实验1：使用isodata法分类

目的：学会使用isodata法开展非监督分类

过程：

①导入影像：打开ENVI，按照“文件→打开为→光学传感器→ESA→Sentinel-2”的顺序，打开实验1下载的哨兵2号数据。

图1

②区域裁剪：在影像中寻找区域，该区域需要包含水体、建筑、植被等地物类型，利用roi工具绘制感兴趣区域，按照“文件→另存为→另存为ENVI→空间裁剪→保存”顺序，对区域进行裁剪。

图2

图3

③图像分类：选择“图像分类”工具，下拉找到“非监督分类”，找到“IsoData”方法打开，选择裁剪好的影像，点击确定，在参数设置窗口将最大迭代次数改为10，设置输出参数，进行输出。

图4

图5

结果：

图6为运用Isodata分类方法展开的分类结果，从图中可以看出，该分类方法将地物分成了11类，分类效果较差，有待后续的矫正。

图6

实验2：使用K-Means法分类

目的：学会使用K-Means法开展非监督分类

过程：

①影像加载：采用实验1的方法加载裁剪后影像。

②图像分类：选择“图像分类”工具，下拉找到“非监督分类”，找到“K-Means”方法打开，选择裁剪好的影像，点击确定，设置输出参数，进行输出。

图8

图9

结果：

图10为运用K-Means方法开展非监督分类的结果，相较于第一种分类方法，该分类方法将整体的分类结果分成6类，从图像质量来看，仍然需要进行重新分类。

图10

实验3：进行分类后处理

目的：学会分类后处理流程

过程：

①地物初步归类：基于K-Means分类影像，通过与原图像比较，判断所分的类别中有哪些能够归为一类，经初步判断，Class1代表水体，Class2与Class4代表建筑，Class3代表道路，Class5代表农田。

②分类合并：打开“图像分类”工具，找到“分类合并”工具，选择分类影像，在合并窗口中，按照“Class1→Class1，Class2→Class2，Class3→Class3，CLass4→Class2，Class5→Class5”的规则进行分类合并。

图11

图12

③主次分析：打开“图像分类”工具，找到“主要/次要分析”工具，选择“分类合并”影像，点击确定。在参数设置窗口中，将五类选中，设置输出结果路径，得到经过主次分析的结果。

 图13

图14

结果：

图15展示的为分类后处理的对比结果，从左到右依次为K-Means分类结果，分类合并结果，主成分分析结果。

图15