ENVI下对分类结果的合并方法
- 格式:docx
- 大小:1.36 MB
- 文档页数:5
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下的图像融合步骤经过对ERDAS和ENVI两种软件中提供的大部分融合方法的对比,发现用ENVI中的Gram-Schmidt Spectral Sharpening方法进行融合能够比较好的保留原多光谱图像的光谱信息,或者使遥感影像的融合保留多光谱影像的增强效果。
1.用Gram-Schmidt Spectral Sharpening方法进行遥感影像融合时,有时需对原多光谱影像进行增强,在ENVI中对影像的增强可使用Enhance中的各种方法,使多光谱影像色彩信息达到需求的效果;增强方法如下图,选取不同的样区进行影像增强所得到的效果不同,在影像增强过程中应选取不同的样区进行尝试;ENVI中影像增强方法2.对遥感影像增强到达满意的效果后,通过File | Save Image As | Image File…保存增强果后的影像;保存窗口,在Output File Type中选择保存的数据类型,通过Choose选择文件的保存路径及文件名;3.进行影像融合,在ENVI主菜单中,通过Transform | Image Sharpening |Gram-Schmidt Spectral Sharpening 进行融合;4.在Select Low Spatial Resolution Multi Band Input File对话框窗口中选择多光谱影像,点击OK确定;Select Low Spatial Resolution Multi Band Input File对话框5.在Select High Spatial Resolution Pan Input Band 对话框中选择高分辨率的影像波段,点击OK确认;Select High Spatial Resolution Pan Input Band 对话框6.在Gram-Schmidt Spectral Sharpen Parameters 中设置融合的参数,Resampling中选择重采样的模型,Choose中选择存储的文件路径和文件名;。
ENVI中影像镶嵌的方法ENVI是一种用于处理和分析遥感数据的软件工具。
它提供了许多方法和功能,可以对影像进行镶嵌,以生成一幅无缝的图像。
影像镶嵌是将多个部分影像组合在一起,形成一幅完整的影像的过程。
在ENVI中,可以使用不同的技术来进行影像镶嵌,包括基于特征的匹配、基于掩码的镶嵌和基于影像分块的镶嵌。
其中一种常用的方法是基于特征的匹配。
该方法将多个部分影像中的特征进行匹配,以确定它们在空间上的对应关系。
特征可以是像素的灰度值、边缘、纹理等。
首先,需要选择一个参考影像,该影像通常是质量较高的影像,然后在其他影像中提取相应的特征。
在ENVI中,可以使用不同的工具和算法来提取和匹配特征。
一旦特征匹配完成,便可以使用投影变换或图像配准算法将影像对齐。
最后,使用图像融合算法将对齐的影像进行合并,生成一幅无缝的图像。
另一种常用的方法是基于掩码的镶嵌。
该方法通过使用预先创建的掩码来确定影像间的对应关系。
掩码是一个二进制图像,其中非零值表示中要保留的像素,而零值表示要丢弃的像素。
首先,需要创建一个掩码,用于指定要保留或丢弃的像素区域。
然后,在ENVI中使用掩码进行影像配准和镶嵌。
掩码可用于去除重叠区域中的不需要的像素,或将多个像素合并为一个像素,以防止重叠区域中的像素重复。
最后,使用图像融合算法将处理后的影像合并为一幅无缝的图像。
另一种常用的方法是基于影像分块的镶嵌。
该方法将影像划分为多个块,对每个块进行独立的处理和镶嵌。
首先,需要选择一个参考影像,并将其划分为块。
然后,将其他影像划分为相同的块,并将每个块与参考影像中的相应块进行配准和镶嵌。
最后,将所有块的结果合并为一幅无缝的图像。
基于影像分块的镶嵌方法适用于处理大尺寸的影像,可以提高处理效率和计算速度。
除了以上提到的方法,ENVI还提供了其他一些影像镶嵌方法,如基于正规化植被指数(NDVI)的镶嵌、基于多波段融合的镶嵌等。
这些方法使用不同的技术和算法,旨在解决不同的镶嵌问题和需求。
ENVI实习一实验目的(1)主要学习ENVI软件的基本功能(2)ENVI 软件完成影像增强(包括直方图匹配和去云)、融合、正射校正和监督、非监督分类四个大方面的试验。
(3)掌握视窗操作模块的功能和操作技能二软件和设备ENVI4.5一套三实验原理各个任务的试验原理和操作详细见下面操作,再次不详述。
一、图像增强(算法、原理、对比图)1、直方图匹配在ENVI 中使用Histogram Matching 工具可以自动地把一幅实现图像的直方图匹配到另一幅上,从而使两幅图像的亮度分布尽可能地接近。
使用该功能以后,在该功能被启动的窗口内,输入直方图将发生变化,以与所选图像显示窗口的当前输出直方图相匹配。
在灰阶和彩色图像上,都可以使用该功能。
操作步骤:选择Enhance > Histogram Matching,出现Histogram Matching Input parameters 对话框,在Match To中选择想匹配的图像。
