envi遥感图像处理之分类

1.几何校正：几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，同时也是将图像投影到平面上，使其符合地图投影系统的过程。

2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。

3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。

常用方法是按照行政区划边界或自然区划边界进行图像裁剪。

在基础数据生产中，还经常要进行标准分幅裁剪。

按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。

4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。

5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。

6.面向对象图像分类技术：是集合邻近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。

7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。

8.立体像对：从两个不同位置对同一地区所摄取的一对相片。

9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。

10.高光谱分辨率遥感：是用很窄而连续的波谱通道对地物持续遥感成像的技术。

在可见光到短波红外波段，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。

11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。

12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。

envi马氏距离分类
envi马氏距离分类是指在遥感数据分类中，利用马氏距离作为判别标准进行分类的方法。

环境映射指标（Environmental Mapping Indices，EMIs）是一种用来描述遥感图像类别间差异的指标。

将EMIs应用于马氏距离分类中，可以有效地区分不
同类别之间的差异，从而实现遥感图像的分类。

具体而言，马氏距离是一种用来衡量样本之间的相似性的指标，它考虑了各个变量之间的相关性。

在马氏距离分类中，首先需要计算每个样本点与各个类别均值之间的马氏距离，然后将样本分配到与其马氏距离最小的类别中。

对遥感数据进行马氏距离分类时，需要借助于环境映射指标进行特征提取。

环境映射指标是根据遥感图像数据的光谱、空间和时相特征等信息计算得到的，用来描述地物类别间的差异。

这些指标可以通过特定的算法和模型来计算，例如利用主成分分析（PCA）等方法。

通过将环境映射指标与马氏距离相结合，可以获得更准确的遥感图像分类结果。

这种方法可以有效地解决遥感图像分类中存在的样本重叠、类别不平衡等问题，提高分类的精度和鲁棒性。

总之，envi马氏距离分类是一种利用环境映射指标和马氏距离相结合的遥感图像分类方法，可以提高分类的准确性和鲁棒性，广泛应用于遥感图像分类和地物识别等领域。

envi 固定阈值法分类Envi固定阈值法分类Envi是一种遥感图像处理软件，固定阈值法（Fixed Thresholding）是其一种常用的分类方法。

下面是对Envi固定阈值法分类的相关分类及说明。

1. 简介固定阈值法是一种基于像元灰度值的分类方法，通过设置特定的阈值来将图像中的像元分为不同的类别。

Envi固定阈值法分类简单易懂，操作方便，并且可以快速实现像元的分类，适用于一些像元灰度明显不同的图像。

2. 分类方法以下是Envi固定阈值法分类的几种常见方法：单阈值法单阈值法是最基本的固定阈值分类方法，通过设置一个固定的阈值，将图像中像元的灰度值与该阈值进行比较，根据结果将像元分为两类：大于等于阈值的为一类，小于阈值的为另一类。

