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），将用变换核中占次要地位的像元的类别代替中心像元的类别。
下面介绍详细操作流程：
（1）打开分类结果——"\12.分类后处理\数据\can_tmr_class.dat"；
（2）打开Majority/Minority分析工具，路径为Toolbox /Classification/Post Classification/Majority/Minority Analysis，在弹出对话框中选择"can_tmr_class.dat"，点击OK；
（3）在Majority/Minority Parameters面板中，点击Select All Items选中所有的类别，其他参数按照默认即可，如下图所示。然后点击Choose按钮设置输出路径，点击OK执行操作。
图1 Majority/Minority Parameters面板参数设置
（4）查看结果如图所示，可以看到原始分类结果的碎斑归为了背景类别中，更加平滑。
注：参数说明如下
•Select Classes时，用户可根据需要选择其中几个类别；
•如果选择Analysis Methods为Minority，则执行次要分析；
•Kernel Size为核的大小，必须为奇数×奇数，核越大，则处理后结果越平滑；
•中心像元权重（Center Pixel Weight）。在判定在变换核中哪个类别占主体地位时，中心像元权重用于设定中心像元类别将被计算多少次。例如：如果输入的权重为1，系统仅计算1次中心像元类别；如果输入5，系统将计算5次中心像元类别。权重设置越大，中心像元分为其他类别的概率越小。
图2 原始分类结果（左），Majority分析结果（右）
2)聚类处理（Clump）
聚类处理（clump）是运用数学形态学算子（腐蚀和膨胀），将临近的类似分类区域聚
类并进行合并。分类图像经常缺少空间连续性（分类区域中斑点或洞的存在）。低通滤波虽然可以用来平滑这些图像，但是类别信息常常会被临近类别的编码干扰，聚类处理解决了这个问题。首先将被选的分类用一个膨胀操作合并到一块，然后用变换核对分类图像进行腐蚀操作。
下面介绍详细操作流程：
（1）打开分类结果——"\分类后处理\数据\can_tmr_class.dat"；
（2）打开聚类处理工具，路径为Toolbox /Classification/Post Classification/Clump Classes，在弹出对话框中选择"can_tmr_class.dat"，点击OK；
（3）在Clump Parameters面板中，点击Select All Items选中所有的类别，其他参数按照默认即可，如下图所示。然后点击Choose按钮设置输出路径，点击OK执行操作。
图3 Clump Parameters面板参数设置结果
（4）查看结果如下图所示，可以看到原始分类结果的碎斑归为了背景类别中，更加平滑。
注：参数说明如下
•Select Classes时，用户可根据需要选择其中几个类别；
•Operator Size Rows和Cols为数学形态学算子的核大小，必须为奇数，设置的值越大，效果越明显。
图4 原始分类结果（左），聚类处理结果（右）
3)过滤处理（Sieve）
过滤处理（Sieve）解决分类图像中出现的孤岛问题。过滤处理使用斑点分组方法来消除这些被隔离的分类像元。类别筛选方法通过分析周围的4个或8个像元，判定一个像元是
