遥感分类不让背景参与分类
来源:学生作业帮助网 编辑:作业帮 时间:2024/09/20 06:27:10
非监督分类,根据选择的参数,即分类个数,将像素多维值根据空间距离进行分堆.所用特征为多维值,即像素在各个图层的DN值.
打开ENVI,如果要进行非监督分类,在主菜单上选classification-〉unsupervised然后再选择非监督分类的方法,ISOdata或K-means,然后在打开的窗口中点击open-〉n
说的最直接点,它有图谱合一的性质~~
山东科技大学测绘学院遥感系非监督分类一、实习目的:掌握非监督分类的方法与过程,加深对非监督分类方法的理解二非监督分类(UnsupervisedClassification)ERDASIMAGINE使用
打开ENVI,如果要进行非监督分类,在主菜单上选classification-〉unsupervised然后再选择非监督分类的方法,ISOdata或K-means,然后在打开的窗口中点击open-〉n
最大似然法的判别规则是基于概率的,它把每个具有模式测试或特征X的像元划分到很有可能出现特征向量X的第i类中.换言之,首先计算某个像元属于一个预先设置好的m类数据集中每一类的概率,然后将该像元划分到概率
在分类的时候有个选项是忽略背景值再问:额请问具体在哪里呢?
遥感图象主要是指陆地资源卫星拍摄的地球表面山川水陆、地形地貌的数字图象,它是由多个光学波段(包括可见光到人眼看不着的红外)相机针对同一目标同时获得的图象数据,好比有多个电视摄影机同时用不同光学波段拍下
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的.对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余,
非监督分类K-meansIsodata监督分类平行六面体最小距离马氏距离最大似然波谱角二进制编码光谱信息散度神经网络支持向量机分类基于专家知识的决策树分类面向对象的分类
在ENVI中,分类后处理主要有:主/次要分析(Majority/MinorityAnalysis)、类成团(clump)、类别筛选(Sieve)、类别结合(Combineclasses)、类别叠加(O
这个肯定,图像的分辨率限制,是分不出来的
计算机自动分类的时候,这些可以作为辅助手段提高精度.监督非监督分类都是利用地物的光谱特征进行分类,像纹理地形这些信息,可以将这些信息的空间位置和影像进行
没看你的遥感图像,一般情况下道路和居民地还是比较好区分的,但是商业区和居民地之间估计就不太好区分了,你可以采用最小距离法,最大似然法或者SVM等方法进行分类.再问:就是道路旁边就分类为商业区,可以帮忙
监督分类是需要自己选择样本的,非监督分类是不需要选择样本的,完全机器自动分类.
基于参数化密度分布模型的最大似然方法(MLC)是遥感影像分类最常用手段之一,与其他非参数方法(如神经网络)相比较,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点.但是由于遥感信
分类以后才能够更好的做分析呀比如说监督分类或非监督分类,做完以后,会把一样的波段归纳在一起,变成一种颜色,便于分析,而且也更加精确了.
解题思路:生态系统的分类。所有生态系统都包含空气、水、阳光等非生物的物质和能量解题过程:最终答案:海洋生态系统:鲸鱼、阳光、空气、水、海带
外太空遥感,航天遥感,航空遥感,地面遥感(由高到低)
当使用不同的遥感分类方法对遥感影像进行分类后,遥感影像上面可能出现小的碎屑多边形等,分类后处理如聚类、剔除等操作后可以去除小的碎屑多边形,将小的同类多边形进行合并,使分类效果更好.