ENVI培训教程1229.ppt

ENVI培训教程1229
影像镶嵌
基于像元的镶嵌

基于地理坐标的镶嵌
羽化
色彩平衡
1# avmosaic
影像融合
手动融合
自动融合
#1 lontmsp
矢量叠合和分析
矢量数据的显示
ENVI培训教程1229
影像镶嵌
基于像元的镶嵌

基于地理坐标的镶嵌
羽化
色彩平衡
1# avmosaic
影像融合
手动融合
自动融合
#1 lontmsp
矢量叠合和分析
矢量数据的显示
支持的矢量格式，转换为ENVI的内部矢量格式evf格式
可用矢量列表
鼠标按键的操作
矢量数据的属性查询
矢量属性查看、属性的查询
矢量的编辑
专题制图
快速制图模板
允许用户设定地图比例、输出页的大小以及方位，能够选择影像的空间子集进行制图，还可以方便地添加基本地图要素如地图公里网、比例尺、地图标题、标识、地图投影信息和其它基本地图注记。此外ENVI快速制图输出中的自定义注记功能允许插入图例、三北方向图表、箭头、影像或绘制图、附加的文本等要素。
自定义标注
文字和符号注记、形状注记、地图比例尺注记、图例注记、色标注记、嵌入式影像注记
影像分类
非监督分类
监督分类
决策树分类
分类后处理
非监督分类
K－均值（K-Means）分类
非监督法分类使用统计手段，把N维数据归类到它们本身具有的波谱类中。K－均值非监督分类器使用了聚类分析方法，它需要用户在数据中选定所需的分类个数，随机地查找聚类簇的中心位置，然后迭代地重新配置它们，直到达到最优化的波谱分类
IsoData(迭代自组织数据分析技术)
IsoData非监督分类法将计算数据空间中均匀分布的类均值，然后用最小距离规则将剩余的像元进行迭代聚合。每次迭代都重新计算均值，且根据所得的新均值，对像元进行再分类。这一处理过程持续到每一类的像元数变化少于所选的像元变化阈值或者达到了迭代的最大次数。
监督分类
平行六面体法
平行六面体使用一条简单的判定规则对多光谱数据进行分类。判定边界在影像数据空间中是否形成了一个N维的平行六面体。平行六面体的尺度是由标准差阈值所确定的，而该标准差阈值则是根据每种所选类的均值求出。
最小距离法
最小距离分类使用了每个感兴趣区的均值矢量，来计算每一个未知像元到每一类均值矢量的欧氏距离。除非用户指定了标准差和距离的阈值，否则所有像元都将分类到感兴趣区中最接近的那一类。
最大似然法
最大似然分类假定每个波段中每类的统计都呈正态分布，并将计算出给定像元属于特定类别的概率，除非选择一个概率阈值，否则所有像元都将参与分类。每一像元都将被归到概率最大的那一类中。
马氏距离法
马氏距离分类是一个方向敏感的距离分类器，它分类时将使用到统计信息，它与最大似然分类有些类似，但是它假定了所有类的协方差都相等，所以它是一个较快的分类方法。除非用户指定了距离的阈值，否则所有像元都将分类到感兴趣区中最接近的那一类。
二值编码法
二值编码分类技术将根据波段值落在波谱均值的下方或者上方的情况，把数据波谱和端元波谱编码为0或者1。“异或”逻辑函数被用来将每一种编码后的参考波谱同编码后的数据波谱进行比较，生成一幅分类影像。
波谱角法
波谱角填图分类法（SAM)是一个基于物理的波谱分类法，它是用N维角度将像元与参考波谱进行匹配。该算法将波谱看作是空间的矢量，矢量的维数就等于波段的个数，通过计算波谱间的角度，来判断两个波谱间的相似度。
规则影像
ENVI生成的影像，其像元值会被用于生成分类影像。这些可选择行生成的影像允许进行用户对分类的结果进行评估，如果需要还可用根据指定的阈值，重新进行分类。这些灰阶规则影像，每一个对应于分类中所用的某个感兴趣区或者某个端元波谱。
平行六面体
满足平行六面体准则的波段数
最小距离
到类中心的距离
最大似然
像元属于该类的概率
马氏距离
到类中心的距离
二值编码
二值匹配成功的百分比
波谱角
以弧度为单位的波谱角
决策树分类
专家知识分类
决策树能够基于数据集中可用的属性特征进行搭建。
分类后处理
分类统计
混淆矩阵
聚合和筛选操作（Clump and Sieve）
聚合和筛选处理提供了综合分类影像的手段。通常先对分类影像进行筛选处理，根据设定的大小阈值，移除孤立的像元，然后再进行聚合处理，把相邻的相似类合并为一类，使已存在的类更具有空间一致性。
将分类转为矢量
地形工具和三维飞行
地形建模
用来获取地貌的测量值，这些测量值包括坡度、坡向、阴影地貌影像、轮廓曲率、平面曲率、纵向曲率、横向曲率、最