1. 项目概述为什么分类后编辑是遥感解译的“临门一脚”做遥感图像监督分类无论是用最大似然法、支持向量机还是现在流行的随机森林跑完分类流程、看着屏幕上花花绿绿的分类图出来很多新手朋友会觉得大功告成了。但真正在一线做过项目、跑过实际数据的人都知道这恰恰是“万里长征第一步”的结束而更关键、更考验经验和耐心的“精修”工作才刚刚开始。这个“精修”工作就是“对图像监督分类结果的编辑”。你可以把监督分类想象成一个刚学会认字的孩子你教他算法认识了“树”、“水”、“房子”这几个字训练样本然后给他一篇复杂的文章遥感图像让他把里面这些字圈出来。孩子很努力大部分都圈对了但难免会把“灌木”圈成“树”把“阴影下的沥青路”圈成“水”或者把“大型厂房”漏掉没圈。监督分类结果编辑就是老师你拿着红笔去纠正这些错误补充遗漏让最终的“认字作业”尽可能接近真实情况。这个过程在ENVI中通常被称为“分类后处理”Post-Classification Processing中的关键一环尤其是“分类结果的交互式编辑”。它直接决定了你的分类成果的精度和可用性。无论你的论文需要高精度的土地利用图还是工程项目需要准确的植被覆盖数据亦或是矿产勘查中需要精细的蚀变信息最终出图的质量都卡在这一步。光靠算法“跑”出来的粗糙结果是上不了台面的。因此掌握ENVI中高效、精准地编辑分类结果的技巧是从“会操作软件”到“能交付成果”的关键跨越。2. 核心思路与准备工作磨刀不误砍柴工在动手编辑之前清晰的思路和充分的准备能让后续效率提升数倍。盲目地开始涂抹修改只会事倍功半。2.1 编辑的核心目标与原则编辑不是漫无目的地修改而是有明确的靶向性。核心目标通常有三个修正明显错分这是最主要的工作。例如将误分为“水体”的道路阴影纠正为“建设用地”将误分为“林地”的农田纠正为“耕地”。合并细碎图斑分类算法容易产生“椒盐噪声”即同一地物内部出现大量零星、细碎的不同类别像元。编辑时需要将这些符合实际情况的细碎图斑合并到主体类别中使图面整洁符合地理实体的完整性。补充漏分信息对于训练样本未能充分代表的地物或者由于光谱混淆严重而被算法遗漏的小块区域需要进行手动补充勾绘。为了实现这些目标需要遵循一个核心原则“所见即所判所判有所依”。即你的每一次修改都必须基于对原始遥感影像的目视解译。你需要不断切换查看分类结果和原始影像尤其是高分辨率影像或彩色合成影像确保你的编辑决策有扎实的影像特征作为支撑而不是凭空想象。2.2 必不可少的准备工作在打开ENVI的Classic或新的ENVI软件前请确保你已经准备好了以下“武器”原始遥感影像最好是经过正射校正和融合的高分辨率影像如2米以内的WorldView、GF-2等。如果没有则使用质量较好的多光谱影像如Landsat, Sentinel-2的彩色合成如真彩色、假彩色。这是你判断分类对错的根本依据。初始分类结果即你通过监督分类流程ROI训练、选择分类器、执行分类得到的最初的Classification结果图层。参考数据如果有野外实地调查的样点照片、GPS点位或者更高精度的历史专题图请务必准备好。它们是验证和指导编辑的“金标准”。明确的地物分类体系你编辑所依据的类别名称和定义必须清晰。例如“林地”是包含所有乔木还是区分常绿阔叶林和针叶林“建设用地”是否包含乡村道路编辑前必须统一否则会出现逻辑混乱。注意强烈建议在开始编辑前先对初始分类结果做一个简单的精度评估如利用预留的验证样本生成混淆矩阵。这能帮你快速定位哪些类别混淆严重从而在编辑时有的放矢优先处理这些“重灾区”。2.3 ENVI中的编辑环境搭建ENVI提供了专门的工具进行交互式编辑。通常有两个入口在ENVI Classic中加载分类结果后选择Classification - Post Classification - Interactive Class Tool。在新版ENVI中在图层管理器中右键点击你的分类结果图层选择Class Color Mapping打开颜色表窗口后再从工具栏选择Tools - Classification - Class Tool。打开编辑工具后你会看到一个浮动窗口里面列出了所有类别及其颜色。编辑的核心操作如修改某个像元的类别主要通过鼠标在影像窗口点击完成。但在此之前我强烈建议进行如下设置显示设置将原始影像作为底层分类结果作为上层并将分类结果的透明度设置为40%-60%。这样既能看清地物真实纹理又能看到分类边界是编辑时最舒适的视图。