自20世纪八十年代以来,遥感图像在资源、环境、军事等领域的应用越来越广泛,遥感图像分类是遥感应用中一个重要方面。基于ENVI处理平台,论文对遥感图像处理、特征分析进行研究,在此基础上,深入研究了遥感图像分类方法。王要内容包括:(1)遥感技术概述。主要介绍遥感系统及成像光谱技术,并在此基础上总结成像光谱技术的国内外发展近况。结合多光谱遥感图像和高光谱遥感图像各自的特点阐述二者区别,列举遥感图像的几种常见存储格式并阐述高光谱遥感图像的应用领域。(2)图像处理。为清晰地观察遥感图像,论文对获取的遥感图像进行处理,包括图像拉伸、图像合成和彩色变换等。采用灰度拉伸和直方图均衡的方法,提高图像的显示效果;同时,图像彩色变换能够将图像的地物和边界用鲜明的色彩区分开来,目视效果更佳。(3)遥感图像特征分析。利用ENVI对遥感图像进行特征分析,包括主成份分析、纹理特征分析。主成份分析是利用图像中互不相关的几个参量集中表示图像的主要信息,忽略噪声多的其他波段,显示效果良好。纹理是图像本身的自然属性,主要反映了图像中纹理的规律及特性。论文主要研究了基于概率统计滤波和基于二阶概率统计滤波的两种纹理分析方法,结合对比度、均值、方差等特征参数分析解读图像。(4)遥感图像分类。遥感图像分类是把不同地物划分到指定的类别中。典型的分类方法有非监督分类和监督分类,二者的不同点在于是否利用先验知识。非监督分类无需先验知识,只利用图像样本进行聚类,分类后再通过实际探察等方法确定分类结果。监督分类需要已知训练样本,并利用特征参数及判别函数建立分类器,将图像划分成不同类别。以TM影像为例,论文研究了 Isodata和K-means两种非监督分类方法,同时,采用最大似然和最小距离法对图像进行监督分类,生成分类精度报表,观察并对比结果,评价分类效果。