在Input Histogram 会有Image、Scroll、Zoom、Band、、ROI来选择如数直方图的来源,下图为输入图像数据及其所用的拉伸(直方图匹配之前):下图为Match To 想匹配的图像及其拉伸:利用直方图匹配后图像2的直方图结果:从结果可以看出,匹配后的图像在亮度上已经明显增强,从偏暗增强为较亮;其直方图与#1中的图像直方图在亮度上分布也很接近。
2、图像去云常规的云处理算法会随云的覆盖类型的不同而不同,对在大范围内存在薄云的影像来说,采用同态滤波法较好。
同态滤波法把频率过滤与灰度变化结合起来,分离云与背景地物,最终从影像中去除云的影响,这种方法由于涉及到滤波器以及截至频率的选择,在滤波的过程中有时会导致一些有用信息的丢失。
对于局部有云的影像来说,一般使用时间平均法,这种算法适用于地物特征随时间变化较小的地区,如荒漠、戈壁等地区;对于植被覆盖茂密的地区,由于植被的长势与时间有密切的关系,不同时相的植被长势在影像中有明显的区别,这种简单的替代算法不再适用。
ENVI FX操作说明ENVI FX的操作可分为两个部分:发现对象(Find Object)和特征提取(Extract features),如图1所示。
图1 FX操作流程示意图(红色字体为可选项)1、准备工作根据数据源和特征提取类型等情况,可以有选择的对数据做一些预处理工作。
●空间分辨率的调整如果您的数据空间分辨率非常高,覆盖范围非常大,而提取的特征地物面积较大(如云、大片林地等)。
可以降低分辨率,提供精度和运算速度。
可利用ENVI主界面->Basic Tool->Resize Data工具实现。
●光谱分辨率的调整如果您处理的是高光谱数据,可以将不用的波段除去。
可利用ENVI主界面->Basic Tool->layer stacking工具实现。
●多源数据组合当您有其他辅助数据时候,可以将这些数据和待处理数据组合成新的多波段数据文件,这些辅助数据可以是DEM, lidar 影像, 和SAR 影像。
当计算对象属性时候,会生成这些辅助数据的属性信息,可以提高信息提取精度。
可利用ENVI主界面->Basic Tool->layer stacking工具实现。
●空间滤波如果您的数据包含一些噪声,可以选择ENVI的滤波功能做一些预处理。
2、发现对象(一)打开数据在ENVI Zoom中打开Processing > Feature Extraction。
如图2所示,Base Image 必须要选择,辅助数据(Ancillary Data)和掩膜文件(Mask File)是可选。
这里选择ENVI 自带数据envidata\feature_extraction \ qb_colorado,它是0.6米的快鸟数据,作为Base Image特征提取数据,不增加辅助数据和掩膜文件。
图2 选择数据(二)影像分割FX根据临近像素亮度、纹理、颜色等对影像进行分割,它使用了一种基于边缘的分割算法,这种算法计算很快,并且只需一个输入参数,就能产生多尺度分割结果。
ENVI中掩膜掩膜操作及影像分类教程ENVI中掩膜掩膜操作及影像分类教程(转)上⼀篇 / 下⼀篇2008-11-25 15:41:31 / 个⼈分类:收藏查看( 179 ) / 评论( 0 ) / 评分( 0 / 0 )Arcview中添加影像并根据需要建⽴裁剪区,命名为>ENVI中打开被裁剪影像,如TMband432,-->vector--open vector file--->选择, load selected--->masking--build mask--->options--inport ENFs--选择继续操作保存为⽂件或保存于缓存中----> apply mask---选择TMband432并设置spatial subset中的ROI/ENF,select mask band及裁剪波段的选择--保存裁剪后的影像.监督与⾮监督分类结合的影像分类⽅法:以2004年的Aster影像为例,软件采⽤Erdas,步骤如下:1) 对Aster2004band432进⾏⾮监督分类⽣成(60类,迭代20次,其他默认),同时⽣成摸板⽂件 ;2) 对进⾏类合并操作,⽣成摸板⽂件;3) 进⾏监督分类时的样区选择并加⼊到中,⽣成分类摸板,同时进⾏分类后合并,⽣成监督分类摸板,并进⾏监督分类⽣成分类后⽂件;4) 对进⾏分类重编码,⽣成C;5) 对进⾏club操作⽣成;6) 对进⾏elimite操作⽣成,其中的x 为聚类参数.操作过程中的具体操作见下图,但愿对需要的⼈有所帮助:数据:⽮量数据为SHP格式,⾯状(多边形)特征⽂件。
栅格数据为TIFF格式。
1、打开栅格数据:通过 File -- Open Image或者File -- Open External File -- Generic Formats -- TIFF/GeoTIFF2、打开⽮量数据:通过 File -- Open Vector或者 Vector -- Open Vector,选择⽂件类型 Shapefile(*.shp) ,选择⽮量⽂件,注意在弹出的Import Vector Files Parameters 对话框选择正确的投影类型。
