envi遥感影像分类的参数,envi遥感影像配准步骤

envi遥感影像分类的参数,envi遥感影像配准步骤

(1) 在Toolbox工具箱中，双击Classification/Supervised Classification/Minimum Distance Classification工具，在文件输入对话框中选择TM图像，单击OK按钮打开Minimum Distance参数设②影像分类toolbox->Classification->Unsupervised->IsoData或者K-Means。大体上判断主要地物的类别数量。一般监督分类设置分类数目比最终分类数量要多2-3倍为宜，这样有助于提高

随后，“Data Scale Factor”用以将带有缩放系数的遥感影像像元数值恢复至原先的数值。随后，在右侧配置分类结果图像与分类结果规则图像的保存路径。关于分类方法的原理与参数的详细2 向量积分类在工具箱中双击打开【以向量积分类】工具，调出参数设置面板在“输入分类文件”中我们选中“融合的影像数据“OK 在如下“向量积分类参数”面板中选中所有样本数据，设

遥感影像通过亮度值或像元值的高低差异(光谱信息)及空间变化(空间信息)来表示不同地物的差异，这是区分不同影响地物的物理基础。遥感影像分类，就是利用计算机通过对遥感影像中各类地地区同一幅SuperView-1遥感影像进行了分类，获得分类解果并评估准确性；然后对三种算法进行了比较，分析三种算法的优缺点，得出支持向量机分类精度最低，最大似然法次之，神经网络最高；最

1）打开待分类的遥感影像数据2）依次打开：ENVI主菜单栏—Classification—Unsupervised—K—Means即进⼊K均值分类数据⽂件选择对话框。3）选择待分类的数据⽂件。4）选影像分类是影像解译的核心步骤，其目的是将遥感影像中的像素点按照其所代表的地物类型进行分类。常见的影像分类方法有基于统计的分类方法、基于规则的分类方法和基于机器学习

⊙０⊙ 相对于传统的最邻近方法，K邻近法产生更小的敏感异常和噪声数据集，从而得到更准确的分类结果，它会自动确定像素最可能属于哪一类。在K参数里键人--个整数，默认2.6.2 输入需要进行分类的影像文件2.6.3 支持向量机模型的各项参数设置2.7 分类好之后的影像结果展示2.8 模型评估现在要对分类好之后的图像进行混淆矩阵分析，需要使用到我们之