envi面向对象分类卡，envi面向对象分类教程

有懂envi面向对象分类的吗

直接打开ENVI的相关窗口，在Insert那里点击Legend进行跳转。下一步弹出新的对话框，需要根据实际情况编辑其中的对象。这个时候如果没问题，就继续设置土地利用分类图的参数并确定制作。

易康用的人没ENVI多，但在面向对象分类这边个人感觉更加专业些，但是ENVI比较常用，可以通过二次开发增加分类功能、改善分类精度。

（ENVI提供了多种监督分类方法，不同方法的参数设置不同，而且最终的分类效果也会有所不同。）每一种分类方法都有特定的参数对话框，所用的分类方法显示在对话框的标题中。

默认显示一个节点和两个类别；首先按照 NDVI 来区分植被与非植被。

【嵌牛导读】：对于ENVI监督分类，是每一个遥感从业者掌握的最基础的一个方法，但是完整的监督分类流程和精度评价，估计往往认识不够，所以以下的分享还是有点意义。

前一个没用过，我用的是ENVI他有个缺点就是不同分类不能够给予他不同的最佳分割尺度，所以其实还是有一点缺陷的，不过你要是基本用的话已经足够了，要做面向对象方面研究的话还是不够。

envi中影像分类缺点

出现这个情况主要是这一类样本的样本点数量太少，解决方法是多选择样本点。

打开需要处理的遥感影像，使用工具查看坏道所在的行。在工具栏中打开遥感影像修复工具 选择需要修复坏道的影像 完成坏道行数输入，设置输入行数 选择输出路径及方式，坏道处理完成。

通过使用ENVI的六种主要的遥感监督分类器——平行六面体分类、最小距离分类、马氏距离分类、最大似然分类、神经网络分类和支持向量机分类的命令，加深对遥感监督分类原理的理解，了解其技术实现过程，初步掌握其ENVI功能命令的基本使用操作。

完全不参加分类那很有难度，可能ENVI就没那功能，因为黑色部分也有像素值，只是全部为0；你可以在分类时设置阈值，或者在分类后再用边界截取你的研究区。

BIP：波段按像元交叉格式。BIL：波段按行交叉格式。各种可以互相转换 在ENVI中就可以实现转换，ENVI主菜单--basic tools--convert data(/BSQ/BIP/BIL)。遥感（remote sensing）是指非接触的，远距离的探测技术。

前一个没用过，我用的是ENVI他有个缺点就是不同分类不能够给予他不同的最佳分割尺度，所以其实还是有一点缺陷的，不过你要是基本用的话已经足够了，要做面向对象方面研究的话还是不够。

大家谈谈高分辨率(5米以下)遥感图像的分类的好方法

1、非监督分类最常用的统计方法是聚类分析，聚类分析是按照像元之间的相似程度来进行的一种多元统计分析方法。监督分类的缺点在于会有大量的像元没有分类。

2、但是由于QuickBird数据的空间分辨率很高，图像上地物景观的结构、形状、纹理和细节等信息都非常突出，而光谱分辨率不高，因此，在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构信息。

3、SPOT5图像。搭载有两个高分辨率几何装置，特点在于出色的星上存储能力使得数据的存储、记录、回放等等都得到了优化处理。气象卫星图像。目前较常用的有中国自己发射的气象卫星和美国气象卫星（NOAA）的图像。

4、传统的基于像素的遥感图像处理方法是基于遥感图像丰富的光谱信息和地面物体之间明显的光谱差异。

关于遥感分类方法

1、可见光遥感：应用比较广泛的一种遥感方式。对波长为0.4~0.7微米的可见光的遥感一般采用感光胶片(图像遥感)或光电探测器作为感测元件。可见光摄影遥感具有较高的地面分辨率，但只能在晴朗的白昼使用。

2、根据电磁辐射来源可以分为主动遥感和被动遥感。① 按遥感平台的高度分类：航天遥感、航空遥感和地面遥感。② 按所利用的电磁波的光谱段分类：可见光/反射红外遥感、热红外遥感、微波遥感三种类型。

3、常用的遥感数据的专题分类方法有多种，从分类判别决策方法的角度可以分为统计分类器、神经网络分类器、专家系统分类器等；从是否需要训练数据方面，又可以分为监督分类器和非监督分类器。

4、以下是几种常用的遥感图像分类方法： 最大似然分类(maximum likelihood classification) 最大似然分类是一种基于贝叶斯判别准则的非线性监督分类方法，需要知道已知的或确定的训练样区典型标准的先验概率P(wi)和条件概率密度函数P(wi，x)。

5、有影像方式遥感是指能够获得图像信息方式的遥感。根据其成像原理，可分为摄影方式遥感和非摄影方式遥感。一般说，摄影方式遥感是指用光学原理摄影成像的方法获得的图像信息的遥感，如使用多光谱摄影机进行的航空和航天遥感。

6、遥感图像的多时相分析就是在多个时段对同一地区进行重复探测，并利用不同时间发生的变化来判别地面条件。这种方法经常被用于监测土地利用的变化，例如城市边缘地区所发生的城市化进程。

如何利用ENVI4.5面向对象法导入SPOT在ERDAS中融合后的IMG图像

1、ENVI 可以直接打开img格式影像，但ENVI Zoom 现在还无法直接打开img格式影像，所以只有把img格式转换成ENVI格式。

2、图像明显有几个黑点，这几个黑点值肯定和白色部分值差异很大，做个掩膜把这几个黑点去掉就可以了。

3、按钮名用引号标明，对话框标题以大写字母开头。一些对话框内部有下拉菜单。每个下拉菜单下的选项通常在以该下拉菜单名为标题的一节中描述。

易康和ENVI中面向对象分类哪个比较好

1、前一个没用过，我用的是ENVI他有个缺点就是不同分类不能够给予他不同的最佳分割尺度，所以其实还是有一点缺陷的，不过你要是基本用的话已经足够了，要做面向对象方面研究的话还是不够。

2、ENVI上的分类方法比较多，包括平行管道法，最大似然法，马氏距离法、最小距离法、光谱角分类、神经网络分类法、支持向量机分类法、光谱信息分离法、二元编码法、ISODATA和K-mean法。

3、个人通过尝试发现使用“面向对象和基于专家系统的决策树分类”比较好用。特别是基于专家的分类树，如果研究区地形起伏较大，那么DEM可以充分发挥作用。

4、可以取得比较好的效果，尤其SVM是比较稳健的分类方法。比如ENVI中监督分类就有这两类分类方法。不过ENVI中的神经网络似乎有点问题，不太容易收敛。另一类方法则是一楼提到的面向对象的分类方法。首先将同质区域进行分割、合并。

5、此外背景信息在影像分析中很重要，举例来说，城市绿地与某些湿地在光谱信息上十分相似，在面向对象的影像分析中只要明确城市绿地的背景为城市地区，就可以轻松地区分绿地与湿地，而在基于像元的分类中这种背景信息几乎不可利用。

6、空间连续性不太好的可以使用 聚类处理解决了这个问题。

envi面向对象分类卡的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于envi面向对象分类教程、envi面向对象分类卡的信息别忘了在本站进行查找喔。