ENVI监督分类实践：从选择样本到最大似然分类

"envi监督分类" 在ENVI（Environment for Visualizing Images）软件中进行监督分类是一种常用的方法，主要用于遥感图像分析，通过已知的地物样本来识别和分类图像中的不同特征。监督分类是一种有指导的学习过程，需要用户事先提供训练样本，即来自图像的已知类别区域，然后利用这些样本的特征来训练分类器，从而在整个图像上进行分类。 1. 打开影像文件和选择波段 在进行监督分类之前，首先需要打开包含所需信息的遥感影像文件。通常，不同的波段可以提供关于地表特征的不同信息，用户可以根据研究需求选择合适的波段进行合成或单独使用。例如，Band7、4、2的合成通常能提供丰富的地物色彩信息。 2. 创建和编辑感兴趣区（ROI） 使用ENVI的Basic Tools菜单中的Region of Interest (ROI) Tool，用户可以划定感兴趣的区域并选取不同的地物样本。选择Polygon工具绘制多边形以覆盖特定地物类型，如农田、森林、水体等。保存选定的ROI以备后续分类使用。 3. ROI的分离性计算与评估 在选择好样本后，通过Options > Compute ROIs Separability进行样本之间的分离性检查。分离性是衡量不同类别样本在特征空间中是否易于区分的一个指标，一般认为大于1.8的值表示样本分离性良好。如果某个类别的分离性值低于1.8，可能需要重新选择或修改样本，以确保分类的准确性。 4. 训练区的保存和分类 完成样本选取并满足分离性要求后，将ROI保存，接着进入分类步骤。在主菜单的Classification > Supervised > Maximum Likelihood中启动最大似然分类器。最大似然分类是监督分类的一种常见方法，它基于贝叶斯理论，选择使类概率最大的分类结果。 5. 进行分类和查看结果 在指定待分类的图像后，设置分类参数并运行分类器。分类完成后，可以查看分类结果，通过对比原图和分类结果评估分类的准确性和质量。如果结果不满意，可以返回修改样本或调整分类参数，以优化分类效果。 ENVI的监督分类流程包括了影像预处理、样本选取、分离性检查、训练区保存和分类等多个环节，每个环节都对最终的分类精度有着直接影响。用户需要根据实际情况灵活调整和优化，以获得最理想的分类结果。