缩放至适宜级别编辑时最好放大到能清晰辨识单个地物边界的尺度通常对应影像的1:1000到1:5000比例尺。全局视图适合发现大面积错分精细编辑必须放大。保存编辑版本在开始大规模编辑前另存一份你的分类结果文件。ENVI的编辑操作很多时候是直接修改原文件虽然通常有撤销功能但以防万一备份是好习惯。3. ENVI分类结果编辑的详细操作解析准备工作就绪我们进入实战环节。ENVI的交互式分类工具提供了多种编辑模式理解每种模式的用途和操作细节至关重要。3.1 基础编辑像元级别的“精雕细琢”这是最常用、最精细的编辑模式适用于小范围错分和边界修整。操作流程在Class Tool窗口中选中你想要赋予的类别比如目标是把一些错分的像元改成“林地”就选中“林地”。在工具图标栏中选择类似于画笔的“Polygon”或“Polyline”工具。更推荐使用多边形Polygon工具因为它能更精确地控制范围。在影像显示窗口沿着你想要修改的区域绘制一个多边形。当你闭合多边形时多边形内的所有像元只要它们属于当前可编辑的类别都会立刻变为你选中的新类别。对于更零散的像元可以使用“Point”工具单个点击修改或者使用“Region Growing”工具。区域生长工具特别有用点击一个错分的像元工具会根据光谱相似性自动选取周边连续的、同类的像元然后你可以一键将它们全部更改。这非常适合处理一小片连续错分的区域。关键技巧与避坑指南技巧1活用“Only Edit Class”选项。在绘制多边形前勾选此选项并指定你只想编辑的原始类别例如“水体”。这样你的多边形只会把原本是“水体”的像元改成新类别而不会误改到多边形内其他正确的类别如“林地”。这是保证编辑精准性的核心设置技巧2边界羽化。直接修改的类别边界有时会显得生硬、锯齿状。在绘制多边形后执行修改前可以设置一个1-3个像元的边界羽化模糊半径让边界过渡更自然。这在新版ENVI的编辑工具中常有此选项。踩坑记录不要试图用一个大多边形去覆盖一大片复杂区域。这极易导致新的错分。应该**“化整为零小步快跑”**将大片区域分解为多个特征均一的小区块逐个编辑。编辑时不断缩放视图检查确保多边形边界与影像中的地物边界吻合。3.2 区域编辑与类别合并/拆分当需要处理更大范围的系统性错分或调整分类体系时会用到这些功能。1类别合并 如果发现分类体系中某些类别可以合并如“阔叶林”和“针叶林”合并为“林地”不要手动去改。正确做法是使用Classification - Post Classification - Combine Classes工具。你可以将多个输入类别映射到一个新的输出类别高效且无错。合并后记得在颜色映射表中调整新类别的颜色和名称。2聚类与过滤Clump Sieve 这是处理“椒盐噪声”的自动化利器通常在手动编辑前或编辑后使用。Clump聚类将空间上相邻的、同类别的像元聚合在一起形成一个个连续的图斑。它会生成一个中间文件记录每个图斑的尺寸。Sieve过滤基于Clump的结果根据图斑大小像元个数设置一个阈值。所有小于此阈值的孤立小图斑会被合并到其周围最大的相邻图斑类别中去。实操参数Sieve的阈值设置是关键。对于10米分辨率影像可能设置10-50个像元对于1米分辨率影像可能设置100-500个像元。这需要你通过试验观察不同阈值下细小图斑的去除效果和主要地物边界的保持情况来定。原则是去除明显噪声保留有意义的小地块。3分类重编码Recode 这是一个强大但容易被忽视的功能。当你完成一系列编辑后可能类别代码变得不连续或者你想重新排列类别顺序。可以通过Classification - Post Classification - Recode Classes来实现。更重要的是你可以利用它基于规则进行批量修改。例如你可以写一个简单的规则将“海拔高于3500米且被分为植被的像元”全部重编码为“高山草甸”。这需要一些简单的脚本或表达式知识但能极大提升批量编辑的效率和一致性。3.3 高级技巧利用辅助数据指导编辑单纯依靠目视解译有时仍有不确定性尤其是对于光谱特征模糊的地物。这时需要引入辅助数据作为“第三只眼”。多时相影像对比如果你有不同时间的影像将其同时加载。例如冬季影像上落叶林和常绿林差异明显可以用来修正夏季影像分类中混淆的林地类型。在ENVI中可以通过链接多个显示窗口Link Displays来实现同步缩放和平移方便对比。DEM/地形数据辅助坡度、坡向、高程信息是强大的编辑约束条件。例如将分类结果与DEM叠加你可以很快发现那些被分在“水体”但位于陡峭山坡上的像元这显然是阴影的错分。