单阈值法简单快速，但只适用于像元灰度分布方式明显的图像。

多阈值法在单阈值法的基础上进行了扩展，通过设置多个阈值将图像中的像元分为多个类别。

多阈值法更加灵活，可以处理像元灰度分布方式较为复杂的图像，但需要根据实际图像的特点合理设置阈值。

自适应阈值法自适应阈值法是根据图像像元的局部灰度分布来确定阈值的方法。

它会根据像元周围的灰度值动态地调整阈值，以适应不同区域的灰度分布变化。

自适应阈值法适用于灰度分布较为均匀的图像，可以提高分类的准确性。

基于统计的阈值法基于统计的阈值法通过计算图像像元的灰度均值、方差等统计量来确定阈值。

常见的方法包括Otsu法、最大类间方差法等。

这些方法会根据统计结果选择最优的阈值，适用于像元灰度分布方式不明显的图像。

基于直方图的阈值法基于直方图的阈值法通过分析图像的直方图来确定阈值。

可以利用直方图的特征，如峰值、变差等进行阈值的选择。

基于直方图的阈值法可以充分利用图像的全局信息，适用于像元灰度分布不规则的图像。

Envi固定阈值法分类提供了多种方法来处理不同类型的遥感图像。

选择合适的分类方法需要根据具体图像的特点进行分析，并选取最适合的阈值法。

固定阈值法是一种快速简单的分类方法，但对于灰度分布不明显或复杂的图像，需要使用其他更加灵活的分类方法来提高分类准确性。

envi图像处理基本操作使用ENVI进行图像处理主要介绍利用envi进行图像处理的基本操作，主要分为图像合成、图像裁减、图像校正、图像镶嵌、图像融合、图像增强。

分辨率：空间分辨率、波谱分辨率、时间分辨率、辐射分辨率。

咱们平时所说的分辨率是指？怎么理解？1、图像合成对于多光谱影像，当我们要得到彩色影像时，需要进行图像合成，产生一个与自然界颜色一致的真彩色（假彩色）图像。

对于不同类型的影像需要不同的波段进行合成，如中巴CCD影像共5个波段，一般选择2、4、3进行合成。

（为什么不选择其他波段？重影/不是真彩色）。

SOPT5影像共7个波段，一般选择7、4、3三个波段。

操作过程以中巴资源卫星影像为例中巴资源卫星影像共有五个波段，选择2、4、3三个波段对R、G、B 赋值进行赋值。

在ENVI中的操作如下：（1）fileopenimagefile打开2、3、4三个波段，选择RGB，分别将2、4、3赋予RGB。

（2）在#1窗口file---〉aveimagea-imagefile。

（3）在主菜单中将合成的文件存为tiff格式（file-avefilea-tiff/geotiff）即可得到我们需要的彩色图像。

2、图像裁减有时如果处理较大的图像比较困难，需要我们进行裁减，以方便处理。

如在上海出差时使用的P6、SOPT5，图幅太大不能直接校正需要裁减。

裁减图像，首先制作AOI文件再根据AOI进行裁减。

一般分为两种：指定范围裁减、不指定范围裁减。

不指定范围裁减在ENVI中的操作如下：（1）首先将感兴趣区存为AOI文件fileopenimagefile打开原图像选择IMAGE窗口菜单overlayregionofintereting选择划定感兴趣区的窗口如croll，从ROI_Type菜单选择ROI的类型如Rectangle，在窗口中选出需要选择的区域。

在ROI窗口fileSaveROI将感兴趣区存为ROI文件。

（2）裁减：在菜单BaicToolSubetDataviaROI，在选择窗口electtheinputfile选择需要裁减的原始图象，RetoreROI选择ROI。

