envi面向对象原理，envi面向对象的分类方法

面向对象的土地退化信息提取方法

1、边界分类及优化 采用基于图像特征统计分类法进行了石漠化信息提取工作，该方法实现了石漠化遥感信息提取和成果图生成自动化，直接将分类结果转化为具有拓扑关系、带属性结构的矢量图，其准确性较高、后期编辑修改容易。

2、(三) 土地退化信息提取 在ENVI 软件中，将计算出的 6 个指标影像堆栈成一个具有 6 个波段的新影像文件，作为输入层。

3、采集和提取农田生物信息是为了了解和监测农田生态系统的健康状况，以便做出相应的管理和决策。下面是一种可能的方法：选择适当的采集工具：根据需要，选择合适的工具来采集农田生物信息。

4、( 一) 土地退化遥感地学认知 从广义上理解，认知包括感觉、知觉、表象、想象、记忆、思维，认知过程即信息的获得、编码、贮存、提取和使用过程。

相关问答

Q1: 有懂envi面向对象分类的吗

1、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。

2、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。在合并的基础上进行监督分类。这样的分类精度比较高，而且几乎不会有散点。看起来比较漂亮。

3、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。

Q2: 易康和ENVI中面向对象分类哪个比较好呢

1、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。

2、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。

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、有几个开源软件OSSIM opticks 、OTB 、openRS。那里有些热门软件还可以在线免费使用，不过可能人多要排下队。

Q3: 如何利用ENVI规则网格分割影像

启动ENVI。加载待裁剪影像和矢量数据：file/open。在右边Toolbox中，选择通过ROI进行图像裁剪的选项。双击，在弹出的面板中选择待裁剪图像。点击OK，在弹出的面板中选择矢量文件并设置输出文件的参数。

① 打开影像，点击basic tool 下的resize data，选择Spatial Subset。②之后进入下面的界面，四种方式来实现规则裁。③根据图像的行列号，来实现裁剪。④根据左上角和右下角的经纬度，来实现裁剪。

（8）在“＃ nDensity Slice”对话框中，点击【Apply】按钮，显示窗口上将绘制密度分割图，完成密度分割处理，如图8-2所示。

Q4: ENVI遥感影像处理软件

1、ENVI是一个完整的遥感图像处理平台，有些新用户不知道如何在电脑中安装该软件，接下来小编就给大家介绍一下具体的操作步骤。

2、envi打开灰度直方图，只需点击影像就可以。在三窗口的最大窗口菜单Enhance - Interactive stretching中，会弹出界面中会出现直方图。

3、ENVI、ErdasImagine。ENVI是专业的遥感图像处理和分析软件，拥有强大的图像处理和分析能力，支持2010的影像数据的读取和输出。ErdasImagine是用于遥感图像处理和分析的软件，可以读取2010的影像的遥感数据格式，并且进行处理。

4、ENVI遥感影像处理软件具有丰富完备的投影软件包，可支持各种投影类型。同时，ENVI还创造性地将一些高光谱数据处理方法用于多光谱影像处理，可更有效地进行知识分类、土地利用动态监测。

5、常用的遥感图像处理软件有：ERDAS、PCI、ENVI等。各软件的特点如下：ERDAS：ERDAS是一款遥感图像处理系统软件。

6、envi软件提供了遥感影像的去条带处理工具，可消除周期性的扫描行条带。具体步骤：打开需要处理的遥感影像，打开处理工具。选择需要处理的文件。输入条带出现的周期，及输出设置。

Q5: 易康和ENVI中面向对象分类哪个比较好

1、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。

2、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。

3、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。

4、没有什么优劣之分，ENVI小巧灵活，运行快，ERDAS比较专业，很多专业人士习惯使用，实际效果其实差不多。erdas与envi的区别表现在：数据格式、结构与功能排列、特点不同、二次开发。

envi面向对象原理的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于envi面向对象的分类方法、envi面向对象原理的信息别忘了在本站进行查找喔。