最低0.27元开通文库会员，查看完整内容>；原发布者：tranquilmiao非监督分类非监督分类：也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理)信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。遥感影像的非监督分类一般包括以下6个步骤：图1非监督分类操作流程目前非监督分类器比较常用的是ISODATA、K-Mean和链状方法。ENVI包括了ISODATA和K-Mean方法。1、影像分析大体上判断主要地物的类别数量。一般监督分类设置分类数目比最终分类数量要多2-3倍为宜，这样有助于提高分类精度。本案例的数据源为ENVI自带的Landsattm5数据Can_tmr.img，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。确定在非监督分类中的类别数为15。2、分类器选择ISODATA（IterativeSelf-OrgnizingDataAnalysizeTechnique）重复自组织数据分析技术，计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像元进行再。
请问遥感图像如何提取道路信息？急急！！跪谢各路高手！ 可以用非监督分类提取道路的~
最大似然估计法的原理 定义最大似然估计：一种统计方法，它用来求一个样本集的相关概率密度函数的参数。这个方法最早是遗传学家以及统计学家罗纳德·费雪爵士在1912年至1922年间开始使用e68a84e8a2ade799bee5baa631333337383832的。“似然”是对likelihood的一种较为贴近文言文的翻译，“似然”用现代的中文来说即“可能性”。故而，若称之为“最大可能性估计”则更加通俗易懂。原理给定一个概率分布D，假定其概率密度函数（连续分布）或概率聚集函数（离散分布）为f D，以及一个分布参数θ我们可以从这个分布中抽出一个具有n 个值的采样，通过利用f D，我们就能计算出其概率：但是，我们可能不知道θ的值，尽管我们知道这些采样数据来自于分布D。那么我们如何才能估计出θ 呢？一个自然的想法是从这个分布中抽出一个具有n 个值的采样X1，X2Xn，然后用这些采样数据来估计θ.一旦我们获得，我们就能从中找到一个关于θ 的估计。最大似然估计会寻找关于 θ的最可能的值（即，在所有可能的θ 取值中，寻找一个值使这个采样的“可能性”最大化）。这种方法正好同一些其他的估计方法不同，如θ的非偏估计，非偏估计未必会输出一个最可能的值，而是会输出一个既不高估也不低估 的θ 值。。
遥感envi 用最大似然法分类，怎么把阈值外的也分成一类呢？分类的时候会不会把背景参杂到未分类中呢？ 你用的是非监督分类吧。没事的，背景和阈值外的混在一起没关系的。分完类后生成的矢量图，在arcgis中打开，修改下背景类的属性就行了，背景是图像外围的一大块
油气高光谱遥感探测总体方案
arcgis中最大似然法分类和主成分分析的工作原理，最大似然法分类工具所用的算法基于两条原则：每个类样本中的像元在多维空间中呈正态分布贝叶斯决策理论主成分分析工具用于。
支持向量机（SVM）是什么意思？ 支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一 种监督式学习的方法…
