实验四遥感像的监督分类和非监督分类.doc

实验四遥感像的监督分类和非监督分类.doc

ID:55514726

大小:1.38 MB

页数:9页

时间:2020-05-15

实验四遥感像的监督分类和非监督分类.doc_第1页
实验四遥感像的监督分类和非监督分类.doc_第2页
实验四遥感像的监督分类和非监督分类.doc_第3页
实验四遥感像的监督分类和非监督分类.doc_第4页
实验四遥感像的监督分类和非监督分类.doc_第5页
资源描述:

《实验四遥感像的监督分类和非监督分类.doc》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、实验四遥感图像的非监督分类与监督分类一、实验目的1.非监督分类是对数据集中的像元依据统计数字,光谱类似度和光谱距离进行分类,在没有用户定义的条件下练习使用,在ENVI环境下的非监督分类技术有两种:迭代自组织数据分析技术(ISodata)和K均值算法(K-Means);2.分类过程中应注意:1)怎样确定一个最优的波段组合,从而达到最佳的分类精度,基于OIF和相关系数,协方差矩阵以及经验的使用来完成对最适合的组合的选取,分类效果的关键即在于此;2)K-Means的基本原理;3)Isodata的基本原理;4)分类结束后,被分类后的图像是一个新的图像,被分类类码秘填充,从而可以获

2、得数据提取信息,统计不同类码数量,转化为实际面积,在得到后的图像上,可对不同目标的形态指标进行分析。3.对训练区中的像元进行分类;4.用训练数据集估计查看监督分类后的统计参数;5.用不同方法进行监督分类,如最小距离法、马氏距离法和最大似然法。二、实验设备与材料1、软件ENVI4.7软件2、所需材料TM数据三、实验步骤1.选择最优的波段组合ENVI主工具栏中File→Openimagefile→选择hbtmref.img打开→在BasicTools中选择Statistics→Computestatistics选定原图,在Spectralsubset中可选项全部选定→OK→O

3、K→全选→保存→OK,则各类统计数字均可查;OIF计算,选择分类波段:1,2;2,3;1,3波段标准差分别为2.665727;3.473308;4.574609,和为10.713644。CorrelationMatrix中1和2波段的相关系数0.964308,加上2和3波段的相关系数0.980166,再加上1和3波段的相关系数0.945880,最终等于2.890354。用标准差相加的结果10.713644比上相关系数之和2.890354等于3.70668922。可以选择其他不同波段的数据进行同上运算,比值结果最大的为最优波段,此次选择结果为3,4,6波段。2.K-Mean

4、s法进行非监督分类1)Classification→Unsupervised→K-Means,点击hbtmref.img→点击Spectralsubset→选3,4,6三个波段→OK,回到上级菜单→OK,在Numberofclasses中输15即分为15类,ChangeIterations中输6,即最大迭化量为6次,MaximumStdevFromMean中为空,选择保存位置→OK;在原界面中选定保存结果后Newdisplay→LoadBand,双击查看CursorLocation/Value,发现Data已由原来的坐标形式转换为类码;在K-Means窗口工具栏中点击To

5、ols→SpatialPixelEditor→可将类码转换成相应的地物类型,要求进行大量的野外调查,确定同一类码所代表的地物是什么1)合并类的操作:Classification→Postclassification→Combineclasses→K-Means→OK;在SelectInputClass中选Class8,SelectOutputClass中选Class10(即把第8类和第10类合并)→点Addcombination→OK→Memory→OK;在原界面中选择保存结果→NewDisplay→LoadBand;在Load后的Display中点击Tools→Link

6、→Geographiclink,则Display(当前)和Display#2(前一个)变为on,表示2者合并→OK,可查看变化结果。2)如何得到一类中的像元量:classification→postclassification→classstatistics→选择分类合并后的文件→OK→再选合并后文件→OK,则出现classselection,根据需要选择几类(6,7,8,9,10)→OK,可选项全部选定后→OK,即可获取类码的统计数据修改:在步骤2完成图上右击出来一个对话框,点击QuickStats,出现如图:1)择多滤波器(对合并后的结果)classification

7、→postclassification→Majority/MinorityAnalysis→选择合并后文件→OK,再选择class10,Kernelsize改成5×5→Memory→OK,回到原界面→Newdisplay→LoadBand,双击查看与原图的差异。1.Isodata方法进行非监督分类classification→unsupervised→IsoData→选择原图→OK,Spectralsubset中选3,4,7波段→OK→OK;Numberofclasses:min输入10,max输入15,MaximumIter

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。