高光譜遙感影象處理(14)-----ENVI使用教程之監督分類與非監督分類
監督分類:又稱訓練分類法,用被確認類別的樣本像元去識別其他未知類別像元的過程。它是在分類之前通過目視判讀和野外調查,對遙感影象上某些樣區中影像地物的類別屬性有了先驗知識,對每一種類別選取一定數量的訓練樣本,計算機計算每種訓練樣區的統計或其他資訊,同時用這些種子類別對判決函式進行訓練,使其符合於對各種子類別分類的要求, 隨後用訓練好的判決函式去對其他待分資料進行分類。
1.1開啟並顯示影像檔案,選擇合適的波段組合載入影像
開啟並顯示TM影像檔案,從 ENVI 主選單中,選擇File →OpenImage File選擇影像,為了更好地區分不同地物以及方便訓練樣本的選取,選擇任意三個波段(合成以後有利於分類的原則進行選擇)進行相關操作,點選Load Band 在主視窗載入影像。
1.2使用感興趣區(ROI)工具來選擇訓練樣區
1)主影像視窗選單欄中,選擇 Overlay >Region of Interest。出現ROI Tool對話方塊,
2)根據不同的地物光譜特徵,在影象上畫出包含該類地物的若干多邊形區域,建立相應的感興趣區域,輸入對應的地物名稱,更改感興趣區對應的顯示色彩。
1.3選擇分類方法進行分類
1)主選單中,選擇Classification>Supervised,在對應的選項選單中選擇分類方法,對影像進行分類。以最小距離法(MinimumDistance)為例進行說明。選擇Minimum Distance選項,出現Classification Input File對話方塊,在該對話方塊中選擇待分類影象。
非監督分類:也稱為聚類分析或點群分類。在多光譜影象中搜尋、定義其自然相似光譜叢集的過程。它不必對影像地物獲取先驗知識,僅依靠影像上不同類地物光譜(或紋理) 資訊進行特徵提取,再統計特徵的差別來達到分類的目的,最後對已分出的各個類別的實際屬性進行確認。目前比較常見也較為成熟的是ISODATA、K-Mean和鏈狀方法等。
1)主選單中 , 選擇 Classincation>Unsupervised>K-Means。在ClassificationInput File對話方塊中選擇待分類影像檔案。
2)在K-Means Parameters對話方塊中定義相關引數,其中,可定義引數有:分類類別數,像元變化閾值,用於分類的最多迭代次數以及可選的距離閾值。
選擇結果輸出位置,點選OK完成分類。
相關推薦
高光譜遙感影象處理(14)-----ENVI使用教程之監督分類與非監督分類
監督分類:又稱訓練分類法,用被確認類別的樣本像元去識別其他未知類別像元的過程。它是在分類之前通過目視判讀和野外調查,對遙感影象上某些樣區中影像地物的類別屬性有了先驗知識,對每一種類別選取一定
高光譜遙感影象處理(12)----ENVI使用教程之波段比與波段運算
一、波段比 波段比又稱比值增強(ratio enhancement)。是計算同一幅影象不同波段間相應像元的像元值之比的影象增強方法。 比值增強的主要作用有:可增強地
C/C++ 影象處理(14)------影象の輪廓填充
所謂影象的輪廓填充,是建立在影象的輪廓已然查詢完成的情況下的,以下面影象為例: 我們首先需要查詢到影象中的圓形和正方形的幾個輪廓,之後才能對這些輪廓進行處理(查詢的過程我們用到OpenCV的findContours函式)。 在得到輪廓之後,難點就轉變為如
C/C++ 影象處理(15)------DXF檔案の讀取、繪圖與顯示
關於DXF檔案的讀取自幾年前做專案的時候就用到了,不過當時是另外一個朋友負責的就沒在意,直至最近的專案又要用到方才自己動手去弄。 因為幾年前專案的程式碼還在,因此看了下發現之前朋友是用dxflib開源庫實現的,因此也用了同樣的庫。 上網一查發現資料相當少,因
影象處理(三)——高斯濾波
一、高斯濾波 高斯濾波是一種線性平滑濾波,適用於消除高斯噪聲,廣泛應用於影象處理的減噪過程。通俗的講,高斯濾波就是對整幅影象進行加權平均的過程,每一個畫素點的值,都由其本身和鄰域內的其他畫素值經過加權平均後得到。 實現影象的高斯濾波: 通過調整高斯函式的
c語言數字影象處理(六):二維離散傅立葉變換
基礎知識 複數表示 C = R + jI 極座標:C = |C|(cosθ + jsinθ) 尤拉公式:C = |C|ejθ 有關更多的時域與複頻域的知識可以學習複變函式與積分變換,本篇文章只給出DFT公式,性質,以及實現方法 二維離散傅立葉變換(DFT) 其中f(x,y)為原影象,F(u,
Python程式設計 簡單的影象處理(1)
