ENVI监督分类

这篇具有很好参考价值的文章主要介绍了ENVI监督分类。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、实验名称:

监督分类

二、实验目的:

(1)了解监督分类的原理与意义;

(2)了解不同监督分类方法的原理;

(3)掌握使用ENVI软件对影像进行监督分类的操作方法。

三、实验内容和要求:

在ENVI软件中对TM影像进行监督分类,监督分类方法有最小距离分类、最大似然分类等。

随后对分类结果进行处理,包括类别集群和类别合并。最后对分类结果精度进行评价。

四、实验步骤:

1.打开数据文件。

ENVI监督分类

 2.按波段5、4、3显示。

ENVI监督分类

3.点击工具栏上的ROI Tool,会出现构建感兴趣区域的对话框。点击新建ROI,然后将ROI命名为“耕地”,颜色设置为黄色,Geometry中选择多边形。即可在影像上构建一些耕地的ROI。

ENVI监督分类 

4.Options>Compute ROI separability打开Choose ROIs Select All items点击OK。

ENVI监督分类 

5.在ROI Tool中选择Options——Compute ROI Separability,选择影像后,将所有地物选中,随后会自动计算出各个地物类别之间的可分离性,如下图所示。可以看到所有地物之间分离性值均大于1.9,说明类别间可分离性较好,可以进行监督分类。

ENVI监督分类 

6.Classification>Supervised Classification>Support Vector Machine Classfication。

ENVI监督分类 

7.在参数设置对话框中选择所有的地物类别,设置最大标准差阈值Set Max stdev from Mean为Single Value,值为10,设置最大距离误差Set Max Distance Error中设置为None。最后设置输出文件路径及文件名。

ENVI监督分类 

8.显示分类结果。

ENVI监督分类 

五、实验体会:

    1.问题一:选择精度较高的分类方法。

解决方案:Classification>Supervised Classification>Support Vector Machine Classfication。

2.问题二:地物之间分离性值均大于1.9,说明类别间可分离性较好,可以进行监督分类。

3.实习体会:了解监督分类的原理与意义,了解不同监督分类方法的原理,掌握使用ENVI软件对影像进行监督分类的操作方法。

 文章来源地址https://www.toymoban.com/news/detail-492979.html

到了这里,关于ENVI监督分类的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • ENVI:如何进行遥感图像的分类?(决策树模型)

    目录 01 决策树模型的简单介绍 02 实操 2.1 加载遥感影像以及对应的DEM影像 2.2 新建决策树 2.2.1 找到 新建决策树 工具并点击打开 2.2.2 决策树的编辑 2.2.3 NDVI的表达式编辑 2.2.4 增加子节点 2.2.5 band4的表达式编辑 2.2.6 分类好的信息编辑 2.2.7 重复编辑的说明   2.3 保存编辑好的决

    2024年02月02日
    浏览(42)
  • 【芯片设计封装与测试】芯片测试目的、方法、分类及案例

    目录 1.芯片测试概述(目的、方法) 1.1.测试在芯片产业价值链上的位置 2.测试如何体现在设计的过程中 2.1.半导体测试定义与基本工作机制 2.2.半导体测试环节分类及对应设备 2.3.设计验证 3.测试的各种类型 3.1.抽样测试和生产全测 3.2.测试相关的各种名词 4.晶圆、单颗die和封

    2024年02月11日
    浏览(55)
  • 基于专家知识的决策树分类|以DEM+影像数据在ENVI操作为例

    一、基于专家知识的决策树分类的基本介绍 决策树模型就是需要通过样本数据构建一棵树,数中除了叶子节点的每个节点都是一个数据特征的划分点,将待测数据的对应的特征和该节点上的划分特征做对比,然后将待测节点分到该节点的某个子节点上,然后再进行对比,直到

    2024年02月10日
    浏览(39)
  • 深度学习实战44-Keras框架下实现高中数学题目的智能分类功能应用

    大家好,我是微学AI ,今天给大家介绍一下深度学习实战44-Keras框架实现高中数学题目的智能分类功能应用,该功能是基于人工智能技术的创新应用,通过对数学题目进行智能分类,提供个性化的学习辅助和教学支持。该功能的实现可以通过以下步骤:首先,采集大量的高中数

    2024年02月15日
    浏览(54)
  • 【人工智能】监督学习、分类问题、决策树、信息增益

    什么是决策树 —— 基本概念 非叶节点:一个属性上的测试,每个分枝代表该测试的输出 叶节点:存放一个类标记 规则:从根节点到叶节点的一条属性取值路径 模型训练:从已有数据中生成一棵决策树 分裂数据的特征,寻找决策类别的路径 相同的数据,根据不同的特征顺

    2024年02月16日
    浏览(58)
  • 基于 R 对卫星图像进行无监督 kMeans 分类

            本文将向您展示如何使用 R 对卫星图像执行非常基本的 kMeans 无监督分类。我们将在 Sentinel-2 图像的一小部分上执行此操作。         Sentinel-2 是由欧洲航天局发射的一颗卫星,其数据可在此处免费访问。         我要使用的图像显示了 Neusiedl 湖的北部(奥

    2024年02月13日
    浏览(46)
  • 了解Lucene(车辆名称映射Demo)

    源码地址:LuceneDemo码云 全文检索技术 传统搜索流程 基于Lucene搜索流程 1.1、什么是Lucene 全文检索引擎工具包 通过扫描文章中的每一个词,对每一个词建立一个索引,指明该词在文章中出现的次数和位置,当用户查询时,检索程序就根据事先建立的索引进行查找,并将查找的

    2024年02月07日
    浏览(25)
  • 结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术,包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验

     大气温室气体浓度不断增加,导致气候变暖加剧,随之会引发一系列气象、生态和环境灾害。如何降低温室气体浓度和应对气候变化已成为全球关注的焦点。海洋是地球上最大的“碳库”,“蓝碳”即海洋活动以及海洋生物(特别是红树林、盐沼和海草)能够吸收大气中的二

    2024年02月08日
    浏览(49)
  • WordPress获取文章所属分类名称或别名方法

            最近在开发WordPress主题的时候,想要获取到文章所属分类名称或别名,想了半天没想到,于是去百度了下,马上就得到答案了。 非常简单,WordPress本身自带一个函数可以调出分类别名和链接:         不过上面函数会连分类链接一起获取到,实际的应用中,我

    2024年02月13日
    浏览(32)
  • 深度学习|自监督学习、MAE学习策略、消融实验

    前言:最近在阅读论文,发现太多机器学习的知识不懂,把最近看的一篇论文有关的知识点汇总了一下。 Pretrain-Finetune(预训练+精调)模式:迁移学习,通过在源域数据上学习知识,再迁移到下游其他目标任务上,提升目标任务上的效果。 Self-supervised Learning(自监督学习)

    2024年02月12日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包