ENVI实战—一文搞定遥感图像的计算机解译

人工进行矢量化制图虽然可以达到相应的精度要求,但是在工作量大,内容繁琐,时间成本高,利用计算机帮助我们对各类图像进行解译是目前制图的趋势。

本文基于(ENVI和Arcgis)给出利用遥感图像制作某地土地利用图的详细步骤。

第一步,首先打开该地的.img图像文件,利用Band5,4,3合成RGB图像。

图片

第二步,右键 Layer Manger 框中的can_trm_img,在弹出的对话框中选择"New regions of interests"打开 ROI Tool对话框。开始定义训练样本。

图片

(1)选择ROI Name适当的名称以及配套的颜色。样本选择的区域个数以实际图像以及需要划分的类型有关。

(2)以相同的步骤对不同的土地类型选取样本。

(注意点,这里可能会出现软件闪退现象,建议输入沙地时,只输入“沙”即可,输水体时,只需要输入“水”即可,不知道原因,……个人操作是这样。)

第三步,评价训练样本

训练样本选择完成之后需要检查它的可靠性,ENVI中提供了一种算法,处理检查样本间的  可分离性。

(1)在ROI Tool对话框中 点击 OPtions--Compute ROI Separability

图片

点击 Select All Items 将所有的样本都选进,点击OK,可分离性将被计算,并显示在窗口中

图片

需要注意的是,可分性的参数规定在(0--2.0之间)

如果大于1.9,则说明样本可分性良好;如果小于1.8,则需要重新选择样本;

如果小于1.0.则考虑将这两个样本合并成为一种。

第四步  执行监督分类

检查训练区域的可分性后,可以进行监督分类,ENVI提供了多种分类方法,这里我们选择   “最小距离分类法”

1)(1) 在Toolbox 工具箱中,双击Classification/ Supervised Classification/ Minimum Dis-tance Classification 工具,在文件输入对话框中选择TM图像,单击OK按钮,打开Mini-mum Distance参数设置面板,如下图。

图片

选择底图文件,点击OK

图片

(2) Selectt Classes from Region 单击Select AIl Items按钮,选择全部的训练样本。(3) Set Max stdev fom Mean设置标准差阀值,有3种类型:①None不设置标准

差阈值;❷Single Value: 为所有类别设置一个标准 差阈值;③Muliple Valus:分别为每一一个类别设置一一个标准差阈值。选择Single Value,值为4。

(4) Set Max Distance Error:设置最大距离误差,以DN值方式输入一一个值,距离大于该值的像元不被分入该类(如果不满足所有类别的最大距离误差,它们就会被归为未分类类( unclassifed))。有3种类型,这里选择“None"。

(5)单击Preview选项,可以在右边窗口中预览分类结果,单击Change View 按钮可以改变预览区域。

(6)选择分类结果的输出路径及文件名。

(7)设置Output Rule Images选项为“Yes”,选择规则图像输出路径及文件名。

(8)单击OK按钮、执行分类。

图片

图片

得到结果如上图。

再将ENVI中得到的结果,在Arcgis 中打开制作该地的土地利用类型图,

图片

  1. 增加底图,增加坐标信息

  2. 调整符号系统,包括颜色和名称,

  3. 出图(比例尺  指北针  图例  制图时间等等)

    最后结果如图

    ……………………华丽分割线

好啦,今天的分享到这里就结束啦,希望对大家学习遥感图像的计算机解译有帮助,谢谢大家支持!更多内容,欢迎关注小编的公众号,梧桐GIS哦,在这里,我们将和你一起交流地学制图的那些事!!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/5422.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

分享一份物联网 SAAS 平台架构设计

一、架构图**** 二、Nginx**** 用于做服务的反向代理。 三、网关**** PaaS平台所有服务统一入口,包含token鉴权功能。 四、开放平台**** 对第三方平台开放的服务入口。 五、MQTT**** MQTT用于设备消息通信、内部服务消息通信。 六、Netty**** Socket通信设…

有货源和分销单品爆款玩法课

该课程专注于教授如何利用有货源和分销渠道,打造单品爆款销售策略。学员将学习货源获取、产品定位、市场推广等关键技巧,通过实战案例和实操训练,掌握成功销售单品爆款的方法,提升销售业绩和市场竞争力。 课程大小:6.…

服务器部署开源大模型完整教程 Ollama+Llama3+open-webui

前言 最近大语言模型大火,正好最近打比赛可能会用得上LLMs,今天就在学校的服务器上面进行一次部署。这样之后就可以直接在内网里面使用学校的LLMs了。 介绍 Ollama:一款可以让你在本地快速搭建大模型的工具 官网:https://olla…

JavaScript ES6 全新的Set、Map数据结构

JavaScript ES6 全新的Set、Map数据结构 Map、Set都是ES6新的数据结构, 都是新的内置构造函数, 也就是说typeof的结果, 多了两个: Set 是不能重复的数组, 但不能[某一项来枚举出来] Map 是可以任何东西当做键的对象 set()数据结构 ES6 提供了新的数据结构 Set。…

Visual studio 2019 编程控制CH341A芯片的USB设备

1、硬件 买了个USB可转IIC、或SPI、或UART的设备,主芯片是CH341A 主要说明USB转SPI的应用,绿色跳线帽选择IIC&SPI,用到CS0、SCK、MOSI、MISO这4个引脚 2、软件 2.1、下载CH341A的驱动 点CH341A官网https://www.wch.cn/downloads/CH34…

202012青少年软件编程(Python)等级考试试卷(一级)(2)