ENVI中掩膜掩膜操作及影像分类教程(转)ENVI中掩膜掩膜操作及影像分类教程(转)上⼀篇/ 下⼀篇 2008-11-25 15:41:31 / 个⼈分类:收藏查看( 179 ) / 评论( 0 ) / 评分( 0 / 0 )Arcview中添加影像并根据需要建⽴裁剪区,命名为caijian.shp--->ENVI中打开被裁剪影像,如TMband432,-->vector--open vector file--->选择caijian.shp, load selected--->masking--buildmask--->options--inport ENFs--选择caijian.shp---继续操作保存为⽂件或保存于缓存中----> apply mask---选择TMband432并设置spatial subset中的ROI/ENF,select mask band及裁剪波段的选择--保存裁剪后的影像.监督与⾮监督分类结合的影像分类⽅法:以2004年的Aster影像为例,软件采⽤Erdas,步骤如下:1) 对Aster2004band432进⾏⾮监督分类⽣成unsuclass2004band432.img(60类,迭代20次,其他默认),同时⽣成摸板⽂件unsuclass2004band432_sig1.img;2) 对unsuclass2004band432_sig1.img进⾏类合并操作,⽣成摸板⽂件unsuclass2004band432_reclssig.img;3) 进⾏监督分类时的样区选择并加⼊到unsuclass2004band432_reclssig.img中,⽣成分类摸板unsuclass2004band432_susig.img,同时进⾏分类后合并,⽣成监督分类摸板unsuclass2004band432_susig.img,并进⾏监督分类⽣成分类后⽂件suclass2004band432.img;4) 对suclass2004band432.img进⾏分类重编码,⽣成C;5) 对suclass2004band432.img进⾏club操作⽣成suclassband432_club.img;6) 对suclassband432_club.img进⾏elimite操作⽣成2004classband432_x.img,其中的x 为聚类参数. 操作过程中的具体操作见下图,但愿对需要的⼈有所帮助:数据:⽮量数据为SHP格式,⾯状(多边形)特征⽂件test.tif。
envi 波段合成## ENVI Band Combinations for Image Analysis.ENVI (Environment for Visualizing Images) is a powerful software package for processing and analyzing remote sensing data. Band combinations are a fundamental technique in remote sensing for creating new images that highlight specific features or information in the data. Here is a comprehensive guide to band combinations in ENVI:### ENVI Band Combinations: A Step-by-Step Guide.1. Load the imagery: Import the multispectral imagery into ENVI by clicking on "File" > "Open".2. Display the bands individually: Click on the "Display" tab and select the "Band" option from the "Display Order" dropdown menu. This will display the individual bands of the imagery in separate windows.3. Create a new band combination: Click on the "Band Math" tool in the "Toolbox" panel. This will open the "Band Math" dialog box.4. Specify the bands and operation: In the "Expression" field, enter the mathematical expression for the band combination. For example, to create a false-color composite using the red, green, and blue bands, enter:(Band_red Band_blue) / (Band_red + Band_blue)。
