ENVI遥感图像处理中几种监督分类方法的比较

遥感图像通过像元值的差异反映地物的光谱信息及空间变化原理来表示地物差异[1],为提取各类信息,图像分类尤为重要[2]。在遥感图像数据分类处理过程中,监督分类是普遍适用的一种分类方法[3]。为了评价几种监督分类的优势与缺点,主要选用SPOT5图像数据进行试验,介绍了监督分类中平行六面体、最小距离以及最大似然3种分类方法[4]。通过定义训练样本、训练样本评价、执行监督分类、分类结果评价等步骤[5],得出最大似然分类法的总体分类精度最高,制图精度和用户精度都很高,漏分误差和错分误差较低,而且计算时间较短,相对于另外两种分类方法更有应用优势。

ENVI遥感图像监督分类方法比较

鉴于遥感监督分类方法的普遍应用,本文介绍了五种常用的监督分类方法:平行六面体法、最小距离法、马氏距离法、最大似然法和人工神经网络分类法。就同一地区TM影像应用这五种方法进行了土地利用分类,对比分析了这五种方法的分类精度,发现人工神经网络对土地覆盖与利用的分类精度高于最大似然法,最大似然法分类精度优于平行六面体法、最小距离法和马氏距离法。所得结论对有关遥感图像分类工作具有指导和借鉴意义。

红碱淖流域遥感影像地物分类

遥感图像数据已逐步发展成为进行数字地球研究最直接的底层数据之一。其中,遥感影像的地物分类过程是一个有着广阔前景的重要研究方向。文章将采用监督分类等方法对红碱淖流域的遥感影像进行地物分类。