? ? 影像的分类可分为监督与非监督分类监督分类器根据其原理有基于传统统计分析的基于神经网络的基于模式识别的等? ? 本专题以ENVI的监督与非监督分类的实际操作为例介绍这两种分类方法有以下内容组成：?????非监督分类?????监督分类?????分类后处理非监督分类??非监督分类：也称为聚类分析或点群分类在多光谱图像中搜寻定义其自然相似光谱集群的过程它不必对影像地物获取先验知识仅依靠影像上

分类报告人：XXX实验目的：对影像进行分类提取所需要的信息熟悉非监督分类监督分类面向对象分类的过程和特点实验原理：监督分类：用被确认类别的样本像元去识别其他未知类别像元的过程在这种分类中分析者在图像上对每一种类别选取一定数量的训练区计算机计算每种训练区的统计或其他信息每个像元和训练样本作比较按照不同规则将其划分到和其最相似的样本类 HYPERLINK l _参考文献： [1]非监督分

摘要：ISODATA算法是目前应用比较广泛的通过引入参数而进行人机交互不断进行分裂与合并的非监督分类算法本文介绍了ISODATA基本原理与具体实现的过程并用对参数设定的影响进行了试验和分析关键词：ISODATA 非监督分类 算法 模式识别?一原理介绍Isodata迭代自组织分析通过设定初始参数而引入人机对话环节并使用归并与分裂的机制当某两类聚类中心距离小于某一阈值时将它们合并为一类当某类标准

单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级非监督分类 第一步:调出非监督分类对话框调出非监督分类对话框的方法有以下两种:方法一:在ERDAS图标面板工具条中点击DataPrep图标 一Data Preparation菜单 一Unsupervised Classification菜单项分类过程方法二:在ERDAS图标面板工具条中点击Classifie

单击此处编辑文本样式第二级第三级第四级第五级单击此处编辑标题样式单击此处编辑文本样式第二级第三级第四级第五级单击此处编辑文本样式第二级第三级第四级第五级单击此处编辑标题样式单击此处编辑文本样式第二级第三级第四级第五级单击此处编辑标题样式遥感图像处理-11北京大学深圳研究生院3.影像信息基本提取方法3.1 影像信息提取技术概述3.2 影像增强处理3.3 监督分类3.4 非监督分类3.1 影像信息提取

实验五 遥感图像的非监督分类一实验目的非监督分类是对数据集中的像元依据统计数字光谱类似度和光谱距离进行分类在没有用户定义的条件下练习使用在ENVI环境下的非监督分类技术有两种：迭代自组织数据分析技术(ISodata)和K均值算法(K-Means)分类过程中应注意：1)怎样确定一个最优的波段组合从而达到最佳的分类精度基于OIF和相关系数协方差矩阵以及经验的使用来完成对最适合的组合的选取分类效果

单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级遥感图像计算机分类非监督分类初始分类专题判别分类后处理色彩重定义栅格矢量转换Main> Classification> Unsupervised classification提示：实际工作中将分类设为最终分类数的2倍以上初始分类1) 同时显示germtm.img和germtm_isodata.img

监督与非监督分类? ? 影像的分类可分为监督与非监督分类监督分类器根据其原理有基于传统统计分析的基于神经网络的基于模式识别的等? ? 本专题以ENVI的监督与非监督分类的实际操作为例介绍这两种分类方法有以下内容组成：?????非监督分类?????监督分类?????分类后处理非监督分类??非监督分类：也称为聚类分析或点群分类在多光谱图像中搜寻定义其自然相似光谱集群的过程它不必对影像地物获取先验