遥感图像分类遥感图像的分类就是通过对遥感图像中地物的光谱信息和空间信息进行分析,选择特征,将图像中每个象元按照某种规则或算法划分为不同的类别,然后获得遥感图像与实际地物的对应信息,从而实现遥感图像的分类。
一般的分类方法可分为两类:监督分类和非监督分类。
将多源数据应用于图像分类中,发展成基于专家知识的决策树分类。
一、监督分类监督分类(supervised),又称训练分类法,即用被确认的样本象元去识别其他未知象元的过程。
已经被确认类别的样本象元是指那些位于训练区的象元。
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样区的统计或其他信息,每个象元和训练样本作比较,按照不同规则将其划分到其最相似的样本类。
监督分类的算法主要有:平行算法、最小距离法、最大似然法等。
这里采用最大似然法作为监督分类的算法。
原理:最大似然法假设遥感图像的每个波段数据都是正态分布。
其基本思想是:地物类数据在空间中构成特定的点群;每一类的每一维数据都在自己的数轴上成正态分布,该类的多维数据就构成了一个多维正态分布;各类多维正态分布模型各有其分布特征。
根据各类已有的数据,可以构造出各类的多维正态分布模型,在此基础上,对于任何一个像素,可反过来求出它属于各类的概率,取最大概率对应的类为分类结果。
步奏:第一步:分析图像①打开图像,将图像以5、4、3波段合成RGB显示在#1中。
②通过目视分析,可以定义6类样本:水体、建筑、耕地、草地、荒地、其他。
第二步:选择训练样本①在主图像窗口选择Overlay-----Region of Interest,打开ROI Tool对话框。
②在ROI Tool对话框中设置相关样本的名称、颜色等。
③选择ROI_Type—Polygon,在window中选择image,在图像上绘制训练区。
④重复②、③步奏,最终完成以下结果:第三步:评价训练样本①在ROI Tool对话框中,选择Options——Compute ROI Separability,打开目标图像。
ENVI基本操作之影像镶嵌ENVI软件是一款由美国Exelis Visual Information Solutions公司开发的遥感图像处理软件,主要用于遥感数据的处理、分析和可视化。
在ENVI中,影像镶嵌(image mosaic)是一项基本操作,它可以将多幅遥感影像拼接在一起,形成连续、无缝的大范围影像。
本文将介绍ENVI中的影像镶嵌操作的基本步骤和注意事项。
首先,我们需要将要拼接的多幅影像导入到ENVI中。
打开ENVI软件后,点击主界面上的"File"菜单,选择"Open Image File(s)"选项。
在弹出的文件浏览窗口中,选择要拼接的影像文件,点击"Open"按钮导入。
导入影像之后,打开ENVI中的"Mosaic"工具。
点击主界面上的"Raster"菜单,选择"Mosaic"选项。
这将打开ENVI的影像镶嵌工具窗口。
在影像镶嵌工具窗口中,首先需要选择要拼接的影像文件。
点击"Input Rasters"按钮,在弹出的文件浏览窗口中选择要拼接的影像文件,并点击"Add"按钮将其添加到影像列表中。
可以重复此步骤,将所有要拼接的影像文件都添加到列表中。
在列表中,可以对影像文件进行排序、删除或者查看属性。
接下来,需要设置输出文件的参数。
点击"Output Raster"按钮,在弹出的文件浏览窗口中选择输出文件的保存位置和名称,并点击"Save"按钮保存。
在"Format"下拉菜单中选择输出文件的格式,如"ENVI"或者"TIFF"等。
还可以设置输出文件的数据类型、空间参考、投影坐标等参数,以满足特定的需求。
在影像镶嵌工具窗口的下方,可以调整拼接影像的像素大小和位置。
一. ENVI中根据任意多边形对影像进行裁剪ENVI中可以对影像进行多边形裁剪,但是要求多边形是面矢量文件,而且该多边形需和要裁剪的影像是配准的。
裁剪的方法是先将矢量转化成感兴趣区域(ROI),再利用(ROI)从影像中裁剪出感兴趣区域。
用ENVI4.7,以1:25万分幅矩形框对影像进行裁剪为例,具体操作如下:1)打开ENVI界面,在主菜单中打开影像,如图所示:2)在ENVI主菜单中打开多边形矢量文件,注意选择文件类型Shapefile(*shp), 如图所示:在弹出的对话框中选择正确的投影类型,投影之后的文件在弹出该对话框时会自动选择正确的投影,如下图,3)将多边形叠加到影像上在弹出的Availabel Vectors List对话框中选中矢量多边形图层,点击load selected按钮,Select Vectors Window选择已打开的影像窗口(Display #1),然后点击OK按钮,确保矢量多边形叠加到影像上。
(注意:所看到该多边形的边界是双线,这是为了使相邻图幅间能有一定的重叠而对原多边形做了缓冲之后形成的新多边形(前面打开的也是该新多边形),因缓冲区不形成多边形,所以不影响裁剪。
如果你不需要做缓冲,那直接用多边形就可以。
