分类操作：从Cas可ncation菜单： 1Classification Sunervised Maximum Likelihood 2出现Classification Input File对话框时，进行标准文件选择，或任何一个子集，和掩 模。 在Endmember Collection对话框中，选择Algorithm>Maximum Likelihood. 3选择一个输入文件以后，出现Maximum Likelihood Parameters对话框。 4输入一般的分类参数（分类参数对话框中列出的那些）。 ,若需要，在Probability threshold”文木框里，键入一·个罚值(Ol) 洗顶参数被用来控制像元准确分类的可能性。如果像元的可能性低于所有类的阀值，则 它被归为“无类别 5点击“OK”开始分类。 出现一条状态信息，显示已经完成了多少操作。规则图像的像元值（每类一幅图像）象 征者与类别匹配的可能性。最后的分类将每一个像元都归到可能性最大的类里。 根据以上要求，指导学生理解并正确填写监督分类对话框，执行监督分类。 分类精度报告（混矩阵 分类结果的精度显示在一个混淆矩阵里（用于比较分类结果和地表真实信息）。记录了 总体精度、制造者以及用户的准确度、Kapp阳系数、混淆矩阵以及代理和冗长误差。ENVI能 用一幅地表真实图像或地表真实感兴趣区(ROIs)计算混淆矩阵。当用一幅地表真实图像 时， 也可以输出每类图像中没有被正确分类的那些像元隐含的误莞图像 幅地表真实图像显示混矩阵中的记录： IClassification Post Classification Confusion Matrix>Using Ground Truth mage 2在Classification Input File对话框，选择分类图像，如需要抽取空间子集。 3从Ground Truth Input File对话框，选择地表真实图像，运行空间子集。 4出现Match Class 对话框时，在两个列表中选择匹配的名字，再点击 Add C 按钮， 使地表真实类别与最终分类结果相匹配 当所有需要的类合成以后，点击“OK” 6在Output Confusion Matrix in”标签附近，选择Pixels”和/或Percent'”复选框。 7在Report Accuracy Assessment"标签附近，选择“Yes”或"No”按钮。 Output Erro Images”标签附近，点击箭头箭头切换按纽，选择Yes”或No" 9选示了总体精度、Kappa系数、混淆矩阵、c0 mmission误差（每类中额外像元古 的百分比)、冗长误差（类左边的像元占的百分比）、生产者（制造者）精度以及每类中用片 使用的精度。生产者精度是指假定地表真实类是X,分类图像中像元被分到X类的可能 性。用户精度是指假定分类图像中一个像元被归到X类，则地表真实类别是X的可能性。 混淆矩阵的输出显示了这些准确估价是怎样被计算的。 四、实习报告要求 遥感图象分类的基本原理、监督分类和非监督分类的优缺点、ISODATA法和最大似然 法的分类原理。 分类操作：从Classification菜单： 1 选择 Classification > Supervised > Maximum Likelihood 2 出现 Classification Input File 对话框时，进行标准文件选择，或任何一个子集，和掩 模。 ·在 Endmember Collection 对话框中，选择 Algorithm > Maximum Likelihood。 3 选择一个输入文件以后，出现 Maximum Likelihood Parameters 对话框。 4 输入一般的分类参数（分类参数对话框中列出的那些）。 ·若需要，在 Probability Threshold” 文本框里，键入一个阈值（0~1）。 选项参数被用来控制像元准确分类的可能性。如果像元的可能性低于所有类的阈值，则 它被归为“无类别”。 5 点击“OK”开始分类。 出现一条状态信息，显示已经完成了多少操作。规则图像的像元值（每类一幅图像）象 征着与类别匹配的可能性。最后的分类将每一个像元都归到可能性最大的类里。 根据以上要求，指导学生理解并正确填写监督分类对话框，执行监督分类。 分类精度报告(混淆矩阵) 分类结果的精度显示在一个混淆矩阵里（用于比较分类结果和地表真实信息）。记录了 总体精度、制造者以及用户的准确度、Kappa 系数、混淆矩阵以及代理和冗长误差。ENVI 能 用一幅地表真实图像或地表真实感兴趣区（ROIs）计算混淆矩阵。当用一幅地表真实图像 时，也可以输出每类图像中没有被正确分类的那些像元隐含的误差图像。 用一幅地表真实图像显示混淆矩阵中的记录： 1 选择 Classification > Post Classification > Confusion Matrix > Using Ground Truth Image。 2 在 Classification Input File 对话框，选择分类图像，如需要抽取空间子集。 3 从 Ground Truth Input File 对话框，选择地表真实图像，运行空间子集。 4 出现 Match Classes Parameters 对话框时，在两个列表中选择匹配的名字，再点击 “Add Combination” 按钮，使地表真实类别与最终分类结果相匹配。 5 当所有需要的类合成以后，点击 “OK”。 6 在 “Output Confusion Matrix in” 标签附近，选择 “Pixels” 和/或 “Percent” 复选框。 7 在 “Report Accuracy Assessment”标签附近 ，选择 “Yes” 或 “No” 按钮。 8 在 “Output Error Images” 标签附近，点击箭头箭头切换按钮，选择 “Yes” 或 “No”。 9 选择输出到 “File” 或 “Memory”。 记录显示了总体精度、Kappa 系数、混淆矩阵、commission 误差（每类中额外像元占 的百分比）、冗长误差（类左边的像元占的百分比）、生产者（制造者）精度以及每类中用户 使用的精度。生产者精度是指假定地表真实类是 X ，分类图像中像元被分到 X 类的可能 性。用户精度是指假定分类图像中一个像元被归到 X 类，则地表真实类别是 X 的可能性。 混淆矩阵的输出显示了这些准确估价是怎样被计算的。 四、 实习报告要求 遥感图象分类的基本原理、监督分类和非监督分类的优缺点、ISODATA 法和最大似然 法的分类原理