利用次要成分分析的影像不但没有减轻椒盐现象,反而椒盐现象更加严重,未定义的黑点更密集,并且变得更大,效果很不好. 7、非监督分类结果： 在进行非监督分类的时候首先将地物分成了30类,然后人工进行识别分类后最终与监督分类结果一样合并成了8类,但是最后的效果并不是很好,在非监督分类一开始就将水稻田与林地分类到一起,最后生成的结果只能区分大致的地物分布,与监督分类结果相比,非监督分类结果更粗糙. 存在问题与解决办法 1、在ROI工具中选取训练区时，由于影像分辨率的关系，有些地物很难区分清楚，导致选取的训练区有时候会将不同的地物选取到同一个地物类型中，导致后面的结果不准确。 2、在对分类结果修改名称与颜色的时候，软件总是崩溃。 3、 训练区的选取应当尽量精确，以免监督分类以后出现严重的椒盐现象。 4、不是很理解J—M距离、分散度表示的意义，具体在这个计算过程中遇到的问题还是不能有效解决，对于如何有效避免错分和漏分还是不很清楚。 5、在进行非监督分类的时候，将最大的类别设置为30，在软件自动生成类别时明显将水浇地归类到了林地之中，但是不知道如何改正这一错误。 总结 这次实习主要了解并学习了遥感分类的相关理论知识与实际操作过程，基本掌握了遥感影像监督分类与非监督分类的原理与方法。应用前面实习中学习的遥感影像的目视解译、ROI工具的使用、以及对特征矩阵、方差、相关系数的分析，在excel表格中的生成结果的处理，都得到了巩固与熟练，并且在自己对不同操作，例如在进行监督分类后处理时选取不同大小的窗口造成不同的结果比较，更加深了对分类后处理操作的理解。通过比较自己的比较，更深的理解了不同分类方法的优缺点。