• 小斑块去除
  • 分类统计
  • 分类叠加
  • 分类结果转矢量
  • 分类后处理
  • 精度评价


工具：Toolbox–>Classification–>Post Classification

小斑块去除

类别

介绍

工具原理

优点

主要分析Majority

采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸

用变换核中占主要地位（像元数最多）的像元类别代替中心像元的类别

次要分析Minority

同上

用变换核中占次要地位的像元的类别代替中心像元的类别

聚类处理Clump

运用数学形态学算子（腐蚀和膨胀），将临近的类似分类区域聚类并进行合并

首先将被选的分类用一个膨胀操作合并到一块，然后用变换核对分类图像进行腐蚀操作

分类图像经常缺少空间连续性（分类区域中斑点或洞的存在）。低通滤波虽然可以用来平滑这些图像，但是类别信息常常会被临近类别的编码干扰，聚类处理解决了这个问题

过滤处理Sieve

使用斑点分组方法来消除这些被隔离的分类像元

类别筛选方法通过分析周围的4个或8个像元，判定一个像元是否与周围的像元同组。如果一类中被分析的像元数少于输入的阈值，这些像元就会被从该类中删除，删除的像元归为未分类的像元（Unclassified）

解决分类图像中出现的孤岛问题

分类统计

Class Statistic

介绍：基于分类结果计算相关输入文件的统计信息

基本统计包括：类别中的像元数、最小值、最大值、平均值以及类中每个波段的标准差等。

优点：可以绘制每一类的最小值、最大值、平均值以及标准差，还可以记录每类的直方图，以及计算协方差矩阵、相关矩阵、特征值和特征向量，并显示所有分类的总结记录。

分类叠加

Overlay Classes

介绍：分类结果的各种类别叠加在一幅RGB彩色合成图或者灰度图像上，从而生成一幅RGB图像

分类结果转矢量

Classification to Vector

注意：破碎的地物

分类后处理

经典版ENVI–>Overlay–>Classification

  1. 局部手动修改
    菜单栏Edit可进行相应修改操作
  2. 更改类别颜色，名称
    菜单啦Options–>Edit class colors/names

最后需要File–>save changes to file

精度评价

  1. 混淆矩阵Confusion Matrix
    需要正确的区域的ROI或Images进行对比
  2. ROC曲线ROC Curves