第 1 题 【单选题】 执行语句 print(1010.0)的结果为?( ) A :10 B :10.0 C :True D :False 正确答案:C 试题解析: 第 2 题 【单选题】 Turtle 库中, 画笔绘制的速度范围为?( ) A :任意…

快速入门Pandas和NumPy数据分析

大家好,从商业智能到科学研究,数据分析在许多领域中都是一项重要技能。Python因其可读性强和强大的库生态系统而成为最受欢迎的数据分析语言之一,Pandas和NumPy是重要的基础工具,适用于任何想要分析和解释数据的人。本文将探讨如何…

Element-UI快速入门

Element-UI 是一个基于 Vue.js 的高质量 UI 组件库,专为开发者提供了一套完整的解决方案,以便他们能够更加快速、方便地构建出美观、交互性强的网页应用。无论你是前端新手,还是资深开发者,通过 Element-UI,你都能显著…

C++11:shared_ptr循环引用问题

一、shared_ptr的弊端 struct Listnode {int _val;std::shared_ptr<Listnode> _prev;std::shared_ptr<Listnode> _next;Listnode(int val ):_val(val),_prev(nullptr),_next(nullptr){}~Listnode(){cout << "~Listnode()" << endl;} }; in…

翻译《The Old New Thing》 - How do I cover the taskbar with a fullscreen window?

How do I cover the taskbar with a fullscreen window? - The Old New Thing (microsoft.com)https://devblogs.microsoft.com/oldnewthing/20050505-04/?p35703 Raymond Chen 2005年5月5日 如何用全屏窗口覆盖任务栏&#xff1f; 很多时候&#xff0c;人们总是想得太多。…

2012NOIP普及组真题 1. 质因数分解

线上OJ&#xff1a; 一本通&#xff1a;http://ybt.ssoier.cn:8088/problem_show.php?pid1957 核心思想&#xff1a; 1、题中提到&#xff1a;n是两个不同的质数的乘积&#xff0c;求最大的质数。假设 n a ∗ b na*b na∗b&#xff0c;b为最大的质因数&#xff0c;则 a为n最…

Java高级开发者的面试问题及其答案

1. 在Java中&#xff0c;怎样理解并发与并行&#xff1f; 答案&#xff1a; 并发&#xff08;Concurrency&#xff09;和并行&#xff08;Parallelism&#xff09;是多线程编程的两个核心概念&#xff0c;它们在Java中有着重要的应用。 并发指的是多个任务能在重叠的时间段内…

使用 scikit-learn 进行机器学习的基本原理-2

介绍 scikit-learn 估计器对象 每个算法都通过“Estimator”对象在 scikit-learn 中公开。 例如&#xff0c;线性回归是&#xff1a;sklearn.linear_model.LinearRegression 估计器参数&#xff1a;估计器的所有参数都可以在实例化时设置&#xff1a; 拟合数据 让我们用 nump…

springboot整合mqtt实现android推送功能

1、mqtt服务器使用emqx EMQX: The Worlds #1 Open Source Distributed MQTT Broker 2、下载安装 下载地址&#xff1a; Download EMQX 选择系统&#xff0c;版本&#xff0c;安装方法 3、springboot连接mqtt服务方法&#xff1a; 引包&#xff1a; <dependency><…

[附源码]SpringBoot+Vue网盘项目_仿某度盘

视频演示 [附源码]SpringBootVue网盘项目_仿某度盘 功能介绍 支持秒传支持视频音频播放、拖拽进度条、倍速播放等支持图片预览&#xff0c;旋转&#xff0c;放大支持多人一起上传&#xff0c;共享上传进度&#xff08;例如a上传苍老师学习资料到50%&#xff0c;突然b也上传苍老…

uniapp + uView动态表单校验

项目需求&#xff1a;动态循环表单&#xff0c;并实现动态表单校验 页面&#xff1a; <u--form label-position"top" :model"tmForm" ref"tmForm" label-width"0px" :rulesrules><div v-for"(element, index) in tmForm…

Docker依旧没有过时

【A】Docker 是一种开源的容器化平台&#xff0c;它允许开发人员将应用程序及其所有依赖项打包到一个统一的容器中&#xff0c;并在不同环境中进行部署和运行。以下是 Docker 的一些基本概念和优势&#xff1a; 容器&#xff1a;Docker 使用容器来隔离应用程序和其依赖项&#…

【信息系统项目管理师知识点速记】范围管理:确认范围

9.7 确认范围 确认范围是正式验收已完成的项目可交付成果的过程。其主要作用是使验收过程具有客观性,通过确认每个可交付成果来提高最终产品、服务或成果获得验收的可能性。确认范围过程应根据需要在整个项目期间定期开展。 1. 确认范围的步骤 确认范围应贯穿项目始终。一般…

低功耗数字IC后端设计实现典型案例| UPF Flow如何避免工具乱用Always On Buffer?

下图所示为咱们社区低功耗四核A7 Top Hierarchical Flow后端训练营中的一个案例&#xff0c;设计中存在若干个Power Domain&#xff0c;其中Power Domain2(简称PD2)为default Top Domain&#xff0c;Power Domain1&#xff08;简称PD1&#xff09;为一个需要power off的domain&…

mac/windows下安装docker,minikube

1、安装docker Get Started | Docker 下载安装docker 就行 启动后&#xff0c;就可以正常操作docker了 使用docker -v 验证是否成功就行 2、安装minikube&#xff0c;是基于docker-desktop的 2.1、点击设置 2.2、选中安装&#xff0c;这个可能需要一点时间 这样安装后&…