遥感图像分类后处理VIP免费

遥 感 图 像分类后处理 一 、实验目的与要求 监督分类和决策树分类等分类方法得到的一 般是初步结果，难于达到最终的应用目的。因此，需要对初步的分类结果进行一 些处理，才能得到满足需求的分类结果，这些处理过程就通常称为分类后处理。常用分类后处理通常包括：更改分类颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。 本课程将以几种常见的分类后处理操作为例，学习分类后处理工具。 二、实验内容与方法 1. 实验内容 1. 小斑块去除  Majority 和 Minority 分析  聚类处理（Clump）  过滤处理（Sieve） 2. 分类统计 3. 分类叠加 4. 分类结果转矢量 5. ENVI Classic 分类后处理  浏览结果  局 部 修 改  更 改 类 别 颜 色 6. 精 度 评 价 1. 实 验 方 法 在 ENVI 5.x 中 ，分 类 后 处 理 的 工 具 主 要 位 于 Toolbox/Classification/Post Classification/； 三 、实 验 设 备 与 材 料 1. 实 验 设 备 装有 ENVI 5.1 的计算机 2. 实 验 材 料 以 ENVI 自 带 数 据 "can_tmr.img"的 分 类 结 果 "can_tmr_class.dat"为 例 。 数 据 位 于 "...\13 数据 \"。 其 他 数 据 描 述 ： • can_tmr.img —— 原始数 据 • can_tmr_验 证.roi —— 精 度 评 价 时用到的 验 证 ROI 四、实 验 步骤 1. 小 斑 块 去除 应用监督分 类 或者非监督分 类 以 及决策树分 类 ， 分 类 结 果 中 不可避免地会产生一些面积很小的 图斑。 无论从专题制图的 角度 ， 还是从实 际应用的 角度 ， 都有必要 对这些小图斑进行剔除或重新分 类 ， 目前常用的 方法有 Majority/Minority 分 析、聚类 处 理 （clump）和过滤 处 理 （ Sieve）。 1) Majority 和 Minority 分析 Majority/Minority 分 析 采 用 类 似 于 卷 积 滤 波 的 方 法 将 较 大 类 别 中 的 虚 假 像 元 归 到 该类 中 ， 定 义 一 个 变 换 核 尺 寸 ， 主 要 分 析 （ Majority Analysis） 用 变 换 核 中 占 主 要 地 位 （ 像 元数 最 多 ） 的 像 元 类 别 代 替 中 心 像 元 的 类 别 。如 果 使 用 次 要 分 析 （ Minority Analysis）， 将 用变 换 核...