ENVI基础操作（全）ENVI是一种专业的遥感数据分析和图像处理软件，它广泛应用于地理信息系统（GIS）和遥感领域。

以下是ENVI的基础操作指南，包括数据加载、图像增强、分类和制图等功能。

1.数据加载：- 打开ENVI软件后，通过菜单栏中的 "File" -> "Open" 来加载遥感数据。

-可以选择加载多种类型的数据，包括图像文件、数据集文件、栅格数据等。

-ENVI还支持加载多波段数据和多时相数据，方便进行多光谱分析和时间序列分析。

2.图像增强：-ENVI提供了多种图像增强算法，可以改善图像的对比度、亮度和清晰度。

- 通过菜单栏中的 "Basic Tools" -> "Display" 可以调整图像的亮度、对比度和伪彩色显示。

- 通过菜单栏中的 "Basic Tools" -> "Spatial Filter" 可以应用空间滤波算法，如平滑、锐化和边缘增强等。

-ENVI还支持直方图均衡化、波段拉伸、多尺度分析等高级图像增强方法。

3.数据分析：-ENVI提供了多种数据分析算法，包括统计分析、光谱分析和变化检测等。

- 通过菜单栏中的 "Basic Tools" -> "Statistics" 可以计算图像的统计信息，如均值、最大值、最小值和标准差等。

- 通过菜单栏中的 "Basic Tools" -> "Spectral" 可以进行光谱分析，如图像分类、聚类分析和主成分分析等。

-ENVI还支持变化检测算法，可以对多时相数据进行像元级变化检测和物体级变化检测。

4.数据分类：-ENVI提供了多种数据分类算法，包括监督分类和非监督分类等。

- 通过菜单栏中的 "Supervised Classification" 可以进行监督分类，需要提供训练样本和分类器。

《ENVI遥感图像处理方法》科学出版社2010年6月正式出版上一篇/ 下一篇 2010-05-26 15:02:30 / 个人分类：ENVI查看( 643 ) / 评论( 5 ) / 评分( 0 / 0 )从上个世纪六十年代E．L．Pruitt提出“遥感”这个词至今，遥感已经成为人类提供了从多维和宏观角度去认识宇宙世界的新方法与新手段。

目前，遥感影像日渐成为一种非常可靠、不可替代的空间数据源。

ENVI (The Environment for Visualizing Images)是由遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。

ENVI以其强大的图像处理功能，尤其是与ArcGIS 一体化集成，使得众多的影像分析师和科学家选择ENVI来处理遥感图像和获得图像中的信息，从而全面提升了影像的价值。

ENVI已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等众多领域。

与此形成鲜明对比的是，目前关于ENVI 的中文教程非常少，给广大用户学习软件和应用软件带来诸多不便。

针对上述情况，在ESRI中国（北京）有限公司的大力支持下，根据多年遥感应用研究和软件操作经验，历时一年半编著完成本书。

全书按照遥感图像处理流程由浅到深逐步引导读者掌握ENVI软件操作。

各个章节相对独立，读者可视个人情况进行选择阅读。

全书分为17章，第1、2、3章介绍了ENVI软件的基础知识，可作为ENVI软件入门，也可作为参考内容；第4、5、6、7、8章介绍了遥感图像处理一般流程，包括图像几何校正、图像融合、图像镶嵌、图像裁剪、图像增强等预处理，图像分类、矢量处理、制图和三维可视化等图像基本处理，这5章又可独立阅读；第9、10、11、12章为专业操作，包括正射校正、面向对象图形特征提取、地形分析、遥感动态监测；第13、14章是光谱分析和高光谱处理方面的内容，包括辐射定标与大气校正、高光谱与光谱分析技术；第15章介绍了ENVI非常灵活的波段运算和波谱运算；第16章介绍了ENVI基本的雷达图像处理功能；第17章介绍了ENVI的二次开发功能。

ENVI中几种监督分类方法精度比较遥感图像的监督分类常用方法目前可以分为：平行六面体法，马氏距离法，最大似然法，神经网络法以及支持向量机法等。

文章将就以上所述的五种常用的监督分类方法在ENVI中分别对汶川县威州镇同一Landsat8 OLI数据进行土地覆盖与利用状况分类.比较各种方法的分类精度，并对之所产生的差异的原因进行浅析，进而对实际的生产以及应用做出借鉴。

标签：监督分类；平行六面体；神经网络；支持向量机；分类精度Abstract：The common methods of supervised classification of remote sensing images can be divided into：parallelepiped classifier method，Mahalanobis distance method，maximum likelihood method，neural network method and support vector machine method. In this paper，the land cover and utilization of the same Landsat8 OLI data in Weizhou Town，Wenchuan County are classified by the five common supervised classification methods mentioned above in ENVI. Comparing the classification accuracy of various methods，we made an analysis of the causes of the differences，and then identify their actual production and application.Keywords：supervised classification；parallelepiped；neural network；support vector machine；classification accuracy1 概述遥感图像的分类主要是利用计算机将遥感图像中的光谱和空间信息进行分析，提出不同地物之间的特征及边界，并利用一定的算法的各个像元划归到互不重叠的各个子空间之中。