)4)将矢量多边形转为ROI,如下图:(注意:如果你只需要根据一个多边形框来裁剪,那么在Export EVF Layers to ROI对话框中选择Covert all records of an EVFlayer to a new ROI ,这样就可以通过击右键点ROI tool直接选择你所要裁剪的区域。
这里按照对一幅影像进行多个区域裁剪来进行介绍)步骤3)和4)也可变换顺序。
5)裁剪影像,如下图:(注意:上图Spatial Subset via ROI Para…对话框中,在Secelet Input ROIs中选择建立的ROI(小技巧:根据像元点数多少来选择ROI区域);Mask pixels outside of ROI ?选项选择Yes,此时ROI外围外的背景值自动默认是0。
基于ENVI的遥感图像分类方法研究比较(聊城大学环境与规划学院GIS专业2010级4班学号:2010203***)摘要基于监督分类方法在遥感图像分类中已经普遍应用,本文将介绍了几种ENVI 提供的常用的监督分类方法和ENVI EX提供的面向对象的分类方法。
对同一遥感图像运用这几种方法进行分类,并对分类结果进行对比,从而分析这几种方法分类精度之间的差异。
关键词遥感图像分类平行六面体最小距离法最大似然法面向对象第一章绪论1.1、研究的背景和意义随着遥感技术的发展,遥感已逐步成为采集地球数据及其变化信息的重要技术手段和重要的信息来源,并在世界范围内以及我国的许多政府部门、科研单位和公司得到广泛的应用。
由于不同领域遥感图像的应用对遥感图像处理提出了不同的要求,所以图像处理中重要的环节——图像分类也就显得尤为重要。
遥感图像通过亮度值或像元值的高低差异( 反映地物的光谱信息) 及空间变化( 反映地物的空间信息) 来表示不同地物的差异。
这是区分不同图像地物的物理基础。
遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析,选择特征,将图像中每个像元按照某种规则或算法划分为不同的类别,然后获得遥感图像中与实际地物的对应信息,从而实现遥感图像的分类。
目前随着各种新理论新方法的相继涌现,遥感图像存在多种分类方法,所以本文主要是选取几种常用的监督分类方法和ENVI EX提供的面向对象分类方法用实验结果表明它们之间存在的差异。
1.2、研究方法(1)、本文从遥感图像解译的基本原理出发,阐述了ENVI软件在遥感图像解译中使用的原理,并对其提供的方法进行了详细的解读。
(2)、详细叙述了ENVI EX提供的Feature Extraction工具即面向对象分类方法的使用。
(3)、根据得到的分类结果,采用混淆矩阵和kappa系数对分类结果进行精度评价。
从中得出一些结论,并对ENVI软件在遥感图像分类方法中提出可行性建议。
基于光谱的影像的分类可分为监督与非监督分类,这类分类方法适合于中低分辨率的数据,根据其原理有基于传统统计分析的、基于神经网络的、基于模式识别的等。
本专题以ENVI的监督与非监督分类的实际操作为例,介绍这两种分类方法的流程和相关知识。
有以下内容组成:∙监督分类∙非监督分类∙分类后处理监督分类监督分类: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,如图1所示:图1监督分类步骤1、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。
本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源,类别分为:林地、草地/灌木、耕地、裸地、沙地、其他六类。
2、样本选择为了建立分类函数,需要对每一类别选取一定数目的样本,在ENVI中是通过感兴趣区(ROIs)来确定,也可以将矢量文件转化为ROIs文件来获得,或者利用终端像元收集器(Endmember Collection)获得。
本例中使用ROIs方法,打开分类图像,在Display->Overlay->Region of Interest,默认ROIs为多边形,按照默认设置在影像上定义训练样本。
如图2所示,设置好颜色和类别名称(支持中文名称)。
ENVI下两个分类影像结果中同一类合并的方法
1. 原始分类,包括林地、耕地、草地、裸地、沙地和其他等6类;
2. 查看原始分类中裸地类代码为4;
3. 补充分类影像,包括裸地、沙地和其他等3类;
4. 查看补充分类中裸地类代码为1;
5. 首先对补充分类数据进行波段运算,生成0、1二值图,其中需
要合并的类为1,其他均为0;
波段运算表达式:(b1 EQ 1)*1 + (b1 NE 1)*0
其中(b1 EQ 1)的1是补充分类中的类代码。
6. 处理后的二值图
7. 对原始分类影像进行波段运算处理
b1 + b2*(4-b1):其中4是原始影像中待合并类代码。
8. 原始分类和补充分类处理后的影像
从影像显示和波段列表的图标中能看出来,处理后影像为普通栅格图,而不
是分类影像。
9. 对数据的头文件进行处理
处理结果影像头文件中的file type= ENVI Standard修改为ENVI Classification;
将原始分类影像头文件中的Classes、class lookup和class names复制到结果
影像头文件中
头文件内容对比
处理前后分类影像