Python程式設計 簡單的影象處理(1) 1.寫個濾鏡 照片照的好,不如濾鏡用得好!一款好的濾鏡軟體可以讓照片呈現不一樣的風格乃至風情,修理照片需要揚長避短達到最佳效果。可是濾鏡款式千百種,卻沒有一款專門為你設計??不如自己來寫個濾鏡吧! 1.先上一張圖: 藉助Python的兩個
Python程式設計 簡單的影象處理(2)
有關中醫舌像的簡單分析 黑白圖的應用十分廣泛,它是深度學習影象處理的基礎,是影象分割、影象拼接、影象紋理分析等等技術的組成部分,較常見的應用在於X線圖片、CT圖片、MRI圖片、B超圖片、電鏡圖片等醫學領域。 在傳統醫學的“望聞問切”四診中,望診作為疾病視覺資訊的診察手段被譽為“四診之首”,舌
影象處理(八)——霍夫變換
霍夫變換是一種特徵檢測(feature extraction),被廣泛應用在影象分析(image analysis)、電腦視覺(computer vision)以及數位影像處理(digital image processing)。 霍夫變換是用來辨別找出物件中的特徵,例如:線條。
影象處理(七)——Canny邊緣檢測
Canny邊緣檢測運算元是John F. Canny於 1986 年開發出來的一個多級邊緣檢測演算法。更為重要的是 Canny 創立了邊緣檢測計算理論(Computational theory of edge detection)解釋這項技術如何工作。 通常情況下邊緣檢測的目的是
影象處理(六)——距離變換
影象的距離變換實現了畫素與影象區域的距離變換,使得最後生成的影象在該自己元素位置處的畫素為0,臨近的背景的畫素具有較小的值,且隨著距離的增大它的的數值也就越大。 對於距離影象來說,影象中的每個畫素的灰度值為該畫素與距離其最近的背景畫素間的距離,也就是說,給每個畫素賦值為離它最近的
影象處理(五)——連通域
連通區域(Connected Component)一般是指影象中具有相同畫素值且位置相鄰的前景畫素點組成的影象區域(Region,Blob)。連通區域分析(Connected Component Analysis,Connected Component Labeling)是指將影
影象處理(四)——快速均值濾波(MATLAB實現)
均值濾波是典型的線性濾波演算法,它是指在影象上對目標畫素給一個模板,該模板包括了其周圍的臨近畫素(以目標畫素為中心的周圍8個畫素,構成一個濾波模板,即去掉目標畫素本身),再用模板中的全體畫素的平均值來代替原來畫素值。 快速均值濾波要求: 在這裡就要先解釋一下積分圖
影象處理(二)——影象仿射變換
這次實驗是要設計一個可以讓圖形進行繞任意中心任意角度旋轉的函式WarpAffine,其核心大概就是使用雙線性差值進行重取樣。 在數學上,雙線性插值是有兩個變數的插值函式的線性插值擴充套件,其核心思想是在兩個方向分別進行一次線性插值。 在程式碼中實現雙線性插值要注意原影象和目標影象的原
影象處理(1)——對比度和亮度調整
1.內容 設計一個Sigmoid函式,實現對影象的對比度調整; 使用opencv視窗系統的slider控制元件,互動改變Sigmoid函式的引數,實現不同程度的對比度調整; 2.方法 一次函式方法 想要調整圖片的對比度,就要對圖片中的畫素進行操作,改變畫素的值來
使用 matlab 數字影象處理(九)—— 去卷積(deconvolution,逆濾波復原)
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
python+gdal+遙感影象拼接(mosaic)
python+gdal+遙感影象拼接(mosaic) 作為攝影測量與遙感的從業者,筆者最近開始深入研究gdal,為工作打基礎!個人覺得gdal也是沒有什麼技術含量,呼叫別人的api。但是想想這也是演算法應用的一個技能,多學無害! 關於遙感影象的鑲嵌,主要分為6大步驟
android影象處理(3)浮雕效果
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
android影象處理(3)底片效果
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
c語言數字影象處理(九):邊緣檢測
背景知識 邊緣畫素是影象中灰度突變的畫素,而邊緣是連線邊緣畫素的集合。邊緣檢測是設計用來檢測邊緣畫素的區域性影象處理方法。 孤立點檢測 使用<https://www.cnblogs.com/GoldBeetle/p/9744625.html>中介紹的拉普拉斯運算元 輸出影象為 卷積模