envi53面向对象分类，envi类别定义

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

envi竹林分类适合用哪种方法

竹林分类主要是根据植被波普特性，用的比较多的算法比如，比值植被指数、归一化植被指数等，主要利用植被在红光波段和近红外波段的反射特性，分类的话就在ENVI软件中做波段运算就就可以了。

选择适当的遥感图像：选择包含目标植物的遥感图像，例如卫星图像或高分辨率航空图像。这些图像可以提供植物的形态、颜色和纹理等重要信息。数据预处理：在进行数据分析之前，需要预处理遥感图像。

在 class1图标上右键，选择Add Children。单击节点标识符，打开节点属性窗口， Name为Slope20，在 Expression 中填写：{Slope} lt 20。

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。

envi 中几种分类方法的参数设置方法如下：平行六面体(1)在主菜单中，选择Classification-Supervised-Parallelpiped，在文件输入对话框中选择TM分类影像，单击OK按钮打开Parallelpiped参数设置面板。

Q1: 如何利用envi进行基于专家知识决策树分类

1、envi 中几种分类方法的参数设置方法如下：平行六面体(1)在主菜单中，选择Classification-Supervised-Parallelpiped，在文件输入对话框中选择TM分类影像，单击OK按钮打开Parallelpiped参数设置面板。

2、ENVI里的决策树分类，是每一个节点输入一个公式，该公式返回两个值1（是）和0（不是），当然可以用自己定义的其他指标进行分类。只要在节点输入你需要的表达式就可以。

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、build new decision tree，在每一个节点中输入公式（语法同band math中），右键add children可以加子节点，选好每个波段，最后execute就好了。。

5、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。

Q2: 有懂envi面向对象分类的吗

在ENVI的监督分类步骤很简单：第一步：首先打开需要进行监督分类的影像数据，选择不同的波段进行彩色合成，这里尽可能的选择信息量最丰富的波段来进行合成。波段选择可以通过计算不同波段之间的相关系数来分析其相关性。

精度比较差分类方法除了大家常用的最大距离、支持向量机、人工神经网络等。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。

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中非监督分类的两种分类方法的参数设置，监督分类的最小距离分类，最大似然分类。决策树分类的参数设置。第一次用ENVI参数不知道什么设置。谢谢！... ENVI中非监督分类的两种分类方法的参数设置，监督分类的最小距离分类，最大似然分类。

Q3: 怎样利用ENVI进行有监督的分类

1、根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。

2、要进行线性分类，键入值为0。没有隐藏层，不同的输入区域必须与一个单独的超平面线性分离。要进行非线性分类，输入值应该大于或等于1，当输入的区域并非线性分离或需要两个超平面才能区分类别时，必须拥有至少一个隐藏层才能解决这个问题。

3、选择保存文件类型和位置，保存结果。ENVI监督分类图像分割，打开ENVI并加载栅格图像，在Toolbox工具栏找到Example Based Feature Extraction Wokflow，双击打开进行编辑设置和保存。

Q4: 易康和ENVI中面向对象分类哪个比较好呢

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。

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。

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。

Q5: envi监督分类步骤

详细操作步骤第一步：类别定义/特征判别根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。

单击节点标识符，打开节点属性窗口， Name为Slope20，在 Expression 中填写：{Slope} lt 20。

(1)在ENVI主菜单栏中选择“ClassificantionSupervisedNeural Net”，在分类输入文件对话框中选择待分类遥感影像，打开“Neural Net Parameters”对话框，如图17-7所示。

关于envi53面向对象分类和envi类别定义的介绍到此就结束了，不知道你从中找到你需要的信息了吗？如果你还想了解更多这方面的信息，记得收藏关注本站。