ENVI监督分类步骤ENVI是一种广泛使用的遥感图像分析软件，用于处理和分析多光谱、高光谱和雷达数据。

其中一个功能是进行监督分类，它是通过已标记的训练样本来训练分类器，然后使用分类器对未知像素进行分类。

下面是进行ENVI监督分类的步骤：1.数据准备：在进行监督分类之前，首先需要准备好遥感图像数据。

这包括获取遥感图像数据并导入到ENVI软件中。

确保数据是正确的，包括地理校正和辐射校正。

这些步骤将确保图像数据的准确性和一致性。

2.创建训练样本：在监督分类过程中，需要创建一些训练样本，这些样本用于训练分类器。

训练样本是经过标记的像素，表示各个类别的特征。

在ENVI中，可以使用“ROI工具”手动创建训练样本。

通过选择一个感兴趣区域，并为其分配一个特定的类别，可以创建一个训练样本。

3.设置训练参数：在进行监督分类之前，需要设置一些训练参数。

这些参数包括分类器类型（如像素或对象级别），分类器方法（如最大似然估计或支持向量机）以及其他相关参数，如类别权重和执行群集。

4.训练分类器：一旦训练样本和参数准备好，就可以开始训练分类器了。

在ENVI中，可以使用“Train Iso Cluster”或“Train Support Vector Machine”等工具对训练样本进行分类器训练。

该过程将使用训练样本中的特征来训练分类器，并生成一个能够对未知数据进行分类的模型。

5.分类预测：在分类器训练后，可以使用该模型对未知数据进行分类预测。

在ENVI中，可以使用“Predict Classification”工具来对整个图像或一部分图像进行分类。

该工具将应用训练得到的模型，并基于像素的特征将其分类为相应的类别。

6.评估分类结果：一旦分类预测完成，就可以评估分类结果了。

在ENVI中，可以使用“Confusion Matrix”工具来计算分类的准确性、精度和召回率。

该工具将根据已知的分类结果和分类预测结果来计算这些指标。

7.优化分类结果：如果分类结果不满意，可以考虑对分类器进行优化。

遥感图像的分类实验报告一、实验名称遥感图像的监督分类与非监督分类二、实验目的理解遥感图像监督分类及非监督分类的原理；掌握用ENVI对影像进行监督分类和非监督分类的方法，初步掌握图像分类后的相关操作；了解整个实验的过程以及实验过程中要注意的事项。

三、实验原理监督分类：又称训练分类法，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。

它是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。

非监督分类：也称为聚类分析或点群分类。

在多光谱图像中搜寻、定义其自然相似光谱集群的过程。

它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。

目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。

四、数据来源本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。

鉴于实验内容及图像大小等问题，故从一景TM影像中裁取一个含有较丰富地物信息区域作为待分类影像。

五、实验过程1.监督分类1.1打开并显示影像文件，选择合适的波段组合加载影像打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，为了更好地区分不同地物以及方便训练样本的选取，选择5、4、3波段进行相关操作，点击Load Band 在主窗口加载影像。

