实验1:使用isodata法分类
目的:学会使用isodata法开展非监督分类
过程:
①导入影像:打开ENVI,按照“文件→打开为→光学传感器→ESA→Sentinel-2”的顺序,打开实验1下载的哨兵2号数据。
图1
②区域裁剪:在影像中寻找区域,该区域需要包含水体、建筑、植被等地物类型,利用roi工具绘制感兴趣区域,按照“文件→另存为→另存为ENVI→空间裁剪→保存”顺序,对区域进行裁剪。
图2
图3
③图像分类:选择“图像分类”工具,下拉找到“非监督分类”,找到“IsoData”方法打开,选择裁剪好的影像,点击确定,在参数设置窗口将最大迭代次数改为10,设置输出参数,进行输出。
图4
图5
结果:
图6为运用Isodata分类方法展开的分类结果,从图中可以看出,该分类方法将地物分成了11类,分类效果较差,有待后续的矫正。
图6
实验2:使用K-Means法分类
目的:学会使用K-Means法开展非监督分类
过程:
①影像加载:采用实验1的方法加载裁剪后影像。
②图像分类:选择“图像分类”工具,下拉找到“非监督分类”,找到“K-Means”方法打开,选择裁剪好的影像,点击确定,设置输出参数,进行输出。
图8
图9
结果:
图10为运用K-Means方法开展非监督分类的结果,相较于第一种分类方法,该分类方法将整体的分类结果分成6类,从图像质量来看,仍然需要进行重新分类。
图10
实验3:进行分类后处理
目的:学会分类后处理流程
过程:
①地物初步归类:基于K-Means分类影像,通过与原图像比较,判断所分的类别中有哪些能够归为一类,经初步判断,Class1代表水体,Class2与Class4代表建筑,Class3代表道路,Class5代表农田。
②分类合并:打开“图像分类”工具,找到“分类合并”工具,选择分类影像,在合并窗口中,按照“Class1→Class1,Class2→Class2,Class3→Class3,CLass4→Class2,Class5→Class5”的规则进行分类合并。
图11
图12
③主次分析:打开“图像分类”工具,找到“主要/次要分析”工具,选择“分类合并”影像,点击确定。在参数设置窗口中,将五类选中,设置输出结果路径,得到经过主次分析的结果。
图13
图14
结果:
图15展示的为分类后处理的对比结果,从左到右依次为K-Means分类结果,分类合并结果,主成分分析结果。
图15