下载文档原格式
ENVI监督分类操作步骤简单示例
1.打开TM8
波段组合6、4、3
2.确定影像中心经纬度，同时打开google earth，确定影像在google中的对应位置
影像中心经纬度为：
33。
0’6” N; 98。
9’44” E
3.结合分类任务、影像信息以及google，确定图像总类别数
重点分：地表水、草地、林地
（1）初步判断影像中地表水可分为三类：1冰川、2湖泊、3河流
河流
冰川
湖泊（2）还分布有深绿色的4林地
林地
（3）草地往往分布在平坦的区域，比如河流周边等，颜色为浅绿色的5草地
草地
（4）根据纹理可以判断影像中有很多山脉，且是裸露的山脉（类似6山脉）
山脉
（5）河谷平原中还分布有7建筑物
建筑物
（6）在图像中还有许多未知地类，但是肯定不属于目标地物（林地、草地、地表水）的类别，建议单独分为一类，比如：云（颜色偏白色）等
8其他
初步判定，影像至少可以分为8类地物：
1冰川、2湖泊、3河流、4林地、5草地、6山脉、7建筑物、8其他
4.开始选择ROI
原则：每类均匀分类、数量足够
建议在ZOOM窗口下选ROI
考虑到建筑物的光谱信息与山脉以及其他较为接近，且在图像中分布极少，因此调整分类类别为：
1冰川、2湖泊、3河流、4林地、5草地、6山脉、7其他5.选择SVM分类（或最大似然分类）模型，进行分类。
ENVI软件基础知识以及监督分类详细步骤Ⅰ.软件的基本操作ENVI主⼯具条：1．图像的输⼊与输出.⾸先启动ENVI, 选择File- Open Image File,出现Enter DataFilename 对话框，选择⽂件的正确路径，点击⽂件名，再点击“OK”打开⽂件。
2．在打开的Available Band List 菜单中，可以显⽰图像的各个波段的基本信息，其中“Gray Scale”为灰⾊显⽰，“RGB Color”为彩⾊合成，并且可以选择彩⾊合成的波段，单击“Load”就可显⽰图像，打开的图像由三部分组成：Scroll（滚动）窗⼝、主图像窗⼝、以及缩放（Zoom）窗⼝, 可以使⽤多个显⽰窗⼝组，组中每个窗⼝的⼤⼩都可以调整。
其中菜单中的“New Diaplay”可以打开⼀个新的图像。
3．在“Available BandsList”菜单中选择“Available Files List”还可以可以显⽰出遥感图像的基本信息，具体如图所⽰：4.若要保存图像，需要在图像所在窗⼝中选择File-Save Image As-Image File，弹出Output Display to ImageFile 对话框。
对于单波段图像，选择8-bit Color，⽽多波段彩⾊合成图像则选择24-bit Color图像的保存⽅式有两种：⼀是直接保存为⽂件；⼆是选“Memory”，记忆在“Available BandsList”菜单中。
Ⅱ.图像增强与变换⼀．空间域增强1.线性变换线性拉伸：线性拉伸的最⼩和最⼤值分别设置为0 和255，两者之间的所有其它值设置为中间的线性输出值，选择Stretch_Type > Linear Contrast Stretch。
分段线性拉伸：分段线性对⽐度拉伸可以通过使⽤⿏标在输⼊直⽅图中放置⼏个点进⾏交互地限定。
当在点之间提供线性拉伸时，线段在点处连接起来，选择Stretch_Type > Piecewise Linear。
envi遥感图像监督分类监督分类，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。
它就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。
使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。
遥感影像的监督分类一般包括以下6个步骤，如下图所示：详细操作步骤第一步：类别定义/特征判别根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。
这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。
启动ENVI5.1，打开待分类数据：can_tmr.img。
以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。
通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。
第二步：样本选择（1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。
1）在Region of Interest (ROI) Tool面板上，设置以下参数：ROI Name：林地ROI Color：2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择；3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；4）这样就为林地选好了训练样本。
ENVI软件基础知识以及监督分类详细步骤一、ENVI软件基础知识：1. 遥感数据格式：ENVI软件支持处理多种遥感数据格式，包括常见的影像格式（如TIFF、JPEG、GeoTIFF）、高光谱遥感数据格式（如ENVI HDR、RST、HDF）以及雷达数据格式等。