1.2使用感兴趣区（ROI）工具来选择训练样区1）主影像窗口菜单栏中，选择Overlay >Region of Interest。

基于ENVI软件的遥感图像识别技术研究遥感图像识别技术是遥感领域中的重要研究方向，应用范围广泛，可以在农业、环保、城市规划、林业等多个领域中发挥重要作用。

在遥感图像的识别中，ENVI软件是一种常见的应用软件，本文将阐述基于ENVI软件的遥感图像识别技术研究。

一、遥感图像识别技术概述遥感图像识别技术是对遥感图像进行处理和分析，提取出图像中的有用信息，实现目标物体与区域的识别、分类和判别。

遥感图像识别技术通常分为图像的预处理和后处理两个步骤。

图像预处理主要包括影像校正、噪声抑制、增强和特征提取等。

图像后处理主要包括分割、分类和识别等。

其中分类是识别的前置工作，通过对图像进行分类可以得到各个类别的概率分布，为后续识别提供基础。

二、ENVI软件介绍ENVI是一款遥感图像处理和分析软件，主要用于各种遥感图像的处理、分析和应用。

ENVI可以实现对不同波段的图像进行处理和分析，提取出有用的信息，支持多种数据格式的导入和输出。

目前ENVI最新版本为ENVI5.5，已经形成了完整的遥感图像处理和分析工具体系。

三、ENVI软件在遥感图像识别中的应用研究ENVI软件有非常广泛的应用领域，特别是在遥感图像识别领域。

以下是ENVI 软件在遥感图像识别中的应用研究。

1、基于利用改进的支持向量机和ENVI软件的高分遥感图像分类高分辨率遥感图像是遥感图像识别的重要数据来源。

高分遥感图像分类是一项有挑战性的任务，若分类准确率提高1%，对于遥感图像的应用来说，是一项突破。

此项研究设计了一种基于改进支持向量机分类器和ENVI软件的高分辨率遥感图像分类方法，尝试解决分类器的性能问题，达到更高的精度。

研究结果表明，所提出的算法可显著提高遥感图像的分类准确性，并在未分类数据上取得了较好的泛化能力。

2、高光谱图像中的目标探测和识别算法高光谱图像中的目标探测和识别是遥感图像识别中的常见问题。

在该研究中，作者结合ENVI软件和高光谱图像处理，实现目标探测和识别。

ENVI是一款遥感图像处理软件，可以进行光谱角分类。

以下是ENVI光谱角分类的一般步骤：
1. 导入遥感图像数据。

2. 对图像进行预处理，包括大气校正、辐射校正等。

3. 选择需要分类的波段和波段范围。

4. 进行光谱角分类。

可以选择手动分类或自动分类。

5. 对分类结果进行评估和精度分析，包括OA、Kappa系数等指标。

6. 可以对分类结果进行可视化和制图等处理。

需要注意的是，光谱角分类的精度和准确性受到多种因素的影响，包括遥感数据的质量、预处理的准确性、分类方法的选择等。

因此，在进行光谱角分类时，需要进行充分的实验和验证，以确保分类结果的可靠性和准确性。

利用envi进行tm影像监督分类详细操作步骤2篇第一篇：Envi（Environment for Visualizing Images）是一款功能强大的遥感图像分析软件，可以用于遥感图像的处理、分析和可视化。

本篇文章将详细介绍如何利用Envi进行TM影像的监督分类。

步骤一：导入TM影像1. 打开Envi软件，在菜单栏上选择“File”-“Open”，然后选择要导入的TM影像文件。

2. 在弹出的对话框中，选择正确的影像文件格式，并指定正确的数据投影等参数，确认后点击“OK”按钮。

3. 导入的TM影像将在Envi主界面上显示出来。

步骤二：创建训练样本1. 在Envi主界面上，点击工具栏上的“ROI（Region of Interest）”按钮，打开ROI工具。

2. 在左侧窗口中选择“Polygon”工具，然后在右侧窗口中点击鼠标左键逐个画出训练样本的区域。

每个训练样本的区域应包含一个类别的特征，例如植被、水体等。

3. 重复上述步骤，逐个创建所有类别的训练样本。

步骤三：进行分类设置和训练1. 在Envi主界面上选择“Supervised Classification”菜单，然后选择“Maximum Likelihood Classifier”选项。

