遙感影像通過亮度值或像元值的高低差異（光譜信息）及空間變化（空間信息）來表示不同地物的差異，這是區(qū)分不同影響地物的物理基礎(chǔ)。

遙感影像分類，就是利用計算機通過對遙感影像中各類地物的光譜信息和空間信息進行分析，選擇特征，將圖像中每個像元按照某種規(guī)則或算法劃分為不同的類別，然后獲得遙感影像中與實際地物的對應(yīng)信息，從而實現(xiàn)遙感影像的分類。

監(jiān)督分類與非監(jiān)督分類的區(qū)別就是是否需要先驗知識（訓(xùn)練樣本）

數(shù)據(jù)：包括待分類影像、分類樣本和驗證樣本。

打開數(shù)據(jù)并使用5，4，3方式組合顯示

鮮綠色整齊地塊為耕地，山區(qū)中深綠色的為林地，坡度較緩的比林地顏色亮一些的為林地或灌木，白色的是沙地（反射率高），裸露的灰色的可稱之為裸地，顏色較深的黑色的是水系。

樣本選擇：在影像上右鍵，新建roi（感興趣區(qū)），定義類別名稱和顏色，并選擇相應(yīng)地類。注意訓(xùn)練樣本的選擇要具有一定數(shù)量并選擇均勻，其他類別樣本的roi使用類似方法新建。選擇好所有類別的訓(xùn)練樣本后如下，同時你還可以對訓(xùn)練樣本進行編輯，更改名稱、顏色、增、刪、改等。

通過樣本的可分離性來檢驗樣本的質(zhì)量，在roi面板中選擇option選擇如下工具。

評價指標(biāo)有上述兩種：J-M距離和轉(zhuǎn)換分離度，它們?nèi)≈捣秶?~2之間。當(dāng)這兩個值均大于1.9時說明兩個樣本之間的分離度是很好的，當(dāng)小于1.8時，說明分離度不高，需要修改。當(dāng)值小于1時，則可以考慮兩類為一類樣本。

樣本修改達(dá)到標(biāo)準(zhǔn)后可保存，保存文件格式為.xml。

本次實驗使用支持向量機方法進行監(jiān)督分類。

參數(shù)設(shè)置均為默認(rèn)，輸出設(shè)置自行設(shè)定。

遙感分類的分類后處理在后面教程解釋，此處跳過。

結(jié)果驗證：利用混淆矩陣和roc曲線方法。

這兩種方法均有兩個選項，分別是里利用標(biāo)準(zhǔn)圖（image）和感興趣區(qū)（ROI）進行的。本次實驗使用混淆矩陣分類方法，使用感興趣區(qū)方法進行驗證。

如果兩種類別名稱相同則會自動匹配，不同則需手動匹配。

應(yīng)用默認(rèn)設(shè)置，像元和百分比均顯示。

Kappa系數(shù)是對分類結(jié)果的總體評價介于0到1，值越大，分類結(jié)果正確率越高。

混淆矩陣反應(yīng)各類別分類情況，對角線表示正確分類的像元數(shù)量，其他則表示錯分或漏分的像元數(shù)量。

圖中只表示了參數(shù)的一部分，下面還包括制圖精度、用戶精度等參數(shù)。