摘要
目前为止，地表覆盖分类信息遥感解译的提取方法可以归为三类：计算机解译软件自动解译、计算机解译软件自动解译＋人工目视解译和全人工目视解译。三种解译方法各具特点，但随着社会的发展，科学的进步特别是测绘科学的发展和进步，全人工目视解译终究会被测绘行业所淘汰，有计算机解译软件参与的自动解译将会成为影像解译的主体趋势。
利用envi和FeatureStation_GeoEX分别对三个实验区域：坝区、山区和坝区、山区相结合进行计算机解译软件自动解译。
遥感解译中地物类别特征
色、形、位
色：色调和阴影
色调——指的是影响本身的明暗和亮度，它反映了光线对于地物反射和辐射的强弱程度
阴影——指被地物遮住因而照射源不能达到所形成的明暗强弱效果。反映了地物的空间结果特征
形：形状、大小、纹理、图形
形状——地物类别的边缘围成样子。是类与类的表现形式
大小——尺寸、面积、体积，直观反映地物类别相对其他地物大小
纹理——影像的细微结构，指的是色调变变化的频率
图形——地物复杂的空间构成及其关系
位：分布的区位和形态
位置——区位所在
关系——地物与地物关系联系
1、类比划分
即耕地（０１００）、园地（０２００）、林地（０３００）、草地（０４００）、房屋建筑区（群）（０５００）、道路（０６００）、构筑物（０７００）、人工堆掘地（０８００）、裸露地表（０９００）和水体（１０００）
2、样本选择
对于每一种地物类别我们可Ｗ多选几个样本点，需要注意的是每种地物类别的样本点应该尽量的在影像中均匀的分布，达到样本采集的最佳效果。
在各个地物类别的样本选择好之后，为了检验样本选择的质量如何，则需要对选择的样本进行质量控制。这里我们运用样本之间的＂可分离性＂这一指标来判断样本选择的质量好坏。样本之间的可分离性用Jeffries-Matusita和Transformed Divergence参数表示，
这两个参数之间的值为０—2.0，如果这个值为２.0则说明样本么间的可分离效果相当的好，采集的样本属于标准样本；如果送个值大于１.9小于２．０则说明样本之间的可分离性很好，采集的样本属于合格样本：如果送个值小于１．８则说明样本之间的可分离性不是特别好，在对地物类别进行分类的时候这两个地物之间可能会出现相互错分的情况，需要对样本点进行再编辑或者重新选择合适的样本点；如果送个值小于１．０，则说明这两个地物类别之间不能分离巧，送个时候则需要考虑将两个地物类别的样本合为1个样本
当遇到样本这不到可分离性要求的时候，需要在完成样本编辑和修改之后再次或者三次进行样本的可分离性检验。
3、分类器选择
4、影像分类
5、分类后处理
分类后处理。通常情况下，图像分类后的结果为致分类结果，不能满足应用需求，因此需要对分类结果再次修改才能得到满足需求的数据。分类后处理主要包括小图斑的处理和栅格转矢量的处理等，
其中小图斑可用以下三种方式：majority和minority分析、聚类分析、过滤分析。我们应用majority和minority分析
6、精度评价
一般采用混淆矩阵方式，通过样本去验证分类后的结果总体精度（Overall Accuracy）和Kappa系数
