IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> ENVI分类后处理 -> 正文阅读

[人工智能]ENVI分类后处理

一、实验名称:

分类后处理

二、实验目的:

分类后处理

三、实验内容和要求:

1.Majority和Minority分析。

2.聚类处理(Clump)。

3.过滤处理(Sieve)。

4.分类统计。

5.分类叠加。

6.分类结果转矢量。

四、实验步骤:

一:Majority和Minority分析

1.打开分类结果——"can_tmr_class.dat”。

2.打开Majority/Minority分析工具,路径为Toolbox/Classification/Post Classification/Majority/minority Analysis,在弹出的对话框中选择“can_tmr_class.dat”,点击OK。

?

3.在Majority/Minority Parameters面板中,点击Select All Items选中所有的类别,其他参数按照默认即可,选择输出路径,点击OK执行。

?4.查看结果如图,,可以看到原始分类结果的碎斑归为了背景类别中,更加平滑。

二:聚类处理(Clump)

1. 打开分类结果——"can_tmr_class.dat”。

2.打开聚类处理工具,路径为Toolbox/Classification/Post Classification/Clump Classes,在弹出的对话框中选择“can_tmr_class.dat”,点击OK。

?

3.选中所有类别设置输出路径。

?

4.显示结果,可以看到原始分类结果的碎斑归为了背景类别中,更加平滑。4.显示结果,可以看到原始分类结果的碎斑归为了背景类别中,更加平滑。

?

三:过滤处理(Sieve)

1.打开分类结果——"can_tmr_class.dat”。

2.打开过滤处理工具,路径为Toolbox/Classification/Post Classification/Sieve Classes, 在弹出的对话框中选择“can_tmr_class.dat”,点击OK。

3.在Sieve Parameters面板中,点击Select all items选中所有类别,Group Min Threshould设置为5,其他参数按照默认即可,选择输出路径,点击OK执行。

?

4显示结果。

?

?

四:分类统计

??1.打开分类结果和原始影像——“can_tmr_class.dat”和“can_tmr.ing”。

2.打开分类统计工具,路径为Toolbox/Classification/Post Classification/Class Statistics,在弹出的对话框中选择“can_tmr_class.dat”,点击OK。

?

3.在Statistics Input File面板中,选择原始影像“can_tmr.img”,点击OK。

?

?4.在弹出的Class Selection面板中,点击Selection All Items,统计所有分类的信息,点击OK。

5.在Compute Statistics Parameters面板中可以设置统计信息,如下图所示,按照图中参数进行设置,点击Report Precision…按钮可以设置输入精度,按照默认即可,点击OK。

?

6.如下图所示为显示统计结果的窗口,统计结果以图和列表形式表示。从Select Plot下拉命令中选择图形绘制的对象,如基本统计信息、直方图等。从Stats for标签中选择分类结果中类别,在列表中显示类别对应输入图像文件DN值统计信息,如协方差、相关系数、特征向量等信息。在列表中的第一段显示的为分类结果中各个类别的像元数、占百分比等统计信息。

?

?

五:分类叠加

?1.打开分类结果和原始影像——“can_tmr_class.dat”和“can_tmr.img”。这里将原始影像的真彩色图像作为背景图像。

2.打开拉伸工具(Toolbox/Raster Management/Stretch Data),在弹出的对话框中选择“can_tmr_img”文件,然后点击下方选择波段1、2、3,点击OK.

?

3.在Data Stretching面板中,按照下图进行参数设置,点击OK即可。

?

4.打开分类叠加工具,路径为Toolbox/Classification/Post Classification/Overlay Classes。

?

5.在打开的Input Overlay RBG Image Input Bands面板中,R、B、G分别选择拉伸结果“can_tmr_background.dat”的band 3、2、1,点击OK。(如果需要一个灰度背景,为RBG三个通道输入同样的波段即可)。

?

6.在Classification Input File面板中选择分类图像“can_tmr_class.dat”,点击OK.

?

7.在Class Overlay to RGB paramenters面板中选择要叠加显示的类别(如下图所示)。

这里选择林地、裸地、沙地三个类别,设置输出路径,点击OK即可。

8.查看叠加结果,如下图所示。可以通过File>Save As将“can_tmr_overlay.dat”转换为TIFF格式,这样使用普通图片查看器便可以进行浏览,并保持了背景拉伸效果与原始图像类别颜色。

?

六:分类结果转矢量

1.打开分类结果——“can_tmr_class.dat”。

2.打开转矢量工具,路径为Toolbox/Classification/Post Classification/Classification to Vector。

3.在Raster to Vector Input Band 面板中,选择“can_tmr_class.dat“文件的波段,点击OK.?

?

?

?4.在Raster To Vector Parameters面板中选择分类结果,选择输出路径,输出.evf类型文件。

?

?5.查看输出结果,打开刚才生成的evf文件,并加载到视图中。可以在图层列表右键点击矢量文件名,选择Properties,在弹出面板中可以根据Class_Name修改不同类别的颜色,如下图所示。

?

?

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2022-06-14 22:35:35  更:2022-06-14 22:37:09 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/30 1:23:02-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码