实践主题：使用ENVI Classic软件进行监督分类。

实践目标：学会使用软件进行监督分类。

实践任务：完成cantmr.img的监督分类

实践要求：写一篇实践报告。

教师分析：本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源，其数据在安装目录下的Exelis\ENVI51\classic\data。

1.打开ENVI Classic软件并定义类别

影像上的类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。

2.选择训练区

打开分类图像，在Display->Overlay->Region of Interest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。如图1所示，设置好颜色和类别名称（支持中文名称）。

在ROIs面板中，选择Option->Compute ROI Separability,计算样本的可分离性。如图2所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本。

3. 分类器选择

根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。

4、影像分类

 基于传统统计分析的分类方法参数设置比较简单，这里选择支持向量机分类方法。主菜单下选择Classification > Supervised > Support Vector Machine。按照默认设置参数输出分类结果，如图3所示。