第85章 85章（2 / 2）

在【Match Csses Parameters】中，设置匹配的类别：

在【Select GroundTruth ROI】中输入进行匹配的地物，在【Select Cssifiage】中选择相同地物，将感兴趣区与分类结果相匹配，如图1.3.1，图1.3.2所示。

图1.3.1 分类匹配设置

点击“OK”，显示监督分类精度评价表，如图1.3.2所示。

图1.3.2 监督分类精度评价表

1.4 分类后处理

（1）主/次要分析

Majority/Minority分析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，主要分析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；次要分析（Minority Analysis )，将用变换核中占次要地位（像元数最小）的像元类别代替中心像元。

实验中，通过【Cssification】→【Post Cssification】→【MajoritylMinority Analysis】进行。

在【Majority/Minority Parameters】面板中，选中所有类别，其他参数按照默认，如图1.4.1所示。

图1.4.1 进行主要分析处理

（2）聚类处理

聚类处理是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。

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)。将被选的分类先用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。

通过【Cssification】→【Post Cssification】→【Clump Csses】，选择经过主要分析后的图像，选择所有类别，数学形态学算子的核大小设为7，点击【OK】即可，如图1.4.2所示。

图1.4.2 进行聚类处理

（3）过滤处理

过滤处理解决分类图像中出现的孤岛问题。过滤处理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(Uncssified )。

实验中，通过【Cssification】→【Post Cssification】→【Sieve Csses】,选择经过聚类处理之后的图像，选择所有类别，【Group MinThreshold】设置为5，点击【OK】，如图1.4.3所示。

图1.4.3 进行过滤处理

1.5 分类统计

为排除背景值被误统计，先利用北京市密云区边界矢量数据进行掩膜处理，打开ENVI，加载边界矢量数据“My_shp”通过【Regions of I】→【Subset Data from ROIs】使用裁剪工具，将背景值设置为0，如图1.5.1所示。

图1.5.1 进行图像裁剪

图1.5.2 裁剪结果图

接着，通过【Cssification】→【Post Cssification】→【Css Statistics】，进行分类统计。