2. 在弹出的对话框中，点击“Add New Class”按钮，然后为每个类别输入名称并选择对应的训练样本。

确保每个类别都有足够的样本进行训练，以提高分类的准确性。

3. 点击“OK”按钮开始进行分类训练。

训练过程可能会花费一些时间，取决于图像的大小和复杂度。

步骤四：进行影像分类1. 训练完成后，Envi会自动对整个TM影像进行分类，并生成分类结果。

2. 在Envi主界面上选择“Display”菜单，然后选择“LayerM anager”选项。

3. 在弹出的对话框中，选择分类结果图层并点击“Add”按钮，然后点击“OK”。

4. 分类结果将显示在Envi主界面上，可以根据需要进行调整和编辑。

Envi5.6中的分类方法引言E n vi是一款功能强大的遥感影像处理软件，其分类功能可以高效准确地将遥感影像数据分到不同的类别中。

本文将介绍En vi5.6中的分类方法，包括像元分类、目标分类和像素转标签。

像元分类像元分类是将遥感影像中的每个像元分配到特定的类别中的过程。

在E n vi5.6中，根据像元的光谱信息和统计学特征，可以使用各种算法进行像元分类。

支持向量机（S V M）支持向量机是一种常用的分类算法，它基于特征空间中的超平面来实现分类。

在E nv i5.6中，可以使用支持向量机算法对遥感影像进行像元分类，通过训练样本和测试样本的光谱信息，得到分类结果。

随机森林（R a n d o m F o r e s t）随机森林是一种基于决策树的集成学习方法，它能够充分利用多个决策树的优势进行分类。

在En vi5.6中，可以使用随机森林算法对遥感影像进行像元分类，通过构建多个决策树来得到更准确的分类结果。

目标分类目标分类是将遥感影像中的连通区域（目标）分配到特定的类别中的过程。

在En vi5.6中，可以使用各种算法进行目标分类，例如基于形状和纹理特征的目标分类算法。

形状特征形状特征是指目标在图像上的几何形状信息，例如目标的面积、周长、圆度等。

在E nv i5.6中，可以通过计算目标的形状特征，并结合训练样本和测试样本的光谱信息，对遥感影像进行目标分类。

纹理特征纹理特征是指目标表面上的纹理分布信息，例如目标的纹理熵、对比度、均匀性等。

在En v i5.6中，可以通过提取目标的纹理特征，并结合训练样本和测试样本的光谱信息，对遥感影像进行目标分类。

像素转标签像素转标签是将遥感影像中的每个像素值转换为特定的标签值的过程，用于将连续的遥感影像数据转化为离散的分类结果。

在En vi5.6中，可以使用各种阈值分割方法进行像素转标签。

基于单一阈值的分割基于单一阈值的分割是将遥感影像中的像素根据其灰度值和一个固定的阈值进行分类的方法。

envi监督分类精度评价步骤Envi监督分类精度评价步骤引言：Envi是一种功能强大的遥感图像处理软件，可用于监督分类，即通过训练样本来识别遥感图像中的不同地物类型。

在进行监督分类时，评价分类结果的精度是十分重要的。

本文将介绍Envi监督分类精度评价的具体步骤。

一、准备数据需要准备用于监督分类的遥感图像数据和相应的参考数据。

遥感图像数据可以是多光谱、全色或高光谱图像等，参考数据通常是由专业人员通过野外调查或其他手段获取的地面真实分类信息。

二、创建训练样本在Envi中，需要利用参考数据来创建训练样本。

训练样本是用来训练监督分类算法的关键数据，它包含了不同地物类型的典型特征。

通过在遥感图像上手动绘制多边形区域，将其与参考数据中的对应类别相关联，即可创建训练样本。

三、执行监督分类在创建完训练样本后，可以执行监督分类算法。

Envi提供了多种监督分类算法，包括最大似然法、支持向量机、随机森林等。

根据实际情况选择适合的算法，并将其应用于遥感图像数据上。

四、生成分类结果执行监督分类算法后，Envi将生成分类结果图像。

该图像将遥感图像中的每个像素分配到不同的地物类型，从而形成一个具有不同颜色编码的分类图像。

五、验证分类结果验证分类结果的精度是评价监督分类算法好坏的重要指标之一。

Envi提供了多种评价指标，包括混淆矩阵、生产者精度、用户精度、Kappa系数等。

通过与参考数据进行比较，可以计算出分类结果的各项指标，并对分类结果进行验证。

六、可视化分类结果Envi还提供了一系列可视化工具，可以将分类结果与原始遥感图像进行叠加显示，以便更直观地观察分类效果。

可以通过调整透明度、颜色编码等参数来优化可视化效果，并对分类结果进行进一步的分析和解读。

七、优化分类结果根据验证结果和可视化分析，如果发现分类结果存在较大误差或不准确的地方，可以尝试调整训练样本、选择不同的分类算法或调整算法参数等方式来优化分类结果。