2.遥感数据预处理：ENVI软件能够对遥感数据进行预处理，包括辐射校正、大气校正、几何校正等，以消除图像中的噪声、改正光谱形状，使数据更适合进行各种分析和应用。
3.遥感数据显示和可视化：ENVI软件提供多种数据显示和可视化方法，包括灰度显示、伪彩色显示、颜色合成、直方图等，以直观地展示遥感数据的信息。
4.遥感数据分析和处理：ENVI软件提供多种遥感数据分析和处理方法，包括光谱分析、空间分析、特征提取、分类、变化检测等，以获取遥感数据背后的信息。
5.遥感数据输出和应用：ENVI软件能够输出处理结果为常见的图像格式，方便进行后续的分析和应用。
二、监督分类的详细步骤：1.数据准备：首先需要准备监督分类所需的遥感数据集。
该数据集应包含所要分类的不同类别的样本数据，以及待分类的遥感影像数据。
样本数据应包含不同类别的典型样本，以训练分类器。
2.样本选择：从待分类的遥感影像数据中选择具有代表性的样本，包括不同类别的样本。
样本应遵循典型性、复杂性和可区分性的原则，以提高分类结果的准确性。
3.特征提取：从遥感影像数据中提取适当的特征用于分类器的训练和分类。
常用的特征包括光谱特征、纹理特征、形状特征等。
4.样本标记：对选择的样本进行标记，将其与相应的类别关联起来，以便进行监督分类的训练。
5.分类器选择：选择适合当前任务的分类器，常用的分类器包括最大似然分类器、支持向量机分类器、随机森林分类器等。
6.分类器训练：使用标记的样本数据对分类器进行训练，以建立分类模型。
7.分类器验证：使用未标记的样本数据对训练好的分类器进行验证，评估分类器的准确性和精确性。
8.影像分类：使用训练好的分类器对待分类的遥感影像数据进行分类，将其划分为不同的类别。
单击file—Open Image File打开图像，我的是TM7波段图像，加载5、4、3波段。
根据lay 选样本，OverLay—Region Of Interesting森林灌木、草地裸地耕地沙地其他（如水体、阴影之类的）选样本在Zoon放大窗口里选，这样可以选的更精确一些。
左键下点，右键结束因光谱值有差异，不在同一片地方选样本再在另一片地方选一下样本：正常情况下是通过别的方式选样本，如：野外调查或波峰影像上选样本，本次因条件限制就直接在图上选了。
选的差不多了，就选第二种灌木、草地样本，点的New Region按钮，选法一样，直至六类都选完：样本选完后验证样本对不对，静不精确点的Options后出现的下来菜单，选倒数第二个Compute ROI Separability点击后出现上面的对话框，选择我所要分类的图像，单击“OK”。
出现下面的对话框：，点击Select All Iterm选择全部的可分离性的样本，然后点击“OK”，出来下表：在这个表里，凡是最后的那个数值大于1.8的就说明符合要求，由此看出第一个是不符合要求的，应该是选的时候有问题（估计主要问题是灌木没有选好），按要求有问题就应该重新选，不过灌木和森林容易混淆，不容易选对，就不再重新选样本了。
只列出修改方法：在上面的对话框里选择森林，然后点击Goto，浏览每一个样本，将不好的样本删掉，再重新选一遍，然后再重新计算，直到达到要求为止。
上面是定量的评价，还有一个是定性的看：单击File，然后点击Export ROIs to Visualizer会出现，然后点击“OK”，出现，也是一样全选，点击“OK”出现n-D可视化对话框，，然后点击1、2、3、4、5、6，全选后，，单击Start，会出现一动态变化的样本聚类情况，在此只截一张图定性的看样本是否选的好，就看那个样本集中的程度，越高代表样本越好。
下面就可以分类了：点击主菜单的Classification—Supervised—Maximum Likelihood（最大似然发），出现，单击OK，出现此对话框设置如下：按着Shift全选样本，给输出分类文件命名并选择存储位置，然后点击OK输出，可用波段列表里会多出一个如图，在其上右键然后单击Load Band to New Display在新窗口加载分类图像如下：对分类图的后后处理（改名字、改颜色、分类后处理）：单击Overlay—Classification叠加分类图选择分类文件点OK，勾选样本前面的On可以叠加相应的分类，如：改名字：选择每一个分类，然后去掉后面的像素数，修改完毕点OK，然后单击Edit，选择第二个即将选择的类别并到其他类别里面去，出现下面的对话框，选Zoom，在On前面勾选即被归并的类别，点击颜色即要归并入的类别，然后在Zoom里左键画线，单击第一次一次右键闭合选择某一区域，再单击一次右键及可把此区域分错类别才分类并入另一类别里如：错分成林地的草地变回成了草地。
在ENVI监督分类过程
（乌鲁木齐市的遥感图像）
地理科学与旅游学院地理信息系统10-3班学生艾则孜提约麦尔·麦麦提
学号：20100703150031
序号：32
1.打开将要分类的影像File——open image file选择相应的波段，合成后裁剪感兴趣区，下面的是乌鲁木齐市的由7 ，4 ，2波段来显示的界面。
2.在待分类影像上选样本。
主菜单:Basic Tool——Region of interest——ROI Tool，进行取采样点。
在弹出的对话框中选Polygon.
