图2-4-4
图2-4-5
图2-4-6
图2-4-7
图2-4-8
图2-4-9
实验总结与心得
学习了使用ENVI作图像增强、融合、镶嵌、几何校正等处理。实习过程中遇到一些困难，通过自己解决了，学到的知识也更加牢固。
实习三 实验目的
本次实习使用美国科罗拉多州（Colorado）Canon 市的 Landsat TM 影像数据，要求大家通过上机操作，熟悉并掌握如何完成常规的多光谱遥感影像分类操作处理、以及分类后处理的相关内容，加深对多光谱遥感影像分类的理解。
实验内容
掌握非监督分类中的 K-均值（K-Means）分类法以及 ISODATA 分类法；监督分类中感兴趣区域的选取、最大似然分类（Maximum Likelihood）、最小距离法（Minimum Distance）、波谱角分类方法；分类后处理中的分类统计、混淆矩阵（Confusion Matrix）等操作。
实验步骤
1.1 非监督分类
1.1.1 K-均值（K-Means）分类法
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，它需要分析员在数据中选定所需的分类个数，随机地查找类簇的中心位置，然后迭代地重新配置它们，直到达到最优化的波谱分类。
从左至右依次为分为10,8个类别，从上至下依次为进行1000,500次迭代。
图3-1-1-1-1
图3-1-1-1-2
图3-1-1-1-3
图3-1-1-1-4
1.1.2 Iso Data（迭代自组织数据分析技术）
Iso Data 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。
从左至右依次为分为5-10,4-8个类别，从上至下依次为进行1000,500次迭代。
图3-1-1-2-1分为10类
图3-1-1-2-2分为6类
图3-1-1-2-3分为10类
图3-1-1-2-4分为8类
1.2 监督分类
监督法分类需要用户选择作为分类基础的训练样区。我们将使用各种监督分类法，并对它们进行比较，确定单个具体像素是否有资格作为某类的一部分。
感兴趣样区的选取
图3-1-2
1.2.1 平行六面体法（Parallelepiped）
平行六面体将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的。
图3-1-2-1-1 使用默认参数
图3-1-2-1-2 将标准差改为5