重复执行监督分类和验证的过程，直到获得满意的分类结果。

ENVI常规数据处理方法ENVI是一种广泛使用的遥感图像处理软件，可用于处理和分析来自卫星、飞机和无人机的遥感数据。

它提供了许多常规数据处理方法，可以帮助用户从原始遥感图像中提取有用的信息。

以下是一些常见的ENVI数据处理方法：1.图像增强：ENVI提供了各种图像增强技术，如直方图均衡、直方图匹配和滤波器等。

这些方法可以提高图像的对比度和清晰度，使信息更易于观察和分析。

2.波段算术：ENVI允许用户应用波段算术来处理遥感图像。

用户可以使用加法、减法、乘法和除法等操作来组合或转换波段，以增强特定的目标和特征。

3.地物分类：ENVI提供了各种地物分类方法，如最大似然分类、支持向量机和随机森林等。

这些方法可以根据图像的光谱特征将像素分类为不同的地物类别，例如植被、水体和建筑物。

4. 物理参数提取：ENVI可以通过光谱反射率分析来提取从遥感图像中得到的物理参数。

用户可以使用ENVI Spectral Indices工具来计算不同的指标，如NDVI（归一化植被指数）和EVI（增强型植被指数），以评估土壤湿度、植被生长和植被健康状况等。

5.变化检测：ENVI可以用于检测遥感图像之间的变化。

用户可以使用像素差异、比例差异或图像差异方法来比较两个或多个时间点的图像，以便检测地表的变化，如植被覆盖变化、土地利用变化和自然灾害后的损失等。

6.高程提取：ENVI提供了用于高程提取的工具，如视差法和立体匹配。

这些工具可用于从多个角度或视角的遥感图像中提取地表的三维信息，以获得地形高程模型（DEM）或数字高程模型（DSM）。

7.影像拼接：ENVI允许用户将多个遥感图像进行拼接，以创建更大范围的图像。

用户可以使用自动拼接工具来对齐和融合图像，以创建完整的场景。

8.视觉化和数据可视化：ENVI提供了各种视觉化和数据可视化方法，以帮助用户更好地理解和解读遥感数据。

用户可以使用ENVI中的伪彩色合成、分光成像和数据直方图等工具来可视化和分析图像数据。

envi自己总结范文操作分类后处理分类后处理（PotClaification）1.分类统计：ENVI:Claification>>PotClaification>>ClaStatitic：包括每一类的点数、最小值、最大值、平均值以及类的每个波段的标准差等。

其中每一类的最小值、最大值、平均值以及标准差可以以图的方式进行显示。

可以显示出每一类的直方图，并且计算其协方差矩阵、相关矩阵、特征值和特征矢量等。

3.类别集群：ENVI:Claification>>PotClaification>>ClumpClae细小块的合并，将一些碎块进行合并（平滑处理）。

注：未被选上用于聚块（clumping）的类，在输出图像上无变化。

4.类别筛选：ENVI:Claification>>PotClaification>>SieveClae通过用斑点分组消除这些隔离的被分类的像元。

该功能菜单将删除分类中的孤岛像元，并用黑像元表示，可以用成块分类功能代替黑像元。

注：在“GroupMinThrehold”文本框里，输入一个类组需要包含的最少像元数（4或8）。

任何一组小于这一数值的像元将从类中被删除。

6.类的叠合：ENVI:Claification>>PotClaification>>OverlayCla：用一幅彩色合成影像或灰阶影像生成一幅影像地图，并且类的颜色叠置在一起，输出一幅3波段的RGB图像。

7.修改类的颜色：Image:Tool>>ColorMapping>>clacolormapping：当一个分类后的图像被导入一个显示窗口时，每类自动呈现出不同的颜色。

每类的颜色与监督分类中选择的感兴趣区的颜色或非监督分类中预先选择的每类颜色相对应。

未分类区域在图像中呈黑色，可以改变每类的颜色。