3.按照自己的需求选完训练区后保存ROI.
选择好个地物的样本后在ROI对话框中Options——Compute ROI Separability 中检查把不同地物的差异情况，如大于1.8为合格,若小于可对该样本进行GO TO 修改，或Delete ROI处理。
在ROI Separability Calculation中双击Select All Items选择所有Roi用于分离性计算
参数值＜1.8需重新选择，＞1.9说明样本之间分离性好
Roitools对话框中单击saveRois保存
4.选取的训练区保存以后。
进行分类。
主菜单—Classification—supervised--------maximum likelihood
在弹出的对话框中选待分类的图像：
接下来可以看看结果是什么样的。
土地利用监督分类及制图1、数据准备 (2)1-1.提取聊城所在地级市.shp图像 (2)ndsat 8 oli遥感影像获取 (3)1-3.对影像做辐射定标、大气校正处理 (3)1-3-1辐射定标 (3)1-3-2大气校正 (4)1-4影像镶嵌 (8)1-5.裁剪聊城地域遥感影像 (10)1-6.监督分类（最大似然法） (10)1-6-1.建立感兴趣区域 (10)1-6-2.可分离度检验 (11)1-6-3.监督分类 (11)1-6-3混淆矩阵 (12)1-6-4. 分类后处理 (12)1-6-5目视解译修改局部 (12)1-7导出TIF (13)2、制图 (13)2-1.ARCGIS中打开前期导出的TIF图像 (14)2-2.在属性表中增加（名称）字段 (14)2-3.将视图切换成--布局视图 (15)2-4.插入标题、比例尺、指北针等 (15)2-5.导出地图 (16)1、数据准备1-1.提取聊城所在地级市.shp图像1.ARCGIS中打开全国县级矢量图2.工具箱中打开:ArcToolbox--Analysis Tools--Extract--Select 根据所选择区域的字段属性进行提取Select工具3.提取结果聊城市矢量图ndsat 8 oli遥感影像获取注意下载的影像时间差不要太大，云量要小下载影像信息1-3.对影像做辐射定标、大气校正处理1-3-1辐射定标1.ENVI 5.1中打开遥感影像2.ENVI 5.1 工具箱中打开工具：Radiometric Correction--Radiometric Calibration；选择要校正的多光谱数据“- - - -_MTL_MultiSpectral”进行辐射定标。
定标参数设置FLAASH大气校正对于radiance数据的要求是：BIL存储格式，单位转换“Scale Factor（比例因子）”的设置，单击Apply FLAASH Settings得到相应的参数。
非监督分类1、在ERDAS中裁剪出一部分的区域进行分类，利用AOI工具进行裁剪，另存裁剪的区域。
2、在ENVI中打开裁剪的区域dsb.img在Basic Tool菜单下Region of Interest工具打开ROI Tool新建类别名，由于裁剪的区域没有森林，所以共分五类：水体、耕地、城市、裸地、草地。
分别给予不同颜色。
3、在Zoom 窗口中进行采样即采集训练区。
采样前先判读熟悉影像，在采集样本时注意：采取训练区内颜色越纯越好。
4、采集完训练区后在Classification 菜单下选择Supervised ，利用Maximun Likelihood （最大似然法）进行非监督分类。
5、在分类中遇到的问题①进行第一次分类的结果是城市中的道路被归为了水体， 改进办法：更改城市的训练区样本，对城市的采样除了取建筑物的样本还应在城市的街道处采取几个样点，然后再进行第二次分类。
②第二次分类的结果是部分休耕（收割后）的耕地归为了城新建类别名市区域。
因为该影像是2000年9月14日的影像，故部分耕地已收割休耕，在原图上表现为规则的深紫色，我将其归为耕地。
改进方法：增加耕地的训练区的样本，在颜色为深紫色的的区域采取几个样本点作为耕地的训练区。
③第三次分类的结果是发现河流两岸的落地被归为了城市改进方法：增加裸地的训练区样本。
在河流两岸处选取几个样本做为裸地训练区。
第一次分类的结果：其中：水体耕地城市草地裸地第二次分类结果：其中：水体耕地城市草地裸地第三次分类结果：其中：水体耕地城市草地裸地。
ENVI监督分类监督分类用于在数据集中根据用户定义的训练样本类别聚集像元。
训练样本类别是像元的集合或单一波谱。
在分类过程中，可以选择它们作为代表区域或分类素材。
