作业帮遥感中何谓分类后处理?
来源：学生作业帮 编辑：作业帮 分类：数学作业 时间：2024/05/17 18:58:29
遥感中何谓分类后处理?
在ENVI中,分类后处理主要有：主/次要分析（Majority/Minority Analysis）、类成团（clump）、类别筛选（Sieve）、类别结合（Combine classes）、类别叠加（Overlay classes）等.
这里主要详细介绍前三种.
1.主/次要分析：使用主要分析（Majority）可以将较大类别中的虚假像元归类到该类中,ENVI允许输入一个变换核尺寸,并用变换核中占主要地位的像元的类别数代替中心像元的类别数.如果使用次要分析（Minority）,ENVI将用变换核中占次要地位的像元的类别数代替中心像元的类别数.在操作时,注意,如果中心像元属于未从“select classes”列表中选择的类别,分析完成后,该像元的类别不会更改.但是,如果中心像元初始归属于从“select classes”列表中选择的类别,且在变换核中,未选择类别占主要地位,则用未选择类别代替初始类别.如果选择”Majority“分析,键入中心像元权重---”center pixel weight“.在判定在变换核中哪个类别占主体地位时,中心像元权重用于设定中心像元类别将被计算多少次.例如：如果输入的权重为1,ENVI仅计算1次中心像元类别；如果输入5,ENVI将计算5次中心像元类别.
2.类成团：该选项运用形态学算子将临近的类似分类区域合并成块.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.成块分类解决了这个问题.首先将被选的分类用一个扩大操作合并到一块,然后用参数对话框中指定了大小的变换核对分类图像进行侵蚀操作.
3.类别筛选：该选项可以解决分类图像中出现的孤岛问题.类别筛选使用斑点分组方法来消除这些被隔离的分类像元.虽然使用低通滤波或其他类型的滤波功能可以消除这些区域,但是类别信息常常会被临近类别的编码干扰.类别筛选方法需要观察周围的4个或8个像元,判定一个像元是否与周围的像元同组.如果一类中被分组的像元数小于输入的值,这些像元会被从该类中删除.当用类别筛选从某一类中删除像元时,将剩下黑像元（未分类的像元）.注意,在筛选后,可以用成块分类功能（clump）来替换黑色像元.在操作过程中,没有被选中的类,将毫不改变地出现在输出图像上.在”Group Min Threshold“文本框,输入一个类别组中需要包含的最少像元数.任何一组小于该数值的像元将从相应类别中删除.
这里主要详细介绍前三种.
1.主/次要分析：使用主要分析（Majority）可以将较大类别中的虚假像元归类到该类中,ENVI允许输入一个变换核尺寸,并用变换核中占主要地位的像元的类别数代替中心像元的类别数.如果使用次要分析（Minority）,ENVI将用变换核中占次要地位的像元的类别数代替中心像元的类别数.在操作时,注意,如果中心像元属于未从“select classes”列表中选择的类别,分析完成后,该像元的类别不会更改.但是,如果中心像元初始归属于从“select classes”列表中选择的类别,且在变换核中,未选择类别占主要地位,则用未选择类别代替初始类别.如果选择”Majority“分析,键入中心像元权重---”center pixel weight“.在判定在变换核中哪个类别占主体地位时,中心像元权重用于设定中心像元类别将被计算多少次.例如：如果输入的权重为1,ENVI仅计算1次中心像元类别；如果输入5,ENVI将计算5次中心像元类别.
2.类成团：该选项运用形态学算子将临近的类似分类区域合并成块.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.成块分类解决了这个问题.首先将被选的分类用一个扩大操作合并到一块,然后用参数对话框中指定了大小的变换核对分类图像进行侵蚀操作.
3.类别筛选：该选项可以解决分类图像中出现的孤岛问题.类别筛选使用斑点分组方法来消除这些被隔离的分类像元.虽然使用低通滤波或其他类型的滤波功能可以消除这些区域,但是类别信息常常会被临近类别的编码干扰.类别筛选方法需要观察周围的4个或8个像元,判定一个像元是否与周围的像元同组.如果一类中被分组的像元数小于输入的值,这些像元会被从该类中删除.当用类别筛选从某一类中删除像元时,将剩下黑像元（未分类的像元）.注意,在筛选后,可以用成块分类功能（clump）来替换黑色像元.在操作过程中,没有被选中的类,将毫不改变地出现在输出图像上.在”Group Min Threshold“文本框,输入一个类别组中需要包含的最少像元数.任何一组小于该数值的像元将从相应类别中删除.