行分类的技术。它首先通过人工或半自动方式选择训练区域（即兴趣区，ROI），然后利用这些区域的信息建立分类模型，最终将整个影像划分为不同的类别。在ENVI软件中，这一过程主要包括以下几个步骤： 1. **使用ROITool选择兴趣区**：选择代表性良好的训练样本。 2. **确定分类数量**：根据研究需求确定分类的数量和类别。 3. **选择兴趣区（Region of Interest）**：为每一类地物选择足够数量的样本点。 4. **ROI的质量评价**：评估所选样本的可靠性。 5. **修改ROI**：根据评估结果调整样本。 6. **实施分类**：选择合适的分类算法进行分类。 #### 二、选择兴趣区 1. **选择兴趣区**：使用鼠标左键勾画，右键确定并闭合，滚轮删除错误。为了确保分类的准确性，应当尽可能选择代表性的样本点。 - **居民地** - **林地** - **梯田** - **水体** - **平耕地** - **草地** 2. **保存ROI**：在ROITool中选择【File】|【Save ROIs】，将选择的ROI保存为单独的文件，方便以后直接调用。 #### 三、ROI的质量评价 1. **定性评价**：通过动态观看选择的ROI在多维空间中的分布情况来评估质量。不同颜色代表不同地物，颜色聚类越紧密，说明该类地物的特征越一致。 - 如果两个聚类掺杂在一起，表明选择的ROI可能存在问题。 2. **定量评价**：使用【Options】|【Compute ROI Separability】来计算不同地物之间的可分离度。 - **可分离度**：范围在0-2之间，数值越大表示两类地物之间的差异越大。 - 一般认为可分离度>1.8为合格。 - **示例分析**：如林地和平耕地的可分离度为1.78，低于标准值，表明这两类地物在样本选择时可能存在混淆。 #### 四、修改ROI 1. **定性评价法**： - 在“n-D Controls”中的【Class】中选择一种颜色A，在“n-D Visualizer”窗口中用鼠标圈定与颜色A掺杂在一起的颜色B，将其更改为颜色A。 2. **定量评价法**： - 在ROITool中选择分离度较低的地物类型，使用【Goto】按钮逐一查看样本，并使用【Delete Part】按钮删除不理想的样本。 - 若两类地物样本的可分离度过低，可考虑直接将两类地物合并。 - 合并操作可在ROITool中通过【Option】|【Merge Regions】实现。 #### 五、实施分类 1. **选择分类器**：“Maximum Likelihood”是最常用的分类方法之一。 2. **设置参数**： - 全选所有地物类别。 - 设置概率阈值（Probability Threshold）为None，表示所有像素都参与分类。 - 可以预览分类结果。 - 设置输出结果和规则图像的路径。 3. **完成分类**：点击【OK】后，分类过程启动，最终生成分类结果。 #### 六、总结 监督分类是遥感领域中一项重要的技术手段，通过合理选择训练样本和评估样本质量，能够有效地提高分类精度。在实际应用中，需要综合考虑各种因素，灵活运用各种工具和技术，以达到最佳的分类效果。