监督分类的步骤：类别定义/特征判别——样本选择——分类器选择——影像分类——分类后处理——结果验证数据：以Landsat TM为数据源，影像can_tmr.img处理过程：一、样本选择：打开影像can_tmr.img后543波段显示，目视判断一下这个影像中地物大概分几类，可定义偏暗红色的为裸地，鲜绿色的为耕地，深绿色的为林地，白色的为沙地，沙地与林地之间的绿色的为草地，黑色的为阴影与水体定义为其他。
在主影像窗口菜单中点overlay----region of interests, ROI tool窗口就打开了，window 的方式点击zoom窗口，先定义一类ROI：裸地在缩放窗口中画裸地，画的图斑尽量小，分布尽量均匀。
划完裸地后，点击new region，定义新的种类，沙地、林地、草地、其他的定义和画法都同裸地一样。
得到如下结果：二、验证样本：在ROI tool对话框菜单点击options—compute ROI separability 计算ROI 可分离性，这是一种定量的方式来验证样本的方法。
还有一种定性的来验证样本的方法是N维可视化方法。
选择要进行可分离性计算的文件为影像can_tmr.img，点击OK点击把六组样本都选择，点击OK。
出现如下报告：红笔圈画区域数字代表两类样本的相近性，数字越大代表越不相近，两类样本越不好区分。
后面每一栏>1.8最好，所以我们需要修改林地和草地。
激活草地（表格中草地前面带星号），点击Goto，进行逐一删除后重新画样本。
下图是我修改后进行计算ROI可分离性后的结果，每项都>1.8，合格。
三、影像分类：选好“训练场地”---样本后，我们就要把选好的样本适用于全图进行分类。
主菜单点击classfication ----supervised---maxinum likelihood,选用最大似然分类法。
单击file—Open Image File打开图像，我的是TM7波段图像，加载5、4、3波段。
根据lay 选样本，OverLay—Region Of Interesting森林灌木、草地裸地耕地沙地其他（如水体、阴影之类的）选样本在Zoon放大窗口里选，这样可以选的更精确一些。
左键下点，右键结束因光谱值有差异，不在同一片地方选样本再在另一片地方选一下样本：正常情况下是通过别的方式选样本，如：野外调查或波峰影像上选样本，本次因条件限制就直接在图上选了。
选的差不多了，就选第二种灌木、草地样本，点的New Region按钮，选法一样，直至六类都选完：样本选完后验证样本对不对，静不精确点的Options后出现的下来菜单，选倒数第二个Compute ROI Separability点击后出现上面的对话框，选择我所要分类的图像，单击“OK”。
出现下面的对话框：，点击Select All Iterm选择全部的可分离性的样本，然后点击“OK”，出来下表：在这个表里，凡是最后的那个数值大于1.8的就说明符合要求，由此看出第一个是不符合要求的，应该是选的时候有问题（估计主要问题是灌木没有选好），按要求有问题就应该重新选，不过灌木和森林容易混淆，不容易选对，就不再重新选样本了。
只列出修改方法：在上面的对话框里选择森林，然后点击Goto，浏览每一个样本，将不好的样本删掉，再重新选一遍，然后再重新计算，直到达到要求为止。
上面是定量的评价，还有一个是定性的看：单击File，然后点击Export ROIs to Visualizer会出现，然后点击“OK”，出现，也是一样全选，点击“OK”出现n-D可视化对话框，，然后点击1、2、3、4、5、6，全选后，，单击Start，会出现一动态变化的样本聚类情况，在此只截一张图定性的看样本是否选的好，就看那个样本集中的程度，越高代表样本越好。
下面就可以分类了：点击主菜单的Classification—Supervised—Maximum Likelihood（最大似然发），出现，单击OK，出现此对话框设置如下：按着Shift全选样本，给输出分类文件命名并选择存储位置，然后点击OK输出，可用波段列表里会多出一个如图，在其上右键然后单击Load Band to New Display在新窗口加载分类图像如下：对分类图的后后处理（改名字、改颜色、分类后处理）：单击Overlay—Classification叠加分类图选择分类文件点OK，勾选样本前面的On可以叠加相应的分类，如：改名字：选择每一个分类，然后去掉后面的像素数，修改完毕点OK，然后单击Edit，选择第二个即将选择的类别并到其他类别里面去，出现下面的对话框，选Zoom，在On前面勾选即被归并的类别，点击颜色即要归并入的类别，然后在Zoom里左键画线，单击第一次一次右键闭合选择某一区域，再单击一次右键及可把此区域分错类别才分类并入另一类别里如：错分成林地的草地变回成了草地。