ENVI可以轻松叠加栅格或矢量数据作为参考层。矢量边界约束如果你有行政边界、流域边界或已知的农田地块矢量可以将其导入。在编辑时确保分类结果不超出合理的矢量边界如水体不应出现在已知的行政边界之外太多这能帮助发现系统性偏差。我的经验是建立一个“主视图多个参考视图”的工作区。主窗口是半透明的分类结果叠加原始影像旁边的小窗口可以打开NDVI指数图、坡度图或另一时相的影像。编辑时多角度印证能显著提高判断准确性。4. 系统化编辑流程与实战心得掌握了工具更需要一个高效的流程。下面是我在大量项目中总结出的“五步编辑法”供你参考。4.1 第一步快速浏览与问题标注不要一开始就陷入细节。先将影像全局浏览一遍快速扫描分类结果。利用ENVI的注记Annotation工具或者简单地用一个记事本记录下你发现的突出问题区域和类型。例如“A区域大片阴影被错分为水体。”“B区域农田与草地边界混淆严重。”“C区域城市内部存在大量椒盐噪声。” 这个步骤帮你制定编辑的优先级和策略。4.2 第二步由面到点分层处理按照记录的问题进行分层处理处理大面积系统性错分例如整片的山体阴影。使用“Only Edit Class”配合大的多边形或区域生长工具快速修正。这类问题影响整体观感优先解决。处理类别边界沿着道路、河流、田埂等线性地物修正模糊的边界。这时需要放大视图使用小多边形或折线工具精细勾勒。边界精度是专题图质量的重要体现。处理椒盐噪声在完成主要区域编辑后运行Clump和Sieve工具用自动化方法清除大部分细小噪声。记住先自动化过滤再手动修补。查漏补缺最后以“找茬”的心态全局复查。重点关注一些容易遗漏的小目标独立的小屋、池塘、林间空地等。使用点工具或极小多边形进行补充。4.3 第三步迭代式检查与精度抽检编辑不是一蹴而就的。完成一轮编辑后关闭所有参考图层只看分类结果图检查图面是否整洁、逻辑是否自洽比如河流是否连续、农田是否成片。然后再次叠加原始影像随机抽取一些区域特别是不同类别的交界处进行核查。 可以自己建立一个简单的抽检表随机生成50-100个点在原始影像上人工判读其真实类别与编辑后的分类结果对比快速估算一下用户精度。这个过程能发现一些惯性思维导致的错误。4.4 第四步成果输出与元数据记录编辑满意后就可以输出最终成果了。通过File - Save As将最终的分类图层另存为新的文件。输出格式建议选择GeoTIFF它兼容性好且能嵌入地理坐标信息。至关重要的一步记录你的编辑日志在一个文本文件里写明初始分类的总体精度。编辑的主要内容和区域可以参考第一步的标注。使用的关键参数如Sieve的阈值。编辑后预估的精度提升。遗留的不确定区域及原因。 这份日志对于项目复盘、论文方法描述以及后续可能的数据更新都价值连城。4.5 一个典型场景的完整编辑实录修正“水体”误分假设我们有一个分类结果其中山体阴影被大量误分为“水体”。原始影像为夏季真彩色影像阴影区域呈深蓝色或黑色。定位与确认首先将分类图蓝色代表水体以50%透明度叠加在真彩色影像上。可以清晰看到许多北坡的深色区域被标记为蓝色但纹理上明显是植被或岩石的阴影而非平坦的水面。策略选择这是一大片连续的错误适合用“区域编辑约束条件”。操作打开Class Tool选中“林地”我们想将阴影改为的类别。勾选Only Edit Class并在下拉菜单中选择“水体”。使用“Polygon”工具沿着山脊线的阴影边界小心地绘制多边形。由于勾选了“Only Edit Class”我们不用担心多边形覆盖到的正确林地会被改变。对于阴影内部可能零星分布的真正的小水体如小水塘先跳过。等大片阴影改完后再取消“Only Edit Class”单独将这些小水塘从“林地”改回“水体”。利用地形验证如果手头有DEM可以打开坡度图。发现刚才修改的“阴影”区域坡度很大15度而真正的湖泊、河流区域坡度很缓5度。这证实了我们的修改是正确的。对于坡度图显示为缓坡但被我们修改了的区域需要重新审视看是否是真正的误改。边界处理阴影与阳光照射面的边界是渐变的。在修改时对于这个渐变带我使用了较小的羽化半径2个像元让“林地”和“裸土”阳坡的过渡更自然避免出现生硬的线条。通过这个流程我们不仅完成了修改还融入了多源数据验证确保了编辑的科学性。5. 常见问题、疑难杂症与排查技巧即使按照流程操作实践中还是会遇到各种棘手问题。下面是我整理的一些常见“坑”及解决办法。