ENVI中监督分类方法及参数说明

根据分类的复杂度、精度需求等选择一种分类器。在主菜单->Classification-> Supervised->分类器类型（如表6.1），此外还包括应用于高光谱数据的波谱角（Spectral Angle Mapper Classification）、光谱信息散度（Spectral Information Divergence Classification）和二进制编码（Binary Encoding Classification）分类方法。
表6.1 六种监督分类器说明

选择不同的分类器器需要设置的参数不一样。
1. 平行六面体
（1） 在主菜单中，选择Classification->Supervised->Parallelpiped，在文件输入对话框中选择TM分类影像，单击OK按钮打开Parallelpiped参数设置面板（图6.4）。
（2） SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。
（3） Set Max stdev from Mean：设置标准差阈值，有三种类型：
l None：不设置标准差阈值；
l Single Value：为所有类别设置一个标准差阈值；
l Multiple Values：分别为每一个类别设置一个标准差阈值。
选择Single Value，值为3。
（4） 单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。
（5） 选择分类结果的输出路径及文件名。
（6） 设置Out Rule Images为Yes，选择规则图像输出路径及文件名。
（7） 单击OK按钮执行分类。


图6.4 平行六面体分类器参数设置面板
2. 最小距离
（1） 在主菜单中，选择Classification->Supervised-> Minimum Distance，在文件输入对话框中选择TM分类影像，单击OK按钮打开Minimum Distance参数设置面板（图6.5）。
（2） SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。
（3） Set Max stdev from Mean：设置标准差阈值，有三种类型：

• None：不设置标准差阈值；
• Single Value：为所有类别设置一个标准差阈值；
• Multiple Values：分别为每一个类别设置一个标准差阈值。

选择Single Value，值为4。
（4） Set Max Distance Error：设置最大距离误差，以DN值方式输入一个值，距离大于该值的像元不被分入该类（如果不满足所有类别的最大距离误差，它们就不会被归为未分类类(unclassified)）。也有三种类型，这里选择None。
（5） 单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。
（6） 选择分类结果的输出路径及文件名。
（7） 设置Out Rule Images为Yes，选择规则图像输出路径及文件名。
（8） 单击OK按钮执行分类。


图6.5 最小距离分类器参数设置面板
3. 马氏距离
（1） 在主菜单中，选择Classification->Supervised-> Mahalanobis Distance，在文件输入对话框中选择TM分类影像。单击OK按钮打开Mahalanobis Distance参数设置面板（图6.6）。
（2） SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。
（3） Set Max Distance Error：设置最大距离误差，以DN值方式输入一个值，距离大于该值的像元不被分入该类（如果不满足所有类别的最大距离误差，它们就不会被归为未分类类(unclassified)）。也有三种类型，这里选择None。
（4） 单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。
（5） 选择分类结果的输出路径及文件名。
（6） 设置Out Rule Images为Yes，选择规则图像输出路径及文件名。
（7） 单击OK按钮执行分类。


图6.6 马氏距离分类器参数设置面板
4. 最大似然
（1） 在主菜单中，选择Classification->Supervised-> Likelihood Classification，在文件输入对话框中选择TM分类影像。单击OK按钮打开Likelihood Classification参数设置面板（图6.7）。
（2） SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。
（3） Set Probability Threshold：设置似然度的阈值。如果选择Single Value，则在“Probability Threshold”文本框中，输入一个0到1之间的值，似然度小于该阈值不被分入该类。这里选择None。
（4） Data Scale Factor：输入一个数据比例系数。这个比例系数是一个比值系数，用于将整型反射率或辐射率数据转化为浮点型数据。例如：如果反射率数据在范围0-10000之间，则设定的比例系数就为10000。对于没有定标的整型数据，也就是原始DN值，将比例系数设为2n-1，n为数据的比特数，例如：对于8-bit数据，设定的比例系数为255，对于10-bit数据，设定的比例系数为1023，对于11-bit数据，设定的比例系数为2047。
（5） 单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。
（6） 选择分类结果的输出路径及文件名。
（7） 设置Out Rule Images为Yes，选择规则图像输出路径及文件名。
（8） 单击OK按钮执行分类。


