分类 报告人： XXX 实验目的： 对影像进行分类，提取所需要的信息。熟悉非监督分类、监督分类、面向对象分类的过程和特点。 实验原理： 监督分类：用被确认类别的样本像元去识别其他未知类别像元的过程。在这种分类中，分析者在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练区的统计或其他信息，每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类[1]。 非监督分类：常用的ISODATA 和 K-means均值法都以动态聚类原理为基础。是按某些原则选择一些代表点作为聚类的核心，然后将其余待分点按某种方法(判据准则)分到各类中去，完成初始分类，之后再重新计算各聚类中心，把各点按初始分类判据重新分到各类，完成第一次迭代。然后修改聚类中心进行下一次迭代，对上次分类结果进行修改，如此反复直到满意为止[2]。 面向对象分类：集合临近像元为对象 实验时间： 2010-10-26 实验流程: 原始影像训练区1训练区2训练区3训练区4选择分类器分类结果精度检验不符合要求输出分类结果 图3 .1 监督分类 初步分类专题判别分类合并分类后处理统计分析输出分类后结果 图3 .2 非监督分类 图像分割合并分块精炼分块计算属性导出要素查看报告和统计完成定义要素规则分类监督分类 图3 .3 面向对象分类 实验数据： 融合实验所得结果影像。 使用软件： EN V I 步骤： 一、非监督分类法 1.打开影像 2.选择用非监督分类 分 6-8 类 最大迭代 13 次 形成一类所需的最小像元数 3.生成结果 4 .类别定义 合并子类 合并结果 分类统计 二、监督分类 1 .兴趣区选择结果 2 .选择用最大似然法进行分类处理，输入相应的参数和结果的输出路径： 3.分类结果 4.统计结果 三、面向对象分类 1.打开 ENVI-ZOOM 2.加载影像 3.选择 Featu re Ex traction，选择输入数据 4 .设置参数 5 .预览效果 6 .合并分块 7.分块精炼-阈值法（Thresholding） 8.计算对象属性 9 .选择监督分类继续以下步骤 1 0 .编辑样本属性 1 1 .选择样本 12.选择分类方法 选择K 邻值法 1 3 .输出矢量结果 1 4 .导出结果报告 实验结果： 讨论与分析： 结论： 参考文献： [1].赵英时等，遥感应用分析原理与方法，北京：科学出版社，2003 [2].赵春霞，钱乐祥，遥感影像监督分类与非监督分类的比较，河南大学学报（自然科学版），2004，34(3):90-93