5.1 编辑后保存再次打开发现修改丢失了问题描述在ENVI Classic的Interactive Class Tool中编辑后直接关闭了软件或者没有正确执行保存操作。原因与解决在Classic版本中使用交互式工具修改后需要手动点击工具窗口菜单的File - Save Changes to File修改才会被写入磁盘文件。仅仅关闭窗口或点击“OK”通常不行。新版ENVI的流程更自动化但为了保险起见编辑一段时间后也建议手动保存File - Save或另存为新文件。预防措施养成“编辑-保存-另存备份”的循环习惯。每完成一个区域的重大修改就保存一次。5.2 使用“Only Edit Class”时为什么有些像元改不了问题描述明明勾选了只编辑A类绘制多边形覆盖了包含A类和B类的区域但只有部分A类像元被更改。原因排查像元值检查首先确认你想改的那些像元其原始类别值是否真的是A类。有时显示颜色可能因为颜色表设置产生误导。使用ENVI的像素查询工具Cursor Location/Value点击像元查看其真实的DN值。编辑权限在某些分类文件中类别可能被“锁定”或设置为不可编辑。检查Class Tool中类别列表旁是否有锁形图标。多边形边界非常小的、孤立的像元可能刚好位于你绘制的多边形边界线上导致未被完全包含。尝试放大视图确保多边形完全覆盖目标像元。解决通常原因是1。确保你操作的对象是正确的。5.3 Clump和Sieve后图斑边界变得“毛毛糙糙”怎么办问题描述运行聚类过滤后原本光滑的地物边界如河流、道路出现了锯齿或变形。原因Sieve算法是基于4连通或8连通规则判断相邻像元。当过滤阈值设置过大时一些位于边界、本身尺寸就小的有效图斑会被强行合并到邻域的大图斑中导致边界被“侵蚀”或“蚕食”。解决方案降低Sieve阈值这是最直接的方法。选择一个能去除大部分内部噪声但对边界影响较小的阈值。需要通过试验确定。分步处理不要对整个分类图使用同一个大的阈值。可以尝试先对分类结果进行“边界提取”将边界像元单独标识出来然后只对非边界的内部分类图进行强过滤最后再将边界合并回去。这需要一些栅格计算技巧可用ENVI的Band Math。手动修边在聚类过滤后对于重要的、需要保持光滑的边界如大型水体、行政边界接受少量手动修边的工作。使用编辑工具沿原始影像边界重新勾勒。5.4 编辑工作量巨大如何提高效率对于大面积区域如全省、全国逐像元编辑不现实。策略1分层分区编辑将研究区按地理分区或按地物类型复杂度分区。优先编辑核心区、典型区。对于大片均质的区域如中部平原的大片农田如果初始分类精度已经较高可以降低编辑强度。策略2利用分类概率图像许多分类器如最大似然、随机森林能输出每个像元属于各类别的概率。加载这个概率图层将概率值低的像元例如最大概率0.7筛选出来。这些就是分类不确定性高的区域应该是你编辑的重点。对于概率很高的像元可以基本信任算法结果。在ENVI中可以通过Classification - Post Classification - Probability Threshold来识别低概率像元。策略3半自动化脚本如果你熟悉IDL或Python可以编写脚本进行批量规则修改。例如将所有“NDVI 0.6 且 被分为裸土”的像元自动重分类为“植被”。ENVI的Modeler图形化建模工具也能实现一些简单的自动化流程。5.5 最终出图时颜色和图例不专业怎么办编辑的最终目的是出图。ENVI的制图功能虽然不如专业GIS软件强大但也能满足基本要求。颜色搭配在Class Color Mapping中精心选择颜色。遵循常规水体用蓝、植被用绿、建设用地用红/灰同时确保各类别颜色对比明显便于读图。避免使用过于鲜艳或相近的颜色。图例生成在ENVI的制图窗口File - Save As - Image File 选择输出为PDF或PostScript时进入制图设置可以添加图例。确保图例中的类别名称与你的分类体系完全一致且顺序合理。比例尺与指北针不要忘记添加这些基本地图要素。它们是你成果专业性的体现。导出高分辨率图片用于报告或论文的插图建议导出分辨率至少为300 dpi的TIFF或PNG格式图片。编辑工作枯燥但至关重要它是遥感信息从“数据”转化为“可信知识”的最后一道质量关卡。耐心和细心结合科学的策略和工具技巧才能产出经得起推敲的成果。每一次放大视图、每一次勾绘多边形都是对你解译能力和空间思维的一次锤炼。当你看到经过精心编辑后的分类图清晰、准确、美观地呈现出来时那种成就感是单纯跑通一个算法模型无法比拟的。