ENVI 非監督分類

非監督分類的概念：

非監督分類，又稱「聚類分析或者點群分析」。在多光譜影象中搜尋、定義其自然相似光譜集群的過程。它不必對影象地物獲取先驗知識，僅依靠影象上不同地物光譜資訊進行特徵提取，在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。

在envi中isodata和k-means兩種非監督分類的方法：

isodata是一種重複自組織資料分析技術，計算資料空間中均勻分布的類均值，然後用最小距離技術將剩餘像元進行迭代聚合，每次迭代都重新計算均值，且根據所得的新均值，對像元再進行分類。

k-means使用聚類分析方法，隨機地查詢聚類簇的聚類相似度相近，即中心位置，是利用各聚類中物件的均值獲得乙個「中心物件」來進行計算的，然後迭代地重新配置她們，完成分類過程。

監督分類總體的步驟為：執行非監督分類、類別定義、合併子類和評價結果。

一、執行非監督分類：

1、isodata

在主選單上選擇：classification>>unsupervised>>isodata,在classification input file 對話方塊中選擇tm影像資料。單擊ok，開啟isodata parameters對話方塊，如圖。

主要的引數說明：

1）類別數量範圍：（number of classes:max min ）一般輸入的最小數不能小於最終分類數量，最大數量為最終分類數量的2到3倍。min：6，max：20。

2）最大迭代數（maximum iteration）:15.迭代地次越大，得到的結果越精確，運算的時間也就越長。

3）變換閾值（change threshold）:5。每當一類的變化像元數小於閾值時，結束迭代過程。這個值越小得到的結果越精確，運算量也越大。

4）minimum #pixel in class:鍵入形成一類所需的最少像元數。如果其中的一類小於最少像元數，該類將會拆分成兩類。

5）最大分類標準差（maxium class stdev）:1。以畫素為單位，如果某一類的標準差比該閾值大，該類將分成兩類。

6）類別均值之間的最小距離（minimum class distance）:5。以畫素值為單位，如果類均值小之間的距離小於輸入的最小值，則類別將合併。

7）合併類的最大值（maxium # merge paris）:2

8）距離類別的最大標準差（maximum stdev from mean）,可選項。

9）允許的最大距離誤差（maximum distance error）,可選項。

10）選擇檔案輸出位置，單擊ok。執行非監督分類。

結果如圖：

在主選單上，選擇classification>>unsupervised>>k-means,在classification input file中選擇tm影像，單擊ok。開啟k-means parameters對話方塊中，設定以下的引數：

1）分類數量（number of classes）：一般為最終輸出分類數量的2-3倍。

2）最大迭代次數（maximum iterations）：迭代次數越大，精度越高。

3）距離類別的值的最大誤差（maximum stdev from mean）。此數可選。

4）允許的最大距離誤差：（maximum distance error）;可選

5）選擇路徑，ok執行。