1 多光谱影像分类实践 杨沈斌 南京信息工程大学应用气象学院 概述 遥感影像分类是遥感应用的重要内容之一。多光谱遥感图像通过亮度或像元值的高低差异，即地物光谱信息在各波段图像上的反映，以及地物分布的空间特征来表示不同地物的差异。因此，不同地物的光谱特征差异及空间分布特性是区分不同地物的物理基础。遥感图像分类就是利用计算机通过对遥感图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特定的规则或算法划分为不同的类别，识别不同地物，并获取不同地物的空间分布。遥感图像分类主要分为两种方法：监督分类与非监督分类。另一种是将多源数据应用于图像分类中，发展成基于专家知识的决策树分类。 监督分类方法的一般过程： 1) 定义训练样本 2) 执行监督分类 3) 评价分类结果 4) 分类后处理 非监督分类方法的一般过程： 1) 执行非监督分类 2) 类别定义 3) 合并子类 4) 评价结果 监督分类方法的实践操作 以 ENVI 软件自带的 Landsat TM 数据 can_tmr.img 为例，运用最大似然分类算法（Max imu m Likelihood Classification）进行影像分类的操作。按照该分类方法的一般过程执行，步骤如下： 1. 启动ENVI，使用 File—Open Image File 命令并打开 ENVI 软件默认路径下的 can_tmr.img 影像。打开后，使用波段组合R=7、G=4、B=2 方式 Load RGB 显示，如图 1 所示。从 Av ailable Bands List 中可以看出，该影响不带投影坐标系统（即没有蓝色的小地球图标）。从打开的图像中，基本上可以看出，绿色对应植被区域，山区有植被覆盖（深绿色），山的背阳面为黑色，白色的区域主要对应裸地（但笔者不是非常确定）。利用 Z Profile（Spectru m）工具提取植被、河流、裸地的波段光谱曲线，如图 2 所示。从图中可以看出，不同地物的光谱曲线差异明显。 2. 建从菜的感中设建立ROI（感兴菜单中选择P感兴趣区域作设定Fill 为Li图2 三种兴趣区域）。在Polygon（默认作为该地类的ine 形式以便种地物的波段光在影像显示窗认），同时在训练样本。例便查看。 图1 在 E光谱曲线，白色窗口上点击右在面板的Wind例如，在图2 ENVI 中打开并色为农作物，蓝右键，打开ROdow 一栏选4 中用绿色多并显示影像 蓝色为林地，红OI Tool … 面中Zoom。即多边形建立了红色为裸地，绿面板。如图3所即以多边形方了 vegetation 绿色为河流 所示。点击面板方式在...
