欢迎来到天天文库
浏览记录
ID:47466361
大小:1.09 MB
页数:11页
时间:2020-01-11
《非监督分类》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、非监督分类实验报告1实验目的通过本实验加强对遥感非监督分类处理理论部分的理解,熟练掌握图像非监督分类的处理方法,并将处理前后数据进行比较。2实验内容利用Envy软件进行非监督分类,主要是应用IsoData和K-Means对实验数据进行处理,并进行比较。3实验步骤和过程3.1IsoData分类过程1.打开envi软件,添加影像,并对数据进行裁切。2.选择Classification→Unsupervised→isodata,选择数据Stack-b1-6167.img,出现下面的对话框,选择合适的分类值,迭代值,3.打开影像。选择RGB打开,设置为5,4,3波段4.Overlay→Cl
2、assification,根据经验判断具体的地物类型3.将相同地物合并Classification→PostClassification→CombineClassess4.打开合并后的影像,并进行颜色处理(Classification→Postclassification→Assignclasscolors)3.分类后处理Classification→Postclassification→Majority/MinorityAnalysis8.实验结果3.2K-Means分类过程1.K-means分类方法与isodata分类方法基本类似,不同的是是在第二步过程选择Classifica
3、tion→Unsupervised→k-means,选择数据Stack-b1-6167.img,出现下面的对话框,选择合适的分类值,迭代值,2.我们设置了10次迭代,而系统只进行了6次,说明对我们设置的分类数只进行6次迭代就可以了3.此后与isodata步骤一样,得到合并后的以及颜色处理后的图像如图2.进行分类后处理3.结果如图3.3对比IsoData和K-Means分类1.在Envy中,比较IsoData和K-Means分类,可以将最终的结果影像放在一起,如下图。IsodataK-means将二者连接,对比红色矩形框的图像我们发现,K-means处理容易将一些细节部分弱化掉,使分
4、类效果不如isodata好,因此人们常使用isodata进行非监督分类。
此文档下载收益归作者所有