实验四 遥感图像的非监督与监督分类一、实验目的:1 非监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进行分类，在没有用户定义的条件下练习使用，在ENVI环境下的非监督分类技术有两种：迭代自组织数据分析技术（ISodata）和K均值算法（K-Means）；2 分类过程中应注意：1）怎样确定一个最优的波段组合，从而达到最佳的分类精度，基于OIF和相关系数，协方差矩阵以及经验的使用来完成对最适合的组合的选取，分类效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束后，被分类后的图像是一个新的图像，被分类类码秘填充，从而可以获得数据提取信息，统计不同类码数量，转化为实际面积，在得到后的图像上，可对不同目标的形态指标进行分析。3 对训练区中的像元进行分类；4 用训练数据集估计查看监督分类后的统计参数；5 用不同方法进行监督分类，如最小距离法、马氏距离法和最大似然法。二、实验设备与材料:1、 软件ENVI 4.7软件2、 所需材料TM数据三、实验步骤:1. 选择最优的波段组合