图6.7 最大似然分类器参数设置面板
5. 神经网络
（1） 在主菜单中，选择Classification->Supervised-> Neural Net Classification，在文件输入对话框中选择TM分类影像。单击OK按钮打开Neural Net Classification参数设置面板（图6.8）。
（2） SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。
（3） Activation：选择活化函数。对数（Logistic）和双曲线（Hyperbolic）。
（4） Training Threshold Contribution：输入训练贡献阈值(0-1)。该参数决定了与活化节点级别相关的内部权重的贡献量。它用于调节节点内部权重的变化。训练算法交互式地调整节点间的权重和节点阈值，从而使输出层和响应误差达到最小。将该参数设置为0不会调整节点的内部权重。适当调整节点的内部权重可以生成一幅较好的分类图像，但是如果设置的权重太大，对分类结果也会产生不良影响。
（5） Training Rate：设置权重调节速度（0~1）。参数值越大则使训练速度越快，但也增加摆动或者使训练结果不收敛。
（6） Training Momentum：输入一个0~1的值。该值大于0时，在“Training Rate”文本框中键入较大值不会引起摆动。该值越大，训练的步幅越大。该参数的作用是促使权重沿当前方向改变。
（7） Training RMS Exit Criteria：指定RMS误差为何值时，训练应该停止。RMS误差值在训练过程中将显示在图表中，当该值小于输入值时，即使还没有达到迭代次数，训练也会停止，然后开始进行分类。
（8） Number of Hidden Layers：键入所用隐藏层的数量。要进行线性分类，键入值为0。没有隐藏层，不同的输入区域必须与一个单独的超平面线性分离。要进行非线性分类，输入值应该大于或等于1，当输入的区域并非线性分离或需要两个超平面才能区分类别时，必须拥有至少一个隐藏层才能解决这个问题。两个隐藏层用于区分输入空间，空间中的不同要素不临近也不相连。
（9） Number of Training Iterations：输入用于训练的迭代次数。
（10） Min Output Activation Threshold：输入一个最小输出活化阈值。如果被分类像元的活化值小于该阈值，在输出的分类中，该像元将被归入未分类中（unclassified）。
（11） 选择分类结果的输出路径及文件名。
（12） 设置Out Rule Images为Yes，选择规则图像输出路径及文件名。
（13） 单击OK按钮执行分类。


图6.8 神经网络分类器参数设置面板
6. 支持向量机
（1） 在主菜单中，选择Classification->Supervised-> Support Vector Machine Classification，在文件输入对话框中选择TM分类影像。单击OK按钮打开Support Vector Machine Classification参数设置面板（图6.9）。
（2） Kernel Type下拉列表里选项有 Linear，Polynomial，Radial Basis Function，以及 Sigmoid。

• 如果选择Polynomial，设置一个核心多项式（Degree of Kernel Polynomial）的次数用于SVM，最小值是1，最大值是6。
• 如果选择Polynomial or Sigmoid，使用向量机规则需要为Kernel指定 the Bias ，默认值是1。
• 如果选择是 Polynomial、Radial Basis Function、Sigmoid，需要设置Gamma in Kernel Function参数。这个值是一个大于零的浮点型数据。默认值是输入图像波段数的倒数。

（3） Penalty Parameter：这个值是一个大于零的浮点型数据。这个参数控制了样本错误与分类刚性延伸之间的平衡， 默认值是100。
（4） Pyramid Levels：设置分级处理等级，用于SVM训练和分类处理过程。如果这个值为0，将以原始分辨率处理；最大值随着图像的大小而改变，
（5） Pyramid Reclassification Threshold（0~1）：当Pyramid Levels值大于0时候需要设置这个重分类阈值。
（6） Classification Probability Threshold： 为分类设置概率域值，如果一个像素计算得到所有的规则概率小于该值，该像素将不被分类，范围是0~1，默认是0。
（7） 选择分类结果的输出路径及文件名。
（8） 设置Out Rule Images为Yes，选择规则图像输出路径及文件名。
（9） 单击OK按钮执行分类。


图6.9 支持向量机分类器参数设置面板

摘自《ENVI遥感图像处理方法》科学出版社

文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100q7px.html